一、电阻层析成像技术软场特性及图像重建算法研究（论文文献综述）
李佳庆[1]（2021）在《基于深度学习的ERT图像重建算法与图像质量评估》文中进行了进一步梳理电阻层析成像（Electrical Resistance Tomography,ERT）技术作为一种可视化检测技术,因其能够将封闭管道或过程容器设备内部的实际情况以图像的形式显示,所以该技术在可视化检测领域中得到了飞速发展。但现有的图像重建算法的成像精度并不是很高,应进一步提高ERT重建图像的成像精度;且ERT重建图像由于软场特性、算法精度、噪声等各方面因素的影响会有一定程度的失真,以失真图像为基础的后续流程控制判断会有一定的误差,因此,为获取可靠的图像信息,对于ERT重建图像质量的评估也尤为重要,但是在实际的情况中,通常无法得到参考图像。所以,本研究致力于探索一种新的ERT图像重建算法和一种不依赖参考图像的无参考ERT图像质量评价方法。主要工作内容如下:（1）提出一种将长短期记忆网络与卷积神经网络结合的ERT图像重建算法。首先将ERT仿真数据输入到长短期记忆网络中进行流型识别分类,然后通过相应的卷积神经网络模型实现图像重建,最后将该算法的成像结果与三种经典的图像重建算法结果进行对比,结果表明本文所提出的ERT图像重建算法精度更高。（2）提出一种基于改进VGG（Visual Geometry Group）网络的无参考ERT图像质量评价方法。利用仿真软件建立ERT重建图像库,选取图像的相对误差与相关系数作为质量评价指标。首先将每幅ERT图像进行分块以增大样本量,接着进行预处理并提取每个分块图像的信息熵,再将信息熵归一化作为权重引入损失函数中,通过改进的VGG网络训练一个最佳的模型,最后使用此模型对ERT重建图像的质量分数进行预估。通过与四种常见的无参考图像质量评估方法进行对比,本文所提的方法准确性更高。（3）为了验证本研究所提出的算法在实际测量的ERT重建图像质量评估中的有效性,将研究得到的算法模型应用在基于ERT的矿山充填管道可视化检测平台上进行实测验证,实验表明可以利用仿真图像作为训练样本进行图像质量评估。
杨健[2]（2021）在《弧形介质分布ECT图像重建及传感器优化》文中研究说明在实际的工业生产过程当中,时常会遇到两种或两种以上的物体混合共同流动的工况,这一现象一般被学术界还有工业界称为多相流。而目前能够解决两相流中的过程检测的重要手段就是被广泛应用的过程层析成像（Process Tomography,PT）技术。电容层析成像（Electrical Capacitance Tomography,ECT）这种技术就是过程层析成像技术的一种,它具有高精度和非侵入性,成本低,结构简单等诸多优点。只要各相的介质之间具有不同的介电常数,都可以应用该技术,其原理是利用安装于被测装置上的一系列传感器阵列电极板,形成了可从不同角度扫描被测物场空间的敏感场,并根据被测物场中不同的介质具有不同的介电常数这一特性,进而实现了对物场分布不完整信息的提取,再利用合适的图像重建算法,对管道内被测物场的各相分布以一种可视化的图像形式进行恢复。本文主要通过改善敏感场来提高重建图像的质量,联合使用Ansys Maxwell,C++和Matlab进行研究,本论文的主要的研究工作还有成果如下:（1）对ECT技术进行了简单的原理介绍,对ECT系统的组成还有数学原理中的正逆问题进行了数学解释。针对特定模型设计了 36电极的弧形电容传感器。对传统的成像算法进行了介绍,并对典型算法进行了一般流形下的图像重建分析。（2）由于敏感场具有“软场”特性,因此在实际的环境下,敏感场会随着介质的改变而改变,但敏感场理论上是不希望被改变的,因此本文通过改变被测区域内介质的摆放位置测得各个位置的电容值,并通过电容值和灵敏度矩阵还有介电常数分布矩阵的关系来求得理想状态下固定不变的敏感场,并以新旧方法所成敏感场为基础进行了重构图像分析优劣性。（3）当传感器为长条形时,被测区域存在极端化的情况,例如过长,过窄,不规则等等,并基于横跨测量区域两端的电极信号的极低的信噪比会降低整体的测量精度,继而造成部分测量区域的劣质信号这一现象,对36极板的传感器的边缘相距较远的极板进行了敏感场的优化处理,并以优化前后的敏感场为基础进行了弧形物体的图像重建,并使用误差分析对比其优劣性。
杨文杰[3]（2021）在《基于压缩感知的ERT图像重建算法研究》文中提出电阻层析成像（Electrical Resistance Tomography,ERT）是一种近年来蓬勃发展的重建被测场域内介质电导率分布的高新检测技术。其是基于电导（阻）传感机理,且具有结构简单、响应迅速以及成本相对低廉等特征。目前,经过有关专家学者和研究机构的不懈努力,ERT成像技术日渐成熟,已经被广泛应用于工业、医学等诸多领域。然而ERT软场特性等问题,并没有从根本上进行解决或改善,往往成像效果并不理想。因此,继续开展对ERT图像重建算法的深入研究具有重要意义。通过阅读国内外相关的文献资料,以及参考在工业、医学领域中ERT成像应用案例,本文研究设计了电阻传感器结构参数的最优算法,来间接改善灵敏度场的软场特性对于图像重建的效果;同时,在遵循ERT图像重建理论上,结合字典学习与贝叶斯先验理论的研究思想,提出了基于改进压缩感知的图像重建算法。本文通过以下几个方面进行论述:1.针对ERT系统灵敏度场的非线性问题,选取Nelder-Mead单纯形法对电阻传感器的结构参数进行优化,暨设置罚函数来限制优化迭代结果,满足罚函数的基础上选取结构参数的最优解。通过COMSOL 5.5软件仿真建模及对灵敏度场进行条件数及特征值谱参数评价,将优化后的极板与未参与优化的极板分别构建灵敏度场并进行对比,实验表明优化后的极板所构建出的灵敏度场矩阵的条件数明显减小,特征值谱图像更加稳定平缓,进而验证利用Nelder-Mead单纯形法的极板优化方案对于灵敏度矩阵软场特性有一定的改善。2.