一、电容层析成像系统(ECT)软场特性研究（论文文献综述）
马敏,刘一斐,王世喜[1]（2021）在《基于近似L0范数的电容层析成像敏感场优化算法》文中指出针对电容层析成像（ECT）逆问题求解过程中欠定性的问题,引入一种近似L0范数的稀疏正则化算法以获得稀疏解向量。针对敏感场灵敏度分布不均所引起的成像质量问题,提出一种可迭代敏感场灵敏度梯度优化方法,该方法以敏感场各有限元为核心将敏感场划分为若干个区域,提取围绕该有限元区域内的敏感度数据并进行均值滤波,所得数值返回该有限元中并作为下一滤波区域的参数,通过循环滤波可逐渐降低敏感场中心区域与边缘区域的灵敏度梯度。将优化后的灵敏度梯度优化方法与近似L0算法结合以验证所提算法的可行性。结果表明,与传统Landweber算法相比,所提算法将重建图像的相对误差降低至0.24,相关系数提升至0.91,实际的静态实验也证明该算法的有效性。
杨健[2]（2021）在《弧形介质分布ECT图像重建及传感器优化》文中进行了进一步梳理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。
陈峰[3]（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。
穆哲[4]（2021）在《电容层析成像图像重建算法研究》文中研究表明电容层析成像（Electrical Capacitance Tomography,ECT）是一种电学过程层析成像技术。该技术可根据测量所得的电容值反演出被测场域内的流体截面图像,因其具有无辐射、非侵入、成本低和可视化等特点,被国内外学者广泛关注并研究。目前,针对ECT技术的研究主要集中在电容传感器设计、数据采集系统优化和图像重建等方面。本文基于8电极电容层析成像系统,针对图像重建算法开展研究。在对比分析各类图像重建算法的基础上,针对Landweber算法在ECT图像重建中的典型问题,提出改进的梯度加速Landweber算法。为获取高质量的重建图像,将粒子群优化算法引入ECT图像重建中。本文主要工作内容包括:（1）对比分析了几种传统图像重建算法的原理及优缺点,结合ECT图像重建的原理模型对传统算法的计算公式进行推导,通过数值仿真实验对传统算法的性能进行对比分析,分析结果表明:Landweber算法在图像重建的速度和精度上取得了较好的折衷性。（2）针对Landweber算法收敛速度较慢且收敛不稳定的问题,首先对几种加速Landweber算法进行性能分析,然后依据级数理论对性能较好的梯度加速Landweber算法进行深入研究,通过构造残差矩阵并添加约束因子获得新的迭代公式,最后提出一种改进的梯度加速Landweber算法并将其应用于ECT图像重建中。数值仿真实验结果表明,所提算法可在获取稳定收敛特性的同时提高图像重建的速度与精度。（3）为获取高质量的重建图像,将粒子群优化算法用于ECT图像重建。首先在粒子群算法的基础上,采用惯性权重因子的非线性收敛策略调整粒子速度,提出非线性粒子群算法,然后利用正余弦优化算法的搜索策略对非线性粒子群算法进行改进,提出一种基于正余弦搜索策略的非线性粒子群算法并将其应用到ECT图像重建中,最后通过数值仿真实验验证了所提算法的有效性。
李照威[5]（2021）在《油气润滑ECT系统图像重建中秩亏问题研究》文中研究指明电容层析成像技术（ECT）承担了封闭的油气润滑管道中油气两相介质流动参数的实时检测的重要任务。ECT系统的图像重建过程中会产生典型的离散不适定问题,其秩亏、病态性以及ECT系统固有的“软场”效应属性都会对图像重建的效果产生严重影响。本文针对管径小、油膜薄和极板数增加受限等特点的油气润滑管道ECT系统,研究了系统图像重建的秩亏问题,主要结论如下:（1）建立了油气润滑ECT系统灵敏度矩阵的数学模型和仿真模型,分析了产生秩亏问题的主要原因及影响因素;针对灵敏度矩阵定义了秩亏数和相对秩亏率两个评价指标来分析其秩亏问题。结果表明,在油气润滑ECT系统的灵敏度矩阵中存在严重的秩亏问题。灵敏度矩阵秩亏问题的产生与油气润滑ECT系统的结构及应用特点有关,其中产生秩亏的根本原因是来自于系统传感器的检测数据的不足。（2）通过对传感器区域的灵敏场分析,证实了小管径油气润滑存在严重的软场效应,提出了软场效应的度量方式;在软场效应的前提下,运用定义的秩亏数和相对秩亏率,分析了图像重建中产生秩亏问题的原因和影响因素,并与未计入软场效应条件做了对比。结果表明,在计入软场效应的条件下,油气润滑ECT系统仍然存在严重的秩亏问题,但相较于未计入软场效应,系统灵敏度矩阵的秩亏将减小。