第一章 绪论 1
1.1 制造系统的智能化趋势 1
1.2 多传感器集成与融合的作用 2
1.3 多传感器融合系统的应用 9
1.4 多传感器融合的现状 19
第二章 多传感器融合一般原理 23
2.1 多传感器融合的基本原理 23
2.2 多传感器融合的系统结构 35
2.3 多传感器融合的过程 43
2.4 多传感器信息的获取 44
2.5 多传感器信号的预处理 52
第三章 多传感器信号的分析与建模 61
3.1 信号的时域分析与建模 61
3.2 信号的频域分析与建模 71
3.3 信号的时—频域分析与建模 82
第四章 多传感器融合的模糊逻辑理论 97
4.1 模糊理论基础 97
4.2 可能性理论 108
4.3 基于可能性理论的信息融合 112
4.4 模糊关系函数的融合 119
4.5 模糊关系融合在机器人中的应用 125
第五章 多传感器融合的统计决策理论 129
5.1 问题描述 129
5.2 统计决策理论 132
5.3 最优融合 139
5.4 位置参数模型 140
5.5 不确定种类 144
5.6 应用举例 147
5.7 位置信息的鲁棒性融合 154
第六章多传感器融合的D—S证据理论 158
6.1 证据理论基础 158
6.2 证据组合规则 162
6.3 证据推理模型 170
6.4 融合中心的最终决策 171
6.5 应用 173
第七章 多传感器融合的神经网络理论 198
7.1 反向传播学习算法及应用 198
7.2 径向基函数网络及应用 212
7.3 自适应共振理论及应用 219
7.4 特征映射理论及应用 226
第八章 多传感器融合在超精密加工在线检测与误差补偿中的应用 243
8.1 实验装置与仪器 243
8.2 多传感器圆度及圆柱度在线测量技术 251
8.3 多传感器直线度误差测量与分离技术 272
8.4 多传感器融合在大型平面度在线检测中的应用 302
第九章 多传感器融合在机床热误差补偿中的应用 315
9.1 机床热变形的机理 315
9.2 机床热变形的测量 320
9.3 基于多传感器融合的机床热误差补偿技术 325
第十章 多传感器融合在刀具状态监测中的应用 347
10.1 概述 347
10.2 刀具状态的多传感器监测原理 352
10.3 铣削过程多传感器监测实验研究 360
10.4 基于模糊集理论的刀具状态监测 371
10.5 基于神经网络的刀具状态监测 378
附录1：MATLAB神经网络工具箱（NNToolbox）软件简介 391
附录2：实用程序源代码 408