本发明公开一种锂电池健康状态估计方法，收集不同工况下锂离子电池单体充放电的电压、电流、温度、容量数据，采用LOF方法对原始数据的异常值进行剔除，使用K折交叉的方法对数据进行划分，构建Stakcing集成模型训练的数据集合，使用AST‑GRU和CNN‑RVFL作为基学习器，随机森林RF作为元学习器，构建锂电池健康状态估计模型；采用singer混沌映射对堆优化算法的种群进行初始化操作，在位置更新中引入基于维度学习的更新策略，得到IHBO；利用IHBO对模型的超参数进行优化，获得最佳参数，并将最优超参数输入到模型中，利用基学习器层得到的元特征数据对元学习器进行训练，得到最终预测结果。与现有技术相比，本发明能够有效的估计锂电池健康状态，提高模型精度。