一、电容层析成像技术及发展现状(论文文献综述)
龙航[1](2021)在《电容层析成像传感器输出特性优化研究及其系统设计》文中进行了进一步梳理电容层析成像(Electrical Capacitance Tomography,简称ECT)是一种可视化多相流参数检测技术。由于其具有非侵入性、时间分辨率高、无辐射、适用范围广、成本低廉等优点,在涉及气固两相流、气液两相流以及三相流等相关应用领域得到了广泛的关注和研究。ECT传感器本身存在的灵敏度低且空间分布不均匀、输出信号动态范围大等问题,不仅影响图像重建质量,还对数据采集系统提出了很高的要求。ECT数据采集电路在兼顾高灵敏度、高分辨率、高信噪比的同时,还要能适应很大的输入动态范围,这导致ECT数据采集电路一直是系统研发中的一个重点和难点。因此,优化ECT传感器输出特性对于提高图像重建质量和降低数据采集系统设计难度均具有重要意义。本课题针对传统ECT传感器输出动态范围大、灵敏度低等缺点,提出了基于隔离电极技术的ECT传感器输出特性优化方案,可有效降低ECT传感器输出动态范围,提高整体灵敏度。将隔离电极技术引入组合电极ECT传感器,进一步降低传感器输出动态范围,同时提高成像质量。本文提出的非对称式隔离电极组合ECT传感器动态范围可低至5.82,相对灵敏度高达2.91。研制了一套ECT数据采集电路,本套微弱电容信号采集电路具有较高的灵敏度和数据采集速度,以及很高的分辨率。其测量灵敏度为64mV/fF,数据采集速度可达793帧/s,分辨率高达4.8aF。搭建了气固两相流静态实验平台,对传感器输出特性优化结果和研制的数据采集电路进行实验验证。实验结果显示,本文对ECT传感器输出特性优化研究的结果符合理论预期,设计制作的ECT数据采集电路性能符合使用要求。本文提出的ECT传感器输出特性优化方案为ECT传感器的改进提供了一条新思路,有助于将ECT技术推向实用化。研发的ECT数据采集电路较为可靠,可配合相关软件投入实际应用,也为课题组后续研究奠定了基础。
陈阳正[2](2021)在《气水两相流位移电流相位层析成像方法与系统研究》文中进行了进一步梳理气水两相流是天然气开采及运输过程中常见的流型形式,受地质条件的影响,页岩气藏具有高矿化度的特点。当面对这类含高矿化度水的气水两相流,传统电学层析成像(Eelectrical Tomgraphy,简称ET)问题的非线性会加剧,为了解决这一局限性,本文研究了基于位移电流相位层析成像技术(Displacement Current Phase Tomography,简称DCPT)的可视化测量系统,DCPT属于ET的范畴,和ECT(Electrical Capacitance Tomography,简称ECT)同为非接触式无损检测技术,其具有全新的灵敏度理论-介质损耗因子灵敏度理论,能够适用于含高矿化度水的气水两相流的可视化测量。本文分别从理论分析,仿真建模,实验研究手段,提出了一种基于分流型成像策略的气水两相流DCPT可视化测量系统。本文的主要研究工作和阶段性成果如下:首先,结合本课题的研究背景以及ET技术的相似性,简介了ET技术,且从传感器结构、测量及采集电路、图像重建算法这三个方面对目前ET技术的研究现状进行了综述,并分析了传统ET技术的非线性问题。然后,从DCPT系统原理出发,研究了DCPT的数学物理模型和灵敏度理论,并给出了灵敏度系数的计算式。根据实验中所用到的管道和电极结构参数,在COMSOL多物理场仿真软件中建立了DCPT传感器模型。其次,基于前面构建的仿真模型,对不同含率的偏心流、层流以及其他常见流型,在电导率为0.1S/m的水环境下进行了仿真分析,仿真结果表明DCPT相较于ECT具有更广泛的线性化假设区间,重建图像的位置和轮廓更加接近真实介质分布,通过采用LBP和Landweber算法对不同流型的气水两相流的重建图像对比,发现当流型为分层流(分界面连续)时,LBP算法的重建图像效果更好,而Landweber算法图像模糊无法辨识流型,但对于非分层流Landweber算法重建效果要优于LBP,因此提出了分流型成像策略,并通过仿真实验验证了该策略的有效性,提高了图像重建质量。再次,系统硬件方面,设计了稳定性好,噪声低的导纳角测量电路、多电极阵列开关控制电路和模数转换电路,软件方面设计了基于QT和MATLAB混合编程的气水两相流DCPT可视化测量系统的上位机软件。最后,通过实验评估了导纳角测量电路重复测量的稳定性,并通过模拟不同流型的气水两相流,验证了分流型成像策略的DCPT可视化测量系统的有效性。由实验结果可以得出结论:本文的气水两相流DCPT可视化测量系统能够准确反应截面介质分布。
杨健[3](2021)在《弧形介质分布ECT图像重建及传感器优化》文中研究指明在实际的工业生产过程当中,时常会遇到两种或两种以上的物体混合共同流动的工况,这一现象一般被学术界还有工业界称为多相流。而目前能够解决两相流中的过程检测的重要手段就是被广泛应用的过程层析成像(Process Tomography,PT)技术。电容层析成像(Electrical Capacitance Tomography,ECT)这种技术就是过程层析成像技术的一种,它具有高精度和非侵入性,成本低,结构简单等诸多优点。只要各相的介质之间具有不同的介电常数,都可以应用该技术,其原理是利用安装于被测装置上的一系列传感器阵列电极板,形成了可从不同角度扫描被测物场空间的敏感场,并根据被测物场中不同的介质具有不同的介电常数这一特性,进而实现了对物场分布不完整信息的提取,再利用合适的图像重建算法,对管道内被测物场的各相分布以一种可视化的图像形式进行恢复。本文主要通过改善敏感场来提高重建图像的质量,联合使用Ansys Maxwell,C++和Matlab进行研究,本论文的主要的研究工作还有成果如下:(1)对ECT技术进行了简单的原理介绍,对ECT系统的组成还有数学原理中的正逆问题进行了数学解释。针对特定模型设计了 36电极的弧形电容传感器。对传统的成像算法进行了介绍,并对典型算法进行了一般流形下的图像重建分析。(2)由于敏感场具有“软场”特性,因此在实际的环境下,敏感场会随着介质的改变而改变,但敏感场理论上是不希望被改变的,因此本文通过改变被测区域内介质的摆放位置测得各个位置的电容值,并通过电容值和灵敏度矩阵还有介电常数分布矩阵的关系来求得理想状态下固定不变的敏感场,并以新旧方法所成敏感场为基础进行了重构图像分析优劣性。(3)当传感器为长条形时,被测区域存在极端化的情况,例如过长,过窄,不规则等等,并基于横跨测量区域两端的电极信号的极低的信噪比会降低整体的测量精度,继而造成部分测量区域的劣质信号这一现象,对36极板的传感器的边缘相距较远的极板进行了敏感场的优化处理,并以优化前后的敏感场为基础进行了弧形物体的图像重建,并使用误差分析对比其优劣性。
