超声波层析成像技术

多相流动现象广泛地存在于我们的生产与生活中,该现象复杂、多变的特点使传统的单一参数测量无法直观且准确地反映其行为。在众多多相流测量方法中,过程层析成像技术凭借其非侵入式、结果可视化及响应速度快等三大优势;从众多技术中脱颖而出,成为现阶段多相流层析成像技术研究的重点与热点,受到了许多学者的青睐。根据传感器的测量原理和所传递信号的不同,可分为电容层析成像技术、电阻层析成像技术、超声波层析成像技术和射线层析成像技术等[1]。其中超声波层析成像技术具有敏感场不受成像介质影响,测量范围广,方向性强等特点,是层析成像技术主要的研究方向。

基于非凸与不可分离正则化算法的电容层析成像图像重建

搅拌器内两相混合是化工生产中常见的现象,电容层析成像(ECT)技术主要对两相分布进行可视化重构,以达到监测的目的。受稀疏贝叶斯学习的启发,提出了一种非凸与不可分离正则化(NNR)算法重建ECT图像。在稀疏先验的基础上引入矩阵低秩特性,采用最大后验估计在潜在空间中提出一个新的优化问题,利用对偶变量将潜在空间的目标函数映射到原始空间进行迭代求解,用来恢复同时稀疏与低秩的矩阵。与凸近似L1范数相比,NNR算法可获得更准确的重建图像,同时比非凸可分离方法更容易收敛到全局最优解。为验证NNR算法的重建效果,通过数值仿真与静态实验的方法分别与其他5种算法进行重建对比。结果表明:NNR算法可以有效减少重建伪影,提升中心物体的重建质量,为搅拌器内两相分布提供了高质量的重建算法。

一种组合电极电容层析成像重建图像融合方法

提出一种基于电容层析成像(ECT)组合电极重建图像及层次聚类的ECT图像融合方法。首先,构建组合8电极及12电极ECT阵列传感器,研究2种组合传感器激励测量方案;其次,采用层次聚类法对两种组合电极ECT重建图像进行聚类,从而消除重建过程中产生的伪影;最后,将聚类后的2种图像再进行小波融合重建。实验结果表明,相较于原始重建图像,所提方法重建图像平均相对误差最小,最大降幅达到23.4%,平均相关系数最大,最大增幅达到10.56%。

阿尔山火山群面波层析成像

文中利用阿尔山火山群附近的29个宽频带流动地震台和其周边8个固定台站2019年5月—2021年12月期间的远震垂直向地震波形,通过频-时分析获取了11010条高质量的Rayleigh波基阶相速度频散,基于面波成像方法构建研究区地壳、上地幔的三维S波速结构。结果表明:在中、下地壳范围内,阿尔山火山群地区的S波速度表现出明显的低速异常,结合该地区高波速比的特征,推测阿尔山火山群可能存在地壳岩浆囊;在阿尔山火山群地区的40~150km深度内存在多处上低下高的S波速度异常结构,表明阿尔山火山群可能发生过岩石圈拆沉;阿尔山火山群东南侧上地幔的低速异常连通了软流圈和阿尔山火山群在地表出露的位置,结合前人的研究结果推测,此低速异常可能是松辽盆地岩石圈拆沉造成的软流圈物质上涌。

电容层析成像垂直环空气液两相流动实验

为了研究石油与天然气钻井溢流期间井筒环空中的气液两相流动规律,设计并搭建了一套垂直井筒环空气液两相流动实验装置,创建了电容层析成像(ECVT)和含气率分析的流型识别方法。通过实验表明:该实验揭示了含气率随气液相表观速度、黏度的变化规律;实现了对不透明井筒环空内气液两相流动过程的实时可视化和定量化表征。该实验装置可作为垂直井筒环空中气液两相流动特征、气体运移、流型转化研究的重要手段,也可用于实验教学、大学生创新性实验项目等。

多尺度卷积神经网络的电阻层析成像算法

针对电阻层析成像(ERT)经典算法(LBP、Landweber等)在复杂流型情况下成像精度低的问题,提出一种基于多尺度卷积神经网络(Multi-scale Convolutional Neural Network, MS-CNN)的电阻层析成像图像重建算法。根据气液两相流流型特点,构建有限元模型得到20 000组包含“边界电压向量-电导率分布”的数据集。在典型卷积神经网络Resnet50和Vgg16的基础上,构建针对ERT图像重建问题的MS-CNN。仿真实验结果表明,与Landweber迭代算法和单尺度卷积神经网络算法相比,MS-CNN算法的ICC分别提升了0.715和0.023,RIE分别降低了0.812和0.057。抗噪性测试与静态测试结果表明,MS-CNN算法具有良好的图像重建结果和鲁棒性。

