全球基础设施系统包括土木（桥梁、建筑等）、机械（旋转机械、风力涡轮机、管道等）、电力系统和交通网络等各类结构，容易因老化、极端环境和运行负荷而导致性能下降。这些系统中未被发现的故障或损坏可能会导致灾难性故障，危及安全和功能。对精确故障诊断和损坏识别的迫切需求推动了对下一代结构健康监测（SHM）解决方案的需求。
人工智能（AI）和数据挖掘技术的进步为解释复杂的SHM数据提供了变革性的方法，可自动检测、定位和评估不同类型基础设施的损坏严重程度。这些技术可提供对降低风险和生命周期管理至关重要的预测性见解。
本特刊征集用于基础设施系统故障和损坏诊断的人工智能和数据挖掘方法的前沿技术。投稿应涉及算法创新、验证案例研究或可扩展的数据驱动框架，主题包括但不限于：
1.用于土木、机械、电力系统相关结构、隧道系统实时损坏检测的人工智能；
2.利用机器学习和深度学习进行损伤识别（如裂缝量化、腐蚀映射）；
3.通过机器学习诊断传感器网络中的异常；
4.大规模SHM数据（如物联网、无人机、分布式传感器）的数据挖掘；
5.用于跨基础设施损害评估的多模态数据融合；
6.用于可解释故障诊断的可解释人工智能（XAI）；
7.用于跨领域损伤识别（如桥梁→隧道）的迁移学习；
8.用于自动缺陷检测的计算机视觉；
9.挖掘故障记录、维护日志的自然语言处理（NLP）；
10.具有嵌入式人工智能诊断功能的弹性导向数字孪生；
11.用于在无标记数据中发现新故障的无监督学习；
12.针对关键基础设施的人工智能优化传感器布置。
投稿截止时间：2026年4月1日
投稿链接：https://www.techscience.com/sdhm/special_detail/infrastructure-fault-diagnosis
客座编辑简介陶锴
南京邮电大学
陶锴，男，博士，现任南京邮电大学自动化学院副教授，2018年至2019年任澳大利亚塔斯马尼亚大学副研究员。他以第一&通讯作者身份发表20多篇研究论文，主持了10多项科研项目，他担任多个学术期刊的编委（客座），他的研究兴趣主要集中在结构健康监测（SHM）、故障诊断、智能感知、超声导波、声发射。
Nizar Faisal Alkayem
南京邮电大学
Nizar Faisal Alkayem，男，于2025年在河海大学获得工程力学博士学位。2020-2022年，他在河海大学从事博士后研究。现隶属于南京邮电大学自动化学院测量与仪器系和人工智能学院。他曾获得国家级研究基金，并在知名期刊上发表了40多篇研究论文。他的研究兴趣包括但不限于结构健康监测（SHM）、进化计算、机器视觉、机器和深度学习、损伤检测、应用智能、智能传感技术和图像处理。
SDHM 期刊简介主编
Prof. Maosen Cao, Hohai University, CHINA
SDHM-Structural Durability & Health Monitoring 是一本开放获取的同行评审期刊，致力于结构健康监测和耐久性相关领域的研究前沿，发表机械、民用、航空、建筑和其他相关工程领域的高水平研究性论文、综述性文章、简报、会议论文等。SDHM旨在汇集该领域的最新科学和技术发展，推进结构耐久性和健康监测学科知识体系更新和应用发展。目前，该期刊已被EI、Scopus (CiteScore: 2.5)、SNIP(0.604)、RG Journal Impact、Engineering Index、Applied Mechanics Reviews、Cambridge Scientific Abstracts等国际数据库平台收录。
官方邮箱：sdhm@techscience.com
期刊链接：https://www.techscience.com/journal/sdhm
版权声明：本文由Tech Science Press 南京办公室负责编译。中文内容仅供参考，一切内容以英文原版为准。如需转载，请回复“转载”联系小编。
