综述:基于PZT的结构健康监测中的人工智能与信号处理最新进展
《Infrastructures》:Recent Advances in AI and Signal Processing for PZT-Based Structural Health Monitoring
【字体:
大
中
小
】
时间:2026年07月06日
来源:Infrastructures 3.6
摘要
结构健康监测系统在实现可靠的损伤检测与结构状况评估方面,本质上依赖于高效的传感技术。在各类传感方法中,压电(PZT)传感器因其具备驱动与感知双重功能、高灵敏度、低成本以及适合实时监测等优点,被广泛应用于土木工程领域。不过,结构健康监测的性能不仅取决于传感硬件,还与那些能够从检测数据中提取有价值损伤信息的信号处理技术密切相关。近年来,人工智能技术,尤其是机器学习与深度学习,展现出显著潜力,有助于提升结构健康监测系统的自动化水平与性能。本文对基于PZT的导波结构健康监测及无损检测领域的信号处理与数据驱动学习方法进行了系统性综述,涵盖了金属、复合材料和混凝土结构中的应用案例。综述内容从早期基于机器学习的导波监测方法,逐步发展到如今的深度学习技术、混合框架以及融合物理原理的方法。虽然重点关注土木基础设施相关进展,但由于航空航天和能源工程等领域在验证基于导波的监测方法方面的作用,相关发展也被纳入综述范围。文中首先介绍了PZT传感原理与导波传播的基本理论,为后续的监测技术分析奠定基础。接着梳理了传统的信号处理方法,随后重点探讨了基于人工智能的结构健康监测框架,尤其关注那些将基于物理原理的信号处理与数据驱动模型相结合的混合方法,以此提升系统的稳健性、精确度与泛化能力。文章还分析了环境变化、传感器老化、标记数据不足以及模型可迁移性等关键挑战,并提出了包括物理引导机器学习、迁移学习、可解释人工智能以及无需基准线的结构健康监测在内的未来研究方向。综述指出,混合框架与融合物理原理的建模方法通过提升系统稳健性、降低对数据的依赖程度并增强泛化能力,为实际应用带来了巨大潜力。本研究的重要贡献在于,它对比分析了不同材料体系与结构类型中的信号处理、机器学习、深度学习及混合方法,并针对实际应用中的挑战与未来研究方向进行了系统阐述。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号