（3）基于图像重建算法的原理,分析了LBP算法、Tikhonov正则化算法、共轭梯度算法及双共轭梯度算法的秩亏问题。建立了油气润滑主要流型为环状流的ECT系统的物理模型及有限元仿真模型,分别采用LBP算法、Tikhonov正则化算法、共轭梯度算法及双共轭梯度算法,对油气润滑ECT系统进行了图像重建,并以图像错误率（IME）和图像相关系数（CORR）为评价指标对图像重建结果进行了对比分析。结果表明,四种算法除LBP算法外,均体现了消除秩亏的思想。完全消除系统灵敏度矩阵秩亏的双共轭梯度算法,成像精度较高,成像速度也较其它算法更快,更适用于油气润滑ECT实时成像。
王霁阳[6]（2020）在《三维ECT系统正问题仿真与传感器优化设计》文中研究说明电容层析成像技术（Electrical Capacitance Tomography,ECT）是过程层析成像技术（Process Tomography,PT）研究的热点之一,由电容阵列传感器子系统、数据采集子系统和计算机图像重建子系统组成,具有响应速度快,非侵入式、成本低廉和可视化等特性,因此,ECT较早地应用于两相流和多相流检测等工业生产中,并迅速推广。在ECT系统技术原理的基础上,仿真建立了3层共24个电极的三维传感器模型,通过建立传感器敏感场模型,以敏感场分布均匀为目标,进行传感器结构参数优化设计,以便缩小测量的电容值动态变化范围,提高传感器的灵敏度,改善传感器敏感场的分布,提高ECT系统的性能。影响传感器性能优化函数的参数有很多,本文将从电极高度、宽度、屏蔽罩的半径以及极板间的间距四个方面说明传感器参数变化对敏感场灵敏度分布、测量电容值的影响。由于电位场的非均匀性,利用有限元法计算需要对网格模型进行划分。在电场中,介质的空间变化将改变介电常数值,不同流体介质的空间位置变化测得的电容值是不同的。在ANSYS软件环境下用APDL语言编程对ECT正问题进行仿真,获取全水相、分层流、块状流和环状流四种流型的电势和电力线等物理量的分布图形,求出各极板自容值以及激励电极与检测电极之间的互容值,最后,通过计算得到四种管道流型的电容测量值分布图。由于传感器性能与多个结构参数存在非线性关系,以提高敏感场整体灵敏度大小等系统性能为目标,采用双链量子遗传优化算法（Double Chains Quantum Genetic Algorithm,DCQGA）优化电容传感器结构,得到一组最优的传感器结构参数,提高敏感场的灵敏度和均匀性。三维ECT图像重建可以直观的反映介质的空间分布位置,选择图像重建相对误差R作为质量评价指标,可以看出图像重建的精度明显提高,验证了传感器结构得到了明显改善。
范广永[7]（2020）在《基于ECT的新型传感器优化设计及算法研究》文中研究说明电容层析成像技术（Electrical Capacitance Tomography,ECT）优点在于非侵入性、安全性、响应速度快、安装便捷以及成本低等,使得这项技术在工业过程可视化检测中成为一项极具发展潜力的技术。为了深入分析电容层析成像系统,本论文的主要工作包括以下几个方面:1.阐述ECT技术的基本原理,对正、逆问题进行数学模型解释。设计12极板的ECT系统传感器。对部分传统的图像重建算法进行研究,介绍算法的成像原理,并分析其优劣,通过计算相关评价指标对重建效果进行评价。2.为了减小电容层析成像传感器相邻极板间耦合电容引起电容测量时的噪声值,设计了差分电极传感器系统并对差分电极与测量电极距离进行参数优化。实验系统采用现场可编程门阵列（Field Programmable Gate Array,FPGA）直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号分别对测量电极和差分电极进行激励。测量电极与差分电极到管道中点的距离比例约1:1.2时传感器灵敏度最佳。3.传统的ECT传感器系统测量电极都是固定在管道壁上,测量电极到管道中心的距离固定不变,电极占空比（Electrode-to-Gap Ratio,EGR）也是固定不变,本文提出了一种占空比可调的新型传感器系统,在实际工业应用中更加方便快捷,得到效果更佳的重建图像。为了能够减小极板间的干扰电容,设计了含差分电极的传感器系统,差分电极安装在测量电极与屏蔽罩之间,差分电极与测量电极同步变化。4.首先将双共轭梯度算法引入到电容层析成像技术中,通过仿真实验设计图像重建分辨率较高。为了得到更佳的成像效果及缩短成像时间,将双共轭梯度与Tikhonov正则化算法相结合进行算法改进,然后与传统的迭代类算法相比较。5.将新型优化设计的传感器系统与改进双共轭梯度算法相结合使用,通过仿真实验得到更佳的成像效果,使其得到广泛的使用。
