燃料电池汽车频繁启停和变载,容易导致质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell,PEMFC）电堆产生水淹和膜干等故障。若这些故障未及时发现和处理,将会导致电堆性能衰减、寿命缩短,所以有必要对电堆水淹、膜干和正常这三类健康状态进行监测。然而,电堆健康状态不易通过传感器直接监测,且传统的监测设备存在体积大、价格昂贵、实时性差等缺陷,无法在车载PEMFC上应用。因此,本文针对车载PEMFC提出了一种电堆健康状态监测方法,该监测方法先利用交流阻抗法测量PEMFC的电化学阻抗谱（Electrochemical Impedance Spectroscopy,EIS）,再基于EIS和数据驱动的方法完成PEMFC电堆健康状态的识别。主要研究内容如下:（1）基于对电堆等效电路Nyquist特性和故障的分析,设计了EIS在线测量系统。该测量系统集成于PEMFC系统输出端的DC/DC变换器,无需额外增加阻抗测试台、电子负载等测试设备,解决了传统EIS测量设备体积大、成本高的问题。（2）针对传统扫频激励信号测量EIS用时长,多频正弦激励信号波峰因数高的问题,基于粒子群算法（Particle Swarm Optimization,PSO）优化多频正弦激励信号各正弦分量相位,得到了改进多频正弦激励信号。通过搭建的EIS在线测量系统仿真模型,验证了基于改进多频正弦激励的EIS测量方法的可行性,在仿真基础上搭建了EIS实测平台并进行了实验,进一步验证了该方法测量EIS的准确性。（3）针对支持向量机（Support Vector Machine,SVM）直接用于PEMFC电堆健康状态识别时效果差这一问题,提出了PCA-IGWO-SVM电堆健康状态识别模型,该模型由主成分分析法（Principal Component Analysis,PCA）、改进灰狼算法（Improved Gray Wolf Optimization,IGWO）以及SVM进行组合构建。通过仿真得到的PEMFC不同健康状态下EIS特征数据验证了该模型的有效性,与单一SVM模型相比,该模型识别的准确率和效率都有较大的提高。本文完成了PEMFC EIS测量和电堆健康状态识别方法的研究,并通过仿真和实验验证了方法的有效性,为车载PEMFC电堆健康状态监测提供了新思路。