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。

宽量程高速电阻层析成像系统设计与实验研究

为准确识别水下冲压发动机工作管道截面气液两相流流型,该文提出将电阻层析成像(ERT)技术用于管道截面的图像重建。基于现场可编程门阵列(FPGA)控制器设计了一套12电极的管道截面高速ERT成像系统,系统采用线性反投影算法对截面图像进行重建,通过实验验证了系统测量结果的正确性以及图像重建的可行性。实验结果表明系统量程可达10 k?、实时测速可达51 f/s,能够准确测量管道截面敏感场内的边界电压,可对模拟环境中的水下冲压发动机管道截面进行图像重建。

基于深度森林及电阻层析成像的气液两相流流型辨识

提出了一种基于深度森林(DF)算法与电阻层析成像技术(ERT)的气液两相流流型辨识方法。首先利用ERT实验装置对4种典型流型进行数据采集,以多帧数据求均值的方式对采集的数据进行预处理;然后选择合适的基本分类器构建深度森林模型,并调整模型的最大层数以保障分类的准确率;最后对多帧数据求均值的有效性和深度森林模型的流型辨识能力进行验证,并与深度神经网络(DNN)及卷积神经网络(CNN)2种传统深度学习算法进行比较。结果表明深度森林的流型辨识准确性优于其他2种算法,平均辨识精度可达98.75%,多帧数据求均值的预处理方法更有利于流型辨识。

基于集成学习及电阻层析成像的两相流流型辨识

为了更准确、快速地辨识两相流的流型,提出一种使用集成学习进行流型辨识的方法。采用电阻层析成像系统采集垂直管道气液两相流的4种流型数据。首先,通过选取一定数量的帧数对数据进行帧数均值化,以多分类回归树(CART)为弱分类器构建极限梯度提升(XGBoost)算法,以特征增益为指标进行预训练并经特征选择实现数据降维;然后,将5个深度神经网络(DNN)模型与AdaBoost算法相结合,构建了用于气液两相流流型辨识的DNN-AdaBoost算法;最后,将DNN-AdaBoost算法与其他流型辨识算法进行比较。结果表明:DNN-AdaBoost算法的辨识准确率高于其他算法,平均辨识准确率可达98.25%。

基于电阻层析成像技术的弹状流实验研究

在气液两相流研究中,相分布、相速度等流场特征信息对深入了解流动机理、提高模型计算精度有重要意义,但由于气液流动的复杂性与随机性,使得它们的准确测量较为困难。该研究基于快速电阻层析成像技术,首先对垂直向上气液管流中弹状流流型下多种工况的流动结构进行图像数据采集与重建;然后通过互相关算法得到轴向速度场分布,并与漂移流模型进行对比;再对按时序排列的横截面图像序列进行调整得到正确比例的空间三维图像;最后获得段塞长度、频率等特征信息。结果表明,快速电阻层析成像技术可以测得速度场分布、段塞长度、频率等特征信息,可用于优化与这些参数相关的理论模型和经验关系式,有助于提高气液两相流的模型计算精度。

基于传感涂层的混凝土裂缝电阻层析成像检测

为验证传感涂层在钢筋混凝土梁电阻层析成像技术(ERT)裂缝检测中的可行性,提高裂缝的ERT检测精度,首先通过试验获得传感涂层力学性能与电学性能的相关性,再将传感涂层用于采集钢筋混凝土梁三点弯曲试验过程中的电势差数据,最后用差分ERT算法对混凝土梁裂缝进行成像检测。试验结果表明,传感涂层的力学韧性及其与混凝土的连接性较好,应变小于0.35%时应变与电导率呈线性相关,裂缝处传感涂层未出现脱离现象,ERT检测的原始数据可靠性较高。差分算法重建图像可提供混凝土裂缝的定性信息,能可视化检测出裂缝的位置及分布形态,较传统的直接ERT混凝土缺陷检测方法精度更高,实用性更强。

