《Sensors》：Physics-Guided CNN Detection of Crack-Associated Events from Embedded Fiber Bragg Grating Sensors
编辑推荐：
复合材料结构中的裂纹检测仍然是结构健康监测（SHM）中的一个核心挑战，尤其是在传感必须依赖于少量嵌入式复用光纤布拉格光栅（FBG）时。本研究提出了一种物理引导的卷积神经网络（CNN）框架，用于从玻璃纤维增强聚合物（GFRP）梁的三点弯曲过程中获取的复用FBG解
复合材料结构中的裂纹检测仍然是结构健康监测（SHM）中的一个核心挑战，尤其是在传感必须依赖于少量嵌入式复用光纤布拉格光栅（FBG）时。本研究提出了一种物理引导的卷积神经网络（CNN）框架，用于从玻璃纤维增强聚合物（GFRP）梁的三点弯曲过程中获取的复用FBG解调仪信号中检测裂纹相关事件。数据集由原始解调仪记录和同步的力-位移元数据构建，同时保留了实验中存在的开裂和未开裂加载阶段。每个候选响应通过13个同步的光学、载荷和力学引导描述符进行编码，包括欧拉-伯努利预期应变和残差项，其中残差表示测量响应与梁理论预测的弹性响应之间的差异。一个紧凑的一维CNN在30个响应序列上运行，在64个实验运行中通过严格的留一运行验证进行评估。在选定的操作点，模型在窗口级别达到了0.900的精确率、0.910的召回率、0.905的F1分数和0.942的平衡准确率，而相应的运行级别决策达到了0.833的精确率、1.000的召回率、0.909的F1分数和0.969的平衡准确率。对运行进行Bootstrap重采样得到窗口级别F1的95%置信区间为0.787–0.978，运行级别F1的95%置信区间为0.769–1.000。为了探究在初始制造批次之外的泛化能力，最终的冻结管道还在来自两个新制造试件的七个后期批次运行上进行了测试，达到了0.908的窗口级别精确率、1.000的召回率、0.952的F1分数、0.969的平衡准确率、0.979的ROC-AUC、0.955的PR-AUC，以及完美的运行级别分类。这些结果表明，紧凑的序列CNN，结合力学引导的应变解释，能够从复用FBG测量中提取稳健的裂纹事件特征，同时保持简单且可复现的建模流程。
**论文解读**
**研究背景与问题**
结构健康监测（SHM）中，裂纹检测是一项核心挑战，因为损伤局部萌生，而维护决策在结构尺度上做出。光纤传感，特别是光纤布拉格光栅（FBG）传感，因其重量轻、抗电磁干扰、可嵌入性以及沿单根光纤的复用能力而被用于此目的。然而，尽管在应变测量方面取得进展，将解调仪数据转化为试件级别的稳健损伤状态信息仍然是一个未解决的问题。现有方法通常依赖工程化特征、降维表示或试件标签，而非从复用解调仪记录中重建局部裂纹事件筛查，且缺乏运行分组评估。此外，深度学习在SHM中占据核心地位，但针对复用FBG数据的紧凑且经过充分验证的检测基线仍不足。因此，本研究旨在开发一种物理引导的卷积神经网络（CNN）框架，从复用FBG解调仪信号中检测裂纹相关事件，并采用严格的群组评估协议。
**研究内容与结论**
研究人员开展了三项主要贡献。首先，研究人员在严格的留一运行验证下，从短时复用FBG解调仪窗口中构建了裂纹事件检测问题。其次，研究人员通过同步的力学感知描述符，将欧拉-伯努利引导的应变解释直接集成到紧凑CNN中，而非采用重型多分支架构。第三，研究人员证明了这种简单的物理引导管道在群组内部评估中保持了高灵敏度的试件级别筛查，并泛化到来自两个新制造试件的后期批次保留集，同时在窗口级别优于逻辑回归基线。论文发表在《Sensors》期刊上。
**主要关键技术方法**
研究人员采用以下关键技术方法：
- 使用相位掩模技术在单模光纤中刻写均匀FBG，并嵌入玻璃纤维增强聚合物（GFRP）层合板中（上表面下方两 ply，16-ply构型）。
- 通过气动三点弯曲系统进行力学测试，同时记录力、位移和气压，以及FBG解调仪信号。
- 构建数据集：从原始解调仪记录和实验元数据中重建，每个峰值响应编码为13个同步特征（包括光学、载荷和力学引导描述符，如欧拉-伯努利预期应变与残差）。
- 采用紧凑的一维CNN，包含三个时间卷积层（32、64、128通道，核大小12），后接自适应平均池化、全连接层和dropout，对30个连续响应序列进行分类。