张晋荣[8]（2020）在《ECT系统传感器场域剖分及结构参数优化》文中研究说明电容层析成像（Electrical Capacitance Tomography,ECT）技术是自20世纪80年代借鉴医学CT技术发展起来的一种成本低廉且安全性能高的新型流动层析成像技术。它可以在不破坏封闭管道内多相流混合体结构的前提下,采用均匀安装在管道周围的阵列式电容传感器来获得被测区域在不同角度或方向上的多个电容测量值,并将这些电容测量值作为投影数据由计算机采用某种图像重建算法,计算出各分相介质的浓度大小、分布状况等相关过程参数。因其具有结构简单、响应速度快等诸多优点,被广泛应用于工业管道中两相流或多相流的测量过程中。本文主要围绕ECT系统传感器场域剖分及结构参数优化展开深入研究。论文主要工作如下:对ECT系统的组成结构进行研究,分析ECT系统的工作原理以及灵敏度分布函数,为论文研究提供理论依据。分析电容传感器的数学模型,采用有限元法对传感器的敏感场进行仿真,根据敏感场的分布特点,将三角形与四边形剖分方法相结合,完成了敏感场域的剖分,并选取计算精度高、误差小的有限元模型计算敏感场函数,得到电极间典型的敏感场分布。采用有限元法分析传感器各项结构参数对性能的影响,确定了传感器结构的优化函数。采用正交设计法对结构参数进行优化实验,并应用RBF神经网络对正交设计的实验结果进行了回归分析,得到预测模型,较好地反映优化参数与目标函数之间的复杂关系,最后采用混沌模拟退火粒子群算法进行寻优,获得了一组优化参数。为了验证优化参数的有效性,采用LBP图像重建算法与基准传感器、正交试验设计的传感器的重建结果进行了比较,实验结果表明,采用RBF神经网络与混沌模拟退火粒子群算法优化的传感器成像精度更高。
周寰宇[9]（2019）在《AECVT模式下的方形传感器敏感场研究》文中认为电容层析成像（Electrical Capacitance Tomography,ECT）技术是过程层析成像（Process Tomography,PT）技术的一个快速发展的分支,其具有结构简单,成本低,速度快,相对安全等优点,多用于工业两相流或多相流可视化检测中,在汽车制造、生物医学等领域也有广阔的应用前景。近二十年来,三维ECT的相关研究取得了较大进展,但受敏感场的“软场”特性及有限投影数据的影响,实际应用中的图像重建精度往往不尽如人意。2014年国外学者提出的自适应电容层析体成像（Adaptive Electrical Capacitance Volume Tomography,AECVT）技术,应用施加不同电压封装的组合极板替代直接三维成像的传统极板,具有相较电容层析体成像（Electrical Capacitance Volume Tomography,ECVT）技术更强的可控性。为确保图像重建的准确性,确定作为先验知识的敏感场分布是极为重要的。工业锅炉和循环流化床等一部分工业应用,需要将系统设计成方形结构或矩形结构。因此本文在前人工作基础上,针对AECVT方形传感器敏感场进行研究,主要进行了如下工作:1.分析总结了ECT的国内外研究现状与基本原理,通过极板结构的对比,体现AECVT相较于ECVT的优势,阐述研究AECVT方形传感器敏感场的意义。2.进行了激励电压均匀条件下,单层和多层AECVT与ECVT方形传感器的敏感场仿真对比。仿真结果表明,在相同成像对象条件下,即系统除极板外的结构参数与激励电压相同时,AECVT与ECVT方形传感器敏感场形状具有相似性。3.针对AECVT可灵活调整激励电压封装的特点,通过改变电压封装幅值数量、幅值分布位置等参数,验证了通过特定幅值与分布的电压封装改善图像重建质量的可行性,同时进一步研究了不同电压封装对敏感场的影响。仿真结果表明,采用分布较为对称、幅值数量合适、幅值间差距较大的电压封装时,可以同时兼顾敏感场大小及均匀度的要求,对图像重建质量有利。4.通过仿真计算,分析了屏蔽罩尺寸改变对AECVT方形传感器敏感场分布的影响。仿真结果表明,屏蔽罩面积变化时,相同封装下敏感场具有相似性,灵敏度值有变化,但对同层传感器极大值影响不大。
