【摘 要】
:
气液固三相流广泛存在于自然界和工业生产过程中,对其各相分布测量具有重要意义。当前传统的流体检测方法难以针对气液固三相流的各相分布进行无损、非侵入式的在线检测。电学层析成像技术(Electrical Tomography,ET)是一种非侵入式、结构简单、成本低廉、无核素辐射的新型无损检测方法,在多相流检测领域具有广阔的应用前景。单模态的电学层析成像方法多是针对两相流的分相识别检测,当流体多于两相时,
【基金项目】
:
基于ECT/EMT双模成像的气/液/固三相流过程参数表征方法,国家自然科学基金项目.编号:61671319; 基于电/磁双模层析成像的高固含率气液固三相流态化实验装置,国家自然科学基金国家重大科研仪器研制项目.编号:61627803;
论文部分内容阅读
气液固三相流广泛存在于自然界和工业生产过程中,对其各相分布测量具有重要意义。当前传统的流体检测方法难以针对气液固三相流的各相分布进行无损、非侵入式的在线检测。电学层析成像技术(Electrical Tomography,ET)是一种非侵入式、结构简单、成本低廉、无核素辐射的新型无损检测方法,在多相流检测领域具有广阔的应用前景。单模态的电学层析成像方法多是针对两相流的分相识别检测,当流体多于两相时,现有的单一模态成像方法不再适用。为此,针对气液固三相流的分相识别与参数检测,本文研究基于电容层析成像(Electrical Capacitance Tomography,ECT)和电磁层析成像(Electromagnetic Tomography,EMT)的双模态成像方法,主要研究内容如下:(1)设计并实现集成式电/磁阵列传感器,开展ECT/EMT双模态对气液固三相流分相识别与参数检测研究。EMT检测气液固三相流中高磁导率/电导率固相介质分布;ECT检测介电常数的区别,将液固两相与气相区分。电/磁阵列传感器采用共截面、内外叠层排列的集成式结构设计,ECT电极传感器位于内侧,EMT线圈传感器位于外侧,采用时分/频分复用的工作方式避免相互干扰。数值仿真与实验验证了集成式电/磁阵列传感器分相识别气液固三相流的可行性。(2)设计并实现了基于LCR表自平衡电桥电路的多通道阻抗测量系统,可实现LCR表对ECT、EMT双模态测量数据的自动化采集。该系统具有LCR表的高精度、高稳定、扫频式阻抗测量的能力;同时配合特殊设计的模拟开关阵列,大大的扩展了LCR表测量的通道数量,为开展ECT/EMT双模态测量实验研究提供了条件。(3)针对ECT/EMT测量数据的自动化采集,基于Qt设计了数据采集与图像重建软件TJUET。系统的激励测量策略存放在Excel表中,便于修改。TJUET软件读取系统激励测量策略,并据此向Arduino Nano微控器发送控制指令,控制模拟开关阵列的选通,由LCR表完成阻抗测量并发送数据给上位机软件,如此循环,直到完成所有通道的的检测。TJUET软件在采集完一帧数据后,进行数据后处理,并完成图像重建。(4)此外,研究了基于二基色的双模态图像表征方法。对ECT、EMT图像采用像素级融合的方法,在同一图像中直观表征多相分布情况。
其他文献
生物电传感器是生物电检测技术的核心传感器件,它的灵敏度与抗电磁干扰能力对生物电信号的高保真记录至关重要。相比传统电学传感器,光学传感器具有灵敏度高、体积小及抗电磁干扰能力强等特征,在生物电检测领域更有优势。因此,为了提高生物电传感器的灵敏度与集成度,本论文基于光学传感原理,仿真设计一种等离子体微环生物电传感器和一种双支节援助型等离子体生物电传感器,并对其传感性能进行分析。本论文的主要工作:1.理论
命名实体识别(NER)是自然语言处理中关系提取、实体链接、机器翻译等任务的重要基础。近年来,随着各行各业产生的大量数据,对命名实体识别技术的准确性和适用性提出了新的要求。传统的命名实体识别方法需要花费大量的时间对特征进行手工设计,特征工程的质量直接影响模型的最后性能。近年来,研究利用深度学习模型代替人员人工构建特征,并在一些公开数据集上达到了比较好的性能。论文的主要工作如下:1.针对英文命名实体识
