現(xiàn)代檢測(cè)技術(shù)

第1篇 基礎(chǔ)篇1.緒論 1.1 傳統(tǒng)檢測(cè)技術(shù) 1.1.1 檢測(cè)技術(shù)的基本概念 1.1.2 測(cè)量誤差 1.2 現(xiàn)代檢測(cè)技術(shù) 1.2.1 現(xiàn)代檢測(cè)技術(shù)的含義和特征 1.2.2 現(xiàn)代檢測(cè)技術(shù)中常用的方法 思考題 參考文獻(xiàn)2.先進(jìn)傳感技術(shù) 2.1 概述 2.2 新型傳感效應(yīng) 2.2.1 物理效應(yīng) 2.2.2 化學(xué)效應(yīng) 2.2.3 生物效應(yīng) 2.3 新型傳感材料 2.3.1 半導(dǎo)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(jìn)加工技術(shù) 2.4.1 薄膜加工技術(shù) 2.4.2 光刻技術(shù) 2.4.3 腐蝕加工技術(shù) 2.4.4 鍵合技術(shù) 2.4.5 X射線深層光刻電鑄成型技術(shù) 思考題 參考文獻(xiàn)3.信息論概述 3.1 概述 3.1.1 信息與信息技術(shù) 3.1.2 信息論基本概念 3.1.3 信息技術(shù)在現(xiàn)代檢測(cè)中的應(yīng)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(guān)系式 3.3.3 信道頻率特性 3.3.4 信息檢測(cè)及傳輸過(guò)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(xiàn)4.現(xiàn)代信號(hào)處理方法 4.1 隨機(jī)過(guò)程的統(tǒng)計(jì)描述 4.1.1 隨機(jī)過(guò)程的統(tǒng)計(jì)描述 4.1.2 隨機(jī)過(guò)程的各態(tài)歷經(jīng)性 4.2 平穩(wěn)隨機(jī)過(guò)程的相關(guān)函數(shù)與功率譜分析 4.2.1 自相關(guān)函數(shù)的性質(zhì) 4.2.2 相關(guān)系數(shù)與相關(guān)時(shí)間 4.2.3 隨機(jī)過(guò)程的聯(lián)合分布和互相關(guān)函數(shù) 4.2.4 相關(guān)函數(shù)的應(yīng)用 4.2.5 功率譜估計(jì)與應(yīng)用 4.3 隨機(jī)信號(hào)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(zhì) 4.3.3 高階譜的應(yīng)用 4.4 非平穩(wěn)信號(hào)處理方法 4.4.1 短時(shí)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(xiàn)5.人工神經(jīng)元網(wǎng)絡(luò) 5.1 人工神經(jīng)元網(wǎng)絡(luò) 5.1.1 人工神經(jīng)元 5.1.2 人工神經(jīng)網(wǎng)絡(luò)的分類及學(xué)習(xí) 5.2 BP神經(jīng)網(wǎng)絡(luò)原理與算法 5.2.1 BP神經(jīng)網(wǎng)絡(luò)原理 5.2.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 5.2.3 BP神經(jīng)網(wǎng)絡(luò)小結(jié) 5.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 5.3.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 5.3.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)計(jì)算 5.3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 5.3.4 RBF神經(jīng)網(wǎng)絡(luò)在氣液兩相流流型識(shí)別中的應(yīng)用 5.4 自組織神經(jīng)網(wǎng)絡(luò) 5.4.1 競(jìng)爭(zhēng)學(xué)習(xí)原理 5.4.2 競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 5.4.3 自組織特征映射網(wǎng)絡(luò)原理 思考題 參考文獻(xiàn)6.遺傳算法 6.1 概述 6.2 遺傳算法的理論基礎(chǔ) 6.2.1 生物進(jìn)化理論與遺傳學(xué)基礎(chǔ) 6.2.2 數(shù)學(xué)基礎(chǔ) 6.3 基本遺傳算法 6.3.1 構(gòu)成要素和計(jì)算流程 6.3.2 染色體編碼 6.3.3 個(gè)體適應(yīng)度評(píng)價(jià) 6.3.4 遺傳算子 6.3.5 運(yùn)行參數(shù) 6.3.6 應(yīng)用舉例 6.4 遺傳算法的發(fā)展與改進(jìn) 6.4.1 分層遺傳算法 6.4.2 變長(zhǎng)度染色體遺傳算法 6.4.3 自適應(yīng)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(cè)技術(shù)中的應(yīng)用 思考題· 參考文獻(xiàn)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(jì)算機(jī)程序的區(qū)別 7.2 知識(shí)表達(dá) 7.2.1 知識(shí)的概念 7.2.2 知識(shí)表達(dá)的類型 7.3 推理機(jī)制 7.3.1 數(shù)據(jù)驅(qū)動(dòng)控制策略 7.3.2 目標(biāo)驅(qū)動(dòng)控制策略 7.3.3 混合控制策略 7.4 專家系統(tǒng)的結(jié)構(gòu) 7.4.1 知識(shí)庫(kù) 7.4.2 推理機(jī) 7.4.3 動(dòng)態(tài)數(shù)據(jù)庫(kù) 7.4.4 解釋機(jī)制 7.4.5 知識(shí)獲取 7.4.6 人機(jī)界面 思考題 參考文獻(xiàn)8.