全自动血型分析系统关键技术的研究
|
摘要
全自动血型分析系统作为高端血液分析设备的代表，其研究涉及到许多重要的关键技术，包括运动控制技术、微量移液技术、故障诊断技术和血型图像识别技术等。因此，解决好各个关键技术的研究工作，是实现全自动血液分析系统的前提。本文针对目前国内对全自动血型分析系统的需求，在分析目前血型分析技术和国外血型分析系统研究现状的基础上，以解决好血型分析系统各个关键技术为基础，研制了国内首台全自动血型分析系统。
全自动血型分析系统的微量移液机构是一个多轴协调运动的复杂机械结构。本文研究了微量移液机构的机械结构、控制策略、系统模型、单轴运动控制器、多轴运动控制器和基于DSP芯片、FGPA芯片的运动控制主板。由于采用了改进的单神经元PID速度控制器和改进的模糊PID位置控制器，弥补了传统PID算法的不足，单轴的定位精度可达0.05mm，最大运动速度可达1.6m/s，最大加速度可达6m/s2，极大的提高了微量移液机构的运行速度和稳定性，最终实现了每小时80个样品的仪器检测速度。
全自动血型分析系统的微量移液技术是微量移液机构实现精确加样的前提。本文研究了一种精密微量泵的机械模型、加样精度检测、取样针堵塞识别和液面分层探测等问题。通过应力分析和模态分析，证明了柱塞选择ZrO2材料的有效性，其一阶振型最大位移小于1um。通过对微量泵加样精度检测机构的光学改进，把荧光采集效率提高了48.19%。通过分析取样针导管压力数据的幅值分布和频谱特性，有效的识别了血块堵塞和遇到泡沫两种情况。最后，采用CD4046芯片设计的液面传感器，研究了红细胞和血清分层探测时的不同导电特性。
全自动血型分析系统自动化要求的实现需要分析系统具有较低的故障率。本文研究了离心机的机械结构、故障检测平台、振动信号软件滤波、特征提取和小波BP神经网络故障诊断器。通过自适应率和遗传算法对小波BP神经网络的改进，使小波BP神经网络训练的迭代次数由463代降低到了112代，故障诊断正确率由82.5%提高到了95%，有效的提高了小波BP神经网络的收敛速度和故障诊断正确率。
全自动血型分析系统运行的最终目的是为了正确地识别血型结果。本文研究了血型试剂卡的倾斜校正、图像分割、种类识别和结果识别四个问题。通过采用两次匹配算法，使血型试剂卡的模板匹配时间由9.342s降低到了0.946s，有效地减少了图像处理所需的时间。
课题的研究工作得到了国家高技术研究发展计划（863计划）（2011AA02A104）、苏州市科技计划项目（ZXG201135）等基金的支持。
The automatic blood type analysis system was one of the representative of thehigh-end blood analysis equipments,and the system’s research involves a number ofkey technology,such as motion control, micro pipette, fault diagnosis, imageprocessing,and so on. Therefore, the solution of these key technology is the premiseof the system’s research.To meet the current domestic demand of the automatic bloodtype analysis system,based on the study of the blood type analysis technology and theforeign blood type analysis system,we solved these key key technology and developedthe domestic first automatic blood type analysis system.
The micro-pipette institutions of the automatic blood type analysis system is acomplex mechanical structures with multi-axis coordinated motion. Its mechanicalstructure, control strategy, system model, single-axis motion controller, multi-axismotion controller was studied,and its control circuit was designed by the chip DSPand FGPA. The improvement of the single neuron PID speed control algorithm andfuzzy PID position control algorithm met the deficiency of the traditional PIDalgorithm.The speed and stability of the micro-pipette institutions was greatlyimproved with its single axis positioning accuracy5mm, its maximum velocity1.6m/sand its maximum acceleration6m/s2,which led the instrument’s detection speed to80/h eventually.
The micro-pipette technology is the premise to acheive the precise sample of themicro-pipette institutions. The mechanical model of a micro-pump, the outputaccuracy detction of the pump,the recognition of sampling needle’s block and theliquid level detection was studied. Choosing the material ZrO2was proved effectiveby stress analysis and modal analysis, for the maximum displacement of its first-ordermodes was less than1um. The optical design improved the fluorescence collection efficiency of the micro-pump precision’s testing organization by48.19%. The bloodclots blocking and serum bubbles was distinguished by analyzing the sampling needlecatheter pressure’s amplitude distribution and spectral characteristics. The differentelectrical properties of the red blood cells and serum was studied with the liquid levelsensor designed by chip CD4046.
The automatic blood typing system needs lower failure rate to achieve itsautomation. We studied the centrifuge’s mechanical structure, fault detectionplatform,vibration signal software filtering, feature extraction and wavelet BP neuralnetwork fault diagnosis. The wavelet BP neural network’s convergence speed andfault diagnosis accuracy was improved by adaptive rate and genetic algorithms. Itstraining iterations reduced by the463generations to112generations, and its faultdiagnosis’s correct rate82.5%to95%.
