电容层析成像系统传感器优化设计及仿真  被引量:13

Optimal Design and Simulation of Electrical Capacitance Sensor for Electrical Capacitance Tomography System

在线阅读下载全文

作  者:陈德运[1] 尹小燕[2] 孙立镌[1] 

机构地区:[1]哈尔滨理工大学计算机科学与技术学院,哈尔滨150080 [2]西安工业学院计算机科学与工程学院

出  处:《电子测量与仪器学报》2006年第1期22-27,共6页Journal of Electronic Measurement and Instrumentation

基  金:国家自然科学基金资助项目(编号:60572153)国家教育部重点科技项目(编号:204043)黑龙江省骨干教师创新计划项目(编号:10551043)哈尔滨市重点科技攻关项目(编号:2005AA1CG035)

摘  要:本文以8电极油水两相流电容层析成像系统为研究对象,针对图像重建的质量依赖于电容敏感场分布这一特性, 采用有限元的方法建立敏感场的数学模型,采用不等间距的方法完成了传感器场域的自动剖分和敏感场的数值计算。对决定传感器性能的结构参数进行选取,通过仿真分析确定了传感器的优化参数,从而使设计的传感器能够在缩小测量电容值的动态变化范围,减轻数据采集电路设计难度的同时,提高电容响应的灵敏度,改善传感器敏感场的分布,提高电容层析成像系统的性能。根据此优化参数设计和研制的电容传感器获得了较为理想的重建图像。The object of this paper is major in the research of 8-electrode oil-water two-phase flows Electrical Capacitance Tomography system; according to the specific property that the quality of image reconstruction depends on the distribution of capacitance sensitivity, finite element method is adopted to build mathematical model of sensitivity field, and automatic plotting patterns to sensor field and computation of sensitivity field are finished adopting unequal interval plotting patterns. In the research select the structure parameters that determine the performance of sensor, confirm the optimizing parameters of sensor according to simulation and analysis to design the sensor. Under the condition of reducing the range of dynamic change of capacitance values measured and the difficulties of designing data acquisition circuit, the sensitivity of capacitance response and the distribution of sensor sensitivity and the capability of Electrical Capacitance Tomography system are improved. Using this capacitance sensor according to the conception of optimizing parameters, better image reconstruction is obtained.

关 键 词:电容层析成像 有限元法 敏感场 优化设计 

分 类 号:TP274[自动化与计算机技术—检测技术与自动化装置] TP212[自动化与计算机技术—控制科学与工程]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象