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
• 机 构: 东南大学能源与环境学院火电机组振动国家工程研究中心,东南大学复杂工程系统测量与控制教育部重点实验室
• 出 处: 化工学报
• 发表日期: 2020年05期
• 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 convolutional neural networkelectrical capacitance tom
• 基金项目: 国家自然科学基金项目(51676044),江苏省自然科学基金项目(BK20190366),中央高校基本科研业务费专项 (2242019k30017)

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