王梦圆[10]（2019）在《结合信息融合的ECT成像技术研究》文中进行了进一步梳理多相流流动在工业生产过程中广泛存在,但由于其热工过程十分复杂,导致目前流动参数的设置仍然主要依靠经验。为了探究气固两相流的运动机理和规律,采用电容层析成像技术（ECT）进行研究,该技术的结构比较简单,成本低廉,具有非侵入性,适合检测封闭管道内的气固两相流相分布情况。但由于ECT系统存在“软场”特性和“病态”问题,使得其重建图像的精度不高,本文以提高ECT重建图像精度为研究目标,提出了两种融合方法改善成像质量,主要工作如下:1.针对ECT系统的“软场”特性和“病态”问题,提出使用贝叶斯数据融合方法来改善重建图像精度。以五种典型两相流相分布作为研究对象,搭建了 12电极方形传感器实验台进行测量,将ECT技术的重构图像作为软数据,硬数据采用待测空间内的离散点数据,为了将离散点数据的影响扩展到整个待测空间,使用本征正交分解方法（POD）对硬数据进行处理,同时引入权重因子,用于满足用户对两种数据信息的不同侧重。结果表明,提出的融合方法能够使图像边缘更加清晰,能够很好的分离粘连物体,尤其对于ECT技术不能重建的尖锐边缘有很好的效果。2.成功将贝叶斯最大熵方法应用到ECT图像融合的过程中,仿真研究表明,该方法对于改善重建图像质量有良好的效果,接下来,进一步探究了硬数据的分布位置对融合效果的影响,提出了基于软数据图像梯度的一种硬数据位置优化方法,通过与随机分布的硬数据的融合图像对比,表明了该优化方法可以在硬数据个数不变的情况下,取得更好的图像质量。
二、电容层析成像系统(ECT)软场特性研究（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、电容层析成像系统(ECT)软场特性研究（论文提纲范文）
（1）基于近似L0范数的电容层析成像敏感场优化算法（论文提纲范文）
| 1 引言 |
| 2 ECT图像重建 |
| 3 图像重建算法 |
| 3.1 近似L0算法 |
| 3.2 算法改进 |
| 3.3 算法步骤 |
| 4 实验分析 |
| 4.1 仿真实验 |
| 4.2 静态试验 |
| 5 结论 |
（2）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 |
（3）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 |
（4）电容层析成像图像重建算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 多相流检测技术 |
| 1.1.2 过程层析成像技术 |
| 1.1.3 电容层析成像技术 |
| 1.2 ECT图像重建算法研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 ECT系统结构及关键问题分析 |
| 2.1 ECT系统结构 |
| 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关键问题分析 |
| 2.2.1 正问题分析 |
| 2.2.2 反问题分析 |
| 2.2.3 灵敏度矩阵分析 |
| 第3章 传统电容层析成像图像重建算法及分析 |
| 3.1 LBP算法 |
| 3.2 Tikhonov正则化算法 |
| 3.3 Newton-Raphson算法 |
| 3.4 共轭梯度算法 |
| 3.5 Landweber算法 |
| 3.6 评价指标 |
| 3.7 数值仿真实验及分析 |
| 第4章 基于改进Landweber算法的ECT图像重建及分析 |
| 4.1 加速Landweber算法 |
| 4.1.1 v-Landweber算法 |
| 4.1.2 多项式加速Landweber算法 |
| 4.1.3 Nesterov-Landweber算法 |
| 4.1.4 梯度加速Landweber算法 |
| 4.2 改进的梯度加速Landweber算法 |
| 4.3 数值仿真实验及分析 |
| 第5章 基于改进粒子群优化算法的ECT图像重建及分析 |
| 5.1 粒子群优化算法 |
| 5.1.1 基本粒子群优化算法 |
| 5.1.2 标准粒子群优化算法 |
| 5.1.3 非线性粒子群优化算法 |
| 5.2 基于正余弦搜索策略的非线性粒子群优化算法 |
| 5.2.1 正余弦优化算法 |
| 5.2.2 基于正余弦搜索策略的非线性粒子群优化算法 |
