基于卷积神经网络的屈曲支撑结构抗力预测系统及方法

本发明公开了基于卷积神经网络的屈曲支撑结构抗力预测系统及方法，涉及屈曲支撑结构抗力预测技术领域，通过卷积神经网络模型对受力数据集进行时间‑空间维度的深度特征提取，有效提升了抗力预测的准确性与实时性，摆脱了传统依赖经验公式与静态模型进行预测的滞后性和低适应性，解决了复杂工况下屈曲支撑抗力难以评估的问题。系统在标记受力点基础上布设多类高灵敏度传感器，采集多种不常见却关键的受力响应指标，使得健康评估不再局限于单一信号，显著增强了对局部破坏与演化过程的识别能力。系统将损伤演化指数与抗力损失率进行融合处理，建立综合评估指数，能全面量化结构的当前健康等级与发展趋势。