Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MECÁNICA
DESARROLLO DE UN TOMÓGRAFO DE
IMPEDANCIA ELÉCTRICA CON CAPACIDAD DE
PROCESAMIENTO EN TIEMPO REAL
Junio de 2015
Instituto Balseiro
Universidad Nacional de Cuyo
Comisión Nacional de Energı́a Atómica
Argentina
A mi familia.
Índice de contenidos
Índice de contenidos v
Índice de figuras ix
Resumen xv
Abstract xvii
1. Introducción 1
1.1. Organización de los contenidos . . . . . . . . . . . . . . . . . . . . . . . 3
2. Fundamentos teóricos 5
2.1. Potencial eléctrico en el dominio . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1. Análisis dimensional. Rango de validez de las hipótesis . . . . . 8
2.2. Condiciones de borde . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3. Solución del problema directo: Método de elementos finitos . . . . . . 13
2.3.1. Submatrices del sistema de elementos finitos . . . . . . . . . . . 16
2.3.2. Vectores del sistema de elementos de elementos finitos . . . . . . 17
2.4. Problema inverso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1. Cálculo del Jacobiano . . . . . . . . . . . . . . . . . . . . . . . 19
2.5. Regularización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1. Análisis del espectro del Jacobiano . . . . . . . . . . . . . . . . 21
2.5.2. Regularización de Tikhonov . . . . . . . . . . . . . . . . . . . . 22
2.5.3. Descomposición en valores singulares truncada (método de subes-
pacio) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6. Calibración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.7. Implicancias de usar un dominio bidimensional . . . . . . . . . . . . . . 24
3. Arreglos experimentales 25
3.1. Sistema de EIT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
v
vi Índice de contenidos
6. Resultados numéricos 51
6.1. Descripción del modelo usado en las simulaciones . . . . . . . . . . . . 52
6.2. Comparación de los métodos de regularización . . . . . . . . . . . . . 54
6.3. Reconstrucción en 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.4. Reconstrucción con distintos valores de semilla . . . . . . . . . . . . . . 63
6.5. Reconstrucción con varios niveles de ruido . . . . . . . . . . . . . . . . 64
6.6. Aceleración en tarjetas gráficas . . . . . . . . . . . . . . . . . . . . . . 65
7. Resultados experimentales 71
7.1. Medición de impedancias de contacto . . . . . . . . . . . . . . . . . . 71
7.2. Calibración de la impedancia de contacto . . . . . . . . . . . . . . . . . 72
7.3. Mediciones y reconstrucción de imágenes usando la técnica de EIT . . 74
7.3.1. Evaluación del efecto de la estimulación en la reconstrucción . . 74
7.4. Reconstrucciones usando un sistema con 16 electrodos . . . . . . . . . . 77
7.5. Reconstrucciones obtenidas en forma “diferencial” . . . . . . . . . . . 80
8. Conclusiones 81
Bibliografı́a 89
Agradecimientos 91
Índice de figuras
ix
x Índice de figuras
2.1. Lı́mites para la validez de la ec. (2.16) asociados a las propiedades del
medio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
xiii
Resumen
xv
Abstract
An EIT system consists of the hardware used to take the electrical measurements
in the boundary of the body, and the reconstruction software, which uses the measure-
ments to infer the conductivity (or permittivity) distribution.
Lastly, improvements are suggested towards the development of a system which has
the capability of reconstructing images in real-time.
xvii
Capı́tulo 1
Introducción
1
2 Introducción
Figura 1.1: Diagrama de bloques de la técnica de EIT que muestra los subsistemas y su
interacción
Fundamentos teóricos
5
6 Fundamentos teóricos
Las ecuaciones de Maxwell son un conjunto de cuatro ecuaciones que describen por
completo los fenómenos electromagnéticos en el interior de un dominio [4, 5].
∂B
∇×E=− (2.1)
∂t
∂D
∇×H=J+ (2.2)
∂t
∇·D=ρ (2.3)
∇·B=0 (2.4)
D = εE (2.5)
B = µH (2.6)
J = σE (2.7)
∂(µH)
∇×E=− (2.8)
∂t
Si se considera que el medio material del que está hecho el dominio no es ferromagnético
y µ ≈ 0 resulta una buena aproximación (en la subsección 2.1.1 se discute esta hipótesis
con más profundidad), se deduce, de la ecuación (2.8), que
∇×E=0 (2.9)
2.1 Potencial eléctrico en el dominio 7
Debido a que el rotor del gradiente de cualquier campo C 2 (i. e., sus derivadas segundas
son continuas) es 0, se define a menos de una constante aditiva el potencial eléctrico u
E = −∇u (2.10)
haciendo que la ecuación (2.9) se cumpla idénticamente. Por otro lado, reemplazando
la ecuación (2.6) en la (2.4)
∇ · (µH) = 0 (2.11)
∇ · (εE) = ρ (2.12)
puesto que la divergencia del rotor de cualquier campo C 2 es 0. Suponiendo que la dis-
tribución de permitividad eléctrica ε no varı́a en el tiempo y que la variación temporal
del campo eléctrico es armónica con frecuencia angular ω
Esta última ecuación, expresada en términos del potencial eléctrico usando la ecuación
(2.10), resulta
∇ · (γ∇u) = 0 (2.15)
√
donde γ = σ + jωε es la conductividad compleja y j = −1. Esta ecuación describe
cuantitativamente el potencial eléctrico en el interior del dominio [6, Sección 1.2]. Si el
dominio es estimulado con frecuencias bajas (ω ≈ 0) resulta una buena aproximación
trabajar con la ecuación para el caso en que u es real
∇ · (σ∇u) = 0 (2.16)
Se consideran las ecuaciones de Maxwell ((2.1) a (2.4)) junto con las relaciones
constitutivas ((2.5) a (2.7)). Por simplicidad se considera que σ, ε, y µ no dependen de
la posición (es decir que los medios son homogéneos) y que no varı́an en el tiempo. Se
propone expresar
B=∇×A (2.17)
donde A es el llamado “potencial vector” [4, p. 180]. Dado que la divergencia del
rotor de cualquier campo vectorial C 2 es 0, la ecuación (2.4) se cumple idénticamente.
