电容层析成像系统的电容测量电路

目前流动层析成像技术是公认的是具有前景的多相流参数检测途径，其发展主流之一是电容层析成像技术，其中小电容检测是该技术的关键和难题之一。针对电容层析成像系统，通过讨论比较，从三种小电容测量电路中选择出一种用于电容层析成像（ECT）系统，实验结果表明该电路能够满足使用要求。     

图像融合理论在电容层析成像中的应用

针对图像重建问题,介绍了电容层析成像的系统构成及基本原理,多分辨率图像融合方法和融合规则,并对预处理投影Landweber算法和改进的Tikhonov正则算法所仿真的结果进行图像融合。结果表明:融合图像成像精确度明显地提高,去除冗余信息后的图像更接近原型,可应用于现场两相流的实时图像重建。     

电容层析成像在滑动轴承润滑油膜测量中的应用

滑动轴承是燃气轮机、蒸汽轮机、压缩机等重型旋转机械中的关键部件,其安全稳定运行具有重大的经济意义。该文提出将电容层析成像技术用于滑动轴承润滑油膜分布的监测。根据滑动轴承的特点,设计特殊的传感器结构。将轴颈设为特殊的传感器电极,与轴瓦上的常规电极共同形成电极阵列,对轴颈和轴瓦间的环形空隙区域成像。对设计的传感器结构建立有限元模型,计算传感器电容、电极对灵敏场等,以分析传感器的特性。采用LBP和Landweber 2种算法重建滑动轴承润滑油膜分布图像,重建算法能较好地重建设定油膜分布下的图像。     

基于遗传算法电容层析成像图像重建算法的研究

采用了有限元法和归一化敏感场对传感器进行了仿真分析和计算，并提出了敏感场数值从有限元域到成像域的转换方法和一种新的基于遗传算法的ECT图像重建方法．该图像重建方法利用流型数据作为初始值在一定的范围内搜索最优解，能以较高的精度重建两相流体的断层图像，为ECT图像重建算法的研究提供了一个新的思路。     

基于MOR两相流电容层析成像图像重建

在电容层析成像系统（ECT）的研制中，普遍采用线性反投影法（LBP）进行图像重建，但LBP产生的图像模糊现象难以消除，通过引入基于模型的重建算法（MOR），利用计算机仿真的方法进行图像重建，可很好消除模糊效应，为流型辨识提供有效的途径。     

电容层析成像系统自适应电容归一化模型研究

电容层析成像(ECT)系统中,电容测量转换电路获得的数据必须经过归一化处理,才能使用重建算法进行图像重建。在并联、串联归一化模型的基础上,利用并联、串联模型的数学关系提出了自适应归一化模型函数关系。模型的自适应因子根据中心电场线(EFCL)划分的两个区域中单元到中心电场线的最小距离与最大距离的比值来计算,仿真及实验结果表明基于该模型的重建图像质量优于并联及串联模型。     

电容层析成像系统关键技术

介绍电容层析成像系统中两个关键技术：电容／电压转换电路和图像重建算法。电容／电压转换电路采用激励源幅值可控负反馈法设计，电路具有较好的线性度、稳定性和抗杂散电容干扰能力。图像重建算法采用正则化优化修正算法，实验结果表明，所重建的图像质量和图像重建速率都得到提高。     

一种新的电容层析成像电容测量值归一化模型

在电容层析成像(electrical capacitance tomography,ECT)图像重建中,测量电容需根据高、低介电常数进行归一化处理.并联模型为常用的归一化模型,其归一化电容值与测量电容值为线性关系.串联归一化模型,其归一化电容值与测量电容值则为非线性关系,与并联归一化模型相比,重建图像有所改善.最新提出的基于电力中心线的混联模型为并联及串联归一化模型的混合,该文针对混联归一化模型提出了确定模型因子的多阈值方法.仿真及实验结果表明.基于多阈值的混联归一化模型,其重建图像质量得到较大提高.     