压缩感知算法是一种比较成熟的算法,而基于字典学习的压缩感知算法与ERT系统逆问题的相似性,将两者结合应用于ERT系统中,以此提高ERT成像精度。在压缩感知理论基础上,以线性反投影法获得电导率矩阵作为初始信号,选取字典学习方法构建正交稀疏基,分解出稀疏系数作为信号特征,归一化灵敏度场矩阵按行随机处理并补零延拓作为观测矩阵,进一步探讨了通过改进的SGK算法来构造字典学习的综合模型来求解相关系数的方法,使ERT的欠定性问题通过字典学习化解为解l0-范数问题,并依托CVM工具进行求解,很好的解决了压缩感知问题的NP-Hard问题,最终求解场域介质的电导率矩阵信息。本文选取不同重建算法分别进行仿真实验,引入误差及相关系数对重建图像进行比较,验证该算法与其他算法相比能有效的减少误差且提高了相关系数,证明了该算法的可行性。3.因为ERT实际应用中存在无法忽略的信号噪声问题,根据前文的基础上加入加性噪声干扰,添加不同百分比的噪声来模拟实际情况下不同的检测环境所存在的噪声对于信号的影响,在压缩感知理论的基础上,提出一种基于贝叶斯理论和字典学习的ERT图像重建算法。引入贝叶斯先验模型,与ERT系统结合,对中间图像分块表示来生成SGK字典,构造适用于ERT系统的贝叶斯先验分布,并将先验信息与检测电压值相结合构造后验分布信息,通过交替迭代模型逐渐缩小稀疏系数并更新迭代噪声,进而重构电导率矩阵信息来还原图像。最后,通过信噪比及结构相似性的比较,从数据上定量的分析验证了贝叶斯理论去噪效果;通过对比重建图像效果的误差和相关系数,进而验证了通过贝叶斯理论改进字典学习算法的有效性和可行性。
穆哲[4]（2021）在《电容层析成像图像重建算法研究》文中研究指明电容层析成像（Electrical Capacitance Tomography,ECT）是一种电学过程层析成像技术。该技术可根据测量所得的电容值反演出被测场域内的流体截面图像,因其具有无辐射、非侵入、成本低和可视化等特点,被国内外学者广泛关注并研究。目前,针对ECT技术的研究主要集中在电容传感器设计、数据采集系统优化和图像重建等方面。本文基于8电极电容层析成像系统,针对图像重建算法开展研究。在对比分析各类图像重建算法的基础上,针对Landweber算法在ECT图像重建中的典型问题,提出改进的梯度加速Landweber算法。为获取高质量的重建图像,将粒子群优化算法引入ECT图像重建中。本文主要工作内容包括:（1）对比分析了几种传统图像重建算法的原理及优缺点,结合ECT图像重建的原理模型对传统算法的计算公式进行推导,通过数值仿真实验对传统算法的性能进行对比分析,分析结果表明:Landweber算法在图像重建的速度和精度上取得了较好的折衷性。（2）针对Landweber算法收敛速度较慢且收敛不稳定的问题,首先对几种加速Landweber算法进行性能分析,然后依据级数理论对性能较好的梯度加速Landweber算法进行深入研究,通过构造残差矩阵并添加约束因子获得新的迭代公式,最后提出一种改进的梯度加速Landweber算法并将其应用于ECT图像重建中。数值仿真实验结果表明,所提算法可在获取稳定收敛特性的同时提高图像重建的速度与精度。（3）为获取高质量的重建图像,将粒子群优化算法用于ECT图像重建。首先在粒子群算法的基础上,采用惯性权重因子的非线性收敛策略调整粒子速度,提出非线性粒子群算法,然后利用正余弦优化算法的搜索策略对非线性粒子群算法进行改进,提出一种基于正余弦搜索策略的非线性粒子群算法并将其应用到ECT图像重建中,最后通过数值仿真实验验证了所提算法的有效性。
李照威[5]（2021）在《油气润滑ECT系统图像重建中秩亏问题研究》文中指出电容层析成像技术（ECT）承担了封闭的油气润滑管道中油气两相介质流动参数的实时检测的重要任务。ECT系统的图像重建过程中会产生典型的离散不适定问题,其秩亏、病态性以及ECT系统固有的“软场”效应属性都会对图像重建的效果产生严重影响。本文针对管径小、油膜薄和极板数增加受限等特点的油气润滑管道ECT系统,研究了系统图像重建的秩亏问题,主要结论如下:（1）建立了油气润滑ECT系统灵敏度矩阵的数学模型和仿真模型,分析了产生秩亏问题的主要原因及影响因素;针对灵敏度矩阵定义了秩亏数和相对秩亏率两个评价指标来分析其秩亏问题。结果表明,在油气润滑ECT系统的灵敏度矩阵中存在严重的秩亏问题。灵敏度矩阵秩亏问题的产生与油气润滑ECT系统的结构及应用特点有关,其中产生秩亏的根本原因是来自于系统传感器的检测数据的不足。（2）通过对传感器区域的灵敏场分析,证实了小管径油气润滑存在严重的软场效应,提出了软场效应的度量方式;在软场效应的前提下,运用定义的秩亏数和相对秩亏率,分析了图像重建中产生秩亏问题的原因和影响因素,并与未计入软场效应条件做了对比。结果表明,在计入软场效应的条件下,油气润滑ECT系统仍然存在严重的秩亏问题,但相较于未计入软场效应,系统灵敏度矩阵的秩亏将减小。（3）基于图像重建算法的原理,分析了LBP算法、Tikhonov正则化算法、共轭梯度算法及双共轭梯度算法的秩亏问题。建立了油气润滑主要流型为环状流的ECT系统的物理模型及有限元仿真模型,分别采用LBP算法、Tikhonov正则化算法、共轭梯度算法及双共轭梯度算法,对油气润滑ECT系统进行了图像重建,并以图像错误率（IME）和图像相关系数（CORR）为评价指标对图像重建结果进行了对比分析。结果表明,四种算法除LBP算法外,均体现了消除秩亏的思想。完全消除系统灵敏度矩阵秩亏的双共轭梯度算法,成像精度较高,成像速度也较其它算法更快,更适用于油气润滑ECT实时成像。
