自适应电容层析体成像(Adaptive Electrical Capacitance Volume Tomography,AECVT)是一种新型的、非侵入式的电容层析成像(Electrical Capacitance Tomography,ECT)三维成像技术。AECVT基于沿着成像区域二维边界的小极板组合而成的合成极板,来测量得到电容数据并恢复出绝缘材料在三维域内的分布。因其无损性和可变电容极板的优势逐渐成为工业检测和过程成像领域的研究热点之一。本文主要对AECVT的敏感场分布,特别是逆问题成像算法展开较为深入的研究。基于前人的研究成果,主要完成了如下工作:1、综述了三维ECT成像技术的国内外发展现状与基本原理,并突出了AECVT传感器的优势。2、分析了不同电压封装下AECVT敏感场分布情况。对AECVT敏感场数学模型进行了推导;采用灵敏度快速计算方法,结合AECVT小极板的设计优点,通过改变电压封装的幅值大小、数量与分布,分析不同封装激励对AECVT敏感场分布的影响。仿真表明AECVT的敏感场分布与单电压激励下的电压幅值无关;多电压激励可以改善敏感场分布,为后续逆问题的研究奠定了基础。3、初步探讨了利用拉普拉斯变换法的AECVT三维灵敏度进行预处理的方法。仿真结果,在相同仿真条件下,拉普拉斯灵敏度预处理法可以将相对模化误差由处理前的0.9474降低至处理后的0.8682,改善了敏感场分布。4、将微分进化算法(Differential Evolution,DE)应用于AECVT图像重建中,并验证了其在简单和复杂介质分布模型中的可行性。在此基础上,针对基本DE算法对复杂介质分布模型成像精度的局限性,提出一种灰度预处理的自适应选择变异策略微分进化算法(Gray-scale Preprocessing Adaptive Selection Mutation Strategy Differential Evolution,PADE)。并进一步研究了电压封装对基于PADE的AECVT图像重建性能影响。仿真数据表明,PADE算法在进化过程中能突破局部最优解,图像重建误差较小,且能保证较快的收敛速度,同时对不同介质分布模型具有较好的鲁棒性。