智能傳感器理論基礎及應用

宋凱，哈爾濱工業大學電氣工程及自動化學院專職教師，碩士生導師；哈爾濱工業大學機器人技術與系統國家重點實驗室博士後，先後講授《智能儀器設計基礎》、《基於DSP的智能儀器設計》等課程。

目錄  

D1 章緒論···.1  
1.1 傳感器技術概述.1  
1.2 現代傳感器技術···.2  
1.2.1 現代傳感器技術特徵.2  
1.2.2 集成/固態傳感器的特點··.2  
1.3 智能傳感器概述··.3  
1.3.1 智能傳感器的定義.3  
1.3.2 智能傳感器的特點·.5  
1.3.3 智能傳感器的組成·.6  
1.3.4 智能傳感器的形式···.7  
1.3.5 傳感器智能化的途徑·.8  
1.3.6 智能傳感器的發展及趨勢··.8  
1.3.7 智能傳感器的開發重點.9  
1.4 智能傳感器中的軟件方法.9  
1.4.1 軟件子模塊···.10  
1.4.2 預處理··.10  
1.4.3 狀態監測與故障檢測模塊··.11  
1.5 智能傳感器的實現方式··.12  
1.5.1 非集成化智能傳感器···.12  
1.5.2 集成化智能傳感器···.12  
1.5.3 智能傳感器混合集成···.13  
參考文獻·.14  

D2 章智能傳感器智能化功能及其實現技術·.15  
2.1 智能傳感器的基本功能··.15  
2.1.1 智能傳感器的自檢技術··.15  
2.1.2 智能傳感器的自動校準技術··.20  
2.1.3 智能傳感器的量程自動轉換技術.23  
2.1.4 智能傳感器的標度變換技術··.26  
2.2 智能傳感器測量數據處理·.28  
2.2.1 測量數據的非數值處理·.28  
2.2.2 系統誤差的數據處理···.33  
2.2.3 隨機誤差的數據處理·.42  
參考文獻···.45  

D3 章智能傳感器信息處理技術···.46  
3.1 概述·.46  
3.2 預測濾波器.46  
3.2.1 多項式預測濾波器··.46  
3.2.2 灰色預測濾波器.47  
3.3 時–頻分析法·.50  
3.3.1 小波包分析·.50  
3.3.2 經驗模態分解.51  
3.3.3 集合經驗模態分解···.52  
3.3.4 互補集合經驗模態分解···.54  
3.4 數據驅動法.55  
3.4.1 主成分分析.55  
3.4.2 動態主成分分析·.57  
3.4.3 D立成分分析·.58  
3.4.4 核主成分分析··.59  
3.4.5 非負矩陣分解.61  
3.4.6 稀疏非負矩陣分解.63  
3.5 熵方法·.66  
3.5.1 能量熵.67  
3.5.2 樣本熵··.68  
3.5.3 排列熵.71  
3.5.4 多尺度熵··.72  
3.6 模式識別法···.73  
3.6.1 k Z近鄰域·.73  
3.6.2 層次支持向量多分類機·.74  
3.6.3 多分類相關向量機·.77  
3.6.4 隨機森林分類器···.79  
3.6.5 稀疏表示分類器.80  
參考文獻···.82 
 
D4 章自確認傳感器技術··.85  
4.1 概述··.85  
4.2 自確認傳感器原理·.86  
4.2.1 自確認傳感器功能結構模型.86  
4.2.2 自確認傳感器的輸出參數·.88  
4.2.3 自確認傳感器的研究內容.89  
4.3 常用的自確認傳感器方法·.93  
4.3.1 傳感器故障檢測與隔離方法··.93  
4.3.2 傳感器故障診斷方法·.95  
4.3.3 傳感器故障恢復方法··.97  
4.3.4 傳感器測量質量評估方法·.102  
4.4 自確認傳感器結構··.107  
參考文獻··.110 
 
D5 章智能聲發射傳感器及其應用.115  
5.1 聲發射信號.115  
5.1.1 聲發射源···.115  
5.1.2 聲發射信號基本概念·.116  
5.1.3 聲發射信號特徵及表徵參數.117  
5.2 智能聲發射傳感器概述.119  
5.2.1 智能聲發射傳感器分類·.119  
5.2.2 智能聲發射傳感器原理··.120  
5.2.3 智能聲發射傳感器結構···.121  
5.3 智能聲發射傳感器檢測技術·.122  
5.3.1 聲發射技術原理··.122  
5.3.2 聲發射信號處理方法·.123  
5.3.3 聲發射無損檢測技術的優勢及應用·.125  
5.4 智能聲發射傳感器在滾動軸承故障檢測中的應用··.126  
5.4.1 故障滾動軸承的聲發射信號.126  
5.4.2 故障特徵提取·.127  
5.4.3 滾動軸承聲發射信號智能故障診斷模型.133  
參考文獻··.142  

D6 章智能化氣體傳感器及其應用··.143  
6.1 氣體傳感器概述.143  
6.2 智能氣體傳感器精度提升算法·.144  
6.2.1 氣體傳感器選擇性改善方法·.145  
6.2.2 氣體傳感器溫/濕度補償方法··.155  
6.3 智能氣體傳感器數據恢復方法···.160  
6.3.1 相關向量機基本理論···.160  
6.3.2 相關向量機核函數選擇···.162  
6.3.3 基於相關向量機的氣體傳感器故障數據恢復·.164  
6.4 智能氣體傳感器的故障診斷··.168  
6.4.1 氣體傳感器故障模式分析···.168  
6.4.2 氣體傳感器在線故障檢測.170  
6.4.3 基於核主成分分析的氣體傳感器故障特徵提取···.173  
6.4.4 基於多分類相關向量機的氣體傳感器故障診斷··.176  
參考文獻···.179
  
D7 章智能壓力傳感器及其應用·.180  
7.1 壓力傳感器工作原理概述···.180  
7.2 壓力傳感器的故障模式·.180  
7.2.1 常見壓力傳感器的故障類型·.180  
7.2.2 壓力傳感器的故障模式分類···.182  
7.3 智能壓力傳感器故障診斷方法··.182  
7.3.1 基於多尺度主成分分析的故障診斷方法.183  
7.3.2 基於小波包的多尺度主成分分析故障診斷方法.187  
7.4 故障診斷方法仿真驗證·.188  
7.4.1 基於小波變換的多尺度主成分分析診斷方法仿真驗證.188  
7.4.2 基於小波包的MSPCA 診斷方法仿真驗證···.195  
7.5 基於徑向基函數（RBF）神經網絡的數據恢復方法·.199  
7.5.1 RBF 神經網絡原理概述·.199  
7.5.2 RBF 神經網絡結構··.200  
7.5.3 RBF 神經網絡的學習算法.201  
7.5.4 壓力傳感器數據恢復仿真研究.202  
參考文獻·206