现代检测理论与技术 检测技术是将自动化、电子、计算机、控制工程、信息处理、机械等多种学科、多种技术融合为一体并综合运用的符合技术，广泛应用于交通、电力、冶金、化工、建材等各领域自动化装备及生产自动化过程。
1. 常用算法
在现代检测理论与技术这门学科中介绍了几种经典的算法，其中遗传算法是最常应用到的。遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan 大学J.Holland 教授于1975年首先提出来的。
遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。
遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。搜索算法的共同特征为：
① 首先组成一组候选解；
② 依据某些适应性条件测算这些候选解的适应度；
③ 根据适应度保留某些候选解，放弃其他候选解；
④ 对保留的候选解进行某些操作，生成新的候选解。
在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。
遗传算法还具有以下几方面的特点：
(1)遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。
(2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。
(3)遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。
(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。
(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。
由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。在函数优化、组合优化、生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。
2. 现在检测技术的发展：
随着半导体和计算机技术的发展，新型或具有特殊功能的传感器出现，检测装置也向小型化、固体化及智能化发展，应用领域更加宽广。
(1)不断提高监测系统的测量精度、量程范围、延长使用寿命、提高可靠性 科学技术的发展要求测量系统有更高的精度。近年来，人们研制出许多高精度的检测仪器以满足各种需求。例如，用直线光栅测量直线位移时，测量范围可达二三十米，而分辨率可达到微米级；人们已经研制出测量低至几个帕的微压力和高达几千兆帕高压的；力传感器；开发了能够测出极微弱磁场的磁敏传感器等。
(2)应用新技术和新的物理效应，扩大检测领域
检测原理大多以各种物理效应为基础，近代物理学的进展如纳米技术、激光、红外、超声波、微波、光纤、放射性同位素等新成就为检测技术的发展提供了更多的依据。如图像识别、激光测距、红外测温、C 型超声波无损探伤。放射性测厚。中子探测爆炸物等非接触测量得到迅速发展。
如今，检测领域正扩大到整个社会需要的各个方面，不仅包括工程、海洋开发、航空航天等尖端科技和新兴工业领域，而且已涉及生物、医疗、环境污染监测、危险品和毒品的侦查、安全检测等方面，并且已经开始渗入到人们的日常生活设施之中。
(3)发展集成化、功能化的传感器
随着半导体集成电路技术的发展，硅和砷化镓电子元件的高度集成化大量向传感器领域渗透。人们将传感技术与信号处理电路制作在同一块硅片上，从而研制体积更小、性能更好、功能更强的传感器。例如，高精度的PN 结测温集成电路；又如，将排成阵列的上千万个光敏元件及扫描放大电路制作在一块芯片上，制成彩色CCD 数码照相机、摄像机以及可摄像的手机等。今后还将在光、磁、温度、压力等领域开发出新型的集成度很高的传感器。
(4)采用计算机技术，使检测技术智能化
自20世纪70年代微处理器问世以来，人们迅速将计算机技术应用到测量技术领域中来，使检测仪器智能化，从而扩展了功能，提高了精度和可靠性，目前研制的测量系统大多带有微处理器。
(5)发展网络化传感器及检测系统
随着微电子技术的发展，现在已经可以将十分复杂的信号处理和控制电路集成到单块的芯片中去。传感器的输出不再是模拟量，而是符合某种协议格式（如可即插即用）的数字信号。从而可以通过企业内部网络，也可以通过网络实现多个系统之间的数据交换和共享，从而构成网络化的检测系统。还可以远在千里之外，随时随地浏览现场工况，实现远程调试、远程故障诊断。远程数据采集和实时操作。
3. 现在检测技术的趋势：
(1)软测量技术
