论文部分内容阅读
电磁层析成像(Electromagnetic Tomography,EMT)技术是检测双相或多相流的重要工业检测技术,该技术的主要原理是通过电磁感应原理提取被测物体状态信息进行图像重建,获取被测物体的分布及状态信息,具有硬件结构简单、成本低廉、无需接触、无需入侵、适用范围广等优点。但目前EMT技术在实际工程应用过程中仍然存在灵敏度场性能差,重建图像质量不能满足要求等技术问题。所以对EMT图像重建算法研究具有重要意义。本文针对上述问题,在查阅国内外大量文献的基础上,结合EMT硬件系统,对EMT感应线圈进行优化提高灵敏度场性能。并在EMT图像重建的基础理论与数学模型的基础上,结合自编码器神经网络思想,提出了新的图像重建算法。本文的主要工作如下:1、首先对EMT技术的研究背景及意义和EMT系统的国内外发展现状进行分析,并针对目前广泛应用的几种传统图像重建算法进行归纳总结分类,分析比较其优缺点。2、在对EMT系统工作原理进行研究的基础上,对EMT系统的正、逆问题了进行分析。利用电磁学麦克斯韦方程推导电磁检测的数学模型,进而求解出检测电压值。最后利用comsol建立8线圈传感器几何模型进行仿真研究。3、针对EMT系统中灵敏度场中的非线性问题,提出一种基于二次逼近边界优化(BOBYQA)算法来改善灵敏度场非线性问题的方法;BOBYQA算法是一种针对复杂目标函数问题无须计算目标函数导数的优化算法。首先根据EMT系统灵敏度场的特点,建立灵敏度场的优化目标函数,然后利用BOBYQA算法对传感器结构参数进行优化,最后进行了实验验证,验证结果表明优化后EMT系统的灵敏度场各项指标得到了提高,灵敏度场的非线性问题得到了明显改善。4、针对编码器网络在拟合非线性映射精度低的问题,提出一种基于LM神经网络来增强编码器拟合非线性映射能力的方法。LM算法是一种利用最小二乘法拟合非线性映射的算法。首先对编码器的结构进行了介绍并对编码器降维原理进行了分析;然后利用LM神经网络拟合非线性映射的能力对编码器非线性映射过程进行参数调整;最后进行实验验证,验证结果表明改进的编码器结构具有很强的非线性拟合能力。5、针对传统算法重建图像精度低的问题,提出一种基于自编码器神经网络的EMT图像重建算法。自编码器神经网络是一种深度学习模型,它包含编码器和解码器两部分。利用该模型的网络结构,将编码器编码过程对应EMT系统中电磁检测过程;解码器解码过程对应图像重建过程。首先该算法利用comsol软件得到不同物场的图像信息和其检测电压矩阵,并把此物场图像及检测电压矩阵作为训练数据集,然后利用训练数据集对自编码器神经网络进行训练。最后把EMT系统输出的检测电压值输入到解码器网络中,从而得到EMT的重建图像。6、利用COMSOL建立物场流型,利用本文构建的基于自编码器神经网络的EMT图像重建算法与传统LBP、Landweber算法分别重建成像,引入图像评价参数进行比较,实验数据表明,本文算法的重建结果相比传统算法,图像误差更小、相关系数更大,重建图像质量更好,证实了自编码器神经网络与EMT系统结合重建图像的有效性。