基于融合式神经网络的多磁性材料参数反演方法及系统技术方案

本发明专利技术涉及基于融合式神经网络的多磁性材料参数反演方法及系统，其方法包括：获取待反演多磁性材料在静态无电流背景场下的多维磁场分量；将所述多维磁场分量输入到训练完成的卷积神经网络中，得到所述多维磁场分量的多个类别标签；将每个类别标签和多维磁场分量分别输入到训练完成的多个深层BP神经网络中，得到待反演多磁性材料的磁导率预测值。本发明专利技术通过融合卷积神经网络和多个深层BP神经网络，在减少神经网络参数量的同时，快速、高效的预测多磁性材料参数。多磁性材料参数。多磁性材料参数。

【技术实现步骤摘要】
基于融合式神经网络的多磁性材料参数反演方法及系统


[0001]本专利技术属于深度学习与磁性材料
，具体涉及基于融合式神经网络的多磁性材料参数反演方法及系统。

技术介绍

[0002]水下航行器常用于执行多种水下任务，如扫描沉船、水下通信、搜索水下爆炸物进行探雷和排雷等。水下航行器通常会通过探测目标物的磁场进行水下作业，然而水下航行器自身产生的磁场对探测的影响也不容忽视。磁导率是影响磁性物体产生磁场的一个重要参数，对于由多种磁性材料组成的水下航行器，产生的磁场更为复杂，准确获取每种磁性材料的磁导率对于研究水下航行器自身产生的磁场尤为重要。
[0003]磁导率是表征磁介质磁性的物理量，通过磁性物体周围的磁场变化来确定磁导率的方式称为磁导率的反演。几乎所有的反问题都是非线性的，求解反问题的方法大部分都是非线性反演。磁导率非线性反演通常是在选定正演模型的情况下，建立观测数据与正演的误差泛函，用非线性方法迭代对误差泛函极小化求解，达到反演的目的。

技术实现思路

[0004]为解决传统基于先验信息和初始模型的磁性材料参数的非线性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于融合式神经网络的多磁性材料参数反演方法，其特征在于，包括：获取待反演多磁性材料在静态无电流背景场下的多维磁场分量；将所述多维磁场分量输入到训练完成的卷积神经网络中，得到所述多维磁场分量的多个类别标签；将每个类别标签和多维磁场分量分别输入到训练完成的多个深层BP神经网络中，得到待反演多磁性材料的参数预测值。2.根据权利要求1所述的基于融合式神经网络的多磁性材料参数反演方法，其特征在于，所述卷积神经网络至少包括多个一维卷积层、一个最大池化层和一个全连接层，所述多个一维卷积层，用于接收待反演多磁性材料的多维磁场分量或对多维磁场分量进行卷积操作；所述全连接层，用于输出所述多维磁场分量的类别标签。3.根据权利要求2所述的基于融合式神经网络的多磁性材料参数反演方法，其特征在于，所述卷积神经网络的损失函数为交叉熵损失函数。4.根据权利要求1所述的基于融合式神经网络的多磁性材料参数反演方法，其特征在于，所述每个深层BP神经网络包括多个隐藏层和一个输出层；每个所述隐藏层为全连接层，且其激活函数为sigmoid或liner；所述输出层的激活函数为liner。5.根据权利要求4所述的基于融合式神经网络的多磁性材料参数反演方法，其特征在于，所述每个深层BP神经网络的损失函数为均方误差函数。6.根据权利要求1－5中任一项所述的基于融合式神经网络的多磁性材料参数反演方法，其特征在于，所述获取待反演多磁性材料在静态无电流背景场下的多维...

【专利技术属性】
技术研发人员：文无敌，张广豫，欧阳君，杨晓非，陈俊，李毅，胡家文，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：