电容层析成像(ECT)技术是近年发展起来的一种基于电容敏感机理的过程层析(PT)成像技术。ECT技术具有非侵入、结构简单、成本低、响应速度快、安全性能好(非辐射)、适用范围广等优点。近几年ECT技术得到较大发展,系统的性能指标也有了很大的提高。作为两相流参数检测新技术,ECT在工业应用中极具发展潜力。 图像重建算法是ECT系统研究的关键技术,是改善图像重建质量的重要因素。图像重建是通过有限个观测数据(电容测量值)去重建介质在检测区域内的介电常数分布图,即求成像区域内各象素的灰度值,是一个非线性、不适定的逆问题。 本文介绍了RBF神经网络的基本原理,研究了基于RBF神经网络的图像重建方法。RBF神经网络是一种局部逼近的神经网络,理论上只要足够多的神经元,RBF神经网络可以任意精度逼近任意连续函数。基于RBF神经网络的图像重建方法的实质就是用RBF神经网络建立电容测量值到图像灰度值的映射关系模型。本文采用最大矩阵法确定RBF神经网络隐层神经元数目,用最小邻聚类方法确定径向基函数的宽度和中心,建立了极板电容测量值与成像区域介电常数分布间的RBF神经网络映射,探讨了基于RBF神经网络的16极板电容层析成像系统的图像重建方法。 在MATLAB环境下对所研究的图像重建用RBF神经网络进行训练,并通过有限元法获得训练所需要的训练样本集。仿真实验结果表明,基于RBF神经网络的图像重建方法重建速度与常用的实时图像重建算法——线性反投影(LBP)法相当,重建质量优于线性反投影法。 为实现对整个ECT系统运行控制,使用DELPHI开发了16极板的ECT系统上位机软件。软件主要完成人机接口、图像重建任务,并与下位机通信,控制下位机运行状态,以实现直观实时地显示管道内介质分布隋况。