林勇磊[4](2021)在《多相介质分布电容/微波层析成像仿真与实验研究》文中认为多相介质分布广泛存在于工业生产过程,例如原油运输过程中的油/气/水多相流,制药行业中流化床内颗粒干燥过程中的含水气-固分布等。上述多相流动状态的监测对过程安全具有重要影响,如石油/天然气运输管道内水的存在会给多相流的运输带来巨大的风险;流化床颗粒干燥过程中,维持稳定的流动状态是保证过程高效安全的首要条件,当高含水率颗粒流化停滞时,往往会发生颗粒的凝聚,伴随着传热传质水平的下降,严重影响产品质量,甚至造成物料报废。上述过程很难通过直接观测获得流态信息,系统属于“黑匣子”状态。因此,对多相介质分布进行实时在线监测具有重要的理论意义和工程应用价值。目前,多相介质分布测量技术主要包括单点测量和过程层析成像测量。单点测量技术主要是通过压力探头、光纤探头等对特定位置的流动状况进行监控,属于接触式测量,对流场产生干扰,所提供的信息量有限。过程层析成像技术属于非接触式测量,能够实现多相介质分布过程的在线监测及流型识别,如电容层析成像技术(ECT)已被广泛用于实验规模和工业规模的成像监测。对于复杂多相体系,依靠单一成像手段往往难以满足测量需求,如在高含水率多相介质分布条件下,ECT技术难以发挥作用。因此,需采用可满足高含水率介质测量的层析成像技术,如微波层析成像(MWT)。综合运用ECT和MWT技术进行多相介质分布动态测试为相关工业过程提供指导,具有重要的研究价值。结合仿真模拟和数值计算,本文利用了非接触式电容/微波(ECT/MWT)层析成像技术,对典型的多相介质分布进行了静态和动态测试研究。对气-液/液-液分布和不同含水率的气-固分布的静态分布进行了仿真模拟和实验研究;利用了原始图像更新敏感场的方法进行了 ECT图像和MWT图像的优化研究;基于CFD数值计算和双模态电学层析成像技术,对流化床内颗粒流化和高含水率颗粒的气-固分布分别进行了数值计算和干燥过程监测。主要的研究内容包括:(1)基于本文设计的8电极圆形ECT电极传感器和16电极圆形MWT电极传感器,研究了油-水/油-气静态分布,得到了仿真模拟和实验结果。研究结果表明:ECT系统适合测试油-气两相分布,但不适合测试含水相液-液分布,即使在超量程的标定背景下同样无法完成正常测试,仿真模拟结果与ECT实验结果类似;MWT系统不适合测试油-气两相分布,但适合测试油-水两相分布,特别在超量程的标定背景下可获得更明显的成像结果。(2)基于本文设计的12电极圆形/方形ECT电极传感器和16圆形/方形电极圆形MWT电极传感器,对高含水率颗粒进行了 ECT/MWT成像研究。结果表明:ECT测试不同湿度的颗粒时,高标定介质的含水率和被测介质的含水率均存在上限值,且不同流型的上限值不完全一致。当高标定介质的含水率或被测介质的含水率过高时,ECT系统无法工作,图像完全变形。仿真模拟的结果与ECT实验结果类似。MWT测试不同含水率颗粒时,高标定介质的含水率和被测介质的含水率不受限制。固定标定背景下,含水率越高的介质MWT成像区域越明显。过高的含水率颗粒会导致流型无法正常识别,比如“环-核”分布。对于0-30%的含水率颗粒,越低含水率颗粒作为高标定介质时ECT图像质量越高,越高含水率颗粒作为高标介质时MWT流型识别能力越强。(3)利用敏感场更新的方法对ECT和MWT进行了图像优化研究,分析了不同电容归一化方式对成像结果的影响。研究结果表明:利用图像误差最小的初始ECT图像更新敏感场后,重建的ECT图像的最佳归一化方式改变;而且,利用图像误差最大的初始ECT图像更新敏感场后,重建的ECT图像的最佳归一化方式改变,但可获得更优的ECT图像;利用MWT图像更新敏感场进行ECT图像重构后,重构的ECT图像误差明显小于MWT图像误差,可实现MWT图像优化。(4)基于ECT和MWT对高含水率颗粒干燥过程进行了实验研究,分析了不同入口流化速度和流化温度对干燥过程的影响。实验结果表明,可互补地利用ECT系统和MWT系统监测复杂高含水率颗粒气-固动态过程。ECT系统在进行高含水率颗粒的实验测量时,测量初期特别是颗粒含水率高于20%以上时ECT系统无法完成高含水率的正常成像。但随着干燥颗粒的湿度降低,ECT图像趋于正常,可实现流型识别。ECT系统用于判断流型,MWT系统用于判断颗粒含水率变化。电学信息结合在线的压力、湿度、温度等单点测量的信息可全面地反应干燥过程中颗粒流化的状态。(5)采用CFD数值计算方法,对流化床内干燥颗粒开展了气-固流化模拟研究,考察了不同物料高度和不同流化风速对气-固多相流流态化的影响。利用颗粒的浓度分布和速度分布对流化床内不同高度上进行流态研究。结果表明,CFD数值计算结果与ECT冷态实验结果一致,颗粒在底部为锥形的流化床内主要呈现“环-核”分布;选择合适的流化风速和物料高度,有利于提高ECT成像的准确性。ECT对流化床内中心区域的空间分辨率低,该区域颗粒流化不易被捕捉,CFD数值计算结果可为ECT“软场效应”提供补充信息。通过本文研究表明,电容层析成像技术和微波成像技术可互补性地应用于工业生产中进行多相流监测,例如油-水/油-气两相分布流型识别和高含水颗粒干燥过程监测。敏感场更新方法可优化多相介质分布的ECT图像和MWT图像。MWT技术在高含水率介质测量方面能弥补ECT系统的不足。数值计算结果可指导流化床内匹配合适的物料量和配风量,并可补充颗粒流化的浓度信息和速度信息。
