数模联合驱动下基于域自适应的复合材料结构剩余寿命预测方法

本发明提供一种复合材料结构剩余寿命预测方法及系统，解决数模驱动中因仿真与真实数据分布差异导致的预测精度低问题。本发明提出一种数模融合领域对抗网络(DMF‑DANN)。其特征提取器融合通道注意力(SE)模块与Inception模块，前者建立通道依赖性，后者聚合多尺度特征，以高效提取多通道长时序数据特征。其领域对抗模块则将梯度反转层(GRL)的隐式对抗与最大均值差异(MMD)的显式度量相结合，构成双重分布对齐机制，强制模型学习域不变特征，实现更鲁棒的域自适应。本发明通过该设计，能将仿真模型中的机理知识有效迁移至真实数据预测任务，显著提升了复合材料结构剩余寿命的预测精度与鲁棒性。