CN112987111A - 一种基于卷积神经网络的地下管道探测功率自动控制平台 - Google Patents
一种基于卷积神经网络的地下管道探测功率自动控制平台 Download PDFInfo
- Publication number
- CN112987111A CN112987111A CN202110182157.0A CN202110182157A CN112987111A CN 112987111 A CN112987111 A CN 112987111A CN 202110182157 A CN202110182157 A CN 202110182157A CN 112987111 A CN112987111 A CN 112987111A
- Authority
- CN
- China
- Prior art keywords
- power
- neural network
- automatic control
- underground pipeline
- convolutional neural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 230000005674 electromagnetic induction Effects 0.000 claims abstract description 8
- 230000006698 induction Effects 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 5
- 230000033228 biological regulation Effects 0.000 claims abstract description 3
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
- G01V3/10—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices using induction coils
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于卷积神经网络的地下管道探测功率自动控制平台，利用电磁感应原理和卷积神经网络，将传统地下管道探测系统手动调节探测功率改为自动控制探测功率的地下管道探测平台。该平台由电源模块、读写器线圈天线、应答器线圈天线、控制器、ADC模块、神经网络处理模块、环境参数感应类传感器组成。工作室线圈天线通过电磁感应为传感器提供能量的同时，将采集的地下管道数据经ADC模块转换为数字信号后传至神经网络处理模块，通过匹配训练功率模型，感知地下管道环境变化并给出功率预测值后传至控制器调节功率大小，从而实现探测功率的自动控制。
Description
技术领域
本发明涉及地下管道探测领域，尤其涉及基于卷积神经网络的地下管道探测功率自动控制平台。
背景技术
近年来，科技的飞速发展及城市规模的不断扩大，对城市的开发利用提出了更多要求，尤其是在地下资源方面。大多数情况下，地下环境往往是复杂且未知的，尤其是深埋地下的各种传输管道，如供排水、燃气、电力、通信等，其种类、规格等不尽相同，管道的深度、周围环境、位置等没有统一、精确的分布图纸来做参考，对地下资源的开发利用造成诸多困扰，极易引发安全事故造成不必要的损失。其中，燃气管道作为城市地下管道中分布最广和数量最多的管道之一，一旦发生管道泄漏、破裂等安全问题，容易造成更大的伤亡事故。因此，对地下燃气管道的地下定位就显得尤其重要。
地下管道探测系统利用电磁感应原理，通过两个线圈的耦合以实现地下燃气管道的定位工作。在一定功率下，读写器线圈产生电磁信号，应答器的感应线圈与读写器的电磁信号耦合，从而产生感应电流启动应答器芯片。由于外界环境变化，极易导致探测的谐振点发生偏移，此时传统的地下管道探测系统通过手动调节读写器线圈一端电磁信号的功率，使两线圈重新达到谐振态。然而，手动调节功率的传统做法，不仅速度缓慢且准确度较低，出现费时费力、探测信号不稳定甚至探测不出信号的情况。
发明内容
为此，本发明提出一种可以自动控制探测功率的地下管道探测平台的设计思路。应答器线圈通过电磁感应，为应答器内地下环境实时数据采集提供电能保障，同时将经过ADC处理后的数据传送至神经网络处理模块。此时利用卷积神经网络强大的数据处理能力，匹配且训练相应的功率模型，感知地下环境的变化，给出相应的最优或次最优功率预测值，并将该预测值传送至控制器，最后控制器调节电磁信号功率大小，从而实现探测功率的自动控制。这一功能可以弥补传统地下管道探测系统手动调节功率速度慢、准确度低的缺点，探测功率自动达到最优或次最优值，使得两线圈快速达到谐振态、探测信号更加稳定、探测结果更加快速准确。
本发明的目的是针对现有技术的不足，完成了一种可以自动控制探测功率的地下管道探测平台。该探测平台由读写器和应答器两个部分构成，其中读写器部分包括电源模块、线圈天线、控制器、ADC模块、神经网络处理模块；应答器部分包括线圈天线、环境参数感应类传感器。下面对各模块进行简单的说明。
平台工作时，电源模块供电后，读写器中的控制器发出一定功率大小的驱动信号并传入读写器天线，读写器天线向外发出信号。此时，应答器内天线和读写器天线耦合，在电磁感应下获取能量，进而向应答器内的环境参数类传感器提供电能。传感器开始对地下环境中的温度、湿度、压强值进行检测、记录和存储，并将所获取的地下环境信息经天线间的能量与信号耦合传递至读写器中的ADC模块。ADC模块将接收到的地下环境信息转换成数字信号后，经神经网络处理模块对地下环境信息进行匹配、训练，并搭建相应的功率控制模型，给出相应的最优或次最优功率预测值，并将该预测值传送至控制器，最后控制器接到预测值后重新发出相应功率大小的驱动信号。
