近日，我院吴磊教授团队在管道损伤智能检测研究方面取得新进展，相关研究成果《MFCF：一种用于高效管道损伤检测的多模态级联融合系统》（MFCF: A multimodal cascade fusion system for efficient pipe damage detection）发表于海洋工程领域期刊《Ocean Engineering》。论文第一作者为梅江涛博士，通讯作者为吴磊教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到山东省重大科技创新工程、工业和信息化部项目、国家重点研发计划和青岛市自然科学基金等项目的联合资助。
论文首页
在海洋油气输送管道损伤检测中，单一传感信号难以全面反映复杂损伤特征，传统深度学习方法还面临多源信息融合不足、模型内部映射关系不够透明等问题。为此，团队提出融合应变与加速度信号的多模态特征级联融合系统MFCF，引入残差树突网络，以显式多项式关系表征输入与输出之间的映射；通过子网络与子阶段级联实现多层次特征融合和融合特征再学习，并结合预测核范数约束改善模型泛化能力与鲁棒性。纤维增强复合管实验结果表明，在0.05、0.10和0.15秒三个信号时间窗下，MFCF的损伤识别准确率分别达到95.79%、97.60%和98.95%，均优于参与比较的其他方法；在5 dB加性高斯噪声测试中，识别准确率仍达89.08%。在论文设定的计算环境下，模型推理延迟为1.67毫秒，展现出较好的检测效率。该研究为管道损伤多源信息融合与可解释智能检测提供了新方法，为海洋油气装备结构健康监测提供了技术参考。
MFCF多模态特征级联融合框架
论文链接：https://doi.org/10.1016/j.oceaneng.2026.124804