基于电阻层析成像技术和ResNet的萝卜根系表型无损检测方法研究

【目的】针对现有根系表型检测方法存在价格昂贵、需要专人操作以及无法对根系表型进行原位无损检测等问题,提出一种基于电阻层析成像技术(Electrical resistance tomography,ERT)和深度残差神经网络(Deep residual network,ResNet)的萝卜根系表型无损检测方法。【方法】首先,利用COMSOL软件对萝卜−琼脂场域不同情况的ERT正问题进行仿真分析,并获得大量边界电压数据;然后,基于ResNet对萝卜−琼脂场域的内部电导率分布与边界电压之间的非线性映射关系建立模型,对萝卜−琼脂场域进行图像重建;最后,基于ERT研制一套萝卜根系表型检测装置,并进行试验验证。【结果】基于ERT和ResNet的萝卜根系表型检测方法能够实现萝卜根系表型的可持续无损检测,试验装置操作简单、成本低,图像重建相对误差小于5%。【结论】基于ERT的萝卜根系表型检测方法可以实现对萝卜根系表型的无损检测;结合ResNet算法,成像精度较高。该方法可有效应用于萝卜根系表型的检测。

面向疏浚工程的电阻层析测量系统优化设计

针对当前疏浚工程的测量要求,在现有的电阻层析(EIT)测量系统基础上,围绕系统的传感器阵列、数据采集系统和上位机测量系统三个部分进行优化。首先,根据疏浚管道的实际工况以及EIT技术对传感器阵列的要求,对传感器阵列进行了耐久性、稳定性和抗干扰性方面的优化。然后,从EIT采集系统出发,分析了影响信噪比以及采集速率的主要因素,分别从电路层面的三个方面进行了相关优化。利用试验数据进行了采集系统性能的验证。系统信噪比由原有的52 dB提升到了73 dB。最后,围绕当前采集系统的改进,分别对上位机的通信模块以及数据预处理模式进行了适配升级。整体优化后的EIT测量系统较原有系统性能得到了显著的提升。

基于深度神经网络的电阻层析成像重建方法

电阻层析成像技术因其非侵入式测量特点、结果可视化的直观性和测量方法便捷性,被广泛用于医学造像,两相流工业检测和特殊材料检测。但其图像重建的逆过程由于固有的欠定性、病态特点,使得结果有一定偏差。针对该情况,设计了基于Resnet34改进的深度神经网络来求解电阻抗层析成像逆问题。通过设置场域内以像素点为中心,小范围内随机半径与电阻率分布变化强度,正向计算仿真32电极情况下各电极处边界电压,以此建立训练与测试数据集。经调参、训练后,该方法能较快收敛,并和高斯-牛顿法、全变差法以及Tikhonov正则化算法相比较,得到较好的判定性能。

电阻层析成像技术的研究

本文对近年来兴起的过程电阻层析成像 (ERT)技术作了综述 ,并介绍了作者在从事ERT技术研究中所取得的成果 ,包括关于敏感电极阵列、图像重建算法的仿真研究和在所开发的TERT 2型层析成像系统上的静态模拟实验研究。

电阻层析成象技术在两相管流测量中的应用

介绍应用电阻层析成象 (ERT)技术测量两相流中的基本原理和ERT系统的基本结构 ;描述应用天津大学过程层析成象研究室开发的ERT系统样机 ,在实验装置上进行两相流流型识别的实验研究。提出应用ERT系统进行流型识别的基本方法 ;并通过重建图像和分析测量数据实现两相流流型的识别。

基于电阻层析成象技术的两相流检测的仿真

利用作者建立的电阻层析成象 (ERT)仿真软件 ,对ERT应用于两相流检测进行了仿真研究·求出ERT敏感场的数值解 ,分析了敏感场灵敏度特性 ,最后得到仿真结果重建图象·仿真计算结果与理论解析解均方根误差低于 1 % ,表明仿真过程是可信的·通过实际设定的 5种典型两相流流型与重建出的图象比较 ,浅析了ERT应用于两相流检测的主要问题和努力方向·

沉积物中天然气水合物生成过程的二维电阻层析成像观测

基于室内模拟实验模拟沉积物中天然气水合物(以下简称水合物)的生成过程及其物性演化规律,可以为现场实际水合物储层动态响应规律分析提供重要的理论支撑。为此,基于ITS电阻层析成像仪,研制了适用于沉积物中水合物原位合成—分解动态探测的电阻层析成像模拟装置,并以天然海滩砂为沉积介质,模拟了含盐水沉积物体系中水合物的生成过程,根据电阻层析成像测试结果分析了水合物在沉积物截面上的生成位置和非均质性。研究结果表明:①水合物合成过程中,受排盐效应和水合物生成速率两个因素的影响,沉积物体系平均电阻率呈波动上升趋势;②较之于水合物合成,沉积物内部排盐效应对沉积物体系平均电阻率的影响存在着明显的滞后效应,水合物合成结束后沉积物体系内部仍存在盐离子浓度差异控制的传质过程;③水合物合成过程中不同区域的电导率偏移量变化幅度表现出明显的非均质性,指示水合物在沉积物内部的生成过程具有明显的非均质性。结论认为,起始条件下沉积物中气—水非均质分布特征是导致沉积物中最终水合物饱和度非均质分布的决定因素,而水合物合成过程中排盐效应导致的沉积物内部盐离子浓度的空间分布差异则是水合物合成位置变化的控制因素。

