智能传感器系统PDF|Epub|txt|kindle电子书版本网盘下载

智能传感器系统PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　概述1

1.1　传感器技术发展的重要性1

1.2　智能传感器发展的历史背景2

1.3　智能传感器的功能与特点5

1.3.1　智能传感器的功能5

1.3.2　智能传感器的特点5

1.4　智能传感器概念与传感器系统6

1.5　智能传感器实现的途径7

1.5.1　非集成化实现7

1.5.2　集成化实现8

1.5.3　混合实现10

1.5.4　智能传感器的几种形式11

1.5.5　改善传感器系统性能的多传感器智能化技术11

1.6　现场总线智能变送器／传感器经典实例简介12

1.6.1　现场总线控制系统（FCS）中的传感器与仪表12

1.6.2　经典实例简介14

参考文献20

第2章 智能传感器系统中的经典传感技术基础22

2.1　传感器系统的基本特性与技术指标22

2.1.1　静态特性与静态技术指标23

2.1.2　动态特性与动态技术指标27

2.2　几种变换器工作原理33

2.2.1　基于压阻效应的电阻变换器33

2.2.2　基于电容效应的电容变换器35

2.2.3　基于固有频率变化效应的谐振式变换器37

2.3　集成化压力传感器与加速度传感器38

2.3.1　压阻式压力传感器38

2.3.2　电容式压力传感器44

2.3.3　谐振式压力传感器46

2.3.4　加速度传感器49

2.4　提高传感器性能的技术途径56

2.4.1　合理选择结构、参数与工艺56

2.4.2　基于差动对称结构的差动技术57

2.4.3　补偿66

2.4.4　多信号测量法70

参考文献73

第3章　智能传感器系统的组建与集成调理电路芯片介绍74

3.1　智能传感器系统的基本组成形式74

3.1.1　传感器74

3.1.2　信号调理75

3.1.3　数据采集与转换75

3.1.4　计算机及其I/O接口设备75

3.2　基于虚拟仪器平台实现数据采集与显示功能76

3.2.1　数据采集卡（DAQ）的基本性能指标76

3.2.2　数据采集卡的安装77

3.2.3　I/O接口设备Lab PCI 6024E数据采集卡简介77

3.2.4　实现数据采集卡软件驱动前的参数设置78

3.2.5　［示例3-1］基于DAQ与PC实现虚拟仪器式的数据采集与显示78

3.3　电阻电桥式传感器的单片集成调理电路——MAX1450芯片80

3.3.1　MAX1450芯片的引脚功能与结构框图80

3.3.2　MAX1450的基本功能与补偿校准功能82

3.4　适配压阻式传感器的单片集成调理电路——MAX1460芯片86

3.4.1　结构框图86

3.4.2　功能与原理简介86

3.5　适配变压器式传感器的单片集成调理电路——AD698芯片简介88

3.5.1　LVDT变压器式传感器简介89

3.5.2　AD698的结构框图与工作原理89

3.5.3　主要参数设置与使用方法91

3.6　适配电容式传感器的集成调理电路——CAV414芯片94

3.6.1　CAV414的结构框图94

3.6.2　工作原理与引脚连接94

3.6.3　［示例3-2］基于CAV414的电容式变送器的构成96

3.7 数据采集系统——单片集成接口芯片ADuC81296

3.7.1　简介96

3.7.2　结构框图与组成模块的功能97

3.7.3　主要参数特点100

3.7.4　应用举例——温度的测量与显示系统100

3.8　温度传感器系统——全系统单片集成芯片MAX6625102

3.8.1　MAX6625结构框图及引脚排列102

3.8.2　主要功能与技术指标104

3.8.3　工作原理104

3.8.4　MAX6625的操作与使用105

3.8.5　MAX6625器件的编程举例106

3.9　XTR101 4～20mA回路变送器芯片109

3.9.1　简介109

3.9.2　结构框图及引脚功能109

3.9.3　主要参数110

3.9.4　应用方法举例110

3.10　适配桥路式传感器的信号调理电路——ZMD31050芯片111

3.10.1　简介111

3.10.2　功能框图与引脚排列112

3.10.3　主要参数113

3.10.4　应用举例113

