基于自适应权重粒子群的电容层析成像边界灰度补偿算法

电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的.为了对这个不适定问题进行求解,在分析电容层析成像基本原理的基础上,提出了一种自适应权重粒子群的电容层析成像边界灰度补偿算法.该算法通过引入粒子群的平均绝对速度与理想速度,自适应调整粒子群优化算法中的参数,对成像后图像边界周围的灰度进行补偿.数值实验结果表明,同线性反投影和共轭梯度算法相比,进行边界灰度补偿后的图像兼备成像质量高、边界均匀稳定等优点,为ECT图像重建算法的研究提供了一个新思路.     

一种电容层析成像局部方差的图像融合方法

针对电容层析成像ECT(electrical capacitance tomography)系统的"软场"效应和病态特性及欠定性的影响,依据电容层析成像原理和成像算法的原理,提出一种基于局部方差的电容层析成像系统图像融合方法.该方法以线性反投影算法、共轭梯度算法和信赖域算法为图像重建基础,利用各个图像的互补特性,将重建图像进行小波分解后的高频分量和低频分量分别采用局部方差和加权平均融合规则融合,最后通过小波逆变换得到新的重建图像.仿真实验结果表明:融合后的图像精确度得到提高,误差变小,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

一种新的电容层析成像边界灰度补偿算法

由于电容层析成像(ECT)图像重建典型病态问题的不稳定性,在传统的电容层析成像算法的基础上提出了一种基于遗传蚁群算法(GAAC)的边界灰度补偿算法.在阐述了电容层析成像基本原理的基础上,通过推导多项式加速算法的数学模型,进行该算法的ECT图像重建.但由于传统的电容层析成像算法在图像边界上表现出极大的误差和不稳定性,所以提出了GAAC的边界灰度补偿算法.仿真和数值实验的结果显示,GAAC的边界灰度补偿算法是一种有效的电容层析成像方法,在ECT图像重建算法的领域提出了一个新的尝试.     

成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种基于高斯混合模型的电容层析成像流型辩识算法.在阐述高斯混合模型和EM算法的基础上,结合Kmeans算法,通过训练得到各类流型所对应的高斯混合模型参数,构造分类器实现对五种流型的快速与精准的识别.实验结果表明,该算法与BP神经网络、SVM、决策树识别算法相比,辨识准确率高、识别速度快,为电容层析成像流型辨识算法的研究提供了一个新思路.     

一种基于期望最大化条件的电容层析成像图像重建算法

针对电容层析成像系统(electrical capacitance tomography,ECT)的"软场"效应和病态特性对重建图像精度的影响,同时在分析了成像算法和电容层析成像基本原理的基础上,提出了一种基于期望最大化电容层析成像图像重建算法(expectation maximization,EM),采用最大似然分析的方法对本文算法进行了证明和推导,算法的重建图像误差较小,并能满足收敛条件.仿真实验结果表明,该方法与CG算法、Tikhonov算法相比,在成像精度有明显提高,为ECT图像重建提供了一种新方法 .     

基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

相关DY共轭梯度法的全局收敛性

针对无约束优化问题的一类重要算法——共轭梯度法,提出一种相关DY共轭梯度法,由此得到新的确定βk公式,并在强Wolfe条件下证明了该算法的全局收敛性.结合修正的DY共轭梯度法,得到相关修正DY共轭梯度法,确定另一个βk公式,同时证明在强Wolfe条件下,该算法是全局收敛的.通过拓展共轭梯度法相关性的有关内容,进一步验证了共轭梯度法中FR公式与DY公式之间的某种特殊的联系.     

一种分解型Quasi-Newton电容层析成像图像重建算法

针对电容层析成像系统中的"软场"效应和病态问题,在分析电容层析成像和QuasiNewton算法原理的基础上,基于非线性最小二乘的成像原理,提出了一种新的分解型Quasi-Newton电容层析成像算法,推导出了求解ECT反问题的分解型拟牛顿图像重建算法放的计算步骤,同时利用信赖域公式对目标函数的Hessian矩阵进行校正.仿真实验表明,基于分解型拟牛顿方法具有可行性,对于基本流型该算法与LBP算法相比,具有成像质量高和边界均匀稳定的特点,为ECT图像重建的研究提供了一个新的思路.     

