环境恶化和能源危机给传统汽车的发展带来双重压力,因此电动汽车已经成为未来汽车发展的主要方向。动力电池组是电动汽车的能量来源,为了确保电动汽车能够安全稳定高效地运行,需要对电池进行必要地管理和控制。电池组健康状态(SOH)是电池管理系统中最重要的参数之一,精确掌握电池组SOH可以为其自身的检测与诊断提供依据,有助于及时了解电池组各单体电池的健康状态,及时更换老化的单体电池,提高电池组的整体寿命,进一步提高电动车的动力性能。因此及时、准确地对电池组SOH进行估计具有非常重要的实际意义。目前国内外对于电池SOH估计的研究较少,而且主要针对于单体电池,以电池组整体作为对象进行研究的文献就更少。此外,上述研究主要依赖于实验室的测试环境,很少有人采用实际中电动汽车运行的实时电池数据进行研究,而本文以纯电动出租车作为实验对象,基于实时采集得到的电池数据对电池组的SOH值进行动态跟踪预测。首先,根据电池SOH的相关定义,本文选择用欧姆内阻作为电池SOH的评价指标。其次,基于电动出租车实时运行过程中的电池数据,对电池组的充放电特性进行了详细的分析,说明了本文用一个简单模型来表达电池组整体特性的合理性。接下来,以单体电池等效电路模型为基础,应用电路基本理论对电池组模型的结构进行了分析推导,最终建立了二阶RC电池组等效电路模型。最后,以实时采集得到的电动出租车电池充电数据,根据遗忘因子递推最小二乘法原理对电池组模型的未知参数进行了辨识和求解,确定了电池组模型。电池组是一个复杂的非线性系统,而粒子滤波算法对于求解非线性问题具有一定的优越性,所以本文对粒子滤波算法动态估计电池组内阻值进行了深入的研究,将粒子滤波算法和电池组等效电路模型相结合,利用实测数据进行了电池组内阻的估计实验。结果表明,粒子滤波算法能够较好地动态跟踪预测充电过程中电池组的内阻,该算法具有良好的适用性。由于粒子的退化问题直接影响算法的准确性,因此为了更好地解决算法中粒子的退化问题,提高粒子滤波算法对于电池组内阻的预测精度,本文将遗传算法的思想融合到粒子滤波算法中,尝试应用遗传粒子滤波算法估计电池组的内阻,并且详细设计了利用遗传粒子滤波算法估计电池组内阻的实现方案。通过对实验结果的分析,并且与标准粒子滤波算法的实验结果进行对比,得出结论：基于遗传粒子滤波算法的电池组内阻动态跟踪预测曲线的起伏波动幅度更小,平稳性更好。由此可得,基于遗传粒子滤波算法的电池组内阻的跟踪预测有更优越的性能。