现代检测技术PDF电子书下载

第1篇　基础篇 1

1．绪论 1

1.1　传统检测技术 1

1.1.1　检测技术的基本概念 1

1.1.2　测量误差 1

1.2　现代检测技术 2

1.2.1　现代检测技术的含义和特征 3

1.2.2　现代检测技术中常用的方法 3

思考题 5

参考文献 5

2．先进传感技术 6

2.1　概述 6

2.2　新型传感效应 6

2.2.1　物理效应 6

2.2.2　化学效应 11

2.2.3　生物效应 13

2.3　新型传感材料 14

2.3.1　半导体敏感材料 14

2.3.2　陶瓷敏感材料 15

2.3.3　高分子材料 16

2.3.4　纳米材料 17

2.4　先进加工技术 18

2.4.1　薄膜加工技术 18

2.4.2　光刻技术 20

2.4.3　腐蚀加工技术 20

2.4.4　键合技术 20

2.4.5　X射线深层光刻电铸成型技术 21

思考题 21

参考文献 22

3．信息论概述 23

3.1　概述 23

3.1.1　信息与信息技术 23

3.1.2　信息论基本概念 24

3.1.3　信息技术在现代检测中的应用 25

3.2　信息定量描述——信息熵 25

3.2.1　离散信源模型 25

3.2.2　连续信源模型 28

3.2.3　信息与熵守恒定律 30

3.3　信息传输 31

3.3.1　信道 31

3.3.2　Shannon信道容量关系式 31

3.3.3　信道频率特性 33

3.3.4　信息检测及传输过程中的噪声干扰 34

3.3.5　噪声模型及信噪比最大信道 36

思考题 37

参考文献 38

4．现代信号处理方法 39

4.1　随机过程的统计描述 39

4.1.1　随机过程的统计描述 39

4.1.2　随机过程的各态历经性 40

4.2　平稳随机过程的相关函数与功率谱分析 42

4.2.1 自相关函数的性质 42

4.2.2　相关系数与相关时间 42

4.2.3　随机过程的联合分布和互相关函数 43

4.2.4　相关函数的应用 45

4.2.5　功率谱估计与应用 46

4.3　随机信号的高阶谱分析 47

4.3.1　高阶累积量与高阶矩谱 47

4.3.2　累积量与双谱的性质 49

4.3.3　高阶谱的应用 50

4.4　非平稳信号处理方法 52

4.4.1 短时Fourier变换 53

4.4.2　小波变换法 53

4.4.3　Wigner-Ville分布 54

4.4.4　Hilbert-Huang变换方法 55

思考题 57

参考文献 58

5．人工神经元网络 59

5.1　人工神经元网络 59

5.1.1　人工神经元 59

5.1.2　人工神经网络的分类及学习 60

5.2　BP神经网络原理与算法 61

5.2.1 BP神经网络原理 61

5.2.2　BP神经网络学习算法 62

5.2.3　BP神经网络小结 64

5.3　径向基函数神经网络 65

5.3.1　径向基函数神经网络结构 65

5.3.2　径向基函数神经网络计算 65

5.3.3　径向基函数神经网络学习算法 65

5.3.4　RBF神经网络在气液两相流流型识别中的应用 68

5.4　自组织神经网络 69

5.4.1　竞争学习原理 69

5.4.2　竞争型神经网络的学习规则 70

5.4.3 自组织特征映射网络原理 71

思考题 74

参考文献 74

6．遗传算法 76

6.1 概述 76

6.2　遗传算法的理论基础 76

6.2.1　生物进化理论与遗传学基础 76

6.2.2　数学基础 78

6.3　基本遗传算法 79

6.3.1　构成要素和计算流程 79

6.3.2　染色体编码 80

6.3.3　个体适应度评价 82

6.3.4　遗传算子 83

6.3.5　运行参数 87

6.3.6　应用举例 87

6.4　遗传算法的发展与改进 90

6.4.1　分层遗传算法 90

6.4.2　变长度染色体遗传算法 91

6.4.3　自适应遗传算法 92

6.4.4　小生境遗传算法 92

6.4.5　混合遗传算法 93

6.4.6　并行遗传算法 95

6.5　遗传算法在检测技术中的应用 96

思考题 98

参考文献 99

7．专家系统 100

7.1　专家系统的概念 100

7.1.1　专家系统的功能 100

7.1.2　专家系统的特征 100

7.1.3　专家系统的分类 101

7.1.4　专家系统与一般计算机程序的区别 102

7.2　知识表达 103

7.2.1　知识的概念 103

7.2.2　知识表达的类型 103

7.3　推理机制 110

7.3.1　数据驱动控制策略 110

7.3.2 目标驱动控制策略 110

7.3.3　混合控制策略 111

7.4　专家系统的结构 111

7.4.1　知识库 112

7.4.2　推理机 112

7.4.3　动态数据库 112

7.4.4　解释机制 112

7.4.5　知识获取 112

7.4.6　人机界面 114

思考题 114

参考文献 115

8．模糊集合论 116

8.1　概述 116

8.2　模糊集合及其运算 116

8.2.1　模糊集合的定义 116

8.2.2　模糊集合的基本关系和运算 118

8.2.3　模糊集合运算的基本性质 119