张继轩[6]（2021）在《基于SVM的电容层析成像三维图像重建》文中提出电容层析成像技术（Electrical Capacitance Tomography,ECT）是较早发展起来的一种过程层析成像技术,其具有非侵入、非接触、成本低等优点。目前ECT技术主要问题集中在该技术中的灵敏场“软场”问题,导致图像重建过程中其成像精度不高,且速度上也不能满足要求。因此图像重建也成为了ECT技术中至关重要的环节。支持向量机（Support Vector Machines,SVM）是机器学习领域中被广泛使用的一种算法。本文首先对ECT系统的总体结构三大组成部分三维模型背后的数学原理进行了详细分析,分别对三维ECT系统中的电容传感器、数据采集系统以及图像重建等方面进行了阐述。本文针对轴向三层极板每层8个极板共24电极板的ECT系统进行了研究分析,并应用ANSYS有限元仿真软件对24电极板电容检测传感器进行了仿真实验。并对此模型进行了等体积单元的剖分。通过设计实验探究不同的传感器结构参数对于ECT系统的影响,通过对比实验分析了几种不同的电极激励方式对于最终成像效果的影响,主要是单电极激励与多电极激励并将它们至于不同的环境中进行实验,得出了它们对于不同环境的适应的区别。本文所使用的图像重建算法为支持向量机算法,首先对支持向量机的一些基本原理进行了详细的分析,从统计学习中的基础理论到具体应用中的如何在不同情况下求解最优分类超平面。最后,分析了SVM算法在ECT图像重建中的弱点并对其进行了改进,通过聚类算法实现将样本的数据集减小并通过簇中心算子将原始数据集进行降维处理,提高了图像重建的精度与效率。
李阳博[7]（2020）在《基于ERT技术的矿山充填管道检测方法研究》文中研究说明为了实现无废采矿和解决矿物开采过程中形成的地表沉陷问题,最佳处理方式是使用尾砂等各种充填材料制成浆体或膏体对采空区进行充填。但充填浆体或膏体经过充填管道输送至采空区的过程中,由于料浆级配不合理,浓度过低,流速低于极限流速和水化反应产生的胶结体等原因,导致充填料浆输送时固液分离,在管壁处产生结块,若不及时处理,会进一步发展为堵管和爆管现象,从而造成严重的环境污染和经济损失。因此若能对矿山充填管道进行检测,及时发现结块在充填管道内的位置和大小,对矿山充填管道的安全稳定运行有着极其重要的意义。本研究以电阻层析成像（Electrical Resistance Tomography,简称ERT）技术为基础,研究矿山充填管道的检测方法,主要做了以下工作:（1）本研究提出一种自适应ERT传感器,与传统ERT传感器的静态结构相比,自适应ERT传感器其电极排列采用阵列式结构,利用稀疏表示识别流型,根据实时流型变化自适应、动态的调整传感器结构,可以有效提高ERT图像重建质量。（2）本研究设计并搭建了 16电极ERT系统,包括传感器单元,测量与数据采集单元和图像重建单元。该系统主要由主控芯片STM32F103、模拟多路开关MAX306和ADC芯片ADC7606构成,采集的边界电压通过串口传输到计算机实现图像重建。（3）本研究通过实验分析浓度和养护时间对尾砂胶结充填料浆电导率的影响,证明ERT技术可用来对矿山充填管道进行检测。建立了 5种不同堵塞程度的充填管道模型,利用数值模拟和实测验证对比,表明重建图像可以准确识别结块在充填管道内的大小和所处位置。本研究在以上工作的基础上设计了完整的基于ERT技术的矿山充填管道检测静态实验平台,通过数值模拟结果和实测结果对比,证明利用ERT技术对矿山充填管道进行检测具有一定的学术意义和广泛的应用前景。
宋波[8]（2020）在《ERT图像重建算法及图像质量评估》文中研究指明近年来,电阻层析成像技术（Electrical Resistance Tomography,ERT）是一项发展比较迅速的技术,具有低成本、无放射性、可视化和非入侵的特点,主要以电磁场的似稳场为理论基础,在多个领域中有广泛的应用。因此,ERT成为可视化检测领域的研究热点。在实际应用中,由于无法获得管道内部的真实情况,只能凭借图像重建来获得管道内部的实际情况,为了减少在实际应用的麻烦,成像精度较高的ERT图像重建算法至关重要。所以本文提出长短期记忆神经网络（Long Short-Term Memory,LSTM）+全连接神经网络ERT图像重建算法,先使用LSTM算法对ERT图像测量电压进行分类,消除因流型类别不同造成的干扰,再用全连接神经网络实现ERT图像的重建,用208个测量电压的值作为输入,将管道内剖分为1024个成像像素,作为网络的输出,将成像结果与线性反投影（Local Binary Patterns,LBP）和径向基（Radial Basis Function,RBF）神经网络等经典算法成像结果进行对比。实验结果表明,用本文所提算法重建的ERT图像具有更高的精度。对ERT重建图像进行无参考方式的图像质量评价,是目前ERT技术发展的瓶颈。上文已提到管道内部的情况只能凭借图像重建来获得管道内部的实际情况,但是由于ERT图像是由相应的算法重建所得,会存在一定的失真,就要凭借图像评估算法来评价图像的质量。但是ERT图像与自然光图像存在一定差异,所以,本文提出基于联合特征与稀疏表示的ERT重建图像无参考质量评价方法。该方法根据不同流型将提取的联合特征向量组成字典。最后,利用K-svd稀疏表示模型来预测ERT重建图像的质量评分。为验证所提ERT图像评估方法的有效性,本文采用图像重建误差和相关系数作为ERT图像质量评价分数,对气液两相流的泡状流、环流、层流三种典型流型的ERT重建图像进行评价。实验结果表明:与其他经典无参考图像评价方法相比,本文方法对ERT重建图像的质量预测显示出更高的准确性。
