基于域自适应的复合材料结构损伤识别方法

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性，但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础，设计一种基于域自适应的损伤识别模型，实现从模拟损伤识别向真实损伤识别能力的迁移。首先，通过粘贴质量块收集大量模拟损伤数据，设计卷积-时序混合神经网络，实现对模拟损伤的高准确率识别；然后，在模型中加入域自适应模块，使模拟损伤和真实损伤数据在特征空间内分布规律近似，进而在无需对真实损伤进行标注的情况下，实现准确识别。实验结果表明，该方法对真实损伤的检出准确率为85.7%,优于传统深度学习模型。