通过上述两大部分之间各模块的相互配合，不仅实现地下管道探测功率自动控制，还可避免因手动调节导致的功率调节时间长、探测信号不稳定、探测结果不准确的问题。
附图说明
图1为本发明的结构示意图。
图2为本发明神经网络处理模块示意图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步的详细描述。
如图1所示为本发明的结构示意图，首先电源模块供电后，在控制器作用下发射驱动信号并传入读写器天线。应答器天线通过电磁耦合获取能量，为传感器供电，保证地下环境信息的完整采集。同时，该信息经天线传送至ADC模块，转换为数字信号后传入神经网络处理模块，完成地下环境信息的匹配、训练和功率建模，得出最优或准最优功率后传递至控制器，以实现探测功率的自动控制。其中ADC模块采用逐次逼近型器件及5级流水线结构，减少元器件的使用数量，简化电路结构，提升转换效率的同时，实现在转换位数较高下实时传输场景的应用。控制器采用ST公司32位的微处理器，其中存储器采用哈佛结构，通过将程序和数据分开存放以提高处理器的执行效率。同时，其32位多重AHB总线矩阵，可同时取数据和指令，访问速度明显提高。
如图2所示为本发明神经网络处理模块示意图，该模块主要应用了神经网络算法。由ADC处理后传入该模块的数字信号，通过大数据进行识别、分类并标签化，并提前在服务器上进行相关的环境参数模型训练以获取最优功率。传入的实时数据经训练、决策后与先前训练好的参数模型进行匹配分析，找出最优或准最优功率，最后通过控制器进行功率再输出。其中卷积神经网络由输入层、隐含层和输出层组成，结合HMM模型对环境参数进行提取及处理。使用较小的卷积核且用全连接层来替换池化层以提升该模块的学习能力。通过构建生成模型，进行环境参数的匹配分析，最终找出该地下环境中的最优或准最优探测功率，实现地下管道探测功率的自动控制。
Claims (5)
1.一种基于卷积神经网络的地下管道探测功率自动控制平台，其特征在于：该控制平台利用电磁感应原理和卷积神经网络，将地下管道探测系统手动调节探测功率改为自动控制探测功率；该控制平台分为读写器和应答器两部分，应答器天线与读写器天线耦合，在电磁感应下获取能量，向传感器提供电能；该控制平台还包括：电源模块、读写器线圈天线、应答器线圈天线、控制器、ADC模块、神经网络处理模块、环境参数感应类传感器；控制器采用ST公司32位的微处理器，负责控制读写器侧驱动信号的功率大小；电源模块为系统各个部分提供各种稳定工作电压；读写器天线向外发射信号；应答器天线与读写器天线耦合，在电磁感应下获取能量；环境参数感应类传感器采集地下环境信息；ADC模块将采集到的地下环境信息转换为数字信号；神经网络处理模块搭建功率控制模型给出功率预测值；以卷积神经网络为支撑，实现探测功率自动控制。
2.根据权利要求1所述的一种基于卷积神经网络的地下管道探测功率自动控制平台，其特征在于：应答器天线与读写器天线耦合获取能量，经应答器天线传送环境信息。
3.根据权利要求1所述的一种基于卷积神经网络的地下管道探测功率自动控制平台，其特征在于：环境参数感应类传感器对地下环境中的温度、湿度、压强值进行检测、记录和存储，并将所获取的地下环境信息经天线间的能量与信号耦合传递至读写器中的ADC模块。
4.根据权利要求1所述的一种基于卷积神经网络的地下管道探测功率自动控制平台，其特征在于：ADC模块采用逐次逼近型器件及5级流水线结构，将接收到的地下环境信息转换成数字信号。
5.根据权利要求1所述的一种基于卷积神经网络的地下管道探测功率自动控制平台，其特征在于：神经网络处理模块，利用大数据处理能力，完成地下环境信息的匹配、训练和功率建模，得出功率后传递至控制器，以实现探测功率的自动控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182157.0A CN112987111A (zh) | 2021-02-09 | 2021-02-09 | 一种基于卷积神经网络的地下管道探测功率自动控制平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182157.0A CN112987111A (zh) | 2021-02-09 | 2021-02-09 | 一种基于卷积神经网络的地下管道探测功率自动控制平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112987111A true CN112987111A (zh) | 2021-06-18 |
Family
ID=76392907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110182157.0A Pending CN112987111A (zh) | 2021-02-09 | 2021-02-09 | 一种基于卷积神经网络的地下管道探测功率自动控制平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112987111A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113939002A (zh) * | 2021-08-30 | 2022-01-14 | 北京工业大学 | 一种用于保障无线射频通信中能量正常供应的无线射频能量智能传输系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1595195A (zh) * | 2004-06-17 | 2005-03-16 | 上海交通大学 | 基于信息融合的超宽带探地雷达自动目标识别方法 |
