智能传感器系统PDF电子书下载

第1章　概述 1

1.1　传感器技术发展的重要性 1

1.2　智能传感器发展的历史背景 2

1.3　智能传感器的功能与特点 5

1.3.1　智能传感器的功能 5

1.3.2　智能传感器的特点 5

1.4　智能传感器概念与传感器系统 6

1.5　智能传感器实现的途径 7

1.5.1　非集成化实现 7

1.5.2　集成化实现 8

1.5.3　混合实现 10

1.5.4　智能传感器的几种形式 11

1.5.5　改善传感器系统性能的多传感器智能化技术 11

1.6　现场总线智能变送器／传感器经典实例简介 12

1.6.1　现场总线控制系统（FCS）中的传感器与仪表 12

1.6.2　经典实例简介 14

参考文献 20

第2章 智能传感器系统中的经典传感技术基础 22

2.1　传感器系统的基本特性与技术指标 22

2.1.1　静态特性与静态技术指标 23

2.1.2　动态特性与动态技术指标 27

2.2　几种变换器工作原理 33

2.2.1　基于压阻效应的电阻变换器 33

2.2.2　基于电容效应的电容变换器 35

2.2.3　基于固有频率变化效应的谐振式变换器 37

2.3　集成化压力传感器与加速度传感器 38

2.3.1　压阻式压力传感器 38

2.3.2　电容式压力传感器 44

2.3.3　谐振式压力传感器 46

2.3.4　加速度传感器 49

2.4　提高传感器性能的技术途径 56

2.4.1　合理选择结构、参数与工艺 56

2.4.2　基于差动对称结构的差动技术 57

2.4.3　补偿 66

2.4.4　多信号测量法 70

参考文献 73

第3章　智能传感器系统的组建与集成调理电路芯片介绍 74

3.1　智能传感器系统的基本组成形式 74

3.1.1　传感器 74

3.1.2　信号调理 75

3.1.3　数据采集与转换 75

3.1.4　计算机及其I/O接口设备 75

3.2　基于虚拟仪器平台实现数据采集与显示功能 76

3.2.1　数据采集卡（DAQ）的基本性能指标 76

3.2.2　数据采集卡的安装 77

3.2.3　I/O接口设备Lab PCI 6024E数据采集卡简介 77

3.2.4　实现数据采集卡软件驱动前的参数设置 78

3.2.5　［示例3-1］基于DAQ与PC实现虚拟仪器式的数据采集与显示 78

3.3　电阻电桥式传感器的单片集成调理电路——MAX1450芯片 80

3.3.1　MAX1450芯片的引脚功能与结构框图 80

3.3.2　MAX1450的基本功能与补偿校准功能 82

3.4　适配压阻式传感器的单片集成调理电路——MAX1460芯片 86

3.4.1　结构框图 86

3.4.2　功能与原理简介 86

3.5　适配变压器式传感器的单片集成调理电路——AD698芯片简介 88

3.5.1　LVDT变压器式传感器简介 89

3.5.2　AD698的结构框图与工作原理 89

3.5.3　主要参数设置与使用方法 91

3.6　适配电容式传感器的集成调理电路——CAV414芯片 94

3.6.1　CAV414的结构框图 94

3.6.2　工作原理与引脚连接 94

3.6.3　［示例3-2］基于CAV414的电容式变送器的构成 96

3.7 数据采集系统——单片集成接口芯片ADuC812 96

3.7.1　简介 96

3.7.2　结构框图与组成模块的功能 97

3.7.3　主要参数特点 100

3.7.4　应用举例——温度的测量与显示系统 100

3.8　温度传感器系统——全系统单片集成芯片MAX6625 102

3.8.1　MAX6625结构框图及引脚排列 102

3.8.2　主要功能与技术指标 104

3.8.3　工作原理 104

3.8.4　MAX6625的操作与使用 105

3.8.5　MAX6625器件的编程举例 106

3.9　XTR101 4～20mA回路变送器芯片 109

3.9.1　简介 109

3.9.2　结构框图及引脚功能 109

3.9.3　主要参数 110

3.9.4　应用方法举例 110

3.10　适配桥路式传感器的信号调理电路——ZMD31050芯片 111

3.10.1　简介 111

3.10.2　功能框图与引脚排列 112

3.10.3　主要参数 113

3.10.4　应用举例 113

3.11　双轴加速度传感器系统——全系统单片集成芯片ADXL202 114

