智能检测技术.pptx

第十章第十章智能检测技术智能检测技术10.1智能检测系统10.2智能检测方法智能检测系统的典型结构如图10-1所示，其主要由传感器、信号采集调理系统、计算机、基本I/O系统、交互通信系统、控制系统等组成。传感器是智能检测系统的信息来源，是能够感受规定的被测量，并按照一定的规律转换成可用输出信号的器件或装置。信号采集调理系统接收和采集来自传感器的各种信号和信息，经过计算分析和判断处理，输出相应信号给计算机。信号采集调理系统的硬件主要包括前置放大器、抗混叠低通滤波器、采样/保持器和多路模拟开关、程控放大器、A/D转换器等。输入按输入信号的不同可分为模拟量输入和数字量输入。模拟量输入是检测系统中最常用的也是最复杂的，被测信号经传感器拾取后变成电信号，再经信号采集调理系统对输入信号进行放大、滤波、非线性补偿、阻抗匹配等功能性调节后送入计算机。数字量输入则通过通道测量、采集各种状态信息，将这些信息转换为字节或字的形式后送入计算机。由于信号可能存在瞬时高压、过电压、噪声及触点抖动，因此数字输入电路通常包括信号转换、滤波、过压保护、电隔离及消除抖动等电路，以消除这些因素对信号的影响。图10-1智能检测系统的典型结构计算机是整个智能检测系统的核心，对整个系统起监督、管理、控制作用，同时进行复杂信号的处理、控制决策、产生特殊的检测信号、控制整个检测过程等。此外，利用计算机强大的信息处理能力和高速的运算能力，可实现命令识别、逻辑判断、非线性误差修正、系统动态特性的自校正以及系统自学习、自适应、自诊断、自组织等功能。智能检测系统通过机器学习、人工神经网络、数据挖掘等人工智能技术，可实现环境识别处理和信息融合，从而达到高级智能化水平。基本I/O系统用于实现人机对话、输入或修改系统参数、改变系统工作状态、输出测试结果、动态显示测控过程以及以多种形式输出、显示、记录、报警等功能。交互通信系统用于实现与其他仪器仪表等系统的通信与互连。依靠交互通信系统可根据实际问题需求灵活构造不同规模、不同用途的智能检测系统，如分布式测控系统、集散型测控系统等。通信接口的结构及设计方法与采用的总线技术、总线规范有关。控制系统实现对被测对象、被测试组件、测试信号发生器，甚至对系统本身和测试操作过程的自动控制。根据实际需要，大量接口以各种形式存在于系统中，接口的作用是完成与它所连接的设备之间的信号转换(如进行信号功率匹配、阻抗匹配、电平转换和匹配)和交换、信号(如控制命令、状态数据信号、寻址信号等)传输、信号拾取，以及对信号进行必要的缓冲或锁存，以增强智能检测系统的功能。传感器作为智能检测系统的主要信息来源，其性能决定了整个检测系统的性能。传感器技术是关于传感器的设计、制造及应用的综合技术，它是信息技术(传感与控制技术、通信技术和计算机技术)的三大支柱之一。传感器的工作原理多种多样，种类繁多，近年来随着新技术的不断发展，涌现出了各种类型的新型智能传感器，使传感器不仅有视、嗅、触、味、听觉的功能，还具有存储、逻辑判断和分析等人工智能，从而使传感器技术提高到了一个新的水平。智能传感器是传感器技术发展的必然趋势。本节从智能检测应用角度介绍常用传感器和智能传感器的功能及应用特点。1.1.常用传感器常用传感器(1)应变式传感器：利用电阻应变效应将被测量转换成电阻的相对变化的一种装置，它是目前最常用的一种测量力和位移的传感器，在航空、船舶、机械、建筑等领域里获得了广泛应用。(2)电感式传感器：利用电磁感应原理将被测量转换成电感量变化的一种装置，其广泛应用于位移测量以及能转换成位移的各种参量(如压力、流量、振动、加速度、比重、材料损伤等)的测量。其中，电涡流式电感传感器还可进行非接触式连续测量。这种传感器能实现信息的远距离传输、记录、显示和控制，在工业自动控制系统中被广泛采用。(3)电容式传感器：将被测量转换成电容量变化的一种装置，其广泛应用于压力、差压、液位、振动、位移、加速度、成分含量等方面的测量。