| 5.3 数值仿真实验及分析 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（5）油气润滑ECT系统图像重建中秩亏问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究现状 |
| 1.2.1 ECT技术的研究现状 |
| 1.2.2 秩亏问题的研究现状 |
| 1.2.3 软场效应的研究现状 |
| 1.2.4 ECT图像重建算法的研究现状 |
| 1.3 课题的研究意义与内容 |
| 1.3.1 研究意义 |
| 1.3.2 研究内容 |
| 第二章 油气润滑ECT系统灵敏度矩阵的秩亏问题及其影响因素 |
| 2.1 概述 |
| 2.1.1 ECT系统灵敏度矩阵机理 |
| 2.1.2 ECT正问题 |
| 2.1.3 ECT反问题 |
| 2.1.4 油气润滑ECT系统不适定问题 |
| 2.2 研究模型 |
| 2.2.1 数学模型 |
| 2.2.2 仿真模型 |
| 2.3 灵敏度矩阵秩亏的分析 |
| 2.3.1 极板数目对秩亏的影响 |
| 2.3.2 油膜厚度对秩亏的影响 |
| 2.4 本章小结 |
| 第三章 软场效应研究及对灵敏度矩阵秩亏的影响 |
| 3.1 软场效应 |
| 3.1.1 软场与硬场 |
| 3.1.2 软场效应的度量 |
| 3.2 基于软场效应条件灵敏度矩阵秩亏的分析 |
| 3.2.1 极板数对灵敏度矩阵秩亏的影响 |
| 3.2.2 油膜厚度对灵敏度矩阵秩亏的影响 |
| 3.3 软场与硬场的分析 |
| 3.4 本章小结 |
| 第四章 图像重建算法的秩亏问题及算例分析 |
| 4.1 概述 |
| 4.2 图像重建算法的秩亏问题 |
| 4.2.1 LBP算法 |
| 4.2.2 Tikhonov算法 |
| 4.2.3 共轭梯度算法 |
| 4.2.4 双共轭梯度算法 |
| 4.3 油气润滑ECT系统图像重建算例 |
| 4.3.1 物理模型及参数 |
| 4.3.2 电容值求解 |
| 4.4 图像重建仿真与结果分析 |
| 4.4.1 仿真结果分析 |
| 4.4.2 图像重建分析及评价 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 在校期间的研究成果 |
| 致谢 |
（6）三维ECT系统正问题仿真与传感器优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 ECT系统发展现状与应用研究 |
| 1.2.1 ECT技术与量子遗传算法发展现状 |
| 1.2.2 ECT传感器优化设计研究现状 |
| 1.3 课题主要研究内容 |
| 第2章 ECT系统的组成及技术理论 |
| 2.1 电容层析成像系统的组成 |
| 2.1.1 ECT系统三维传感器设计 |
| 2.1.2 ECT数据采集系统设计结构 |
| 2.1.3 ECT图像重建计算机系统 |
| 2.2 电容层析成像技术原理 |
| 2.3 ECT电容传感器结构参数优化 |
| 2.3.1 三维ECT技术中传感器结构的设计 |
| 2.3.2 结构参数优化方法 |
| 2.3.3 敏感场剖分部分 |
| 2.4 ECT传感器参数变化仿真实验 |
| 2.4.1 不同电极高度对电场的影响 |
| 2.4.2 不同电极宽度对电场的影响 |
| 2.4.3 不同极板间的间距对电极的影响 |
| 2.4.4 不同屏蔽层厚度对电极的影响 |
| 2.5 本章小结 |
| 第3章 ECT系统正问题求解及仿真实验 |
| 3.1 ECT技术正问题与反问题 |
| 3.1.1 ECT正问题及敏感场求解 |
| 3.1.2 ECT反问题及不适定性 |
| 3.2 有限元法在ECT系统正问题中的应用 |
| 3.3 ECT技术正问题仿真实验 |
| 3.2.1 ANSYS仿真平台及APDL |
| 3.2.2 APDL正问题仿真实验与分析 |
| 3.4 本章小结 |
| 第4章 双链量子遗传算法传感器参数优化设计 |
| 4.1 量子遗传优化算法原理 |
| 4.2 双链量子遗传优化算法 |
| 4.3 传感器结构参数优化实验分析和三维图像重建 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间获得的研究成果 |
| 致谢 |
（7）基于ECT的新型传感器优化设计及算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 ECT国内外研究发展现状 |
