《新型检测技术与仪表.pptx》由会员分享,可在线阅读,更多相关《新型检测技术与仪表.pptx(62页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、虚拟仪器特点强调“软件即仪器”的新概念。功能由用户定义,可方便设计、修改测试方案,构成各种专用仪器。可方便地同外设、网络及其他设备连接,可以将信号的分析、实现、存储、打印和其他管理均由计算机完成。系统功能、规模可通过软件修改、增减,简单灵活。价格低廉,可重复使用。技术更新快,开发周期短。采用软件结构、功能化模块,节省硬件开发和维护费用。面向总线接口控制,用户通过软件工具组建各种智能检测系统。第1页/共62页二、虚拟仪器的构成虚拟仪器通常包括:计算机、应用软件和仪器硬件三部分,其中计算机与仪器硬件又称为虚拟仪器的通用硬件平台。虚拟仪器基本框图虚拟仪器基本框图第2页/共62页(一)虚拟仪器的通用硬
2、件平台硬件平台是虚拟仪器工作的基础,它的主要功能是完成对被测信号的采集、传输和测量结果显示。虚拟仪器的硬件平台主要包括计算机和信号采集调理。计算机包括微处理器、存储器和显示器等,它主要用来提供实时高效的数据处理性能;信号采集调理部分可以是GPIB仪器模块、VXI仪器模块、PXI仪器模块或数据采集卡,主要用来采集、传输信号。常用的虚拟仪器系统是数据采集(DAQ)系统、通用接口(GPIB)仪器控制系统、VXI仪器系统、PXI仪器系统以及它们之间的任意组合。第3页/共62页1、PC-DAQ测量系统PC-DAQ测量系统是以数据采集板、信号调理电路及计算机为硬件平台配以专用软件组成的测试系统,是构成虚拟
3、仪器的基本构成方式。其中插入式数据采集板(卡)是虚拟仪器中常用的接口形式之一,其功能是将现场数据采集到计算机,或将计算机数据输出给被控对象,用数据采集板(卡)配以计算机平台和虚拟仪器软件便可构成各种数据采集控制仪器系统。目前,插入式数据采集板(卡)技术主要应用于高采样速率及直接控制方面。第4页/共62页2、通用接口(GPIB)仪器控制系统通用接口GPIB(General purpose Interface Bus)是仪器系统互连总线规范,通用接口总线能够把可编程仪器与计算机紧密的联系起来,使电子测量由独立的手工操作的单台仪器向组成大规模智能检测系统的方向迈进。GPIB通用接口仪器系统通用接口仪
4、器系统第5页/共62页3、VXI总线仪器系统VXI(VEM Bus Extensions for Instrument)总线仪器系统是基于VXI总线平台技术的自动检测系统,是结合GPIB仪器和数据采集板(DAQ)的最先进技术发展起来的高速、开放式工业标准。具有互操作性好、数据传输速率高、可靠性高、体积小、重量轻、可移动性好等特点。一个基本的VXI仪器系统可以由三种不同的配置方案:GPIB控制方案、嵌入式计算机控制方案和MXI总线控制方案 第6页/共62页(1)GPIB控制方案:包括插于通用计算机的GPIB接口板、位于VXI零槽的GPIB-VXI/C模块、连接两者的GPIB电缆、VXI机箱以及若
5、干VXI仪器模块。传输速率约为1Mb/s,如果使用HS488协议,可使GPIB的数据传输速率提高到1.6Mb/s(ISA总线)和3.4Mb/s(EISA总线),最高可达8Mb/s。其中零槽模块起GPIB和VIX总线翻译器作用。优点在于可利用熟悉的GPIB技术,如同控制一台仪器一样来控制VXI仪器系统,且系统造价较低。缺点是由于GPIB总线的数据传输速率远远低于VXI总线,形成整个系统的数据交互瓶颈。第7页/共62页(2)嵌入式计算机控制方案:该控制方案的组件包括一个VXI机箱、嵌入式计算机模块、若干VXI仪器模块以及VXI软件开发平台。一个嵌入式计算机模块除具有VXI系统控制功能外,还具有一台
