一种基于概率标签与辨识特征学习的电池故障识别方法

本发明公开了一种基于概率标签与辨识特征学习的电池故障识别方法，适用于小样本、弱标签场景下的多类故障状态建模与判别。该方法首先采集电池系统运行过程中的电压、电流、温度等关键参数，构建标准化时间序列特征数据；其次基于报警时间差、预测残差和马氏距离等多源信息生成三类伪标签，并通过加权融合得到统一的异常概率标签。接着根据标签间的差异构造正负样本对，并引入特征相近但标签差异大的难例样本，增强模型的判别能力。然后构建由共享参数子网络组成的孪生神经网络结构，输入正负样本对进行对比学习，提取具有聚类性和可区分性的低维嵌入特征。最后通过计算新样本嵌入向量与已知故障类别的空间距离，实现对当前故障类型的识别与异常程度的评估。