8.2.4　隶属度函数的建立 119

8.3　模糊关系 121

8.3.1　模糊关系的定义 121

8.3.2　模糊关系的运算 121

8.3.3　模糊关系的合成 121

8.4　模糊逻辑与模糊推理 123

8.4.1　模糊语言变量 123

8.4.2　模糊蕴含关系 123

8.4.3　单输入模糊推理 124

8.4.4　多输入模糊推理 126

8.4.5　多输入多规则模糊推理 127

8.5　解模糊化 128

思考题 130

参考文献 130

9．信息融合 131

9.1　概述 131

9.2　信息融合的定义与模型 131

9.2.1　信息融合的定义 131

9.2.2　信息融合的模型 132

9.3　信息融合的层次与结构 133

9.3.1　信息融合的结构 133

9.3.2　信息融合的层次 135

9.4　信息融合的方法 136

9.4.1　概率统计法 136

9.4.2　逻辑推理法 139

9.4.3　人工智能法 141

思考题 143

参考文献 143

10．软测量技术 144

10.1 概述 144

10.2　软仪表的一般设计方法 144

10.2.1　辅助变量的选择 145

10.2.2　测量数据的处理 145

10.2.3　软测量模型的分类 146

10.2.4　软测量模型的校正与维护 146

10.3　软测量建模技术 147

10.3.1 概述 147

10.3.2　基于回归分析的软测量技术 149

10.3.3　基于神经网络的软测量技术 152

10.4　软测量技术的应用 154

10.4.1 基于工艺机理分析的气力输送固相流量的软测量 154

10.4.2　基于回归分析的造纸过程成纸水分的软测量 155

思考题 156

参考文献 157

第2篇　应用篇 158

11．基于计算机视觉的检测技术 158

11.1　概述 158

11.2　计算机视觉基础 158

11.2.1　人类视觉 158

11.2.2　计算机视觉系统的结构 160

11.3　计算机视觉的有关理论 161

11.3.1 引言 161

11.3.2　Marr视觉计算理论 162

11.3.3　Gestalt感知组织理论 163

11.4　基于计算机视觉的检测系统 164

11.4.1　系统组成 164

11.4.2　硬件部分 164

11.4.3　软件部分 165

11.5　计算机视觉在检测技术中的应用 166

11.5.1　应用背景 166

11.5.2　检测系统 166

11.5.3　识别算法 168

11.5.4　应用情况 170

思考题 172

参考文献 173

12．复杂工业过程碳化塔中关键参数的软测量技术 174

12.1 引言 174

12.2　碳化塔结构及反应机理 174

12.2.1　碳化塔的结构和工艺流程 174

12.2.2　碳化塔反应机理与软测量 175

12.3　碳化塔内温度预测技术 176

12.3.1 软测量模型辅助变量的选择与系统降维 176

12.3.2　现场数据的采集和预处理 178

12.3.3　三种模型的离线训练及训练结果比较 179

12.3.4　辅助变量对模型输出的影响分析 182

12.4　碳化转化率的软测量 183

12.4.1　碳化转化率的离线分析 183

12.4.2　模型的训练与校验 183

思考题 184

参考文献 184

13．现代检测技术在两相流参数检测中的应用 186

13.1　气液两相流的流型及其识别方法 186

13.1.1　气液两相流的流型 186

13.1.2　气液两相流流型识别的传统方法 187

13.1.3　气液两相流流型的间接识别法 189

13.2　气液两相流空隙率与检测方法 198

13.2.1　空隙率的定义 198

13.2.2　空隙率的主要检测方法 198

13.2.3 基于HHT的空隙率检测方法 200

思考题 205

参考文献 205

14．基于专家系统的故障诊断技术 208

14.1　变压器故障诊断专家系统总体设计 209

14.1.1 系统功能 209

14.1.2　实现过程 210

14.2　知识获取 210

14.2.1　变压器故障专家知识 210

14.2.2　变压器故障检测 214

14.2.3　变压器故障的综合判断方法 219

14.3　变压器故障诊断专家系统结构 221

14.4　知识库的设计 221

14.4.1 知识库结构和知识库管理系统设计 221

14.4.2　变压器故障诊断系统知识库设计 223

14.4.3　规则库设计 224

14.5　推理机的设计 224

14.5.1　基于案例的推理 225

14.5.2　基于规则的推理 225

14.5.3　综合推理 226

14.6　故障诊断专家系统的自学习 226

思考题 226

参考文献 227

15．过程层析成像技术及其应用 228

15.1　概述 228

15.1.1　过程层析成像技术的发展历程 228

15.1.2　过程层析成像技术的特点及其构成 229

15.2　基本原理 231

15.3　过程层析成像技术在两相流参数测量中的应用 233

15.3.1　流型可视化 233

15.3.2　流型辨识 234

15.3.3　分相含率的测量 238

思考题 239

参考文献 240