The automatic blood type analysis system is committed to the correct analysis ofthe blood group results. Four issues was studied,such as the blood card’s tilt correction,image segmentation,species identification and results identify.The time required forimage processing was reduced effectively by using two matching algorithms,whichreduced the template matching time of the blood card from9.342s to0.946s.
The subject was supported by the "863" Project with the mumber2011AA02A104.And,it also was supported by the science and technology projects inSuzhou with the number ZXG201135.
全自动血型分析系统的微量移液机构是一个多轴协调运动的复杂机械结构。本文研究了微量移液机构的机械结构、控制策略、系统模型、单轴运动控制器、多轴运动控制器和基于DSP芯片、FGPA芯片的运动控制主板。由于采用了改进的单神经元PID速度控制器和改进的模糊PID位置控制器，弥补了传统PID算法的不足，单轴的定位精度可达0.05mm，最大运动速度可达1.6m/s，最大加速度可达6m/s2，极大的提高了微量移液机构的运行速度和稳定性，最终实现了每小时80个样品的仪器检测速度。
全自动血型分析系统的微量移液技术是微量移液机构实现精确加样的前提。本文研究了一种精密微量泵的机械模型、加样精度检测、取样针堵塞识别和液面分层探测等问题。通过应力分析和模态分析，证明了柱塞选择ZrO2材料的有效性，其一阶振型最大位移小于1um。通过对微量泵加样精度检测机构的光学改进，把荧光采集效率提高了48.19%。通过分析取样针导管压力数据的幅值分布和频谱特性，有效的识别了血块堵塞和遇到泡沫两种情况。最后，采用CD4046芯片设计的液面传感器，研究了红细胞和血清分层探测时的不同导电特性。
全自动血型分析系统自动化要求的实现需要分析系统具有较低的故障率。本文研究了离心机的机械结构、故障检测平台、振动信号软件滤波、特征提取和小波BP神经网络故障诊断器。通过自适应率和遗传算法对小波BP神经网络的改进，使小波BP神经网络训练的迭代次数由463代降低到了112代，故障诊断正确率由82.5%提高到了95%，有效的提高了小波BP神经网络的收敛速度和故障诊断正确率。
全自动血型分析系统运行的最终目的是为了正确地识别血型结果。本文研究了血型试剂卡的倾斜校正、图像分割、种类识别和结果识别四个问题。通过采用两次匹配算法，使血型试剂卡的模板匹配时间由9.342s降低到了0.946s，有效地减少了图像处理所需的时间。
课题的研究工作得到了国家高技术研究发展计划（863计划）（2011AA02A104）、苏州市科技计划项目（ZXG201135）等基金的支持。
The automatic blood type analysis system was one of the representative of thehigh-end blood analysis equipments,and the system’s research involves a number ofkey technology,such as motion control, micro pipette, fault diagnosis, imageprocessing,and so on. Therefore, the solution of these key technology is the premiseof the system’s research.To meet the current domestic demand of the automatic bloodtype analysis system,based on the study of the blood type analysis technology and theforeign blood type analysis system,we solved these key key technology and developedthe domestic first automatic blood type analysis system.
The micro-pipette institutions of the automatic blood type analysis system is acomplex mechanical structures with multi-axis coordinated motion. Its mechanicalstructure, control strategy, system model, single-axis motion controller, multi-axismotion controller was studied,and its control circuit was designed by the chip DSPand FGPA. The improvement of the single neuron PID speed control algorithm andfuzzy PID position control algorithm met the deficiency of the traditional PIDalgorithm.The speed and stability of the micro-pipette institutions was greatlyimproved with its single axis positioning accuracy5mm, its maximum velocity1.6m/sand its maximum acceleration6m/s2,which led the instrument’s detection speed to80/h eventually.
The micro-pipette technology is the premise to acheive the precise sample of themicro-pipette institutions. The mechanical model of a micro-pump, the outputaccuracy detction of the pump,the recognition of sampling needle’s block and theliquid level detection was studied. Choosing the material ZrO2was proved effectiveby stress analysis and modal analysis, for the maximum displacement of its first-ordermodes was less than1um. The optical design improved the fluorescence collection efficiency of the micro-pump precision’s testing organization by48.19%. The bloodclots blocking and serum bubbles was distinguished by analyzing the sampling needlecatheter pressure’s amplitude distribution and spectral characteristics. The differentelectrical properties of the red blood cells and serum was studied with the liquid levelsensor designed by chip CD4046.
The automatic blood typing system needs lower failure rate to achieve itsautomation. We studied the centrifuge’s mechanical structure, fault detectionplatform,vibration signal software filtering, feature extraction and wavelet BP neuralnetwork fault diagnosis. The wavelet BP neural network’s convergence speed andfault diagnosis accuracy was improved by adaptive rate and genetic algorithms. Itstraining iterations reduced by the463generations to112generations, and its faultdiagnosis’s correct rate82.5%to95%.
The automatic blood type analysis system is committed to the correct analysis ofthe blood group results. Four issues was studied,such as the blood card’s tilt correction,image segmentation,species identification and results identify.The time required forimage processing was reduced effectively by using two matching algorithms,whichreduced the template matching time of the blood card from9.342s to0.946s.
