摘要
本发明涉及结构健康监测与智能诊断技术领域，尤其为一种基于声发射与深度学习的结构疲劳损伤识别方法，通过声发射传感器阵列采集疲劳荷载下的结构响应信号，输入至CNN‑BiLSTM‑Attention混合深度学习模型，模型通过动态自适应卷积核提取局部时域特征，利用双向长短期记忆网络捕捉长时序依赖，并通过双模态时空注意力机制聚焦关键损伤特征，基于裂缝张开量的非线性动态阈值算法划分损伤阶段，构建物理‑数据融合的训练数据集，采用梯度敏感型余弦退火算法优化学习率，结合抗噪对抗损失函数提升模型鲁棒性。本发明融合物理特征与智能算法，具备自适应噪声抑制、跨域泛化能力强、实时性高等优势。
