智能檢測控制技術及應用（簡體書）

本書全面地介紹了智能檢測控制技術的基本理論及方法。主要內容包括：緒論、智能檢測系統基礎、智能傳感器、智能儀器功能的實現、智能檢測系統的控制技術、智能故障診斷、虛擬儀器技術、機器視覺檢測系統和智能檢測與控制技術的工程應用實例，共9個部分。本書內容翔實，簡明易懂，實用性強。 本書可作為普通高等院校機械設計制造及其自動化、電氣工程與自動化、機械電子工程、儀器儀表等專業本科生或研究生的參考教材，也可作為計量檢測與控制技術相關領域的工程技術人員的參考書。

第1章 緒論
1.1 智能檢測技術
1.1.1 檢測技術與現代科學技術
1.1.2 智能檢測的形成與發展
1.1.3 檢測技術的智能化
1.1.4 智能檢測裝置的主要形式
1.1.5 智能檢測新技術
1.2 智能控制
1.2.1 智能控制產生的背景
1.2.2 智能控制的概念與研究內容
1.2.3 智能控制系統結構
1.2.4 智能控制研究的數學工具
1.2.5 智能控制涉及的主要內容
1.3 自動測試
1.3.1 自動測試系統的概念與組成
1.3.2 自動測試系統的應用范圍
1.3.3 自動測試系統的發展
1.4 智能儀器
1.4.1 智能儀器的特點
1.4.2 智能儀器的基本結構
1.4.3 智能儀器的常用算法
1.4.4 智能儀器的設計
1.5 智能檢測控制技術的應用
1.5.1 智能檢測控制技術的應用方式
1.5.2 智能檢測控制技術的應用范圍
思考題與習題
第2章 智能檢測系統基礎
2.1 智能檢測系統的組成
2.2 數據采集系統
2.2.1 數據采集系統的結構形式
2.2.2 A/D轉換器
2.2.3 采樣保持器
2.2.4 集成模擬開關
2.3 輸入/輸出通道處理電路
2.3.1 輸入通道接口技術
2.3.2 輸出通道的隔離與驅動
2.4 數據采集系統設計實例
2.5 檢測系統主要特性指標及其測定
2.5.1 檢測系統的靜態特性指標及測定
2.5.2 檢測系統的動態特性指標及測定
2.6 測量不確定度及其測定
2.6.1 測量不確定度的概念
2.6.2 測量不確定度的測定
思考題與習題
第3章 智能傳感器
3.1 概述
3.1.1 智能傳感器的定義
3.1.2 智能傳感器的功能特點
3.1.3 智能傳感器的實現途徑
3.2 智能傳感器的系統構成
3.2.1 硬件構成
3.2.2 軟件構成
3.3 數字式傳感器
3.3.1 感應同步器
3.3.2 光柵傳感器
3.3.3 角數字編碼器
3.4.典型智能傳感器
3.4.1 智能數字溫度傳感器
3.4.2 智能轉矩轉速傳感器
3.5 多傳感器信息融合技術
3.5.1 概述
3.5.2 基本原理、信息融合過程及關鍵技術
3.5.3 結構與功能模型
3.5.4 信息融合方法.
