一种基于机器学习的电池形变状态监测方法

本发明涉及电池技术领域，尤其涉及一种基于机器学习的电池形变状态监测方法，包括通过植入式电容阵列传感器采集电池充放电过程中的原始电容信号；经信号预处理模块滤波去噪后，利用多尺度时频特征提取网络并行空洞卷积核提取多尺度特征；通过自适应特征解耦模块基于通道注意力机制和变分自编码器架构将形变特征与干扰特征分离；基于形变特征分量构建形变量预测模型获得当前形变量，并结合形变‑健康映射模型评估电池健康状态，低于预设阈值时输出预警信号。本发明可实现电池形变信号复杂时序特性的有效捕捉和高精度健康状态评估，为电池安全管理提供技术支撑。