基于图象分割的人工神经网络在两相流层析成像中应用的研究.pdfVIP

1燃年5月 第九届全国阔象图形学学术会议论文集 中眷盟羹圈形学会 基于图象分割的人工神经网络在两相流层析 一———～一 一一～～ 曹 成像中应用研究 ● 肖 化 胡广莉何惠玲 保宗悌 (华南师范大学物理系电信工程系 广州510631) 摘要 本文提出了基于图象分割的8P神经网络对管道内两相流进行电容层析成像的方法．解决 了神经膀络的输出单元数与重建图象精度之间的矛盾。研究了成像的分割网络模型及其实现步骤。结 果表明该方法能够更精确和快速地重建出两相流体的断层图象。 据某种算法．重建出流体在断层面的分布图 1．引言 象。 人工神经网络是一种非线性的自适应 电容层析成像(ECT)使用微电容快速测系统，它由大量的人工神经元模型组成，以 量技术实现层析成像，是近年来发展最快的 模仿人脑的联想记忆和推理思维等功能。图 一种过程层析成像技术。ECT技术的关键问 1中描述的第J个神经元的输出是由输入信 题是高精度、实时快速定量的图象重建算 号加权后的非线性函数q2f(z) 法。由于目前ECT技术存在的某些缺陷．成 像质量较差，计算时闻过长等未能很好地解 ● 决．使成像结果不甚理想．难以实现实现两 相流体的动态实时成像。改进图象重建算法 变得至关重要。 ● 本文主要讨论基于图象分割的BP神经网 络对管道内两相流进行电容层析成像的方 尊j十单元 法， 圈1第J个人工神经元模型 2．人工神经网络模型及算法 来刻划．其中z=∑彬．，0l。突触的效率是由 第i神经元到第j个神经元之间的连接强 电容层析成像的基本原理是当管道中 流体流动形态或成分发生变化时，引起管道 度又称加权彬．，来描述的。通常非线性函数 内空间电介质的介电常数变化．使得电容传 感器不同极板间的电容值改变。通过检测电 f(z)是固定的t而加权彬，是自适应变化 路检测出各电极阗的电容值，送至处理机，根 的，这种人工神经网络可以级联成多层前馈 网络．所有屡的权都可自适应。这种多层前 馈网络能在N维输入矢量与M维输出矢量之 间做所需要的任何非线性映射。 多层前馈网络的工作过程分为两个阶 段，第一阶段是网络的训练，网络根据 ；输入模式数和所需要的输出模式数，按某种 训练算法调节其权系数彬，直至：喻出密切接 ● 迂正确的输出为止。反向传播算法(简称BP) 是目前最为普遍的训练算法。它应用广义5 胡睑赠秒 准则来自适应调节其权值。第二阶段是计 算，网络按照现有输入模式简单地计算出其 ● 输出，完成输入与输出之间的映射。