摘要：应用传统的无迹卡尔曼滤波（unscentedKalmanfilter，UKF）算法估计电动汽车锂离子动力电池核电状态（stateofcharge，soc）时，常会出现由于电池模型参数不准确而造成估计误差增大的问题，该文采用了自适应无迹卡尔曼滤波（adaptiveunscentedKalmanfilter，AUKF）算法解决该问题。AUKF算法是一种循环迭代算法，可以实时估计电池模型中的欧姆内阻，提高电池模型准确性，从而提高电池SOC估计精度。另外，电池的欧姆内阻可以表征电池的健康状态（stateofhealth，soil），因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验，实验分析表明，与UKF相比，AUKF提高了电池SOC估计的精度，并能准确的估计出电池的欧姆内阻。

关键词：荷电状态 健康状态 自适应无迹卡尔曼滤波器 电动汽车 锂离子动力电池 

单位：天津大学电气与自动化工程学院 天津市南开区300072