方治余[9]（2020）在《高温深井下含冰粒充填料浆流动沉降规律研究》文中进行了进一步梳理含冰粒胶结充填料浆（ICPB）是一种兼具传统充填料浆（CPB）的优点和采空区降温功能的新型充填材料。含冰粒胶结充填材料的流动特性是影响其工作性能、充填体长期强度的关键因素。因此本研究主要结合试验与数值计算方法,对含冰粒胶结充填料浆的流变特性以及管输流动特性进行了研究。运用基于相似理论的水槽实验平台以及核磁共振等技术对ICPB在采空区的流动沉降与分层规律等含冰粒胶结充填关键技术展开研究,并引入一种适用矿山充填输送管道的电阻层析成像（ERT）可视化检测方法。得出的主要结论如下:（1）新拌ICPB表现出非牛顿流体的行为,剪切速率和剪切应力的关系符合宾汉模型。屈服应力、塑性粘度和触变性随冰水比（I/WR）的增大而增大,而坍落度随I/WR和浓度的增加而减小。圆柱坍落度的模拟结果与实验结果吻合较好。此外,数值模拟研究表明,当试验温度从11.85℃提高到31.85℃时,ICPB的坍落度增大,研究结果可为ICPB管输设计提供参考。（2）基于CFD方法对不同I/WR和不同冰颗粒粒径的ICPB在管道输送过程中的流动特性进行研究。结果表明,由于粗尾砂的沉积和细尾砂的悬浮,在管道运输过程中形成了三个区域。ICPB在管道中的流速沿管道截面呈拱形分布,管道中部的速度最高,靠近管壁的速度最低。另外I/WR和冰颗粒粒径对ICPB管道输送特性有重要影响。所得结果对矿山充填行业管网系统设计具有指导意义。（3）不同I/WR和浓度下的含冰粒充填料浆电导率随着养护时间的增加呈现先增加后降低的趋势。根据几何相似原理搭建4组实测模型模拟充填管道的4种不同程度堵塞情况,运用16电极ERT实验平台进行边界电压测量并采用一步线性高斯-牛顿算法重建图像。实验结果表明重建图像可以准确的反映结块程度和位置。本研究为电阻层析成像技术在充填管道液-固两相流的可视化检测中的应用奠定了基础,可大大减低管道堵塞检测成本,避免盲目开挖。（4）采用核磁共振（NMR）和扫描电镜（SEM）技术对在相似采场中的ICPB试样的孔隙结构特征进行了表征,研究了沿垂直方向和流动方向ICPB在相似采场中的强度分布规律以及含冰粒充填体流动沉降几何结构。结果表明:含冰粒充填体在采场中的强度分布以及微观孔结构分布并不均匀,其强度和孔结构与实验室试件相比存在明显差别,运用核磁共振所测得微观结构参数,从微观角度解释了含冰粒充填体沉降后强度不均匀性的原因。为含冰粒充填体在采场中的强度分布不均提供理论基础。研究为矿山含冰粒充填料浆配比优化、充填管网系统设计、管道可视化监测等提供指导,为提高含冰粒充填料浆管道输送以及采空区稳定性等生产安全问题奠定理论基础。
刘智波[10]（2020）在《ERT传感器结构参数对传感器性能影响及优化》文中指出电阻层析成像（Electrical Resistance Tomography,ERT）是电学层析成像（Electrical Tomography,ET）的一种模态,具有测量给定工艺设备内电导率分布的能力。该技术通过在被测物场边界上等间距布置电极阵列,其在激励信号下形成三维的敏感空间。通过测量电极间的电压差,获取不同观测视角上的投影数据。再利用恰当的图像重建算法,由投影数据反推出物场内部介质分布信息,实现对封闭容器内部介质分布的可视化。由于该技术具有非侵入、无辐射、可视化等特点,现已成为多相流流型监测、医学成像等领域的研究热门。本文利用有限元仿真软件COMSOL建立ERT传感器的三维有限元模型。分析了电极数目、电极材料及电极形状对传感器性能的影响。在固定其它参数不变的情况下,着重分析了电极尺寸对传感器性能影响。分析表明电极宽度、长度与传感器性能指标间是非线性关系,为后续研究奠定基础。本文对传感器的敏感空间进行研究。探究传感器的敏感空间特性及其轴向可压缩性,通过定义敏感度d量化传感器对位于不同空间位置的低电导率目标的敏感程度,用有限元计算的方法,获取不同电极长度、宽度下敏感度d的空间分布,用重建图像最大灰度值的变化验证压缩效果。结果表明:传感器内不同空间位置的敏感度差异很大,越靠近电极阵列的轴向中心、越靠近管壁,敏感度越高,感知目标的能力越强;随着电极宽度的增加,敏感空间在轴向上向内压缩、敏感度差异性增大;随着电极长度的增加,敏感空间在轴向上向外扩展、敏感度差异性减小;传感器的轴向敏感空间可通过增加极板宽度而压缩。本文提出了一种将响应面法与遗传算法相结合的传感器优化方法。将优化参数选定为电极的宽度和长度,将灵敏度矩阵条件数、敏感场均匀性以及敏感空间面积指标综合为单一的优化目标函数。该方法先采用中心复合试验设计,通过实验得到在不同电极宽度、长度下灵敏度矩阵条件数、敏感场均匀性以及敏感空间面积的响应值,再结合最小二乘法,根据不同电极宽度、长度下的3组响应值结果进行响应面分析得到3个预测模型,进而建立了传感器优化参数电极宽度、长度与灵敏度矩阵条件数、敏感场均匀性以及敏感空间面积性能间的非线性关系。将3个响应面模型内置到遗传算法的迭代中,用遗传算法的进化特性实现传感器电极宽度和长度的自动寻优。通过综合目标函数和图像重建来验证传感器的优化效果,均有较好改善。
二、电阻层析成像技术软场特性及图像重建算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电阻层析成像技术软场特性及图像重建算法研究（论文提纲范文）
（1）基于深度学习的ERT图像重建算法与图像质量评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 研究现状 |
| 1.2.1 图像重建研究现状 |
| 1.2.2 图像质量评估研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 2 ERT技术基本理论 |
| 2.1 ERT系统构成 |
| 2.2 ERT的数学模型 |
| 2.2.1 边界条件 |
| 2.2.2 ERT正问题 |
| 2.2.3 ERT反问题 |
| 2.3 ERT图像重建算法 |
| 2.3.1 非迭代算法 |
| 2.3.2 迭代算法 |
| 2.4 本章小结 |
| 3 ERT图像重建算法的研究 |
| 3.1 ERT流型分类 |
| 3.1.1 LSTM网络介绍 |
| 3.1.2 激活函数介绍 |
| 3.1.3 Dropout介绍 |
| 3.1.4 ERT流型分类实验 |
| 3.2 ERT图像重建算法 |
| 3.2.1 卷积神经网络介绍 |
| 3.2.2 卷积神经网络用于ERT图像重建 |
| 3.3 实验结果与分析 |
