机制砂空隙率软测量模型构建及试验研究

机制砂的空隙率是衡量混凝土性能的重要指标。空隙率的在线检测能够提升混凝土性能。现有的测量方法无法对机制砂空隙率进行在线检测。因此,提出一种通过动态图像法建立软测量模型,进而实现空隙率在线检测的方法。首先,采用基于动态图像法原理构建的机制砂形态测量平台来采集机制砂图像。然后,计算机制砂的关键形态参数,选择合适的软测量模型算法。最后,构建并比较不同软测量模型的预测性能。对比结果显示,随机森林模型的准确率最高,预测值和试验值最大误差为0.6%。相较于传统方法,该方法可在机制砂生产线中在线检测空隙率,有效提升混凝土性能。     

基于ERT和WLS-SVM的气液两相流空隙率测量

利用ERT传感器提供的电阻测量信息,基于加权最小二乘支持向量机(WLS-SVM),提出了一种气液两相流空隙率测量的新方法.该方法首先由ERT电阻传感器阵列获取电阻测量值,接着提取测量值的主成分,将主成分作为已经建立的WLS-SVM空隙率模型的输入,计算得到空隙率值.测量结果表明,提出方法的空隙率测量误差小于8%,实时性可以满足现场要求.     

BFGS-GA优化的RBF网络在动态流量软测量中的应用

在液压伺服系统动态流量软测量模型核心算法的研究中,综合考虑G-A(GeneticAlgorithm)和BFGS(Broyden-Flelcber-Goldfarb-Shanno)算法在最优化问题上的优势和不足,提出BFGS-GA.在GA中引入BFGS算子,对每一代中若干个精英个体以一定概率对其进行BFGS线性迭代运算.采用BFGS-GA对实数编码的染色体进行优化,得到最优的RBF(Radial Basis Func-tion)网络结构和参数.实验结果表明该算法比传统GA优化网络的速度提高16.09%,预测精度提高2.99%,能更好地满足动态流量软测量的要求.     

基于CS-GPSR的电容层析成像图像重建算法

提出将基于压缩感知(CS)理论的稀疏梯度投影(GPSR)算法应用于电容层析成像(ECT)图像重建过程中.采用离散Fourier变换(DFT)基将原始图像灰度信号进行稀疏化处理;将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统观测矩阵,同时将测量电容向量的各行按相同顺序进行排列,得到观测投影向量;使用GPSR算法进行图像重建.仿真实验结果表明:基于CS理论的GPSR(CS-GPSR)算法重建图像质量明显优于LBP算法和Landweber迭代算法.本文所述算法可实现较高精度的图像重建,为ECT图像重建的研究提供了一种新的手段.     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

扇束等距CT滤波反投影重建算法的研究

我们提出了一种快速的扇束等距CT滤波反投影重建算法.这种新算法是传统标准滤波反投影（FBP）重建算法的加速形式,主要通过减少投影数量然后重建子图象来实现.实验结果表明：对于一幅512x512图像,这种算法可以将重建过程加速40倍以上,并且不会引入明显的图像误差.     

结合同场景立体图对的高质量深度图像重建

目的 越来越多的应用依赖于对场景深度图像准确且快速的观测和分析,如机器人导航以及在电影和游戏中对虚拟场景的设计建模等.飞行时间深度相机等直接的深度测量设备可以实时的获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率比较低,无法满足实际应用的需要.通过立体匹配算法对左右立体图对之间进行匹配获得视差从而得到深度图像是计算机视觉的一种经典方法,但是由于左右图像之间遮挡以及无纹理区域的影响,立体匹配算法在这些区域无法匹配得到正确的视差,导致立体匹配算法在实际应用中存在一定的局限性.方法 结合飞行时间深度相机等直接的深度测量设备和立体匹配算法的优势,提出一种新的深度图像重建方法.首先结合直接的深度测量设备采集的深度图像来构造自适应局部匹配权值,对左右图像之间的局部窗立体匹配过程进行约束,得到基于立体匹配算法的深度图像;然后基于左右检测原理将采集到的深度图像和匹配得到的深度图像进行有效融合;接着提出一种局部权值滤波算法,来进一步提高深度图像的重建质量.结果 实验结果表明,无论在客观指标还是视觉效果上,本文提出的深度图像重建算法较其他立体匹配算法可以得到更好的结果.其中错误率比较实验表明,本文算法较传统的立体匹配算法在深度重建错误率上可以提升10％左右.峰值信噪比实验结果表明,本文算法在峰值信噪比上可以得到10 dB左右的提升.结论 提出的深度图像重建方法通过结合高分辨率左右立体图对和初始的低分辨率深度图像,可以有效地重建高质量高分辨率的深度图像.     