Reemplazando (2.17) en (2.1) se obtiene
∂ ∂A
∇×E=− (∇ × A) = −∇ × (2.18)
∂t ∂t
∂A
∇× E+ =0 (2.19)
∂t
Luego, se define el gradiente del potencial eléctrico u (se define u a menos de una
constante aditiva) haciendo
∂A
− ∇u = E + (2.20)
∂t
Ası́, tanto la ecuación (2.19) como la (2.1) se verifican idénticamente, ya que el rotor
del gradiente de un campo C 2 es siempre igual a 0. Para definir A a menos de una
constante aditiva puede definirse su divergencia a través de la “condición de Lorenz”
[4, p. 240]
∂u
∇ · A = −µσu − µε (2.21)
∂t
Para obtener una ecuación para el potencial eléctrico se reemplaza la ecuación (2.5)
en la (2.3)
ρ
∇·E= (2.22)
ε
En esta última ecuación se reemplaza la (2.20)
∂A ∂(∇ · A) ρ
∇ · −∇u − = −∇2 u − = (2.23)
∂t ∂t ε
∂(µσu + µε ∂u ) ρ
− ∇2 u + ∂t
= (2.24)
∂t ε
2.1 Potencial eléctrico en el dominio 9
∂u ∂ 2u ρ
∇2 u + −µσ − µε 2 = − (2.25)
∂t ∂t ε
Se adimensionaliza la ecuación usando una distancia caracterı́stica Lc , una frecuen-
cia angular caracterı́stica ωc y un potencial caracterı́stico uc . Se definen el laplaciano
adimensionalizado,
∇2
∇2∗ = 2 (2.26)
Lc
el tiempo adimensionalizado
t∗ = ωc t (2.27)
y el potencial adimensionalizado
u
u∗ = (2.28)
uc
L2c
Aplicando estas definiciones a la ecuación (2.25) y multiplicando por uc
∂u∗ 2 ∗
2 2∂ u ρL2c
∇2∗ u∗ − µσωc L2c − µεω L
c c = − (2.29)
∂t∗ ∂t∗2 εuc
∇2∗ u∗ = 0 (2.30)
Se propone evaluar las condiciones que deben cumplir los parámetros adimensionales
de la ecuación (2.29) para ver el rango de validez de la ecuación (2.30).
Para que el segundo término del primer miembro de la ecuación (2.29) sea des-
preciable frente al primero debe cumplirse que
Esto puede verse como un lı́mite para el valor de µ respecto de los demás paráme-
tros y puede relacionarse con la hipótesis µ ≈ 0
1
µ (2.32)
σωc L2c
Para que el tercer término del primer miembro de la ecuación (2.29) sea despre-
ciable frente al segundo debe cumplirse que
ción (2.29) también será despreciable frente al primero. Esto puede verse como
una limitación para la frecuencia angular ω respecto de los demás parámetros
σ
ωc (2.34)
ε
Se evalúan los resultados de este análisis para identificar los lı́mites a la validez de la
ecuación 2.16 para un ejemplo, que será de utilidad para análisis posteriores. Supóngase
que se tiene una solución con 3g de cloruro de sodio por litro (cuya concentración molar
es c = 0, 05 mol
l
). Su conductividad eléctrica σ es del orden de 5 mScm
(ver sección 7.1). Su
permitividad eléctrica ε se calcula según el procedimiento propuesto en [7, p. 19].
donde ε0 = 8, 85 × 10−12 m F
es la permitividad eléctrica del vacı́o, εw = 78, 3 es la
permitividad eléctrica relativa del agua y δ un coeficiente que, para el cloruro de sodio,
l
vale 5, 5 mol . Luego,
F
ε ≈ 7 × 10−10 (2.37)
m
Para que el potencial eléctrico verifique la ecuación 2.16, la frecuencia eléctrica ω
deberá cumplir la ecuación 2.34
σ
ω ≈ 700M Hz (2.38)
ε
1
L2c ω ≈ 1, 6 × 106 m2 Hz (2.39)
σµ
ω 70M Hz (2.40)
ωc y Lc .
µ
S ε
F N σ 1
Material σ m ε0 m µ0 A2 ε
[Hz] µσ
[m2 Hz]
−6
Agua desionizada 10 80 1 103 1012
Agua de mar 5 80 1 109 106
Sodio lı́quido* 107 1 1 1014 0, 1
Acero inox. (γ) ** Idem sodio lı́quido
Acero inox. (α) ** 107 1 103 1014 10−4
*“Database of thermophysical properties of liquid metal coolants for GEN-IV”.
**Catálogo UGITECH “El magnetismo y el acero inoxidable”.
Tabla 2.1: Propiedades eléctricas de algunos materiales y las relaciones que establecen lı́mites
sobre ωc y Lc (valores aproximados) para la validez de la ec. (2.16).
Para el ejemplo del sodio lı́quido (tercera fila de la tabla 2.1) se obtuvo que, en
dominios con una dimensión caracterı́stica Lc > 2,5m, el rango de validez de la ec.
(2.32) se encuentra, aproximadamente, en frecuencias inferiores a 1mHz. Frecuencias
de trabajo tan bajas como estas, imponen una fuerte restricción al tiempo de respuesta
de un sistema EIT destinado a caracterizar este tipo de medios de alta conductividad
eléctrica. En esos casos, se puede considerar el uso de corriente continua (DC), teniendo
en cuenta los problemas asociados al fenómeno de electrólisis que ello conlleva. Es
importante destacar que el análisis recién descripto resulta de interés en aplicaciones
de un sistema EIT en la nueva generación de reactores nucleares (GEN-IV), algunos
de los cuales son refrigerados por un metal lı́quido como el sodio.
L−1
X
Il = 0 (2.47)
l=0
∂u
Reemplazando σ ∂bn
en la ecuación (2.46) con la expresión (2.45), se obtiene un conjunto
de ecuaciones que relacionan Il con u y Vl para cada electrodo l.
Z
1
Il = (Vl − u) dS (2.48)
El zl
junto con las condiciones dadas por las ecuaciones (2.50) y (2.51). Integrando la ecua-
ción (2.52) por partes se obtiene
Z Z
∂u
σ∇u∇v dΩ − σ v dS = 0 (2.53)
Ω ∂Ω ∂b
n
∂u
Reemplazando σ ∂b
n
en esta última ecuación por las expresiones (2.50) y (2.51), se
obtiene
Z L−1 Z
X 1
σ∇u∇v dΩ − (Vl − u)v dS = 0 (2.54)
Ω l=0 El
zl
14 Fundamentos teóricos
donde El indica que la integral se realiza sobre el área del electrodo l. Luego, se pro-
pone discretizar el dominio en elementos finitos. En este trabajo se han utilizado ele-
mentos llamados “sı́mplices” en todos los casos. Estos son triángulos en los dominios
bidimensionales y tetraedros en los dominios tridimensionales. Los sı́mplices tienen la
caracterı́stica de quedar definidos por D + 1 vértices, donde D es la dimensión del
dominio. Los vértices que forman los sı́mplices son a la vez los “nodos” de la malla de
elementos finitos. La frontera del dominio Ω queda formada por elementos (“elementos
de la frontera”) que son segmentos si el dominio es bidimensional y triángulos si el
dominio es tridimensional. Los elementos de la frontera están definidos por D nodos. A
continuación, deben proponerse “funciones de forma” para aproximar la conductividad
σ y el potencial eléctrico u. En este trabajo, al igual que en [6, Sección 1.8], se han
utilizado en todos los casos funciones de forma constantes por elemento para aproximar
la conductividad
K−1
X
σ(x) = σk χk (x) (2.55)
k=0
−1
Z K−1 N
!
X X
σk χk (x) · ∇ uj wj (x) · ∇wi (x) dΩ−
Ω k=0 j=0
L−1 Z N −1
! (2.57)
X 1 X
− Vl − uj wj (x) · wi (x) dS = 0
l=0 El zl j=0
2.3 Solución del problema directo: Método de elementos finitos 15
nodo n
Figura 2.2: Esquema del soporte de las función de forma wn para la aproximación del potencial
eléctrico en el interior de Ω, representado como un dominio bidimensional [10].
