随着新能源的发展,电能逐渐取代传统燃料成为车辆的动力来源,而锂离子电池则是现代新能源车辆市场所使用的主要供能产品。锂离子电池除了拥有环保、可循环利用等优点,同时也有着安全性较低的缺点,在一定情况下可能发生热失控,从而导致自燃甚至爆炸,因此对锂离子电池的状态监测尤为重要。当前对锂离子电池的状态监测主要依赖于各类传感器,不能直观描述电池内部状态参数的变化,为此,本文针对锂离子电池的温度与湿度开展基于冗余信号分析的锂离子电池状态监测方法研究,主要工作如下:基于锂离子电池性能与实际工况,建立了锂离子电池的戴维南（Thevenin）等效电路模型,并使用递推最小二乘法（Recursive Least-squares,RLS）对锂离子电池参数进行在线辨识,得到了难以直接观测的锂离子电池状态参数值。为了使生成的残差数据对异常状态有更强的敏感性、对环境噪声有更强的鲁棒性,引入渐消因子,使用具有强跟踪性质的带渐消因子的扩展卡尔曼滤波（Fading Extended Kalman Filter,FEKF）作为残差生成器,并设计MATLAB脚本文件实现算法的仿真,将充放电循环实验数据代入进行计算。将得到的锂离子电池端电压残差数据转化为χ2分布,以获得更高的数据集中度以及对异常状态的敏感度,并通过误检率确定检测阈值的大小,定义滑动窗口将残差数据分割,在时域范围内对其进行异常状态检测。为了对不同类型异常状态进行隔离,引入电池欧姆内阻与时间常数的残差数据,使用多元假设的似然比检验将处于高温、低温、高湿度状态下的残差数据区分开来。通过恒温恒湿箱调节锂离子电池的温度与湿度,对锂离子电池性能与监测方法进行研究与验证。实验结果显示温度与湿度会影响锂离子电池的欧姆内阻与时间常数大小,进而影响电池工作时的电压平台;在变化工况下,FEKF相较于扩展卡尔曼滤波（Extended Kalman Filter,EKF）能够更及时更持久地对缓变型异常状态进行告警,并且在进行异常状态隔离时具有更小的误检率与漏检率,证明了监测方法的可行性。