The subject was supported by the "863" Project with the mumber2011AA02A104.And,it also was supported by the science and technology projects inSuzhou with the number ZXG201135.
引文
[1]胡丽华．临床输血检验[M]．北京：中国医药出版社，2004．3-27
[2]肖本贤．多轴运动下的轮廓跟踪误差控制与补偿方法研究[D]：[博士学位论文]．合肥工业大学，2004年
[3]朱年军，王文，季国顺．数控伺服系统跟踪及轮廓误差分析[J]．机床与液压，2006，9(10)：20-21
[4]刘福才，刘学莲，刘立伟．多级电机传动系统同步控制理论与应用研究[J]．控制工程，2002，9(4)：78-82
[5]王金榜，李振中，杨长安，等．数字锁相环直流多电机拖动电轴同步系统的实验研究[J]．电气传动，1990，20(l)：12-18
[6]刘福才，方一鸣，王洪斌，等．全数字直流调速系统在型材辊压生产线自动控制系统中的应用[J]．自动化技术与应用，2000，19(l)：3-5
[7]刘海东，王宪，朱建鸿，等．基于USS协议的计算机控制多电机调速系统的设计与实现[J]．电气传动，2002(1)：28-31
[8]张莉，李彦明，马培荪，等．基于模糊PID控制器的多电机同步控制装置的应用[J]．工业仪表与自动化装置，2003(4)：11-13
[9]沙琳，黄琦兰，杨公源．基于变参数智能控制的多电机同步控制系统[J]．天津工业大学学报，2007，26(5)：58-60
[10]韩绍坤，张立华．多电机传动系统的典型功能模块及控制算法分析[J]．电机与控制学报，1999，3(4)：255-257
[11] R.Riehard，W.George．Internal model based tracking and disturbance rejection forstable well-posed systems[J]．Automatica，2003，39(9)：1555-1569.
[12]陈庆伟，郭毓，胡维礼．一种具有高阶无静差特性的内模控制器[J]．兵工学报，2001，22(2)：210-213
[13]肖卫国，胡赤兵，谭伟明，等．基于模糊控制器的无静差跟踪控制方法研究[J]．机械工程学报，2000，36(l)：24-26
[14] Yamada Manabu，Funahashi Yasuyuki，Riadh Zaier．Generalized OPtimal ZeroPhase Error Tracking Controller Design[J]．Journal of Dynamic Systems，Measurement，and Control，Transactions of the ASME，1999，121(2)：165-170
[15]向兵，丁天增，冯冬青．无超调无静差系统的最优控制[J]．郑州大学学报(工学版)．2002，23(3)：78-80
[16]唐功友，张洪云，李超．具有控制时滞系统的最优无静差正弦扰动抑制[J]．控制与决策，2007，22(7)：817-820
[17] M.Bodson．Performance of an adaptive algorithm for disturbance rejection inhigh noise[J]．Automatica，2001，37(7)：1133-1140
[18] R.Marine，G.L.Santosuosso，P.Tomei．Robust adaptive compensation of biasedsinusoidal disturbances with unknown frequency[J]．Automatica，2003，39(10)：1755-1761
[19] Mustafa M.M， Yaacob N.R， Mohamed N.A.Nik． Adaptive zero-Phaseerror-tracking controllers with advance learning[J]．Control and IntelligentSystems，2004，32(2)：116-125
[20]吕刚，焦留成．多模自适应模糊控制器及其在精密伺服系统中的应用[J]．控制理论与应用，2005，22(l)：47-51
[21]王宝仁，张承瑞，贾磊．基于模糊逻辑的交流伺服系统位置自适应控制器研究[C]．国际智能控制及自动化会议(wCICA)论文集，2006：8132-8135
[22]周以齐，艾兴，曾广周．交流伺服进给系统滑模变结构扰动观测补偿控制[J]．中国机械工程，2001，10(11)：1204-1207
[23] Y.Koren． Cross-coupled Biaxial Computer Control for ManufacturingSystems[J]． Journal of Dynamic Systems， Measurement and Control，Transactions of the ASME，1980，102(4)：265一272
[24] J.F.Perez-Pinal， C.Nunez， R.Alvarez,et al． Comparison of multi-motorsynchronization techniques[C]．IECON(Industrial Electronics Conferenece)Proceedings，2004(2)：1670-1675
[25] Xiong Wanli， Duan Zhishan， Wen Bangchun． Characteristics ofelectromechanical coupling self-synchronization of a multi-motor vibrationtransmission system[J]．Chinese Journal of Mechanical Engineering(EnglishEdition)，2001，14(3)：275-27
