电容层析成像(Electrical Capacitance Tomography,ECT)技术是自20世纪80年代借鉴医学CT技术发展起来的一种成本低廉且安全性能高的新型流动层析成像技术。它可以在不破坏封闭管道内多相流混合体结构的前提下,采用均匀安装在管道周围的阵列式电容传感器来获得被测区域在不同角度或方向上的多个电容测量值,并将这些电容测量值作为投影数据由计算机采用某种图像重建算法,计算出各分相介质的浓度大小、分布状况等相关过程参数。因其具有结构简单、响应速度快等诸多优点,被广泛应用于工业管道中两相流或多相流的测量过程中。本文主要围绕ECT系统传感器场域剖分及结构参数优化展开深入研究。论文主要工作如下:对ECT系统的组成结构进行研究,分析ECT系统的工作原理以及灵敏度分布函数,为论文研究提供理论依据。分析电容传感器的数学模型,采用有限元法对传感器的敏感场进行仿真,根据敏感场的分布特点,将三角形与四边形剖分方法相结合,完成了敏感场域的剖分,并选取计算精度高、误差小的有限元模型计算敏感场函数,得到电极间典型的敏感场分布。采用有限元法分析传感器各项结构参数对性能的影响,确定了传感器结构的优化函数。采用正交设计法对结构参数进行优化实验,并应用RBF神经网络对正交设计的实验结果进行了回归分析,得到预测模型,较好地反映优化参数与目标函数之间的复杂关系,最后采用混沌模拟退火粒子群算法进行寻优,获得了一组优化参数。为了验证优化参数的有效性,采用LBP图像重建算法与基准传感器、正交试验设计的传感器的重建结果进行了比较,实验结果表明,采用RBF神经网络与混沌模拟退火粒子群算法优化的传感器成像精度更高。