N −1 K−1 Z N −1 L−1 Z
X X X X 1
uj σk ∇wj (x)∇wi (x) dΩ+ uj wj (x)wi (x) dS−
j=0 k=0 ξk j=0 l=0 El zl
(2.58)
L−1 Z
X 1
− Vl wi (x) dS =0 para i = 0, ..., N − 1
l=0 El zl
donde ξk indica que la integral se realiza sobre el elemento k. Cabe aclarar que, en
general, los electrodos El están formados por más de un elemento de la frontera. Ası́,
si el electrodo l está formado por Q elementos de la frontera, se tiene que para una
función f cualquiera
Z Q−1 Z
X
f (x) dS = f (x) dS (2.59)
El q=0 ηq
−1
Z N
!
1 X
Vl − uj wj (x) dS = Il (2.60)
El zl j=0
Z N −1 Z
1 X 1
Vl dS − uj wj (x) dS = Il para l = 0, ..., L − 1 (2.61)
El zl j=0 El zl
Hallar las tensiones Vl en los electrodos dadas las corrientes Il a través de los mismos, la
16 Fundamentos teóricos
N L 1 1
N B=AM+AZ AW u 0
=
L AWT AD V I
Figura 2.3: Representación matricial del sistema lineal correspondiente a las ecuaciones (2.58)
y (2.61) dividido en submatrices
K−1
X Z
AM (i,j) = σk ∇wj (x)∇wi (x) dΩ (2.62)
k=0 ξk
R
Es una matriz cuadrada de N × N . Notar que ξk ∇wj (x)∇wi (x) dΩ se anula si
j ó i no son un número de nodo perteneciente al elemento k [10].
Esta matriz depende únicamente de la geometrı́a y la discretización del dominio
y de la distribución de conductividad. AM es la única submatriz que depende de
la distribución de conductividad.
L−1 Z
X 1
AZ(i,j) = wj (x)wi (x) dS (2.63)
l=0 El zl
2.3 Solución del problema directo: Método de elementos finitos 17
0 es el vector nulo.
Dado que el potencial eléctrico se define a menos de una constante aditiva, para
resolver el problema directo es necesario establecer una referencia. Para ello se define el
“0” del potencial en uno de los electrodos. En consecuencia, hablar de “el potencial en
cierto punto” es equivalente a hacer referencia a la diferencia de potencial entre dicho
18 Fundamentos teóricos
∂V m−1 ∂Vl
J(σ m−1 ) = (σ ) con Jlk = (2.67)
∂σ ∂σk
†
donde [J(σ m−1 )] es la pseudoinversa de Moore-Penrose de J(σ m−1 ). Si se produce
la convergencia del método, las tensiones V calculadas con el modelo propuesto y el
vector de conductividades σ m para un vector de estimulación I se van acercando cada
2.4 Problema inverso 19
(AM + AZ )u + AW V = 0 (2.69)
ATW u + AD V = I (2.70)
∂V ∂Z
= I (2.75)
∂σ ∂σ
Aplicando la propiedad
∂Z ∂(Z −1 ) ∂Y
= −Z Z = −Z Z (2.76)
∂σ ∂σ ∂σ
20 Fundamentos teóricos
∂Z ∂AM −1
= −ZATW B −1 B AW Z (2.79)
∂σ ∂σ
y por último la (2.79) en la (2.75) se obtiene una expresión para el cálculo del Jacobiano,
que es una matriz de (L − 1) × K debido a que por definición, la tensión en el electrodo
de referencia no varı́a.
∂V ∂AM −1 ∂AM −1
J= = −ZATW B −1 B AW ZI = − ZATW B −1 B AW V (2.80)
∂σ ∂σ ∂σ
Si se realiza más de una estimulación (es decir que se aplica más de un vector o
patrón de estimulación I) se puede repetir este procedimiento para calcular las tensio-
nes en los electrodos y el Jacobiano correspondientes a cada uno de los patrones de
estimulación. Apilando los Jacobianos y las tensiones calculadas y tomando las filas
apropiadas según las mediciones que se realicen se mantiene la validez de la ecuación
(2.68) para formar un sistema de tantas ecuaciones como mediciones. Dicho de otra
manera, se obtiene un Jacobiano de M × K elementos y un vector de tensiones de
M × 1, donde M es la cantidad de mediciones adquiridas. Cabe aclarar que, en general,
M < K.
Otro método para calcular el Jacobiano que no requiere de la definición de un
electrodo de referencia y es, por lo tanto, más general, se presenta en [12, Sección 4.3].
Este método es el que sigue el software EIDORS (Electrical Impedance Tomography
and Diffuse Optical Tomography Reconstruction Software) [13].
2.5. Regularización
El problema de hallar un nuevo vector de conductividades para la iteración m del
método de Gauss-Newton, dado por la ecuación (2.68), consiste fundamentalmente en
invertir el Jacobiano. Dicho problema es equivalente a hallar ∆σ = (σ m − σ m−1 ) tal
que la función objetivo
Ψ(∆σ) = kJ∆σ − ∆Vk2 (2.81)
2.5 Regularización 21
J = U SV T (2.82)
Un método para obtener una solución de norma más acotada que la obtenida en
el caso sin regularización consiste en agregar un término de penalidad para el valor de
∆σ en la función objetivo de la ecuación (2.81), de forma que la nueva función objetivo
sea
Ψn (∆σ) = kJ∆σ − ∆Vk2 + β1 k∆σk2 (2.83)
1 ∂Ψt
= J T J∆σ − J T ∆V + β1 I∆σ + β2 W T W (∆σ + σ m−1 ) = 0 (2.86)
2 ∂(∆σ)
2.6. Calibración
Uno de los parámetros del modelo propuesto es la impedancia de contacto entre
los electrodos y el medio material que compone el dominio. A modo de calibración,
se propone realizar un ajuste de las impedancias de contacto supuestas uniformes,
constantes e iguales para todos los electrodos. Para ello se supone que el dominio posee
una conductividad uniforme. El valor de conductividad también es ajustado.
El procedimiento a seguir es similar al del problema inverso. Se estimula el dominio
con corrientes y se mide la respuesta. Luego se comparan las tensiones medidas con
las tensiones que se calculan a partir de la resolución del problema directo (sección
2.3) con valores semilla para la conductividad y las impedancias de contacto (σ 0 y z 0
respectivamente). Dicha comparación permite obtener una nueva estimación para la
conductividad y las impedancias de contacto. Se itera siguiendo el mismo procedimien-
to, que se describe en detalle a continuación, hasta que se satisface algún criterio de
convergencia.
Para hacer los cálculos correspondientes a la iteración m + 1 de este procedimiento,
se resuelve el problema directo para para tres duplas de valores de conductividad e
impedancias de contacto, a saber:
(σ m , z m )
(σ m + δσ, z m )
(σ m , z m + δz)
24 Fundamentos teóricos
m
2
Vmed − V(σ m , z m ) + Sm m+1 m m m+1
σ (σ − σ ) + S z (z − z ) (2.92)
Arreglos experimentales
Figura 3.1: Fotografı́a del sistema experimental de EIT construido, donde se pueden observar
el recipiente de acrı́lico que contiene el cuerpo bajo estudio con los electrodos adheridos y el
sistema de estimulación y medición.
