1、電容層析成像技術（Electrical Capacitance Tomography，簡稱ECT），是一種基于低頻電容和電阻測量的層析成像方法，近年來已被廣泛應用于工業(yè)過程成像和監(jiān)控中?；陔娙輦鞲泻碗娮璧臏y量原理，使ECT具有結構簡單、成本低廉、無輻射和安全性好等優(yōu)點，是目前過程層析成像技術研究的熱點之一。
　　首先，基于12電極ECT成像系統(tǒng)，分析了ECT系統(tǒng)的組成及圖像重建原理，構造了兩相流ECT系統(tǒng)數(shù)學模型，搭建了實驗仿真

2、環(huán)境。另外，對傳統(tǒng)常用的ECT流型辨識和圖像重建算法進行了初步的研究，分析總結了各種不同算法的成像特點。
　　然后，對于目前ECT流型辨識精度低的問題，進行了ECT系統(tǒng)流型識別的研究，首先通過不同的流型特點來處理電容傳感器得到的電容數(shù)據(jù)，提取各種流型的電容特征值。接著，用得到的電容特征值參數(shù)來訓練粗神經(jīng)網(wǎng)絡，然后通過該網(wǎng)絡完成對流型的分類辨識。最后通過Matlab仿真實驗結果的分析，發(fā)現(xiàn)相對于BP神經(jīng)網(wǎng)絡，該方法的辨識精度有一定的

3、提高。
　　最后，針對ECT反問題中圖像重建困難的問題，首先研究了將卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network，簡稱CNN)應用于ECT圖像重建的可行性，在對卷積神經(jīng)網(wǎng)絡中較耗時的深層結構和訓練過程問題進行深入研究的基礎上，給出了一種加速收斂卷積神經(jīng)網(wǎng)絡(Fast ConvergentConvolutional Neural Network，簡稱FCCNN)的圖像重建方法，最后通過ECT實驗仿真系統(tǒng)，與