-
公开(公告)号:CN117147031A
公开(公告)日:2023-12-01
申请号:CN202311109234.5
申请日:2023-08-31
Applicant: 中北大学
IPC: G01L5/00 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/0442 , G06N3/084 , G01L5/14
Abstract: 本发明涉及一种冲击波场数据智能重构方法,基于生成对抗网络用来重建爆炸场测量盲区波形,首先,对传感器的点位进行布置,通过传感器对爆炸的冲击波进行采集,之后利用传感器采集到的时域波形信息及相应的位置信息进行数据处理并生成学习样本,再将处理好的样本数据输入到生成对抗网络中,最终通过生成对抗网络中生成器和判别器对抗训练生成测点盲区的波形。本发明通过建立深度学习网络模型,结合冲击波在空气中的传播规律,使得重建后的波形更加贴近真实波形。同时,能够为侵彻类弹药评估毁伤威力,检验、修正理论模型,改进打击方式提供重要的依据。本发明能够端到端自动补全所需的波形数据,具有很高的效率。
-
公开(公告)号:CN119885875A
公开(公告)日:2025-04-25
申请号:CN202411967320.4
申请日:2024-12-30
Applicant: 中北大学
IPC: G06F30/27 , G06F30/23 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0475 , G06N3/096 , G06N3/0464 , G06N3/0895 , G06F111/10 , G06F119/12 , G06F123/02
Abstract: 本发明公开一种地下震动场阵列化信息智能修复方法,包括:S1,布置传感器及虚拟测点,利用传感器对爆炸的震动信号进行采集,进而获得实际数据;同时,通过模拟地下三层介质,利用地下爆炸传播模型正演模拟得到模拟数据;S2,将实际数据及模拟数据组合成道集图的形式,并基于道集图建立目标域训练数据集与源域训练数据集;S3,利用源域训练数据集对深度插值模型进行一次训练;最终将经过一次训练后的深度插值模型迁移到目标域数据集中以自监督学习的方式进行二次训练;S4,基于经过二次训练的深度插值模型进行虚拟测点信号的插值,从而完成地下震动场阵列化信息的修复。还公开了对应的系统、电子设备及计算机可读存储介质。
-
公开(公告)号:CN118348592A
公开(公告)日:2024-07-16
申请号:CN202410469301.2
申请日:2024-04-18
Applicant: 中北大学
Abstract: 本发明公开了一种衰减层析的地下浅层震动能量场重建方法,包括:在爆炸震源点周围的预设范围内布设检波器,采集原始震动波信号;对所述原始震动波信号进行震动阵列化信号预处理和分析,得到震动波信号;构建衰减层析模型;提取所述衰减层析模型中反映震动波色散效应的能量比特征向量;基于射线追踪法,求解所述衰减层析模型中描述震动波传播路径的衰减层析核函数矩阵;基于组稀疏正则化的迭代成像算法,求解所述衰减层析模型中描述震动波衰减特性的衰减特征向量;将所述衰减特征向量与几何衰减特征结合,建立能量场重建计算模型。本发明能够实现地下爆炸震动能量的高精度、低误差重建,有效降低计算量,减少计算耗时。
-
-