基于新型神经网络的ECT图像重建算法的研究

论文摘要

电容层析成像技术(Electrical Capacitance Tomography,ECT)在不破坏以及不干扰被测物场的基础上,通过电容测量值重建出管道或容器内部相异介电常数的空间分布状况。它具有低成本、非侵入等优点,在多相流检测领域应用前景广阔。作为ECT系统研究的关键技术,图像重建算法的好坏直接关系着重建图像的质量和速度。本文是在基于传感器结构参数优化的基础上对图像重建算法进行了较深入的研究,主要完成了以下工作:1.深入研究了电容层析成像系统的技术特点和系统组成,从理论上分析ECT技术的工作原理,对其未来的发展做了宏观上的展望。通过分析电容层析成像系统的特点,给出了代数神经网络算法在电阻层析成像系统图像重建中的优势;2.以12电极电容层析成像系统为研究对象,分别采用Matlab和ANSYS软件编程获得各种结构参数的计算机仿真实验数据,通过对比实验数据分析各种结构参数对电容传感器性能的影响。3.对目前存在的几种典型图像重建算法进行了深入研究,针对图像重建算法的欠定性问题,提出将一种新型的神经网络图像重建算法运用到电容层析成像系统的图像重建过程中,并对该方法进行改进,将整个敏感场分布划分为六个子系统,划分后的网络降低了原始网络的规模,在算法的训练速度和成像质量特别是在流型辨识等方面有了显著的提高。4.设计了ECT图像重建仿真系统软件,利用该软件可以方便地设置圆形管道、传感器以及流型分布的各项参数,对不同参数情况下的系统环境进行快速图像重建算法的仿真研究。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 多相流的概念
• 1.2.1 多相流的分类
• 1.2.2 多相流检测参数
• 1.3 国内外研究现状与发展趋势
• 1.3.1 多相流的研究与发展趋势
• 1.3.2 ECT 的研究与发展趋势
• 1.3.3 图像重建算法研究现状
• 1.4 课题来源及研究内容
• 第2章 电容层析成像系统技术原理
• 2.1 引言
• 2.2 ECT 系统构成
• 2.3 ECT 传感器结构
• 2.4 ECT 系统工作原理
• 2.5 本章小结
• 第3章 图像重建算法的研究
• 3.1 经典的图像重建算法
• 3.1.1 线性反投影算法
• 3.1.2 ART 迭代图像重建算法
• 3.2 神经网络
• 3.2.1 神经元模型
• 3.2.2 神经网络结构
• 3.3 代数神经网络算法
• 3.3.1 代数神经网络算法
• 3.3.2 相关定理介绍
• 3.3.3 算法的步骤
• 3.4 本章小结
• 第4章 改进的代数神经网络算法
• 4.1 NSSN 网络结构
• 4.2 网络的改进
• 4.3 NSSN 算法的优越性
• 4.4 改进算法的步骤
• 4.5 改进的代数神经网络算法仿真实验
• 4.6 本章小结
• 第5章 基于传感器参数变化的ECT 仿真软件设计
• 5.1 引言
• 5.2 参数可变的传感器设计
• 5.3 软件仿真环境及主要功能介绍
• 5.3.1 仿真环境介绍
• 5.3.2 主要功能介绍
• 5.4 实验步骤结果分析
• 5.4.1 样本数据提取
• 5.4.2 像素划分
• 5.4.3 图像重建
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