传感器与数据采集培训课程体系（选修）

---

课程目录

 

专题一：传感器基础与检测技术原理

• 1.1 传感器概述与分类

• 1.2 测量系统基本结构

• 1.3 传感器静态特性

• 1.4 传感器动态特性

• 1.5 测量误差基础

• 1.6 误差分类与处理

• 1.7 测量数据处理

• 1.8 传感器选型原则

• 1.9 传感器安装与防护

• 1.10 综合实践：典型测量任务传感器选型

 

专题二：常用传感器原理与应用

• 2.1 电阻应变式传感器

• 2.2 电感式传感器

• 2.3 电容式传感器

• 2.4 压电式传感器

• 2.5 霍尔式传感器

• 2.6 热电式传感器

• 2.7 光电传感器

• 2.8 光纤传感器

• 2.9 超声波传感器

• 2.10 半导体传感器

• 2.11 MEMS传感器

• 2.12 综合实践：超声波测距系统设计

 

专题三：信号调理与处理电路设计

• 3.1 信号调理概述

• 3.2 信号放大电路

• 3.3 信号滤波电路

• 3.4 信号调制解调电路

• 3.5 信号隔离技术

• 3.6 电流/电压转换电路

• 3.7 电桥测量电路

• 3.8 电荷放大电路

• 3.9 信号线性化电路

• 3.10 电压比较与整形电路

• 3.11 模数转换接口电路

• 3.12 综合实践：多路传感器信号调理电路设计

 

专题四：数据采集系统与虚拟仪器技术

• 4.1 数据采集系统概述

• 4.2 采样定理与抗混叠

• 4.3 多路信号采集技术

• 4.4 数据采集卡选型

• 4.5 数据采集卡编程基础

• 4.6 虚拟仪器技术概述

• 4.7 LabVIEW编程基础

• 4.8 LabVIEW数据采集编程

• 4.9 数据采集与仪器控制

• 4.10 数据采集系统的抗干扰设计

• 4.11 数据采集软件分析与处理

• 4.12 综合实践：多通道温度采集监测系统

 

专题五：工业物联网与无线传感器网络

• 5.1 工业物联网概述

• 5.2 工业物联网通信协议

• 5.3 无线传感器网络基础

• 5.4 ZigBee技术

• 5.5 蓝牙/BLE技术

• 5.6 WiFi技术

• 5.7 LoRa与NB-IoT

• 5.8 边缘计算技术

• 5.9 传感器数据上云

• 5.10 云平台设备管理

• 5.11 数据可视化与监控

• 5.12 综合实践：多传感器数据采集上云系统

 

专题六：智能感知系统设计与数据融合

• 6.1 智能感知系统概述

• 6.2 多传感器数据融合

• 6.3 卡尔曼滤波原理与应用

• 6.4 传感器误差建模与补偿

• 6.5 时序数据处理算法

• 6.6 机器学习在感知中的应用

• 6.7 神经网络与深度学习

• 6.8 智能视觉感知

• 6.9 分布式感知网络

• 6.10 智能感知系统设计方法

• 6.11 感知系统校准技术

• 6.12 综合实践：多传感器融合姿态测量系统

 

课程体系概述

本课程体系结合企业实际人才需求与传感检测技术发展路线，按照技术专题分类，涵盖从传感器原理基础到信号调理、从数据采集系统到工业物联网应用、从误差分析到智能感知的完整知识体系，共分为六个技术专题。每个专题均结合主流软件工具与工程实践。

 

专题一：传感器基础与检测技术原理

传感器基础与检测技术原理课程大纲

培训对象

• 自动化/测控技术新入职工程师

• 物联网应用技术人员

• 机械/电子类转岗人员

• 相关专业学生

培训目标

• 掌握传感器的基本概念、分类与工作原理

• 理解传感器与检测系统的静态特性和动态特性

• 熟悉测量系统的基本结构与性能指标

• 具备传感器选型与基本应用能力

培训内容介绍

1. 传感器概述：传感器的定义（信息采集入口），传感器的功能（感知、转换、输出），传感器在工业自动化、物联网、智能设备、无人驾驶等领域的重要性

2. 传感器的结构与分类：敏感元件、转换元件、基本转换电路，按被测物理量分类（温度、压力、位移、速度、流量等），按工作原理分类（电阻式、电容式、电感式、压电式、光电式等）