多尺度注意力融合与视觉Transformer方法优化的电阻抗层析成像深度学习方法

电阻抗层析成像(EIT)具有显著的可视化和非侵入性等特点,在工业和生物医学工程领域展现了其广阔的应用潜力。由于其逆问题存在高度非线性和病态性特点,导致了数值成像方法在空间分辨率上的局限性,尤其是在多相介质分布情况下,现有EIT技术在成像过程中出现边界失真和电导率误差,从而影响最终的成像精度。本文提出了一种基于卷积注意力机制的U型深度成像方法——MAT-UNet,将卷积块注意力模块(CBAM)与U-Net结构相结合,在特征提取与融合过程中嵌入卷积块注意力模块,以增强模型的注意力定向和特征表征能力,同时跳跃连接引入了压缩-激励(SE)注意力机制与视觉Transformer(ViT)来优化全局特征的学习,使用多头交叉注意力模块(MHCA)实现编码器与解码器的多尺度信息融合。MAT-UNet通过大量的仿真数据训练获得最优模型参数,并在多样化复杂形状和肺部仿真模型进行了实验验证。定量评估指标表明,该方法在重建图像中的均方根误差(RMSE)结果为2.3156,结构相似性指数(SSIM)结果为0.9437,可视化结果与真实分布和边界具有很好的一致性。实验结果表明,本文提出的MAT-UNet模型展现出良好的鲁棒性和泛化能力,相较于传统的单一卷积结构,集成Transformer结构提供了更精准的EIT图像重建效果,在无损测量与检测应用中存在很大的潜力和价值。

基于多尺度密集连接网络的电容层析成像图像重建

为求解电容层析成像中的非线性病态反问题,提出了一种多尺度密集连接网络(MD-Net)模型。该模型由多尺度特征融合模块和密集连接块组成,以通过融合多尺度特征进一步提高图像的重建精度。通过MATLAB仿真实验平台构建了流型数据集,利用密集连接网络的非线性映射能力,完成训练集的学习与训练,并利用测试集进行训练效果评价。在此基础上进行了静态实验。仿真与静态实验结果均表明:与LBP、Landweber迭代算法和其他深度学习方法相比,该方法的重建精度最高、抗噪能力强,并具有良好的泛化能力。

基于深层小波网络的电容层析成像图像重建

提出了一种基于深层小波网络的电容层析成像(ECT)图像重建算法,采用Landweber算法生成初始重建图像作为网络输入;以U-Net深度卷积神经网络模型为骨干模型,通过在上、下采样层引入小波变换提取不同层次的特征,以及采用跳跃连接方式搭建高频特征传递通道,保留更多的细节信息,充分利用特征图中的全局和局部信息特征。仿真及静态实验结果均表明,基于该算法的图像重建精度更高,仿真及静态实验重建图像的平均相对图像误差分别为0.1918及0.6570,平均相关系数分别为0.9685及0.8169。

基于宽频激励的平面电磁层析成像方法

为了实现对高低电导率材料的检测与成像,提出了一种基于宽频激励的平面电磁层析成像方法。根据线圈的电磁特性及实验测试结果,探讨了平面线圈阵列的优化方法。通过有限元仿真模型,采用场量提取法获取灵敏度矩阵,并针对灵敏度矩阵的均匀性问题提出了改进方法,提高了图像重建质量。通过仿真模型评估了不同电导率物体的图像重建质量,仿真结果证明了提出的平面电磁层析成像方法可以实现对高低电导率材料的成像。搭建了基于宽频激励的平面电磁层析成像实验系统,并对多种不同电导率物体进行了成像实验。实验结果表明,重建图像平均相关系数为0.77,平均定位误差为4.46 mm。

基于改进DenseNet的电阻层析成像图像重建算法

针对电阻层析成像(ERT)的逆问题存在严重的病态性、非线性和欠定性,导致经典算法的重建图像通常精度偏低的问题,提出一种基于改进DenseNet网络优化的电阻层析成像重建算法。首先,采用Landweber算法迭代值作为图像重建初始解;其次,构建了融合CBAM注意力机制的多尺度卷积模块以获取不同尺度特征,从而加强对关键特征的提取;使用DenseNet作为图像重建的主干网络,引入Swish作为网络的激活函数并融合dropout算法提高网络的泛化能力;最后,使用余弦退火算法优化学习率,避免模型训练陷入局部最优。此外,对改进DenseNet网络进行了抗噪性实验和静态实验。实验结果表明,采用改进算法进行ERT图像重建,相对误差和相关系数均得到提升。该算法不仅具有较高的重建精度和良好的可视化效果,还表现出对抗噪声干扰的特性。

