基于数据驱动的卷积神经网络电容层析成像图像重建

• 作者: 孙先亮 李健 韩哲哲 许传龙
• 来源期刊: 化工学报
• 关键词: 卷积神经网络 电容层析成像 图像重建 颗粒浓度分布
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 流体力学与传递现象
• 页码范围: 2004-2016
• 页数: 12页
• 分类号: TK313
• 语种: 中文
• DOI: 10.11949/0438-1157.20200021

摘要

针对电容层析成像技术的图像重建问题，提出了基于数据驱动的卷积神经网络图像重建方法。根据气固两相流的流型特点，通过数值模拟的方法随机生成了60000组介质分布图像，并利用有限元法计算了与之对应的电容向量，从而建立了一个“电容向量-介质分布”数据集；然后根据电容层析成像图像重建特点建立了卷积神经网络模型，对数据集中的训练集进行学习和训练，并利用测试集对训练结果进行了验证与评价。在此基础上，对获得的ECT图像重建卷积神经网络模型进行了静态实验和流化床测试实验研究。模拟和实验结果表明：所建立的卷积神经网络能较好地实现ECT图像重建，可直接用于流化床内的颗粒浓度分布测量。