一种基于图神经网络的公路结构健康状态识别方法

本发明公开了一种基于图神经网络的公路结构健康状态识别方法，包括如下步骤：S1、采用传感器设备对公路结构进行监测，采集原始数据；S2、对采集的原始数据进行处理；S3、构建图结构；S4、基于改进型R‑GCN模型进行图卷积，并通过结合自监督学习的节点重构任务优化图结构的学习能力；S5、提出动态调整图卷积层数量的优化策略，根据训练过程中模型的学习表现，自动调整图卷积层的数量，输出优化后的节点特征；S6、将节点特征输入到XGBoost算法中，进行健康状态的分类和回归任务；本发明融合了改进型R‑GCN图神经网络与XGBoost算法，实现了对公路结构关键部件的高精度、端到端健康状态分类与回归识别。