模糊集合論 8.1 概述 8.2 模糊集合及其運(yùn)算 8.2.1 模糊集合的定義 8.2.2 模糊集合的基本關(guān)系和運(yùn)算 8.2.3 模糊集合運(yùn)算的基本性質(zhì) 8.2.4 隸屬度函數(shù)的建立 8.3 模糊關(guān)系 8.3.1 模糊關(guān)系的定義 8.3.2 模糊關(guān)系的運(yùn)算 8.3.3 模糊關(guān)系的合成 8.4 模糊邏輯與模糊推理 8.4.1 模糊語(yǔ)言變量 8.4.2 模糊蘊(yùn)含關(guān)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(xiàn)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(jié)構(gòu) 9.3.1 信息融合的結(jié)構(gòu) 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(jì)法 9.4.2 邏輯推理法 9.4.3 人工智能法 思考題 參考文獻(xiàn)10.軟測(cè)量技術(shù) 10.1 概述 10.2 軟儀表的一般設(shè)計(jì)方法 10.2.1 輔助變量的選擇 10.2.2 測(cè)量數(shù)據(jù)的處理 10.2.3 軟測(cè)量模型的分類 10.2.4 軟測(cè)量模型的校正與維護(hù) 10.3 軟測(cè)量建模技術(shù) 10.3.1 概述 10.3.2 基于回歸分析的軟測(cè)量技術(shù) 10.3.3 基于神經(jīng)網(wǎng)絡(luò)的軟測(cè)量技術(shù) 10.4 軟測(cè)量技術(shù)的應(yīng)用 10.4.1 基于工藝機(jī)理分析的氣力輸送固相流量的軟測(cè)量 10.4.2 基于回歸分析的造紙過(guò)程成紙水分的軟測(cè)量 思考題 參考文獻(xiàn)第2篇 應(yīng)用篇11.基于計(jì)算機(jī)視覺的檢測(cè)技術(shù) 11.1 概述 11.2 計(jì)算機(jī)視覺基礎(chǔ) 11.2.1 人類視覺 11.2.2 計(jì)算機(jī)視覺系統(tǒng)的結(jié)構(gòu) 11.3 計(jì)算機(jī)視覺的有關(guān)理論 11.3.1 引言 11.3.2 Marr視覺計(jì)算理論 11.3.3 Gestalt感知組織理論 11.4 基于計(jì)算機(jī)視覺的檢測(cè)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(jì)算機(jī)視覺在檢測(cè)技術(shù)中的應(yīng)用 11.5.1 應(yīng)用背景 11.5.2 檢測(cè)系統(tǒng) 11.5.3 識(shí)別算法 11.5.4 應(yīng)用情況 思考題 參考文獻(xiàn)12.復(fù)雜工業(yè)過(guò)程碳化塔中關(guān)鍵參數(shù)的軟測(cè)量技術(shù) 12.1 引言 12.2 碳化塔結(jié)構(gòu)及反應(yīng)機(jī)理 12.2.1 碳化塔的結(jié)構(gòu)和工藝流程 12.2.2 碳化塔反應(yīng)機(jī)理與軟測(cè)量 12.3 碳化塔內(nèi)溫度預(yù)測(cè)技術(shù) 12.3.1 軟測(cè)量模型輔助變量的選擇與系統(tǒng)降維 12.3.2 現(xiàn)場(chǎng)數(shù)據(jù)的采集和預(yù)處理 12.3.3 三種模型的離線訓(xùn)練及訓(xùn)練結(jié)果比較 12.3.4 輔助變量對(duì)模型輸出的影響分析 12.4 碳化轉(zhuǎn)化率的軟測(cè)量 12.4.1 碳化轉(zhuǎn)化率的離線分析 12.4.2 模型的訓(xùn)練與校驗(yàn) 思考題 參考文獻(xiàn)13.現(xiàn)代檢測(cè)技術(shù)在兩相流參數(shù)檢測(cè)中的應(yīng)用 13.1 氣液兩相流的流型及其識(shí)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(shí)別的傳統(tǒng)方法 13.1.3 氣液兩相流流型的間接識(shí)別法 13.2 氣液兩相流空隙率與檢測(cè)方法 13.2.1 空隙率的定義 13.2.2 空隙率的主要檢測(cè)方法 13.2.3 基于HHT的空隙率檢測(cè)方法 思考題 參考文獻(xiàn)14.基于專家系統(tǒng)的故障診斷技術(shù) 14.1 變壓器故障診斷專家系統(tǒng)總體設(shè)計(jì) 14.1.1 系統(tǒng)功能 14.1.2 實(shí)現(xiàn)過(guò)程 14.2 知識(shí)獲取 14.2.1 變壓器故障專家知識(shí) 14.2.2 變壓器故障檢測(cè) 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(jié)構(gòu) 14.4 知識(shí)庫(kù)的設(shè)計(jì) 14.4.1 知識(shí)庫(kù)結(jié)構(gòu)和知識(shí)庫(kù)管理系統(tǒng)設(shè)計(jì) 14.4.2 變壓器故障診斷系統(tǒng)知識(shí)庫(kù)設(shè)計(jì) 14.4.3 規(guī)則庫(kù)設(shè)計(jì) 14.5 推理機(jī)的設(shè)計(jì) 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(xué)習(xí) 思考題 參考文獻(xiàn)15.過(guò)程層析成像技術(shù)及其應(yīng)用 15.1 概述 15.1.1 過(guò)程層析成像技術(shù)的發(fā)展歷程 15.1.2 過(guò)程層析成像技術(shù)的特點(diǎn)及其構(gòu)成 15.2 基本原理 15.3 過(guò)程層析成像技術(shù)在兩相流參數(shù)測(cè)量中的應(yīng)用 15.3.1 流型可視化 15.3.2 流型辨識(shí) 15.3.3 分相含率的測(cè)量思考題參考文獻(xiàn)