- 评估采用严格的留一运行验证（64个运行，来自初始批次多个试件）和后期批次保留测试（7个运行，来自两个新试件）。
**研究结果**
**3.1 窗口级别与运行级别检测性能**
在严格留一运行验证下，物理引导CNN在选定的操作点（阈值0.45）达到窗口级别精确率0.900、召回率0.910、F1分数0.905、平衡准确率0.942；运行级别决策（窗口预测最大值聚合）达到精确率0.833、召回率1.000、F1分数0.909、平衡准确率0.969。Bootstrap重采样（5000次迭代）得到窗口级别F1的95%置信区间为0.787–0.978，运行级别F1的95%置信区间为0.769–1.000，表明在独立实验水平上性能稳定。
**3.2 后期批次保留验证与基线比较**
在来自两个新制造试件的7个后期批次运行上，冻结管道达到窗口级别精确率0.908、召回率1.000、F1分数0.952、平衡准确率0.969、ROC-AUC 0.979、PR-AUC 0.955，以及完美的运行级别分类（精确率、召回率、F1、平衡准确率均为1.000）。相比之下，简单力学阈值规则在窗口级别F1仅0.160、ROC-AUC 0.556、PR-AUC 0.384；逻辑回归基线在窗口级别F1 0.741、ROC-AUC 0.844、PR-AUC 0.759，且运行级别精确率下降至0.667。这表明物理引导CNN在窗口级别和运行级别均优于基线。
**3.3 欧拉-伯努利特征的效果**
通过比较13特征模型（包含欧拉-伯努利导出描述符）与9特征模型（排除这些描述符），发现添加力学引导描述符后，运行级别召回率从0.933提升至1.000，运行级别F1从0.875提升至0.909，而窗口级别指标变化不大。因此，物理项的主要益处在于更可靠的实验级别筛查行为，无漏报。
**3.4 选定操作点的混淆矩阵**
窗口级别混淆矩阵显示：4054个真阴性、105个假阳性、95个假阴性、950个真阳性，与平衡的精确率和召回率一致。运行级别混淆矩阵：46个真阴性运行、3个假阳性运行、0个假阴性运行、15个真阳性运行，保持了对裂纹阳性运行的完美敏感度。
**3.5 假阳性模式分析**
假阳性运行主要出现在230 mm跨度、12层试件中，其中两个运行在加载组6-11出现连续假阳性窗口；另一个110 mm、16层试件和一个230 mm、12层试件仅在加载组5附近出现孤立假阳性。在后期批次保留集中，无阴性运行被错误标记为阳性。
**3.6 力学引导的检测管道解释**
欧拉-伯努利理论提供了弹性应变预期，同步力与位移变量将其锚定到实际力学状态，残差描述符量化了与预期弹性行为的偏离，从而暴露了载荷-波长不一致性，这是裂纹相关事件的典型特征。这种组合使紧凑CNN能够保持简单的同时达到强检测性能。
**讨论与结论**
讨论指出，本研究证明了从复用FBG解调仪数据的短时峰值对齐响应中进行裂纹事件检测是可行的，且窗口级别和运行级别性能均达到较高水平。后期批次保留验证排除了过拟合，逻辑回归和简单力学阈值规则的比较凸显了本方法的优势。力学引导描述符通过结构化检测管道，使CNN对偏离健康弯曲行为敏感，而非仅依赖波长变化。紧凑架构简单且可复现，有利于未来实验。Bootstrap置信区间在独立实验水平上量化了不确定性。
研究结论部分翻译如下：
本研究证明，紧凑CNN结合欧拉-伯努利引导的应变解释，能够有效从复用FBG解调仪测量中检测裂纹相关事件。在严格留一运行评估下，选定物理引导操作点达到窗口级别精确率0.900、召回率0.910、F1分数0.905、平衡准确率0.942，相应运行级别决策达到精确率0.833、召回率1.000、F1分数0.909、平衡准确率0.969。来自两个新制造试件的后期批次保留进一步表明，冻结最终管道泛化至原始制造批次之外，在7个后续运行上达到窗口级别ROC-AUC 0.979、PR-AUC 0.955及完美运行级别筛查。力学引导描述符虽未均匀提升所有窗口级别指标，但强化了选定的试件级别筛查行为，同时保持简单可解释的管道。这些结果表明，同步载荷信息和简单力学引导残差特征可在无需重型架构的情况下增强裂纹事件筛查。