6、通用PC机的全部功能。在该方案中,所有的模块均直接插在VXI机箱的背板总线上,能实现高速的数据传输(40Mbps左右),且体积紧凑,是实现VXI自动检测系统的最佳方案。但该方案的造价及升级费用较高。第8页/共62页(3)MXI总线控制方案:该方案包括VXI接口板、位于VXI零槽的VXI-MXI模块、连接两者的电缆、VXI机箱、插于通用计算机的MXI接口板、VXI仪器模块及VXI软件开发平台。在提高数据传输速率方面有很大优势。性价比较高,便于系统的扩散扩展和升级。典型的典型的VXI总线系统配置。总线系统配置。第9页/共62页4、PXI仪器总线系统PXI(PCI Extensions for In
7、strumentation)是一种专为工业数据采集与自动化应用度身定制的模块化仪器平台,也是虚拟仪器的理想平台。VXI仪器系统和PXI仪器系统之间的主要差别源于它们各自的底层总线结构不同。VXI基于VME总线,而PXI基于PCI总线,PCI在台式PC中广泛应用。使用PCI总线还能够降低产品成本。PXI仪器系统设备尺寸小,它能够为便携式、台式(bench-top)与固定架式(rack-mount)装置提供一个通用平台。由于基于PCI总线结构,PXI仪器系统在性能和集成化上给使用者带来更多好处,例如,PXI设备能被操作系统自动识别。第10页/共62页(二)虚拟仪器的软件虚拟仪器的软件可以分为多个层
8、次,其中包括仪器驱动程序、应用程序和软面板程序。仪器驱动程序主要用来初始化虚拟仪器,设置特定参数和工作方式,使虚拟仪器保持正常工作状态;应用程序用来对输入计算机的数据进行分析和处理,用户就是通过编制应用程序来定义虚拟仪器的功能;软面板程序用来提供虚拟仪器与用户的接口,它可以在计算机屏幕上生成一个与传统仪器面板相似的图形界面,用来显示测量结果等。第11页/共62页通常在编制虚拟仪器软件时可以采用两种编制方法。一种是传统的编程方法,采用高级语言,如C、C+等,另一种是采用可视化编程语言环境Visual C+、Visual Basic等。在虚拟仪器图形软件开发平台研究方面,LabVIEW是其中一种典
9、型的图形化软件编程平台。第12页/共62页LabVIEW开发平台 LabVIEW开发平台是一种编译性图形化编程语言,它把复杂、繁琐、费时的语言编程简化成菜单或图标提示的方法选择功能(图形),并用线条把各种功能(图形)连接起来的简单的图形编程方式。LabVIEW为编程、查错、调试提供了简单、方便、完整的环境和工具。所以,同传统的编程语言相比,采用LabVIEW图形编程方式可以节省大约80%的开发时间,但其运行速度几乎不受影响。LabVIEW除了编程方式与常规语言不同外,它具备常规语言的所有特性。由于LabVIEW采用的是图形化编程方式,所以又称为G语言。第13页/共62页G语言G语言是一种适合应
10、用于任何编程任务和具有丰富的扩展函数库的图形化编程语言,是LabVIEW的核心。定义了数据模型、结构类型和模块调用语法规则等编程语言的基本要素,在功能完整性和应用灵活性上不逊于任何高级语言。丰富的扩展函数库为用户编程提供了极大的方便。包括常用的程序调试工具,比如允许设置断点、单步调试、数据探针和动态显示执行程序流程等功能。它与传统高级编程语言最大的区别在于编程方式:一般高级语言采用文本编程,而G语言采用图形化编程方式。第14页/共62页LabVIEW可以完成的主要功能 数据采集。数据分析。数据显示。在网络上发布信息。使用Microsoft Office工具生成报告。交互式数据管理。第15页/共
11、62页第二节 图像检测技术一、图像检测系统的构成图像检测系统可以分为图像获取和图像处理两大部分。为了采集数字图像,需要两种设备:一是对某个电磁能量频谱段(如可见光、X射线、紫外线、红外线等)敏感的物理器件,二是数字化设备。此外,还要有计算机、图像显示和输出设备。数字图像检测系统框图第16页/共62页(一)光学成像设备将某个电磁能量频谱段的信号转化为与接收电磁能量成正比的电信号的硬件设备主要有:(1)电子管摄像机;(2)CCD摄像机;(3)CMOS摄像机。在遥感中常用的图像获取设备:(1)光学摄影:摄像机、多光谱像机等;(2)红外摄影:红外辐射计、红外摄像仪、多通道红外扫描仪等;(3)MSS:多
