一种基于神经网络反演的材料内部掺杂颗粒定位方法

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。