质子交换膜燃料电池（PEMFC）以其能量密度高,生成物环保,工作低噪声等优点被认为具有广阔的应用前景。随着商业化应用地推进,对PEMFC健康管理的需求也在不断提高,而准确预测PEMFC的健康状态（SOH）和剩余使用寿命（RUL）已成为指导设备故障维护、优化管理策略的研究热点和难点。因此,本研究基于电压、功率、内阻三个退化指标,分别探究了单一的PEMFC在多种预测类型下对模型预测能力的影响,关联性的PEMFC组在长期预测下的改进策略,和模拟缺失数据下预测模型的泛化能力。全文的内容总结如下:（1）为了监测PEMFC状态的连续变化并预测下一步的状态值,基于电压、功率、内阻进行SOH单步预测。结果表明:以电压和功率作为退化指标,核岭回归（KRR）模型在不同的抽样比例下的预测效果最好,其预测结果的RMSE比其他模型至少低2.6%;卷积神经网络（CNN）在不同时刻点下的预测效果最好,其预测结果的RMSE比其他模型至少低17.7%。以内阻作为退化指标,外部推算法的预测结果受到波动工况的影响较大,内部推算法的预测结果对等效电路模型的建立要求较高。（2）为了研究PEMFC在单指标下多步预测的可行性,使用多个模型在不同数据抽样比例下进行预测。结果表明:在中短期预测中,随着预步长的增加,CNN模型的预测效果愈好;在长期预测中,所有模型的预测效果较差。（3）基于PEMFC在退化过程中测量得到的多个参数（温度、压力、湿度等）数据,建立多参数和电压之间的回归模型,探究多参数和电压之间的关联性。结果表明:多参数回归预测明显受到波动工况的影响,且多参数和电压并不存在强的函数关联性。（4）为了解决单指标长期预测精度差的问题,组合多个指标提出了专用于长期预测的双指标（电压,内阻）和三指标（电压,功率,内阻）模型。结果表明:相比于单指标长期预测,多指标长期预测的SOH预测精度更高,其中三指标模型的RUL预测收敛效果比双指标模型更好。（5）针对单一PEMFC在长期预测中稳定性差的问题,提出了合纵连横预测框架,探究了两个具有关联性的PEMFC组的长期预测。结果表明:在新框架下的长期预测的结果和测量数据的拟合度更高,且相比于单指标和多指标的长期预测结果都要更好。（6）为了验证模型的泛化性,探究了多个模型在4份不同工况、缺失信息较多的PEMFC退化数据下的中短期预测效果。为了提高预测精度,在seq2seq模型上采用了attention机制用于加强输入数据之间的前后关联性。结果表明seq2seq＿attention模型在其中2份数据中预测效果更好,另外2份数据的预测效果不突出,但是作为神经网络模型它具有更多的优化空间。综上所述,基于PEMFC的反应机理和多种模型的算法内核,针对不同类型的数据,不同预测需求提出相应的模型用于预测,在节省计算时间的同时还能提高预测精度。