双视角频谱注意力融合的电池组多故障诊断算法

来源：电子与信息学报杂志2026年第4期北京时间：

作者：刘明俊, 顾深宇, 尹敬德, 张逸凡, 董哲康, 纪晓悦

单位：1.杭州电子科技大学电子信息学院 杭州 3100182.全省智能汽车电子研究重点实验室 杭州 3100183.清华大学精密仪器系 北京 100084

摘要：随着新能源汽车的快速发展，其使用规模不断扩大，电池组故障的概率和严重程度随之增加，迫切需要高效的故障诊断方法。近年来，尽管基于深度学习的电池故障诊断方法已取得显著进展，但现有研究在内短路(ISC)、传感器噪声、传感器漂移及荷电状态(SOC)不平衡故障的多故障下的工况的覆盖性以及故障间耦合关系的挖掘方面仍存在不足。针对既有挑战，该文提出一种双视角频谱注意力融合算法。该算法由两大核心模块组成：一是双视角分词模块，负责全链路捕捉电池组的时空信息；二是频谱注意力机制，负责非平稳特征处理与长期依赖挖掘。这种特征工程与频域分析的深度结合，有效增强了模型的故障诊断鲁棒性。所提方法在联邦城市驾驶循环(FUDS)、城市测功机行驶工况(UDDS)和补充联邦测试程序(US06)3种典型工况下的诊断性能均显著优于现有主流算法，其平均精确率提升了10.98%，召回率提升了12.64%，F1分数提升了13.84%，准确率提升了13.45%。此外，该文设计并实施了系统的消融实验与鲁棒性分析，对比了各核心模块对模型整体性能的贡献机理，同时充分验证了所提方法在复杂噪声环境下的抗干扰能力与鲁棒性。该文所提双视角频谱注意力框架不仅提升了多故障诊断性能，也为复杂时空特征建模提供了新思路，为提升汽车安全性提供新的方案。

关键词：多故障诊断, 锂离子电池组, 频谱注意力

基金资助：博士后科学基金(2024T170463, 2024M751676)，国家自然科学基金(62206062)，浙江省优秀青年基金(LZYQ25F020005)，长三角科技创新共同体联合攻关重点项目(2023CSJGG1300)