| 1.2.1 国外研究及发展状况 |
| 1.2.2 国内研究及发展状况 |
| 1.3 电容成像重建算法 |
| 1.4 本文的研究内容 |
| 1.5 本文的组织结构 |
| 第二章 ECT系统工作原理 |
| 2.1 ECT系统基本原理 |
| 2.2 ECT正问题 |
| 2.3 ECT逆问题 |
| 2.3.1 直接算法 |
| 2.3.2 迭代算法 |
| 2.4 本章小结 |
| 第三章 电容成像传感器优化设计及其试验研究 |
| 3.1 差分电极传感器系统 |
| 3.2 ECT传感器系统优化设计 |
| 3.2.1 差分传感器电容测量分析 |
| 3.2.2 差分电极传感器激励测量方法 |
| 3.3 传感器仿真实验 |
| 3.3.1 图像重建 |
| 3.3.2 仿真结果分析 |
| 3.4 实际实验 |
| 3.6 滑油实验 |
| 3.7 本章小结 |
| 第四章 基于ECT的占空比可调差分式传感器设计 |
| 4.1 占空比可变传感器系统 |
| 4.2 传感器敏感性分析 |
| 4.2.1 灵敏度分析 |
| 4.2.2 电容值分析 |
| 4.3 占空比可调系统图像重建 |
| 4.4 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 电容成像双共轭梯度图像重建算法改进 |
| 5.1 ECT算法模型 |
| 5.1.1 投影简介 |
| 5.1.2 拉冬变换 |
| 5.2 电容值归一化方式 |
| 5.3 双共轭梯度算法 |
| 5.4 仿真设计 |
| 5.5 仿真与分析 |
| 5.5.1 图像重建 |
| 5.5.2 仿真结果分析 |
| 5.6 改进BICG及新型传感器结合仿真 |
| 5.6.1 图像重建 |
| 5.6.2 仿真结果分析 |
| 5.7 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间参加科研项目和发表论文情况 |
（8）ECT系统传感器场域剖分及结构参数优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究问题的背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ECT系统传感器研究现状 |
| 1.2.2 电容测量和数据采集系统研究现状 |
| 1.2.3 图像重建算法研究现状 |
| 1.3 电容层析成像技术现存问题 |
| 1.4 课题的来源及研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 课题的主要研究内容 |
| 第2章 电容层析成像系统基本原理 |
| 2.1 引言 |
| 2.2 电容层析成像系统的组成结构 |
| 2.2.1 电容传感器系统 |
| 2.2.2 数据测量与采集系统 |
| 2.2.3 图像重建系统 |
| 2.3 电容层析成像系统的工作原理 |
| 2.4 本章小结 |
| 第3章 ECT系统敏感场仿真 |
| 3.1 引言 |
| 3.2 电容传感器的数学模型 |
| 3.3 正问题有限元分析 |
| 3.4 ECT系统传感器场域剖分 |
| 3.5 有限元方程求解 |
| 3.5.1 线性插值与单元形函数 |
| 3.5.2 单元有限元方程 |
| 3.5.3 全域有限元方程 |
| 3.6 电容值计算 |
| 3.6.1 空管与满管电容计算 |
| 3.6.2 有限元模型的验证与对比 |
| 3.7 电容传感器敏感场仿真 |
| 3.8 本章小结 |
| 第4章 ECT传感器结构参数优化 |
| 4.1 引言 |
| 4.2 结构参数对传感器性能的影响 |
| 4.3 传感器优化目标函数的确定 |
| 4.4 传感器结构参数正交试验设计 |
| 4.5 RBF神经网络回归分析 |
| 4.6 电容传感器结构参数优化 |
| 4.6.1 混沌模拟退火粒子群算法 |
| 4.6.2 基于混沌模拟退火粒子群算法的传感器优化 |
| 4.7 仿真与实验结果 |
| 4.8 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）AECVT模式下的方形传感器敏感场研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 AECVT技术 |
| 1.1.1 过程成像技术 |
| 1.1.2 ECT研究背景 |