3. 测量系统的基本结构：开环测量系统与闭环测量系统，模拟式测量系统与数字式测量系统，典型检测系统的组成框图分析

4. 传感器的静态特性：线性度（非线性误差），灵敏度（输出变化与输入变化之比），迟滞（正反行程特性差异），重复性，分辨力与阈值，零点漂移与温度漂移

5. 传感器静态性能指标计算：静态特性参数的工程计算方法，线性度的最小二乘法拟合，灵敏度计算，迟滞误差分析，综合性能指标评定

6. 传感器的动态特性：动态特性的时域表示（阶跃响应、脉冲响应），频域表示（频率响应函数），一阶系统与二阶系统的动态响应分析，不失真测量条件

7. 测量误差基础：误差的定义与表示方式（绝对误差、相对误差、引用误差），误差的来源（装置误差、环境误差、方法误差、人员误差），测量精度的概念

8. 误差分类与处理：系统误差（定值系统误差、变值系统误差）的特点与判别，随机误差的统计规律，粗大误差的判别与剔除，误差的合成与分配

9. 测量数据的处理：有效数字与数据修约规则，等精度测量数据处理流程（算术平均值、残余误差、标准偏差），最小二乘法原理与应用，回归分析基础

10. 传感器选型原则：根据测量对象与测量环境选择，灵敏度与量程选择，精度与稳定性要求，响应特性与工作方式，经济性与可靠性权衡

11. 传感器的安装与防护：机械安装要求（固定方式、减振措施、密封防护），电气连接要求（屏蔽接地、线缆选择、接头防护），环境影响与防护措施

12. 综合实践：典型测量任务传感器选型与基本测量系统搭建

 

专题二：常用传感器原理与应用

常用传感器原理与应用课程大纲

培训对象

• 自动化设备调试人员

• 工业现场维护工程师

• 产品研发测试人员

• 传感器应用工程师

培训目标

• 掌握各类常用传感器的工作原理与特性

• 熟悉不同传感器的典型应用场景

• 能够根据测量需求选择合适的传感器类型

• 具备传感器工程应用与故障排查能力

培训内容介绍

1. 电阻应变式传感器：电阻应变效应，金属应变片与半导体应变片特性，测量电桥（平衡电桥、不平衡电桥），温度补偿技术，弹性元件设计，应用实例（电子秤称重系统）

2. 电感式传感器：自感式传感器工作原理（变气隙式、变截面式），差动变压器式传感器（螺线管式、E型），电涡流式传感器原理（高频反射式、低频透射式），测量电路与调零技术，应用实例（位移测量、振动测量）

3. 电容式传感器：变极距型、变面积型、变介电常数型工作原理，电容传感器的测量电路（调频电路、运算放大器式电路、差动脉宽调制电路），抗干扰措施，应用实例（电容式压力传感器、电容式液位计）

4. 压电式传感器：正压电效应与逆压电效应，压电材料（石英晶体、压电陶瓷、PVDF），等效电路与电荷放大器，电压放大器，应用限制（静态测量限制），应用实例（振动传感器、加速度计）

5. 霍尔式传感器：霍尔效应原理，霍尔元件结构与特性参数，霍尔元件的误差补偿（不等位电势补偿、温度补偿），集成霍尔传感器（开关型、线性型），应用实例（自行车里程表、直流无刷电机换向、电流检测）

6. 热电式传感器：热电偶工作原理（塞贝克效应），热电偶类型与分度表（K型、S型、T型、J型），冷端温度补偿方法（补偿导线、冰点槽、电桥补偿），金属热电阻（Pt100、Cu50），热敏电阻（NTC、PTC），集成温度传感器（LM35、DS18B20）

7. 光电传感器：外光电效应（光电管、光电倍增管），内光电效应（光敏电阻），光生伏特效应（光电池），光电效应（光电二极管、光电三极管），光电传感器测量电路，光电开关与光电编码器，应用实例（红外报警计数装置）

8. 光纤传感器：光纤传光原理，功能型光纤传感器（利用光纤本身的敏感特性），非功能型光纤传感器（光纤仅作为传光媒介），光纤传感器的特点（抗干扰、高灵敏度），应用实例（光纤陀螺、光纤压力计）

