工业双相流的电阻断层扫描,基于辐射基函数神经网络,由人工蜂群算法优化
Zhiheng Zhu1, Gang Li1,2, Mingzhang Luo1
1School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou 434023, China.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
一个新的人工蜂群优化的辐射基功能神经网络 (ABC-RBFNN) 提高了电阻断层扫描 (EIT) 对工业双相流程的成像精度. 这种先进的算法增强了泡检测和重建,在复杂的场景中优于传统方法.
科学领域:
- 工程 工程师 工程师 工程师
- 计算科学 计算科学
- 物理 物理学 物理
背景情况:
- 使用电阻断层扫描 (EIT) 的工业双相流量检测通常依赖于高斯-牛顿算法.
- 高斯-牛顿算法在成像准确度上表现出局限性,特别是在涉及多个泡的复杂场景中.
- 精确的成像对于工业应用中的工艺监控和控制至关重要.
研究的目的:
- 引入和评估人工蜂群优化的辐射基功能神经网络 (ABC-RBFNN) 以增强EIT图像重建.
- 提高EIT对工业两相流程的成像准确性和稳定性,特别是复杂的泡分布.
- 评估ABC-RBFNN的性能与高斯-牛顿和标准RBFNN等现有方法相比.
主要方法:
- 在EIT应用了ABC-RBFNN算法,用于工业两相流量成像.
- 来自使用EIDORS-v3.10软件的16个电极EIT系统的模拟电极数据作为训练数据.
- 在噪音和无噪音数据集上使用图像相关系数 (ICC) 和根平均平方误差 (RMSE) 评估了性能.
- 使用各种泡模型 (大小,数量,形状) 测试了算法概括.
主要成果:
- 该ABC-RBFNN算法表现出优于高斯-牛顿和RBFNN的性能,实现更高的ICC和更低的RMSE.
- 该算法表现出显著的噪音免疫力,与噪音测试数据保持准确性.
- ABC-RBFNN准确地确定了泡的大小和形状,证实了它在不同模型中的概括能力.
- 使用来自16电极EIT设备的实验数据进行验证,证实了目标尺寸和位置的准确识别.
结论:
- ABC-RBFNN算法为工业两相流程的EIT图像重建提供了显著的进步.
- 它的增强精度,噪声免疫力和通用化能力使其适合复杂的流量成像.
- 这些发现为ABC-RBFNN在工业EIT应用中的实际实施提供了坚实的基础.
相关概念视频
01:26The Power Flow Problem and Solution
258
Power flow problem analysis is fundamental for determining real and reactive power flows in network components, such as transmission lines, transformers, and loads. The power system's single-line diagram provides data on the bus, transmission line, and transformer. Each bus k in the system is characterized by four key variables: voltage magnitude Vk, phase angle δk, real power Pk, and reactive power Qk. Two of these four variables are inputs, while the...
258
01:24Fast Decoupled and DC Powerflow
233
The fast decoupled power flow method addresses contingencies in power system operations, such as generator outages or transmission line failures. This method provides quick power flow solutions, essential for real-time system adjustments. Fast decoupled power flow algorithms simplify the Jacobian matrix by neglecting certain elements, leading to two sets of decoupled equations:
233