基于改进残差网络的锂离子电池故障诊断

针对残差网络(ResNet)对特征提取准确率低和拟合度不够的问题，提出一种基于改进残差网络的锂离子电池故障诊断方法。首先，利用Simulink对电池容量变小、内阻变大、充电不足和自放电大等4种故障进行故障模拟，得到故障电压数据，作为输入，将首层提取的特征因式分解，分别加到后面的每一层；然后，引入注意力模块(SELayer)分支轻量化；最后，采用反卷积上采样，使远距离残差特征融合，加深特征提取能力，并降低计算量。改进残差网络故障模拟实验表明，与传统的ResNet50、ResNext、DensNet121和DensNet169等4种模型相比，所提模型的诊断准确率从88.63%提高到99.00%以上，参数量从2 500万减小到了2 470万，收敛速度上也具有一定的优势。