陈峰[5](2021)在《电容层析成像系统传感器设计与图像重建》文中提出电容层析成像(Electrical Capacitance Tomography,简记ECT)技术是一种计算机断层扫描技术。该技术对封闭空间施加交变激励电压,被测物场中的导电介质产生感应电荷,均匀分布在封闭空间外部的电极从多个角度采集电容数据,再利用电容数据和灵敏度矩阵来重建封闭空间内导电介质的物质分布。ECT技术以非辐射、非侵入、耐高温、成本低、易获取过程参数等优点,被广泛应用于多相流检测和燃烧可视化检测等领域,是一种理想的无损检测技术。ECT系统的性能取决于传感器采集精度和图像重建的求解精度和速度,本文基于12电极ECT系统,对传感器设计与图像重建等关键问题展开研究,主要内容如下:详细论述了ECT系统工作原理和系统组成,对ECT的数学模型进行推导,对传感器结构进行分析,采用有限元分析法建立了测量电容值与灵敏度矩阵的关系,推导出图像重建的求解模型,为ECT系统的传感器设计和图像重建建立理论基础。针对传感器结构参数对数据采集精度的影响,首先建立了传感器敏感场的数学模型,在改变传感器激励模式、极板宽度、极板张角、径向屏蔽电极和绝缘填充材料等参数后,从静电场分布、“软场”效应等方面分析了传感器性能的变化,根据各物理参数的最优解设计了传感器。通过图像重建结果验证,优化后的传感器具有更高的性能。针对ECT系统中传感器装置对系统精度的影响,设计了一种基于光敏触发的传感器,同时采用了传输光信号和屏蔽电磁波的光窗结构,提供了电磁屏蔽和光敏元器件的保护功能。对ECT系统的数据采集模块进行分析,针对杂散电容对传感器性能的干扰,引入了内部等电驱动电缆屏蔽技术,并采用双T型开关矩阵与数字解调技术。实验结果表明,基于光敏传感器的ECT系统提高了图像的信噪比,增强了电容的输出灵敏度。为提高图像重建精度,提出了一种基于超分辨率图像特征提取的ECT快速图像重建算法。采用超分辨率图像重建模型获得超分辨率图像,基于倒角距离函数提取超分辨率的图像特征。计算图像边缘特征,以重心为极点进行极化,获得振幅直径曲线上边缘的局部极限点,确定超分辨率图像的特征点,实现了图像重建。实验结果表明,该算法可快速提取超分辨率图像特征,并有效控制了图像重建过程中边缘化效应问题。针对流型辨识总体准确率不高的问题,采用偏最小二乘方法,以12电极ECT系统正问题仿真得到的多组电容值为原始数据,基于层流、单滴流、核心流、环流4种典型流型训练了分类模型,并利用该模型实现了流型辨识。与二次判别分析和线性判别分析等分类算法相比,采用偏最小二乘方法融合线性判别分析方法具有较高的总体分类准确率。
卢楚怡[6](2021)在《ECT电容信号的预处理及变压器耦合测量电路的特性分析》文中提出电容层析成像技术(Electrical Capacitance Tomography,简称 ECT)是一种可以根据传感器间电容变化量反应出管道内不同时刻介电常数的分布的过程层析成像技术。ECT技术将传感器采集到的数据结合相应的图像重建算法将管道或容器内介质分布图显示出来,通过提取图像的特征参数参与过程控制。由于该技术具有不会对原先的流体流动造成干扰、测量速度较快、结构简单且应用范围广等优点,近年来广泛应用于电力、化工、能源、冶金、食品以及轻工等领域。电容层析成像数据采集系统是ECT系统中重要的一环,一方面,优化微小电容测量电路可以在信号传输过程中尽可能避免静电干扰和外界电磁场对测量信号造成影响,另一方面,对原始信号进行数据预处理,提取信号中有用的部分,可以提高后续图像重建的准确性。因此,对电容测量电路和数字滤波方法的研究有着重要的意义。本文在前人研究的基础上,设计了一种变压器耦合的电容测量电路,并提出了一种结合中值滤波和LMS自适应滤波方法的复合滤波器,并且设计实验和仿真对变压器滤波的效果、整体电路的性能和数字滤波器的作用进行了验证。实验和仿真结果表明变压器具有抗静电和抗干扰性能,复合滤波器可有效降低噪声对信号的影响,硬件实验平台基本可以满足ECT系统的数据采集工作要求。
李长棣[7](2021)在《基于图神经网络的ECT图像重建算法研究》文中进行了进一步梳理电容层析成像(Electrical Capacitance Tomography Technology,ECT)是在20世纪80年代逐渐发展起来的一种多相流检测技术,它通过测量管道外围电极间的电容值来计算管道内部物质介电常数的分布。电容层析成像作为一种具有很大发展前景的工业新兴技术,它以其低成本、响应快、非侵入、结构简单等特点,在石油、化工等诸多工业领域广泛应用,同时近几年也成为专家学者研究的热点之一,但在实际应用中ECT系统存在非线性问题仍然尚未完全解决,造成ECT系统图像重建效果难以满足工业需求,为克服ECT图像重建系统存在的问题,针对ECT图像重建算法的深入探究是解决问题的关键,未来仍需更多专家学者深入学习研究该技术。本文针对上述问题,在查阅国内外诸多相关参考文献的基础上,基于ECT图像重建的基本理论,详细阐述图神经网络(Graph Neural Networks,GNN)理论思想,并结合图神经网络思想,提出一种基于图神经网络的ECT图像重建新型算法,本文主要完成以下几个任务:1.首先详细分析了本文的选题研究背景以及研究的意义,并介绍过程层析成像技术基本原理以及分类,总体概括ECT系统国外以及国内发展现状,且阐述几种传统经典的图像重建算法,并对其算法优缺点进行分析比较。2.然后详细介绍ECT系统的结构组成及基本原理,并基于电磁学麦克斯韦方程建立的数学模型,通过利用COMSOL有限元软件,对ECT系统进行仿真计算,进而求解电容传感器电极间的电容数据以及灵敏度场,为后续ECT图像重建提供先验信息。3.针对ECT图像重建非线性问题,本文通过邻接矩阵来真实反映ECT图像像素间存在的相互影响,提出一种ECT图像邻接矩阵的构建方法。首先对ECT系统进行理论研究,通过研究发现ECT系统物场分布与电容传感器输出具有非线性关系,通过仿真实验验证ECT系统存在非线性关系的正确性。然后对ECT图像邻接矩阵构建问题进行研究,由于其非线性关系主要体现在像素灰度之间相似程度及像素间距离上,据此构建ECT图像邻接矩阵,为后续基于图神经网络进行ECT图像重建做准备。4.针对利用传统ECT图像重建算法存在重建图像精度不高问题,提出一种基于图神经网络的ECT图像重建新型算法,通过提取大量多样的流型样本作为网络训练集,建立网络模型,通过Landweber算法重建图像作为网络初始输入,利用GNN网络模型对不同种类流型进行ECT图像重建,最后输出重建图像。5.最后通过仿真实验,引入两个常用的图像评价指标图像误差和相关系数来进行图像质量评价,通过实验仿真结果比较分析,本文算法相比传统算法图像重建结果的图像误差更小且相关系数更大。由此可见,本文算法可以更好提高图像重建质量,进一步证明了图神经网络在ECT图像重建系统中的可行性和有效性。
