本發(fā)明公開了一種基于特征分析的鋰電池健康狀態(tài)在線估計方法，包括：利用主成分分析策略挑選合適的充放電特征；基于自適應(yīng)噪聲的完備經(jīng)驗?zāi)B(tài)分解策略將充放電特征分解為主要趨勢部分和次要波動部分；基于滑動時間窗口的邏輯回歸策略對主要趨勢部分運用進(jìn)行預(yù)測，采用卡爾曼濾波策略對次要波動部分進(jìn)行預(yù)測；將預(yù)測的主要趨勢部分和次要波動部分相結(jié)合，得到預(yù)測的特征數(shù)據(jù)，將預(yù)測的特征數(shù)據(jù)代入徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，實現(xiàn)鋰電池健康狀態(tài)的在線預(yù)測。本發(fā)明通過對多維變量系統(tǒng)進(jìn)行降維處理，減少計算復(fù)雜度，提高模型的實用新性能，采用新的數(shù)據(jù)迭代更新RBF網(wǎng)絡(luò)的內(nèi)部參數(shù)，用新的數(shù)據(jù)來提高SOH的實時預(yù)測精度，從而可以很好地描述鋰電池退化過程。