论文部分内容阅读
电容层析成像技术(ECT)是一种新的计算机层析成像技术,它是通过测量物体表面周围电极之间的电容值来计算物体内部介电常数的空间分布,主要用于工业管道内的多相流检测。电容层析成像技术具有适用范围广、非侵入式、安全性能好等优点,因此为解决多相流的测量问题提供了一条较好的途径。ECT技术的成功应用主要取决于反问题求解的精度与速度以及图像重建的质量,本文主要针对电容层析成像反问题求解及图像重建算法等关键问题展开研究,主要研究内容如下:详细分析了电容层析成像技术的基本原理、正问题的定义、反问题的定义和ECT反问题的不适定性,提出了解决不适定性的有限维逼近方法。针对Landweber算法求解ECT反问题收敛速度慢的问题,提出了求解ECT反问题的多项式加速算法。同时针对信赖域算法的子问题求解很复杂的问题,采用共轭梯度法对其进行求解,即信赖域-共轭梯度法(TR-CG)。实验结果表明,两种算法都表现出了较好的成像结果,能够克服ECT反问题图像重建的不稳定性,重建图像的失真较小且十分接近原流型,具有很强的抗噪声能力。同时,在混有噪声电容数据的情况下,这两种算法表现出具有很强的抗噪声能力。针对应用Gauss-Newton法求解ECT反问题收敛慢的问题,提出了加权修正Gauss-Newton算法对其进行求解。同时在分析非线性最小二乘问题残量原理的基础上,提出了一种NL2SOL的拟牛顿电容层析成像算法。实验结果表明,这两种算法都具有较好的反问题的解,成像精度高且误差小。两种算法相比较,对于大残量流型NL2SOL算法有更好的成像结果,而对于小残量流型加权修正Gauss-Newton算法有更好的成像结果。针对ECT反问题的流型辨识问题,阐述了基于特征提取的BP神经网络ECT流型辨识方法。对影响流型辨识准确度的基本原因进行分析,提出了基于自适应主成分的特征提取的ECT流型辨识算法(PCA-FE),并给出自适应求解ECT电容值主分量的对称子空间网络模型和广义Hebb网络模型。在分析电容层析成像反问题求解的渐进最优阶理论的基础上,对ECT反问题求解后进行边缘灰度补偿的必要性进行论证,并提出了一种自适应权重粒子群(AWPSO)的电容层析成像边界灰度补偿算法。实验结果表明,该算法是非常有效的,可大大改善图像重建的稳定性和提高图像重建的质量,补偿后的图像质量要远远好于线性反投影算法和共轭梯度算法,从而为ECT图像重建提供了一种新的有效方法。