杨博韬[8](2021)在《电容层析成像多层传感器设计与图像重建的研究应用》文中研究指明电容层析成像(Electrical Capacitance Tomography,简记ECT)是工业检测的重要手段,它的原理是通过交变激励电场从多个角度对含有导电物质的空间进行扫描,导电物质在电场的激励下产生感应电荷,对原电场产生反作用。通过在密闭的管道或容器周围均匀分布的检测电极可以从不同方向收集测得的电容数据,然后使用电容值和灵敏度矩阵来重建物质分布图像。ECT系统的关键技术包括传感器的优化设计、数据采集电路的设计、流型识别和图像重建等。ECT技术因其低成本、非侵入性与可直接获取过程参数等优势,被广泛应用于工业生产中,是一种理想的工业实时检测手段。本文针对ECT系统中传感器优化设计与图像重建算法方面分别进行了研究,主要工作如下:在传感器设计方面,采用有限元分析方法建立3层12电极的传感器,利用模型动扰法与Maxwell方法进行物理场的仿真实验,通过更改传感器电极板角度、管壁厚度和激励模式等方式,分析空、满管电容值与灵敏度矩阵的变化,得出传感器物理结构参数对测量的影响,同时在3层12电极传感器模型上,使用同层相邻双电极作为激励电极,比较在不同激励模式下多层传感器的采集精度与电容值的变化范围,并得出最优解。实验结果表明,优化后的传感器测量值增加,采集信号更强,物场内灵敏度矩阵变化更明显,图像重建精度明显提高。在图像重建方面,针对迭代类算法迭代次数多、收敛速度慢、介质分界面存在平滑效应与迭代步长难以选取等问题,提出了一种基于正则化迭代修正的图像重建算法。该算法在ECT图像重建算法中增加正则化项,采用自适应权重系数的方法,以四种典型ECT流型作为标准流型进行图像重建,实验表明,在保证图像重建时效性的同时,该算法改善了图像重建质量,提升了收敛速度,在重建速度和准确性上均优于传统的迭代算法。
何学楷[9](2021)在《非接触式电阻抗层析成像技术及图像重建算法研究》文中研究表明气液两相流在日常生活和工业生产中广泛存在,由于其复杂性,对气液两相流进行状态监测和参数测量一直是相关领域内的难点。目前,电容耦合式电阻抗层析成像技术(Capacitively Coupled Electrical Impedance Tomography,简称CCEIT)是一种新型的对气液两相流进行动态监测和参数测量的技术。它具有非接触式测量和同时利用气液两相流的实部信息和虚部信息来进行相关测量等优点。但目前对CCEIT技术的研究仍不充分。一方面是其硬件系统仍需要完善,尤其是目前CCEIT技术未考虑传感器的屏蔽设计。另一方面,现有的气液两相流图像重建算法研究比较匮乏,亟需提出能充分挖掘CCEIT技术潜能的图像重建算法。本学位论文针对CCEIT技术存在的不足展开研究。主要包括:1)对三种不同的传感器构型的对比研究以及硬件系统的完善。2)将无监督聚类算法引入气液两相流图像重建中,提出了两种新型图像重建方法。本学位论文的主要工作和创新点如下:1.对比分析了三种不同的传感器构型。本文通过在CCEIT的传感器设计中引入外部屏蔽罩和径向电极,研究了三种不同的传感器构型下的电路模型、边界条件和灵敏场分布特性。根据研究结果,本文完善了 CCEIT技术的硬件系统并搭建了一套12电极非接触式电阻抗层析成像(Contactless Impedance Tomography,简称CIT)系统样机。2.基于线性反投影(Linear Back Projection,简称LBP)算法和高斯混合模型(Gaussian Mixture Model,简称GMM)聚类算法,本文提出了一种适用于CIT技术的图像重建算法,即LBP+GMM算法。利用上述系统样机进行的图像重建实验结果表明所提出的LBP+GMM算法是有效的。与其他传统的图像重建算法相比,LBP+GMM算法能够在较少的先验知识和人工干预的情况下,获得较高质量的重建图像,其相对图像误差不超过7.9%。3.基于LBP算法和具有噪声的基于密度的空间聚类(Density-based Spatial Clustering of Applications with Noise,简称 DBSC AN)算法,本文提出了一 种新型图像重建算法,即LBP+DBSCAN算法。利用上述系统样机进行的图像重建实验结果表明所提出的LBP+DBSCAN算法是可行的,与其他图像重建算法相比,LBP+DBSCAN算法需要更少的先验知识和预设经验参数,避免了人工干预对图像重建质量的影响,且其图像重建质量较好,相对图像误差不超过6.1%。4.为了充分利用电阻抗的各部分信息,本文在LBP+DBSCAN算法的基础上,提出了一种图像融合策略。基于均方误差(Mean Square Error,简称MSE)图像评估指标,本文对LBP+DBSCAN算法获得的基于电阻抗实部和虚部信息的图像进行像素级图像加权融合。图像融合实验表明,本文提出的图像融合策略是可行的,融合图像的质量有了进一步的提升,其相对图像误差不超过4.1%。
郝泽政[10](2020)在《基于特征提取的ECT两相流流型识别》文中提出两相流系统广泛应用于石油、化工、航天等领域。流型是两相流最基本的特征参数。准确测量两相流的其他参数通常依赖于对流型的了解。因此,准确识别两相流流型具有重要意义。电容层析成像(Electrical Capacitance Tomography,ECT)是电学层析成像(Electrical Tomography,ET)的一种模态,具有安全无辐射、非接触、结构简单、成本低、实时性好等特点。该技术通过测量介电常数分布来确定介质分布,主要用于管道内部两相流的实时成像及流型辨识。利用ECT系统实现两相流流型识别的研究越来越受到重视。本文围绕基于ECT的流型辨识展开研究,主要工作及成果可简述如下。1.研究了基于COMSOL WITH MATLAB的两相流流型自动建模方法。大多数流型辨识方法都需要一个大规模的数据集,以获得更高的辨识精度和更好的模型泛化性能。针对手动建模方法建模效率低,流型主观性强、大规模数据集获取困难的实际问题,提出了基于COMSOL WITH MATLAB的流型自动建模方法,实现了8种典型两相流流型的自动建模设计,为流型的辩识奠定了基础。2.提出了分别基于等宽分箱和等频分箱的两种ECT归一化电容值预处理方法。在此基础上,提出了基于数据分箱和支持向量机(SVM)的ECT流型辨识方法。其基本思路是先对ECT系统得到的归一化电容值进行数据分箱预处理,用箱号代替箱内数据,降低与分类无关的冗余信息;然后将分箱处理后的数据归一化后输入到用改进粒子群算法优化的SVM分类器,实现8种典型流型的分类。仿真与实验结果表明:所提的数据预处理方法可有效地提高了流型特征的敏感度,降低了与分类无关的冗余信息,提高了流型辨识准确率。与等宽分箱方法相比,等频分箱方法的抗噪声能力更强。3.对比了不同数据预处理方法及不同流型辨识分类器测试情况。分别利用文献中不同的数据预处理输入以及本文数据分箱-箱号平滑预处理方法输入到不同的流型辨识分类器,结果表明:经过本文数据预处理之后,不同分类器均取得良好的分类效果,验证了数据分箱-箱号平滑数据预处理的有效性,其中等频分箱-箱号平滑预处理方法效果最好准确率达到了99%,等宽分箱-箱号平滑预处理方法次之准确率达到了98%。本文研究为ECT流型辨识提供了新途径。