[26]刘福才，张学莲．基于补偿原理多电机同步协调运转的内模控制[J]．电气传动，2002，32(3)：23-25
[27] Srinivasan K，Kulkarni P.K．Cross-coupled Control of Biaxial Feed DriveServomechanisms[J]． Journal of Dynamic Systems，Measurement and Control，Transactions ASME，1990，112(2)：225-232
[28] Tarng Y.S.，Chuang H.Y.，Hsu W.T．Intelligent7cross-coupled fuzzy feedratecontroller design for CNC machine tools based on geneticalgorithms[J]．International Journal of Machine Tools and Manufacture，1999，39(10)：1673-1692
[29] X.Ye，Chen X，Li X,et al．A Cross-Coupled Path Precompensation Algorithm forRapid Prototyping and Manufacturing[J]．International Journal of AdvancedManufacturing Technology，2002，20(l)：39-43
[30]曲永印，赵希梅，郭庆鼎．基于零相位误差跟踪控制器的轮廓误差交叉祸合控制[J]．中国机械工程，2006(11)：1135-1137
[31]曹勤．计量泵发展和应用[J]．石油化工设备，2001，30(5)：27-29
[32]狄海廷．计量泵机电一体化控制系统的研制[D]：[硕士学位论文]．哈尔滨：哈尔滨理工大学，2006
[33]吴银笑，莫怡玉，吴卓智．衡量法自校验常用移液器的程序与效果[J]．仪器仪表与分析监测，2011,3(5)：1-3
[34]宋冀红，侯斌．定量、可调移液器测量结果的不确定度分析[J]．计量与测试技术，2008，35(7)：56-58
[35]宋敏，刘彦刚．减小移液器实际容量测量不确定度的技巧[J]．计量与测试技术，2011，38(1)：23-25
[36]汪朝红，胡良勇，傅忆宾，等．数字可调移液器校准方法研究[J]．中国测试,2011,37(3)：87-88
[37]叶柱江,费亚涛,何子毅．可调移液器的容量检定[J]．中国误诊学杂志，2007,7(14)：55-57
[38]罗远芳．移液器容量测量不确定度分析报告[J]．大众科技,2011,7：53
[39]钱晓煜,高云朝,杨亚东,等．125I在微量移液器检验中的应用[J]．同位素，2006，19(3)：56-57
[40]李忠培,孙立,郭文静,等．应用光电比色法校准微量移液器[J]．医疗装备，2001,1:84-88
[41]王志刚,邵平扬．铕原子标记技术对微量移液器容量误差的评估[J]．浙江检验医学,2011,9(1):1-3
[42]沈伟,张征军,孙杰．铕原子标记技术检验实验室移液器容量误差方法[J]．上海计量测试,2010,3:9-11
[43]薛飞．光固化成形系统中树脂液位检测与控制的研究[D]：[硕士学位论文]．武汉：华中科技大学，2005
[44]吴元修．伺服式液位计在在油田沉降罐油水界面自动测量中的应用[J]．机械研究与应用，2006，19(5)：57-58．
[45]林海军，滕召胜，杨圣洁，等．毛细管粘度计自适应液位检测方法研究[J]．仪器仪表学报，2009，30(3)，625-630．
[46]李震，洪添胜，黄伟锋，等．谐振式液位传感器在喷雾机药液箱液位检测中的应用[J]．西北农林科技大学学报，2007，35(7)，197-201．
[47]田学隆，林芳钦．基于光电传感器的液位检测方法与装置[J]．传感器与微系统，2009，28(10)：73-74．
[48]李春玲．基于单片机的高精度超声波液位检测系统[J]．电子科技大学学报，2006，35(3)：371～374．
[49]矫德强．基于图像处理的啤酒液位检测方法的研究[D]：［硕士学位论文］．哈尔滨：哈尔滨工业大学，2004．
[50]杨朝虹，李焕．新型液位检测技术的现状与发展趋势[J]．工矿自动化，2009(6)：61-64．
[51]钟秉林，黄仁．机械故障诊断学[M]．北京：机械工业出版社，2002
[52]崔彦平，傅其凤，葛杏卫，等．机械设备故障诊断发展历程及展望[J]．河北工业科技,2004,4(5):34-36
[53]张爱华，任工昌，燕向阳．基于灰色关联度分析的数控机床主轴系统故障诊断方法[J]．机械设计与制造，2010,11(6)
[54]赵喜林，赵喜玲，江祥奎．模式识别方法及其比较分析[J]．信阳农业高等专科学校学报，2004，14(3)：67-68
[55]杨叔子．时序模型的诊断方法[J]．机械工程，1986,(5)：5-13
[56]杨叔子,吴雅．机械故障诊断的时序方法[M]．西安：西安交通大学出版社，1991：19-112
[57]姜建东,王晓升,屈梁生．分形几何在回转机械振动信号分析中的应用[J]．中国机械工程,1998，9(10)：39-41
[58]李录平．基于特征提取的旋转机械状态诊断、评价和预报[D]:[硕士学位论文]．武汉：华中理工大学,1998
[59]邹新元，李录平，刘林辉．分析几何在旋转机械故障诊断中的应用[J]．电站系统工程,2000,16(1)：33-37
[60]黄文虎．设备故障诊断原理技术及应用[M]．北京：科学技术出版社，1997
[61]王仲生．智能故障诊断与容错控制[M]．西安：西北工业大学,2007．172-191
[62]张德丰． MATLAB神经网络应用设计[M]．北京：机械工业出版社，2009．270-287
[63]张彦铎，姜兴渭．多传感器信息融合记载智能故障诊断中的应用[J]．传感器技术,1999,18(2):45-47
[64]史铁林．层次分类诊断模型[J]．华中理工大学学报，1993，21(1)：6-11