| 3.4 不同ERT图像重建算法对比 |
| 3.4.1 经典ERT图像重建算法实现 |
| 3.4.2 算法精度对比 |
| 3.5 本章小结 |
| 4 无参考ERT图像质量评价方法的研究 |
| 4.1 图像质量评价方法 |
| 4.1.1 主观图像质量评价 |
| 4.1.2 客观图像质量评价 |
| 4.2 研究方案 |
| 4.3 IQA算法架构 |
| 4.3.1 图像预处理 |
| 4.3.2 提取信息熵 |
| 4.3.3 信息熵归一化 |
| 4.3.4 网络结构设计 |
| 4.3.5 修改损失函数 |
| 4.4 IQA算法流程 |
| 4.5 实验数据集及评价指标 |
| 4.6 实验结果与分析 |
| 4.6.1 网络结构对IQA算法的影响 |
| 4.6.2 ERT流型对IQA算法的影响 |
| 4.6.3 图像尺寸对IQA算法的影响 |
| 4.6.4 评价结果 |
| 4.7 不同图像质量评价方法性能对比 |
| 4.8 实测验证 |
| 4.9 本章小结 |
| 5 总结与展望 |
| 5.1 论文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）弧形介质分布ECT图像重建及传感器优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 电容层析成像技术 |
| 1.2.1 电容层析成像技术 |
| 1.2.2 电容层析成像技术发展趋势 |
| 1.2.3 电容层析成像技术的技术难点 |
| 1.3 国内外研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 ECT技术理论基础 |
| 2.1 ECT系统的组成部分 |
| 2.1.1 电容传感器单元 |
| 2.1.2 数据采集单元 |
| 2.1.3 图像重建单元 |
| 2.2 ECT系统工作原理 |
| 2.2.1 数学原理 |
| 2.2.2 正问题 |
| 2.2.3 逆问题 |
| 2.2.4 优化策略 |
| 2.3 图像重建算法 |
| 2.3.1 LBP算法 |
| 2.3.2 Landweber算法 |
| 2.4 本章小结 |
| 第3章 基于Ansys Maxwell的传感器建模 |
| 3.1 Ansys Maxwell简介 |
| 3.2 传感器有限元模型 |
| 3.2.1 建立物理模型 |
| 3.2.2 材料设置 |
| 3.2.3 求解器以及边界条件设置 |
| 3.2.4 激励源的设置 |
| 3.2.5 网格剖分 |
| 3.2.6 求解项的设置 |
| 3.3 本章小结 |
| 第4章 电容层析成像系统的敏感场分析 |
| 4.1 敏感场 |
| 4.2 敏感场的计算与图像 |
| 4.2.1 敏感场的计算 |
| 4.2.2 敏感场的图像 |
| 4.3 实验分析 |
| 4.4 本章小结 |
| 第5章 传感器优化 |
| 5.1 传感器优化重要性 |
| 5.2 传感器边缘极板敏感场分析 |
| 5.3 传感器优化策略 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）基于压缩感知的ERT图像重建算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 本文的创新点 |
| 1.3 论文结构安排 |
| 第2章 ERT系统的传感器优化研究 |
| 2.1 ERT系统结构及正问题 |
| 2.1.1 ERT系统结构 |
| 2.1.2 ERT系统的正问题 |
| 2.2 ERT仿真模型建立 |
| 2.2.1 电阻传感器 |
| 2.2.2 仿真过程 |
| 2.3 ERT系统的灵敏度场研究 |
| 2.3.1 灵敏度场原理 |
| 2.3.2 灵敏度场仿真结果 |
| 2.4 极板优化 |
| 2.4.1 Nelder-mead单纯形法优化原理 |
| 2.4.2 灵敏度场优化目标建立 |
| 2.4.3 仿真实验分析 |
| 2.5 本章小结 |
| 第3章 基于字典学习的压缩感知ERT图像重建 |
| 3.1 ERT系统的逆问题 |
| 3.2 压缩感知的理论基础 |
| 3.2.1 压缩感知原理 |
| 3.2.2 信号的稀疏表示 |
| 3.2.3 信号的线性测量过程 |
| 3.2.4 信号的重构过程 |
| 3.3 基于字典学习的压缩感知ERT图像重建 |
| 3.3.1 字典学习的综合模型原理理论 |
| 3.3.2 基于SGK算法的字典学习 |
| 3.3.3 改进SGK字典学习算法 |
| 3.3.4 观测矩阵的设计 |
| 3.3.5 图像重建过程 |
| 3.4 实验结果分析 |
| 3.5 本章小结 |
| 第4章 基于贝叶斯和字典学习的压缩感知ERT图像重建算法 |
| 4.1 贝叶斯理论原理与模型假设 |
| 4.2 稀疏贝叶斯字典学习 |
| 4.3 实验结果分析 |
| 4.4 本章小结 |
| 第5章 结论及展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（4）电容层析成像图像重建算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 多相流检测技术 |
| 1.1.2 过程层析成像技术 |
| 1.1.3 电容层析成像技术 |
| 1.2 ECT图像重建算法研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 ECT系统结构及关键问题分析 |
| 2.1 ECT系统结构 |
| 2.1.1 电容传感器单元 |
| 2.1.2 数据采集单元 |
| 2.1.3 图像重建单元 |
| 2.2 ECT关键问题分析 |
| 2.2.1 正问题分析 |
