現(xiàn)代檢測技術

第1篇 基礎篇1.緒論 1.1 傳統(tǒng)檢測技術 1.1.1 檢測技術的基本概念 1.1.2 測量誤差 1.2 現(xiàn)代檢測技術 1.2.1 現(xiàn)代檢測技術的含義和特征 1.2.2 現(xiàn)代檢測技術中常用的方法 思考題 參考文獻2.先進傳感技術 2.1 概述 2.2 新型傳感效應 2.2.1 物理效應 2.2.2 化學效應 2.2.3 生物效應 2.3 新型傳感材料 2.3.1 半導體敏感材料 2.3.2 陶瓷敏感材料 2.3.3 高分子材料 2.3.4 納米材料 2.4 先進加工技術 2.4.1 薄膜加工技術 2.4.2 光刻技術 2.4.3 腐蝕加工技術 2.4.4 鍵合技術 2.4.5 X射線深層光刻電鑄成型技術 思考題 參考文獻3.信息論概述 3.1 概述 3.1.1 信息與信息技術 3.1.2 信息論基本概念 3.1.3 信息技術在現(xiàn)代檢測中的應用 3.2 信息定量描述一——信息熵 3.2.1 離散信源模型 3.2.2 連續(xù)信源模型 3.2.3 信息與熵守恒定律 3.3 信息傳輸 3.3.1 信道 3.3.2 Shannon信道容量關系式 3.3.3 信道頻率特性 3.3.4 信息檢測及傳輸過程中的噪聲干擾 3.3.5 噪聲模型及信噪比最大信道 思考題 參考文獻4.現(xiàn)代信號處理方法 4.1 隨機過程的統(tǒng)計描述 4.1.1 隨機過程的統(tǒng)計描述 4.1.2 隨機過程的各態(tài)歷經(jīng)性 4.2 平穩(wěn)隨機過程的相關函數(shù)與功率譜分析 4.2.1 自相關函數(shù)的性質 4.2.2 相關系數(shù)與相關時間 4.2.3 隨機過程的聯(lián)合分布和互相關函數(shù) 4.2.4 相關函數(shù)的應用 4.2.5 功率譜估計與應用 4.3 隨機信號的高階譜分析 4.3.1 高階累積量與高階矩譜 4.3.2 累積量與雙譜的性質 4.3.3 高階譜的應用 4.4 非平穩(wěn)信號處理方法 4.4.1 短時Fourier變換 4.4.2 小波變換法 4.4.3 Wigne-Ville分布 4.4.4 Hilbert-Huang變換方法 思考題 參考文獻5.人工神經(jīng)元網(wǎng)絡 5.1 人工神經(jīng)元網(wǎng)絡 5.1.1 人工神經(jīng)元 5.1.2 人工神經(jīng)網(wǎng)絡的分類及學習 5.2 BP神經(jīng)網(wǎng)絡原理與算法 5.2.1 BP神經(jīng)網(wǎng)絡原理 5.2.2 BP神經(jīng)網(wǎng)絡學習算法 5.2.3 BP神經(jīng)網(wǎng)絡小結 5.3 徑向基函數(shù)神經(jīng)網(wǎng)絡 5.3.1 徑向基函數(shù)神經(jīng)網(wǎng)絡結構 5.3.2 徑向基函數(shù)神經(jīng)網(wǎng)絡計算 5.3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡學習算法 5.3.4 RBF神經(jīng)網(wǎng)絡在氣液兩相流流型識別中的應用 5.4 自組織神經(jīng)網(wǎng)絡 5.4.1 競爭學習原理 5.4.2 競爭型神經(jīng)網(wǎng)絡的學習規(guī)則 5.4.3 自組織特征映射網(wǎng)絡原理 思考題 參考文獻6.遺傳算法 6.1 概述 6.2 遺傳算法的理論基礎 6.2.1 生物進化理論與遺傳學基礎 6.2.2 數(shù)學基礎 6.3 基本遺傳算法 6.3.1 構成要素和計算流程 6.3.2 染色體編碼 6.3.3 個體適應度評價 6.3.4 遺傳算子 6.3.5 運行參數(shù) 6.3.6 應用舉例 6.4 遺傳算法的發(fā)展與改進 6.4.1 分層遺傳算法 6.4.2 變長度染色體遺傳算法 6.4.3 自適應遺傳算法 6.4.4 小生境遺傳算法 6.4.5 混合遺傳算法 6.4.6 并行遺傳算法 6.5 遺傳算法在檢測技術中的應用 思考題· 參考文獻7.專家系統(tǒng) 7.1 專家系統(tǒng)的概念 7.1.1 專家系統(tǒng)的功能 7.1.2 專家系統(tǒng)的特征 7.1.3 專家系統(tǒng)的分類 7.1.4 專家系統(tǒng)與一般計算機程序的區(qū)別 7.2 知識表達 7.2.1 知識的概念 7.2.2 知識表達的類型 7.3 推理機制 7.3.1 數(shù)據(jù)驅動控制策略 7.3.2 目標驅動控制策略 7.3.3 混合控制策略 7.4 專家系統(tǒng)的結構 7.4.1 知識庫 7.4.2 推理機 7.4.3 動態(tài)數(shù)據(jù)庫 7.4.4 解釋機制 7.4.5 知識獲取 7.4.6 人機界面 思考題 參考文獻8.模糊集合論 8.1 概述 8.2 模糊集合及其運算 8.2.1 模糊集合的定義 8.2.2 模糊集合的基本關系和運算 8.2.3 模糊集合運算的基本性質 8.2.4 隸屬度函數(shù)的建立 8.3 模糊關系 8.3.1 模糊關系的定義 8.3.2 模糊關系的運算 8.3.3 模糊關系的合成 8.4 模糊邏輯與模糊推理 8.4.1 模糊語言變量 8.4.2 模糊蘊含關系 8.4.3 單輸入模糊推理 8.4.4 多輸入模糊推理 8.4.5 多輸入多規(guī)則模糊推理 8.5 解模糊化 思考題 參考文獻9.信息融合 9.1 概述 9.2 信息融合的定義與模型 9.2.1 信息融合的定義 9.2.2 信息融合的模型 9.3 信息融合的層次與結構 9.3.1 信息融合的結構 9.3.2 信息融合的層次 9.4 信息融合的方法 9.4.1 概率統(tǒng)計法 9.4.2 邏輯推理法 9.4.3 人工智能法 思考題 參考文獻10.軟測量技術 10.1 概述 10.2 軟儀表的一般設計方法 10.2.1 輔助變量的選擇 10.2.2 測量數(shù)據(jù)的處理 10.2.3 軟測量模型的分類 10.2.4 軟測量模型的校正與維護 10.3 軟測量建模技術 10.3.1 概述 10.3.2 基于回歸分析的軟測量技術 10.3.3 基于神經(jīng)網(wǎng)絡的軟測量技術 10.4 軟測量技術的應用 10.4.1 基于工藝機理分析的氣力輸送固相流量的軟測量 10.4.2 基于回歸分析的造紙過程成紙水分的軟測量 思考題 參考文獻第2篇 應用篇11.基于計算機視覺的檢測技術 11.1 概述 11.2 計算機視覺基礎 11.2.1 人類視覺 11.2.2 計算機視覺系統(tǒng)的結構 11.3 計算機視覺的有關理論 11.3.1 引言 11.3.2 Marr視覺計算理論 11.3.3 Gestalt感知組織理論 11.4 基于計算機視覺的檢測系統(tǒng) 11.4.1 系統(tǒng)組成 11.4.2 硬件部分 11.4.3 軟件部分 11.5 計算機視覺在檢測技術中的應用 11.5.1 應用背景 11.5.2 檢測系統(tǒng) 11.5.3 識別算法 11.5.4 應用情況 思考題 參考文獻12.復雜工業(yè)過程碳化塔中關鍵參數(shù)的軟測量技術 12.1 引言 12.2 碳化塔結構及反應機理 12.2.1 碳化塔的結構和工藝流程 12.2.2 碳化塔反應機理與軟測量 12.3 碳化塔內(nèi)溫度預測技術 12.3.1 軟測量模型輔助變量的選擇與系統(tǒng)降維 12.3.2 現(xiàn)場數(shù)據(jù)的采集和預處理 12.3.3 三種模型的離線訓練及訓練結果比較 12.3.4 輔助變量對模型輸出的影響分析 12.4 碳化轉化率的軟測量 12.4.1 碳化轉化率的離線分析 12.4.2 模型的訓練與校驗 思考題 參考文獻13.現(xiàn)代檢測技術在兩相流參數(shù)檢測中的應用 13.1 氣液兩相流的流型及其識別方法 13.1.1 氣液兩相流的流型 13.1.2 氣液兩相流流型識別的傳統(tǒng)方法 13.1.3 氣液兩相流流型的間接識別法 13.2 氣液兩相流空隙率與檢測方法 13.2.1 空隙率的定義 13.2.2 空隙率的主要檢測方法 13.2.3 基于HHT的空隙率檢測方法 思考題 參考文獻14.基于專家系統(tǒng)的故障診斷技術 14.1 變壓器故障診斷專家系統(tǒng)總體設計 14.1.1 系統(tǒng)功能 14.1.2 實現(xiàn)過程 14.2 知識獲取 14.2.1 變壓器故障專家知識 14.2.2 變壓器故障檢測 14.2.3 變壓器故障的綜合判斷方法 14.3 變壓器故障診斷專家系統(tǒng)結構 14.4 知識庫的設計 14.4.1 知識庫結構和知識庫管理系統(tǒng)設計 14.4.2 變壓器故障診斷系統(tǒng)知識庫設計 14.4.3 規(guī)則庫設計 14.5 推理機的設計 14.5.1 基于案例的推理 14.5.2 基于規(guī)則的推理 14.5.3 綜合推理 14.6 故障診斷專家系統(tǒng)的自學習 思考題 參考文獻15.過程層析成像技術及其應用 15.1 概述 15.1.1 過程層析成像技術的發(fā)展歷程 15.1.2 過程層析成像技術的特點及其構成 15.2 基本原理 15.3 過程層析成像技術在兩相流參數(shù)測量中的應用 15.3.1 流型可視化 15.3.2 流型辨識 15.3.3 分相含率的測量思考題參考文獻