在此估算器中，辨识结果与SOH之间的非线性映射函数如下
SOH ＝ g （P1， P2， P3， ．．．）
此处Pi是第i个辨识的电池参数。在图2中，只有一个参数被考虑进来——欧姆放电电阻；然而，一个联合的参数可以被用在此框架中。此技术的缺点是需要在各种条件下的足够大量的测试数据来训练此模型。
比如，卡尔曼滤波器用来在线辨识电池的欧姆电阻，用于SOH估算。同时，对电池老化的过程进行研究，建立各种条件下的欧姆电阻与SOH关系的查表（图）。最终，整个系统是由参数辨识器（KF）和查表组合而成，使用的概念类似于图2 展示的框架。
机械疲劳理论估算SOH
此方法来源于机械疲劳理论（Mechanical Fatigue Theory）。机械疲劳理论在阐述了在不同的载荷作用下的“疲劳现象”。在某些情况下，组件可能会承受反复的开关负载。一定数量的负载循环之后，内部可能会出现疲劳现象，此现象通常可能导致组件的崩溃。使用机械疲劳理论，在这种负载的条件下，组件的寿命可以被估算成循环数的函数。
基于机械疲劳理论的电池SOH估算方法的技术之一的理论是“损害累积”（Damage Accumulation）。用这种方法，电池的老化是使用一个框架来估算的，在这个框架中，机械部件的老化时用 Palmgren－Miner 规则来计算的。该规则定义了在一些列可变负载下的组件的机械寿命。组件的寿命是根据在给定条件下施加的负载的循环数来计算。在此类表述中，组件的EOL 由寿命降低指数（LRI）来定义，介于0和1之间，单位值表示EOL。在这种方法中，每个部件都需要在不同载荷条件下进行试验。假设Ni 是在定义负载（Li）条件下的循环数，N（Li） 是新的在相同负载失效前的条件下的组件的循环数， LRI 在一系列的变化的负载（Li， i＝1．．．s）中的定义如下
N（Li） 基于实验测试数据来获取，并且其也被定为EOL。实际上，电池的EOL被通过不同的方式定义。使用容量衰减的概念来定义电池的EOL，一个损害测量定义如下
此种方法给出的有效结果，当且仅当以下的因子分解是可行的
定义为寿命因数，
定义为严重度因数。严重度因数取决于参数，比如温度，放电深度，电流比率，并且它取决于基于老化的实验测试数据。