En la figura 3.1 se presenta una fotografı́a del sistema de EIT construido para la
realización de experimentos en el laboratorio. Consiste en un recipiente cilı́ndrico de
acrı́lico transparente con ocho electrodos adheridos y del instrumental utilizado para la
25
26 Arreglos experimentales
H L H L H L H L
CH7
H H H H H H H H
Figura 3.3: Esquema de la configuración del conmutador y las conexiones utilizadas para el
control de la estimulación y la medición sobre al menos ocho electrodos
El módulo del tipo relé de propósitos generales (RPG) posee diez llaves indepen-
dientes (aunque sólo se utilizaron ocho: las numeradas del 0 al 7). Estas llaves, al
cerrarse o abrirse, permiten habilitar o impedir la conducción a través de diez canales
(o channels CH) entre dos terminales: uno de baja (L) y uno de alta (H). La tarjeta
del tipo matriz de conmutación permite controlar 16 pares de llaves de forma tal que se
28 Arreglos experimentales
puede conectar cualquier combinación de cuatro filas (R0 a R3) con cuatro columnas
(C0 a C3). Cada una de las filas, ası́ como cada una de las columnas de la matriz, posee
dos terminales (H y L). Como se muestra en la figura 3.3, a los ocho terminales de las
filas de la matriz se conectan los ocho electrodos, mientras que a los ocho terminales de
las columnas se conectan los terminales L de los ocho canales del relé. A los terminales
H del relé se conectan el circuito de excitación y el de medición. Con esta configuración,
cerrando las llaves apropiadas comandándolas vı́a GPIB a través de la computadora,
se puede establecer una corriente o medir la tensión entre cualquier par de electrodos.
Figura 3.4: Esquema del montaje experimental utilizado para la medición de la impedancia
de contacto zl entre los electrodos y un medio lı́quido de conductividad eléctrica σ conocida
4L
Rf = (3.2)
σπD2
πD2 Rtot L
1
zl = − (3.5)
2 4 σ
Figura 4.1: Diagrama de bloques que muestra los flujos de información y los algoritmos usados
para procesarla. Las referencias muestran las categorı́as en las que se dividen los bloques. En este
capı́tulo se explican las rutinas que llevan a la obtención de la imagen de conductividad.
31
32 Implementación de los algoritmos
Figura 4.2: Subsistema que forma parte del diagrama de bloques de la figura 4.1. Su objetivo
es la generación de los archivos que contienen la información de la geometrı́a con la que se modela
el dominio en el que se resuelve el problema inverso
“elements.dat” cuyas filas contienen los nodos que definen los elementos de la
malla.
“border.dat” cuyas filas contienen los nodos que definen los elementos de la fron-
tera de la malla.
Para este trabajo se programaron scripts en Gmsh que permiten, recibiendo como
datos de entrada los parámetros geométricos por parte del usuario (bloque 1 de la fig.
4.2), generar la geometrı́a de un tanque cilı́ndrico con electrodos circulares; o bien,
un dominio circular con electrodos en forma de arco de circunferencia. En las figuras
4.3 y 4.4 se muestran imágenes de los mallados generados (uno en 2D y otro en 3D,
respectivamente).
El procesamiento realizado por Gmsh se representa con el bloque 2 y los archivos
de datos generados forman parte del bloque 4 de la figura 4.2, respectivamente.
Para completar el subsistema de la figura 4.2 se programaron funciones en Python
(versión 2.7). Python es un lenguaje de programación interpretado y multiparadigma.
Como se puede ver en la figura 4.1, este lenguaje fue usado para la programación de
4.2 Generación de una grilla bidimensional 33
Figura 4.3: Mallado bidimensional generado con Gmsh de un cı́rculo con ocho electrodos con
forma de arco de circunferencia
Figura 4.4: Mallado tridimensional generado con Gmsh de un cilindro con ocho electrodos
circulares con centro en un mismo plano
4.3. Calibración
Figura 4.5: Subsistema que forma parte del diagrama de bloques de la figura 4.1. Su objetivo
es la implementación del algoritmo de calibración presentado en la sección 2.6
se encarga de realizar las mediciones para la calibración debe recibir como argumentos
los instrumentos definidos como objetos de PyVISA. Esta última es una biblioteca
que permite controlar instrumentos desde una computadora mediante varias interfaces
(entre ellas la GPIB).
La segunda rutina de Python recibe como argumentos las mediciones de tensión
(obtenidas como respuesta ante la inyección de corrientes con la rutina explicada en el
párrafo anterior) y los archivos de la geometrı́a del dominio. También, aunque no se
indique en el diagrama de bloques, debe recibir como argumentos los valores de semilla
para la conductividad del medio y para la impedancia de contacto. Siguiendo los cálcu-
los propuestos en la sección 2.6, se obtienen valores estimados para la conductividad
del medio homogéneo σ0 y para la impedancia de contacto zl .
Figura 4.6: Subsistema que forma parte del diagrama de bloques de la figura 4.1. Consiste en
el control de los instrumentos mediante una computadora a partir de los parámetros configurados
por el usuario, con el fin de estimular el dominio y tomar las mediciones de la respuesta ante
dicho estı́mulo.
estimulación. Con esta información como argumento, una rutina de Python controla
los instrumentos para efectuar la estimulación y la medición teniendo en cuenta la
configuración presentada en la sección 3.1. Dado que se estimula el dominio con un
generador de ondas que mantiene el valor RMS de tensión constante a su salida, se debe
medir la corriente para cada patrón de estimulación. La información de la magnitud
de la intensidad de corriente inyectada es necesaria para el cálculo de las tensiones
Vcalc (problema directo) y del Jacobiano (ver fig. 4.1). Por otro lado, las mediciones de
tensión Vmed se usan, junto con el Jacobiano, para calcular la solución del problema
inverso.
Figura 4.7: Subsistema que forma parte del diagrama de bloques de la figura 4.1. Su objetivo
es el cálculo de las tensiones eléctricas y del Jacobiano
En la figura 4.7 se muestra el subsistema del diagrama de bloques (fig. 4.1) que tiene
como objetivo el cálculo del Jacobiano J y de las tensiones en los electrodos Vcalc para
un conjunto de patrones de estimulación SP dado. En otras palabras, SP denota el
conjunto de vectores de corrientes en los electrodos I.
Con este objetivo, se programó una rutina de Python que sigue el procedimiento
descripto en la subsección 2.4.1. Dicha rutina recibe como argumentos los patrones de
estimulación, los archivos de la geometrı́a y los valores de impedancia de contacto zl .
Para el cálculo del Jacobiano usa una semilla de conductividad σ0 que puede ser la
obtenida con el procedimiento de calibración.
