工学院赵东教授团队完成的研究论文“Identification of stages before and after micro-damage strength and prediction of macro-damage in wood columns”在测量科学与技术领域高水平期刊Measurement（中科院2区）上发表。

本研究提出了一种基于声发射（AE）信号和自适应优化算法的新型微损伤强度指标，系统分析了不同柔度矩形截面木柱的轴向受压性能。

承重木柱的高效生产及在服役木柱结构的创新性监测亟需建立严格的微损伤识别与宏观损伤预测体系。目前木材无损检测多聚焦于宏观损伤，忽略了微损伤的演化规律。针对这一问题，研究构建了自适应变分模态分解（VMD）+小波降噪的声发射信号处理流程，对AE信号进行降噪和特征提取。同时，结合遗传算法优化的随机森林分类模型，分析微损伤阶段的信号特征。研究通过k-means聚类及微损伤过程中的信号幅值和能量的变化，揭示了压缩过程中微损伤阶段的明确分界点，即微损伤强度（σ_md）。本研究基于微损伤强度前后的声发射特征，通过自适应分类模型验证了不同柔度样本在轴向受压过程中的损伤演变规律。

本研究首次明确了木柱服役过程中的层间开裂微损伤机制，证实了能量比和信息熵对微损伤阶段划分、微损伤类型识别及宏观损伤预测的重要作用，为木结构健康管理提供了理论依据和技术支撑。

。

木柱微损伤识别与预测

工学院硕士研究生马荣宇为论文第一作者。工学院赵健教授、赵东教授为论文共同通讯作者。

该项工作得到中央高校基本科研业务费专项资金(BLX202226, 2021ZY67)的资助。

论文链接：https://doi.org/10.1016/j.measurement.2025.116851