文献类型：期刊文章

作　　者：孙先亮[1] 李健[1,2] 韩哲哲[1] 许传龙[1]

SUN Xianliang;LI Jian;HAN Zhezhe;XU Chuanlong(National Engineering Research Center of Turbo-Generator Vibration,School of Energy and Environment,Southeast University,Nanjing 210096,Jiangsu,China;Key Laboratory of Measurement and Control of Complex Systems of Engineering(Southeast University),Ministry of Education,Nanjing 210096,Jiangsu,China)

机构地区：[1]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,江苏南京210096 [2]东南大学复杂工程系统测量与控制教育部重点实验室,江苏南京210096

出　　处：《化工学报》

基　　金：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)。

年　　份：2020

卷　　号：71

期　　号：5

起止页码：2004-2016

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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

分 类 号：TK313]