地磁场中卫星不侧置态下磁矩测试方法

对地磁场中卫星不倒置状态下分离卫星Z分量磁矩的测试及数据处理方法进行了研究。利用地球磁场方向特征、卫星剩磁矩与感磁矩在不同测量状态和测量过程中的变化,确定卫星Z分量磁矩含地磁垂直向感磁影响与不含地磁垂直向感磁影响的比例关系,基于积累的不同卫星水平和垂直向的磁测试数据,用近场法计算,获得了卫星Z分量的感磁系数。试验表明:用该法测得的Z分量磁矩测量相对误差不大于30%,工程上有较高的实用价值。     

基于原始对偶内点法的EST图像重建

静电层析成像（EST）被动感应电荷的机理决定了其独立测量值数等于电极数目,远小于电容层析成像（ECT）等相对成熟的电学成像（ET）技术的测量值数,导致逆问题的欠定性更加严重。为此,对基于压缩感知理论的EST图像重建算法进行了研究。利用奇异值分解（SVD）处理灵敏度矩阵使其满足有限等距性质（RIP）,采用l₁范数正则化模型和原始对偶内点法（PDIPA）实现图像重建,并在迭代过程中针对荷电磨粒稀疏分布的特点,对图像向量中非零元素个数施加约束。仿真实验表明:该算法相对于基于"Circle of Appolonius"的反投影（BP）算法和Landweber迭代算法,明显改进了成像质量,对不同位置的单个电荷可准确重建;2个电荷距离不小于1 mm时可正确分辨电荷数目与位置;对10组随机分布的3个电荷模型进行测试,荷电磨粒数目监测的准确率约为80%。      

压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

多激励频率模式的磁感应层析成像系统

磁感应层析成像(MIT)技术在生物医学检查与诊断中有很好的应用前景。为了实现MIT对生物组织特性信息的获取,设计了具有多激励频率模式的磁感应层析成像系统。系统采用电压激励与测量的工作模式,可选择100 k Hz~4 MHz范围内的单频、扫频和混频3种激励频率模式。系统包括激励源模块、传感器线圈阵列、数据采集和调理模块、数字解调模块,采用现场可编程门阵列(FPGA)控制多路复用器、程控放大器、模拟数字转换器等。经模拟实验测试,多激励频率模式系统所获得的测试数据具有较好的一致性,信噪比在46 d B以上,不同激励频率下采集的电压差数据可用于实现被测介质电导率分布的图像重建。     

基于混合神经网络模型的磨粒电荷检测方法研究

由于传统的滑油磨粒在线监测方法无法获取电荷分布位置信息,难以准确测量荷电颗粒数目及其携带的电荷量。为此,本文提出一种基于静电层析成像（Electrostatic tomography,EST）技术和深度学习算法的荷电颗粒检测方法。对EST传感器测量数据采用BP神经网络算法重建出测量截面上电荷的分布图像,采用卷积神经网络（Convolutional neural networks,CNN）算法分析重建图像以识别荷电颗粒数目,将识别的颗粒数目和传感器测量数据组合成输入向量,通过1个多层前馈网络确定带电颗粒数目、感应电荷值与颗粒电荷量值之间的映射关系,得到准确的各颗粒的电荷量值。实验结果表明：混合神经网络模型对数据样本的测量误差为9%,可满足滑油监测对于准确性的要求。