網(wǎng)絡化智能傳感技術(shù)研究與應用

目錄
序
第1章 網(wǎng)絡化智能傳感技術(shù)基礎與研究進展 1
1.1 智能傳感器及技術(shù)功能特點 1
1.1.1 智能傳感器的概念 1
1.1.2 智能傳感器的基本結(jié)構(gòu) 2
1.1.3 智能傳感器技術(shù)功能特點 3
1.2 典型的智能傳感技術(shù)及發(fā)展趨勢 6
1.2.1 IEEE 1451網(wǎng)絡化智能傳感技術(shù) 6
1.2.2 模糊傳感器技術(shù) 9
1.2.3 多傳感器數(shù)據(jù)融合技術(shù) 11
1.2.4 智能傳感技術(shù)發(fā)展趨勢 13
1.3 網(wǎng)絡智能傳感技術(shù)相關(guān)研究現(xiàn)狀 14
1.3.1 智能傳感系統(tǒng)建模方法 14
1.3.2 多傳感信息預處理技術(shù) 17
1.3.3 多傳感信息建模自校正方法 20
1.3.4 傳感信息傳輸與實時預測方法 27
1.3.5 網(wǎng)絡化協(xié)同傳感技術(shù) 28
1.4 本章小結(jié) 32
第2章 網(wǎng)絡化傳感系統(tǒng)建模設計方法 33
2.1 多參數(shù)網(wǎng)絡化智能傳感系統(tǒng)模型 33
2.2 多參數(shù)網(wǎng)絡化智能傳感系統(tǒng)建模實現(xiàn) 34
2.2.1 智能傳感系統(tǒng)傳感用例模型圖與協(xié)作圖 35
2.2.2 TEDS配置與傳感器初始化 36
2.2.3 UML系統(tǒng)部署建模 38
2.3 網(wǎng)絡化智能傳感系統(tǒng)數(shù)據(jù)交換 39
2.3.1 數(shù)據(jù)交換動態(tài)描述 39
2.3.2 數(shù)據(jù)統(tǒng)一建模 40
2.4 室內(nèi)微環(huán)境監(jiān)測系統(tǒng)應用例 41
2.4.1 室內(nèi)微環(huán)境監(jiān)測系統(tǒng)建模 42
2.4.2 室內(nèi)微環(huán)境監(jiān)測系統(tǒng)數(shù)據(jù)交換 43
2.5 海洋環(huán)境監(jiān)測系統(tǒng)應用例 45
2.5.1 漁業(yè)海洋環(huán)境多參數(shù)監(jiān)測子系統(tǒng)模型 45
2.5.2 多參數(shù)監(jiān)測子系統(tǒng)的TEDS配置 47
2.5.3 海洋水環(huán)境監(jiān)測系統(tǒng)實現(xiàn) 49
2.6 高精度智能應變檢測儀的開發(fā) 51
2.6.1 高精度智能應變檢測儀模型 52
2.6.2 高精度可編程基準源 53
2.6.3 高精度測量與數(shù)據(jù)轉(zhuǎn)換 54
2.6.4 實驗測試 55
2.7 本章小結(jié) 57
第3章 基于多項式外模型一內(nèi)模型NPLS的多傳感信息預處理與建模 59
3.1 基于多項式外模型一內(nèi)模型NPLS的多傳感信息預處理與建模框架 59
3.1.1 PLS回歸分析方法的外模型與內(nèi)模型 60
3.1.2 多項式外模型內(nèi)模型NPLS建模方法的模型結(jié)構(gòu) 63
3.2 基于PLS的多傳感信息預處理 64
3.2.1 基于變量投影重要性 PLS回歸系數(shù)變量篩選方法 64
3.2.2 雯量篩選準則AEr的計算 66
3.2.3 基于PLS回歸系數(shù)的試驗設計 68
3.3 多項式外模型一內(nèi)模型NPLS的數(shù)學建模過程 69
3.4 多項式外模型內(nèi)模型NPLS方法在多傳感信息系統(tǒng)中的應用流程 7l
3.5 魚類超微弱發(fā)光檢測應用 73
3.5.1 基于PLS的多傳感信息預處理 74
3.5.2 多項式外模型一內(nèi)模型NPLS建模仿真 77
3.6 本章小結(jié) 78
第4章 多維傳感信息自校正技術(shù) 80
4.1 多傳感信息自校正模型 80
4.2 傳感信息自評估技術(shù) 81
4.3 基于多尺度逼近的多傳感信息解耦自校正技術(shù) 83
4.3.1 傳感信息尺度特征估計方法 83
4.3.2 多傳感信息插值解耦自校正方法 86
