用于气固两相流质量流量在线测量的ECT检测算法研究

摘要

过程层析成像(PT)技术是目前极具发展潜力的新一代工业过程参数检测技术。电容层析成像(ECT)技术是一种基于电容敏感机理的PT技术，具有非辐射、非侵入、响应速度快、结构简单、成本低、应用广泛等优点，被认为是PT技术研究和发展的主流。 ECT成像技术是ECT系统的关键技术，涉及两个方面的问题：一是正问题，已知管道内物质的分布情况，求电容传感器中各极板对之间的电容；二是逆问题，ECT系统图像重建算法的研究，即如何通过有限个观测数据(电容测量值)将成像区域内的介质的介电常数空间分布图像重建出来。 目前对于J下问题的解决方法主要是用有限元法，有限元法是一种高效能、通用的计算方法。本文借助有限元软件ANSYS，对电容传感器建立了新的有限元模型，采用新的剖分方式来进行仿真计算，从计算结果与实验结果相比较来看，误差较小，证明了此方法的可行性。 ECT系统图像重建算法是一个非线性的、不适定的逆问题。RBF神经网络是一个通用的非线性函数的逼近器，只要有足够多的隐层神经元，就可以逼近任意多元非线性连续函数。本文在前人的研究成果的基础上，探讨了RBF神经网络在用于气固两相流质量流量在线测量的ECT检测算法研究中的应用。 本文根据所研究的具体问题，对RBF神经网络的结构参数进行了设计；对传统的K均值聚类算法进行了改进，来对径向基函数里的参数进行了培训；并编写了基于VC++6.0开发环境下的算法程序以及图像重建结果显示程序；针对某些流型，给出于图像重建实验结果分析。 最后，关于进一步工作的方向进行了简要的讨论。

目录

文摘

英文文摘

学位论文版权使用授权书及硕士学位论文原创性声明

第一章引言

1.1 论文的研究背景

1.1.1过程成像技术发展状况

1.1.2国内外过程成像技术现状

1.2 论文的研究意义

1.3 课题来源及研究内容

第二章ECT系统简介及ECT技术成像原理

2.1 ECT系统概述

2.1.1 ECT系统组成

2.1.2 ECT系统的工作原理

2.2 ECT技术成像原理

2.3本章小结

第三章ECT系统正问题研究和常用图像重建算法

3.1 ECT系统正问题

3.1.1 ECT系统传感器结构的二维数学模型

3.1.2求极板对之间的电容的一般方法

3.1.3有限元法[35]及有限元分析软件ANSYS简介[14-16]

3.1.4用ANSYS仿真计算的过程

3.1.5仿真结果分析与结论

3.2常用图像重建算法

3.2.1线性反投影算法LBP[17-19,27]

3.2.2迭代法[21][27][28][31]

3.2.3基于正则化和多元线性回归的图像重建算法(MLRR)[23][30]

3.2.4人工神经网络法[17]

3.3 RBF神经网络用于图像重建的可行性分析

3.4本章小结

第四章用于ECT图像重建的RBF神经网络设计

4.1神经网络基本概念

4.1.1人工神经元

4.1.2常用神经网络结构[32]

4.1.3人工神经网络学习

4.1.4 RBF神经网络简介

4.2 RBF神经网络基本原理

4.2.1 RBF神经网络理论基础[33]

4.2.2网络结构及工作方式

4.2.3 RBF神经网络的学习概述[26]

4.3 RBF神经网络设计

4.3.1应用于ECT图像重建的RBF神经网络的特点与结构

4.3.2 RBF神经网络各学习参数学习方法-改进的K均值聚类算法

4.3.3改进的K均值聚类算法的程序实现

4.4本章小结

第五章基于RBF神经网络的ECT图像重建实验研究

5.1基于RBF神经网络的ECT图像重建

5.2样本的选取

5.3 ECT图像重建实验结果分析

5.3.1评价标准

5.3.2图像重建结果

5.4本章小结

第六章结论与展望

6.1结论

6.2进一步工作的方向

致谢

参考文献

个人简历 在读期间发表的学术论文与研究成果