電容層析成像技術(shù)（Electrical Capacitance Tomography,ECT）是20世紀(jì)80年代后期便開始發(fā)展的一項過程層析成像技術(shù),具有快速安全、非侵入式、價格低廉等優(yōu)點。在ECT技術(shù)中,靈敏度軟場是導(dǎo)致圖像重建質(zhì)量不高的一個關(guān)鍵問題,且圖像重建的速度也無法滿足一些領(lǐng)域上的應(yīng)用,因此圖像重建的質(zhì)量與速度是ECT技術(shù)研究中的關(guān)鍵問題。深度信念網(wǎng)絡(luò)（Deep Belief Network,DBN）是深度學(xué)習(xí)領(lǐng)域中被經(jīng)常使用的一種網(wǎng)絡(luò),廣泛的應(yīng)用于非線性系統(tǒng)中,含有多隱藏層,能夠逐層的進(jìn)行特征提取,對于復(fù)雜函數(shù)具有強(qiáng)大的學(xué)習(xí)能力。因此將DBN應(yīng)用在ECT圖像重建中,能夠避開對靈敏度矩陣的求解,來提高圖像重建的質(zhì)量與速度。本文對ECT系統(tǒng)的基本原理和總體結(jié)構(gòu)進(jìn)行了具體的分析,介紹了應(yīng)用在ECT中的常見算法,并對成像質(zhì)量進(jìn)行了比較。為提高圖像重建質(zhì)量,針對ECT中的電容數(shù)據(jù)復(fù)雜多樣且與介電常數(shù)呈非線性關(guān)系的特點,提出BP-DBN算法,通過DBN的深層非線性網(wǎng)絡(luò)結(jié)構(gòu)來實現(xiàn)電容值與被檢測場域介電常數(shù)的非線性關(guān)系,采用BP算法進(jìn)行反向微調(diào)。并對BP-DBN進(jìn)行了改進(jìn),將自適應(yīng)步長（A... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

ECT系統(tǒng)結(jié)構(gòu)圖

中國民航大學(xué)碩士學(xué)位論文13圖2-2傳感器系統(tǒng)仿真圖圖2-3網(wǎng)格剖分圖（5）聯(lián)立方程組，計算求解。2.3ECT逆問題逆問題是相對于正問題而言，根據(jù)正問題中得到的靈敏度矩陣，反演了介質(zhì)在場中的分布，圖像重建就是求解逆問題的過程。將電容值與介電常數(shù)分布的非線性關(guān)系離散歸一化[38]，得到近似線性的逆問題模型[39]為：SGC(2.16)式中，1mRC，nmRS，1nRG，C為電容值，S為靈敏度矩陣，G為介電常數(shù)，m為電極的對數(shù)，n為剖分的網(wǎng)格數(shù)目。電容層析成像最終的目的就是求解到介電常數(shù)G。目前很多智能算法應(yīng)用到電容層析成像技術(shù)中，只考慮電容值C與介電常數(shù)G，不需要再對靈敏度矩陣S進(jìn)行求解，而是直接去構(gòu)建電容值與介電常數(shù)分布的非線性關(guān)系，輸入已檢測的電容值C，直接得到介電常數(shù)分布的圖像灰度值。而針對常用的普通算法，逆問題的求解至關(guān)重要，靈敏度矩陣的求解不可忽略。ECT系統(tǒng)逆問題求解具有三個特性：軟場特性、解的不定性、病態(tài)性。軟場特性是指求解過程中，通常是把電容靈敏度場設(shè)為定值，而在實際中，當(dāng)被測場域中的介質(zhì)

