锂离子电池的健康状态与剩余寿命对系统的安全性与可靠性至关重要。进行锂离子电池剩余寿命准确和可靠预测对预防电池突然失效、提供维护保养建议、延长电池使用寿命有重要意义。针对锂离子电池系统具备时变、动态、非线性等特征,本文从具备不确定性能力的高斯过程回归模型入手,从预测精度、退化状态识别、在线适用性等方面开展锂离子电池剩余寿命预测方法研究。首先,分别从权值空间论和函数空间法两个角度阐述高斯过程回归模型建立过程与预测原理;确定均值函数和协方差函数是建立高斯过程回归模型的关键,基于最大似然估计和共轭梯度法优化超参数可以确定后验分布;并给出通过训练数据和测试数据建立高斯过程回归模型的流程。然后,基于随机电流放电下的锂离子电池老化实验,模拟锂离子电池的真实使用情况。从数据驱动方法中选取具备不确定性表达能力的高斯过程回归模型,选定核函数后通过训练数据来优化超参数建立预测模型。用不同实验温度和随机放电模式下的电池充放电循环实验数据验证预测结果。其次,针对锂离子电池在线寿命预测及容量非线性退化问题,构建基于等压差充电时间的健康状态估计与剩余寿命预测方法。基于两公开锂离子电池老化实验数据集,从恒流充电过程中提取等压差充电时间序列,进行不同提前步数和不同初始条件下的健康状态估计;采用组合核函数建立高斯过程回归模型,利用粒子群优化算法全局搜索最优超参数以优化模型;将等压差充电时间作为健康因子,通过预测等压差充电时间进行锂离子电池容量估计与寿命预测。通过实验证明该方法可有效预测容量非线性退化轨迹,具备良好的泛化能力和局部变化学习能力。剩余寿命预测结果具有较高的准确性及不确定性表达能力。最后,提出一种基于多高斯过程回归模型和健康因子的锂离子电池剩余寿命预测方法。从恒流恒压充电过程中提取3个健康因子,用Pearson和Spearman指数分析健康因子与电池容量之间的相关性。基于组合核函数优化的高斯过程回归模型,以健康因子和充放电周期数据建立高斯过程回归模型以预测健康因子,以健康因子和容量数据建立高斯过程回归模型以预测容量,获得剩余寿命预测结果。基于两个不同的实验数据集,实现锂离子电池在单点和长期的剩余寿命预测。