3.11　双轴加速度传感器系统——全系统单片集成芯片ADXL202114

3.11.1　简介114

3.11.2　结构框图与功能114

3.11.3　主要参数特点116

3.11.4　使用说明及典型应用举例116

参考文献118

第4章　基本智能化功能与其软件实现120

4.1　改善线性度及智能化非线性刻度转换功能120

4.1.1　查表法121

4.1.2　曲线拟合法123

4.1.3　［示例4-1］与铂电阻配用的智能化刻度转换模块的设计（曲线拟合法）124

4.2　改善静态性能提高系统精度及智能化自校零、自校准功能126

4.2.1　两基准法127

4.2.2　多基准法128

4.3　改善稳定性抑制交叉敏感及智能化多传感器数据融合功能130

4.3.1　单传感器系统130

4.3.2　交叉敏感与传感器系统的稳定性131

4.3.3　多传感器技术改善传感器系统性能的基本方法132

4.4　改善动态性能扩展频带及智能化频率自补偿功能134

4.4.1　数字滤波器的数学基础——Z变换简介135

4.4.2　扩展频带的数字滤波法142

4.4.3　扩展频带的频域校正法145

4.4.4　［示例4-2］采用数字滤波法将测温传感器（一阶系统）频带扩展A≥10倍146

4.5　提高信噪比与分辨力及智能化信号提取与消噪功能147

4.5.1　数字滤波技术147

4.5.2　相关159

4.5.3　频域谱分析法167

4.5.4　［示例4-3］交流电桥调幅波解调器中滤波器参数的确定168

4.5.5　［示例4-4］设计一个巴特沃斯低通数字滤波器170

4.5.6　［示例4-5］设计一个巴特沃斯高通数字滤波器Hg（z）172

4.5.7 ［示例4-6］二阶带通数字滤波器在LabVIEW平台上的实现、检验及向MPU移植与复现173

4.6　增强自我管理与自适应能力及智能化控制功能178

4.6.1　模拟PID控制器的传递函数178

4.6.2　数字PID控制器脉冲传递函数179

参考文献181

第5章 多元回归分析法及其在智能传感器系统中的应用182

5.1　多元回归分析法与定常系数多元回归方程182

5.1.1　二传感器数据融合——二元回归分析法182

5.1.2　三传感器数据融合——三元回归分析法185

5.2 回归分析法与可变系数回归方程187

5.2.1　工作原理187

5.2.2　回归方程可变系数A0（T）～A5（T）的确定187

5.3 应用举例190

5.4　示例191

5.4.1　［示例5-1］基于回归分析模型法降低一个干扰量影响的智能化软件模块设计191

5.4.2　［示例5-2］基于回归分析法模型降低两个干扰量影响的智能化软件模块设计195

参考文献200

第6章　神经网络技术与其在智能传感器系统中的应用201

6.1　概述201

6.2　神经网络基础知识202

6.2.1　神经网络结构202

6.2.2　神经元模型203

6.2.3　神经元作用函数203

6.2.4　BP神经网络206

6.2.5　径向基（RBF）神经网络209

6.3　示例211

6.3.1　［示例6-1］基于神经网络模型法温度自补偿智能化模块的设计211

6.3.2　［示例6-2］基于RBF神经网络法抗两个干扰量影响的智能化软件模块的设计219

参考文献224

第7章　支持向量机技术在智能传感器系统中的应用225

7.1　统计学习理论与支持向量机的基础知识225

7.1.1　统计学习理论225

7.1.2　支持向量机230

7.2　支持向量机的训练、检验与测量240

7.2.1　训练样本及检验样本的制备240

7.2.2　支持向量机的训练240

7.2.3　支持向量机的检验241

7.2.4　测量241

7.2.5　移植241

7.3　基于SVM方法的三传感器数据融合原理241

7.3.1　三传感器数据融合的智能传感器系统的组成241

7.3.2　［示例7-1］降低两个干扰量影响的SVM智能化软件模块的设计243

7.3.3 ［示例7-2］使用SVC（支持向量分类）对两组分混合气体进行定性识别249

参考文献255

第8章　粒子群优化算法与其在智能传感器系统中的应用257

8.1　粒子群优化算法发展与应用概况257

8.1.1　群智能257

8.1.2　群智能的主要算法258