| 2.2.2 反问题分析 |
| 2.2.3 灵敏度矩阵分析 |
| 第3章 传统电容层析成像图像重建算法及分析 |
| 3.1 LBP算法 |
| 3.2 Tikhonov正则化算法 |
| 3.3 Newton-Raphson算法 |
| 3.4 共轭梯度算法 |
| 3.5 Landweber算法 |
| 3.6 评价指标 |
| 3.7 数值仿真实验及分析 |
| 第4章 基于改进Landweber算法的ECT图像重建及分析 |
| 4.1 加速Landweber算法 |
| 4.1.1 v-Landweber算法 |
| 4.1.2 多项式加速Landweber算法 |
| 4.1.3 Nesterov-Landweber算法 |
| 4.1.4 梯度加速Landweber算法 |
| 4.2 改进的梯度加速Landweber算法 |
| 4.3 数值仿真实验及分析 |
| 第5章 基于改进粒子群优化算法的ECT图像重建及分析 |
| 5.1 粒子群优化算法 |
| 5.1.1 基本粒子群优化算法 |
| 5.1.2 标准粒子群优化算法 |
| 5.1.3 非线性粒子群优化算法 |
| 5.2 基于正余弦搜索策略的非线性粒子群优化算法 |
| 5.2.1 正余弦优化算法 |
| 5.2.2 基于正余弦搜索策略的非线性粒子群优化算法 |
| 5.3 数值仿真实验及分析 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（5）油气润滑ECT系统图像重建中秩亏问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究现状 |
| 1.2.1 ECT技术的研究现状 |
| 1.2.2 秩亏问题的研究现状 |
| 1.2.3 软场效应的研究现状 |
| 1.2.4 ECT图像重建算法的研究现状 |
| 1.3 课题的研究意义与内容 |
| 1.3.1 研究意义 |
| 1.3.2 研究内容 |
| 第二章 油气润滑ECT系统灵敏度矩阵的秩亏问题及其影响因素 |
| 2.1 概述 |
| 2.1.1 ECT系统灵敏度矩阵机理 |
| 2.1.2 ECT正问题 |
| 2.1.3 ECT反问题 |
| 2.1.4 油气润滑ECT系统不适定问题 |
| 2.2 研究模型 |
| 2.2.1 数学模型 |
| 2.2.2 仿真模型 |
| 2.3 灵敏度矩阵秩亏的分析 |
| 2.3.1 极板数目对秩亏的影响 |
| 2.3.2 油膜厚度对秩亏的影响 |
| 2.4 本章小结 |
| 第三章 软场效应研究及对灵敏度矩阵秩亏的影响 |
| 3.1 软场效应 |
| 3.1.1 软场与硬场 |
| 3.1.2 软场效应的度量 |
| 3.2 基于软场效应条件灵敏度矩阵秩亏的分析 |
| 3.2.1 极板数对灵敏度矩阵秩亏的影响 |
| 3.2.2 油膜厚度对灵敏度矩阵秩亏的影响 |
| 3.3 软场与硬场的分析 |
| 3.4 本章小结 |
| 第四章 图像重建算法的秩亏问题及算例分析 |
| 4.1 概述 |
| 4.2 图像重建算法的秩亏问题 |
| 4.2.1 LBP算法 |
| 4.2.2 Tikhonov算法 |
| 4.2.3 共轭梯度算法 |
| 4.2.4 双共轭梯度算法 |
| 4.3 油气润滑ECT系统图像重建算例 |
| 4.3.1 物理模型及参数 |
| 4.3.2 电容值求解 |
| 4.4 图像重建仿真与结果分析 |
| 4.4.1 仿真结果分析 |
| 4.4.2 图像重建分析及评价 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 在校期间的研究成果 |
| 致谢 |
（6）基于SVM的电容层析成像三维图像重建（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 电容层析成像技术的国内外现状与发展趋势 |
| 1.3 支持向量机的研究现状与展望 |
| 1.4 课题来源及主要研究内容 |
| 第2章 ECT成像技术 |
| 2.1 ECT系统的基本组成结构 |
| 2.1.1 ECT传感器系统 |
| 2.1.2 实时数据采集系统 |
| 2.1.3 重建图像显示系统 |
| 2.2 ECT系统的工作原理 |
| 2.2.1 ECT系统问题分析与解法 |
| 2.2.2 ECT技术中的三维数学模型 |
| 2.3 本章小结 |
| 第3章 ECT传感器结构与激励模式的设计 |
| 3.1 常见ECT系统传感器的基本结构与分析 |
| 3.2 三维ECT系统激励模式的设计 |
| 3.2.1 单电极与多电极激励模式 |
| 3.2.2 噪声屏蔽仿真 |
| 3.3 本章小结 |
| 第4章 基于SVM的三维图像重建算法研究 |
| 4.1 ECT图像重建经典算法 |
| 4.1.1 线性反投影算法 |
| 4.1.2 Landweber迭代算法 |
| 4.2 支持向量机 |
| 4.2.1 统计学习基础理论 |
| 4.2.2 支持向量机理论 |
| 4.3 基于SVM的三维ECT图像重建算法的改进 |
| 4.3.1 获得簇集中心 |
| 4.3.2 线性变换降维处理 |
| 4.4 FDRC-SVM完成图像重建 |
| 4.5 FDRC-SVM算法设计与实验 |
| 4.6 本章小结 |
| 第5章 算法的实验结果与分析 |
| 5.1 实验环境的搭建 |
| 5.2 FDRC-SVM算法的训练 |
| 5.3 实验结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间获得的研究成果 |
| 致谢 |
（7）基于ERT技术的矿山充填管道检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 管道检测和ERT技术的国内外研究现状 |
