SADE-ELM电容层析成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.     

Elman神经网络在ECT系统流型辨识中的应用

针对电容层析成像系统ECT(electrical capacitance tomography)流型辨识问题,在对ECT系统工作原理和流型的辨识方法分析的基础上,提出了一种基于Elman神经网络的ECT系统流型辨识方法,该方法通过对ECT系统采集的电容值特征值提取与处理,将提取的特征值作为Elman神经网络的输入进行训练,经训练后达到流型辨识的目的.经仿真实验验证,与传统的BP神经网络相比,该方法具有结构简单,收敛速度快,不会因阶次未知而出现网络结构膨胀的问题,为ECT系统流型辨识的提供一种的有效方法.     

基于MFCC和HMM的气固流型辨识

针对气力输送管道中测控装置后常见的三种过渡流型,即中心流、环状流和层状流,采用静电传感器作为测量装置获得静电流动噪声信号,借鉴语音信号处理方法,提取静电流动噪声信号的梅尔频率倒谱系数（MFCC）及其一阶差分作为特征参数,用特征参数训练连续高斯混合密度隐马尔科夫模型（CGHMM）,建立不同流型的模型库,再用训练好的CGHMM模型对提取的特征参数进行分类,进而实现流型识别.实验结果表明,该方法识别率达到98%,为气固流流型识别及气力输送测控装置提供了新的研究方法.     

基于神经网络的ERT系统流型辨识的研究

在两相流测量问题的研究中,流型的准确识别是其他流动参数准确测量的基础,因此,得到比较高的流型辨识率是研究目的.本文在12电极电阻成像的基础上,采用模糊聚类对ERT系统中的测量电压数据进行模糊化,然后以模糊化后的数据作为BP神经网络的输入,在BP神经网络中,对该模糊化后的测量电压数据进行反复学习训练,来实现对两相流四种流型的辨识.通过实验仿真,四种流型的平均识别率达到了89.4%,提高了流型识别的准确率.     

电容层析成像流型可视化系统研究

介绍了电容层析成像系统的工作原理,研制了一套高速数据采样基于交流法电容层析成像技术的两相流流型可视化系统,为解决电容层析成像技术在工业实用化过程中存在的一些问题,例如：系统的小型化设计,数据采集和传输的速度有等于提高,以及如何实现数据的远传等,提出模块化的系统结构,实现了电容层析成像系统的一体化设计,在有限元仿真的基础上,采用加权反投影图像重建算法以满足实时成像的速度要求,该电容层析成像流型可视化系统的成像速度在20幅／s以上,在数据通讯距离为50m的情况下,这套电容层析成像系统如实再现了试验回路中的各种流型和过渡流态。试验结果表明模块化设计是成功的。     

视频运动目标检测与跟踪算法研究及OpenCV实现

针对固定场景,给出了一种视频运动目标检测和跟踪算法.利用混合高斯建模的背景差分法,在复杂背景条件下提取出运动目标,并采用颜色直方图模型为特征的均值平移法,对目标进行跟踪.经OpenCV编程测试,算法可以准确地跟踪运动目标.     

一种改进的高斯混合模型算法

建立声学模型是说话人识别技术的重要环节，一种好的建模方法对说话人识别系统的识别率具有极其重大的影响。本文介绍了一种改进的高斯混合模型算法——将聚类算法与传统高斯混合模型结合起来的建模方法，并对此种建模方法得出的识别效果与传统的高斯混合模型进行了比较。从对比结果可以看出，基于聚类的高斯混合模型的说话人识别相对于传统的高斯混合模型在识别率上有所提高。     

BP神经网络在电容成像流型识别中的应用

提出了一种基于ＢＰ神经网络两相流流型辨识算法．该方法可克服电容层析成像系统中电容测量灵敏度分布易受被测多相流介质分布的影响,对网络结构及其学习参数进行了研究,可对各种气固两相流流型能有效地判别．     

基于视频序列的列车驾驶员行为自动识别算法的研究

设计开发了集视频采集、运动目标检测、行为识别和自动报警为一体的驾驶员行为识别系统．对其中运动目标检测和行为识别算法进行了重点研究,针对驾驶室内光照变化等影响因素,采用混合高斯背景模型与帧间差分法结合的改进算法,实现运动目标的检测,用星型骨架法提取行为特征,最后应用隐马尔科夫模型实现了对驾驶员行为的快速识别．     

