一种融合对比学习与自监督学习的非完备振动数据损伤识别方法及系统

本发明提供一种融合对比学习与自监督学习的非完备振动数据损伤识别方法及系统，针对土木工程结构损伤识别中数据稀缺、数据集非均衡且非完备的问题，通过振动传感器获取结构加速度数据，经预处理后进行数据增强，包括随机掩码增强和白噪声增强，构建基于自编码器的神经网络模型，含编码器、重构器、分类器、预测器和升维器。通过自监督学习挖掘低维特征，结合对比学习优化特征分布，最大化同类特征相似度和不同类特征区分度，最终通过高维决策空间的超球体边界判断结构的健康状态、已知损伤、未知损伤及模糊损伤状态。本发明显著提升了损伤识别的准确性与鲁棒性，尤其在轻微损伤识别方面表现出色。