Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)廖铖获国家专利权

江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)廖铖获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)申请的专利基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120141758B

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510633039.5,技术领域涉及:G01M3/16;该发明授权基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法是由廖铖;高江林;胡松涛;吴永风;戴国强;王锦辉;李萌;陈铮;熊绍安;王全;熊阳;杨能辉设计研发完成,并于2025-05-16向国家知识产权局提交的专利申请。

基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法在说明书摘要公布了:本发明公开了基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法,包括:S1、对探测区域范围进行扫描,获取堤防地形遥感影像和点云图像数据,根据预设探测区域范围,设定无人机飞行轨迹;S2、进行任务飞行,通过发射线圈根据发射电流频率范围,向堤防地下发射不同频率的瞬变电磁脉冲信号;S3、利用接收线圈同步采集由地下介质感应产生的二次电磁响应信号,按照采样时间间隔对采集到的信号进行离散化采样,获取采样数据序列;S4、通过三维反演算法构建堤防地下介质的三维电阻率模型;S5、通过构建的三维电阻率模型,提取渗漏隐患的多维度特征,识别出堤防中存在渗漏隐患的区域。本发明快速识别渗漏隐患区域,提升探测效率和精度。

本发明授权基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法在权利要求书中公布了:1.基于无人机搭载的瞬变电磁三维探测堤防渗漏隐患方法,其特征在于,包括: S1、通过探测设备对探测区域范围进行扫描,获取堤防地形遥感影像和点云图像数据,根据预设探测区域范围,设定无人机飞行轨迹; S2、根据无人机飞行轨迹进行任务飞行,飞行过程中通过发射线圈根据发射电流频率范围,向堤防地下发射不同频率的瞬变电磁脉冲信号; S3、利用接收线圈同步采集由地下介质感应产生的二次电磁响应信号,按照采样时间间隔对采集到的信号进行离散化采样,获取采样数据序列; S4、对采样数据序列进行预处理,去除噪声干扰,增强有效信号特征,得到预处理后的数据,通过三维反演算法构建堤防地下介质的三维电阻率模型; S5、通过构建的三维电阻率模型,提取渗漏隐患的多维度特征,识别出堤防中存在渗漏隐患的区域; 所述S3中,接收线圈通过相位锁定环与多通道同步采样技术进行采集二次电磁响应信号,将接收线圈阵列的每个通道与发射线圈的触发信号进行相位锁定,以发射线圈发出瞬变电磁脉冲信号的时刻为基准,使各通道采样时钟与触发信号的相位差控制在±100ps以内,通过自适应增益调节算法,根据预设的探测深度-信号强度模型实时调整各通道增益,公式为:,其中为探测深度,为初始增益系数,为衰减系数,根据发射电流频率动态划分信号采集窗口,在每个频率发射周期内,自动匹配最佳采样时间区间,采集由地下介质感应产生的二次电磁响应信号; 所述S4中通过三维反演算法构建堤防地下介质的三维电阻率模型,将采样数据序列按频率和时间维度进行多尺度分解,获取不同分辨率的信号特征分量,引入结构张量约束项,构建反演目标函数,公式为:,其中为实测数据,为模型预测数据,为数据权重,为数据总数,为正则化参数,为结构张量的模型平滑约束项,通过分布式并行计算架构,将三维模型空间划分成多个子区域,利用加速技术并行计算各子区域的雅可比矩阵,通过迭代优化算法更新模型参数,迭代过程中,通过模拟退火算法的全局搜索能力与共轭梯度法的局部优化优势对模型参数进行更新,公式为:,其中为步长,为海森矩阵,通过迭代计算,直至模型响应与实际采样数据的误差满足预设阈值,构建堤防地下介质三维电阻率模型; 所述S5中渗漏隐患多维度特征包括电阻率的梯度变化率和电阻率的空间分布方差;电阻率的梯度变化率公式为:,其中为电阻率,为三维空间坐标;电阻率的空间分布方差公式为:,其中为渗漏隐患数据点数,为平均渗漏隐患电阻率,为第个渗漏隐患电阻率; 所述S5中识别堤防中存在渗漏隐患的区域,构建深度卷积神经网络模型,将多维度特征作为输入,深度卷积神经网络模型包含多个卷积层、池化层和全连接层,在卷积层采用不同尺度的卷积核捕捉不同空间范围的电阻率特征信息;池化层用于降低特征维度,减少计算量;全连接层将特征映射到渗漏隐患概率空间,通过大量已知渗漏隐患和无渗漏隐患的堤防三维电阻率模型样本对深度卷积神经网络模型进行训练,通过交叉熵损失函数优化网络参数,公式为:,其中为样本数,为真实标签,为预测概率;训练完成后,将待检测的三维电阻率模型输入到训练好的网络中,根据输出的渗漏隐患概率,设定概率阈值,当区域的渗漏隐患概率时,判定区域存在渗漏隐患,准确识别出堤防中存在渗漏隐患的区域。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心),其通讯地址为:330000 江西省南昌市青山湖区北京东路1038号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。