9. 超声波传感器：超声波的发生与接收（压电晶片），超声波传感器结构，脉冲反射法与透射法工作原理，超声波传播特性（衰减、反射、折射），应用实例（超声波测距系统、超声波流量计、无损检测）

10. 半导体传感器：气敏传感器工作原理（表面电阻控制型、体电阻控制型），常用气敏材料（SnO2、ZnO），气敏传感器的应用（酒精浓度检测、燃气泄漏报警），湿敏传感器工作原理（电阻型、电容型），温湿度传感器集成应用

11. MEMS传感器：微机电系统技术基础，MEMS加速度计（电容式、压阻式工作原理），MEMS陀螺仪（科里奥利效应），MEMS压力传感器，MEMS麦克风，应用实例（手机姿态传感器、汽车惯性测量单元）

12. 综合实践：自行车里程表/环境温度检测/超声波测距系统设计与实现

 

专题三：信号调理与处理电路设计

信号调理与处理电路设计课程大纲

培训对象

• 硬件电路设计工程师

• 测控系统研发人员

• 传感器应用开发工程师

• 电子竞赛参赛者

培训目标

• 掌握传感器输出信号的类型与特点

• 熟悉信号放大、滤波、隔离等调理电路设计

• 理解信号调制解调技术及其应用

• 具备传感器接口电路设计与调试能力

培训内容介绍

1. 信号调理概述：信号调理的功能（放大、滤波、隔离、线性化、模数转换），传感器输出信号类型（电压、电流、电荷、电阻、电容），信号调理电路的基本要求

2. 信号放大电路：运算放大器基础（同相放大、反相放大、差分放大、仪表放大），精密运放选型（失调电压、偏置电流、共模抑制比、增益带宽积），仪表放大器（INA128/AD620）应用电路设计，可编程增益放大器（PGA）应用

3. 信号滤波电路：滤波器的分类（低通、高通、带通、带阻），有源滤波器设计（一阶、二阶、高阶滤波器），巴特沃斯、切比雪夫、贝塞尔滤波器特性对比，无源RC滤波电路设计，抗混叠滤波器设计要点

4. 信号调制解调电路：调制解调的目的（提高抗干扰能力、便于传输），调幅与检波电路，调频与鉴频电路，相敏检波电路（锁相放大器原理），载波调制在交流电桥中的应用

5. 信号隔离技术：隔离放大器（变压器隔离、电容隔离、光电隔离），数字隔离器（磁耦ADuM系列、容耦ISO系列），隔离电源设计（DC-DC隔离模块），隔离在工业现场中的应用

6. 电流/电压转换电路：I/V转换电路设计（4-20mA电流环接收电路），V/I转换电路设计（0-10V转4-20mA发送电路），两线制变送器电路设计，三线制与四线制连接方式

7. 电桥测量电路：直流电桥（平衡电桥、不平衡电桥），交流电桥，电桥灵敏度分析，电桥调零与自动平衡，电桥输出信号放大电路设计，电阻应变仪原理

8. 电荷放大电路：电荷放大器工作原理（积分电路），电荷放大器与压电传感器匹配，电缆电容影响与补偿，电压放大器与电荷放大器的对比选择

9. 信号线性化电路：传感器非线性特性补偿原理，模拟线性化电路（对数/反对数放大、函数逼近电路），分段线性化技术，热电阻的非线性校正电路

10. 电压比较与整形电路：比较器工作原理（LM311/LM393），迟滞比较器设计（消除噪声干扰），过零检测电路，施密特触发器整形电路，频率/电压转换电路

11. 模数转换接口电路：ADC基本类型（SAR型、Σ-Δ型、积分型），ADC与传感器接口（单端输入、差分输入），参考电压源设计，抗混叠滤波器与ADC驱动电路，采样保持电路

12. 综合实践：多路传感器信号调理电路设计与调试

 