12、光谱扫描仪;(4)微波:微波辐射计、侧视雷达、真实空孔径雷达、合成孔径雷达(SAR)。第17页/共62页(二)数字化设备数字化设备是完成将光学成像设备得到的模拟电信号转化为数字信号的电路元器件。它可以集成在成像设备中,也可以独立在成像设备之外。前者就是目前流行的数字摄像机,后者即是各类图像采集卡(Frame Grabber 或 Image Card)。第18页/共62页1、图像采集卡分标准和非标准视频图像采集卡两类:(1)标准视频图像采集卡可采集的标准视频信号有:黑白视频、复合视频(Composite Video)、分量模拟视频(Component Analog Video,CAV)和S-Vi
13、deo(Y/C Video)等。(2)非标准视频图像采集卡可采集的非标准视频信号有:非标准RGB信号、线扫描信号和逐行扫描信号。第19页/共62页2、数字摄像机和数字图像信号采集卡数字式摄像机是将数字化转换功能集成在摄像机内,直接输出数字图像信号。数字摄像机的输出规格标准一般有:RS-422、RS-644和IEEE1394等数字输出接口标准,可以输出816位灰度或24位RGB数据。计算机为了接收数字图像信号,需要根据不同的数字摄像机的输出接口规格来选用不同的数字图像信号采集卡,有些采集卡采用DMA、多通道、多路信号同时传输等技术,可以达到100M/s的数据传输率,可以进行高分辨率图像的实时采集
14、。第20页/共62页(三)图像存储设备图像存储设备用于暂时或永久存储摄像系统获取的数字图像。可进行数字图像存储的硬件有:(1)图像采集卡帧缓存。(2)计算机内存。(3)硬盘、光盘、磁带存储器。(4)闪存。第21页/共62页(四)计算机主机计算机用于对数字图像进行管理、分析和处理。这是图像系统应用的主要工作和核心。计算机可以是PC机、微处理器,也可以是工作站。在一些需要高速实时处理的图像板上可装有图像处理器、图像加速器、DSP等微处理器,另外还有一些专供图像处理的计算机。第22页/共62页(五)图像显示和输出设备将数字图像及其处理的中间过程和结果进行显示和输出的设备主要有:(1)电视图像监视器。
15、(2)计算机显示器。(3)打印机和数码冲印设备。(4)胶片照相机。第23页/共62页二、图像的描述(一)连续图像 设C(x,y,t,)代表像源的空间辐射能量分布,也称图像的光函数,其中(x,y)为空间坐标,t为时间,为波长。图像的光函数是实数并且非负。实际成像系统中,图像的亮度有最大值,因此设0C(x,y,t,)A式中A是图像的最大亮度。另一方面,实际图像对x,y和t都有限制:-Lxx Lx,-Lyy Ly,-Tt T第24页/共62页 标准观测者对图像光函数的亮度响应,通常用光场的瞬时光亮度计量,由下式定义:式中Vs()代表相对光效函数,是人视觉的光谱响应。对于红、绿和蓝光,瞬时光亮度可分别
16、定义为式中Rs()、Gs()和Bs()所谓光谱三刺激值是匹配单位谱色光(波长为)时所要求的三刺激值。第25页/共62页 在多光谱成像系统中,常将所观测到的像场模拟为图像光函数在光谱上的加权积分,因此第i个光谱像场可以表示为:式中Si()是第i个传感器的光谱响应。为了简单起见,选择单一的图像函数F(x,y,t)代表实际成像系统中的像场。另外,在许多成像系统中,图像是不随时间改变的,因而时变量可以从图像函数中略去。那么图像函数可以表示为F(x,y),本节也以这样的函数作为主要研究对象。第26页/共62页(二)数字图像 数字图像处理以连续图像转换为数字图像阵列为基础的。通过图像的抽样和量化,可以完成
17、模拟图像到数字图像的转换。在设计和分析图像抽样系统和重建系统时,一般认为图像是确定的,然而在某些情况下,将图像处理系统的输入,特别是噪声的输入,看成是二维随机过程的样本更有益。第27页/共62页1、确定性情况下的图像抽样 令 F I(x,y)代表一理想的无限大连续像场,在理想的抽样系统中,理想图像的空间样本实际上是用空间抽样函数S(x,y)与理想图像相乘的结果。其中是由脉冲函数的无限阵列组成的。因而抽样后的图像可以表示为第28页/共62页 在实际系统中为了避免频谱混叠现象,所作的图像抽样必须满足采样定理。就是抽样周期必须等于或小于图像中最小细节周期的一半,用公式表示为或等效于式中 xc和 yc