8.1.3　群智能算法的特点258

8.2　粒子群优化算法的基础知识258

8.2.1　基本粒子群优化算法259

8.2.2　标准粒子群优化算法260

8.2.3　粒子群优化算法流程261

8.3　粒子群优化算法的发展与改进简介262

8.4　应用示例263

8.4.1　待优化的参数与待改善的传感器263

8.4.2　［示例8-1］遍历优化LS-SVM模型参数266

8.4.3　［示例8-2］采用粒子群优化算法优化一个参数269

8.4.4　［示例8-3］采用粒子群优化算法优化两个参数273

参考文献277

第9章　主成分分析及其在智能传感器系统中的应用278

9.1　主成分分析法278

9.1.1　二维空间中的PCA278

9.1.2　PCA算法280

9.2　PCA算法在消除传感器漂移中的应用281

9.2.1　PCA算法实现传感器故障检测的思想281

9.2.2　［示例9-1］建立传感器阵列、获取关联数据与漂移数据283

9.2.3　［示例9-2］传感器发生漂移的识别286

参考文献290

第10章　小波分析及其在智能传感器系统中的应用291

10.1　小波分析基础291

10.1.1　小波分析与短时Fourier变换291

10.1.2　离散小波293

10.1.3　小波级数294

10.1.4　多分辨分析294

10.1.5　小波包分析297

10.2　Matlab工具箱中小波分析函数298

10.2.1　小波分析函数298

10.2.2　小波包函数305

10.3　［示例10-1］小波数字滤波的实现310

参考文献314

第11章 线性相位滤波器与自适应滤波器315

11.1　线性相位滤波器315

11.1.1　线性相位与线性相位滤波器315

11.1.2　线性相位有限冲击响应滤波器的数学模型317

11.1.3　线性相位FIR滤波器的窗口设计321

11.1.4　［示例11-1］用窗口法设计一个线性相位低通FIR滤波器328

11.1.5 ［示例11-2］线性相位FIR滤波器在Matlab中的实现328

11.2　自适应滤波器333

11.2.1 自适应滤波器的结构333

11.2.2 自适应滤波理论与算法333

11.2.3　Matlab中的自适应滤波函数337

11.2.4　［示例11-3］自适应滤波在系统辨识中的应用339

参考文献340

第12章　模糊智能传感器系统342

12.1　模糊集合理论概述342

12.1.1　模糊集合的定义及其表示方法343

12.1.2　隶属函数的确定方法及常用形式344

12.1.3　模糊集合的基本运算348

12.1.4　模糊关系的定义及合成348

12.1.5　语言变量与模糊推理349

12.2　模糊传感器系统351

12.2.1　测量结果“符号化表示”的概念351

12.2.2　模糊传感器的基本概念和功能352

12.2.3　模糊传感器的结构354

12.2.4　模糊传感器语言描述的产生方法355

12.2.5　模糊传感器对测量环境的适应性358

12.2.6　模糊传感器隶属函数的训练算法359

12.3　示例362

12.3.1　［示例12-1］模糊温度测试仪362

12.3.2　［示例12-2］模糊温度控制仪366

参考文献371

第13章　无线传感器网络372

13.1　概述372

13.1.1　无线传感器网络研究与应用状况372

13.1.2　无线传感器网络通信协议373

13.1.3　无线传感器网络与Internet的互联374

13.1.4　实现远程监测的无线传感器网络系统的典型结构374

13.2　无线传感器网络与Internet的互联375

13.2.1　基于LabVIEW虚拟仪器的网络化方法375

13.2.2　［示例13-1］设计“远程无线传感器网络监测平台”虚拟仪器程序376

13.2.3　［示例13-2］将本地“远程无线传感器网络监测平台”VI制作成为网络化VI378

13.3　无线传感器网络383

13.3.1　无线传感器网络中的传感器节点383

13.3.2　无线传感器网络中的汇聚节点384

13.3.3　［示例13-3］工业监测用无线传感器网络的硬件芯片与引脚连接384

13.3.4　［示例13-4］工业监测用无线传感器网络的软件设计流程举例390

参考文献395