(4)压电式传感器：利用某些材料的压电效应将力转变为电荷或电压输出的一种装置，其在各种动态力、机械冲击与振动测量，以及声学、医学、力学、宇航等方面得到了非常广泛的应用。(5)磁电式传感器：通过电磁感应原理将被测量转换为电信号的一种装置，其广泛应用于电磁、压力、加速度、振动等方面的测量。(6)光电式传感器：利用光电元件将光能转换成电能的一种装置，可用于检测许多非电量。由于光电式传感器响应快、结构简单、使用方便，而且具有较高的可靠性，因此在检测、自动控制及计算机等方面应用非常广泛。(7)热电传感器：一种将温度转换成电量的装置，包括电阻式温度传感器、热电偶传感器、集成温度传感器等。热电偶传感器是工程上应用最广泛的温度传感器，其构造简单，使用方便，具有较高的准确度、稳定性及复现性，温度测量范围宽，动态性能好，在温度测量中占有重要的地位。(8)超声波传感器：利用超声波的传播特性进行工作，已广泛应用于超声波探伤及液位、厚度等的测量。超声波探伤是无损探伤的重要工具之一。2.2.智能传感器智能传感器智能传感器集成了微处理器，具有检测、判断、信息处理、信息记忆和逻辑思维等功能。它主要由传感器、微处理器及相关电路组成。微处理器能按照给定的程序对传感器实施软件控制，把传感器从单一功能变成多功能，具有自诊断、自校准、自适应性功能；能够自动采集数据，并对数据进行预处理；能够自动进行检验、自选量程、自寻故障等。智能传感器与传统的传感器相比具有以下特点：(1)扩展了测量范围和功能，组态功能可实现多传感器多参数综合测量。(2)具有逻辑判断、信息处理功能，可对检测数据进行分析、修正和误差补偿，大大提高了测量精度。(3)具有自诊断、自校准、自适应性以及数据存储功能，能够进行选择性的测量和排除外界的干扰，提高了测量的稳定性和可靠性。(4)在相同精度的需求下，多功能智能传感器与单一功能普通传感器相比，性价比明显提高。(5)具有数据通信接口，能够直接将数据送入远程计算机进行处理，具有多种数据输入形式，适配各种应用系统。智能传感器是微电子技术、计算机技术和自动测试技术的结晶，其特点是能输出测量数据及相关的控制量，适配各种微控制器。它是在硬件的基础上通过软件来实现检测功能，软件在智能传感器中占据了主要成分，智能传感器通过各种软件对测量过程进行管理和调节，使之工作在最佳状态，并对传感器测量数据进行各种处理和存储，提高了传感器性能指标。智能传感器的智能化程度与软件的开发水平成正比，利用软件能够实现硬件难以实现的功能，以软件代替了部分硬件，降低了传感器的制造难度。典型的智能检测系统硬件由传感器、前置放大器、抗混叠低通滤波器、采样/保持电路和多路开关、A/D转换器、RAM、EPROM、调理电路控制器、信息总线等组成，如图10-2所示。前置放大器的主要作用是将来自传感器的低电压信号放大到系统所要求的电压，同时可以提高系统的信噪比，减少外界干扰。图10-2典型智能检测系统硬件构成1.1.软件组成软件组成 智能检测系统中的软件取决于智能检测系统的硬件支持和检测功能的复杂程度。智能 检测系统中的软件按功能一般可包括数据采集、数据处理、数据管理、系统控制、系统管 理、网络通信、虚拟仪器等，如图10-3所示。数据采集软件有初始化系统、收集实验信号与采集数据等功能，将所需的数据参数提 取至检测系统中。 数据处理软件将数据进行实时分析、信号处理、识别分类，包括对数据进行数字滤波、 去噪、回归分析、统计分析、特征提取、智能识别、几何建模与仿真等功能模块。 数据管理软件包括对采集数据进行显示、打印、存储、回放、查询、浏览、更改、删除 等功能模块。 系统控制软件可根据预定的控制策略通过控制参数设置进而实现控制整个系统。控制 软件的复杂程度取决于系统的控制任务。计算机控制任务按设定值性质可分为恒值调节、 伺服控制和程序控制三类。常见的控制策略有程序控制、PID控制、前馈控制、最优控制与 自适应控制等。 系统管理软件包括系统配置、系统功能测试诊断、传感器标定校准功能模块等。