基于非凸熵最小化与高斯混合模型聚类的电容层析成像图像重建

基于压缩感知原理提出了一种构建非凸熵(NE)函数作为正则化项的方法,在有效缓解电容层析成像(ECT)病态性逆问题的同时可保证解的稀疏性,并采用快速迭代阈值收缩算法(FISTA)求解以加快收敛速度。对所得解通过高斯混合模型(GMM)进行阈值寻优,采用期望最大化算法(E-M)更新模型参数,从而构建NE-GMM算法。仿真及实验结果均表明:与LBP、Landweber、迭代硬阈值(IHT)、ADMM-L1及NE算法进行了对比,该算法所得重建图像质量最优,对中心分布及多物体分布的保真度进一步提高,仿真实验重建图像的平均相对误差和相关系数分别为0.4611及0.8827,优于其他5种算法。

一种新型应用于平面电容层析成像系统的电容阵列传感器设计

平面电容层析成像(ECT)技术适用于复合材料表面/亚表面缺陷探伤检测,或传感器安装受限制等无损检测应用领域。针对常规平面ECT系统所采用的方形结构阵列传感器灵敏度分布均匀性较差、中心区域成像质量不高的问题,提出了一种新型结构阵列平面电容传感器,该传感器由7个单元传感电极构成蜂巢结构阵列。新型结构阵列传感器由COMSOLTM专业软件进行建模分析,并设定静电场边界条件,求解并获得传感器的电场分布、极间电容值以及计算灵敏度矩阵。通过与相同尺寸的3×3方形阵列传感器进行比较,来评估新型结构阵列传感器的关键性能,即极间电容变化值和灵敏度分布均匀性。此外,传感器实物采用印刷电路板技术设计制作,结合线性反投影算法进行图像重建,比较和验证两种结构传感器的成像性能。经过数值成像实验和实物重建图像测试,结果表明,新型结构阵列传感器有利于电容传感信号检测,改善了传感器灵敏度分布均匀性,提高了平面ECT系统中心区域成像质量。

电磁层析成像技术中的谱参数混合共轭梯度法

电磁层析成像技术是基于电磁感应原理的过程检测技术,图像重建是解决其反问题的关键.基于共轭梯度算法,修正搜索方向和迭代参数,推导出基于谱参数的混合共轭梯度算法,以提高图像重建质量和收敛性.介绍了电磁层析成像系统的实验室模型和灵敏度分布矩阵,作为反问题基础;对搜索方向进行修正,提出一个新的谱参数,用来控制新旧搜索方向之间的角度,根据每一步迭代的残差结果,寻找最优解;改善共轭参数,分析非线性共轭梯度算法中FR算法(fletcher-reeves method)和PRP算法(polak-ribiere-polyak method)的各自优势,将它们按照一定比例进行混合,得到一种新的混合共轭梯度算法;将谱参数混合共轭梯算法应用到电磁层析成像实验室系统中,构建了3种典型实验室模型,对比谱参数混合共轭梯度算法与传统算法并作出评价.实验结果表明:谱参数混合共轭梯度算法的重建图像的质量更高,具有较好的数值表现;混合共轭梯度算法结合了FR算法和PRP算法的优点,收敛速度比PRP算法快,成像质量比其他算法高.

基于电阻层析成像的45钢表面缺陷检测研究

本文提出一种利用电阻层析成像技术来检测45钢中的缺陷的方法。对45钢缺陷进行检测时,因其具有低电阻、高电导率的特点,使得检测的信号比较微弱且易受到噪声干扰,难以从检测信号中获取利于图像重建的特征。因此,通过构建特定用于45钢检测的电阻层析成像设备,可获取较大的信号强度数据,并利用小波分析对其进行的数据处理,分离噪声种类以及提取有效的单频特征信号,从而有效的改善图像重建的质量。采用5种算法对其进行成像,结果表明,总变异重建算法面对缺陷位置的多种情况,均可以有效的识别缺陷位置及大小。

采用曲波变换和电容层析成像的两相流含水率测量方法

针对电容层析成像(ECT)逆问题的欠定性,提出了一种基于曲波变换的图像稀疏重构算法。首先,采用曲波变换基作为稀疏基,从多尺度对模拟介质分布图像进行稀疏表示,提高了ECT灰度值向量的稀疏度;其次,应用迭代软阈值算法对曲波系数进行稀疏重构,同时使用奇异值分解算法计算最优灵敏度广义逆矩阵;最后,搭建ECT测量平台,通过静态实验重构5种典型实际流型,验证所提算法的有效性。实验结果表明:所提算法可有效抑制伪影,重构图像边界清晰,同时在图像相关系数、相对图像误差上均优于传统重构算法,比Landweber迭代算法相关系数提高约37.9%,相对误差减小约17.6%;基于稀疏重构的后处理图像可用于截面含水率的测量,含水率平均误差低于10%,最低为4.32%。该方法有效提高了ECT重构图像质量,能够满足天然气精准开采的工业需求。

