基于神經網絡的電容層析成像系統(tǒng)流型識別研究.pdf

1、流型是兩相流系統(tǒng)重要的過程參數(shù)之一，系統(tǒng)中其它參數(shù)測量的準確度往往都依賴于對流型的了解，流型識別對工業(yè)生產具有重要意義。電容層析成像（Electrical Capacitance Tomography，ECT）作為多相流檢測技術，其工作原理是通過測量物體表面周圍電極之間的電容值來計算物體內部相對介電常數(shù)的空間分布，具有結構簡單，成本低，非侵入性，安全性好等特點，目前ECT測量技術仍存在許多待研究及待突破的技術難點，開展相關理論和技術研究

2、具有重要意義和應用價值。
　　本文以12電極ECT系統(tǒng)為研究對象，在對電容層析成像流型識別理論分析的基礎上，針對電容層析成像系統(tǒng)所涉及問題求解模型及流型識別等問題展開研究，其主要研究內容如下。
　　首先，結合研究背景，對本研究課題的意義進行了分析，并且對電容層析成像技術的現(xiàn)狀和兩相流流型識別發(fā)展現(xiàn)狀進行了研究。
　　其次，分析電容層析成像系統(tǒng)的構成，采用有限元法建立電容層析成像系統(tǒng)的數(shù)學模型，利用Matlab進行靜態(tài)仿

3、真求解各極板間的電容值，應用圖像重建算法對管道內介質分布進行圖像重建，并分析對比其優(yōu)缺點。
　　再次，基于Elman神經網絡，開展了電容層析成像系統(tǒng)流型識別的研究，根據Elman神經網絡及ECT系統(tǒng)的特點，給出了一種電容值的特征提取方法，并通過Matlab進行仿真實驗，并完成了分析和比較。
　　最后，應用棧式自編碼和 Softmax回歸技術，設計并實現(xiàn)深度學習網絡系統(tǒng)，完成了電容層析成像系統(tǒng)的流型辨識，并通過實驗驗證算法的有