物理约束双网络重建算法

未知流型仍准

用前向物理网络约束求解，让电容层析成像在训练集之外的流型上保持清晰重建。

Yiqi, Jin · 李义 · Zhang, Maomao · 彭黎辉

IEEE Transactions on Instrumentation and Measurement 2024

技术优势

未知流型也能重建

因为加入了物理约束，网络不是死记训练样本，而是学习满足物理方程的映射，所以对训练集中没有出现过的流型也能给出合理结果。

计算量小到能实时

前向网络离线训练好后，逆问题求解只需神经网络推理，计算成本远低于传统迭代方法，能够满足 ECT 的实时成像要求。

重建更准不糊

传统方法因拟合非线性映射能力不足而产生图像失真或模糊，本方法用深度神经网络学习更准确的映射，配合物理约束，重建质量显著优于基线方法。

应用场景

• 多相流过程监测：直接给出清晰的流型分布，减少因图像模糊导致的误判。
• 工业电容层析成像：以低计算成本替换传统重建模块，获得更准确的介电常数分布。
• 无损检测成像：物理约束避免过拟合，使成像结果更可靠。
• 实时重建系统：计算成本满足实时要求，可直接集成到在线监测系统中。