专题四：数据采集系统与虚拟仪器技术

数据采集系统与虚拟仪器技术课程大纲

培训对象

• 测试测量工程师

• 数据采集系统开发人员

• 自动化测试系统设计者

• 实验室技术人员

培训目标

• 掌握数据采集系统的基本组成与工作原理

• 熟悉数据采集卡选型与应用方法

• 掌握LabVIEW等虚拟仪器编程基础

• 具备完整数据采集系统开发能力

培训内容介绍

1. 数据采集系统概述：数据采集系统的定义与功能，典型DAQ系统组成（传感器、信号调理、采样保持、ADC、计算机），计算机化测量系统的优势，DAQ系统性能指标

2. 采样定理与抗混叠：时域采样与频域采样，奈奎斯特采样定理（fs ≥ 2fmax），采样频率选择原则，混叠现象的产生与危害，抗混叠滤波器设计，过采样技术

3. 多路信号采集技术：多路模拟开关原理，多路采集系统结构（共享ADC、多ADC并行），轮询采样与同步采样，通道间串扰与隔离，采样顺序与时间偏差补偿

4. 数据采集卡选型：数据采集卡类型（PCI/PXI/USB/以太网），关键选型参数（采样率、分辨率、通道数、量程、精度、FIFO大小），不同品牌数据采集卡对比（NI、研华、凌华、东华测试等）

5. 数据采集卡编程基础：数据采集卡驱动程序结构，底层API函数（设备打开、通道配置、启动采集、数据读取），循环缓冲与双缓冲技术，触发采集模式（软件触发、硬件触发、预触发）

6. 虚拟仪器技术概述：虚拟仪器概念（软件即仪器），虚拟仪器与传统仪器的对比，虚拟仪器开发平台（LabVIEW、LabWindows/CVI、Measurement Studio）

7. LabVIEW编程基础：LabVIEW开发环境（前面板、程序框图、控件选板、函数选板），数据流编程概念，基本数据类型（数值、布尔、字符串、数组、簇），程序结构（循环、条件、顺序、事件结构）

8. LabVIEW数据采集编程：DAQmx驱动架构，DAQ助手快速应用，DAQmx API编程（创建通道、定时配置、触发配置、读取数据），连续采集与波形显示，数据记录与文件存储

9. 数据采集与仪器控制：仪器控制基础（GPIB、串口、USB、LAN），VISA编程模型，SCPI命令编程，程控电源与万用表控制，自动测试系统集成

10. 数据采集系统的抗干扰设计：接地与屏蔽技术，模拟地与数字地处理，电源滤波与去耦，信号线与电源线布线，光电隔离在DAQ系统中的应用，软件数字滤波技术

11. 数据采集软件分析与处理：波形测量（峰值、均值、有效值、周期测量），频域分析（FFT变换、功率谱分析），曲线拟合与数据插值，数据报表与图形化显示

12. 综合实践：基于LabVIEW和数据采集卡的多通道温度采集监测系统

 

专题五：工业物联网与无线传感器网络

工业物联网与无线传感器网络课程大纲

培训对象

• 物联网应用工程师

• 工业互联网实施人员

• 智能制造系统集成者

• 远程监控系统开发者

培训目标

• 掌握工业物联网系统架构与通信协议

• 熟悉无线传感器网络技术与组网方法

• 能够进行传感器数据上云配置

• 具备工业物联网系统开发能力

培训内容介绍

1. 工业物联网概述：工业物联网（IIoT）定义与架构（感知层、网络层、平台层、应用层），工业4.0与智能制造对物联网的需求，OT与IT融合技术

2. 工业物联网通信协议：工业以太网协议（Modbus TCP、PROFINET、EtherNet/IP），现场总线协议（Modbus RTU、PROFIBUS、CANopen），物联网轻量级协议（MQTT、CoAP、LwM2M）

3. 无线传感器网络基础：无线传感器网络（WSN）组成与特点，网络拓扑结构（星型、树型、网状网），节点结构与能耗管理，覆盖与连通性问题

4. ZigBee技术：ZigBee协议栈（物理层、MAC层、网络层、应用层），ZigBee设备类型（协调器、路由器、终端设备），ZigBee网络建立与维护，ZigBee在工业监测中的应用

5. 蓝牙/BLE技术：经典蓝牙与低功耗蓝牙（BLE）区别，BLE协议栈（GAP、GATT），BLE广播与连接模式，iBeacon技术，BLE在传感器数据采集中的应用