3.11.1　简介 114

3.11.2　结构框图与功能 114

3.11.3　主要参数特点 116

3.11.4　使用说明及典型应用举例 116

参考文献 118

第4章　基本智能化功能与其软件实现 120

4.1　改善线性度及智能化非线性刻度转换功能 120

4.1.1　查表法 121

4.1.2　曲线拟合法 123

4.1.3　［示例4-1］与铂电阻配用的智能化刻度转换模块的设计（曲线拟合法） 124

4.2　改善静态性能提高系统精度及智能化自校零、自校准功能 126

4.2.1　两基准法 127

4.2.2　多基准法 128

4.3　改善稳定性抑制交叉敏感及智能化多传感器数据融合功能 130

4.3.1　单传感器系统 130

4.3.2　交叉敏感与传感器系统的稳定性 131

4.3.3　多传感器技术改善传感器系统性能的基本方法 132

4.4　改善动态性能扩展频带及智能化频率自补偿功能 134

4.4.1　数字滤波器的数学基础——Z变换简介 135

4.4.2　扩展频带的数字滤波法 142

4.4.3　扩展频带的频域校正法 145

4.4.4　［示例4-2］采用数字滤波法将测温传感器（一阶系统）频带扩展A≥10倍 146

4.5　提高信噪比与分辨力及智能化信号提取与消噪功能 147

4.5.1　数字滤波技术 147

4.5.2　相关 159

4.5.3　频域谱分析法 167

4.5.4　［示例4-3］交流电桥调幅波解调器中滤波器参数的确定 168

4.5.5　［示例4-4］设计一个巴特沃斯低通数字滤波器 170

4.5.6　［示例4-5］设计一个巴特沃斯高通数字滤波器Hg（z） 172

4.5.7 ［示例4-6］二阶带通数字滤波器在LabVIEW平台上的实现、检验及向MPU移植与复现 173

4.6　增强自我管理与自适应能力及智能化控制功能 178

4.6.1　模拟PID控制器的传递函数 178

4.6.2　数字PID控制器脉冲传递函数 179

参考文献 181

第5章 多元回归分析法及其在智能传感器系统中的应用 182

5.1　多元回归分析法与定常系数多元回归方程 182

5.1.1　二传感器数据融合——二元回归分析法 182

5.1.2　三传感器数据融合——三元回归分析法 185

5.2 回归分析法与可变系数回归方程 187

5.2.1　工作原理 187

5.2.2　回归方程可变系数A0（T）～A5（T）的确定 187

5.3 应用举例 190

5.4　示例 191

5.4.1　［示例5-1］基于回归分析模型法降低一个干扰量影响的智能化软件模块设计 191

5.4.2　［示例5-2］基于回归分析法模型降低两个干扰量影响的智能化软件模块设计 195

参考文献 200

第6章　神经网络技术与其在智能传感器系统中的应用 201

6.1　概述 201

6.2　神经网络基础知识 202

6.2.1　神经网络结构 202

6.2.2　神经元模型 203

6.2.3　神经元作用函数 203

6.2.4　BP神经网络 206

6.2.5　径向基（RBF）神经网络 209

6.3　示例 211

6.3.1　［示例6-1］基于神经网络模型法温度自补偿智能化模块的设计 211

6.3.2　［示例6-2］基于RBF神经网络法抗两个干扰量影响的智能化软件模块的设计 219

参考文献 224

第7章　支持向量机技术在智能传感器系统中的应用 225

7.1　统计学习理论与支持向量机的基础知识 225

7.1.1　统计学习理论 225

7.1.2　支持向量机 230

7.2　支持向量机的训练、检验与测量 240

7.2.1　训练样本及检验样本的制备 240

7.2.2　支持向量机的训练 240

7.2.3　支持向量机的检验 241

7.2.4　测量 241

7.2.5　移植 241

7.3　基于SVM方法的三传感器数据融合原理 241

7.3.1　三传感器数据融合的智能传感器系统的组成 241

7.3.2　［示例7-1］降低两个干扰量影响的SVM智能化软件模块的设计 243

7.3.3 ［示例7-2］使用SVC（支持向量分类）对两组分混合气体进行定性识别 249

参考文献 255

第8章　粒子群优化算法与其在智能传感器系统中的应用 257

8.1　粒子群优化算法发展与应用概况 257

8.1.1　群智能 257

8.1.2　群智能的主要算法 258

8.1.3　群智能算法的特点 258