《普通高中语文课程标准(2017年版)》中,明确界定了整本书阅读教学学习目标:在阅读过程中,探索阅读整本书的路径,形成和积累自己阅读整本书的经验。重视学习前人的阅读经验,根据不同的阅读目的,综合运用精读、略读与浏览的方法阅读整本书,读懂文本,把握文本丰富的内涵和精髓。可见,整本书阅读教学,需要让学生在阅读过程中,掌握一定的阅读策略,并学会灵活运用。
气体检测传感器是仪器科学领域中最活跃的技术之一,在医学、生物以及国防等众多场合都发挥着关键作用。随着新型气体传感器登上实时快速检测的舞台,快速识别复杂气体、高灵敏度、小型化等目标也对气体传感器性能提出了诸多挑战。得益于微机电加工技术(MEMS)的迅猛发展,电容式微超声传感器(CMUT)已经从其传统的超声技术领域转向更多的传感应用,如气体传感、湿度传感等,这都与其谐振频率受许多物理量影响分不开,而与
近年来人脸识别技术在安防、金融、娱乐等行业得到了广泛应用。深度学习算法是人脸识别技术实现的关键,然而深度学习人脸识别技术在嵌入式设备应用中仍存在许多问题,一方面,由于大规模人脸训练集存在大量冗余特征,网络模型训练前向传播速度不高,另一方面,由于提取人脸特征的网络模型结构复杂,算法嵌入式运行速度不高,该技术未能得到普及。针对上述问题本文面向自动驾驶应用场景,研究了嵌入式深度学习人脸识别算法,搭建了嵌
随着饮食水平的提高,各类肠道疾病的发病率也不断增加,结肠息肉和憩室是结肠镜检查中常见的疾病,严重时会引发肿瘤甚至癌变。目标检测在图像识别和分类任务中占有着重要的地位,是计算机视觉领域中一项非常重要的研究课题,近几年在医学领域的应用也越来越深入。本文提出了一种基于深度学习的计算机辅助诊断系统(Computer Aided Diagnosis,CAD)用于结肠息肉、憩室等常见病变检测,以降低患有结直肠
二氧化氮是一种有毒气体,其主要来自于汽车尾气排放、重工业等。大量二氧化氮存在于空气中,在污染大气的同时导致酸雨、光化学烟雾等环境污染现象。近年来,作为重要大气污染源的二氧化氮的准确可靠检测日益引起人们的重视,从而产生了对高性能气敏传感器的迫切需求。发展高性能气敏传感器,必须提升气敏传感器的各项性能参数,包括灵敏度、选择性、稳定性、工作温度、响应/恢复时间等。本论文针对气体传感器目前的研究与发展趋势
近年来,随着深度学习和人工智能的不断发展,人脸检测和人脸识别已经被广泛应用于医疗应用、人机交互系统、机场检查等领域。目前,如何提升人脸检测和人脸识别的精度是近年来关注的热点。本论文针对提升人脸检测和人脸识别的精度,主要内容包括:1、实现了MTCNN人脸检测模型,并对MTCNN模型进行了改进。将深度可分离卷积引入MTCNN网络,将其替代传统卷积,减少卷积运算量;调整三个卷积神经网络结构的感受野,使得
人脸补全是计算机视觉和图像处理领域中的一个重要话题。它的核心任务在于还原图像信息,使生成的补全结果与真值结果尽可能保持一致。由于现有的人脸补全方法没有对补全结果与真值结果的一致性进行强有力的约束,且忽视了人脸图像的对称性特征,从而导致无法对人脸的任意部位,尤其是对称部位,生成真实自然且与真值结果一致的补全结果。除此之外,高分辨率人脸图像已经成为主体,但是现有方法大多都无法适用于高分辨率人脸图像补全
近年来中国道路交通发展迅速,交通状况愈发复杂,基于目标检测的自动驾驶技术逐渐成为研究的重点。交通标志检测作为自动驾驶领域最重要的组成部分之一,受到了社会各界的广泛关注,其中基于卷积神经网络的目标检测算法被认为是解决交通标志检测问题最有效的办法之一。交通标志对检测精度及检测速度方面均有较高的要求,以Tiny-YOLOv3为代表的轻型网络虽然满足对检测速度的要求但检测精度普遍较低;以YOLOv3为代表