用于兩相流測(cè)量的ECT圖像重構(gòu)技術(shù)研究

，控制細(xì)化指數(shù)（smartsize）從外向內(nèi)3個(gè)區(qū)域分別為：3，1，4，如圖1所示。

 

圖1 場(chǎng)域的三角形剖分

    5）加載及求解

。在柱坐標(biāo)系下，首先選擇屏蔽罩上的節(jié)點(diǎn)，加上0V的電壓。在極板1上施加10V的電壓，其他極板上施加0V電壓。調(diào)用ANSYS中用于求解電容的專用指令CapacMatrix命令，得到12個(gè)極板間的66個(gè)電容值。

    6）后處理。同時(shí)

，可方便地得到敏感場(chǎng)內(nèi)的電位及電場(chǎng)力分布，如圖2、圖3所示。

 

    2 ECT系統(tǒng)的逆問(wèn)題——圖像重構(gòu)

    ECT系統(tǒng)的逆問(wèn)題求解圖像重構(gòu)是由得到的電容值重構(gòu)管道中的流型及其他兩相流參數(shù)的過(guò)程

。相比于傳統(tǒng)的線性算法，神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行分布式存儲(chǔ)處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適合于解決圖像重構(gòu)這樣的非線性、病態(tài)性等問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像處理，相對(duì)而言其存在學(xué)習(xí)速度慢、訓(xùn)練時(shí)容易陷入局部極小點(diǎn)、只能由經(jīng)驗(yàn)選定等問(wèn)題。而RBF神經(jīng)網(wǎng)絡(luò)卻解決了BP網(wǎng)絡(luò)的這些問(wèn)題[5]。該文研究基于RBF網(wǎng)絡(luò)的ECT圖像重構(gòu)算法。

    2.1 RBF神經(jīng)網(wǎng)絡(luò)

    徑向基函數(shù)（RadicalBasicFunction，RBF）神經(jīng)網(wǎng)路是一種局部逼近神經(jīng)網(wǎng)絡(luò)

，它在某種程度上利用了多維空間中傳統(tǒng)的嚴(yán)格插值法的研究成果。最基本的徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的構(gòu)成包括三層，其結(jié)構(gòu)如圖4所示。

 

圖4 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    RBF神經(jīng)網(wǎng)絡(luò)的輸入層由一些感知單元組成

，它們將網(wǎng)絡(luò)與外界環(huán)境聯(lián)系起來(lái)；第二層是網(wǎng)絡(luò)中僅有的一個(gè)隱層，它的作用是從輸入空間到隱層空間之間進(jìn)行非線性變換；輸出層是線性的，它為作用于輸入層的激活模式提供響應(yīng)?div id="d48novz" class="flower left">