[65]焦建新，查建中，赵振英，等．面向复杂过程系统的集成化智能故障诊断系统．天津大学学报，1995,28(1)：26-32
[66] YuLiu，Zhen Qin，ZengXu．Feature Selection with Particle Swarms[C]．CIS2004,LNCS3314：425-430
[67]王鑫，于洪亮，张琳，等．采用改进遗传神经网络的多载荷振动信号故障诊断．噪声与振动测试,2011,8
[68] Wilson wang,Fathy Ismail,Farid Golnaraghi．A neuro-fuzzy approach to gearsystem monitoring[J]． IEEE Transactions on Fuzzy Systems,2004,12(5)：710-723
[69] ZHANG Q H,BENVENIATE A．Wavelet networks[J]．IEEE Trans NeuralNetworks，1992,3(6)：889-898
[70] SICHITI U．Asymptotic stability of congestion control systems with multiplesources[J]．IEEE Trans on Automatic Control,2006,51(2)：292-298
[71] SED A,POSOSTALCIOGL U． Wavelet networks for nonlinear systemmodeling[J]．Neural Comput&Applic,2007,16(8)：433–441
[72] TANG X Y,ZHANG Y L．Pattern recognition for fault based on BP waveletnetwork[J]．Computer Engineering,2003,14(1)：94-96
[73] YAN F,ZHANG C S． Artificial neural networks and evolutionarycomputing[J]．Neural Comput&Applic,2005,16(8)：101-105
[74]黄宜军．小波神经网络及其在飞控系统中的研究[D]:[硕士学位论文]．西安：西北工业大学，2006：59-60
[75] ZAPATA S．Reinforcement learning in continuous systems wavelet networksapproach[C]．ADIS.ASC41,NY,2007：727-736
[76] WASAN M． Nonlinear system stabilisation by an evolutionary neuralnetwork[C]．ISNN.LNCS3972,HF,2006：998-1006
[77] DEBNATH L． Wavelet transforms and their applications[J]． Springeraginc,2002,19(1)：135-137
[78] ZHANG H．Research and prospects of wavelet neural networks[J]．Journal ofSouthwest China Institute of Technology,2002,17(1)：10-12
[79] SALAJEGHEH E．Optimum design of structures against farthquake by adaptivegenetic algorithm using wavelet networks[J]．Industrial Application,2004,6：277-285
[80] SHI D,CHEN F．The construction of wavelet network for speech signalprocessing[J]．Neural Comput Applacation,2006,11(34)：217-222
[81] LEE K．A novel digital predistorter technique using an adaptive neuro-fuzzyinference system[J]．IEEE Comm.Letters,2003,7(2)：55-57
[82] LIU Z G,ZHANG D B．Fault data compression of power system with waveletneural network based on wavelet entropy[C]．The3rd International Symposiumon Neural Networks(ISNN2006),Chengdu,MAY28-31,2006：1402-1408
[83] IYENGAR S,SITHARAM A． Foundations of wavelet networks andapplications[J]．Taylor&Francis Ltd,2002,23(9)：34-35
[84] AHMAD B．Artificial wavelet neuro-fuzzy model based on parallel waveletnetwork and neural network[J]．Soft Comput DOI,2007,12(6)：45-48
[85]黄锦江，马婧，徐香兰，等．Poseidon数字血型仪在血型检测中的应用[J]．医学信息，2011,24(8):78-79
[86]徐利虹,余蕾,励晓涛．Olympus PK7200血型仪血型检测可靠性探讨[J]．现代中西医结合杂志,2008,17(34):34-36
[87]修淑丽,白和谦,王梅华．PK7200分析仪在鉴定血型方面的应用[J]．医疗卫生装备,2005,26(7):55-56
[88]彭继红，钱榕,方昌志，等．数码成像技术在ABO血型检测中应用[J]．实验与检验医学,2010,28(5):77-78
