一种针对锂电池样本稀缺和数据不平衡的多故障诊断方法

本发明公开了一种针对锂电池样本稀缺和数据不平衡的多故障诊断方法，该方法首先构建基于残差神经网络的特征提取模型，并引入改进的多因子失衡指数(MFII)，利用最小生成树分析实时监测批次特征分布，从而对损失函数与样本权重进行动态调整，兼顾多数类的学习稳定性与少数类的识别精度。在此基础上，通过样本特征均值计算获得正常工况的原型向量，构建原型网络(ProtoNet)作为异常检测器；测试样本经过ResNet‑MFII模块提取特征后，计算其与正常原型的欧氏距离，若超过设定阈值则判定为异常，实现对未知或罕见故障的检测。系统最终输出故障类别及异常告警，实现对锂离子电池短路、老化等多类别故障的高精度识别。