電容層析成像系統(tǒng)優(yōu)化及圖像重建算法研究.pdf

1、電容層析成像技術(shù) ECT(Electrical Capacitance Tomography)是一種多相流在線檢測成像技術(shù)，它具有成本低、適用范圍廣、響應(yīng)速度快、非侵入式、操作簡單和無放射性等特點，被廣泛應(yīng)用在工業(yè)管道內(nèi)等多相流檢測領(lǐng)域。ECT是根據(jù)電容傳感器內(nèi)被測多相流各相有不同的介電常數(shù)，當(dāng)各相的分布發(fā)生變化，引起多相流的等價介電常數(shù)也發(fā)生變化，傳感器極板對之間電容值也隨之變化，再利用一定的圖像重建算法對被測管道內(nèi)橫截面各相介質(zhì)的空

2、間分布進行重構(gòu)。
　　本文主要以12電極ECT系統(tǒng)為研究對象，在對ECT系統(tǒng)的組成、工作機理、ECT系統(tǒng)數(shù)學(xué)模型、ECT正問題求解方法和傳感器的敏感場分布特性等分析的基礎(chǔ)上，開展了傳感器優(yōu)化設(shè)計、圖像重建與融合、流型特征提取和數(shù)據(jù)采集系統(tǒng)等關(guān)鍵技術(shù)問題展開研究，主要研究內(nèi)容如下。
　　針對電容傳感器各結(jié)構(gòu)參數(shù)對ECT系統(tǒng)性能的影響，建立了傳感器場域的數(shù)學(xué)模型，采用有限元方法分析了傳感器的敏感場分布、“軟場”特性和影響敏感場均

3、勻性的結(jié)構(gòu)參數(shù)，確定了傳感器優(yōu)化設(shè)計函數(shù)，并采用粒子蟻群優(yōu)化算法尋優(yōu)求解出多條備選路徑，初始化備選路徑中的信息素，根據(jù)初始化信息素快速收斂的特性求出最優(yōu)解，完成了ECT系統(tǒng)傳感器的優(yōu)化設(shè)計。
　　針對ECT采集系統(tǒng)模擬濾波計算精度低和延時長等問題，提出了一種串并結(jié)合的分布式與WALLACE TREE相結(jié)合的改進濾波算法，設(shè)計了ECT數(shù)字采集系統(tǒng)，該系統(tǒng)以FPGA為核心，控制激勵信號產(chǎn)生，調(diào)整各電極狀態(tài)、進行通道之間切換，在FPGA

4、內(nèi)部對經(jīng)A/D轉(zhuǎn)換器轉(zhuǎn)換后的數(shù)字信號進行數(shù)字解調(diào)濾波，提高了采集系統(tǒng)的精度和速度。
　　針對ECT系統(tǒng)圖像重建精度問題，在分析 ECT系統(tǒng)各類圖像重建算法特點的基礎(chǔ)上，提出了一種基于小波變換的圖像融合算法，該算法以不同算法重建的源圖像作為融合的基本信息，根據(jù)圖像高頻和低頻部分包含信息不同的特點，采用局部能量和梯度融合方法對高頻部分進行融合，采用相對誤差線性加權(quán)方法對低頻部分進行融合，融合后的圖像能夠最大限度減小重建圖像的誤差，為E

5、CT圖像重建的質(zhì)量提升提供了一種有效方法。
　　針對ECT系統(tǒng)流型特征提取和識別問題，分析了不同流型的電容值分布特性，根據(jù)分布規(guī)律定義了11個特征參數(shù)，特征參數(shù)組合可覆蓋各種流型的特征信息。提出了一種基于特征提取和Elman神經(jīng)網(wǎng)絡(luò) ECT系統(tǒng)流型識別算法，該算法將11項特征參數(shù)輸入 Elman神經(jīng)網(wǎng)絡(luò)輸入層進行訓(xùn)練，經(jīng)特征參數(shù)提取后提高了流型識別的效率。仿真實驗結(jié)果表明，對典型的層流、滿管、環(huán)形流、均勻流，采用Elman神經(jīng)網(wǎng)絡(luò)