RBF神经网络在ECT图像重建中的应用研究

《RBF神经网络在ECT图像重建中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广西大学硕士学位论文RBF神经网络在ECT图像重建中的应用研究姓名：徐其军申请学位级别：硕士专业：控制理论与控制工程指导教师：李陶深;赵进创2003.5.1广西大学硕士论文RBF神经网络在ECT图像重建中的应用研究摘要／f两相流参数检测是工业过程参数检测的一个难点。过程层析成像t(PT)技术能实时提供封闭管道、容器等过程设备内物场运动状态的-．／_--维可视化信息，为解决两相流参数检测问题提供了一种新的途径。电容层析成像(ECT)技术是一种基于电容敏感机理的PT技术，具有非辐射、非侵入、晌应速度快、结构简单、成本低等优点，是一种非常有发展潜力的PT技术。图

2、像重建算法是ECT系统的关键技术，是一个非线性的、不适定的逆问题，是通过有限个观测数据(电容测量值)将成像区域内介质的介电常数分布图重建出来。RBF神经网络是一个通用的逼近器，只要有足够多的隐层神经元，它就可以逼近任意多元非线性连续函数：并且，RBF网络是从擅长解决逆问题的正则化理论推导出来的。因此，本文在前人的基础上，探讨了基于RBF神经网络的ECT图像重建方法。遗传算法是一类借鉴生物界优胜劣汰的自然选择和自然遗传机制的全局优化算法。与传统搜索方法相比，遗传算法对所求解的优化问1题没有太多的数学要求，适用范围因而也更广寸本文采用两级遗传算，法作为RBF网

3、络学习算法的主体，即用第一级遗传算法来演化确定RBF网络的隐层个数，第二级遗传算法来演化确定RBF网络的基函数参数。其中在第二级演化中，先用最小邻聚法确定搜索空间，然后再在此空广西大学硕：I：论文RBF神经网络在ECT图像重建中的班用研究问内进行演化，其中用最小二乘法来确定从隐层到输出层的连接权值。此外，还对两级遗传算法的演化效果进行了分析。本文对基于RBF网络的ECT图像重建方法，进行了一系列的仿真，实验，并与LBP方法的图像重建质量进行了比较，(实验表明该方法图＼像重建精度较高。同时也从实验的角度对RBF神经网络的推广能力做了分析。此外，提出了面积相对

4、准确度的图像重建评价参数。L、／最后，对ECT系统的数据采集部分进行了详细的分析。实现了ECT系统的成像软件，包括在线和离线成像系统软件设计。关键词两相流可视化监测j电容层析成像jRBF神经网络j遗传算法j逆问题j正则化≮图像重建算法￡堕盔兰堡．!．堡苎!!!塑丝旦塑垄!旦鬯!璺里垄!堕堕盟塑壁堕——————一——THESTUDYONTHEAPFLICATIONOFRBFNEURALNETWORKINECTIMAGERECONSTRUCTIONABSTRACTTwo—phaseflowparametersmeasurementiSadifficultyin

5、fieldofindustrialprocessparametermeasurement．Processtomography(PT)techniquecanprovideinteriorbehavior2／3dimensionvisualizinginformationinprocessequipmentsuchasclosedpipe．vesselsandSO0ninrealtime，SOitisanovelapproachfortwo—phaseflowparametersmeasurement．Electricalcapacitancetomogra

6、phy(ECT)isatechniquebasedoncapacitancesensor．ECThastheadvantageofbeingnon—radiate，non-intrusive．fastinresponse，simpleinstructureandlOWincost，SOitisonetechniquewhichhasgreatdevelopingpotentialinindustrialapplication．hnagereconstructionalgorithmistheECTkeytechnique．Imagereconstructi

7、onthatreconstructimageinthelmaglngareabymeasurmgcapacitancearoundtheimagingareaiSanonlinearandill—posedinverseproblem．RadialBasisFunctionneuralnetwork(RBFNN)isageneralapproachinginstrument．andifonlyitholdsenoughnumberofnerveeellinhiddenlayers，Callapproachanymultiplenonlinearcontin

8、uousfunctionsatwill，andRBFNNjnfer