基于遺傳蟻群算法的電容層析成像邊緣補(bǔ)償技術(shù)研究.pdf

1、電容層析成像(Electrical Capacitance Tomography)技術(shù)不僅在工業(yè)生產(chǎn)中可以控制到很低的實(shí)現(xiàn)成本，該技術(shù)的系統(tǒng)結(jié)構(gòu)也非常簡(jiǎn)單，同時(shí)其又具有很強(qiáng)的可靠性，很高的安全性，而特別是其非侵入式的特點(diǎn)，也使得該技術(shù)有了更為廣泛的使用空間。但是該技術(shù)的圖像重建工作屬于反問題的求解，其過程是通過管道外布置的電極測(cè)得各電極之間的電容值，即觀測(cè)數(shù)據(jù)，再利用研究的圖像重建算法將管道內(nèi)某一個(gè)橫截面內(nèi)各相流的介質(zhì)元素分布重建成灰度

2、圖像。但是管道外布置的電極數(shù)量是有限的，因此得到的電容值也是有限的，相比較于所需要的電容值的數(shù)量是遠(yuǎn)遠(yuǎn)不夠的，通過如此少量的電容值來反算管道內(nèi)部各相流的介質(zhì)分布，這樣的求解問題是一種病態(tài)問題，所求得的解并不是獨(dú)一無二的，這就是病態(tài)問題的解的不適定型，這也是電容層析成像圖像重建最難解決的問題所在，所以，為了可以使得重建的灰度圖像，更加接近實(shí)際生產(chǎn)環(huán)境中的真正圖像，需要對(duì)重建的灰度圖像各介質(zhì)邊界進(jìn)行邊緣補(bǔ)償，本文的主要內(nèi)容有:
　　1

3、.詳細(xì)介紹了電容層析成像技術(shù)的系統(tǒng)組成和基本工作原理，分析了電容層析成像技術(shù)反問題的不適定性，針對(duì)該問題介紹了幾種常用的優(yōu)化算法，包括Landweber迭代法、多項(xiàng)式加速算法以及共軛梯度算法。
　　2.針對(duì)電容層析成像技術(shù)不適定性的問題，通過對(duì)漸進(jìn)最優(yōu)階理論的闡述，證明了電容層析成像進(jìn)行邊緣補(bǔ)償技術(shù)的必要性，同時(shí)本文又利用幾何凸包的方法解決了如何確定進(jìn)行邊緣補(bǔ)償?shù)姆秶@也證明了電容層析成像邊緣補(bǔ)償技術(shù)的可行性。在此基礎(chǔ)上，本文提

4、出了基于遺傳蟻群算法（GAACO）的ECT邊界灰度補(bǔ)償算法。通過對(duì)進(jìn)行邊緣補(bǔ)償和未進(jìn)行邊緣補(bǔ)償?shù)膶?shí)驗(yàn)結(jié)果進(jìn)行比對(duì)表明，進(jìn)行邊緣補(bǔ)償可以改善圖像重建的穩(wěn)定性和提高圖像重建的質(zhì)量;同時(shí)通過對(duì)使用PSO算法進(jìn)行邊緣與本文提出的GAACO邊緣補(bǔ)償算法的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比和分析后，可以得出經(jīng)過本文提出的算法進(jìn)行邊緣補(bǔ)償后的圖像優(yōu)于PSO算法。
　　3.針對(duì)電容層析成像技術(shù)反問題的流型辨識(shí)問題，在分析了幾種特征參數(shù)的基礎(chǔ)上，通過與BP神經(jīng)網(wǎng)絡(luò)算