二、电容层析成像技术及发展现状(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电容层析成像技术及发展现状(论文提纲范文)
(1)电容层析成像传感器输出特性优化研究及其系统设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 ECT技术研究现状 |
1.2.1 ECT传感器研究现状 |
1.2.2 ECT数据采集电路研究现状 |
1.3 本文的主要研究内容 |
1.4 本文的组织结构 |
2 电容层析成像技术原理 |
2.1 ECT传感器 |
2.1.1 ECT传感器结构 |
2.1.2 ECT传感器工作原理 |
2.1.3 ECT传感器分类 |
2.1.4 结构参数对ECT传感器性能的影响 |
2.2 ECT数据采集系统 |
2.2.1 直流充放电法 |
2.2.2 交流法 |
2.3 ECT图像重建算法 |
2.3.1 线性反投影算法 |
2.3.2 Landweber迭代算法 |
2.4 ECT技术存在的问题 |
3 隔离电极ECT传感器仿真研究 |
3.1 ECT传感器数学模型 |
3.2 隔离电极ECT传感器有限元仿真 |
3.2.1 COMSOL软件简介 |
3.2.2 ECT传感器有限元仿真 |
3.2.3 灵敏场计算 |
3.3 隔离电极ECT传感器仿真研究 |
3.4 隔离电极结构参数对ECT传感器性能特性的影响 |
3.5 隔离电极组合ECT传感器 |
3.6 本章小结 |
4 ECT数据采集系统 |
4.1 交流法微弱电容检测原理 |
4.1.1 互相关检测 |
4.1.2 锁定放大器 |
4.1.3 交流法微弱电容检测原理 |
4.2 ECT数据采集系统设计 |
4.2.1 电极开关阵列 |
4.2.2 信号发生器 |
4.2.3 C/V转换电路 |
4.2.4 交流放大 |
4.2.5 带通滤波 |
4.2.6 相敏检测 |
4.2.7 差分放大电路 |
4.3 控制与通信系统 |
4.3.1 数/模转换器DAC及其接口电路 |
4.3.2 模/数转换器ADC及其接口电路 |
4.3.3 数据通信 |
4.4 PCB设计 |
4.5 本章小结 |
5 ECT实验研究 |
5.1 ECT实验平台 |
5.2 隔离电极ECT传感器实验 |
5.3 隔离电极组合ECT传感器实验 |
5.4 本章小结 |
6 结论 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文、专利 |
(2)气水两相流位移电流相位层析成像方法与系统研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 论文的研究目的及意义 |
1.2 两相流电学层析成像研究现状 |
1.2.1 气水两相流主要测量参数 |
1.2.2 电学层析成像技术简介 |
1.2.3 电学层析成像技术国内外研究现状及存在问题 |
1.3 论文研究内容及结构 |
第二章 位移电流相位层析成像原理 |
2.1 DCPT系统简介 |
2.2 DCPT技术的正问题 |
2.2.1 DCPT传感器的数学物理模型 |
2.2.2 DCPT灵敏度理论 |
2.3 DCPT技术的逆问题 |
2.3.1 逆问题求解难点 |
2.3.2 图像重建算法介绍 |
2.4 DCPT系统测量原理 |
2.4.1 导纳角测量原理 |
2.4.2 相敏解调电路原理 |
2.5 本章小结 |
第三章 DCPT仿真分析及分流型成像策略研究 |
3.1 DCPT技术的仿真分析 |
3.1.1 不同半径的偏心流仿真分析 |
3.1.2 不同高度的分层流仿真分析 |
3.1.3 其他流型的仿真分析 |
3.2 分流型成像策略研究 |
3.2.1 特征量的提取 |
3.2.2 BP神经网络模型 |
3.2.3 BP神经网络模型的训练和识别 |
3.2.4 分流型成像效果仿真验证 |
3.3 本章小节 |
第四章 位移电流相位层析成像系统设计 |
4.1 系统总体方案 |
4.2 DCPT传感器 |
4.3 位移电流相位层析成像系统的硬件设计 |
4.3.1 正弦信号发生器 |
4.3.2 移相器 |
4.3.3 导纳测量电路 |
4.3.4 多电极阵列开关控制电路 |
4.3.5 模数转换模块 |
4.4 基于QT的上位机软件设计 |
4.4.1 基于QT的串口通信 |
4.4.2 基于QT和 MATLAB混合编程的重建算法实现方法 |
4.4.3 QT人机交互界面 |
4.4.4 上位机软件工作流程 |
4.5 本章小结 |
第五章 位移电流相位层析成像系统试验 |
5.1 导纳测量电路的稳定性测试 |
5.2 气水两相流可视化测量试验平台 |
5.3 试验结果分析 |
5.4 本章小结 |
第六章 总结及展望 |
6.1 完成的工作 |
6.2 创新点 |
6.3 存在的问题和今后的工作 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(3)弧形介质分布ECT图像重建及传感器优化(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 电容层析成像技术 |
1.2.1 电容层析成像技术 |
1.2.2 电容层析成像技术发展趋势 |
1.2.3 电容层析成像技术的技术难点 |
1.3 国内外研究现状 |
1.4 本文主要研究内容 |
第2章 ECT技术理论基础 |
2.1 ECT系统的组成部分 |
2.1.1 电容传感器单元 |
2.1.2 数据采集单元 |
2.1.3 图像重建单元 |
2.2 ECT系统工作原理 |
2.2.1 数学原理 |
2.2.2 正问题 |
2.2.3 逆问题 |
2.2.4 优化策略 |
2.3 图像重建算法 |
2.3.1 LBP算法 |
2.3.2 Landweber算法 |
2.4 本章小结 |
第3章 基于Ansys Maxwell的传感器建模 |
3.1 Ansys Maxwell简介 |
3.2 传感器有限元模型 |
3.2.1 建立物理模型 |
3.2.2 材料设置 |
3.2.3 求解器以及边界条件设置 |
3.2.4 激励源的设置 |
3.2.5 网格剖分 |