科技的进步和生产规模的扩大以及工艺的日渐复杂，给自动检测和控制提出了更高的要求，人们迫切需要找到一种新的技术来满足生产过程的检测和优化控制的需要。软测量技术(Soft SensingTechniques)被认为是目前最具吸引力和卓有成效的新方法。其主要包括三部分内容：第一，根据某种最优化原则研究建立软测量数学模型的方法，这是软测量技术的核心。主要方法有机理建模方法和辨识建模方法。辨识建模方法包括动态模型的间接辨识，静态模型的回归分析法辨识，采用模糊逻辑和神经网络以及二者结合的非线性建模。第二，模型实时运算的工程化实施技术，这是软测量技术的关键。包括现场数据的采集和处理，软测量模型结构的选择，模型参数的估计等。第三，模型自校正技术，这是提高软测量准确度的有效方法，包括在线自校正和模型的离线更新技术等。
(2)模糊传感器
模糊逻辑控制作为一种新颖的高级控制方式，成为智能控制的一个重要分支。模糊控制技术的理论基础是模糊数学和模糊逻辑理论。模糊理论是建立在人类思维的基础上，能很好的表达事物的模糊性质。传统的传感器虽然有高精度、无冗余的优点，但也存在提供的信息简单，难于描述涉及人类感觉信息和某些高层逻辑信息的问题。模糊传感器可以说在经典传感器数值测量的基础上具有经过模糊推理和知识集成、以自然语言符号的描述形式输出的传感器，能够对模糊事物进行识别和判断，可以应用在传统传感器无法处理的场合。
(3)仿生传感器
自然界中的许多生物有着超乎寻常的能力，如，狗的嗅觉是人类的一百多倍，鸟的视觉是人的50到60倍，蝙蝠、海豚的听觉相当灵敏。所有这些动物的感官的、性能，是今后研究仿生传感器（如视觉传感器、听觉传感器、嗅觉传感器等）的努力方向。
电力、石油、化工、机械等行业的一些大型设备通常在高温、高压和大功率状态下运行，保证这些设备安全运行在国民经济中有着重要意义。为此，为此经
常设置故障监测系统以对温度、压力、流量、转速、振动和噪声等多种参数进行长期动态监测，以便及时发现异状，加强故障防御，达到早期诊断的目的。这样做可以避免突发事件，保证人员和机器的安全，提高经济利益。即使设备发生故障，也可以从检测的数据中找出故障原因，缩短检修周期，提高检修质量。
检测技术与自动化装置的研究与应用，不仅具有重要的理论意义，符合当前及今后相当长时期内我国科技发展的战略，而且紧密结合国民经济的实际情况，对促进企业技术进步、传统工业技术改造和铁路技术装备的现代化有着重要的意义。
现代检测理论与技术 检测技术是将自动化、电子、计算机、控制工程、信息处理、机械等多种学科、多种技术融合为一体并综合运用的符合技术，广泛应用于交通、电力、冶金、化工、建材等各领域自动化装备及生产自动化过程。
1. 常用算法
在现代检测理论与技术这门学科中介绍了几种经典的算法，其中遗传算法是最常应用到的。遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan 大学J.Holland 教授于1975年首先提出来的。
遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。
遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。搜索算法的共同特征为：
① 首先组成一组候选解；
② 依据某些适应性条件测算这些候选解的适应度；
③ 根据适应度保留某些候选解，放弃其他候选解；
④ 对保留的候选解进行某些操作，生成新的候选解。
在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。
遗传算法还具有以下几方面的特点：
(1)遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。
(2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。
(3)遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。
(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。
(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。
由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。在函数优化、组合优化、生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。
2. 现在检测技术的发展：
随着半导体和计算机技术的发展，新型或具有特殊功能的传感器出现，检测装置也向小型化、固体化及智能化发展，应用领域更加宽广。
