本發(fā)明涉及一種混合卷積神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的鋰電池多類故障診斷建模方法，屬于電池技術(shù)領(lǐng)域。利用分?jǐn)?shù)階傅里葉變換獲得實(shí)測(cè)的和篩選的鋰電池精細(xì)化故障頻譜，構(gòu)成用于鋰電池故障診斷的混合大數(shù)據(jù)標(biāo)注樣本；設(shè)計(jì)面向混合鋰電池故障樣本的全局卷積神經(jīng)網(wǎng)絡(luò)，以及分別針對(duì)實(shí)測(cè)的和篩選的鋰電池故障數(shù)據(jù)的局部卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)成混合卷積神經(jīng)網(wǎng)絡(luò)鋰電池故障診斷模型；通過對(duì)卷積神經(jīng)網(wǎng)絡(luò)中的全局與局部鋰電池故障特征進(jìn)行學(xué)習(xí)，并采用全連接分類映射，實(shí)現(xiàn)鋰電池故障的多分類與定位。該方法提高了電池管理系統(tǒng)可靠性和安全性，減輕了參數(shù)眾多引起的計(jì)算復(fù)雜性，解決了多物理耦合診斷模型在實(shí)際應(yīng)用中僅能針對(duì)某一類鋰電池故障診斷任務(wù)的問題。