3.2.6 求解项的设置 |
3.3 本章小结 |
第4章 电容层析成像系统的敏感场分析 |
4.1 敏感场 |
4.2 敏感场的计算与图像 |
4.2.1 敏感场的计算 |
4.2.2 敏感场的图像 |
4.3 实验分析 |
4.4 本章小结 |
第5章 传感器优化 |
5.1 传感器优化重要性 |
5.2 传感器边缘极板敏感场分析 |
5.3 传感器优化策略 |
5.4 本章小结 |
第6章 总结与展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(4)多相介质分布电容/微波层析成像仿真与实验研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.2 多相介质分布测量技术简介 |
1.2.1 单点测量 |
1.2.2 光学成像技术 |
1.2.3 电学层析成像技术 |
1.2.4 多相介质分布测量技术小结 |
1.3 多相介质分布电容层析成像测量研究现状 |
1.3.1 气-液分布电容层析成像 |
1.3.2 气-固分布电容层析成像 |
1.3.3 双模态电容层析成像研究现状 |
1.3.4 电容层析成像图像重建中的挑战 |
1.3.5 多相介质分布电容层析成像测量小结 |
1.4 气-固分布数值计算研究现状 |
1.4.1 欧拉-欧拉法 |
1.4.2 欧拉-拉格朗日法 |
1.4.3 曳力模型 |
1.4.4 气-固分布值计算小结 |
1.5 本文研究目的和研究内容 |
1.5.1 本文研究目的 |
1.5.2 本文各章节研究内容 |
第2章 多相介质分布仿真模拟及ECT/MWT静态测试 |
2.1 ECT及MWT图像重构 |
2.1.1 ECT图像重构 |
2.1.2 MWT图像重构 |
2.1.3 定量评价指标 |
2.2 液-气/液-液两相分布静态仿真 |
2.2.1 ECT敏感场计算 |
2.2.2 液-液两相分布仿真模拟 |
2.2.3 气-液两相分布仿真模拟 |
2.2.4 迭代步数和迭代步长对ECT图像的影响 |
2.3 液-液/液-气两相分布ECT和MWT静态实验 |
2.3.1 ECT测试 |
2.3.2 MWT测试 |
2.3.3 液-液/液-气静态分布测试小结 |
2.4 不同含水率气-固两相分布仿真模拟 |
2.4.1 测试工况 |
2.4.2 电容归一化方式 |
2.4.3 圆形12电极仿真模拟 |
2.4.4 方形12电极仿真模拟 |
2.4.5 仿真模拟小结 |
2.5 不同含水率气-固两相分布静态测试 |
2.5.1 静态测试实验台 |
2.5.2 实验方法和工况 |
2.5.3 气-固颗粒ECT静态测试 |
2.5.4 气-固颗粒MWT静态测试 |
2.5.5 ECT图像和MWT图像的误差 |
2.5.6 不同含水率气-固两相分布测试小结 |
2.6 本章小结 |
第3章 基于更新敏感场的ECT/MWT图像优化研究 |
3.1 LANDWEBER成像算法 |
3.2 基于ECT图像更新的敏感场进行图像优化 |
3.2.1 仿真模拟流型及更新前后的敏感场 |
3.2.2 圆形ECT电极敏感场更新 |
3.2.3 方形ECT电极敏感场更新 |
3.2.4 ECT图像优化小结 |
3.3 基于更新的敏感场进行MWT图像优化 |
3.3.1 MWT图像更新的敏感场 |
3.3.2 基于MWT图像更新敏感场后的ECT图像 |
3.3.3 圆形MWT图像优化 |
3.3.4 方形MWT图像优化 |
3.3.5 MWT图像优化小结 |
3.4 不同电容归一化方式下ECT图像更新的敏感场 |
3.5 本章小结 |
第4章 ECT/MWT多相介质分布动态测试 |
4.1 高含水率气固多相介质分布的ECT测量 |
4.1.1 实验系统及物料 |
4.1.2 不同流化风速下低含水率的气-固颗粒流化 |
4.1.3 不同流化风速下高含水率的气-固颗粒干燥 |
4.1.4 不同干燥温度下高含水率的气-固颗粒干燥 |
4.1.5 ECT系统测试气固多相流小结 |
4.2 ECT/MWT双模态高湿度气-固多相流测量 |
4.2.1 实验台及工况 |
4.2.2 未干燥玉米粒在不同流化风速下的ECT测量 |
4.2.3 流化风速和流化温度对颗粒干燥过程影响 |
4.2.4 物料质量对干燥过程的影响 |
4.2.5 干燥过程ECT及MWT互补测量 |
4.2.6 本节小结 |
4.3 本章小结 |
第5章 实验结果CFD校核与对比 |
5.1 欧拉-欧拉双流体计算模型 |
5.1.1 控制方程 |
5.1.2 本构方程 |
5.1.3 曳力模型 |
5.2 参数及工况设计 |
5.3 流化床颗粒流化可视化分析 |
5.3.1 不同初始物料高度下颗粒流化 |
5.3.2 不同流化风速下颗粒流化 |
5.4 气/固相数值计算量化分析 |
5.4.1 固相体积分数分布 |
5.4.2 固相轴向/径向速度分布 |
5.4.3 气相轴向/径向速度分布 |
5.5 数值计算与实验测试结果对比 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 本文创新点 |
6.3 课题展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(5)电容层析成像系统传感器设计与图像重建(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 两相流的概念 |
1.3 国内外研究现状 |
1.3.1 ECT系统的现状 |
1.3.2 传感器研究现状 |
1.3.3 数据采集系统研究现状 |
1.3.4 图像重建研究现状 |
1.4 课题来源及研究内容 |
1.5 论文组织结构 |
第2章 ECT系统的结构与理论基础 |
2.1 引言 |
2.2 ECT系统的组成 |
2.3 ECT系统理论基础 |
2.4 ECT系统的数学模型 |
2.4.1 ECT系统正问题模型 |
2.4.2 有限单元法模型 |
2.4.3 ECT反问题数学模型 |
2.5 电容传感器结构 |
2.6 ECT图像重建 |
2.6.1 ECT图像重建标准 |
2.6.2 ECT图像重建算法 |
2.7 本章小结 |
第3章 ECT系统敏感场数值计算与传感器结构优化 |
3.1 引言 |
3.2 传感器结构 |
3.3 传感器敏感场剖分 |
3.4 影响传感器性能的物理参数分析 |
3.5 传感器激励模式的分析 |
3.6 模拟条件设置 |
