基于深度子领域适应卷积神经网络的结构损伤识别

来源：振动与冲击杂志2025年第3期北京时间：

作者：张健飞jianfei@hhu，曹雨

单位：河海大学力学与工程科学学院，南京211100

摘要：针对卷积神经网络（convolutional neural networks, CNN）结构损伤识别模型泛化能力差的问题，提出了一种基于深度子领域适应卷积神经网络（deep subdomain adaptation convolutional neural networks,DSACNN）的结构损伤识别方法。以实际结构为目标域，以有限元模型为源域，根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块，构建DSACNN模型，通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异，对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射，从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签，采用预训练全局领域适应提高其伪标签的准确率。实验结果表明：与全局领域适应模型相比，基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%，在实测目标域上提高了9.6%，具有更强的泛化能力。<br>

关键词：结构损伤识别；子领域适应；局部最大均值差异；卷积神经网络