成果介绍
本发明涉及结构健康监测技术领域,特别是涉及基于深度学习的冲击定位方法、装置、设备及介质。方法包括获取目标区域中多个监测点监测到的冲击信号;将所述冲击信号输入训练好的神经网络模型中,得到产生所述冲击信号的冲击源到每个所述监测点的距离值;根据所述距离值,确定由所述冲击源相对于每个所述监测点的可能存在位置所形成的存在轨迹;将所述存在轨迹之间的所有交点中的干扰点剔除,并确定剩余交点的中心点为最终中心点;将所述最终中心点作为所述冲击源的实际位置,输出冲击定位结果。本发明能够应用于各种复杂的工程结构,并确保工程结构健康监测的实时性及准确性。
成果亮点
一种基于深度学习的冲击定位方法,其特征在于,包括:
获取目标区域中多个监测点监测到的冲击信号;
将所述冲击信号输入训练好的神经网络模型中,得到产生所述冲击信号的冲击源到每个所述监测点的距离值;
根据所述距离值,确定由所述冲击源相对于每个所述监测点的可能存在位置所形成的存在轨迹;
将所述存在轨迹之间的所有交点中的干扰点剔除,并确定剩余交点的中心点为最终中心点;
将所述最终中心点作为所述冲击源的实际位置,输出冲击定位结果。
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料
产业化落地方案