电动汽车是解决能源衰竭和环境污染问题的有效途径之一,占整车成本三分之一的动力电池作为电动汽车的动力来源,决定了整车的续航里程。但目前动力电池及其管理技术尚未成熟,极大限制了电动汽车及相关电池行业的发展,因此必须对动力电池进行高效管理。准确的状态估计是电池管理系统（Battery Management System,BMS）中最关键的部分之一,不仅能够保障动力电池的安全使用、可靠运行和寿命,而且能够为车辆能量和均衡管理提供数据支撑。其中,电池的荷电状态（State of Charge,SOC）和健康状态（State of Health,SOH）分别反映了电池的剩余电量和电池的老化情况。作为状态估计的核心,动力电池SOC与SOH估计一直是研究的热点及难点。本文以电动汽车常用的18650型三元锂电池为研究对象。在分析动力电池的基本特性和研究影响SOC以及SOH的主要因素的基础上,建立了带温变参数的DP等效电路模型并对模型参数进行辨识,设计了基于自适应滑模观测的SOC估计算法,实时更新观测器增益矩阵中随温度变化的参数,实现在不同环境温度下SOC的精确估计。充分考虑动力电池端电压、工作电流、温度、容量衰减等因素的影响,设计双滑模观测器（Dual Sliding Mode Observer,DSMO）对电池SOC和SOH进行联合估计。具体研究内容如下:1)在分析各种动力电池模型基础上,根据动力电池的基本特性,建立了带温变参数的DP等效电路模型;推导参数辨识的计算公式,设计了电池脉冲放电实验,得到OCVSOC拟合曲线,采用带遗忘因子的最小二乘法对模型参数进行辨识。仿真结果表明,该模型具有较高的精度,能准确地描述动力电池的工作特性。2)设计了自适应滑模观测器（Adaptive Sliding Mode Observer,ASMO）对SOC进行估算。实时更新观测器增益矩阵中随温度变化的参数,在恒流工况及城市循环工况（Urban Dynamometer Driving Schedule,UDDS）下分别在低温、常温、高温下对算法进行仿真验证。实验结果表明,本文设计的自适应滑模观测器算法在不同温度条件下对动力电池SOC估计误差均小于2%,能够达到电动汽车对SOC估计的精度要求。3)充分考虑动力电池端电压、工作电流、温度和容量衰减等因素的影响,在SOC估计研究的基础上采用双滑模观测器（Dual Sliding Mode Observer,DSMO）进行电池SOC和SOH联合估计,并在UDDS工况下仿真验证了双滑模观测器的有效性和精确度。4)在动力电池管理系统中,实验结果表明,本文设计的估算方法具有收敛迅速、鲁棒性好等优点,SOC、SOH估计误差均满足电动汽车动力电池状态估计的精度要求。