基于RBF神经网络的电阻层析成像算法的研究

本文提出了一种基于 RBF神经网络的 ERT图像重建算法 ,并用作者开发的 ERT仿真软件得到的数据进行图像重建 ,与其它传统的成像算法作了对比。研究表明 ,RBF神经网络适合解决 ERT图像重建的非线性问题 ,该算法具有速度快。

电阻层析成像(ERT)敏感场的仿真计算

采用有限元法对电阻层析成像 (ERT)敏感场进行了分析 ,并与两种简单媒质分布情况时正问题的理论解作了对比 ,仿真计算结果与理论解吻合较好 ,节点电压均方根误差为 3 1 9%和 0 3 9% .结果表明 ,有限元法能更好地模拟ERT电极尺寸和敏感场 ,解决了用解数学物理方程法难以求解复杂媒质分布的ERT敏感场的问题 ,为研究ERT敏感场特性和成像算法等提供可靠的分析工具·

用于电阻层析成像的快速自适应硬阈值迭代算法

针对电阻层析成像技术图像重建具有严重病态性的问题,提出了一种稀疏重建算法——快速自适应硬阈值迭代算法,研究了噪声对该算法在电阻层析成像图像重建效果上的影响,并通过仿真和模型实验测试了该算法的性能.结果表明:一定强度范围内的噪声对硬阈值迭代算法、自适应硬阈值迭代算法和快速自适应硬阈值迭代算法的影响较小.快速自适应硬阈值迭代算法成像速度更快,且该算法重建图像的空间分辨率相对其他两种算法也有较大的提高.

油水两相流电阻层析成像系统流型的辨识

两相流体具有复杂的流动特性,流型的准确辨识是两相流参数准确测量的基础,流型的在线智能辨识是两相流研究的重点内容之一。以电阻层析成像(ERT)系统和油/水两相流的流型为研究基础,采用主成分分析方法对ERT系统中的边界测量电压数据进行特征提取,然后以提取的特征数据作为基于一对余类策略的支持向量机多类分类模型的输入,从而对两相流的四种流型进行识别。通过实验仿真分析,四种流型的平均识别率达到了88.75%,说明主成分分析和支持向量机的结合是一种两相流流型辨识的有效方法。

电阻层析成象技术的研究现状与应用发展趋势

:电阻层析成象技术 (Electrical Resistance Tomography,缩写 ERT)是一种新兴的两相流体流动参数分布状况的在线、实时检测技术 ,近年来受到了各国研究者的重视而得到迅速发展 .本文在简要介绍 ERT系统组成之后 ,综述了 ERT技术在传感器结构、数据采集与处理硬件电路、成象算法、应用性开发等几方面的研究进展现状 ,指出 ERT技术发展中必须解决的关键问题 ,最后对 ERT技术的发展及应用前景进行了展望 .

用电阻层析成像技术实现两相流流型识别

介绍了应用天津大学开发的 TERT- 系统样机 ,在不同实验装置上进行气 /液两相流和油 /水两相流的实验研究。提出了应用 ERT系统进行流型识别的基本方法 ;并通过重建图像和分析测量数据实现了两相流流型的识别 ;并证明了应用

双截面电阻层析成像系统设计

为了扩展电阻层析成像系统的测量范围,提出了一种采用电压激励、电流测量模式的双截面电阻层析成像(ERT)系统,可避免因负载电阻增大而导致的电压饱和现象.分析了双截面ERT系统采用异步工作模式的不足,提出了双截面同步工作模式,并给出了该模式下的三维敏感场有限元仿真方法.实验结果表明,该系统的测量数据相对变化量的均方根误差最大值不超过0.15%,各通道测量数据的标准方差可控制在0.03%～0.12%之间,显示出良好的数据重复性及通道一致性.竖直管内的气/液两相流实验表明,系统测量范围得到了有效扩展,该双截面ERT系统可实现两相流的在线测量,实现流型和截面气体持率的在线监测.