一种深度学习强化的CT多相流测量重建算法
陈浅1
于宝地1
秦艳玮2
王孙洋1
苏晓辉1
金鑫3
孟凡勇2
1.中国科学院过程工程研究所介科学与工程全国重点实验室,北京 100190;中国科学院大学化学工程学院,北京 1000492.中国科学院过程工程研究所介科学与工程全国重点实验室,北京 1001903.新鸿电子有限公司,江苏 常州 213299
摘要：由于时空分辨率的限制,现有多相流测量技术在对流场介尺度动态结构测量时面临挑战.动态X射线CT作为一种非侵入性的检测技术,是有潜力的多相流动态结构测量方法.本研究聚焦多相流中的气液两相流体系,针对动态结构测量成像时的有限角伪影问题和重建时长问题,设计针对动态气泡结构测量的U-Net增强同步迭代重建技术(SIRT);基于有限角动态X射线CT系统——流场动态测量系统的硬件设计,通过收集水凝胶模体的气泡数据,建立模拟气液两相流数据集,并利用该数据集对深度学习模型进行训练,训练集效果良好.在测试集上对上述方法进行的验证显示,该方法在保证重建质量的同时显著缩短了重建时间,取得了较好的效果,为解决多相流动态结构的高时空分辨性测量问题提供了一种新的技术途径.
关键词：深度学习动态CT多相流测量有限角重建算法
分类号：TP18(自动化基础理论)O359(流体力学)TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(22178355)介科学与工程全国重点实验室自主部署课题(MESO-24-A03)示范战略性先导科技专项(XDA0390501)
论文发表日期：2025-05-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 419-426 )
英文信息