3.5.5 多傳感器信息融合的應用
3.6 智能傳感器的發展方向
思考題與習題
第4章 智能儀器功能的實現
4.1 概述
4.2 智能儀器幾種功能的實現方法
4.2.1 非線性自校正
4.2.2 自校零與自校準
4.2.3 自補償
4.2.4 自動量程切換
4.3 智能儀器的設計方法
4.3.1 智能儀器的設計過程
4.3.2 智能儀器的硬件設計方法
4.3.3 智能儀器的軟件設計方法
4.4 智能儀器實例
4.4.1 具有溫度補償的集成智能傳感器
4.4.2 具有微處理器的智能傳感器
思考題與習題
第5章 智能檢測系統的控制技術
5.1 數字PID控制及改進算法
5.1.1 模擬PID控制
5.1.2 數字PID算法
5.1.3 數字PID控制的改進算法
5.1.4 數字PID控制器的參數整定
5.2 模糊控制
5.2.1 模糊控制系統的基本原理及組成結構
5.2.2 模糊控制器的數據庫
5.2.3 模糊控制規則庫
5.2.4 推理決策邏輯
5.2.5 模糊控制系統的控制過程
5.2.6 模糊控制器的設計及應用
5.3 智能控制
5.3.1 自適應控制
5.3.2 多級遞階智能控制
5.3.3 專家控制系統與專家控制器
5.3.4 仿人智能控制
5.3.5 其他智能控制方式
思考題與習題
第6章 智能故障診斷
6.1 智能故障診斷的概念
6.1.1 故障智能診斷系統的概念
6.1.2 故障智能診斷系統的一般結構
6.2 智能故障診斷方法概述
6.2.1 統計診斷法
6.2.2 邏輯診斷法
6.2.3 模糊診斷法
6.2.4.神經網絡診斷法
6.3 智能故障診斷的機器學習方法
6.3.1 機器學習方法的研究發展
6.3.2 故障診斷系統中的幾種機器學習方法
6.3.3 故障診斷系統中的機器學習策略
6.4 智能故障診斷的專家系統方法
6.4.1 專家系統概述
6.4.2 知識表示
6.4.3 知識獲取
6.4.4 推理機制
6.5 智能故障診斷的人工神經網絡與專家系統結合方法
6.5.1 專家系統與神經網絡的特點
6.5.2 專家系統與神經網絡結合的途徑和方法
6.6 智能故障診斷的信息融合方法
6.6.1 貝葉斯信息融合方法
6.6.2 D-S推理信息融合方法
6.6.3 神經網絡與信息融合
6.6.4 集成神經網絡的實現方法
思考題與習題
第7章 虛擬儀器技術
7.1 概述
7.1.1 虛擬儀器的出現
7.1.2 虛擬儀器技術的組成及優勢
7.1.3 虛擬儀器構成及類型
7.1.4 虛擬儀器和傳統儀器的比較
7.1.5 虛擬儀器的發展歷程
7.2 VXI總線技術
7.2.1 VXI總線系統的特點
7.2.2 VXI總線系統的發展
7.2.3 VXI總線系統規范
7.2.4 VXI總線儀器系統集成
7.2.5 VXI總線控制方式
7.3 PXI總線技術
7.3.1 PXI系統的組成與配置
7.3.2 PXI規范結構
7.3.3 PXI軟件體系
7.4 LabView簡介
7.4.1 什么是LabView
7.4.2 LabView程序
7.4.3 LabView 8.5 版本新特性
思考題與習題
第8章 機器視覺檢測系統
8.1 機器視覺檢測的基本理論
8.1.1 機器視覺的基本概念和特點
8.1.2 圖像和數字圖像
8.1.3 分辨率
8.1.4 視覺表示框架
8.2 機器視覺檢測系統的組成
8.2.1 光學成像系統
8.2.2 光源與照明
8.2.3 圖像捕捉系統
8.2.4 圖像采集模塊
8.2.5 圖像處理模塊
8.2.6 控制執行模塊
8.3 圖像處理與圖像識別
8.3.1 機器視覺圖像特點
8.3.2 圖像處理、圖像識別與圖像理解
8.3.3 常用圖像處理方法
思考題與習題
第9章 智能檢測與控制技術的工程實例
9.1 模糊與狀態監測的工程應用實例
9.1.1 模糊自適應PID在運動控制中的應用
9.1.2 側壓定寬軋鋼機狀態監測系統設計
9.2 基于數據融合技術的傳感器自校iE/標定模型
9.3 基于虛擬儀器技術的智能檢測控制系統
9.3.1 虛擬環境下的數字相關測量儀
9.3.2 基于LabView的虛擬濾波器
9.4 機器視覺在工業生產中的應用實例
9.4.1 數控曲線磨削誤差在線檢測
9.4.2 機器視覺在電子制造中的應用
參考文獻