| CN103441803A (zh) * | 2013-09-10 | 2013-12-11 | 北京科技大学 | 一种基于低功率电小天线的地下低频无线通信系统 |
| CN105137498A (zh) * | 2015-09-17 | 2015-12-09 | 鲁东大学 | 一种基于特征融合的地下目标探测识别系统及方法 |
| CN105931449A (zh) * | 2016-06-15 | 2016-09-07 | 中国矿业大学 | 一种用于地下管网安全监测的磁感应波导通信装置与方法 |
| CN112153616A (zh) * | 2020-09-15 | 2020-12-29 | 南京信息工程大学滨江学院 | 一种基于深度学习的毫米波通信系统中的功率控制方法 |
-
2021
- 2021-02-09 CN CN202110182157.0A patent/CN112987111A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1595195A (zh) * | 2004-06-17 | 2005-03-16 | 上海交通大学 | 基于信息融合的超宽带探地雷达自动目标识别方法 |
| CN103441803A (zh) * | 2013-09-10 | 2013-12-11 | 北京科技大学 | 一种基于低功率电小天线的地下低频无线通信系统 |
| CN105137498A (zh) * | 2015-09-17 | 2015-12-09 | 鲁东大学 | 一种基于特征融合的地下目标探测识别系统及方法 |
| CN105931449A (zh) * | 2016-06-15 | 2016-09-07 | 中国矿业大学 | 一种用于地下管网安全监测的磁感应波导通信装置与方法 |
| CN112153616A (zh) * | 2020-09-15 | 2020-12-29 | 南京信息工程大学滨江学院 | 一种基于深度学习的毫米波通信系统中的功率控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113939002A (zh) * | 2021-08-30 | 2022-01-14 | 北京工业大学 | 一种用于保障无线射频通信中能量正常供应的无线射频能量智能传输系统 |
| CN113939002B (zh) * | 2021-08-30 | 2024-05-28 | 北京工业大学 | 一种用于保障无线射频通信中能量正常供应的无线射频能量智能传输系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101191833A (zh) | 一种基于接收信号强度的射频识别室内定位检测方法 | |
| CN101750547A (zh) | 一种读写器天线等功率线的测量系统及测量方法 | |
| CN104199023A (zh) | 一种基于深度感知的rfid室内定位系统及其工作方法 | |
| CN103914132A (zh) | 识别基于手指的手势的方法和系统 | |
| CN112987111A (zh) | 一种基于卷积神经网络的地下管道探测功率自动控制平台 | |
| CN104105063A (zh) | 一种基于rfid和蓝牙网络的监控定位系统和方法 | |
| CN103868580B (zh) | 基于光纤的输电导线微风振动监测数字传感器及监测方法 | |
| CN103702413B (zh) | 基于Zigbee网络的室内摄像头实时跟随定位系统 | |
| CN106980890A (zh) | 一种主动rfid电子标签 | |
| CN111523667B (zh) | 一种基于神经网络的rfid定位方法 | |
| Jin et al. | A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things. | |
| CN203460001U (zh) | 基于金属带锯条声发射特性的锯切负载检测装置 | |
| CN108305347A (zh) | 一种配电设备巡检作业方法 | |
| CN102833671A (zh) | 一种机器人视觉定位的方法及系统 | |
| CN104765016A (zh) | 一种基于功率智能控制的射频识别定位方法 | |
| CN105509908A (zh) | 变电站一次设备关键点无源温度测试系统 | |
| CN113297408A (zh) | 基于Sift算法的图像匹配以及场景识别系统及方法 | |
| CN205193845U (zh) | 基于移动互联网技术的一体化数据采集器 | |
| CN114442704B (zh) | 一种基于大数据的智能电力生产监控方法及系统 | |
| CN103447887A (zh) | 基于金属带锯条声发射特性的锯切负载检测装置及方法 | |
| CN109269529B (zh) | 一种智能工程机器人导航定位精度检测方法 | |
| CN213127596U (zh) | 一种犊牛主要体征信息采集系统 | |
| CN107786653A (zh) | 一种生态养殖复合数据采集分析设备、系统及其方法 | |
| CN201653441U (zh) | 传感器 | |
| CN201689537U (zh) | 一种电量采集装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |
|
| RJ01 | Rejection of invention patent application after publication |