摘要：为了确保锂离子电池系统的安全性、可靠性和持久性，准确估计电池的健康状态（State of Health, SOH）至关重要。SOH作为一个内部状态量，难以通过传感器直接测量，往往需要通过间接方式进行估计。锂电池健康状态估计的准确性在很大程度上依赖于健康特征的提取质量，当前SOH估计研究面临电池内部复杂的电化学衰退机制难以直接观测，且单一特征往往无法全面捕捉电池老化过程的挑战。首先阐明了SOH与电池容量衰减、内阻增长的宏观联系，并追溯其活性物质损失（LAM）和活性锂损失（LLI）等微观电化学衰减机制，确立了理想健康特征应具备明确物理意义的评价基准。在此基础上，总结了当前主流的特征提取技术，主要包括基于电压电流曲线、微分曲线、脉冲功率特性、电化学阻抗和多物理场的特征提取，并对这5种特征提取技术进行了归纳与评述。此外，系统梳理了NASA、CALCE、Oxford等多个国际公认的锂电池公开数据集，为相关算法的开发与验证提供了基准。最后，针对单一特征难以在复杂多变的工况下实现鲁棒、高精度的SOH估计的现状，提出未来发展趋势的三个关键方向：（1）建立标准化的评估协议，实现客观的算法比较；（2）融合多物理场特征（电、热、机械等），创建更全面、更稳健的健康指标；（3）将物理模型与数据驱动方法相结合（如物理信息神经网络），提高模型可解释性、数据效率和泛化能力。 收起-