چکیده: پایش سلامت سازه به‌عنوان یکی از حوزه‌های مهم در مهندسی عمران، نقش مؤثری در شناسایی زودهنگام آسیب‌ها و ارتقای ایمنی و دوام سازه‌ها دارد. سازه‌های پوسته‌ای، به دلیل پیچیدگی‌های هندسی و کاربردهای متنوع، نیازمند رویکردهایی دقیق و کارآمد برای ارزیابی عملکرد تحت شرایط بارگذاری مختلف هستند. در این پژوهش، یک چارچوب جامع برای شناسایی آسیب در سازههای پوستهای مبتنی بر ترکیب مدل‌سازی عددی، پردازش سیگنال و یادگیری عمیق توسعه داده شد. بدین منظور، پاسخ‌های ارتعاشی سازه‌ها به‌صورت شتاب استخراج گردید و ابتدا با استفاده از تبدیل فوریه سریع (FFT) به حوزه فرکانس منتقل شدند. در ادامه با روش‌های نرمال‌سازی استاندارد و افزوده‌سازی داده با نویز گوسی، پیش‌پردازش شده‌اند. سپس، داده‌های پردازش‌شده به یک شبکه عصبی پیچشی (CNN) با معماری بهینه شامل لایه‌های کانولوشن، نرمال‌سازی دسته‌ای، تجمیع بیشینه، مسطح‌سازی، حذف تصادفی، لایهی کاملاً متصل و خروجی سافت‌مکس وارد شدند تا ویژگی‌های مؤثر استخراج و آسیب‌ها به‌طور دقیق شناسایی شوند. برای ارزیابی چارچوب پیشنهادی، سه مدل عددی شامل تیر کنسول، صفحه تقویت‌شده با سخت‌کننده و مخروط ناقص، به‌صورت پوسته در نرم‌افزار آباکوس مدل‌سازی شدند و نویز سفید به عنوان تحریک تصادفی اعمال شد. سناریوهای آسیب نیز با کاهش چگالی و مدول الاستیسیته تعریف گردیده‌اند و سپس دادههای شتاب در هر دو حالت سالم و آسیب دیده استخراج و به الگوریتم ارائه‌شده وارد شدند. عملکرد مدل با استفاده از شاخص‌های متداول ارزیابی بررسی شد و نتایج حاصل از ماتریس‌های درهم‌ریختگی، منحنی‌های یادگیری و جداول عملکردی نشان داد که چارچوب پیشنهادی قادر به شناسایی آسیب در مقیاس‌های مختلف، از آسیب‌های بزرگ در تیر کنسول تا آسیب‌های کوچک و پیچیده در مخروط ناقص با موفقیت کامل است. علاوه بر این، انتقال داده‌ها به حوزه فرکانس موجب کاهش نویز، برجسته‌سازی ویژگی‌های دینامیکی و بهبود عملکرد مدل در تشخیص آسیب شد.