二维初至波层析成像揭示的兰坪盆地—扬子西缘浅层地壳结构

兰坪盆地—扬子西缘位于青藏高原东南缘,在地质构造上属特提斯-喜马拉雅强烈挤压、碰撞造山带的东部,兼跨华南板块与古冈瓦纳板块两大构造单元。其浅层地壳是记录地壳形变、岩浆作用与成矿作用的重要载体。本文利用兰坪盆地—扬子西缘220km长的深反射地震剖面的初至波(Pg震相)数据,通过层析成像反演方法,获得了测线下方4km以浅的上地壳浅层P波速度结构。成像结果显示,兰坪盆地沉积厚度从西到东逐渐减薄,扬子块体西缘东部表现出“两侧厚中间薄”的特点;兰坪盆地内有多组逆冲断裂,金沙江断裂与程海断裂近乎垂直;金顶铅锌矿的形成可能与底部热隆有关,北衙金矿下方结晶基底向上突起,推测由岩浆上涌所致。

基于轻量残差复合增强收敛神经网络的粒子场计算层析成像伪影噪声抑制

由于流场中的微粒分布状态能够充分表征场的特性,因此通过稀疏采样实现快速和高质量的粒子场成像始终是实验流体力学等领域高度期盼的.近年来,随着深度学习应用于粒子计算层析成像,如何提高神经网络的处理效率和质量,以消除稀疏采样所致的粒子层析图像伪影噪声仍然是一个挑战性课题.为解决这一问题,本文提出了一种新的抑制粒子场层析成像伪影噪声和提高网络效率的神经网络方法.该方法在设计上包含了轻量化双残差下采样图像压缩和特征识别提取、快速特征收敛的上采样图像恢复,以及基于经典计算层析成像算法的优化信噪比网络输入样本集构建.对整个成像系统的模拟分析和实验测试表明,相比于经典的U-net和Resnet50网络方法,本文提出的方法不仅在输出/输入的粒子图像信噪比、重建像的残余伪影噪声(即鬼粒子占比)和有效粒子损失比方面获得了极大的改进,而且也显著提高了网络的训练效率.这对发展基于稀疏采样的快速和高质量粒子场计算层析成像提供了一个新的有效方法.

流场声学层析成像测量方法仿真和实验研究

流速是实现工业生产过程在线监测和精准化控制的重要依据。为准确测得流场分布,提出了基于径向基函数结合均衡优化(RBF-EO)算法的流场声学层析成像方法。采用径向基函数逼近建立声学流场重建模型,利用均衡优化算法求解重建问题中的不适定方程。对典型的四角切圆速度场模型进行了数值模拟与算法的抗噪性检验,并将本算法与传统的重建方法:Tikhonov算法、SVD分解法和灰狼优化算法进行了比较。仿真结果表明该算法能够很好的反演出流场分布,具有较高的重建性能和良好的抗噪性。最后,在实验室进行了1.05 m×1.05 m的测量区域内的流场声学测量实验,并与飘带流场显示和风速仪测量结果进行了对比,结果显示,RBF-EO算法与风速仪测量结果在8个测点的平均误差为9.77%,验证了本文声波流场测量方法的可靠性。

电容层析成像测量甲醇制烯烃催化剂床层温度

甲醇制烯烃作为煤制烯烃的关键一环,对实现煤炭的综合利用有重要意义。这一过程是典型的放热反应,为提高甲醇转化率与产物选择性,需对床层温度进行在线监测。基于高温电容层析成像,提出一种在线测量催化剂床层温度(DMTO工业催化剂,ZSM-5分子筛)的方法。通过与介电常数变化极小的石英砂、氧化铝等床层材料的测量结果对比,发现不同催化剂的介电常数随温度变化规律不同,催化剂床层的测量电容值随温度变化敏感且重复性较好。因此可通过高温电容层析成像装置测量温度分布均匀的床层归一化电容平均值实现对床层温度的测量。通过采用薄壁石英管的固定反应器,对甲醇制烯烃催化剂、ZSM-5分子床层进行在线测温验证了该方法的有效性,发现通过线性反投影算法重构的ECTt图像,可获得床层温度分布。由此,可以通过高温电容层析成像装置实现对固定床床层床层测温。