电容层析成像系统流型特征提取与图像重建
| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-28页 |
| ·研究背景及意义 | 第16-17页 |
| ·两相流的概念 | 第17-18页 |
| ·两相流的分类 | 第17-18页 |
| ·两相流的特点 | 第18页 |
| ·国内外研究现状 | 第18-19页 |
| ·ECT 系统的现状和技术难点 | 第19-26页 |
| ·ECT 系统传感器的优化设计现状 | 第20-21页 |
| ·数据采集系统和电容值的获取 | 第21-22页 |
| ·ECT 系统特征参数提取和流型辨识现状 | 第22-24页 |
| ·ECT 系统图像重建现状 | 第24-26页 |
| ·课题来源及研究内容 | 第26-28页 |
| 第2章 ECT 系统基本原理 | 第28-44页 |
| ·引言 | 第28页 |
| ·ECT 的系统组成 | 第28-29页 |
| ·ECT 系统工作原理 | 第29-36页 |
| ·ECT 的数学模型 | 第29-31页 |
| ·敏感场函数与反问题求解的关系推导 | 第31-36页 |
| ·ECT 正问题求解原理 | 第36-42页 |
| ·被测物场数学模型 | 第36-38页 |
| ·有限元方法求解 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第3章 电容层析成像系统传感器优化设计 | 第44-59页 |
| ·引言 | 第44页 |
| ·传感器结构 | 第44页 |
| ·影响传感器性能的结构参数分析 | 第44-50页 |
| ·传感器性能优化评价函数确定 | 第50-52页 |
| ·传感器参数优化 | 第52-58页 |
| ·响应面方法基本理论 | 第52-53页 |
| ·传感器形状优化响应面模型构造 | 第53-55页 |
| ·响应面模型的验证 | 第55-56页 |
| ·仿真实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 基于RBF 神经网络的流型辨识 | 第59-76页 |
| ·引言 | 第59页 |
| ·流型分析与特征提取 | 第59-67页 |
| ·基于RBF 神经网络的ECT 流型辨识 | 第67-73页 |
| ·RBF 神经网络原理 | 第67-71页 |
| ·RBF 神经网络的学习 | 第71-73页 |
| ·仿真与实验结果 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 基于PCA 和SVM 的流型辨识 | 第76-102页 |
| ·引言 | 第76页 |
| ·主成分分析数学模型 | 第76-81页 |
| ·流型辨识的主成分分析 | 第81-84页 |
| ·支持向量机理论原理 | 第84-90页 |
| ·支持向量机基本思想 | 第85-86页 |
| ·线性可分模式的最优超平面推导过程 | 第86-90页 |
| ·利用SVM 进行数据分类预测 | 第90-97页 |
| ·原始数据分析 | 第90页 |
| ·模型的建立 | 第90-91页 |
| ·交叉验证 | 第91-93页 |
| ·参数优化网格搜索 | 第93-96页 |
| ·启发式参数优化方法 | 第96-97页 |
| ·仿真实验及分析 | 第97-101页 |
| ·本章小结 | 第101-102页 |
| 第6章 基于信赖域的图像重建算法 | 第102-111页 |
| ·引言 | 第102-103页 |
| ·算法基本原理 | 第103-104页 |
| ·图像重建算法推导 | 第104-108页 |
| ·算法步骤 | 第105-106页 |
| ·算法收敛性分析 | 第106-108页 |
| ·仿真实验与分析 | 第108-110页 |
| ·本章小结 | 第110-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 攻读学位期间发表的学术论文 | 第125-127页 |
| 致谢 | 第127页 |