中國民航大學(xué)碩士學(xué)位論文13圖2-2傳感器系統(tǒng)仿真圖圖2-3網(wǎng)格剖分圖（5）聯(lián)立方程組，計算求解。2.3ECT逆問題逆問題是相對于正問題而言，根據(jù)正問題中得到的靈敏度矩陣，反演了介質(zhì)在場中的分布，圖像重建就是求解逆問題的過程。將電容值與介電常數(shù)分布的非線性關(guān)系離散歸一化[38]，得到近似線性的逆問題模型[39]為：SGC(2.16)式中，1mRC，nmRS，1nRG，C為電容值，S為靈敏度矩陣，G為介電常數(shù)，m為電極的對數(shù)，n為剖分的網(wǎng)格數(shù)目。電容層析成像最終的目的就是求解到介電常數(shù)G。目前很多智能算法應(yīng)用到電容層析成像技術(shù)中，只考慮電容值C與介電常數(shù)G，不需要再對靈敏度矩陣S進(jìn)行求解，而是直接去構(gòu)建電容值與介電常數(shù)分布的非線性關(guān)系，輸入已檢測的電容值C，直接得到介電常數(shù)分布的圖像灰度值。而針對常用的普通算法，逆問題的求解至關(guān)重要，靈敏度矩陣的求解不可忽略。ECT系統(tǒng)逆問題求解具有三個特性：軟場特性、解的不定性、病態(tài)性。軟場特性是指求解過程中，通常是把電容靈敏度場設(shè)為定值，而在實際中，當(dāng)被測場域中的介質(zhì)

【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換和極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)流量預(yù)測模型[J]. 穆昌.  微型電腦應(yīng)用. 2020(01)
[2]改進(jìn)深度信念網(wǎng)絡(luò)在語音轉(zhuǎn)換中的應(yīng)用[J]. 王文浩,張筱,萬永菁.  浙江大學(xué)學(xué)報(工學(xué)版). 2019(12)
[3]改進(jìn)深度信念網(wǎng)絡(luò)在飛機(jī)下降段油耗估計中的應(yīng)用[J]. 劉家學(xué),尹鵬.  計算機(jī)應(yīng)用與軟件. 2019(08)
[4]電容成像雙共軛梯度圖像重建改進(jìn)算法[J]. 馬敏,范廣永,孫穎.  北京航空航天大學(xué)學(xué)報. 2019(08)
[5]基于GA-BP神經(jīng)網(wǎng)絡(luò)的電容層析成像圖像重建[J]. 胡葉容.  電子技術(shù)與軟件工程. 2018(23)
[6]改進(jìn)的Tikhonov正則化圖像重建算法[J]. 溫麗梅,周苗苗,李明,馬敏.  計量學(xué)報. 2018(05)
[7]焊縫缺陷圖像分類識別的深度置信網(wǎng)絡(luò)研究[J]. 劉夢溪,巨永鋒,高煒欣,王征,武曉朦.  測控技術(shù). 2018(08)
[8]深度置信網(wǎng)絡(luò)的Spark并行化在微博情感分類中的應(yīng)用研究[J]. 張翔,石力,尚勃,董麗麗.  計算機(jī)應(yīng)用與軟件. 2018(02)
[9]自適應(yīng)與附加動量BP神經(jīng)網(wǎng)絡(luò)的ECT流型辨識[J]. 王莉莉,劉洪波,陳德運,馮其帥.  哈爾濱理工大學(xué)學(xué)報. 2018(01)
[10]融合深度置信網(wǎng)絡(luò)與與核極限學(xué)習(xí)機(jī)算法的核磁共振測井儲層滲透率預(yù)測方法[J]. 朱林奇,張沖,周雪晴,魏旸,黃雨陽,高齊明.  計算機(jī)應(yīng)用. 2017(10)

碩士論文
[1]航線能效指標(biāo)數(shù)值特征分析方法研究[D]. 尹鵬.中國民航大學(xué) 2019
[2]基于深度學(xué)習(xí)的ECT圖像重建算法研究[D]. 何小芳.中國民航大學(xué) 2019
[3]基于深度學(xué)習(xí)的人臉檢測技術(shù)研究[D]. 孫燕.西安科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的入侵檢測方法研究[D]. 魏思政.中國礦業(yè)大學(xué) 2018
[5]滑油在線監(jiān)測的ECT傳感器優(yōu)化及算法研究[D]. 王伯波.中國民航大學(xué) 2017
[6]電容層析成像系統(tǒng)的圖像重建算法研究[D]. 郭琪.中國民航大學(xué) 2017
[7]基于SVM電容層析成像系統(tǒng)圖像重建算法[D]. 宋海豐.哈爾濱理工大學(xué) 2016
[8]基于COMSOL的電容層析成像激勵測量模式研究[D]. 劉晶.華北電力大學(xué) 2016
[9]基于粒子群算法的Tikhonov正則化方法研究[D]. 魏巍.哈爾濱工業(yè)大學(xué) 2016
[10]求解線性離散不適定問題的改進(jìn)Tikhonov算法[D]. 張慧.南京航空航天大學(xué) 2015



本文編號：3069398