锂离子电池在民用和军用领域得到了广泛使用,研制高效、智能的锂离子电池管理系统是保证锂离子电池安全使用的主要途径,锂离子电池健康智能评估方法是锂离子电池管理系统的核心技术,因此,研究快速、高精度的锂离子电池健康评估方法具有重大意义。本文主要研究电池健康智能评估方法中的电池荷电状态估计方法和电池剩余使用寿命预测方法,主要内容有:1)介绍了锂离子电池的工作原理,阐明了锂离子电池常用性能参数和状态参数的基本概念,归纳了锂离子电池的充电方式并通过实验研究总结了环境温度、放电电流和电池老化对电池实际容量的影响规律。2)提出了基于随机森林的电池荷电状态估计方法。安时估计法的估计精度严重依赖电池荷电状态初始值的准确性,基于经验模型和扩展卡尔曼滤波的估计法虽然能够自修正电池荷电状态的初始值误差,但是估计精度往往较差。为解决上述估计方法存在的问题,本文提出基于随机森林的电池荷电状态估计法。单体锂离子电池的稳态放电和动态放电实验结果表明该方法的估计精度不受电池荷电状态初始值影响,估计精度要高于基于经验模型和扩展卡尔曼滤波的估计法,而且对于建立模型时使用过的放电工况具有自动识别能力。3)研究了基于GA和ARIMA的电池剩余使用寿命预测方法。针对自回归差分移动平均模型的传统定阶方法存在定阶流程复杂,定阶过程存在人为主观性选择的问题,本文研究使用遗传算法优化自回归差分移动平均模型的方法预测电池剩余使用寿命。实验结果表明该方法能够有效简化定阶流程,提高预测精度。