锂离子电池剩余使用寿命(Remaining　useful　life,RUL)的准确预测对于提高电池循环使用寿命,避免安全事故的发生,起着至关重要的作用.为此,提出了一种结合改进鲸鱼优化算法(Improved　whale　optimization　algorithm,IWOA)和最小二乘支持向量机(Least　squares　support　vector　machine,LSSVM)的锂离子电池RUL预测模型.首先从充放电电压、电流、温度及容量增量(Incremental　capacity,IC)数据中分析并构建表征锂离子电池容量衰减的特征参数,利用Spearman和Pearson分析法分析所构建的特征参数与容量间的相关性,分析并筛选出表征容量衰减的两个关键特征参数;其次基于所建立的关键特征参数提出了一种IWOA优化LSSVM的预测模型,其中通过引入正弦函数搜索路径以及自适应权重方法解决了WOA易陷入局部最优解的问题,提高了模型预测精度;最后利用美国航空航天局(National　Aeronautics　and　Space　Administration,NASA)所提供的公开锂离子电池数据集对所建模型进行验证,同时与SVM和WOA-LSSVM模型预测结果进行对比分析.结果表明,当前80次循环数据作为训练集时,所提出的IWOA-LSSVM模型中平均绝对误差(Mean　absolute　error,MAE)在0.011　A·h以内,均方根误差(Root　mean　squared　error,RMSE)值在0.013　A·h以内,所提模型估计误差更小,具有更高的预测精度.