[89]谢敬文,严康峰,马伟文,等．数字全自动血型仪在无偿献血者血型检测中的应用[J]．中国输血杂志,2006,19(1):23-25
[90]王福成,施之雍,蔡隽,等．梯形微板技术在ABO血型检测中的应用[J]．中国输血杂志,2007,20(1):45-47
[91]杨青，段勇．微板法检测ABO血型的应用[J]．现代检验医学杂志,2007,22(1):92-95
[92] Masory O,Xiu D．Contour errors in a new class of CNC machine tools[C]．The1998World Automation Congress.Alaska：1998
[93]王广炎，张润孝,等．数控机床的轮廓误差控制[J]．机床与液压，1999，(6)：59-61．
[94]张崇巍,等．运动控制系统[M]．武汉：武汉理工大学出版社，2002：12-20
[95]杨江照．双轴运动平台上的连续轨迹控制[D]：[硕士学位论文]．哈尔滨：哈尔滨工业大学，2006．
[96]陈伯时．电力拖动自动控制系统（第2版）[M]．北京：机械工业出版社，2004．24-29
[97]赵景波．MATLAB控制系统仿真与设计[M]．北京：机械工业出版社，2010．181-184
[98]孙旭．计算机控制系统设计方法[J]．舰船科学技术,2000(1)：33-36
[99]孙林军．智能PID控制研究[D]:[硕士学位论文]．浙江：浙江工业大学，2003
[100]张德丰． MATLAB神经网络应用设计[M]．北京：机械工业出版社，2009：1-6
[101]陶永华，等．新兴PID控制及其应用[M]．北京：机械工业出版社，2002
[102]王旭，石红瑞．增益自调整单神经元自适应PID算法的研究[J]．自动化与仪表，2005，20（5）：51-52．
[103]周彦，何小阳．时变大滞后过程的单神经元内模控制[J]．控制工程，2005，12（7）：113-115．
[104]汪学军，鲁五一，郭易安．改进型单神经元PID在多温区系统中的应用[J]．计算机测量与控制，2007，15（7）：949-952．
[105]章卫国，薛璞，段富海．一种高精度模糊控制系统的设计方法[J]．测控技术，1997，16(2)：22-24
[106]范晓英，陆培新，陈文楷．一个新型模糊控制器[J]．控制理论与应用，1995，12(5)，597-601
[107] Han-xiong Li and H.B Gatland． Conventional Fuzzy Control and ItsEnhancement[J]． IEEE TRANSACTION ON SYSTEM， MAN ANDCYBERNETICS-PARTB：CYBERNETICS．Vol.26，No.51996：791-797
[108]卢广山，姜长生，等．高精度机载光电跟踪系统的自适应模糊控制[J]．兵工学报，2002，23(4)：533-535
[109] Syh-aShiuh Yehk,Pua-Lo Hsu．A New Approach to Biaxial Cross-coupledControl[C]．Proceeding of the2000IEEE International Conference on ControlApplications．Anchorage,Alaska,USA,2000：168-173
[110]卢艳军，林浒，任朝晖，等．基于RTLinux操作系统的开放式数控系统运动控制器的研究[J]．机械设计与制造，2004(3)：47-49
[111]张团善，潘铜，叶小荣，等．基于FPGA的交叉耦合控制器的设计与实现[J]．现代制造工程，2011,3(9):77-79
[112]王志华，李绍文．基于FPGA的模糊PID控制器的研究[J]．微计算机信息，2009，25(10-2)：45-47
[113]王军伟．基于FPGA的模糊PID控制算法的研究及实现[D]：[硕士学位论文]．杭州：浙江工业大学，2009
[114]张科，靖固，连树国．基于FPGA的高速PID智能控制的研究[J]．微计算机信息,2009,25(4-1):56-57
[115]张科．基于FPGA的PID智能控制器的研究[D]：[硕士学位论文]．哈尔滨：哈尔滨理工大学，2009
[116]湛迪强． SolidWorks2008宝典[M]．北京：电子工业出版社,2008：47-96
[117]段进，倪栋，王国业．ANSYS10.0结构分析从入门到精通．北京：兵器工业出版社，2006：199-222
[118]李兵．ANSYS Workbench设计、仿真与优化．北京：清华大学出版社，2008：47-53
[119]陈成杰，徐正卜．光电倍增管[M]．北京：原子能出版社，1998：161-187．
[120]周荣楣．光电倍增管展望[J]．光电子技术，2000，20(2)：84-89．
[121]刘钧，高明．光学设计[M]．西安：西安电子科技大学出版社，2006：248-263．
[122]韩军，刘钧．工程光学[M]．西安：西安电子科技大学出版社，2007：127-128．
[123]寿云,高宏力,刘庆杰,等．基于DSP和小波神经网络的丝杠性能评估系统设计[J]．测试技术学报，2011,25(2)：1
[124]王珍,马孝江．局域波时频法在柴油机缸套活塞磨损诊断中的应用研究
[J]．内燃机学报,2002,20(2)：15-16
[125]张静远,张冰,蒋兴舟．基于小波变换的特征提取方法分析[J]．信号处理,2000,16(2)：18-20
[126]石晓荣，张明廉．一种基于神经网络和遗传算法的拟人智能控制方法[J]．系统仿真学报，2004，16(8)：1
[127]王崇骏，于文涤，陈兆乾．一种基于遗传算法的B P神经网络算法及其应用[J]．南京大学学报(自然科学版),2003,39(5)：1
[128]苑希民，李鸿雁．人工神经网络与遗传算法在河道洪水预报中的应用[J]．2002,2(12)：1
[129]杨淑莹．VC++图像处理程序设计[M]．北京：清华大学出版社,2005：98-114