基于改进粒子群优化的电容层析成像图像重建算法

Landweber电容层析成像ECT图像重建算法与粒子群优化算法PSO结合后能够进一步提高成像质量,但标准粒子群优化算法用于图像重建优化时存在陷入局部最优的现象。针对该问题,提出一种基于改进粒子群优化结合Landweber算法的电容层析成像图像重建算法。新算法在Landweber算法的基础上加入改进的惯性权值指数衰减粒子群优化策略,通过增加以指数规律衰减的粒子速度更新公式的约束因子,以保证算法在开始阶段具有较强的全局寻优能力,而在后期具有较强的局部寻优能力,从而实现对Landweber算法初始重建结果的进一步优化,以提高重建图像的质量。为验证新算法的有效性,选取较典型的LBP、改进Tikhonov迭代算法及Landweber图像重建算法,完成了ECT图像重建的对比实验。仿真结果表明,相对于其他算法,对于常见的几种流型,新算法在重建图像的主观及客观质量方面均有明显提高。     

基于BFGS算法的井下人员三维定位方法的研究

为提高井下人员定位的准确性,提出基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)算法的三维空间定位的计算方法。由矩阵论的相关理论,解决三维空间中参与定位参考节点的个数及位置的设置问题,提出参与定位计算的参考节点的选择算法。为了减少基于信号强度RSSI(Received Signal Strength Indicator)测距的误差对定位计算的影响,使用BFGS算法优化其结果。BFGS算法简单,可应用于无线传感器网络定位系统中。实验证明:基于BFGS算法的无线传感器网络定位的误差均小于其他算法,在传感器网络定位系统中具有有效性。     

非线性规划U-D分解方法及其在神经网络训练中的应用

提出一种有效的U-D分解DFP和BFGS算法.该算法解决了H阵的正定性问题,保 证了算法的数值稳定性,并大大提高了计算效率.对H阵的计算量分析表明,该算法的计算效 率比普通方法高20%,比普通平方根方法高0.4n(n为H阵维数)倍.神经网络训练的应用 表明,新算法比普通DFP和BFGS方法更有效、更准确.     

基于遗传算法和偏最小二乘法的电容式油气两相流空隙率测量新方法

电容传感器提供的电容测量信息反映了两相流空隙率的分布,采用12电极阵列式电容传感器提供的电容值的线性组合(即空隙率测量模型)来实现空隙率的测量.遗传算法和偏最小二乘方法用来确定空隙率测量模型.首先应用遗传算法获得对空隙率测量有贡献的最佳电容组合,再用偏最小二乘方法确定各有贡献电容对空隙率测量贡献的大小.实验结果表明,提出的空隙率测量新方法是有效的,测量精度和测量速度满足工业应用要求.     

基于电容层析成像技术的两相流可视化测量仪器

针对油水两相流参数测量问题,依据二重积分微元原理建立了油水两相流分布信息的数学模型,采用一种具有抗杂散电容的测量电路和80C32单片机完成了极板间电容的测量和采集系统的控制,组建了一套8电极油水两相流电容层析成像测量系统,系统采用了自适应阈值的图像重建的方法完成了油水两相流的截面图像的重建和油水两相流含水率的计算,其重建精度在1%左右,满足了油水两相流流型识别的要求,为油水两相流参数的可视化测量提供一种新方法.     

