| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·水中石油在线监测的意义 | 第11-12页 |
| ·全球水中油类检测技术引言 | 第12页 |
| ·水中油检测技术现状与发展概况 | 第12-15页 |
| ·水中油浓度测量的取样分析方法 | 第12页 |
| ·水中油现场在线自动监测方法 | 第12-13页 |
| ·几种水中油常用分析法简介 | 第13-14页 |
| ·本系统信号探测部分设计选择 | 第14页 |
| ·测量系统控制器的发展概况及选择 | 第14-15页 |
| ·课题来源及主要研究内容 | 第15-17页 |
| ·课题来源 | 第15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第2章 荧光法测量水中油的基本原理 | 第17-24页 |
| ·荧光分析法及特点 | 第17-20页 |
| ·荧光产生机理 | 第17-18页 |
| ·石油荧光测量的可行性 | 第18页 |
| ·水中油荧光产生机理的模型建立 | 第18-20页 |
| ·水中油荧光谱实验对比分析 | 第20页 |
| ·溶液的荧光强度及影响荧光的几个因素 | 第20-23页 |
| ·荧光强度和溶液浓度的关系 | 第22-23页 |
| ·荧光和结构的关系 | 第23页 |
| ·环境对荧光的影响 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 水中矿物油浓度荧光在线测量仪的设计 | 第24-42页 |
| ·脉冲氙灯及其驱动电路原理设计 | 第24-27页 |
| ·脉冲氙灯选择 | 第24-25页 |
| ·脉冲氙灯驱动电路设计 | 第25-26页 |
| ·恒温控制电路的设计 | 第26-27页 |
| ·光纤的传输特性 | 第27-32页 |
| ·光纤的数值孔径 | 第28-30页 |
| ·光纤与光源的耦合 | 第30-32页 |
| ·光纤与光探测器的耦合设计 | 第32页 |
| ·微弱荧光探测器设计中的选择 | 第32-37页 |
| ·光电倍增管及光电二极管的工作原理 | 第33页 |
| ·光电倍增管的特性及驱动电路的设计 | 第33-37页 |
| ·光电二极管的工作原理 | 第37页 |
| ·荧光信号检测系统的设计 | 第37-41页 |
| ·前置放大器的设计 | 第37-40页 |
| ·电流－电压转换电路的设计 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 荧光信号高速采集检测及处理电路设计 | 第42-64页 |
| ·荧光测量控制器及数据处理介绍 | 第42-44页 |
| ·嵌入式系统组成 | 第42-43页 |
| ·硬件层概述 | 第43页 |
| ·嵌入式微处理器 | 第43页 |
| ·嵌入式系统存储器介绍 | 第43-44页 |
| ·通用设备接口和I/O 接口 | 第44页 |
| ·ARM Cortex-M3 介绍 | 第44-50页 |
| ·ARM Cortex-M3 的优点及特性 | 第44-45页 |
| ·基于ARM Cortex-M3 内核的STM32F103RBT6 CPU | 第45-49页 |
| ·电源模块 | 第49页 |
| ·CPU 模块电压采集系统的设计 | 第49-50页 |
| ·信号处理模块的ARM 数字滤波器设计 | 第50-52页 |
| ·FIR 滤波器特性 | 第50-51页 |
| ·FIR 数字滤波器的ARM 中设计 | 第51-52页 |
| ·液晶模块硬件设计 | 第52-54页 |
| ·与PC 机通讯模块设计 | 第54-57页 |
| ·串行通讯工作原理 | 第54-55页 |
| ·通讯标准与协议设计 | 第55-56页 |
| ·JTAG 接口电路的设计 | 第56-57页 |
| ·Cortex—M3 软件设计及系统调试设计 | 第57-63页 |
| ·KEIL 下串口设备的驱动设计 | 第57-60页 |
| ·ADC 模块软件设计 | 第60-61页 |
| ·PC 上位机软件设计 | 第61页 |
| ·系统调试 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 基于神经网络集成算法的荧光光谱处理 | 第64-78页 |
| ·引言 | 第64-69页 |
| ·神经网络定义 | 第64页 |
| ·神经网络的优点和性质 | 第64-65页 |
| ·神经元模型 | 第65-67页 |
| ·神经网络的应用研究内容 | 第67-68页 |
| ·人工神经网络的工作原理 | 第68-69页 |
| ·人工神经网络的发展史 | 第69页 |
| ·神经网络集成算法的定义 | 第69-71页 |
| ·神经网络集成理论分析 | 第70页 |
| ·各种神经网络集成的比较分析 | 第70-71页 |
| ·基于NSENN 的理论提出及其荧光谱分析的应用分析 | 第71-75页 |
| ·基于噪声传播的神经网络集成算法 | 第71页 |
| ·基于噪声传播的神经网络集成算法理论分析 | 第71-72页 |
| ·水中油荧光谱信号的NSENN 的体系结构 | 第72-75页 |
| ·石油荧光谱数据的算法实验 | 第75-76页 |
| ·石油荧光谱数据实验对比分析 | 第75-76页 |
| ·基于NSENN 算法训练曲线和误差分析 | 第76页 |
| ·本章小结 | 第76-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |