第1章 绪论 1
1．1 智能检测系统的发展、作用及特点 1
1．2 智能检测系统的基本结构 3
1．2．1 智能检测系统的结构框图与设计原则 3
1．2．2 分机间的联接 6
1．2．3 标准接口系统 7
1．3 智能检测系统的分类 8
第2章 智能检测系统的信号获取与处理 9
2．1 智能检测系统的传感器 9
2．1．1 概述 9
2．1．3 传感器的构成 10
2．1．2 传感器的工作机理 10
2．1．4 传感器的分类与要求 12
2．1．5 传感器的作用 14
2．1．6 传感器的发展方向 15
2．2 智能检测系统的信号处理 17
2．2．1 检测信号的随机性 18
2．2．2 检测系统的误差来源 20
2．2．3 测量结果的表示方法 20
2．2．4 智能检测系统的疏失误差处理 26
2．2．5 智能检测系统中的插值处理 30
2．2．6 检测结果的精度讨论 33
2．3．1 开环式非线性补偿法 35
2．3 非线性特性的补偿方法 35
2．3．2 闭环式非线性补偿法 38
2．3．3 差动补偿法 40
2．3．4 分段校正法 41
第3章 智能检测系统的硬件设计 45
3．1 PC机的组成与选型 45
3．1．1 PC机系统组成 45
3．1．2 PC机的硬件设备 47
3．1．3 智能检测系统的PC机选型 50
3．2 智能检测系统的单片机 51
3．2．1 单片机的特点及在智能检测系统中的应用 51
3．2．2 单片机系统的设计原则 53
3．2．3 单片机的连接 54
3．3 分机的硬件电路设计 55
3．3．1 MCS-51单片机的内部结构 56
3．3．2 MCS-51单片机系统的扩展 58
3．3．3 分机系统的开发 66
3．4 模/数转换(ADC) 67
3．4．1 A/D转换原理 67
3．4．2 时间间隔—数字转换 67
3．4．3 频率—数字转换 68
3．4．4 电压—数字转换 69
3．4．5 A/D转换器与计算机接口的一般规律 79
3．4．6 A/D转换器的主要技术指标 80
第4章 标准接口系统与总线 82
4．1 IEC-625接口 82
4．1．1 IEC接口系统概述 82
4．1．2 IEC总线的结构 83
4．1．3 IEC系统的功能结构 92
4．2 CAMAC系统简介 93
4．3 HP—IL接口系统简介 96
4．4 CAN总线系统 99
4．4．1 CAN总线系统概述 99
4．4．3 CAN总线系统时钟和位时间的选定 100
4．4．2 CAN总线的特点 100
4．4．4 CAN总线系统的最大允许位时间 102
4．4．5 CAN中断服务程序编制 103
4．4．6 CAN总线系统的报文拼接 105
4．5 I~2C总线 106
4．5．1 I~2C总线概述 106
4．5．2 I~2C总线的结构 106
4．5．3 I~2C总线的数据传输 108
4．5．4 数据传输中的器件同步与竞争 110
4．5．5 数据传输的寻址 113
4．5．6 I~2C总线器件的输入/输出电气特性 115
4．6．1 VXI总线的特点 116
4．6 VXI总线系统 116
4．6．2 VXI系统的组成 117
4．6．3 VXI系统的总线结构 118
4．6．4 VXI总线器件与通信 119
4．7 RS-232C接口 119
4．7．1 概述 119
4．7．2 RS-232C串行通信数据格式 121
4．7．3 单片机与PC机之间的RS-232C串行通信接口 121
4．7．4 自带电源的集成RS-232C接口电路 122
4．8 PC机与多台单片机间的通信 122
4．9 IBM-PC总线微机与单片机的数据传输 124
4．9．1 IBM-PC总线与单片机的结构特点 125
4．9．2 PC总线与单片机间的数据传递 126
第5章 虚拟检测技术与实时多任务处理 135
5．1 虚拟仪器技术及其应用 135
5．1．1 虚拟检测技术概述 135
5．1．2 虚拟检测系统的构成 137
5．1．3 虚拟检测系统的软件开发平台 139
5．2 智能测试系统的实时多任务处理 141
5．2．1 实时多任务处理问题的提出 141
5．2．2 实时多任务处理的基本要求 142
5．2．3 实时多任务处理方法 143
6．1 干扰因素 150
第6章 智能检测系统的抗干扰设计 150
6．2 智能检测系统的接地 152
6．2．1 智能检测系统的接地方法 153
6．2．2 智能检测系统的接地施工 158
6．3 智能检测系统的抗干扰方法 162
6．3．1 隔离与耦合 162
6．3．2 布线抗干扰设计 163
6．3．3 软件抗干扰设计 165
第7章 基于数字图像处理的智能检测技术 168
7．1 数字图像处理概述 168
7．2．1 邻区平均 170
7．2 图像的平滑和滤波 170
7．2．2 空间域低通滤波 171
7．2．3 频率域低通滤波 172
7．2．4 中值滤波法 173
7．2．5 修正的邻域平均法 174
7．3 图像采集处理系统 176
7．3．1 数字图像处理系统简介 176
7．3．2 系统工作原理 179
7．4 图像的分割 180
7．4．1 模糊C-means方法(FCM)及其应用 181
7．4．2 类中心及多级定域分割方法 188
7．5．1 基本概念 190
7．5 图像的特征选择与提取 190
7．5．2 应用举例——回转窑内基本特征选择和提取 191
7．6 检测结论的智能推断方法 196
7．6．1 温度估测的神经网络实现 196
7．6．2 用专家系统获得检测结论 200
第8章 数据融合的原理与应用 201
8．1 数据融合的原理 201
8．1．1 数据融合技术的起源与基本原理 201
8．1．2 数据融合的目的 202
8．1．3 数据融合的定义 203
8．1．4 数据融合的过程问题 204
8．1．5 数据融合的时间性与空间性 205
8．2 数据融合的结构 206
8．2．1 数据融合的结构形式 206
8．2．2 数据融合的功能模型 208
8．2．3 数据融合系统的分类 208
8．2．4 数据融合的层次 209
8．3 数据融合系统 211
8．3．1 数据融合系统的构成 211
8．3．2 数据融合的关键技术 214
8．3．3 数据融合存在的问题 215
8．4 数据融合系统的应用 217
9．1 数据融合方法简介 219
第9章 数据融合的方法 219
9．2 基于参数估计的多传感器数据融合 220
9．2．1 Bayes公式描述 220
9．2．2 基于Bayes参数估计数据融合的数学模型 221
9．2．3 数据融合值计算 223
9．3 智能检测系统的自适应加权数据融合 225
9．3．1 权的概念与权数的确定 226
9．3．2 智能检测系统的自适应加权融合算法 227
9．4 多传感器数据融合的D-S证据推理方法 228
9．4．1 D-S方法的推理结构 228
9．4．2 D-S证据推理原理 229
9．4．3 D-S证据推理的应用 230
9．5 基于认识模型的多传感器数据融合方法 231
9．5．1 基于模糊集合理论的数据融合方法 231
9．5．2 基于逻辑模板法的数据融合方法 233
9．6 基于算术平均值与递推估计的数据融合方法 234
9．7 智能数据融合 236
9．7．1 AI技术在多传感器数据融合中的作用 237
9．7．2 专家系统在多传感器数据融合中的应用 238
9．8 数据融合在智能检测系统中的应用展望 240
第10章 智能检测系统设计实例与展望 241
10．1 基于数据融合的620产品热处理炉温度测量控制 241
10．1．2 基于多传感器算术平均值与分批估计的数据融合方法 242
10．1．1 热处理炉温度测量系统的构成 242
10．1．3 温度测量数据融合实验 244
10．1．4 Fuzzy+PID温度控制方法 245
10．2 仓储综合测试专家系统 247
10．2．1 系统功能与总体结构 247
10．2．2 检测原理 249
10．2．3 插杆式传感器 254
10．2．4 水分检测中的数据融合 255
10．2．5 软件构成 256
10．2．6 推理机 257
10．2．7 知识库 258
10．2．8 仓储综合测试专家系统中的多传感器管理 259
10．3 海上目标识别多传感器数据融合系统 264
10．3．1 系统的构成 264
10．3．2 系统定义 266
10．3．3 证据理论在海上目标识别中的应用 268
10．3．4 模糊推理在海上目标类型识别中的应用 270
10．4 智能检测系统发展展望 274
10．4．1 智能检测系统的高可靠性 274
10．4．2 智能检测系统的高智能化 275
10．4．3 智能检测系统的通用化与标准化 276
参考文献 277