[130]王占全，徐慧．精通Visual C++数字图像处理技术与工程案例[M]．北京：人民邮电出版社,2009：22-92
[131] Liu C H,Chan W M．Microproceesor-Based Cross-Coupled Biaxial Controllerfor a Two-axis Positioning System[C]． IEEE Trans.Journal of IndustrialElectronics and Control instrumentation，1985：327-332
[132] Shore J S．Trouble-shooting to stop vibration of centrifugal，Petro/Chem.Engeneer．1968，（11）：22-23
[133]冯志鹏，宋希庚，薛冬新，等．旋转机械故障诊断理论与技术进展综述[J]．振动与冲击，2001,Vol.20No.4：36-39
[134]韩捷．旋转机械故障机理及诊断技术[M]，北京：机械工业出版社，1997．45-79
[2]肖本贤．多轴运动下的轮廓跟踪误差控制与补偿方法研究[D]：[博士学位论文]．合肥工业大学，2004年
[3]朱年军，王文，季国顺．数控伺服系统跟踪及轮廓误差分析[J]．机床与液压，2006，9(10)：20-21
[4]刘福才，刘学莲，刘立伟．多级电机传动系统同步控制理论与应用研究[J]．控制工程，2002，9(4)：78-82
[5]王金榜，李振中，杨长安，等．数字锁相环直流多电机拖动电轴同步系统的实验研究[J]．电气传动，1990，20(l)：12-18
[6]刘福才，方一鸣，王洪斌，等．全数字直流调速系统在型材辊压生产线自动控制系统中的应用[J]．自动化技术与应用，2000，19(l)：3-5
[7]刘海东，王宪，朱建鸿，等．基于USS协议的计算机控制多电机调速系统的设计与实现[J]．电气传动，2002(1)：28-31
[8]张莉，李彦明，马培荪，等．基于模糊PID控制器的多电机同步控制装置的应用[J]．工业仪表与自动化装置，2003(4)：11-13
[9]沙琳，黄琦兰，杨公源．基于变参数智能控制的多电机同步控制系统[J]．天津工业大学学报，2007，26(5)：58-60
[10]韩绍坤，张立华．多电机传动系统的典型功能模块及控制算法分析[J]．电机与控制学报，1999，3(4)：255-257
[11] R.Riehard，W.George．Internal model based tracking and disturbance rejection forstable well-posed systems[J]．Automatica，2003，39(9)：1555-1569.
[12]陈庆伟，郭毓，胡维礼．一种具有高阶无静差特性的内模控制器[J]．兵工学报，2001，22(2)：210-213
[13]肖卫国，胡赤兵，谭伟明，等．基于模糊控制器的无静差跟踪控制方法研究[J]．机械工程学报，2000，36(l)：24-26
[14] Yamada Manabu，Funahashi Yasuyuki，Riadh Zaier．Generalized OPtimal ZeroPhase Error Tracking Controller Design[J]．Journal of Dynamic Systems，Measurement，and Control，Transactions of the ASME，1999，121(2)：165-170
[15]向兵，丁天增，冯冬青．无超调无静差系统的最优控制[J]．郑州大学学报(工学版)．2002，23(3)：78-80
[16]唐功友，张洪云，李超．具有控制时滞系统的最优无静差正弦扰动抑制[J]．控制与决策，2007，22(7)：817-820
[17] M.Bodson．Performance of an adaptive algorithm for disturbance rejection inhigh noise[J]．Automatica，2001，37(7)：1133-1140
[18] R.Marine，G.L.Santosuosso，P.Tomei．Robust adaptive compensation of biasedsinusoidal disturbances with unknown frequency[J]．Automatica，2003，39(10)：1755-1761
[19] Mustafa M.M， Yaacob N.R， Mohamed N.A.Nik． Adaptive zero-Phaseerror-tracking controllers with advance learning[J]．Control and IntelligentSystems，2004，32(2)：116-125
[20]吕刚，焦留成．多模自适应模糊控制器及其在精密伺服系统中的应用[J]．控制理论与应用，2005，22(l)：47-51
[21]王宝仁，张承瑞，贾磊．基于模糊逻辑的交流伺服系统位置自适应控制器研究[C]．国际智能控制及自动化会议(wCICA)论文集，2006：8132-8135
[22]周以齐，艾兴，曾广周．交流伺服进给系统滑模变结构扰动观测补偿控制[J]．中国机械工程，2001，10(11)：1204-1207
[23] Y.Koren． Cross-coupled Biaxial Computer Control for ManufacturingSystems[J]． Journal of Dynamic Systems， Measurement and Control，Transactions of the ASME，1980，102(4)：265一272
[24] J.F.Perez-Pinal， C.Nunez， R.Alvarez,et al． Comparison of multi-motorsynchronization techniques[C]．IECON(Industrial Electronics Conferenece)Proceedings，2004(2)：1670-1675