3.7 仿真实验 |
3.8 本章小结 |
第4章 ECT系统光敏传感器设计 |
4.1 引言 |
4.2 基于光敏技术的电容式传感器的设计 |
4.2.1 基于弱光信号的电容测量电路 |
4.2.2 等电位键合电缆驱动电路的设计 |
4.2.3 仿真/数字调节电路 |
4.3 传感器性能检测和系统分析 |
4.3.1 基于传感器的性能检测 |
4.3.2 基于光敏技术的传感器ECT抗噪测试 |
4.3.3 基于不同激励模式的ECT敏感性测试 |
4.4 本章小结 |
第5章 基于超分辨率图像特征的ECT系统快速重建算法 |
5.1 引言 |
5.2 超分辨率图像重建模型 |
5.3 超分辨率图像的局部边缘特征提取 |
5.3.1 倒角匹配指标 |
5.3.2 基于类倒角距离的局部边缘轮廓特征函数 |
5.4 几何重心的计算 |
5.5 边缘点的极化 |
5.6 确定图像边缘的局部特征点 |
5.7 实验分析 |
5.7.1 算法验证 |
5.7.2 实验结果分析 |
5.8 本章小结 |
第6章 基于偏最小二乘法的ECT系统流型辨识 |
6.1 引言 |
6.2 偏最小二乘法流型分类与电容向量降维 |
6.2.1 偏最小二乘法原理 |
6.2.2 基于偏最小二乘的流型分类方法 |
6.2.3 基于偏最小二乘的特征降维 |
6.3 实验分析 |
6.3.1 流型辨识 |
6.3.2 特征可视化对比 |
6.4 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(6)ECT电容信号的预处理及变压器耦合测量电路的特性分析(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 电容层析成像技术的原理 |
1.3 ECT技术的国内外研究现状分析 |
1.3.1 ECT系统硬件设计方面的国内外研究现状分析 |
1.3.2 ECT技术与数字信号处理技术的发展现状分析 |
1.4 本文主要研究内容 |
第2章 电容测量电路原理及设计 |
2.1 典型微小电容测量方法及测量电路 |
2.2 变压器工作原理及特性分析 |
2.2.1 变压器的工作原理 |
2.2.2 高频变压器的特性 |
2.2.3 变压器的滤波原理 |
2.3 变压器仿真实验 |
2.3.1 COMSOL Multiphysics仿真软件简介 |
2.3.2 变压器建模仿真分析 |
2.4 变压器耦合的新型测量电路 |
2.5 本章小结 |
第3章 信号采集系统中解调与滤波的研究分析 |
3.1 ECT信号处理系统中常用的相敏解调与低通滤波电路 |
3.2 数字滤波器的选择 |
3.2.1 引言 |
3.2.2 FIR滤波器 |
3.2.3 中值滤波器 |
3.2.4 自适应滤波 |
3.2.5 小波变换 |
3.3 不同滤波理论的MATLAB实现与分析 |
3.3.1 四种滤波器滤波效果比较和分析 |
3.3.2 结合中值滤波与LMS自适应滤波的数字滤波器 |
3.4 本章小结 |
第4章 ECT通道信号采集实现与实验结果分析 |
4.1 ECT通道信号采集方案 |
4.2 数据采集卡 |
4.3 电容测量电路的仿真与硬件实现 |
4.3.1 基于Multisim的电路仿真设计 |
4.3.2 电容测量电路的PCB设计 |
4.4 搭建实验平台 |
4.5 变压器对电容测量电路性能影响实验 |
4.5.1 变压器滤波效果实验 |
4.5.2 高频变压器耦合的测量电路瞬态性能分析 |
4.6 信号传输相位位移分析 |
4.7 测量电路性能分析 |
4.8 本章小结 |
第5章 结论与展望 |
5.1 本文工作总结 |
5.2 本文工作展望 |
参考文献 |
致谢 |
(7)基于图神经网络的ECT图像重建算法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 电容层析成像技术的研究背景及意义 |
1.2 过程层析成像技术 |
1.3 ECT系统的国内外研究现状 |
1.3.1 ECT技术的国外研究现状 |
1.3.2 ECT技术的国内研究现状 |
1.4 ECT图像重建算法的研究现状 |
1.5 本文的创新点 |
1.6 本文的结构安排 |
第2章 ECT系统结构及原理 |
2.1 ECT系统的组成结构 |
2.1.1 电容传感器 |
2.1.2 数据采集及处理系统 |
2.1.3 计算机成像系统 |
2.2 ECT技术的基本原理 |
2.2.1 ECT技术的正问题 |
2.2.2 ECT技术的逆问题 |
2.2.3 灵敏度场分析 |
2.3 本章小结 |
第3章 图神经网络工作原理 |
3.1 图神经网络 |
3.2 图神经网络结构 |
3.2.1 图卷积层 |
3.2.2 图池化 |
3.2.3 前向传播算法 |
3.2.4 反向传播算法 |
3.2.5 激活函数 |
3.3 基于图神经网络的更新机制 |
3.4 基于图神经网络算法的具体步骤 |
3.5 本章小结 |
第4章 ECT图像邻接矩阵构建方法的研究 |
4.1 邻接矩阵的基本理论 |
4.2 ECT图像邻接矩阵构建方法 |
4.3 ECT图像邻接矩阵实现方法 |
4.4 本章小结 |
第5章 基于图神经网络进行ECT图像重建 |
5.1 利用图神经网络进行ECT图像重建基本原理 |
5.2 构建流型样本数据集 |
5.3 利用GNN网络进行ECT图像重建算法步骤 |
5.4 仿真与实验分析 |
5.5 本章小结 |
第6章 结论及展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文及参加科研情况 |
(8)电容层析成像多层传感器设计与图像重建的研究应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 电容层析成像系统 |
1.2.1 PT技术概述 |
1.2.2 ECT技术概述 |
1.2.3 电容式传感器 |
1.3 国内外研究现状及分析 |
1.3.1 ECT系统传感器研究现状 |
1.3.2 图像重建算法研究现状 |
1.4 图像重建分析 |
1.4.1 非迭代类算法 |
1.4.2 迭代类算法 |
1.5 课题的来源及研究内容 |
1.5.1 课题来源 |
1.5.2 课题的主要研究内容 |
第2章 电容层析成像的技术原理 |
2.1 电容层析成像系统的组成结构 |
2.2 ECT数学模型 |
2.3 ECT数据采集系统 |
2.4 ECT传感器 |
