锂电池的荷电状态（State of Charge,SOC）估计和健康状态（State of Health,SOH）估计是电池管理系统中最重要的两个功能,能够为电池的能量分配和及时更换提供依据。为了提高电池SOC与SOH估计结果的准确度,本文以18650型锂电池为研究对象,提出基于二阶RC等效电路模型的联合估计方法,并在不同实验工况下对联合估计方法进行验证。论文的主要研究内容如下:第1,对比几种常用的电池模型,经过模型复杂度及模型准确度的综合考虑,选用二阶等效电路模型。通过多项式拟合的方法建立了OCV-SOC关系曲线,并采用自适应遗传算法（AGA）对电池的等效电路模型参数进行辨识,利用恒流放电实验数据和脉冲放电实验数据在MATLAB软件中验证了参数辨识结果以及等效电路模型的精度。第2,针对系统固定噪声协方差和单新息向量使SOC估计误差偏大的问题,在无迹卡尔曼滤波（UKF）算法的基础上,加入自适应滤波算法和多新息辨识理论,提出多新息自适应无迹卡尔曼滤波（MIAUKF）算法。并利用恒流放电实验数据和DST循环工况实验数据在MATLAB软件中对UKF、AUKF和MIAUKF三种算法进行对比,仿真结果表明,MIAUKF算法提高了电池SOC的估计精度。第3,针对锂电池SOH在线估计的问题,提出采用可变遗忘因子递推最小二乘（VFFRLS）算法估计电池的当前最大可用容量,通过电池当前最大可用容量与额定容量的比值表征出电池的SOH。针对电池当前最大可用容量的变化影响电池SOC估计精度的问题,提出基于MIAUKF+VFFRLS的联合估计方法,实现电池SOC的估计值与电池当前最大可用容量两个参数的交替更新,并在MATLAB软件中利用恒流放电实验数据和DST工况实验数据对联合估计方法进行验证,将基于联合估计方法的电池SOC估计值与基于MIAUKF算法的电池SOC估计值进行对比,仿真结果表明,基于联合估计方法的SOC估计误差保持在1.24%的范围内,比MIAUKF算法的估计值更加准确,同时还能够实现电池SOH的在线估计。