孙启国，闫晓丹，钟 杰

（北方工业大学机械与材料工程学院，北京 100144）

1 引言

目前，应用于小管径高速环状流油气润滑的ECT 成像算法主要为：LBP 算法及Tikhonov 正则化算法[1]。LBP 算法成像最快，但此算法忽略了灵敏度分布函数与介质分布之间的关联性，从而导致成像失真较大，重建图像伪影严重[2]。Tikhonov 正则化算法可有效解决ECT 图像重建的病态逆问题，但重建图像过分平滑，导致成像区域边界模糊，分辨率较低[3]。

ECT 系统的图像重建是是研究小管径（管道内半径5mm）输送管道内流型等输运特性的重要手段[4-6]。在油气润滑ECT 系统图像重建的过程中，正则化理论可以解决因电容值数量少于像素点数量而引起的不适定问题[7]。RBF 神经网络是由正则化理论推导衍变而来的一种神经网络方法，具有非常强的非线性逼近能力[8]。在此基础上拟采用RBF 神经网络进行油气润滑ECT 系统的图像重建。

2 ECT 系统模型的建立与电容值计算

在油气润滑ECT 系统中一般采用低频率激励，根据物理学中的“似稳原理”可将ECT 传感器视为“似稳场”。利用COMSOL 软件的多物理场仿真环境及电磁理论，求解出不同极板对之间的电容值。

2.1 建立物理模型

考虑到油气润滑实际工况以及小管径的特点，在COMSOL中建立了8 电极的电容传感器及油气润滑管道的3D 物理模型，如图1 所示。根据研究室实验用传感器结构尺寸设计结构参数，如表1 所示。传感器所在物理场由外屏蔽罩、绝缘层、电容极板、径向电极、润滑油及空气等材质构成，环状流管道的径向截面图，如图2 所示。……