代数神经网络电阻层析成像图像重建算法

两相流体具有复杂性的流动特性,图像重建的精度是两相流参数准确测量的基础。针对电阻层析成像系统存在的软场特性、强非线性和不适定性,使得重建的图像质量差、计算时间长等问题,基于代数运算的神经网络,给出了一种基于代数神经网络电阻层析成像图像重建算法。该算法通过建立代数神经网络,以测量的边界电压值作为神经网络的输入,将图像重建转变为一个严格对角占优的线性方程组的求解问题,以达到图像快速、准确的重建目的。通过实验仿真分析,该方法具有收敛速度快、代价低和误差小等特点。     

带有偏差单元的IRN在两相流ECT中的应用

该文提出了基于带有偏差单元递归神经网络算法在电容层析成像系统的图像重建中的应用。该算法克服了电容层析成像系统中电容测量灵敏度分布易受被测多相流介质分布的影响,利用MATLAB编程对带有偏差单元的递归神经网络进行训练,给出了图像仿真结果。仿真结果表明,该算法在保证了重建图像质量的前提下,缩短训练时间,提高了成像速度,满足了工业实时性的要求。     

基于SVM和ECT的两相流离散相浓度测量

利用12电极电容层析成像系统(ECT)传感器和最小二乘支持向量机(LS-SVM),提出了两相流离散相浓度测量的新方法。电容传感器用来获取反应离散相分布的66个电容测量值。LS-SVM用来建立离散相浓度测量模型,模型的输入是66个独立的电容值,输出是离散相浓度值。本方法省去了传统ECT技术测量浓度时的图像重建过程。实验结果表明:该方法是有效的,测量误差在6%以内。     

MNR图像重建算法中正则化因子研究

为了提高电阻层析成像图像重建算法求解逆问题精度,对修正牛顿-拉夫逊算法中正则化因子进行了研究。借鉴改进粒子群算法中惯性权重递减策略,根据算法迭代过程中成像精度,自动更新正则化因子的最大值,提出一种新的改进牛顿-拉夫逊图像重建算法,应用于两相流典型流型——层状流、泡状流、环状流、中心流及复合流型图像重建。仿真实验结果表明,相同实验条件下,相比迭代线性反投影算法、修正牛顿-拉夫逊算法,新算法有效提高了图像重建精度。     

基于Deflation技术的预调制Restarted GMRES算法

电学层析成像的图像重建需要对逆问题进行求解,而求解过程中存在着非线性、欠定性以及病态性严重等难题,使得图像重建可能不收敛,或者致使收敛,但获得的图像分辨率较低。针对现有的一些图像重建算法,提出基于Deflation技术的预调制Restarted GMRES算法,在原有full GMRES算法基础上,提高了收敛速度以及图像成像分辨率,并通过仿真实验证明。     

一种新型网丝传感器优化设计

基于COMSOL仿真软件,对新型的网丝传感器进行了仿真研究,并针对原油高含水情况下油分相含率检测,优化设计网丝式传感器结构。根据油滴尺寸、网格细分以及重建图像等问题提出了分块多阈值算法。仿真实验表明,基于分块多阈值算法进行图像重建,明显改善图像质量,提高了油分相含量检测精度。     

基于SVM决策树的自适应相数ECT图像重建算法

在电容层析成像(ECT)技术的实际应用中,多相流是最普遍存在的流体类型,而被测场域中存在的介质种类常常是未知的。为了解决测量时出现多相流相数未知的情况,利用支持向量机（SVM）决策树算法在分类精度和分类速度上的优点,提出采用基于SVM决策树的电容层析成像图像重建算法对未知相数进行相数预测及图像重建。仿真结果表明,该算法能够实现多相流相数自适应,并提高图像重建精度。