基于谱投影梯度的电容层析成像图像重建算法

针对图像重建问题,基于谱投影梯度算法对电容层析成像系统进行图像重建算法。该算法结合ECT的工作原理,以方向追踪为目标,根据谱投影梯度计算更新方向和步长,同时为了避免因收敛导致局部最优解,引入了非单调搜索策略,使精度与速度达到平衡。通过该算法对典型的流型进行仿真实验,并与传统LBP算法对比,结果表明该算法的重建精度得到提高,该方法为ECT图像重建提供了一个新的研究思路。     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

基于RBF神经网络的电容层析成像图像重建算法

针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用RBF神经网络对电容层析成像系统进行图像重建的方法.该神经网络采用改进的自适应遗传算法,优化选取隐层神经元的中心和宽度,用Tikhnov正则化方法训练网络权值.12电极的电容层析成像系统的仿真实验结果表明,该方法能明显改善成像质量,成像精确度较好,证明了该方法的有效性.     

基于ANSYS电容层析成像结构参数分析与优化

电容层析成像技术(ECT)是一种基于电容传感器机理的过程成像技术,以12电极电容阵列传感器ECT系统为背景,介绍了敏感场的计算方法,借助大型ANSYS有限元分析工具,建立电容传感器结构模型,并得到电极间敏感场的分布,为了避免粒子在全局附近振荡和粒子陷入局部最优,提出了改进PSO与改进混沌搜索策略的混合新算法.以敏感场整体灵敏度大小系统性能为目标,优化了电容传感器结构,寻找到的传感器最优结构参数.为电容层析成像系统图像重建提供了新思路.     

电容层析成像图像重建算法的研究

在分析电容层析成像基本原理和图像重建算法的基础上，提出了采用迭代代数方法对管道截面图像进行重建．针对迭代算法收敛速度慢、耗时多的缺点，对迭代算法进行了改进，使重建图像的速度和质量都有明显的提高．     

电容层析成像投影数据的采集系统设计

电容层析系统(ECT)可分为电容传感器阵列、投影数据采集系统和成像计算机三部分.通常的ECI系统中，每个电容极板都有自己的电容检测电路，对应于同一激励源的所有投影数据并行地转换成直流信号.研究了单片机控制的采用串行数据采集方案的ECT投影数据采集系统的设计.各极板共用一套电容检测电路，对应于同一激励源的所有投影数据串行地转换成直流信号，降低了硬件成本，消除了并行测量方式通道差异所带来的误差.论述了设计的整体方案、电容检测电路、极板控制电路、单片机单元电路和软件设计.给出了数据采集系统测试实验和ECT系统成像实验的结果.     

基于RBF神经网络的ECT图像重建

线性反投影算法是最常用的ECT图像重建算法,该算法将极板电容测量值与成像区域介电常数间的非线性关系作线性化近似.由于神经网络的非线性映射能力可用来避免这种线性化近似,为此探讨了基于RBF神经网络的16极板ECT系统的图像重建方法.采用最大矩阵法确定RBF神经网络隐层神经元数目,用最小邻聚类方法确定径向基函数的宽度和中心,建立了极板电容测量值与成像区域介电常数间的RBF神经网络映射.仿真实验结果表明,基于RBF神经网络的ECT图像重建方法重建速度与线性反投影法相当,重建质量优于线性反投影法.     

基于电容层析成像和LS-SVM的空隙率测量

基于12电极电容层析成像（ECT）和最小二乘支持向量机（LS-SVM），提出了一种油气两相流空隙率在线测量的新方法.该方法运用快速的线性反投影算法重建两相流截面图像，结合模糊模式识别技术辨识流型.把ECT电容传感器得到的66个电容测量值作为空隙率测量模型的输入，利用LS-SVM建立了针对不同截面流型的空隙率测量模型.在实际测量时，首先辨识流型，然后选择与流型相对应的空隙率测量模型计算获得空隙率.该方法省去了采用传统ECT方法测量空隙率时复杂的图像重建过程，提高了空隙率测量的实时性.实验结果表明该测量方法是有效的.     

高压激励电容层析成像系统传感器阵列设计

为了解决高压交流激励电容层析成像系统微小电容检测的灵敏度和分辨率更高给电容传感器阵列设计带来的新问题,分析了极板长度和极板张角对几个重要的传感器阵列评价指数的影响,利用仿真方法评估了不同极板参数条件下中心型、层流型和环流型的重建图像的空间图像误差,并以此为依据确定了一组极板参数.最后给出了根据设计参数制作的8极板传感器阵列模型及高压激励电容层析成像系统的图像重建实验结果.实验结果证明:所设计的传感器阵列达到了设计的预期目标,所确定的参数方法是可行的.