| 1.3 ERT技术的概述 |
| 1.4 本文的主要研究内容和组织结构 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 本文的组织结构 |
| 1.5 本文的创新点 |
| 2 ERT系统理论基础 |
| 2.1 ERT的基本原理与数学模型 |
| 2.2 ERT正问题 |
| 2.2.1 正问题数学模型与求解 |
| 2.2.2 ERT数据采集模式 |
| 2.3 ERT逆问题 |
| 2.3.1 边界条件 |
| 2.3.2 逆问题求解 |
| 2.4 ERT图像重建算法 |
| 2.4.1 迭代类算法 |
| 2.4.2 非迭代类算法 |
| 2.5 ERT敏感场“软场”特性分析 |
| 2.5.1 场域内不同位置电导率的变化对ERT“软场”特性的影响 |
| 2.5.2 流型变化对ERT“软场”特性的影响 |
| 2.6 图像质量评价标准 |
| 2.7 本章小结 |
| 3 自适应ERT传感器的设计 |
| 3.1 自适应ERT传感器的结构设计 |
| 3.2 基于信号稀疏表示的ERT流型识别方法 |
| 3.2.1 稀疏表示 |
| 3.2.2 K-SVD算法介绍 |
| 3.2.3 ERT测量电压信号的稀疏表示 |
| 3.2.4 ERT流型识别算法流程 |
| 3.3 优化指标与优化方法 |
| 3.4 实验与结果分析 |
| 3.4.1 流型识别率 |
| 3.4.2 客观指标分析 |
| 3.5 本章小结 |
| 4 16电极ERT系统设计 |
| 4.1 16电极ERT系统硬件组成 |
| 4.1.1 传感器单元 |
| 4.1.2 测量与数据采集单元 |
| 4.2 系统可行性分析 |
| 4.2.1 通道一致性分析 |
| 4.2.2 不同流型图像重建静态实验 |
| 4.3 本章小结 |
| 5 系统实验与结果分析 |
| 5.1 浓度对尾砂胶结充填料浆电导率的影响 |
| 5.1.1 样品准备与测试方法 |
| 5.1.2 结果分析 |
| 5.2 养护时间对尾砂胶结充填料浆结块试件电导率的影响 |
| 5.2.1 样品准备与测试方法 |
| 5.2.2 结果分析 |
| 5.3 数值仿真 |
| 5.3.1 仿真软件EIDORS介绍 |
| 5.3.2 充填管道内结块图像重建仿真结果与分析 |
| 5.4 实测验证 |
| 5.4.1 实验平台与实验材料 |
| 5.4.2 充填管道内结块图像重建实验结果与分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）ERT图像重建算法及图像质量评估（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 研究现状 |
| 1.3 论文结构与安排 |
| 2 ERT技术及图像质量评价基本理论 |
| 2.1 ERT成像系统组成 |
| 2.2 ERT数学模型 |
| 2.3 边界条件 |
| 2.4 ERT重建图像失真原因 |
| 2.5 现有ERT图像重建算法基本理论 |
| 2.5.1 非迭代算法 |
| 2.5.2 迭代算法 |
| 2.6 图像质量评价算法基本理论 |
| 2.6.1 主观图像质量评价 |
| 2.6.2 客观图像质量评价 |
| 2.6.3 客观质量评价分类 |
| 2.7 本章小结 |
| 3 ERT图像重建算法的研究 |
| 3.1 现有ERT图像重建算法实现 |
| 3.2 LSTM算法实现ERT分类 |
| 3.2.1 传统RNN算法 |
| 3.2.2 LSTM算法 |
| 3.2.3 Dropout介绍 |
| 3.2.4 激活函数介绍 |
| 3.2.5 基于LSTM算法的ERT图像分类实验 |
| 3.3 基于全连接神经网络ERT图像重建算法 |
| 3.3.1 全连接神经网络算法 |
| 3.3.2 梯度下降算法 |
| 3.4 全连接神经网络用于ERT图像重建 |
| 3.5 全连接神经网络ERT图像重建仿真实验 |
| 3.6 本章小结 |
| 4 基于联合特征与稀疏表示的无参考ERT图像质量评价方法 |
| 4.1 ERT图像信息熵-流型联合特征提取方法 |
| 4.1.1 多尺度空间熵统计量的提取 |
| 4.1.2 多尺度频谱熵统计量提取 |
| 4.1.3 多尺度梯度熵统计量提取 |
| 4.1.4 ERT图像流型特征分量提取 |
| 4.2 基于稀疏表示的图像质量预测模型 |
| 4.3 实验结果及分析 |
| 4.3.1 ERT重建图像实验数据与评价指标 |
| 4.3.2 图像局部信息熵特征在ERT重建图像识别时的局限性 |
| 4.3.3 ERT流型特征对预测结果的影响 |
| 4.4 现有无参考图像评价方法的比较 |
| 4.4.1 预测精度对比 |
| 4.4.2 统计性能对比 |
| 4.4.3 实际测量评估 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）高温深井下含冰粒充填料浆流动沉降规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 含冰粒充填料浆研究现状 |
| 1.2.2 充填料浆流变特性研究现状 |
| 1.2.3 充填料浆管道输送特性研究现状 |
| 1.2.4 充填料浆采空区流动沉降规律研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法及技术路线 |
| 2 含冰粒充填料浆流变特性研究 |
| 2.1 试验材料与方法 |
| 2.1.1 实验材料 |
| 2.1.2 实验方法 |
| 2.2 含冰粒充填料浆流变特性 |
| 2.2.1 屈服应力与黏度 |
| 2.2.2 触变特性 |
| 2.2.3 坍落度 |
