智能检测控制技术及应用PDF|Epub|txt|kindle电子书版本网盘下载

智能检测控制技术及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 智能检测技术1

1.1.1 检测技术与现代科学技术1

1.1.2 智能检测的形成与发展1

1.1.3 检测技术的智能化2

1.1.4 智能检测装置的主要形式6

1.1.5 智能检测新技术7

1.2 智能控制11

1.2.1 智能控制产生的背景11

1.2.2 智能控制的概念与研究内容13

1.2.3 智能控制系统结构14

1.2.4 智能控制研究的数学工具15

1.2.5 智能控制涉及的主要内容16

1.3 自动测试18

1.3.1 自动测试系统的概念与组成18

1.3.2 自动测试系统的应用范围21

1.3.3 自动测试系统的发展21

1.4 智能仪器23

1.4.1 智能仪器的特点23

1.4.2 智能仪器的基本结构24

1.4.3 智能仪器的常用算法25

1.4.4 智能仪器的设计28

1.5 智能检测控制技术的应用30

1.5.1 智能检测控制技术的应用方式30

1.5.2 智能检测控制技术的应用范围34

思考题与习题36

第2章 智能检测系统基础38

2.1 智能检测系统的组成38

2.2 数据采集系统38

2.2.1 数据采集系统的结构形式39

2.2.2 A/D转换器40

2.2.3 采样保持器41

2.2.4 集成模拟开关42

2.3 输入／输出通道处理电路44

2.3.1 输入通道接口技术44

2.3.2 输出通道的隔离与驱动45

2.4 数据采集系统设计实例46

2.5 检测系统主要特性指标及其测定48

2.5.1 检测系统的静态特性指标及测定48

2.5.2 检测系统的动态特性指标及测定52

2.6 测量不确定度及其测定56

2.6.1 测量不确定度的概念56

2.6.2 测量不确定度的测定57

思考题与习题61

第3章 智能传感器62

3.1 概述62

3.1.1 智能传感器的定义62

3.1.2 智能传感器的功能特点62

3.1.3 智能传感器的实现途径64

3.2 智能传感器的系统构成66

3.2.1 硬件构成66

3.2.2 软件构成67

3.3 数字式传感器68

3.3.1 感应同步器68

3.3.2 光栅传感器72

3.3.3 角数字编码器77

3.4 典型智能传感器81

3.4.1 智能数字温度传感器81

3.4.2 智能转矩转速传感器82

3.5 多传感器信息融合技术84

3.5.1 概述84

3.5.2 基本原理、信息融合过程及关键技术85

3.5.3 结构与功能模型87

3.5.4 信息融合方法88

3.5.5 多传感器信息融合的应用91

3.6 智能传感器的发展方向92

思考题与习题94

第4章 智能仪器功能的实现95

4.1 概述95

4.2 智能仪器几种功能的实现方法95

4.2.1 非线性自校正95

4.2.2 自校零与自校准99

4.2.3 自补偿103

4.2.4 自动量程切换111

4.3 智能仪器的设计方法112

4.3.1 智能仪器的设计过程112

4.3.2 智能仪器的硬件设计方法114

4.3.3 智能仪器的软件设计方法116

4.4 智能仪器实例120

4.4.1 具有温度补偿的集成智能传感器120

4.4.2 具有微处理器的智能传感器131

思考题与习题134

第5章 智能检测系统的控制技术135

5.1 数字PID控制及改进算法135

5.1.1 模拟PID控制135

5.1.2 数字PID算法137

5.1.3 数字PID控制的改进算法140

5.1.4 数字PID控制器的参数整定146

5.2 模糊控制149

5.2.1 模糊控制系统的基本原理及组成结构150

5.2.2 模糊控制器的数据库152

5.2.3 模糊控制规则库153

5.2.4 推理决策逻辑154

5.2.5 模糊控制系统的控制过程155

5.2.6 模糊控制器的设计及应用158

5.3 智能控制163

5.3.1 自适应控制164

5.3.2 多级递阶智能控制166

5.3.3 专家控制系统与专家控制器167

5.3.4 仿人智能控制169

5.3.5 其他智能控制方式171

思考题与习题172

第6章 智能故障诊断173

6.1 智能故障诊断的概念173

6.1.1 故障智能诊断系统的概念173

6.1.2 故障智能诊断系统的一般结构177

6.2 智能故障诊断方法概述179

6.2.1 统计诊断法179

6.2.2 逻辑诊断法181

6.2.3 模糊诊断法181

6.2.4 神经网络诊断法182

6.3 智能故障诊断的机器学习方法183

6.3.1 机器学习方法的研究发展184

6.3.2 故障诊断系统中的几种机器学习方法186

6.3.3 故障诊断系统中的机器学习策略190

6.4 智能故障诊断的专家系统方法192

6.4.1 专家系统概述192

6.4.2 知识表示195

6.4.3 知识获取198

6.4.4 推理机制199

6.5 智能故障诊断的人工神经网络与专家系统结合方法200

6.5.1 专家系统与神经网络的特点201

6.5.2 专家系统与神经网络结合的途径和方法203

6.6 智能故障诊断的信息融合方法207

6.6.1 贝叶斯信息融合方法208

6.6.2 D-S推理信息融合方法208

6.6.3 神经网络与信息融合210

6.6.4 集成神经网络的实现方法212

思考题与习题216

第7章 虚拟仪器技术217

7.1 概述217

7.1.1 虚拟仪器的出现217

7.1.2 虚拟仪器技术的组成及优势218

7.1.3 虚拟仪器构成及类型220

7.1.4 虚拟仪器和传统仪器的比较223

7.1.5 虚拟仪器的发展历程224

7.2 VXI总线技术225

7.2.1 VXI总线系统的特点226

7.2.2 VXI总线系统的发展226

7.2.3 VXI总线系统规范227

7.2.4 VXI总线仪器系统集成234

7.2.5 VXI总线控制方式236

7.3 PXI总线技术237

7.3.1 PXI系统的组成与配置238

7.3.2 PXI规范结构239

7.3.3 PXI软件体系243

7.4 LabView简介244

7.4.1 什么是LabView244

7.4.2 LabView程序246

7.4.3 LabView 8.5版本新特性254

思考题与习题255

第8章 机器视觉检测系统257

8.1 机器视觉检测的基本理论257

8.1.1 机器视觉的基本概念和特点257

8.1.2 图像和数字图像257

8.1.3 分辨率258

8.1.4 视觉表示框架259

8.2 机器视觉检测系统的组成260

8.2.1 光学成像系统261

8.2.2 光源与照明261

8.2.3 图像捕捉系统264

8.2.4 图像采集模块265

8.2.5 图像处理模块265

8.2.6 控制执行模块266

8.3 图像处理与图像识别266

8.3.1 机器视觉图像特点266

8.3.2 图像处理、图像识别与图像理解267

8.3.3 常用图像处理方法268

思考题与习题271

第9章 智能检测与控制技术的工程实例272

9.1 模糊与状态监测的工程应用实例272

9.1.1 模糊自适应PID在运动控制中的应用272

9.1.2 侧压定宽轧钢机状态监测系统设计277

9.2 基于数据融合技术的传感器自校正／标定模型282

9.3 基于虚拟仪器技术的智能检测控制系统286

9.3.1 虚拟环境下的数字相关测量仪286

9.3.2 基于LabView的虚拟滤波器290

9.4 机器视觉在工业生产中的应用实例295

9.4.1 数控曲线磨削误差在线检测295

9.4.2 机器视觉在电子制造中的应用298

参考文献302