4.6 Resolución del problema inverso 37
Figura 4.8: Subsistema que forma parte del diagrama de bloques de la figura 4.1. Su objetivo
es el cálculo del problema inverso (reconstrucción) con alguno de los métodos de regularización
propuestos en la sección 2.5 y la representación gráfica de los resultados
mediciones (sección 4.5) de acuerdo a los datos de entrada. Una vez obtenido el primer
conjunto de datos medidos, el programa los procesa usando las subrutinas descriptas
en las secciones 4.5 y 4.6. Simultáneamente, se toma el segundo conjunto de medi-
ciones. Para poder tomar el conjunto de mediciones (m + 1) mientras se reconstruye
una imagen con los datos de la medición m, se utilizó la biblioteca multiprocessing de
Python. Dicha biblioteca facilita la creación de y la interacción entre distintos procesos
(computacionales) dentro de un mismo programa. La medición (m + 1) y la recons-
trucción m conforman dos procesos distintos, que pueden correr en forma simultánea,
cada uno en un núcleo de una CPU (Central Processing Unit). La rutina lleva a cabo
sucesivas mediciones y reconstrucciones hasta que el usuario ingresa una tecla. Para
que el programa sea capaz de leer el ingreso de la tecla por parte del usuario mientras
ejecuta los procesos asociados a la medición y a la estimulación, fue necesario crear un
hilo o thread dentro de la rutina principal. Se empleó, para ello, la biblioteca threading
de Python.
u1 (r = r1 , θ) = u2 (r = r1 , θ) (5.3)
41
42 Cálculo analı́tico del potencial eléctrico en un dominio sencillo
∂u1 ∂u2
σ1 (r = r1 , θ) = σ2 (r = r1 , θ) (5.4)
∂r ∂r
En primer lugar se busca una solución general para la ecuación (5.2) que en coor-
denadas cilı́ndricas y multiplicando por r2 es
2
2∂
u ∂u ∂ 2 u
r +r + 2 =0 (5.5)
∂r2 ∂r ∂θ
Se propone resolver el problema por separación de variables, es decir, se propone una
solución u(r, θ) = R(r) · Θ(θ). Reemplazando en la ecuación (5.5) y dividiendo por Θ
se obtiene
Θ00
r2 R00 + rR0 + R =0 (5.6)
Θ
Se ve que
r2 R00 + rR0 Θ00
(r) = − (θ) = λ (5.7)
R Θ
donde λ es un escalar independiente de r y de θ.
La ecuación que describe la parte angular Θ(θ) de u(r, θ) es
Θ00
(θ) = −λ (5.8)
Θ
√
Puede verificarse que las soluciones particulares son de la forma Θ(θ) = cos( λθ) y
√
Θ(θ) = sin( λθ). La condición de periodicidad de la variable angular θ en el dominio
Ω impone que
( √ √
cos( λθ) = cos[ λ(θ + 2π)]
√ √ (5.9)
sin( λθ) = sin[ λ(θ + 2π)]
Para que esto se cumpla debe verificarse que
√
λ = n, con n = 1, 2, ..., ∞ (5.10)
∞
X
Θ(θ) = A0 + [A0n cos(nθ) + Bn0 sin(nθ)] (5.11)
n=1
R(r) = rc (5.13)
rc [c(c − 1) + c − n2 ] = 0 (5.16)
Dado que esta ecuación debe cumplirse para todo r dentro del dominio, c(c−1)+c−n2
debe anularse. Luego, los valores de c que conforman la solución de la parte radial de
u(r, θ) (ec. 5.13) son los que verifican
c = ±n (5.17)
Se reemplazan R(r) (ec. 5.18) y Θ(θ) (ec. 5.11) en la expresión u(r, θ) = R(r) · Θ(θ)
para obtener la solución general del Laplaciano en coordenadas cilı́ndricas. Unificando
los coeficientes queda:
∞
X
A000 [A00n rn + Cn00 r−n ] cos(nθ) + [Bn00 rn + Dn00 r−n ] sin(nθ
u(r, θ) = + (5.19)
n=1
∞
X
u2 (r, θ) = C0 + [Cn rn + En r−n ] cos(nθ) + [Dn rn + Fn r−n ] sin(nθ) (5.21)
n=1
A0 = C0
An = Cn + r1−2n En (5.24)
Bn = Dn + r1−2n Fn
Evaluando la derivada (ec. 5.25) para u1 (ec. 5.22) y u2 (ec. 5.21) en r1 y reem-
plazando en la ecuación (5.4) se obtiene
∞
X
σ1 nr1n−1 [An cos(nθ) + Bn sin(nθ)] =
n=1
∞ (5.26)
X
=σ2 n[Cn r1n−1 − En r1−n−1 ] cos(nθ) + n[Dn r1n−1 − Fn r1−n−1 ] sin(nθ)
n=1
σ1 An = σ2 (Cn − En r1−2n )
(5.27)
σ1 Bn = σ2 (Dn − Fn r1−2n )
5.3 Aplicación de las condiciones de borde 45
∞
σ2 − σ1 r12n
X
n
u2 (r, θ) = C0 + Cn r + cos(nθ)+
n=1
σ2 + σ1 rn
(5.29)
σ2 − σ1 r12n
n
+ Dn r + sin(nθ)
σ2 + σ1 r n
y
r2
J0
Ω
r1
x
1
2
J0
Figura 5.1: Esquema del dominio bidimensional donde se calcula analı́ticamente la distribución
espacial del potencial eléctrico con las condiciones de borde de Neumann propuestas
Figura 5.2: Gráfica de las lı́neas equipotenciales obtenidas con la condición de borde de Neu-
mann esquematizada en la figura 5.1
u2 (r = r2 , θ = 0) = 0
∞ mπ
X 4J0 3mπ
g(θ) = sin sin sin(mθ) (5.31)
m=1
πm 16 16
∞
σ2 − σ1 r12n
∂u2 X
n−1
σ2 (r = r2 , θ) = σ2 nCn r2 + n+1 cos(nθ)+
∂r n=1
σ2 + σ 1 r 2
(5.32)
σ2 − σ1 r12n
n−1
+ nDn r2 + sin(nθ)
σ2 + σ1 r2n+1
De aquı́ se puede obtener una expresión para los coeficientes, que resultan
y
V2
V1
V3 r2
r1 V0
x
1
V4 2
V7
V5
V6
Figura 5.3: Esquema del dominio bidimensional donde se calcula analı́ticamente la distribución
espacial del potencial eléctrico con las condiciones de borde del modelo de electrodo completo.
En la frontera se observa la posición de los electrodos y la numeración elegida.
Figura 5.4: Gráfica de las lı́neas equipotenciales obtenidas con la condición de borde del modelo
de electrodo completo esquematizada en la figura 5.3
Capı́tulo 6
Resultados numéricos
Asumiendo que todos los parámetros que definen el modelo se conocen con total
certeza y, dado que en la formulación matemática del problema directo y el proble-
ma inverso se considera que el potencial eléctrico es descripto por las mismas ecua-
ciones, uno podrı́a apresuradamente concluir que al resolver el problema inverso con
mediciones simuladas se obtendrá una reconstrucción perfecta de la distribución de
conductividad. Sin embargo, como se explicó en la sección 2.5, el problema inverso
está mal condicionado. A causa de esto, es necesario usar un método de regularización
que considere información conocida a priori sobre la distribución espacial de conduc-
tividad para obtener una reconstrucción representativa. Como consecuencia, la imagen
de conductividad obtenida no sólo no coincidirá con la simulada, si no que además de-
penderá del método de regularización utilizado. Sin embargo, reconstruir una imagen
con mediciones generadas en forma sintética, asumiendo que todos los parámetros que
definen el modelo se conocen con total certeza, permite comparar los distintos métodos
51
52 Resultados numéricos
proporcional a la cantidad de nodos del elemento que estén dentro de las perturbacio-
nes. Por ejemplo, en el caso del fluido con una perturbación cúbica descripto en esta
sección, la conductividad de un elemento es:
V2 V2
V3 V1 V1
V3
j=1
V4=0 V0
V4
V0
j=0
V5 V7 V5=0 V7
V6 V6
Figura 6.2: Esquema de los primeros dos (j = 0 y j = 1) patrones de estimulación usados con
la elección del electrodo de referencia para la medición de tensión. Se muestran las configuraciones
“adyacente” y “opuesta”, usadas en el trabajo.
