现代传感技术及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

现代传感技术及应用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

1 传感器基本特性1

1.1 概述1

1.1.1 传感器的作用1

1.1.2 传感器及传感技术1

1.1.3 传感器的组成2

1.1.4 传感器的分类2

1.1.5 传感器的发展趋势2

1.2 传感器的组成与结构3

1.2.1 传感器的组成3

1.2.2 传感器的结构形式4

1.3 传感器的一般特性8

1.3.1 传感器的静态特性8

1.3.2 传感器的动态特性14

1.3.3 不失真测试的条件分析22

1.3.4 传感器的标定25

练习题27

2 光纤传感器28

2.1 光纤传感器的特点及分类28

2.1.1 光纤传感器的特点28

2.1.2 光纤传感器的分类29

2.2 光纤的传光特性29

2.2.1 光纤的结构及分类30

2.2.2 光纤的传光原理33

2.2.3 光纤的衰减机理36

2.3 光纤传感器的光源与光检测器38

2.3.1 光纤传感器用光源的分类及特点38

2.3.2 半导体光电检测器41

2.4 光纤传感器的应用45

2.4.1 光纤温度传感器45

2.4.2 光纤压力传感器49

2.4.3 光纤流量、流速传感器51

练习题54

3 图像传感器55

3.1 电荷耦合摄像器件55

3.1.1 CCD基本工作原理55

3.1.2 电荷转移与电极结构57

3.1.3 电荷的注入与读出61

3.1.4 CCD图像传感器63

3.1.5 图像传感器的主要特性参数65

3.2 热成像技术72

3.2.1 热像仪的组成72

3.2.2 热释电摄像管的结构及原理74

3.3 图像传感器的典型应用80

3.3.1 固态图像传感器的应用80

3.3.2 热成像无损探测83

练习题87

4 生物传感器88

4.1 生物传感器概述88

4.1.1 生物传感器的应用范围88

4.1.2 生物传感器的发展89

4.1.3 生物传感器的基本原理及特点91

4.1.4 生物传感器的分类93

4.2 生物识别机理及膜固定技术94

4.2.1 酶反应95

4.2.2 微生物反应及检测95

4.2.3 免疫学反应97

4.2.4 其他类型的生物学反应99

4.2.5 膜及其固定技术100

4.3 生物传感器原理及应用104

4.3.1 酶传感器104

4.3.2 免疫传感器106

4.3.3 微生物传感器109

4.3.4 新型生物传感器简介111

练习题118

5 无线传感器网络119

5.1 无线传感器网络概述119

5.1.1 无线传感器网络生成过程119

5.1.2 无线传感器网络结构119

5.1.3 传感器节点构成120

5.1.4 无线传感器网络特点121

5.1.5 无线传感器网络应用122

5.2 无线传感器网络关键技术125

5.2.1 无线传感器网络体系125

5.2.2 无线传感器网络拓扑126

5.2.3 无线传感器网络物理层协议130

5.2.4 无线传感器网络MAC协议131

5.2.5 无线传感器网络路由协议136

5.2.6 无线传感器网络传输和应用层协议141

5.2.7 无线传感器网络其他关键技术142

5.2.8 无线传感器网络能量管理机制150

5.3 无线传感器网络的典型设计实例151

5.3.1 设计简介151

5.3.2 Mica2节点设计分析152

5.4 无线传感器网络应用实例155

5.4.1 芯片制造厂设备监控系统应用155

5.4.2 大鸭岛海燕生活习性监测保护应用155

5.4.3 家庭及办公智能化网络应用156

练习题157

6 移动机器人传感器158

6.1 移动机器人传感器概述158

6.1.1 机器人与移动机器人158

6.1.2 移动机器人感知158

6.1.3 移动机器人传感器分类159

6.2 移动机器人常用内部传感器160

6.2.1 编码器160

6.2.2 惯性传感器164

6.3 移动机器人航位推算模型172

6.3.1 差速驱动移动机器人172

6.3.2 类车或三轮移动机器人173

6.4 移动机器人常用外部传感器174

6.4.1 触觉传感器174

6.4.2 接近觉传感器174

6.4.3 测距传感器178

6.5 主动嗅觉感知181

6.5.1 机器人嗅觉181

6.5.2 机器人嗅觉常用气体／气味传感器182

6.5.3 常用风速／风向传感器186

6.5.4 气味／气体源搜寻策略187

练习题188

7 智能传感技术189

7.1 智能传感器概述189

7.2 智能传感器的实现190

7.2.1 非集成化结构190

7.2.2 集成化结构190

7.2.3 标度变换技术192

7.2.4 混合实现193

7.3 数据处理及软件实现194

7.3.1 非线性校正194

7.3.2 自校零与自校准技术198

7.3.3 噪声抑制技术200

7.3.4 自补偿、自检验及自诊断203

7.4 微机电系统205

7.4.1 微机电系统概述205

7.4.2 微机电系统的关键技术206

7.4.3 典型微机电传感器210

7.5 网络传感器211

7.5.1 网络传感器及其特点212

7.5.2 网络传感器的类型212

7.5.3 网络传感器通用接口标准213

7.5.4 网络传感器的发展形式215

练习题216

8 多源传感器信息融合技术218

8.1 信息融合技术的基本概念和分类218

8.2 贝叶斯（Bayes）估计219

8.2.1 Bayes条件概率公式219

8.2.2 基于Bayes方法的信息融合原理220

8.3 卡尔曼（Kalman）滤波221

8.3.1 卡尔曼滤波的基本方程221

8.3.2 基于卡尔曼滤波器的数据融合方法在高温炉检测系统中的应用223

8.4 自适应加权平均和有序加权平均算法225

8.4.1 自适应加权平均225

8.4.2 有序加权平均算子（ordered weighted averaging，OWA）226

8.5 Dempster-Shafer证据理论227

8.5.1 证据理论基本模型和性质227

8.5.2 证据理论的组合规则228

8.5.3 证据理论的进一步说明229

8.6 神经网络信息融合方法234

8.6.1 单个BP（back propagation）网络的建立235

8.6.2 多个BP网络的集成235

8.7 数据关联的基本概念和方法237

8.7.1 数据关联的概念237

8.7.2 “最近邻”法238

8.7.3 概率数据关联滤波器238

8.7.4 模糊数据关联240

8.7.5 多传感器的模糊聚类融合技术241

8.8 多传感器目标检测243

8.8.1 问题的描述243

8.8.2 检测空间的划分与信任级别245

8.8.3 分布式检测多传感器系统结构247

8.9 基于案例的推理技术在数据融合中的应用248

8.9.1 基于案例推理的基本原理249

8.9.2 一个基于案例推理的应用实例251

8.10 粗集理论与信息融合253

8.10.1 粗集的基本概念253

8.10.2 粗集254

8.10.3 知识的约简255

8.10.4 基于粗集理论的多传感器融合256

8.10.5 本节小结260

8.11 基于模糊积分的信息融合260

8.11.1 模糊测度的基本概念260

8.11.2 模糊积分的基本概念和性质261

8.11.3 钢铁厂的试验261

练习题262

参考文献263