本发明公布了一种基于分数阶神经网络和双容积卡尔曼的电池SOH（健康状态）在线估计方法，属于电池健康管理领域。具体步骤为：（1）通过传感器采集电池的可见状态量；（2）离线训练分数阶神经网络模型；（3）将步骤（1）采集的实时数据加入初始训练数据集，使模型能够更加准确地描述电池特性；（4）建立一个离散状态空间模型来表征电池隐含状态和可见状态之间的映射函数；（5）利用双容积卡尔曼滤波（DCKF）算法对分数阶神经网络模型进行在线更新，同时对隐含状态进行在线估计。本发明能够在线更新蓄电池模型，使模型适应不断变化的动态环境，提高了电池健康管理的效率和准确度。