并行CNN损伤识别网络

精度96.60%

融合时序与模态双分支，较传统单域CNN显著提升钢框架损伤识别精度。

Zhang, Likai · He, Yingying

Scientific Reports 2024

参数信息

识别精度

96.60 %

技术优势

双域特征融合

同时处理时域信号和模态数据，提取更全面的损伤特征。

精度优于对比方法

在相同实验条件下，准确率高于五种对比机器学习方法。

可解释性

通过可视化内部推理过程，帮助理解模型的决策依据。

应用场景

• 结构健康监测：部署在监测系统中，自动识别结构损伤状态。
• 框架结构损伤检测：针对钢框架结构，从振动信号中定位损伤。
• 振动信号处理：结合时域和模态特征，提升信号分析的准确性。