6. WiFi技术：WiFi标准演进（802.11b/g/n/ac/ax），WiFi模块（ESP8266/ESP32）应用，AT指令集编程，透传模式与TCP/IP通信，WiFi在工业物联网中的应用场景

7. LoRa与NB-IoT：LPWAN技术特点与分类，LoRa调制技术（扩频通信、灵敏度），LoRaWAN协议架构（终端、网关、网络服务器），NB-IoT技术特点（窄带、蜂窝覆盖、低功耗），NB-IoT模组应用

8. 边缘计算技术：边缘计算概念（靠近数据源处理数据），边缘网关功能（协议转换、数据预处理、本地存储），边缘计算与云计算的协同，工业边缘计算平台

9. 传感器数据上云：物联网云平台架构（设备接入、设备管理、规则引擎、应用使能），主流云平台对比（阿里云IoT、腾讯云IoT、华为云IoT、OneNET），MQTT连接云平台配置

10. 云平台设备管理：产品创建与设备添加，设备认证方式（一机一密、设备证书），Topic定义与权限管理，物模型定义（属性、事件、服务），设备影子与离线命令

11. 数据可视化与监控：物联网应用开发（Web应用、移动应用），数据可视化组件（仪表盘、曲线图、柱状图、地图），实时数据监控与报警规则设置，时序数据库应用

12. 综合实践：基于ZigBee/ESP8266的多传感器数据采集上云系统

 

专题六：智能感知系统设计与数据融合

智能感知系统设计与数据融合课程大纲

培训对象

• 智能硬件开发工程师

• AIoT应用开发者

• 高级测试系统设计师

• 科研项目参与人员

培训目标

• 掌握多传感器融合基本原理与方法

• 理解机器学习在智能感知中的应用

• 熟悉智能感知系统设计流程

• 具备复杂感知系统开发与调试能力

培训内容介绍

1. 智能感知系统概述：智能感知定义（感知+处理+决策），智能感知系统架构，与传统检测系统的区别，智能感知在自动驾驶、智能制造、智慧医疗中的应用

2. 多传感器数据融合：数据融合的必要性（单一传感器局限性），融合层次（数据级融合、特征级融合、决策级融合），融合方法（加权平均法、卡尔曼滤波、贝叶斯估计、D-S证据理论）

3. 卡尔曼滤波原理与应用：卡尔曼滤波基本方程（状态预测、状态更新），系统建模（状态方程、观测方程），参数整定（过程噪声协方差Q、测量噪声协方差R），扩展卡尔曼滤波（EKF），应用实例（姿态解算、目标跟踪）

4. 传感器误差建模与补偿：系统误差建模方法（多项式拟合、神经网络），温度漂移补偿技术，非线性校正算法，零点与灵敏度自校准，数字补偿电路设计

5. 时序数据处理算法：平滑算法（移动平均、指数平滑），趋势分析，异常检测（阈值法、统计法、模型法），数据压缩与特征提取

6. 机器学习在感知中的应用：机器学习基础（监督学习、无监督学习），特征工程（时域特征、频域特征），分类算法（SVM、决策树、随机森林）在故障诊断中的应用，回归算法在预测中的应用

7. 神经网络与深度学习：神经元模型与多层感知机（MLP），卷积神经网络（CNN）结构（卷积层、池化层、全连接层），循环神经网络（RNN）与LSTM在时序数据处理中的应用，轻量化神经网络（TinyML）在嵌入式平台部署

8. 智能视觉感知：图像传感器与成像原理，图像预处理（滤波、增强、几何变换），特征提取（边缘检测、角点检测、特征描述子），目标检测算法（YOLO、SSD），工业视觉检测案例

9. 分布式感知网络：分布式传感器网络架构，网络时间同步（NTP、PTP），分布式数据融合算法，协同感知与任务分配，通信约束下的感知优化

10. 智能感知系统设计方法：需求分析（测量范围、精度、实时性、环境条件），传感器选型与布局优化，硬件平台选型（MCU、DSP、FPGA、嵌入式处理器），软件架构设计（任务划分、数据流设计）

11. 感知系统校准技术：单传感器校准方法（零点校准、量程校准、多点校准），系统级校准（整体误差补偿），现场校准与在线校准技术，校准周期与稳定性验证

12. 综合实践：基于多传感器融合的姿态测量/智能故障诊断系统设计

 

课程学习路径建议

如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击

服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。

专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值

 点击进入报名表

咨询电话：010-62883247

                4007991916

咨询邮箱：soft@info-soft.cn  

 

微信咨询 随时听讲课 聚焦技术实践