基于敏感场变换的电容层析成像图像重建算法研究

快速而又具有一定精度的图像重建算法是电容层析成像(ECT)技术的关键。本文采用有限元方法,通过对敏感场机理的分析,提出一种基于敏感场变换的ECT图像重建新算法,通过对敏感场进行变换来提高电容传感器在管道中心区域的灵敏程度,从而提高管道中心区域的图像重建精度。该算法应用敏感场信息的部分数据和全部数据分别进行一次图像重建,将2次重建得到的图像进行组合得到最终重建图像。仿真和实验表明该算法能够快速而又较高精度的重建出两相流断层图像,尤其是在管道中心区域,图像重建精度有了较大提高。     

多相流电容层析成像系统的仿真研究

ECT技术是多相流检测领域中的新技术,在工业中有广阔的应用前景。基于有限元法,作者开发了ECT仿真软件,利用该软件对ECT系统进行了仿真研究。求出ECT敏感场的数值解,分析了敏感场灵敏度特性,建立了简化的图像重建模型,最后得到重建图像,获得了满意的结果。     

电容层析成像系统质量实验分析

利用电容层析成像系统实验装置对气/固两相流成像质量进行实验研究.实验结果表明,在图像重建算法一定的情况下,成像质量均受成像传感器极板长度、成像区域像素个数和成像对象等因素的影响.文中还提出了相应的解决方法.     

基于小波神经网络的电容层析成像图像重建算法

电容层析成像(electrical capacitance tomography,ECT)技术是一个复杂的非线性问题,针对图像重建问题的病态性,提出了基于小波神经网络的图像重建算法。利用主成分分析法对输入变量(电容测量值)进行降维处理,利用小波神经网络建立电容测量值与成像区域介电常数分布的非线性映射。小波神经网络的神经元激励函数由伸缩和平移因子决定的小波基函数,采用BP算法对网络进行训练,并引入学习率与动量因子的自适应调整方法以加快网络训练的收敛速度。实验结果表明,与典型的反投影及Landweber迭代算法相比,该算法所构图像质量有明显改善。     

电容层析成象图象重建算法研究

电容层析成象图象重建是一个非线性的不适应定问题,文中问题了已有的图象重建算法,对其局限性进行了深入讨论,强调了神经系统求解算法的优越性,并展望了进一步的研究方向。     

基于贝叶斯理论的电容层析成像图像重建迭代算法

提出了一种基于贝叶斯理论的电容层析成像(electrical capacitance tomography,ECT)图像重建算法。与现有的ECT图像代数重建算法不同,该算法将介质分布的先验信息和噪声信息等统计信息引入到ECT图像重建中。文中针对5种典型介质分布进行了数值仿真实验,结果表明该算法对于两相流中不同的介质分布均具有良好的适应性。迭代步数和先验概率的协方差取值对图像重建结果有较大影响。在迭代过程中,该算法所需的增益矩阵的更新不依赖于输入,因而可以离线预先计算,从而减小图像重建的计算压力,提高该算法重建速度。     

基于谱聚类和优化极端学习机的超短期风速预测

较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极端学习机的超短期风速预测方法。该方法首先利用小波变换和主成分分析对风速数据进行去噪和降维处理,剔除数据的不规则波动,有效降低数据维度;然后分别应用谱聚类对小波变换后的各分解序列进行聚类分析,减少训练样本空间,提高样本有效性,降低计算复杂度;再应用极端学习机对各分解序列分别进行训练,同时通过遗传算法对极端学习机输入权值、偏置等参数进行优化,确保各分解序列输出最佳预测模型;最后将各分解序列预测结果相加得到最终预测结果。以某风电场实际数据进行的建模结果表明该模型有效实现了对风速的超短期、多步预测,采用的方法合理有效。     

基于差分灵敏度模型的电容层析成像图像重建方法

电容层析成像(electrical capacitance tomography,ECT)图像重建本质上是非线性的、病态的逆问题,利用线性近似技术的重建方法被ECT广泛采用。该文研究了极板电容测量值和介质分布的非线性程度与灵敏度分布函数的梯度值之间的关系,并将灵敏度梯度幅度应用到灵敏度的归一化过程,用来提高线性近似模型的准确性。同时提出一种新的基于灵敏度差分的灵敏度归一化模型,根据灵敏度中心差分,组合并行归一化和串行归一化模型而构建归一化灵敏度矩阵,能够得到更好的图像重建线性近似模型。数值实验对比了3种归一化模型,并分析了基于差分模型的归一化灵敏度的特征。结果表明,利用新方法构建的归一化灵敏度矩阵代替常规的灵敏度矩阵,常用的Landweber迭代和Tikhonov正则化迭代算法在不增加重建时间情况下,重建图像质量得到明显改善。