원래 이름 기록: 南宁桂电电子科技研究院有限公司

本发明公开了一种电磁感应颗粒三维定位方法，包括：采集多个感应线圈的复电压信号；对复电压信号进行快速傅里叶变换，以提取频域相位谱；基于频域幅值特性设计自适应权重函数，对频域相位谱进行加权滤波处理；基于加权滤波后的频域相位谱，利用频域梯度算法实现相位解缠，获得连续的绝对相位谱；将绝对相位谱输入至训练好的神经网络模型中，输出电磁感应颗粒的三维坐标。该方法解决了现有技术在相位信息利用、处理稳定性和解缠精度方面的技术难题，为材料颗粒位移检测提供高精度、高稳定性的技术解决方案。

本发明公开了一种基于双向神经网络的电磁相位‑颗粒坐标端到端反演方法，该方法通过电磁感应技术采集感应线圈复电压信号，进行频域变换后，依次提取相位信息并进行相位解缠，以得到绝对相位谱；进而双向神经网络，用于根据绝对相位谱输出颗粒三维坐标；其中双向神经网络包括正向模型和反向模型，反向模型用于根据所述绝对相位谱输出颗粒三维坐标，正向模型用于约束电磁感应的物理机制。本发明突破了传统方法主要依赖幅值信息的局限性，实现了从频域相位到颗粒三维坐标的端到端智能映射，显著提高了检测精度和稳定性。

本发明涉及定位技术领域，具体涉及一种基于神经网络反演的材料内部掺杂颗粒定位方法，包括：利用有限元仿真软件随机材料颗粒的坐标位置、激励线圈夹角θ及n个感应线圈对应的电压值，制作训练数据集；基于训练数据集对坐标‑电压正向模型进行训练；将训练好的坐标‑电压正向模型的参数固定，将待反演的多颗粒坐标定义为可优化变量，基于测量电压动态反演多颗粒坐标；对n个感应线圈进行依次轮换激励和多次反演，得到最终的多颗粒坐标。本发明通过引入神经网络，不仅能够提高材料颗粒的精确定位准确性，还能显著减少计算成本。