域自适应图注意力半监督网络用于复合板的耐温度SHM
Nima Rezazadeh1,2, Alessandro De Luca2, Donato Perfetto2
1School of Architecture, Built Environment, Computing and Engineering, Birmingham City University, Birmingham B4 7XG, UK.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
本研究介绍了GAT-CAMDA,这是复合材料结构健康监测 (SHM) 的框架. 它通过使用图形注意网络 (GATs) 和域调整,在不同温度下确保了强大的损坏检测.
科学领域:
- 材料科学 材料科学 材料科学
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
背景情况:
- 结构健康监测 (SHM) 对复合材料至关重要.
- 温度变化对SHM准确性构成重大挑战.
- 现有的方法与环境因素引起的领域转移作斗争.
研究的目的:
- 引入GAT-CAMDA,这是复合材料的SHM的新框架.
- 为了应对温度引起的变化,并确保可靠的损坏检测.
- 提高SHM系统的可解释性和可扩展性.
主要方法:
- 使用图表注意网络 (GATs) 进行特征提取.
- 采用先进的域调整 (DA) 技术,包括 MMD 和 CORAL 损失与对抗性学习.
- 实施数据增强策略,用于损害推断.
- 使用Optuna优化超参数以提高性能和可解释性.
主要成果:
- 在基准数据集上实现了95.83%的分类准确度.
- 证明了跨温度域的特征分布的可扩展对齐.
- 通过GAT注意力机制展示了特定传感器的重要性.
- 验证了Optuna在精度改进和参数影响分析方面的有效性.
结论:
- 在复合材料的SHM中,GAT-CAMDA提供了显著的进步.
- 该框架提供了精确,可解释和可扩展的损害诊断.
- 该研究强调了整合GAT和DA在复杂操作环境中的潜力.


