一种基于自适应神经网络的软包电池故障检测方法及系统

本发明公开了一种基于自适应神经网络的软包电池故障检测方法及系统，构建考虑热异常与传感器故障的电池温度空间分布模型，利用辅助函数分解法将非齐次边界条件齐次化，结合伽辽金方法建立ODE降维系统；采集电池表面温度、电流及端电压数据，通过线性矩阵不等式设计稳定参数，采用具有自适应权重矩阵的神经网络观测器估计非线性热生成项，并构建误差系统；引入集总残差评估机制，基于核密度估计技术生成动态故障阈值，通过实时对比输出估计误差的残差评估值与阈值完成在线检测。突破传统集总参数模型限制，仅需少量热电偶即可实现二维软包电池的分布式热故障检测，在保证精度的同时大幅降低硬件成本，为动力电池安全管理提供了新的技术路径。