| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·两相流检测介绍 | 第9-11页 |
| ·两相流及其特征参数 | 第9页 |
| ·两相流参数检测的重要性 | 第9-10页 |
| ·两相流参数检测研究现状及方向 | 第10-11页 |
| ·电阻层析成像技术 | 第11-13页 |
| ·电阻层析成像系统的结构与特点 | 第11-12页 |
| ·电阻层析成像存在的问题及发展方向 | 第12-13页 |
| ·本论文的主要工作和内容 | 第13-15页 |
| 第2章 电阻层析成像技术的关键问题 | 第15-24页 |
| ·ERT 敏感场数学分析 | 第15-16页 |
| ·电阻层析成像正问题 | 第16-20页 |
| ·电阻层析成像逆问题分析 | 第20-23页 |
| ·非线性与不适定性 | 第20-21页 |
| ·ERT 逆问题非线性与不适定性的解决途径 | 第21-22页 |
| ·常见图像重建算法 | 第22-23页 |
| ·重建图像质量评价 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 双电流源激励模式研究 | 第24-32页 |
| ·双电流源激励模式可行性分析 | 第24-29页 |
| ·单电流源数据采集模式 | 第24-26页 |
| ·双电流源模式可行性验证 | 第26-29页 |
| ·双电流源激励模式的探索 | 第29-31页 |
| ·传统的切换电极激励模式 | 第29-30页 |
| ·固定电极激励模式 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 双电流源电阻层析成像图像重建算法研究 | 第32-44页 |
| ·LBP 算法 | 第32-36页 |
| ·LBP 算法简介 | 第32-33页 |
| ·双电流源不同激励模式下LBP 算法实验分析 | 第33-35页 |
| ·实验结果与原因分析 | 第35-36页 |
| ·灵敏度系数法 | 第36-39页 |
| ·灵敏度系数法原理 | 第36-38页 |
| ·仿真结果分析 | 第38-39页 |
| ·修正的牛顿-拉夫森算法（MNR） | 第39-43页 |
| ·MNR 算法实现步骤 | 第39-40页 |
| ·MNR 算法图像重建仿真分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于相量逼近的MNR 算法研究 | 第44-56页 |
| ·基于相量逼近MNR 算法思想 | 第44-45页 |
| ·基于相量电压与MNR 算法的反演仿真 | 第45-55页 |
| ·基于x、y 方向投影逼近研究 | 第45-47页 |
| ·基于幅值和相角逼近研究 | 第47-51页 |
| ·基于面积逼近研究 | 第51-53页 |
| ·交叉逼近方式 | 第53-54页 |
| ·实验结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 基于神经网络的双电流源电阻层析成像研究 | 第56-66页 |
| ·神经网络算法 | 第56-58页 |
| ·神经网络简介 | 第56页 |
| ·RBF 神经网络模型的建立 | 第56-57页 |
| ·RBF 神经网络用于ERT 图像重建 | 第57页 |
| ·神经网络算法的优越性 | 第57-58页 |
| ·不同电流激励下的RBF 反演性能分析 | 第58-60页 |
| ·基于相量电压的神经网络算法研究 | 第60-63页 |
| ·基于一组与多组x 方向投影数据 | 第60-61页 |
| ·基于幅值和相角数据 | 第61-63页 |
| ·基于电极对电压间相位差的神经网络算法研究 | 第63-65页 |
| ·电极对电压间幅值乘积与相位差 | 第63页 |
| ·基于电压相位差与幅值乘积与神经网络算法的流型判别 | 第63-65页 |
| ·实验结果分析 | 第65页 |
| ·本章小结 | 第65-66页 |
| 第7章 ERT 扩展技术研究 | 第66-70页 |
| ·管道模型建立 | 第66页 |
| ·激励方式选择 | 第66-67页 |
| ·电极位于管道外部 | 第66-67页 |
| ·电极同时位于内部和外部 | 第67页 |
| ·实验反演结果分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |