基于MSST-CA-2DCNN的钢框架结构损伤识别

来源：振动与冲击杂志2026年第1期北京时间：

作者：史淑葶，刘景良liujingliang@fafu，陈龙晖，郑文婷，赵美杰，黄志伟

单位：1.福建农林大学交通与土木工程学院，福州350108；2.福建理工大学土木工程学院，福州350118；3.江苏开放大学建筑工程学院，南京210036

摘要：为提升对钢框架结构损伤的识别精度，提出了一种融合了多重同步挤压变换(multi-synchrosqueezing transform,MSST)和坐标注意力(coordinate attention,CA)机制的二维卷积神经网络(two-dimensional convolutional neural network,2DCNN)模型，即MSST-CA-2DCNN模型。首先，通过MSST将钢框架结构的加速度响应信号转换为时频矩阵，从而建立特征数据集；其次，构建一种融合CA机制的2DCNN模型来动态提取时频图中的损伤特征并实现钢框架结构不同损伤位置和损伤程度的精确识别。通过IASC-ASCE SHM Benchmark结构I阶段的数值模拟数据、卡塔尔大学看台模拟器数据集以及四层钢框架缩尺模型损伤试验验证上述损伤识别方法的有效性和精确性，研究结果表明：该方法在三个不同的钢框架结构数据集上均实现了100%的损伤识别准确率，且在5%、10%、20%噪声干扰下依然能够保持较高的识别精度。<br>

关键词：损伤识别；多重同步挤压变换(MSST)；坐标注意力(CA)机制；二维卷积神经网络(2DCNN)；深度学习