4.3.3 基于預估準確度目標的解耦分辨閾值艿確定 89
4.4 基于方差可靠性的分辨閾值自適應解耦 90
4.5 基于多節(jié)點樣條和TEDS的多傳感信息自校正 94
4.5.1 多節(jié)點樣條插值 94
4.5.2 基于TEDS的多維空間插值自校正 95
4.6 試驗及應用 95
4.6.1 傳感信息自評估試驗 96
4.6.2 基于多尺度逼近的解耦自校正技術(shù)仿真分析 97
4.6.3 基于方差可靠性的分辨閾值自適應解耦仿真 99
4.6.4 多維空間插值方法在機器人示教中的應用 102
4.7 本章小結(jié) 106
第5章 傳感信息動態(tài)預測方法 108
5.1 網(wǎng)絡化傳感系統(tǒng)信息流模型 108
5.2 傳感信息動態(tài)預測模型 109
5.3 傳感信息快速小波計算 110
5.4 小波計算信息的動態(tài)預測 112
5.4.1 平滑層信息動態(tài)預測 112
5.4.2 分辨層信息動態(tài)預測 114
5.5 實現(xiàn)傳感器滯后補償?shù)膭討B(tài)預測算法 116
5.6 基于時間同步的網(wǎng)絡化傳感信息預測 118
5.6.1 面向延遲測算的DMTS時間同步技術(shù) 119
5.6.2 基于分段擬合的時間自校準方法 120
5.6.3 異常數(shù)據(jù)處理 121
5.6.4 網(wǎng)絡化傳感信息實時動態(tài)預測補償 122
5.7 動態(tài)預測補償方法性能分析 123
5.7.1 小波計算結(jié)果分析 123
5.7.2 動態(tài)預測補償性能 124
5.7.3 滾動混合式多步預測補償性能 125
5.7.4 基于時間同步的網(wǎng)絡傳感信息預測實驗與仿真 126
5.8 本章小結(jié) 130
第6章 網(wǎng)絡化多層次協(xié)同傳感技術(shù) 132
6.1 感知信號層多傳感融合技術(shù) 132
6.1.1 傳感信息的一致性測度 133
6.1.2 基于變窗的方差遞推估計方法 134
6.1.3 基于變窗一致可靠性測度的多傳感信息融合 135
6.1.4 多傳感信息融合計算仿真 136
6.2 感知層協(xié)同檢測業(yè)務流調(diào)度方法 139
6.2.1 WRR調(diào)度算法 139
6.2.2 WRR算法總體設計 140
6.2.3 WRR的優(yōu)點與缺陷 141
6.2.4 WRR的設計與實現(xiàn) 141
6.2.5 基于WRR的物聯(lián)網(wǎng)感知層優(yōu)化調(diào)度方法 146
6.2.6 仿真分析 149
6.3 物聯(lián)網(wǎng)系統(tǒng)協(xié)同機制 151
6.3.1 基于協(xié)同學的協(xié)同機制引入 151
6.3.2 協(xié)同測量動力學方程的建立及推導 153
6.3.3 基于協(xié)同測量機理模型的決策方法 156
6.3.4 基于協(xié)同測量機理模型決策的應用 161
6.4 本章小結(jié) 163
第7章 基于智能傳感節(jié)點的網(wǎng)絡化檢測系統(tǒng)研制及試驗 165
7.1 用于多傳感網(wǎng)絡化檢測模型的嵌入式智能傳感節(jié)點 165
7.1.1 嵌入式智能檢測節(jié)點硬件設計 166
7.1.2 DSP信息處理與ARM網(wǎng)絡通信實現(xiàn) 170
7.2 基于C/S模式的網(wǎng)絡檢測平臺 173
7.2.1 網(wǎng)絡檢測平臺的軟件結(jié)構(gòu)與運行機制 174
7.2.2 基于XML的跨平臺數(shù)據(jù)交換技術(shù) 176
7.2.3 基于XML數(shù)據(jù)的檢測平臺實時數(shù)據(jù)庫技術(shù) 177
7.3 在流程工業(yè)生產(chǎn)過程中的初步應用 179
7.3.1 乙醇在線檢測傳感模式與試驗裝置 179
7.3.2 在發(fā)酵過程中的檢測試驗與初步應用 181
7.4 網(wǎng)絡化檢測初步應用與結(jié)果分析 188
7.5 在精餾過程中的建模應用 190
7.5.1 試驗與PLS預處理 190
7.5.2 多項式外模型一內(nèi)模型NPLS建模應用 192
7.6 本章小結(jié) 193
參考文獻 194