Tiempo de cálculo
Figura 6.3: Imagen de la sección circular de conductividad reconstruida sin regularizar con las
mediciones simuladas con el modelo descripto en la sección 6.1
Figura 6.4: Gráfica de los valores singulares del Jacobiano (espectro) ordenados de menor a
mayor.
inverso. Los primeros 28 valores singulares son al menos 11 órdenes de magnitud mayo-
res que los posteriores. Se recuerda que los valores singulares mayores están asociados
a las componentes de la solución menos oscilatorias, de menor norma euclı́dea.
En la figura 6.5 se presenta una imagen de la reconstrucción de conductividad
para el modelo simulado, haciendo una sola iteración del método de Gauss-Newton y
usando el método de regularización de Tikhonov (ver subsección 2.5.2) con β1 = 0, 01
y β2 = 0, 01.
Con el fin de evaluar el desempeño de los métodos de reconstrucción se parte de
la premisa de que el campo de conductividad que se desea reconstruir es conocido,
por lo que se puede evaluar el error de la reconstrucción punto a punto restando la
distribución de conductividad simulada a la reconstruida. En la figura 6.6 se presenta
una imagen de la distribución espacial del error en la reconstrucción de conductividad.
En primer lugar, se hace una inspección visual de la imagen de conductividad simu-
lada (figura 6.1) y la reconstruida (figura 6.5) para compararlas. A simple vista, puede
apreciarse que en la reconstrucción hay un contraste de conductividad en la zona donde
se simuló la perturbación, caracterizado por una concentración de casilleros con una
conductividad mayor que los demás. Observando las barras de colores de ambas figuras,
se aprecia que la conductividad de la perturbación simulada llega a ser 16, 5 mScm
, mien-
mS
tras que en la reconstrucción dicha conductividad no supera los 6, 4 cm . Es decir, que en
la imagen reconstruida, la conductividad de lo que se puede considerar la perturbación,
es significativamente menor a la simulada. Este fenómeno se observó también en las
demás reconstrucciones de conductividad efectuadas con otros métodos de regulariza-
ción. Este efecto se atribuye a que la “atenuación” de los contrastes de conductividad
6.2 Comparación de los métodos de regularización 57
perturbación
artefactos
Figura 6.5: Imagen de la sección circular de conductividad reconstruida obtenida con una
iteración del método de Gauss-Newton y regularización de Tikhonov con β1 = 0, 01 y β2 = 0, 01
usando mediciones simuladas para la distribución de conductividad presentada en la fig. 6.1
Figura 6.7: Histograma de los valores de conductividad de los casilleros que no pertenecen a
la perturbación de la fig. 6.5
Tabla 6.1: Resumen de los resultados del análisis de las imágenes obtenidas con distintos
métodos de regularización.
m=1
Figura 6.8: Imágenes de las sección circulares de conductividad reconstruidas con las primeras
tres iteraciones m del método de Gauss-Newton y regularización de Tikhonov con β1 = 10−4 y
β2 = 0, 1 usando mediciones simuladas para la distribución de conductividad presentada en la
fig. 6.1
reconstruida es menos oscilatoria. El tiempo de cálculo para una iteración del método
de Gauss-Newton es similar al de los demás métodos y a partir de la segunda iteración
las imágenes son lo suficientemente similares como para no producir cambios en el
cálculo de los indicadores tabulados. Esta última condición se adoptó como criterio de
convergencia del método.
Figura 6.9: Gráficas de las curvas correspondientes a los cortes con la recta y = 1cm de las
imágenes reconstruidas usando distintos métodos de regularización. También se incluye el gráfico
de la conductividad simulada (notar que la conductividad de la perturbación supera la escala de
este gráfico)
La figura 6.9 muestra los cortes de las imágenes de conductividad obtenidas con
distintos métodos de regularización correspondientes a la recta y = 1cm superpuestos
con el gráfico de conductividad simulada. La figura 6.10 es análoga a la 6.9, con la
diferencia de que los gráficos corresponden a la recta x = 1cm. Estas gráficas son,
junto con los parámetros de la tabla 6.1, una herramienta útil para la comparación de
los métodos de reconstrucción.
62 Resultados numéricos
Figura 6.10: Gráficas de las curvas correspondientes a los cortes con la recta x = 1cm de las
imágenes reconstruidas usando distintos métodos de regularización. También se incluye el gráfico
de la conductividad simulada (notar que la conductividad de la perturbación supera la escala de
este gráfico)
6.3. Reconstrucción en 2D
En la sección 2.7 se discutió la posibilidad de implementar la reconstrucción consi-
derando que se cumple la condición de simetrı́a axial del dominio y de las condiciones
de borde. En el dominio simulado en la sección anterior, dicha condición no se cumple
dado que los electrodos son finitos y, en particular, sus dimensiones son mucho meno-
res que otras dimensiones del problema, como el radio y la longitud del dominio. Se
propone evaluar el desempeño de un algoritmo de reconstrucción que sólo considere la
sección circular central del cilindro (es decir un dominio bidimensional que coincide con
el plano medio donde se hallan los electrodos) en esas condiciones. Para ello es necesa-
rio simular las mediciones en el dominio tridimensional original, como se describe en la
sección 6.1, y luego implementar la reconstrucción con un algoritmo que sólo considere
la sección circular central del cilindro. La discretización del dominio bidimensional se
presenta en la fig. 4.3.
m=1
m=1
mS
Semilla σ 0 cm
0, 1 1 3 6 10 20
mconv > 10 6 3 2 3 > 10
Tabla 6.2: Iteraciones necesarias para llegar a la convergencia mconv usando el método de
Gauss-Newton para distintos valores de semilla de conductividad σ 0
Para las mediciones de tensión simuladas con ruido de desviación estándar de 10mV
y 1mV (aproximadamente el 0, 5 % y 0, 05 %, respectivamente, de la diferencia de po-
tencial entre electrodos activos) se observa que la perturbación reconstruida se deforma
notoriamente y se producen oscilaciones indeseadas (comparando con la figura 6.8, co-
rrespondiente a la simulación sin ruido). La reconstrucción usando un desvı́o estándar
de 0, 1mV en la simulación de ruido no presenta diferencias apreciables con la simula-
ción sin ruido.