18、是图像的截止频率;xs和 ys为抽样频率。第29页/共62页 如果上式中等号成立,则称图像是以奈奎斯特(Nyquist)速率抽样的。如果x,y小于奈奎斯特准则的要求,则称图像是过抽样的;反之,称图像是欠抽样的。如果对原图像抽样的空间速率足以避免抽样图像的频谱交叠,那么采用适当的滤波器对样本进行空间滤波,便可以精确地重建原图像。第30页/共62页2、随机性情况下的图像抽样 与确定性情况类似,在确定性图像下对图像直接采用二维傅立叶变换来进行分析,而在随机性情况下,不能对图像直接采用傅立叶分析,必须对其相关函数进行分析。令F I(x,y)表示一种连续的二维平稳随机过程,并且已知平均值 FI和自相关函
19、数 式中 第31页/共62页用脉冲函数阵列对这一图像进行抽样,得:其自相关函数为式中 第32页/共62页所以抽样图像的自相关函数为对上式采用二维傅立叶变换可以得到抽样随机图像的功率谱,并且设定理想像场的功率谱是带宽限定的,即(xc,yc)是图像的截止频率;并且选择空间抽样周期:那么频谱就不会交叠。采用合适的内插函数就可以使重建像场和理想像场在均方意义上等效。第33页/共62页三、图像处理技术图像处理主要指数字图像处理,又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机技术对其进行处理的过程。数字图像处理主要研究的内容有以下几个方面:图像变换、图像编码压缩、图像增强和复原、图像分割
20、、图像描述和图像识别等。第34页/共62页图像变换就是将信号变换到其它域(多为频率域)进行分析。这种变换一般是线性变换,其基本线性运算式严格可逆,并且满足一定的正交条件。图像编码压缩 图像数字化的关键就是编码。图像压缩的目的可以节省图像存储空间,也可以减少传输信道容量,还可以缩短图像处理时间,它与图像编码密切相关。图像编码主要是研究压缩数码率,即高效编码问题。第35页/共62页图像增强是指按特定的需要突出一幅图像中的某些信息,同时,消弱或去除某些不需要的信息处理方法。其主要目的是使处理后的图像对某种特定的应用来说,比原始图像更适用。图像复原的主要目的是改善给定的图像质量,对给定的一幅退化了的或
21、者受到噪声污染了的图像,利用退化现象的某种先验知识来重建或恢复原有图像。第36页/共62页图像分割是按照一定的规则将一幅图像或景物分成若干部分或子集的过程。目的是将一幅图像中的各成分分离成若干与景物中的实际物体相对应的子集。基本概念是将图像中有意义的特征或者需要应用的特征提取出来。从分割依据的角度出发,图像分割大致可分为相似性分割和非连续性分割。从图像分割算法来分,可分为阈值法、界线探测法、匹配法等。第37页/共62页图像描述 就是用一组数量或符号来表征图像中被描述物体的某些特征,可以是对图像中各组成部分的性质的描述,也可以是各部分彼此间的关系的描述。图像识别 图像经过增强、复原等预处理后,再
22、经过分割和描述提取图像特征,加以判决分类,这种分类可以认为是图像的识别,它属于模式识别的范畴。一个图像识别系统一般包括图像信息获取、图像加工处理和提取特征、图像分类和识别三个主要部分。第38页/共62页第三节 软测量技术一、软测量技术概述软测量(Soft Sensing)技术的基本原理为:利用较易测量的辅助变量(或称为二次变量,Secondary Variable),依据这些辅助变量与难以直接测量的待测变量(称为主导变量,Primary Variable)之间的数学关系(称为软测量模型),通过各种数学计算和估计方法以实现对主导变量的测量。软测量通常是在成熟的硬件传感器基础上,以计算机技术为核心
