基于差分Transformer的结构健康监测加速度数据修复及精度自评方法

来源：振动与冲击杂志2026年第3期北京时间：

作者：石欣媛,，李倩，王永宝，王仙，倪富陶nifutao@tyut

单位：1.安徽省交通基础设施智能检测与诊断重点实验室，合肥230051；2.太原理工大学土木工程学院，太原030024

摘要：在结构健康监测系统中，传感器故障、通信中断等因素常导致大段连续型数据丢失。现有数据修复研究多针对离散型丢失展开，且在真实值不可获得的情况下普遍缺乏修复精度的自评机制，导致其修复结果在工程应用中的参考价值有限。本文提出一种基于差分 Transformer 的结构健康监测加速度数据修复与精度自评方法，引入差分注意力机制，结合随机掩码与位置编码策略，集成数据修复与修复精度预测模块，实现了在高丢失率下的高精度数据重建与结果可信度评估。进一步分析了训练参数、网络结构配置及传感器间相关性等因素对修复性能的影响，系统评估了模型在多种数据缺失模式下的适应性与鲁棒性。通过Dowling Hall数据集与三跨连续梁模拟数据的实验验证，结果表明所提方法在高丢失率条件下仍具备稳定的重建精度与修复精度预测能力，展现出良好的跨结构泛化能力与工程应用潜力。<br>

关键词：结构健康监测；数据修复；精度自评；深度学习