CPU 1 Intel Core i7-4790 CPU @ 3.60GHz RAM: 16GB - Windows 7 (64 bits)
CPU 2 Intel Core i7-4771 CPU @ 3.50GHz RAM: 8GB - Windows 7 (64 bits)
GPU 1 NVidia GeForce GTX 760 , 1152 CUDA Cores, Memory: 2048MB
GPU 2 NVidia GeForce GTX 780 Ti, 2880 CUDA Cores, Memory: 3072MB
Para este análisis se utilizaron dos PC, cada una con sus respectivas CPU y GPU
que conforman el sistema de procesamiento. Es importante notar, que no se puede
abstraer a la GPU de la CPU a la cual está asociada, ya que, un código tı́pico se ejecu-
tará parcialmente, tanto en CPU como en GPU, lo cual implica la transferencia de datos
entre las memorias de ambas componentes. La tabla 6.3 muestra las caracterı́sticas de
la CPUs y GPUs utilizadas.
66 Resultados numéricos
Figura 6.15: Tiempo necesario para la construcción de la matriz del sistema en CPU y en
GPU. El tiempo en GPU incluye la tranferencia de memoria.
Figura 6.16: Tiempo utilizado sólamente en el cálculo de la matriz del sistema en las GPUs,
en función de la cantidad de elementos del mallado.
6.6 Aceleración en tarjetas gráficas 67
Figura 6.17: Tiempo utilizado sólamente en transferencia de datos (bidireccional, entre las
CPUs y las GPUs) para la matriz del sistema, en función de la cantidad de elementos del mallado.
En la figura 6.15 también puede notarse que los desempeños de CPU 1 y GPU 1 son
ligeramente mejores que los de la CPU 2 y GPU 2. Esto es consistente para la compa-
ración entre CPUs, ya que la CPU 1 posee una mayor frecuencia de reloj que la CPU
2. En cuanto a la comparación entre GPUs, se observa una aparente contradicción, ya
que aquella que posee una menor cantidad de núcleos de ejecución (CUDA Cores) es
la que presenta menor tiempo de ejecución, contrariamente a lo esperado. Esto puede
explicarse en que el tiempo de ejecución en GPU reportado, incluye la transferencia
de datos entre la memoria de la CPU y la memoria de la GPU. Como se mencionó en
la sección 4.8, este tiempo puede ser considerable, dependiendo de la cantidad de da-
tos a ser transferidos. Para analizar este efecto, se midió el tiempo de ejecución del
algoritmo en la GPU, registrándose por separado el tiempo de transferencia de datos
y el tiempo neto de cálculo. La figura 6.16 muestra el tiempo utilizado solamente en
procesos de cálculo durante la ejecución en GPU, mientras que la figura 6.17 muestra
el tiempo ocupado en transferencia de memoria. Como puede apreciarse, el tiempo de
transferencia de memoria es dos órdenes de magnitud mayor al tiempo de cálculo neto,
siendo, en todos los casos, mayor al 90 % del tiempo total reportado en la figura 6.15.
Luego, en este caso, la ejecución en GPU se ve limitada por la transferencia de datos
a memoria, más que por la complejidad de los cálculos.
En la figura 6.18 se presenta una gráfica del tiempo utilizado en el cálculo del
problema inverso con regularización de Tikhonov, según se explica en la sección 4.8
para mallados con distinto número de elementos (2543, 5591, 8035 y 12053). El mallado
de 12053 elementos sólo pudo ser procesado en la GPU 2, ya que la GPU 1 no poseı́a la
cantidad de memoria suficiente para procesarlo. Las aceleraciones observadas en este
68 Resultados numéricos
Figura 6.18: Tiempo utilizado para la resolución de la ec. (2.87) en función de la cantidad
de elementos del mallado. Esto incluye transposición, sumas y multiplicaciones de matrices y la
resolución del sistema lineal presentes en la misma.
Figura 6.19: Tiempo utilizado sólamente en procesos de cálculo para la resolución del problema
inverso en las GPUs, en función de la cantidad de elementos del mallado
Figura 6.20: Tiempo utilizado sólamente en transferencia de datos (bidireccional, entre las
CPUs y las GPUs) para la resolución del problema inverso, en función de la cantidad de elementos
del mallado.
Capı́tulo 7
Resultados experimentales
71
72 Resultados experimentales
σ mS
Electrodo @f D[mm] L[mm] cm
Rtot [Ω] zl [Ωcm2 ]
Ag/AgCl @123Hz 9, 3 ± 0, 1 9, 2 ± 0, 2 5, 3 ± 0, 4 280 ± 5 9±7
Al @123Hz 9, 2 ± 0, 1 7, 9 ± 0, 6 5, 3 ± 0, 4 930 ± 50 230 ± 20
Ag/AgCl @5kHz 9, 3 ± 0, 1 9, 2 ± 0, 2 5, 3 ± 0, 4 290 ± 10 12 ± 8
Al @5kHz 9, 2 ± 0, 1 7, 9 ± 0, 6 5, 3 ± 0, 4 250 ± 10 9±7
Tabla 7.1: Resultados de las mediciones directas sobre los dispositivos experimentales de la
fig. 7.1 y obtención de la impedancia de contacto siguiendo el método presentado en la sección
3.2
Tabla 7.2: Resultados obtenidos con el método de calibración presentado en la sección 2.6, esti-
mulando los pares de electrodos indicados en la primera fila de la tabla. Se utilizó una frecuencia
eléctrica de 123Hz.
Imp. de contacto
Conductividad
Figura 7.2: Gráfica de los resultados de la calibración (σcal y zl ) para distintos niveles H de
solución un un recipiente con 16 electrodos ubicados a 3cm de la base. La geometrı́a cilı́ndrica
del dominio fue modelada con un error en la altura, que es la principal causa de las diferencias
entre los valores de σcal obtenidos con la calibración y la conductividad de la solución medida en
forma directa.
mismo que se utilizó para obtener los resultados numéricos, se describe en la sección
6.1. Si bien en la realidad la solución acuosa de NaCl ocupaba el interior del recipiente
hasta una altura de aproximadamente 9cm desde la base, en el modelo del dominio se
consideró sólo la porción ubicada entre los 2cm por encima y por debajo del centro
de los electrodos. Modelar una región geométrica más pequeña permite obtener una
discretización más fina usando el mismo número de elementos finitos. Sin embargo, al
no considerar una parte del dominio que en realidad existe, se introduce un error de
modelado que afecta la calibración (o la reconstrucción, si fuera el caso). En la figura
7.2 se muestra cómo varı́an los resultados de la calibración obtenidos con un modelo
geométrico “reducido” al variar el nivel real H de la solución acuosa en un recipiente
con 16 electrodos ubicados a 3cm de la base. Notar que si el nivel real de la solución en
el recipiente es mayor al considerado en el modelo, σcal será mayor a la conductividad
real de la solución para equiparar las resistencias del sistema real y el modelado.
Patrón de estimulación
Adyacente Opuesto
Frecuencia [Hz]
123 1023 5k
P A
a d
t y
r a
ó c
n e
n
d
t
e
e
e
s
t O
i
m p
u u
l
a
e
c s
i t
ó
n o
se aproxima más al del cilindro que en las reconstrucciones de la figura 7.4. Se observa
que la reconstrucción usando un patrón de estimulación adyacente y una frecuencia de
5kHz es el único que presenta la detección en una posición notablemente distinta a la
del cilindro de aluminio. Por otro lado, en las reconstrucciones realizadas con un patrón
de estimulación adyacente, la detección aparenta estar deformada. Puede notarse que
el artefacto que aparece en el centro del recipiente en la figura 7.3 parece mantenerse
presente en la 7.5 y ser la causa de dicha deformación. En todos los casos, haciendo el
esfuerzo de observar los gráficos teniendo en cuenta que cada uno tiene una escala de
conductividad distinta, puede notarse que la conductividad del medio es muy próxima
a la obtenida en la calibración (≈ 11 mS
cm
, ver sección 7.2).