基于高斯混合模型的驾驶员个人特质辨识

为实现不同类型驾驶员个人特质辨识,基于d SPACE实时仿真平台搭建了驾驶员使用模式信息采集系统,对30名被测驾驶员在典型工况下的使用模式进行了信息采集;采用高斯混合模型建立了驾驶员个人特质辨识模型,选取三类典型驾驶员模本对模型进行了参数训练;利用得到的优化参数对测试驾驶员进行了个人特质类型识别测试,并应用试验设计方法对辨识方法进行了优化分析。测试结果表明,提出的基于高斯混合模型的驾驶员个人特质辨识方法能够有效辨识驾驶员类型。     

电容层析成像系统传感器的电路设计

在电容层析成像系统中经常使用CMOS开关选择激励电极和检测电极,但这些开关会引入额外电荷或导致电荷泄漏,为此,设计了一种传感器,它不使用任何开关,直接连接在电极上,对电极上的电压采用数字化的控制,传感器的激励场是完全灵活的。     

电容层析成像中的电极集成化设计

设计了一种电容层析成像电路,它直接安装在电极上,可以减小杂散电容的影响．通过增加工作频率,可提高灵敏度,电极与基于CMOS的充放电电路及数字控制电路整合在一起,为数字化通讯提供了快速、安全、有效的数据传输,并通过移位寄存器与主机进行数据交流。     

基于迭代Tikhonov正则化的电容层析成像图像重建

电容层析成像图像重建是一个典型的病态问题,其图像重建是一个非线性的求解过程,Tikhonov正则化方法是处理病态问题的有效方法之一,由于标准Tikhonov泛函的过度光滑,导致重建图像的细节信息丢失,重建的图像质量并非理想．以标准的Tikhonov算法为基础,给出了一种新的迭代算子,利用该算子可以使重建的图像细节进行一定的修正,通过仿真证明其在速度和图像重建准确度上得到了提高．     

电容层析成像系统微小电容测量电路的设计

微小电容检测是电容层析成像技术的关键和难点，依据油水两相流电容层析成像系统的具体要求，研究了一种微小电容交流测量电路，电容测量电路的静态测量误差＜0.2%，漂移为每小时0.05%，实验结果表明：该系统的设计满足使用要求。     

12电极相干电容层析成像检测系统

在电容层析成像系统中,要求移相器的输出必须与检测信号达到精确同频同相,从而保证相敏解调输出的准确性．而在检测系统中存在大量杂散电容,使检测信号产生相移．为提高检测的准确性,以12电极油水两相流电容层析成像系统为研究对象,在分析电容层析成像系统测量原理的基础上,设计了电容层析成像检测系统,系统采用相干解调的方法避免了杂散电容对相位的影响．并通过实验验证了方法是实用可行的．     

电容层析成像RBF神经网络图像重建算法的改进

RBF神经网络图像重建算法在电容层析成像系统中应用广泛,它较好地克服了ECT系统的软场特性、强非线性和不适定性,其成像时间和成像精确度比其他算法都有很多改善.本文从有限元场域剖分、数据归一化和神经网络输入层角度对该算法进行了相关改进.仿真实验结果证明,改进后的算法有着更好的成像时间和成像精确度.     

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.     

电容层析成像系统中电容敏感场的建模与仿真

对电容传感器进行了数学描述,建立了电容敏感场分布的数学模型及其有限元模型,编制出电容敏感场分布有限元仿真软件,得到了电容敏感场分布结果并应用于电容层析成像系统样机之中.采用电荷法计算极板上电荷和极板间电容,具有运算简单速度快的优点,能显著提高电容层析成像系统的实时性.实验证明:本文建立的电容敏感场分布符合实际,在实际应用中获得了良好效果.     

基于混合模型电容层析成像系统敏感矩阵建立

电容层析成像系统的敏感场是一个非线性场,敏感场的分布数据作为图像重建所需的先验数据必须通过理论计算得到,对于同一套电容测量值,不同的归一化模型对重建图像的质量影响有明显的差异,为了提高重构图像质量,对归一化模型进行研究是十分有必要的.采取有限元法建立了传感器敏感场的数学模型,给出了8电极敏感场的分布,提出了一种新的基于正灵敏度归一化混合模型来提高图像的质量,并将此模型与传统的并联模型和串联模型进行了归一化电容值的比较,采用了Landweber迭代算法进行图像重建,给出了基于三种模型评价图像质量的迭代比较.仿真结果表明:验证了建立的有限元模型的正确性,采用基于正灵敏度归一化混合模型,可以获得比较均匀的灵敏场分布且符合实际,重建图像具有较高的精确度.