在日益严重的能源危机和全球变暖的大环境下,发展新能源电动汽车成为现在汽车工业发展中的主要趋势。为了有效确保复杂工况下电动汽车运行的安全可靠,增加动力电池的循环寿命,增长电动汽车的续航里程,针对动力电池的电荷估计（SOC）和健康估计（SOH）的研究成为当前热点。由于动力电池是一个时变、动态、非线性的复杂系统,再加上其自身衰减、工作环境的复杂性,这些因素给电动汽车的电池管理系统（BMS）和电池内部状态的实时估计带来了很大的挑战。针对以上问题,本文开展了对磷酸铁锂电池的SOC与SOH联合估计算法的深入研究,主要研究内容如下:首先从磷酸铁锂电池的工作原理出发,对磷酸铁锂电池的复杂反应过程进行详细分析,然后对磷酸铁锂电池的电荷状态和健康状态进行定义,确定了以欧姆内阻表征SOH的合理性,最后对影响SOC和SOH联合估计的诸多因素进行详细的分析,为磷酸铁锂动力电池的建模、状态估计和能量管理提供理论支撑。搭建基于ITS 5300的电池实验测试平台,进行了磷酸铁锂电池的特性分析实验。设计了工作温度特性试验,研究了不同温度下的放电总容量;测试了相同温度不同放电倍率下电池放电总容量与电压的关系;分析了不同温度下磷酸铁锂电池欧姆内阻随SOC的变化情况;研究了开路电压（OCV）与SOC的关系,并拟合了OCV-SOC的函数表达式。最后,建立了能反映磷酸铁锂电池内部特性的改进二阶RC等效电路模型。为了更好的确定观测噪声和测量结果,降低滤波发散,减少滤波误差,在无迹卡尔曼滤波（UKF）的基础上,通过引入残差和模型发散度产生调整系数α,滤除测量噪声并减小过程噪声,提出模糊无迹卡尔曼滤波（F-UKF）,采用F-UKF估计算法对SOC和SOH进行联合估计。在对SOC估计过程中,将SOC直接作为状态变量;在对SOH估计的过程中,以欧姆内阻作为SOH的状态变量,建立了SOC和SOH的状态空间方程,并给出了该算法联合估计电池SOC与SOH的步骤。通过实验台架模拟各种复杂工况,在MATLAB仿真中验证了联合估计F-UKF算法的优越性。首先利用F-UKF联合估计算法对不同SOC初始值进行验证,证明了所提出的算法拥有较好的收敛性和鲁棒性。随后对同一电池进行不同老化程度的实验,验证了所提出算法的适应性。最后在恒流充放电工况和UDDS工况下进行仿真实验,仿真结果表明:本文所提出的联合F-UKF算法在恒流充放电工况下,SOC的估计误差在0.222%内,收敛时间72秒,欧姆内阻估计最大误差为1.252%;本文所提出的联合F-UKF算法在UDDS工况下,SOC的估计误差在1.568%内,收敛时间126秒,欧姆内阻估计最大误差为1.870%。