电容层析是过程层析技术中被广泛应用于两相流和多相流的一种检测技术,由于其具有结构简单、无辐射和低成本的特点,目前在石油和天然气运输方面工业前景广阔,研究其发展具有重要意义。电容层析技术的主要原理是利用被测区域内介质介电常数变化引发的测量电容值变化,将其通过图像重建算法转变为介质分布情况。本文介绍了电容层析成像系统的组成结构和工作机理,分析了电容值、灵敏场和灰度值间的关系,提供了电容层析成像系统的图像重建的理论依据。由于电容层析系统的敏感场分布在三维空间内,传统的ECT技术以二维断层图的形式作为重建结果,无法反应介质分布的空间信息,本文采用直接三维ECT技术,在仿真模型的基础上对主要结构参数的影响做了研究,并通过实验确立了实际的结构参数。在三层八电极的传感器模型上设计了一种不同层三电极激励模式,实验证明单激励模式比多激励模式测量到的电容值变化范围更大,但三电极激励模式相较于其他两种模式在图像重建准确率上更高,有噪声干扰时图像重建结果具有稳定性。由于卷积神经网络在ECT系统中面临着收敛速度慢、重建精度低的问题,本文对AlexNet卷积神经网络模型进行了深入研究,针对ECT系统的电容值数据进行改进,在池化层中对最大池化算子进行优化,采用加权的平均-最大池化算子,保证数据在特征提取后具有平移不变性和鲁棒性。在反向传播中采用自适应学习率的Adam梯度下降算法代替随机梯度下降算法,避免神经网络陷入局部最优解,提高收敛速度。实验针对不同流型分别采用线性反投影算法(Linear Back Projection,LBP)和AlexNet卷积神经网络进行图像重建,结果表明改进的AlexNet神经网络图像重建精度更高。