| 1.1.3 AECVT方形传感器的研究意义 |
| 1.2 三维ECT研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与章节安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文章节安排 |
| 第2章 AECVT成像机理 |
| 2.1 AECVT传感器 |
| 2.2 AECVT数学模型 |
| 2.3 有限元分析 |
| 2.4 基于COMSOL的 AECVT仿真 |
| 2.5 本章小结 |
| 第3章 基于电场强度的AECVT传感器灵敏度快速计算法 |
| 3.1 ECT传感器灵敏度 |
| 3.2 基于电场强度的AECVT传感器灵敏度 |
| 3.3 本章小结 |
| 第4章 不同封装激励下的AECVT方形传感器敏感场分析 |
| 4.1 ECVT与 AECVT敏感场比较 |
| 4.1.1 单层ECVT与 AECVT比较 |
| 4.1.2 多层ECVT与 AECVT比较 |
| 4.2 管壁厚度对敏感场影响 |
| 4.3 电压封装变化对AECVT传感器敏感场影响 |
| 4.4 电压封装变化时AECVT传感器异层敏感场影响 |
| 4.5 不同封装下敏感场均匀度变化 |
| 4.6 屏蔽罩对敏感场影响 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文情况说明 |
| 致谢 |
（10）结合信息融合的ECT成像技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 电容层析成像技术国内外研究发展现状 |
| 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 本文主要研究内容 |
| 第2章 电容层析成像系统的组成及工作原理 |
| 2.1 引言 |
| 2.2 ECT系统的组成 |
| 2.3 ECT系统工作原理 |
| 2.3.1 ECT系统的数学原理 |
| 2.3.2 ECT系统的正问题 |
| 2.3.3 ECT系统的逆问题 |
| 2.4 本章小结 |
| 第3章 基于贝叶斯数据融合算法的ECT重建算法研究 |
| 3.1 引言 |
| 3.2 数据类型 |
| 3.3 基于BDF框架的图像融合方法 |
| 3.3.1 ECT系统测量数据(软数据)获取与处理 |
| 3.3.2 精确点数据(硬数据)获取与处理 |
| 3.3.3 贝叶斯数据融合(BDF)框架 |
| 3.3.4 融合结果与分析 |
| 3.4 本章小结 |
| 第4章 基于贝叶斯最大熵方法的传感器位置优化策略 |
| 4.1 引言 |
| 4.2 贝叶斯最大熵方法 |
| 4.2.1 信息与熵的内在联系 |
| 4.2.2 标准贝叶斯条件公式的扩展 |
| 4.2.3 BME的分析过程 |
| 4.3 位置优化方法 |
| 4.4 结果比较与分析 |
| 4.5 本章小结 |
| 第5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 |
四、电容层析成像系统(ECT)软场特性研究（论文参考文献）
- [1]基于近似L0范数的电容层析成像敏感场优化算法[J]. 马敏,刘一斐,王世喜. 激光与光电子学进展, 2021(12)
- [2]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)
- [3]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
- [4]电容层析成像图像重建算法研究[D]. 穆哲. 西北师范大学, 2021(12)
- [5]油气润滑ECT系统图像重建中秩亏问题研究[D]. 李照威. 北方工业大学, 2021(01)
- [6]三维ECT系统正问题仿真与传感器优化设计[D]. 王霁阳. 哈尔滨理工大学, 2020(02)
- [7]基于ECT的新型传感器优化设计及算法研究[D]. 范广永. 中国民航大学, 2020
- [8]ECT系统传感器场域剖分及结构参数优化[D]. 张晋荣. 哈尔滨理工大学, 2020
- [9]AECVT模式下的方形传感器敏感场研究[D]. 周寰宇. 广西大学, 2019(03)
- [10]结合信息融合的ECT成像技术研究[D]. 王梦圆. 华北电力大学(北京), 2019