其中 系统配置软件对配置的实际硬件环境进行一致性检查，建立逻辑通道与物理通道的映射关 系，生成系统硬件配置表。网络通信软件完成检测系统的内外部通信。图10-3智能检测系统中的软件组成2.2.虚拟仪器虚拟仪器随着计算机技术的高速发展，传统仪器开始向计算机化方向发展。以计算机为核心，计算机软件技术与测试软件系统的有机结合，产生了虚拟仪器。美国国家仪器公司NI在20世纪80年代提出了虚拟仪器(VI)的概念，它是指通过应用程序将通用计算机与功能化硬件结合起来，用户可通过友好的图形界面来操作这台计算机，就像在操作自己定义和设计的一台单个仪器一样，从而完成对被测量的采集、分析、判断、显示、数据存储等。与传统仪器一样，虚拟仪器同样划分为数据采集、数据分析处理、显示结果三大功能模块，如图10-4所示。虚拟仪器以透明方式把计算机资源与仪器硬件的测试功能相结合，实现仪器的功能运作。虚拟仪器具有如下优点：(1)性价比较高。基于通用个人计算机的虚拟仪器和仪器集成系统，可以实现多种仪器共享计算机资源，从而大大增强了仪器功能，并且降低了仪器成本。(2)开放系统。用户能根据测控任务，随心所欲地组成仪器或系统。仪器扩充和升级十分简便，配置新的测试功能模板甚至无需改变硬件，只需将应用模块化的软件包重新搭配，便可构成新的虚拟仪器。图10-4虚拟仪器的内部功能划分(3)智能化程度高。虚拟仪器是基于计算机的仪器，其软件具有强大的分析、计算、逻辑判断功能，可以在计算机上建立一个智能专家系统。(4)界面友好，使用简便。数台仪器及仪器功能显示于虚拟仪器面板上，用鼠标即可完成一切操作，人机界面极其友好。仪器功能选择、参数设置、数据处理、结果显示等均能通过友好对话进行。(5)虚拟仪器在使用中，人们可以随时获得计算机给予的帮助提示信息。图10-5划分超平面将两类数据分开如图10-6所示是一种基于支持向量机的传感器故障检测流程图，其主要分为模型建立阶段和故障检测阶段。模型建立阶段主要有:建立包含故障样本和正常样本的训练集；对训练集进行标准化处理(包括传感器信号A/D转换、单位化、滤波降噪、坐标化等)；将标准化后的数据输入SVM训练机进行训练；用交叉验证法寻找最优参数；基于最优参数建立最优SVM模型。故障检测阶段主要有:在测试集中引入传感器偏差量；对融合的测试集进行训练集等同的标准化处理；根据最优SVM模型建立基于SVM的故障检测系统；将标准化后的测试集输入基于SVM的故障检测系统；根据SVM数学特征求出超平面和决策函数；根据决策函数划分故障样本与正常样本。图10-6基于支持向量机的传感器故障检测流程图神经网络技术是国际上从20世纪80年代中期以来迅速发展和崛起的一个新研究领域，成为当今的一个研究热点。对它的研究包括理论、模型、实现和应用等各个方面，目前已经取得了较大的成果。其中神经网络技术在信号处理领域中的应用更引人注目，特别是在目标识别、图像处理、语音识别、自动控制、通信等方面有极为广阔的应用前景，并可望取得重大的突破。在信号处理领域，无论是信号的检测、识别、变换，还是滤波、建模与参数估计，都是以传统的数字计算机为基础的。由于这种计算是基于串行程序的原理和特征，使得它在信号处理的许多领域中很难发挥作用。例如在信号检测、估计与滤波中，要求的最优处理与需要的运算量之间存在着很大的矛盾，也就是说，要达到最优处理性能，需要完成的计算量通常大到不可接受的地步。为此人们就期望着有一种新的理论和技术来解决诸如此类的问题。神经网络技术就是在对人类大脑信息处理研究成果的基础上提出来的。利用神经网络的高度并行运算能力，就可以实现难以用数字计算机实现的最优信号处理。神经网络不仅是信号处理的有效工具，而且也是一种新的方法论。目前，在智能检测领域中广泛开展了对神经网络的深入研究，主要应用包括实时控制、故障诊断、参数估计、传感器模型、模式识别与分类、环境监测与治理及光谱与化学分析等。在实际智能检测系统中，传感器的输出特性不仅仅是目标参量的函数，它还受到环境参量的影