摘要
本文提出了一种通过结合视觉变换器（ViT）深度学习模型和压电超声监测技术来监控砂岩粘结材料界面损伤演变的方法。在粘结的弱砂岩试样上进行了直剪试验。实验结果表明，损伤演变过程可以分为四个阶段：初始弹性阶段、压实与稳定阶段、裂纹扩展与聚合阶段，以及摩擦滑动与互锁阶段。加载过程中获取的超声信号显示，界面损伤的演变情况与时域波形、连续小波变换（CWT）时频谱及小波包能量具有良好的一致性。基于ViT-Small/16骨干网络，开发了一种具有自适应频率特征提取功能的ViT模型，用于小样本和跨试样的界面损伤阶段识别，该模型以每个试样加载前的初始健康状态作为参考。通过五次随机种子重复实验，该方法实现了93.23% ± 0.72%的准确率和92.32% ± 0.90的F1分数，证明了其在当前条件下的优异识别性能和稳定性。本研究为隧道工程、岩土工程及石质文化遗产保护中类似二元界面的损伤监测及预警提供了有益的见解。
