本书遵循教育部教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

本书遵循普通高等教育汽车专业培养目标，根据车载动力电池应用的技术要求，对当前电池管理系统状态监测和寿命诊断进行了系统论述。本书针对新能源汽车电池管理系统的应用特点，以电池老化机理与等效建模为基础，主要讲述了动力电池状态估计的关键方法和技术难题，具体包括车载动力电池管理系统概述，车载动力电池及其老化机理、等效建模及参数辨识，锂离子动力电池荷电状态估计方法、健康状态估计方法、协同状态估计方法，动力电池剩余使用寿命预测研究等内容，同时配有验证实例。
本书既可作为普通高等教育车辆工程、自动化、控制科学与工程、新能源汽车工程，以及汽车服务工程等专业本科生及研究生的教材，也可作为广大汽车工程技术人员、新能源测控技术人员、汽车运输与管理人员的参考书。

前言
第1章车载动力电池管理系统概述1
11动力电池管理系统的概念和分类2
111动力电池管理系统的基本概念2
112动力电池管理系统的分类3
12动力电池管理系统的组成和功能5
121动力电池管理系统的组成要素5
122动力电池管理系统的关键技术和
主要功能6
13动力电池管理系统的技术发展趋势10
131智能化管理技术的发展趋势11
132安全性能提升的技术趋势12
133能量利用效率提高的技术趋势14
第2章车载动力电池及其老化机理18
21锂离子动力电池的组成和工作原理18
211锂离子动力电池的正极材料18
212锂离子动力电池的负极材料21
213锂离子动力电池的电解质和
隔膜23
214锂离子动力电池的工作原理25
22锂离子动力电池的老化机理及其影响
因素26
221锂离子动力电池的寿命及其评估
指标26
222锂离子动力电池老化的主要
机理27
223锂离子动力电池老化的影响
因素28
23锂离子动力电池老化的诊断方法和
预防手段30
231锂离子动力电池老化的诊断
方法30
232锂离子动力电池老化的预防
手段33
第3章车载动力电池等效建模及参数
辨识35
31锂离子动力电池的等效建模35
311基于等效电路模型的电池建模35
312基于电化学模型的电池建模39
313基于数据驱动模型的电池建模48
32动力电池模型参数辨识方法49
321可变遗忘因子的递归最小二乘法49
322等效电路模型的参数辨识54
323循环寿命模型的参数辨识56
33动力电池模型参数对电动汽车性能和
管理系统的影响57
331模型参数对电动汽车性能的
影响58
332模型参数对管理系统的影响60
第4章锂离子动力电池荷电状态估计
方法61
41动力电池荷电状态61
411荷电状态估计方法分类61
412基于模型的SOC估计方法65
42卡尔曼滤波66
421卡尔曼滤波原理66
422卡尔曼滤波器68
423卡尔曼滤波的参数处理71
43基于卡尔曼滤波的动力电池SOC估计72
431建立电池模型72
432状态方程公式递推73
433估计流程与示例演示75
44基于高斯过程回归的动力电池SOC
估计77
441高斯过程回归原理77
442案例展示与分析77
第5章锂离子动力电池健康状态估计
方法79
51动力电池健康状态概述79
511健康状态定义及评价指标79
512健康状态估计方法分类80
52基于粒子滤波的电池健康状态估计81
521基本原理81
522系统建模81
523重采样82
524粒子滤波仿真实例84
53基于支持向量回归的电池健康状态
估计89
531优化目标及求解89
532核函数选择91
533支持向量回归方法实例92
第6章锂离子动力电池协同状态估计
方法94
61动力电池协同状态概述94
611协同状态问题描述94
612协同状态的定义95
613协同状态的评价指标95
614协同状态估计方法分类96
62动力电池SOC与SOH估计97
621锂离子电池的SOC定义97
622锂离子电池的SOH定义97
623影响SOC和SOH联合估计的
因素99
63基于双无迹卡尔曼滤波的SOC与SOH
联合估计101
631无迹卡尔曼滤波原理101
632无迹卡尔曼滤波算法实现102
633基于双无迹卡尔曼滤波的协同
估计103
第7章动力电池剩余使用寿命预测
研究107
71动力电池剩余使用寿命概述107
711剩余使用寿命预测的目的及
意义107
712剩余使用寿命预测的方法分类108
72基于神经网络的电池剩余使用寿命
预测109
721神经网络基本原理109
722梯度计算方法110
723神经网络仿真实例112
73结合概率分布的剩余使用寿命预测114
731概率分布114
732高斯过程回归方法流程115
733高斯过程回归方法实例117
参考文献122