金属结构节点损伤的声发射深度学习实时诊断方法

本发明涉及金属结构健康监测技术领域，公开一种金属结构节点损伤的声发射深度学习实时诊断方法，包括：通过计算环境噪声下的声学传递函数指纹，并生成其相对于健康基准的微扰度时间序列，以连续感知结构物理状态的演化；当序列呈现持续劣化趋势时，触发主动声波质询以鉴别损伤的物理性质，并周期性地进行传感器网络自校验，最终，将微扰度时间序列与损伤性质、传感器状态共同输入深度学习模型，输出诊断信息。本发明将诊断焦点从稀发事件转向连续状态监测，解决了传统声发射技术在事件间歇期的监测空白问题。