En la parte superior de la figura 7.6 se presenta una fotografı́a del recipiente, esta
vez con el cilindro de aluminio colocado frente a un electrodo. Debajo de la fotografı́a
se presentan las reconstrucciones obtenidas usando una frecuencia de 123Hz y los
patrones de estimulación adyacente y opuesto. Se observa que la reconstrucción usando
el patrón de estimulación adyacente se presenta levemente más deformada a la vez que
7.4 Reconstrucciones usando un sistema con 16 electrodos 77
Frecuencia [Hz]
123 1023 5k
P A
a d
t y
r a
ó c
n e
n
d
t
e
e
e
s
t O
i
m p
u u
l
a
e
c s
i t
ó
n o
Figura 7.5: ı́dem fig. 7.4, con el cilindro en una ubicación distinta.
Patrón de estimulación
Adyacente Opuesto
en la sección 7.3. La fila de electrodos se halla a 3cm de altura. Para los experimentos,
se llenó el recipiente con solución acuosa de NaCl, con σ = (5, 3 ± 0, 4) mS cm
, hasta
un nivel de aproximadamente 7cm. Para controlar la medición y la estimulación, se
duplicaron los componentes de la configuración del conmutador presentada en la sección
3.1.1. En todas las reconstrucciones se utilizó el patrón de estimulación adyacente con
una frecuencia de 123Hz. Los valores de los demás parámetros del modelo y de los
algoritmos de reconstrucción se establecieron en los valores establecidos en la sección
7.3.
Figura 7.7: Reconstrucción en el recipiente con solución acuosa de NaCl, usando el sistema
con 16 electrodos de la fotografı́a
En la figura 7.7 se muestra una fotografı́a del recipiente lleno de solución acuosa de
7.4 Reconstrucciones usando un sistema con 16 electrodos 79
Figura 7.8: Reconstrucción de la conductividad y fotografı́a del recipiente con solución acuosa
de NaCl y un cilindro de aluminio, usando el sistema con 16 electrodos
Figura 7.9: Reconstrucción de la conductividad y fotografı́a del recipiente con solución acuosa
de NaCl y un cilindro de cobre, usando el sistema con 16 electrodos
Figura 7.10: Reconstrucción de la conductividad y fotografı́a del recipiente con solución acuosa
de NaCl y un cilindro de acrı́lico, usando el sistema con 16 electrodos
Figura 7.11: Reconstrucción de la conductividad y fotografı́a del recipiente con solución acuosa
de NaCl y los objetos mostrados en la fotografı́a, usando el sistema con 16 electrodos
Conclusiones
81
82 Conclusiones
Una placa de adquisición con tantas entradas y salidas analógicas como elec-
trodos. Se pueden utilizar etapas adaptadoras de impedancia (buffers) para las
entradas destinadas a medir tensión y conversores tensión-corriente para la esti-
mulación.
Usar un FPGA con tantos DACs como electrodos para realizar la estimulación
y ADCs+buffers para las mediciones de tensión. En la FPGA se pueden imple-
mentar módulos lock-in que permitan medir amplitudes y fases de las respuestas
en tensión obtenidas al estimular el volumen con distintas frecuencias en forma
simultánea.
Usar el método descripto en [12, Sección 4.3] para el cálculo del Jacobiano
Los resultados obtenidos en este trabajo son relevantes y necesarios en el marco del
desarrollo de la técnica de EIT para aplicaciones especı́ficas que son de interés de la
Comisión Nacional de Energı́a Atómica, como la geoprospección en la minerı́a de uranio,
el monitoreo del flujo de dos fases (por ejemplo en Boiling Water Reactors), el control
de las posiciones de objetos dentro de los recipientes a presión de la nueva generación
de reactores nucleares (GEN-IV) y la medicina. En el campo de la medicina, la técnica
de EIT encuentra aplicación en la detección de tumores mamarios, el monitoreo del
ciclo respiratorio y la monitoreo de la actividad cerebral, entre otras.
Apéndice A
Figura A.2: Reconstrucción con un cilindro de cobre apartado del centro, entre dos electrodos
83
84 Otras reconstrucciones con el sistema de 8 electrodos
Figura A.4: Reconstrucción con un cilindro de acrı́lico apartado del centro del recipiente
Figura B.1: Reconstrucción en forma diferencial de la imagen 7.5 con f = 123Hz y patrón de
estimulación adyacente
87
88 Imágenes obtenidas en forma diferencial
[5] Silvester, P. P., Ferrari, R. L. Finite elements for electrical engineers. 3a edón.
Press Syndicate of the University of Cambridge, 1996. 6
[8] Cheney, M., Isaacson, D., Newell, J. C. Electrical impedance tomography. SIAM
Review, 41 (1), 85–101, 1999. 12
[10] Jochen Alberty, C. C., Funken, S. A. Remarks around 50 lines of matlab: short
finite element implementation. Numerical Algorithms, 20, 117–137, 1999. 15, 16
[11] Kima, B. S., Khambampatib, A. K., Jangc, Y. J., Kimd, K. Y., Kime, S. Image
reconstruction using voltage-current system in electrical impedance tomography.
Nuclear Engineering and Design, 278, 134–140, 2014. 18
89
90 Bibliografı́a
[13] Adler, A., Lionheart, W. R. B. Uses and abuses of eidors: An extensible software
base for eit. Physiol. Meas., 27, S25–S42, 2006. 20
[14] Haber, E. Numerical Strategies for the Solution of Inverse Problems. Tesis Doc-
toral, University of British Columbia, 1997. 21, 82
[15] Rahal, M., Khor, J. M., Demosthenous, A., Tizzard, A., Bayford, R. A comparison
study of electrodes for neonate electrical impedance tomography. Physiol. Meas.,
30 (6), S73–84, 2009. 26
[16] Geuzaine, C., Remacle, J.-F. Gmsh: a three-dimensional finite element mesh ge-
nerator with built-in pre- and post-processing facilities. International Journal for
Numerical Methods in Engineering, 79, 1309–1331, 2009. 32
[18] NVIDIA Corporation. NVIDIA CUDA C Programming Guide. 2010. Version 3.2.
38, 39
[19] Seagar, A. Probing with low frequency electric currents. Tesis Doctoral, University
of Canterbury, 1983. 45
Agradecimientos
A aquellos y aquellas que sin querer, queriéndome, me hicieron quien soy. Gracias
por cuidarme. Gracias por ser.
Son mis pies y la cabeza que me hace seguir cuando hay que caminar. Son el sendero,
los paisajes y la compañı́a. Son mis ojos y mis manos. Son el Sol. Son la vertiente y el
viento a favor. Son la razón para llegar. Son el mate caliente, el abrazo y las estrellas.
Son los besos y el descanso. Son la razón para volver y para seguir caminando. Los
amo.
91