2.5 传感器有限元分析 |
2.6 图像重建算法 |
2.6.1 Landweber迭代算法 |
2.6.2 ART迭代算法 |
2.7 本章小结 |
第3章 多层传感器设计 |
3.1 多层传感器的理论分析与设计 |
3.2 多层ECT传感器仿真设计 |
3.3 多层ECT传感器仿真实验 |
3.4 本章小结 |
第4章 基于正则化迭代修正的图像重建算法 |
4.1 传统算法图像重建 |
4.1.1 非迭代类算法 |
4.1.2 迭代类算法 |
4.2 基于正则化迭代修正的ART算法 |
4.3 仿真实验 |
4.4 图像重建质量评价参数 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间所发表的学术论文 |
致谢 |
(9)非接触式电阻抗层析成像技术及图像重建算法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 气液两相流及相关参数 |
1.3 文献综述 |
1.3.1 气液两相流参数测量方法概述 |
1.3.2 电学层析成像技术研究及应用现状 |
1.4 本文的主要研究内容和章节安排 |
1.5 本章小结 |
第2章 研究方案和技术路线 |
2.1 研究方案 |
2.2 技术路线 |
2.2.1 硬件系统设计技术路线 |
2.2.2 图像重建算法技术路线 |
2.3 本章小结 |
第3章 非接触式电阻抗层析成像硬件系统 |
3.1 非接触式电阻抗层析成像技术传感器屏蔽设计方案 |
3.1.1 三种传感器屏蔽构型 |
3.1.2 三种传感器构型的电路模型 |
3.1.3 三种传感器构型的边界条件 |
3.2 三种传感器构型的灵敏场分布研究 |
3.2.1 三种传感器的灵敏场分布 |
3.2.2 灵敏场分析与讨论 |
3.3 非接触式电阻抗层析成像硬件系统 |
3.3.1 非接触式电阻抗层析成像技术原理 |
3.3.2 电阻抗信号的获取 |
3.3.3 非接触式电阻抗层析成像系统样机 |
3.4 本章小结 |
第4章 基于LBP和GMM聚类算法的图像重建算法 |
4.1 非接触式电阻抗层析成像技术图像重建模型 |
4.2 LBP+GMM图像重建算法 |
4.2.1 GMM聚类算法 |
4.2.2 LBP+GMM图像重建算法流程 |
4.3 LBP+GMM算法图像重建实验及结果 |
4.4 图像重建结果分析与讨论 |
4.5 本章小结 |
第5章 基于LBP和DBSCAN算法及图像融合的图像重建方法 |
5.1 基于LBP和DBSCAN算法及图像融合图像重建方法 |
5.1.1 DBSCAN聚类算法 |
5.1.2 图像融合 |
5.2 图像重建实验及结果 |
5.2.1 LBP+DBSCAN算法图像重建实验结果 |
5.2.2 图像融合实验结果 |
5.3 图像重建结果分析与讨论 |
5.4 本章小结 |
第6章 总结与展望 |
参考文献 |
附录 |
个人简历 |
攻读硕士学位期间所得科研成果 |
(10)基于特征提取的ECT两相流流型识别(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 多相流检测及意义 |
1.2 电学层析成像 |
1.3 国内外发展现状 |
1.4 主要研究内容 |
第2章 电容层析成像技术及流型辨识 |
2.1 电容层析成像基本原理及系统组成 |
2.2 电容层析成像传感器 |
2.3 数据采集系统 |
2.3.1 交流激励型C/V转换电路 |
2.3.2 数字解调算法 |
2.4 电容层析成像系统正问题 |
2.4.1 有限元方法 |
2.4.2 灵敏度的计算 |
2.5 电容层析成像系统逆问题 |
2.6 常用流型辨识算法与特征提取方法 |
2.7 本章小结 |
第3章 基于COMSOL WITH MATLAB的流型自动建模 |
3.1 流型自动建模的意义 |
3.2 COMSOL Multiphysics简介 |
3.3 流型自动建模的实现 |
3.3.1 COMSOL WITH MATLAB联合仿真环境搭建 |
3.3.2 传感器的有限元模型 |
3.3.3 流型自动建模仿真实例 |
3.4 流型数据集 |
3.5 本章小结 |
第4章 基于数据分箱和SVM的 ECT流型辨识 |
4.1 流型特征敏感度评价 |
4.2 数据分箱简介 |
4.3 流型辨识分类器SVM |
4.3.1 SVM简介 |
4.3.2 改进粒子群优化的SVM |
4.4 基于等宽分箱和SVM的 ECT流型辨识 |
4.4.1 基于等宽分箱-箱号平滑的数据预处理 |
4.4.2 流型辨识方法及仿真实验验证 |
4.5 基于等频分箱和SVM的 ECT流型辨识 |
4.5.1 基于等频分箱-箱号平滑的数据预处理 |
4.5.2 流型辩识方法及仿真实验验证 |
4.6 不同预处理方法及分类器测试对比 |
4.7 本章小结 |
第5章 ECT流型辨识系统及辨识方法的实验验证 |
5.1 ECT实验系统的搭建 |
5.2 实验验证及结果分析 |
5.3 本章小结 |
第6章 结论 |
参考文献 |
在学研究成果 |
致谢 |
四、电容层析成像技术及发展现状(论文参考文献)
- [1]电容层析成像传感器输出特性优化研究及其系统设计[D]. 龙航. 西安理工大学, 2021(01)
- [2]气水两相流位移电流相位层析成像方法与系统研究[D]. 陈阳正. 西安石油大学, 2021(10)
- [3]弧形介质分布ECT图像重建及传感器优化[D]. 杨健. 华北电力大学(北京), 2021(01)
- [4]多相介质分布电容/微波层析成像仿真与实验研究[D]. 林勇磊. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [5]电容层析成像系统传感器设计与图像重建[D]. 陈峰. 哈尔滨理工大学, 2021
- [6]ECT电容信号的预处理及变压器耦合测量电路的特性分析[D]. 卢楚怡. 华北电力大学(北京), 2021(01)
- [7]基于图神经网络的ECT图像重建算法研究[D]. 李长棣. 辽宁大学, 2021(12)
- [8]电容层析成像多层传感器设计与图像重建的研究应用[D]. 杨博韬. 哈尔滨理工大学, 2021
- [9]非接触式电阻抗层析成像技术及图像重建算法研究[D]. 何学楷. 浙江大学, 2021(01)
- [10]基于特征提取的ECT两相流流型识别[D]. 郝泽政. 沈阳工业大学, 2020(01)