买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳大学;中国建筑第八工程局有限公司;中建八局南方建设有限公司申请的专利基于无人机和混合模型的有限空间气体检测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121231723B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511756024.4，技术领域涉及：G01N33/00；该发明授权基于无人机和混合模型的有限空间气体检测系统及方法是由周宝定;周敏;许将炫;林煜桂;刘传永;何维荣;王跃飞;冯龙;钟起辉设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于无人机和混合模型的有限空间气体检测系统及方法在说明书摘要公布了：本发明公开了一种基于无人机和混合模型的有限空间气体检测系统及方法，该方法包括以下步骤：步骤1：任务准备与三维融合地图构建；步骤2：自动规划无人机在待检测有限空间内的检测航线；步骤3：无人机沿步骤2中规划的待检测有限空间内的检测航线飞行，自主在建筑物的待检测有限空间内飞行并进行气体检测作业，采集多维数据；步骤4：数据处理与三维气体浓度分布场构建；步骤5：进行智能分析与应急响应。本发明涉及建筑空间气体检测技术领域，能够解决现有技术中高精度模型无法满足实时预警、数据稀疏条件下模型鲁棒性不佳和预测不确定性高的问题。

本发明授权基于无人机和混合模型的有限空间气体检测系统及方法在权利要求书中公布了：1.一种基于无人机和混合模型的有限空间气体检测系统的检测方法，其特征是：所述的基于无人机和混合模型的有限空间气体检测系统包括位于地面控制中心的地面子系统1和安装在无人机的无人机平台23上的机载子系统2；地面子系统1包括通信模块11和数据处理模块12；机载子系统2包括智慧电源模块21、动态避障模块22、定位导航模块24、气体检测模块25和应急响应模块26；通信模块11与数据处理模块12、动态避障模块22和气体检测模块25无线连接，数据处理模块12与应急响应模块26连接；智慧电源模块21与动态避障模块22、无人机平台23和应急响应模块26连接；动态避障模块22与定位导航模块24连接； 所述的检测方法包括以下步骤： 步骤1：任务准备与三维融合地图构建； 步骤2：自动规划无人机在待检测有限空间内的检测航线； 步骤3：无人机沿步骤2中规划的待检测有限空间内的检测航线飞行，自主在建筑物的待检测有限空间内飞行并进行气体检测作业，采集多维数据； 步骤4：数据处理与三维气体浓度分布场构建； 步骤5：进行智能分析与应急响应； 所述的步骤1包括以下分步骤： 步骤11：建筑信息模型处理，导出BIM结构点云；从建筑信息模型中提取待检测有限空间的结构外表面几何信息，几何结构被离散化处理，转换为高密度的三维点云数据，即BIM结构点云； 步骤12：无人机进入建筑物的待检测有限空间内并进行SLAM建图，利用LiDAR-IMU生成实景模型点云； 所述的步骤12包括以下分步骤： 步骤121：无人机进入建筑物的待检测有限空间内，启动定位导航模块24，定位导航模块24的激光雷达和惯性测量单元开始协同工作； 步骤122：激光雷达采集原始LiDAR点云，运行定位导航模块24内置的FAST-LIO2算法，通过迭代卡尔曼滤波器，将每一帧的原始LiDAR点云与一个动态增长的全局地图进行配准； 步骤123：利用惯性测量单元采集的IMU数据精确补偿激光雷达扫描期间因无人机运动产生的点云畸变； 步骤124：无人机通过执行一次初步的自主飞行扫描，实时构建出一个反映建筑物的待检测有限空间真实环境的实景模型点云； 步骤13：通过SAC-IA算法和ICP算法实现BIM结构点云与实景模型点云的厘米级精确配准； 所述的步骤13包括以下分步骤： 步骤131：地面子系统1的数据处理模块12通过通信模块11接收无人机飞行过程中采集并生成的实景模型点云； 步骤132：数据处理模块12使用采样一致性初始配准算法进行实景模型点云与BIM结构点云的粗略对齐； 步骤133：数据处理模块12利用迭代最近点算法进行实景模型点云与BIM结构点云的精细对齐，计算出精确的变换矩阵； 步骤134：将BIM模型与实景模型点云在统一坐标系下完美融合，生成一个既包含设计尺寸又反映真实细节的高精度三维融合地图； 步骤14：计算几何约束最短路径距离矩阵； 所述的步骤4包括以下分步骤： 步骤41：通过微调后的PINN模型预测气体浓度的全局趋势； 步骤42：残差计算与几何约束校正； 步骤43：三维气体浓度分布场生成与不确定性量化； 所述的步骤41包括以下分步骤： 步骤411：PINN转移学习；载入在通用CFD流场数据上预训练的PINN基模型，利用无人机在步骤3中采集的稀疏高精度的多维数据Z_data，对该PINN基模型进行快速微调； 步骤412：物理约束嵌入；微调后的PINN模型将流体动力学的基本控制方程作为惩罚项直接嵌入到网络的损失函数中； 步骤413：损失函数结构： ； 其中，是微调后的PINN模型对无人机采集的多维数据的拟合误差；是微调后的PINN模型的预测结果对流体动力学方程的残差；是物理约束的权重系数； 步骤414：通过微调后的PINN模型实时预测气体浓度的全局趋势； 所述的步骤42包括以下分步骤： 步骤421：残差计算；对于每个无人机的采样点，计算真实气体浓度与微调后PINN模型预测的气体浓度的全局趋势之间的残差：； 步骤422：通过几何约束LVA-Kriging对残差进行局部克里金插值；距离度量：在计算残差点的空间协方差和变异函数时，使用步骤1计算的最短路径距离；局部残差预测：对于任意待预测点，其残差预测通过局部邻域内的已知残差进行加权线性组合： ； 其中，是通过最小化估计方差所确定的克里金权重，且=1；N为选取的局部邻域内采样点数量； 所述的步骤43包括以下分步骤： 步骤431：将步骤41预测的气体浓度的全局趋势与步骤42中校正的残差项叠加，生成最终的、物理一致且几何精确的三维气体浓度分布场；对每种气体均对应生成其三维气体浓度分布场； 步骤432：几何约束校正LVA-Kriging过程自动输出估计方差，生成估计方差图；该估计方差图量化了模型预测三维气体浓度分布场在该待预测点的统计可靠性： ； 其中，是待预测点与所有采样点的协方差向量，是克里金权重向量，是采样点之间的协方差矩阵； 步骤433：将每个三维气体浓度分布场以及对应的估计方差图，以颜色梯度或等值面的形式叠加到三维融合地图上，直观地展示出气体的积聚区域和不确定性分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳大学;中国建筑第八工程局有限公司;中建八局南方建设有限公司，其通讯地址为：518061 广东省深圳市南山区粤海街道南海大道3688号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。