23、,通过软测量模型运算处理而完成的。第39页/共62页以软测量技术为基础,实现软测量功能的实体称为软仪表(Soft Sensor)。软仪表以目前可有效获取的测量信息为基础,其核心是以实现参数测量为目的的各种计算机软件,可方便地根据被测对象特性的变化进行修正和改进,因此软仪表易于实现,且在通用性、灵活性和成本等方面具有优势。第40页/共62页软测量技术发展的重要意义(1)能测量目前无法或难以检测而又十分重要的过程参数;(2)能综合运用多个可测信息对被测对象做出状态估计、诊断和趋势分析,以适应现代工业发展对被测对象特性日益提高的测量要求;(3)能在线获得被测对象微观的二维/三维时空分布信息,以满足复
24、杂工业过程中场参数测量的需要;(4)能对测量系统进行误差补偿处理和故障诊断,从而提高测量精度和可靠性;(5)能为测量系统动态校准和动态性能改善提供有效手段;(6)能为一些由于测量障碍,目前停留在理论探讨而不能工业实用化的控制策略和方法,提供有效的解决途径。第41页/共62页二、软仪表的设计方法设计软仪表一般主要包括4个方面:(1)辅助变量的选择;(2)测量数据的预处理;(3)软测量模型的建立;(4)软仪表的自校正。其中软测量模型的建立是核心步骤。第42页/共62页(一)辅助变量的选择辅助变量的选择由被测对象特性和待测变量特点决定,同时还应考虑经济性、可靠性、可行性以及维护性等因素,通常包括变量
25、的类型、数目和测点位置等三个相互关联的方面:1、变量类型的选择 辅助变量类型的选择范围是对象的可测变量集,软测量实现过程中应选用与主导变量静态/动态特性相近且有密切关联的可测参数。第43页/共62页 2、变量数目的选择 辅助变量数目的下限值为被估计主导变量的个数,上限为系统所能可靠在线获取的变量总数,但直接使用过多辅助变量会出现过参数化问题,其最佳数目的选择与过程的自由度、测量噪声以及模型的不确定性等有关。一般建议从系统的自由度出发,先确定辅助变量的最小个数,再结合实际对象的特点适当增加,以便更好处理动态特性等问题。至于辅助变量的最优数量问题,目前尚无统一结论。第44页/共62页3、测点位置的
26、选择 检测点的选择可以采用奇异值分解的方法确定,也可以采用工业控制仿真软件确定,这些确定的检测点还需要在实际应用中加以调整。一般情况下,辅助变量的数目和位置常常是同时确定的,变量数目的选择准则也往往应用于检测点位置的选择。第45页/共62页辅助变量的选择原则(1)适用性,工程上易于在线获取并有一定的测量精度;(2)灵敏性,对对象输出或不可测扰动能做出快速反应;(3)特异性,对对象输出或不可测扰动之外的干扰不敏感;(4)准确性,构成的软仪表应能够满足准确度要求;(5)鲁棒性,对模型误差不敏感。第46页/共62页(二)测量数据的处理对测量数据的处理是软测量实现的一个重要方面,因为软仪表的性能在很大
27、程度上依赖于所获测量数据的准确性和有效性。测量数据的处理一般包括误差处理和数据变换两部分。(1)误差处理:测量数据的误差按照出现规律分为系统误差、随机误差和粗大误差三大类,可采用相应方法处理;(2)数据变换:测量数据的变换包括标度变换、转换和权函数三个方面。第47页/共62页(三)软测量模型的分类软测量模型是表征辅助变量和主导变量之间的数学关系,它是软仪表的核心。构造软仪表的本质就是如何建立软测量模型,即一个数学建模问题。软测量模型的分类一般都是依据软测量的建模方法进行的。软测量的建模方法多种多样,且各种方法互有交叉和融合。在检测和控制中常用的建模方法有:工艺机理分析、回归分析、状态估计、系统
28、识别、模式识别、人工神经网络、模糊数学、过程层析成像、相关分析和现代非线性信息处理技术等。第48页/共62页(四)软测量模型的校正与维护为实现软测量模型在长时间运行过程中的自动更新和校正,大多数软测量系统均设置有软测量模型评价软件模块。该模块先根据实际情况做出是否需要模型校正和进行何种校正的判断,然后再自动调用模型校正软件对软测量模型进行校正。软测量模型的校正主要包括软测量模型结构优化和模型参数修正两方面。大多数情况下,一般仅修正软测量模型的参数。若系统特性变化较大,则需对软测量模型的结构进行修正优化,较为复杂,需要大量的样本数据和较长的时间。第49页/共62页三、软测量的建模方法软测量模型是
