摘要： 针对卷积神经网络(Convolutional Neural Network，CNN)在进行损伤检测时感受野受限和全局灵敏度不足的问题，提出一种多尺度的基于多元时间序列Transformer 的结构损伤检测模型(Multi-scale Transformer，MST)。利用Transformer 编码器提取结构响应数据中的全局特征，然后利用不同扩张率的卷积层提取多尺度的局部特征，通过将全局特征和局部特征相结合来提升模型的特征提取能力。该模型在数值模拟数据集和IASC-ASCE 第二阶段基准结构实验数据集上均有良好的表现，尤其是在识别基准结构的损伤情况时，准确率能达到99.95 %。与传统卷积神经网络模型相比，MST模型的损伤识别准确率更高，这表明所提出的模型能够准确地识别结构损伤。

关键词: 故障诊断, 结构健康监测, 结构损伤检测, 机器学习, Transformer