面向复杂工程系统韧性结构健康监测的异构信号建模与谱窥视LSTM架构

《Scientific Reports》：Heterogeneous signal modeling and Spectral-Peephole LSTM architecture for resilient structural health monitoring in complex engineering systems

　　结构健康监测系统在早期检测由地震活动和结构疲劳引起的非线性损伤机制中发挥着重要作用。现代结构中出现的损伤通常会导致时序数据中出现复杂的偏差，并使代表结构刚度的基频分量发生畸变。尽管传统方法可以跟踪时域中的变化，但随着损伤复杂性的增加，它们无法同时捕捉信号中细微的频谱变化和长期依赖关系。因此，本研究提出了一种独特的频谱窥孔长短期记忆（LSTM）架构，该架构在单个单元结构中集成了时域和频域特征，从而能够在结构损伤的初期阶段进行检测。训练和测试阶段所使用的数据集是在大型语言模型的辅助下，根据结构动力学中推导出的物理信息原则生成的。在本研究的范围内，基于损伤严重程度，为"简单"、"中等"和"困难"三个不同复杂度级别创建了三组数据集，包含加速度、速度、固有频率和模态刚度等关键参数。在创建复杂数据集时，简单、中等和困难数据集中的环境噪声和外部干扰分别保持在最低、中等和最高水平。相应地，简单数据集获得了高信噪比（SNR）的数据，中等数据集获得了中等信噪比的数据，困难数据集获得了低信噪比的数据。实验结果表明，标准LSTM和窥孔LSTM分别在简单、中等和困难数据集上取得了99.75%、93.66%、79.65%和99.76%、93.81%、79.75%的准确率。在本研究提出的频谱窥孔LSTM模型中，简单、中等和困难数据集的准确率分别达到99.79%、93.83%和79.86%。在所有三个复杂度级别中，频谱窥孔LSTM的准确率均高于标准LSTM和窥孔LSTM，其中最大的提升出现在困难（低信噪比）数据集上。各级别平均准确率之间的差距在数值上较小（在层级平均准确率上为0.04–0.21个百分点），且单个折数存在重叠，但在每个复杂度级别上三种架构的排序均保持不变，且合并后的差异具有统计显著性。本评估仅限于根据物理信息原则生成的合成数据，报告的准确率是在该基准上对该架构性能的表征。