高性能石墨烯-沥青复合传感材料及AO-AM-CNN损伤识别方法研究

《Results in Engineering》：Self-sensing Locating Fatigue Damage Area of Intelligent Asphalt Pavement Embedded in Graphene Sensor Network

　　制备了高性能石墨烯-沥青复合传感材料，并优化了分散工艺与传感网络的嵌入布局。提出了面向应用的注意力机制-卷积神经网络（AO-AM-CNN），并融合了特征选择模块。石墨烯传感信号的综合误差仅为0.028，比传统石墨烯传感低47.2%；疲劳损伤定位误差控制在0.045 m以内，比石墨烯-反向传播神经网络（GR-BPNN）技术低51.1%。干扰条件下的定位准确率为95.1%，比2025年石墨烯-Transformer-卷积神经网络（GR-Transformer-CNN）技术高5.4%；损伤累积识别的拟合度为0.97，峰值误差仅为3.2%。声发射累积能量与裂缝宽度呈强相关（相关系数>0.92）。王宇斌、冯志鹏、戴普达、王中盛、郭凤翔