8.2　粒子群优化算法的基础知识 258

8.2.1　基本粒子群优化算法 259

8.2.2　标准粒子群优化算法 260

8.2.3　粒子群优化算法流程 261

8.3　粒子群优化算法的发展与改进简介 262

8.4　应用示例 263

8.4.1　待优化的参数与待改善的传感器 263

8.4.2　［示例8-1］遍历优化LS-SVM模型参数 266

8.4.3　［示例8-2］采用粒子群优化算法优化一个参数 269

8.4.4　［示例8-3］采用粒子群优化算法优化两个参数 273

参考文献 277

第9章　主成分分析及其在智能传感器系统中的应用 278

9.1　主成分分析法 278

9.1.1　二维空间中的PCA 278

9.1.2　PCA算法 280

9.2　PCA算法在消除传感器漂移中的应用 281

9.2.1　PCA算法实现传感器故障检测的思想 281

9.2.2　［示例9-1］建立传感器阵列、获取关联数据与漂移数据 283

9.2.3　［示例9-2］传感器发生漂移的识别 286

参考文献 290

第10章　小波分析及其在智能传感器系统中的应用 291

10.1　小波分析基础 291

10.1.1　小波分析与短时Fourier变换 291

10.1.2　离散小波 293

10.1.3　小波级数 294

10.1.4　多分辨分析 294

10.1.5　小波包分析 297

10.2　Matlab工具箱中小波分析函数 298

10.2.1　小波分析函数 298

10.2.2　小波包函数 305

10.3　［示例10-1］小波数字滤波的实现 310

参考文献 314

第11章 线性相位滤波器与自适应滤波器 315

11.1　线性相位滤波器 315

11.1.1　线性相位与线性相位滤波器 315

11.1.2　线性相位有限冲击响应滤波器的数学模型 317

11.1.3　线性相位FIR滤波器的窗口设计 321

11.1.4　［示例11-1］用窗口法设计一个线性相位低通FIR滤波器 328

11.1.5 ［示例11-2］线性相位FIR滤波器在Matlab中的实现 328

11.2　自适应滤波器 333

11.2.1 自适应滤波器的结构 333

11.2.2 自适应滤波理论与算法 333

11.2.3　Matlab中的自适应滤波函数 337

11.2.4　［示例11-3］自适应滤波在系统辨识中的应用 339

参考文献 340

第12章　模糊智能传感器系统 342

12.1　模糊集合理论概述 342

12.1.1　模糊集合的定义及其表示方法 343

12.1.2　隶属函数的确定方法及常用形式 344

12.1.3　模糊集合的基本运算 348

12.1.4　模糊关系的定义及合成 348

12.1.5　语言变量与模糊推理 349

12.2　模糊传感器系统 351

12.2.1　测量结果“符号化表示”的概念 351

12.2.2　模糊传感器的基本概念和功能 352

12.2.3　模糊传感器的结构 354

12.2.4　模糊传感器语言描述的产生方法 355

12.2.5　模糊传感器对测量环境的适应性 358

12.2.6　模糊传感器隶属函数的训练算法 359

12.3　示例 362

12.3.1　［示例12-1］模糊温度测试仪 362

12.3.2　［示例12-2］模糊温度控制仪 366

参考文献 371

第13章　无线传感器网络 372

13.1　概述 372

13.1.1　无线传感器网络研究与应用状况 372

13.1.2　无线传感器网络通信协议 373

13.1.3　无线传感器网络与Internet的互联 374

13.1.4　实现远程监测的无线传感器网络系统的典型结构 374

13.2　无线传感器网络与Internet的互联 375

13.2.1　基于LabVIEW虚拟仪器的网络化方法 375

13.2.2　［示例13-1］设计“远程无线传感器网络监测平台”虚拟仪器程序 376

13.2.3　［示例13-2］将本地“远程无线传感器网络监测平台”VI制作成为网络化VI 378

13.3　无线传感器网络 383

13.3.1　无线传感器网络中的传感器节点 383

13.3.2　无线传感器网络中的汇聚节点 384

13.3.3　［示例13-3］工业监测用无线传感器网络的硬件芯片与引脚连接 384

13.3.4　［示例13-4］工业监测用无线传感器网络的软件设计流程举例 390

参考文献 395