(1)不断提高监测系统的测量精度、量程范围、延长使用寿命、提高可靠性 科学技术的发展要求测量系统有更高的精度。近年来，人们研制出许多高精度的检测仪器以满足各种需求。例如，用直线光栅测量直线位移时，测量范围可达二三十米，而分辨率可达到微米级；人们已经研制出测量低至几个帕的微压力和高达几千兆帕高压的；力传感器；开发了能够测出极微弱磁场的磁敏传感器等。
(2)应用新技术和新的物理效应，扩大检测领域
检测原理大多以各种物理效应为基础，近代物理学的进展如纳米技术、激光、红外、超声波、微波、光纤、放射性同位素等新成就为检测技术的发展提供了更多的依据。如图像识别、激光测距、红外测温、C 型超声波无损探伤。放射性测厚。中子探测爆炸物等非接触测量得到迅速发展。
如今，检测领域正扩大到整个社会需要的各个方面，不仅包括工程、海洋开发、航空航天等尖端科技和新兴工业领域，而且已涉及生物、医疗、环境污染监测、危险品和毒品的侦查、安全检测等方面，并且已经开始渗入到人们的日常生活设施之中。
(3)发展集成化、功能化的传感器
随着半导体集成电路技术的发展，硅和砷化镓电子元件的高度集成化大量向传感器领域渗透。人们将传感技术与信号处理电路制作在同一块硅片上，从而研制体积更小、性能更好、功能更强的传感器。例如，高精度的PN 结测温集成电路；又如，将排成阵列的上千万个光敏元件及扫描放大电路制作在一块芯片上，制成彩色CCD 数码照相机、摄像机以及可摄像的手机等。今后还将在光、磁、温度、压力等领域开发出新型的集成度很高的传感器。
(4)采用计算机技术，使检测技术智能化
自20世纪70年代微处理器问世以来，人们迅速将计算机技术应用到测量技术领域中来，使检测仪器智能化，从而扩展了功能，提高了精度和可靠性，目前研制的测量系统大多带有微处理器。
(5)发展网络化传感器及检测系统
随着微电子技术的发展，现在已经可以将十分复杂的信号处理和控制电路集成到单块的芯片中去。传感器的输出不再是模拟量，而是符合某种协议格式（如可即插即用）的数字信号。从而可以通过企业内部网络，也可以通过网络实现多个系统之间的数据交换和共享，从而构成网络化的检测系统。还可以远在千里之外，随时随地浏览现场工况，实现远程调试、远程故障诊断。远程数据采集和实时操作。
3. 现在检测技术的趋势：
(1)软测量技术
科技的进步和生产规模的扩大以及工艺的日渐复杂，给自动检测和控制提出了更高的要求，人们迫切需要找到一种新的技术来满足生产过程的检测和优化控制的需要。软测量技术(Soft SensingTechniques)被认为是目前最具吸引力和卓有成效的新方法。其主要包括三部分内容：第一，根据某种最优化原则研究建立软测量数学模型的方法，这是软测量技术的核心。主要方法有机理建模方法和辨识建模方法。辨识建模方法包括动态模型的间接辨识，静态模型的回归分析法辨识，采用模糊逻辑和神经网络以及二者结合的非线性建模。第二，模型实时运算的工程化实施技术，这是软测量技术的关键。包括现场数据的采集和处理，软测量模型结构的选择，模型参数的估计等。第三，模型自校正技术，这是提高软测量准确度的有效方法，包括在线自校正和模型的离线更新技术等。
(2)模糊传感器
模糊逻辑控制作为一种新颖的高级控制方式，成为智能控制的一个重要分支。模糊控制技术的理论基础是模糊数学和模糊逻辑理论。模糊理论是建立在人类思维的基础上，能很好的表达事物的模糊性质。传统的传感器虽然有高精度、无冗余的优点，但也存在提供的信息简单，难于描述涉及人类感觉信息和某些高层逻辑信息的问题。模糊传感器可以说在经典传感器数值测量的基础上具有经过模糊推理和知识集成、以自然语言符号的描述形式输出的传感器，能够对模糊事物进行识别和判断，可以应用在传统传感器无法处理的场合。
(3)仿生传感器
自然界中的许多生物有着超乎寻常的能力，如，狗的嗅觉是人类的一百多倍，鸟的视觉是人的50到60倍，蝙蝠、海豚的听觉相当灵敏。所有这些动物的感官的、性能，是今后研究仿生传感器（如视觉传感器、听觉传感器、嗅觉传感器等）的努力方向。
电力、石油、化工、机械等行业的一些大型设备通常在高温、高压和大功率状态下运行，保证这些设备安全运行在国民经济中有着重要意义。为此，为此经
常设置故障监测系统以对温度、压力、流量、转速、振动和噪声等多种参数进行长期动态监测，以便及时发现异状，加强故障防御，达到早期诊断的目的。这样做可以避免突发事件，保证人员和机器的安全，提高经济利益。即使设备发生故障，也可以从检测的数据中找出故障原因，缩短检修周期，提高检修质量。
检测技术与自动化装置的研究与应用，不仅具有重要的理论意义，符合当前及今后相当长时期内我国科技发展的战略，而且紧密结合国民经济的实际情况，对促进企业技术进步、传统工业技术改造和铁路技术装备的现代化有着重要的意义。