電容層析成像系統(tǒng)圖像重建算法的分析和比較.pdf

1、多相流系統(tǒng)是一個復(fù)雜的非線性動態(tài)系統(tǒng)，相間存在著界面效應(yīng)和相對速度，致使多相流參數(shù)檢測的難度較大。在國際上，多相流參數(shù)檢測也是一個急待發(fā)展的探索研究領(lǐng)域。近十多年來迅速發(fā)展起來的過程層析成像技術(shù)在解決多相流檢測問題上有很大的潛力和廣闊的工業(yè)應(yīng)用前景。電容層析成像技術(shù)以其成本低、響應(yīng)速度快、結(jié)構(gòu)簡單、適用范圍廣、非侵入式、安全性能好等優(yōu)點，成為過程層析成像技術(shù)的主流和研究熱點，但離實際應(yīng)用尚有很大距離，因此有待進一步研究和發(fā)展。支持向量機

2、(Support Vector Machines，簡稱SVM)是在統(tǒng)計學習理論的基礎(chǔ)上發(fā)展起來的一種新的學習方法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結(jié)構(gòu)風險最小化原則代替經(jīng)驗風險最小化原則，使得較好的解決了小樣本學習的問題；又由于采用了核函數(shù)思想，使它把非線性空間的問題轉(zhuǎn)換到線性空間，降低了算法的復(fù)雜度。正是因為其完備的理論基礎(chǔ)和出色的學習性能，該技術(shù)已成為機器學洗劫的研究熱點，并在很多領(lǐng)域都得到了成功的應(yīng)用，如人臉檢測、

3、手寫體數(shù)字識別、文本自動分類等。但是作為一種新興技術(shù)，SVM在很多應(yīng)用領(lǐng)域的研究還有待探索和完善。 本文以8電極電容層析成像系統(tǒng)為研究對象，借助支持向量機方法在小樣本、非線性及高維特征空間中具有良好的分類性能，研究了油水兩相流的流型識別問題，對典型流型的流體進行基于遺傳算法的圖像重建。本文的主要研究內(nèi)容和成果如下： 1．介紹了過程層析成像系統(tǒng)的特點、用途、構(gòu)成、發(fā)展現(xiàn)狀和基于不同敏感原理的過程層析成像技術(shù)。闡述了電容層析