监测监控信息融合技术

第1章 绪论1

1.1 监测监控与信息处理1

1.1.1 监测监控技术与系统的发展及特点1

1.1.2 集成化、综合化的信息获取与处理2

1.2 传感器技术及发展2

1.2.1 传感器及其应用3

1.2.2 新型及智能传感器7

1.3 多传感器系统与信息融合14

1.3.1 传感器系统14

1.3.2 多传感器信息融合20

第2章 监测监控网络26

2.1 监测监控网络概述26

2.2 传感器总线与现场总线27

2.2.1 基本概念27

2.2.2 典型的传感器总线和现场总线27

2.3 工业以太网33

2.3.1 工业以太网技术的特征34

2.3.2 工业以太网协议37

2.4 opc技术规范39

2.4.1 opc技术特征39

.2.4.2 基于opc技术的监测监控系统应用设计41

2.5 工业无线网络46

2.5.1 监测监控中的无线技术46

2.5.2 无线传感器网络51

第3章 信息融合59

3.1 信息融合处理过程59

3.1.1 信息融合处理的框架59

3.1.2 典型的融合处理过程60

3.2 信息融合系统的模型61

3.2.1 功能模型61

3.2.2 结构模型64

3.3 信息融合方法67

3.3.1 信息融合方法分类67

3.3.2 常用的信息融合方法68

3.4 信息融合的有效性评估72

3.4.1 信息融合有效性的定性分析与评估73

3.4.2 基于证据理论的融合有效性分析76

3.4.3 信息融合有效性的定量分析与评估79

监测监控信息融合技术目录第4章 煤矿安全监测监控信息融合系统81

4.1 煤矿监测监控系统综述81

4.1.1 国外煤矿监测监控系统82

4.1.2 国内煤矿常用的监测监控系统83

4.1.3 煤矿信息管理系统91

4.1.4 煤矿安全监测监控需要解决的关键技术91

4.2 煤矿监测监控网络系统92

4.2.1 系统组成92

4.2.2 系统的功能94

4.3 煤矿监测监控信息分析96

4.3.1 引言96

4.3.2 信息分析97

4.4 面向煤矿安全监测监控的信息融合系统体系结构99

4.4.1 信息融合的层次99

4.4.2 信息融合体系结构106

第5章 煤矿安全监测监控信息融合处理108

5.1 数据级融合及基于focuss的自适应去噪声学习算法108

5.1.1 冲击干扰及其消除方法108

5.1.2 基于focuss的自适应去噪声学习算法110

5.1.3 算法的验证与分析111

5.2 特征级融合及基于w-rbf的瓦斯时间预测方法114

5.2.1 常用瓦斯预测方法的缺点115

5.2.2 时间序列分析115

5.2.3 混沌时间序列116

5.2.4 基于w-rbf的时间序列预测124

5.3 基于多黑板结构的煤矿安全态势评估131

5.3.1 煤矿安全态势评估131

5.3.2 基于多黑板结构的态势评估结构模型133

5.3.3 基于多黑板系统的态势评估及分析142

第6章 面向煤矿监测监控应用的传感器管理147

6.1 矿井环境监测可重配置传感器系统147

6.1.1 一般型可重配置传感器系统148

6.1.2 工业无线网络型可重配置传感器系统154

6.2 面向煤矿安全监测监控的传感器管理技术158

6.2.1 传感器管理问题158

6.2.2 传感器管理的功能和任务158

6.2.3 传感器管理的算法162

6.3 面向煤矿安全监测监控的传感器管理设计163

6.3.1 单传感器管理163

6.3.2 多传感器管理164

6.3.3 通风监测系统中传感器管理设计166

第7章 故障监测与诊断信息融合171

7.1 引言171

7.2 故障监测诊断的信号处理和信息融合方法173

7.2.1 基本概念173

7.2.2 信号处理和信息融合方法174

7.3 矿井通风机故障机理及信息熵特征分析176

7.3.1 旋转机械常见异常振动概述177

7.3.2 矿井通风机常见故障振动特性分析177

7.3.3 典型故障特征的信息熵提取方法180

7.3.4 故障系统多源信号特征熵提取及结果183

第8章 水环境多源监测信息融合系统186

8.1 研究背景186

8.1.1 问题的提出186

8.1.2 国内外研究现状187

8.2 水环境监测技术189

8.2.1 水质监测技术、仪器与分析方法189

8.2.2 遥感及水环境遥感监测195

8.3 水环境多源监测信息融合系统设计196

8.3.1 系统的层次结构196

8.3.2 系统的逻辑结构模型199

8.3.3 系统的总体设计200

8.4 基于wsn的地面水环境监测信息获取与处理202

8.4.1 引言202

8.4.2 wsn网络和通信基础设施相结合的系统设计203

8.4.3 leach路由协议205

8.4.4 基于动态成簇的路由算法208

8.5 基于agent的多传感器管理216

8.5.1 基于知识的多传感器管理216

8.5.2 多传感器管理的功能和任务218

8.5.3 多传感器管理的agent方法219

第9章 水环境多源监测信息融合处理224

9.1 水环境多源监测信息融合方法综述224

9.1.1 地面监测信息融合处理225

9.1.2 遥感图像信息融合处理225

9.1.3 基于遥感和地面监测的水质信息融合处理227

9.2 基于广义回归神经网络的水质空间分布分析232

9.2.1 广义回归神经网络水质空间分布模型232

9.2.2 计算分析236

9.3 基于黑板结构的信息融合专家系统238

9.3.1 功能模块及流程设计238

9.3.2 验证与分析241

9.4 水环境遥感与地理信息系统的信息集成244

9.4.1 遥感和gis信息集成245

9.4.2 遥感和gis集成系统的模式245

9.4.3 水环境遥感和gis的空间数据组织、管理与分析246

9.4.4 太湖水环境多源监测信息管理系统247

第10章 水环境多源监测信息融合的证据理论方法250

10.1 证据理论250

10.1.1 基本概念251

10.1.2 dempster组合规则251

10.1.3 冲突证据组合方法252

10.2 河口地面监测信息融合255

10.2.1 信息融合模型255

10.2.2 基于证据理论的信息融合256

10.2.3 基于bp网络的信息融合257

10.2.4 验证与分析258

10.3 证据理论信息融合计算分析软件259

10.3.1 信息融合计算分析软件设计开发259

10.3.2 实例分析262

10.4 湖泊富营养化状态评估的模糊证据理论方法263

10.4.1 基于相似性的模糊证据理论264

10.4.2 湖泊富营养化状态估计与评价模型269

10.4.3 验证及分析270

10.5 湖泊富营养化状态估计的bp网络证据理论方法273

10.5.1 bp网络证据理论方法274

10.5.2 监测数据选择与验证分析275

10.6 遥感与地面监测结合的湖泊水质状况评估278

10.6.1 研究背景278

10.6.2 神经网络证据理论方法279

10.6.3 验证和比较分析280

参考文献286