29、通过辅助变量来获得对主导变量的最佳估计的数学模型。软测量建模本质上是要完成由辅助变量构成的可测信息集(各辅助变量)到主导变量估计 的映射,即用数学公式表示为:在检测和控制中常用的建模方法有:工艺机理分析方法、回归分析方法、状态估计方法、系统辨识方法、模式识别方法、人工神经网络方法、模糊数学方法、过程层析成像方法、相关分析方法和现代非线性信息处理方法。第50页/共62页(一)工艺机理分析方法 该方法是建立在对过程工艺机理的深刻认识的基础上,运用化学反应动力学、物料平衡、能量平衡等原理通过对过程对象的机理分析,找出不可测主导变量与可测辅助变量之间的关系建立模型。该方法具有简单可靠、工程背景清晰和便
30、于实际应用的特点,在工程中常被使用;但是,由于它建立在对工艺过程机理深刻认识的基础上,应用效果依赖于对工艺机理的了解程度,建模的难度较大。第51页/共62页(二)回归分析方法回归分析分为线性回归分析和非线性回归分析两大类。其中基于最小二乘原理的一元和多元线性回归技术简单实用,发展成熟,是工程中最常用的方法之一。对于辅助变量较少的情况,利用多元线性回归中的逐步回归技术可以得到较理想的软测量模型;对于辅助变量较多的情况,通常要借助机理方法得到变量组合的基本假定,然后再采用逐步回归的方法排除不重要的变量组合,得到软测量模型参数。该方法的缺点是需要大量的样本,对测量误差较为敏感。第52页/共62页(三
31、)状态估计方法 对于已知系统的状态空间模型,且主导变量作为系统状态变量时辅助变量是可观测的情况,软仪表的构造问题可以转化为状态观测或状态估计问题。该方法现在已从线性系统推广到了非线性系统,但是对于复杂的工业过程,常常难以建立有效的状态空间模型,这在一定程度上限制了该方法的应用。第53页/共62页(四)系统辨识方法该方法是将辅助变量和主导变量组成的系统看成“黑箱”,以辅助变量为输入,主导变量为输出,通过现场采集、流程模拟或实验测试,获得过程输入、输出数据,以此为依据建立软测量模型。第54页/共62页(五)模式识别方法该方法采用模式识别的方法对工业过程的操作数据进行处理,从中提取系统的特征,建立以
32、模式描述分类为基础的模式识别式软测量模型。它适用于缺乏系统先验知识的场合,可利用日常操作数据来实现软测量建模。在应用中,该方法常常和人工神经网络以及模糊技术结合在一起。第55页/共62页(六)人工神经网络方法 利用人工神经网络具有的自学习、联想记忆、自适应和非线性逼近等功能,将辅助变量作为人工神经网络的输入,而主导变量则作为网络的输出,通过网络的学习来解决不可测变量的软测量问题。第56页/共62页(七)模糊数学方法模糊数学模仿人脑逻辑思维特点,是处理复杂信息的有效手段。特别适合应用于复杂工业过程中被测对象呈现亦此亦彼的不确定性难以用常规数学定量描述的场合,在实际应用中常和人工神经网络和模式识别
33、技术等相结合以提高软仪表的效能。第57页/共62页(八)过程层析成像方法该方法以医学层析成像技术为基础,采用基于电容、电导、电磁、光学和核辐射等传感机理的传感器获取所需的投影数据信息来建立软测量模型。目前主要应用于难测流体的参数测量(例如两相流/多相流分相流量和含率)以及装置的状态监控等。第58页/共62页(九)相关分析方法以随机过程中的相关分析理论为基础,利用各辅助变量(随机信号)间的互相关函数特性来进行软测量。该方法主要应用于难测流体流速或流量的在线测量和故障诊断(例如流体输送管道泄漏的检测和定位)等。第59页/共62页(十)现代非线性信息处理方法 该方法的基本思想与相关分析一致,利用易测对象信息的随机信号,采用先进的信息处理技术,通过对所获信息的分析处理提取信号特征量,从而实现某一参数的在线检测或过程的状态识别。所不同的是具体信息处理方法不同,大多采用各种先进的非线性信息处理技术(例如小波分析,混沌和分形等),能适用于常规的信号处理手段难以适应的复杂工业系统。该方法近年来发展很快,应用范围较广,目前一般主要应用于工业系统的故障诊断、状态检测和粗大误差侦破等,并常常和人工神经网络或模糊数学等人工智能技术相结合。第60页/共62页本章结束谢 谢!第61页/共62页感谢您的观看!第62页/共62页
限制150内