| 2.3 坍落度模拟 |
| 2.3.1 模型验证与结果对比 |
| 2.3.2 时间对ICPB坍落度的影响 |
| 2.3.3 温度对ICPB坍落度的影响 |
| 2.4 本章小结 |
| 3 含冰粒充填料浆管输流动特性研究 |
| 3.1 数值模拟方法 |
| 3.1.1 数值模型 |
| 3.1.2 几何模型与边界条件 |
| 3.1.3 模拟参数 |
| 3.1.4 求解策略 |
| 3.1.5 模型验证 |
| 3.2 含冰粒充填料料浆流动沉降规律 |
| 3.3 I/WR对含冰粒充填料浆管输流动特性的影响 |
| 3.4 冰颗粒粒径对含冰粒充填料浆管输流动特性的影响 |
| 3.5 本章小结 |
| 4 含冰粒充填料浆固-液两相流电阻层析成像研究 |
| 4.1 电阻层析成像技术 |
| 4.2 ERT的数学模型 |
| 4.3 含冰粒充填料浆电导率变化规律 |
| 4.3.1 测试方法 |
| 4.3.2 浓度和I/WR对ICPB电导率的影响 |
| 4.3.3 养护时间对ICPB电导率的影响 |
| 4.4 成像结果与分析 |
| 4.5 本章小结 |
| 5 含冰粒充填料浆采空区流动沉降规律研究 |
| 5.1 试验与方法 |
| 5.1.1 相似采场模型 |
| 5.1.2 实验过程 |
| 5.1.3 核磁实验方法 |
| 5.2 含冰粒充填体流动沉降几何结构 |
| 5.3 含冰粒充填体强度分布规律 |
| 5.3.1 含冰粒充填体沿垂直方向的强度分布规律 |
| 5.3.2 含冰粒充填体沿流动方向的强度分布规律 |
| 5.4 含冰粒充填体微观孔隙结构分布 |
| 5.4.1 含冰粒充填体T_2谱分布 |
| 5.4.2 含冰粒充填体孔径分布 |
| 5.4.3 含冰粒充填体孔隙度分布 |
| 5.4.4 SEM微观分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 特色与创新之处 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 一. 攻读硕士学位期间发表论文情况: |
| 二. 攻读硕士学位期间参与科研项目: |
| 三. 攻读硕士学位期间获奖情况: |
| 四. 攻读硕士学位期间国际交流情况: |
| 五. 攻读硕士学位期间参加学术会议情况: |
（10）ERT传感器结构参数对传感器性能影响及优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 ERT技术国内外发展现状 |
| 1.3 主要研究内容 |
| 第2章 ERT技术介绍 |
| 2.1 基本原理及系统组成 |
| 2.2 ERT数学模型和有限元求解 |
| 2.3 ERT传感器介绍 |
| 2.3.1 ERT传感器性能评价 |
| 2.4 ERT投影数据采集 |
| 2.5 ERT敏感场 |
| 2.6 ERT成像算法介绍 |
| 2.6.1 典型重建算法 |
| 2.6.2 重建图像质量评价 |
| 2.7 本章小结 |
| 第3章 ERT传感器结构参数及其对性能的影响 |
| 3.1 COMSOL简介 |
| 3.2 COMSOL建立三维ERT模型 |
| 3.3 电极数目的影响 |
| 3.4 电极形状和材料的影响 |
| 3.5 电极宽度的影响 |
| 3.6 电极长度的影响 |
| 3.7 本章小结 |
| 第4章 ERT传感器敏感空间的研究 |
| 4.1 研究意义 |
| 4.2 研究方案及评价方法 |
| 4.2.1 研究方案 |
| 4.2.2 敏感度评价指标定义 |
| 4.3 敏感空间的研究 |
| 4.3.1 ERT传感器敏感度分析研究 |
| 4.3.2 敏感空间包络线分析研究 |
| 4.4 ERT传感器电极参数对敏感空间影响 |
| 4.5 轴向敏感空间压缩及验证 |
| 4.6 本章小结 |
| 第5章 基于响应面模型和遗传算法的传感器参数优化 |
| 5.1 优化方案 |
| 5.1.1 优化参数的选取 |
| 5.1.2 优化目标的确定 |
| 5.1.3 优化方法的提出 |
| 5.2 响应面模型建立 |
| 5.2.1 中心复合设计 |
| 5.2.2 响应面模型的构建与检验 |
| 5.3 遗传算法优化传感器参数 |
| 5.3.1 遗传算法概述 |
| 5.3.2 遗传算法优化流程 |
| 5.3.3 遗传算法优化ERT传感器 |
| 5.4 传感器优化效果验证 |
| 5.5 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
四、电阻层析成像技术软场特性及图像重建算法研究（论文参考文献）
- [1]基于深度学习的ERT图像重建算法与图像质量评估[D]. 李佳庆. 西安科技大学, 2021(01)
- [2]弧形介质分布ECT图像重建及传感器优化[D]. 杨健. 华北电力大学(北京), 2021(01)
- [3]基于压缩感知的ERT图像重建算法研究[D]. 杨文杰. 辽宁大学, 2021(12)
- [4]电容层析成像图像重建算法研究[D]. 穆哲. 西北师范大学, 2021(12)
- [5]油气润滑ECT系统图像重建中秩亏问题研究[D]. 李照威. 北方工业大学, 2021(01)
- [6]基于SVM的电容层析成像三维图像重建[D]. 张继轩. 哈尔滨理工大学, 2021(09)
- [7]基于ERT技术的矿山充填管道检测方法研究[D]. 李阳博. 西安科技大学, 2020(01)
- [8]ERT图像重建算法及图像质量评估[D]. 宋波. 西安科技大学, 2020(01)
- [9]高温深井下含冰粒充填料浆流动沉降规律研究[D]. 方治余. 西安科技大学, 2020(01)
- [10]ERT传感器结构参数对传感器性能影响及优化[D]. 刘智波. 沈阳工业大学, 2020(01)