[25] Xiong Wanli， Duan Zhishan， Wen Bangchun． Characteristics ofelectromechanical coupling self-synchronization of a multi-motor vibrationtransmission system[J]．Chinese Journal of Mechanical Engineering(EnglishEdition)，2001，14(3)：275-27
[26]刘福才，张学莲．基于补偿原理多电机同步协调运转的内模控制[J]．电气传动，2002，32(3)：23-25
[27] Srinivasan K，Kulkarni P.K．Cross-coupled Control of Biaxial Feed DriveServomechanisms[J]． Journal of Dynamic Systems，Measurement and Control，Transactions ASME，1990，112(2)：225-232
[28] Tarng Y.S.，Chuang H.Y.，Hsu W.T．Intelligent7cross-coupled fuzzy feedratecontroller design for CNC machine tools based on geneticalgorithms[J]．International Journal of Machine Tools and Manufacture，1999，39(10)：1673-1692
[29] X.Ye，Chen X，Li X,et al．A Cross-Coupled Path Precompensation Algorithm forRapid Prototyping and Manufacturing[J]．International Journal of AdvancedManufacturing Technology，2002，20(l)：39-43
[30]曲永印，赵希梅，郭庆鼎．基于零相位误差跟踪控制器的轮廓误差交叉祸合控制[J]．中国机械工程，2006(11)：1135-1137
[31]曹勤．计量泵发展和应用[J]．石油化工设备，2001，30(5)：27-29
[32]狄海廷．计量泵机电一体化控制系统的研制[D]：[硕士学位论文]．哈尔滨：哈尔滨理工大学，2006
[33]吴银笑，莫怡玉，吴卓智．衡量法自校验常用移液器的程序与效果[J]．仪器仪表与分析监测，2011,3(5)：1-3
[34]宋冀红，侯斌．定量、可调移液器测量结果的不确定度分析[J]．计量与测试技术，2008，35(7)：56-58
[35]宋敏，刘彦刚．减小移液器实际容量测量不确定度的技巧[J]．计量与测试技术，2011，38(1)：23-25
[36]汪朝红，胡良勇，傅忆宾，等．数字可调移液器校准方法研究[J]．中国测试,2011,37(3)：87-88
[37]叶柱江,费亚涛,何子毅．可调移液器的容量检定[J]．中国误诊学杂志，2007,7(14)：55-57
[38]罗远芳．移液器容量测量不确定度分析报告[J]．大众科技,2011,7：53
[39]钱晓煜,高云朝,杨亚东,等．125I在微量移液器检验中的应用[J]．同位素，2006，19(3)：56-57
[40]李忠培,孙立,郭文静,等．应用光电比色法校准微量移液器[J]．医疗装备，2001,1:84-88
[41]王志刚,邵平扬．铕原子标记技术对微量移液器容量误差的评估[J]．浙江检验医学,2011,9(1):1-3
[42]沈伟,张征军,孙杰．铕原子标记技术检验实验室移液器容量误差方法[J]．上海计量测试,2010,3:9-11
[43]薛飞．光固化成形系统中树脂液位检测与控制的研究[D]：[硕士学位论文]．武汉：华中科技大学，2005
[44]吴元修．伺服式液位计在在油田沉降罐油水界面自动测量中的应用[J]．机械研究与应用，2006，19(5)：57-58．
[45]林海军，滕召胜，杨圣洁，等．毛细管粘度计自适应液位检测方法研究[J]．仪器仪表学报，2009，30(3)，625-630．
[46]李震，洪添胜，黄伟锋，等．谐振式液位传感器在喷雾机药液箱液位检测中的应用[J]．西北农林科技大学学报，2007，35(7)，197-201．
[47]田学隆，林芳钦．基于光电传感器的液位检测方法与装置[J]．传感器与微系统，2009，28(10)：73-74．
[48]李春玲．基于单片机的高精度超声波液位检测系统[J]．电子科技大学学报，2006，35(3)：371～374．
[49]矫德强．基于图像处理的啤酒液位检测方法的研究[D]：［硕士学位论文］．哈尔滨：哈尔滨工业大学，2004．
[50]杨朝虹，李焕．新型液位检测技术的现状与发展趋势[J]．工矿自动化，2009(6)：61-64．
[51]钟秉林，黄仁．机械故障诊断学[M]．北京：机械工业出版社，2002
[52]崔彦平，傅其凤，葛杏卫，等．机械设备故障诊断发展历程及展望[J]．河北工业科技,2004,4(5):34-36
[53]张爱华，任工昌，燕向阳．基于灰色关联度分析的数控机床主轴系统故障诊断方法[J]．机械设计与制造，2010,11(6)
[54]赵喜林，赵喜玲，江祥奎．模式识别方法及其比较分析[J]．信阳农业高等专科学校学报，2004，14(3)：67-68
[55]杨叔子．时序模型的诊断方法[J]．机械工程，1986,(5)：5-13
[56]杨叔子,吴雅．机械故障诊断的时序方法[M]．西安：西安交通大学出版社，1991：19-112
[57]姜建东,王晓升,屈梁生．分形几何在回转机械振动信号分析中的应用[J]．中国机械工程,1998，9(10)：39-41
[58]李录平．基于特征提取的旋转机械状态诊断、评价和预报[D]:[硕士学位论文]．武汉：华中理工大学,1998
[59]邹新元，李录平，刘林辉．分析几何在旋转机械故障诊断中的应用[J]．电站系统工程,2000,16(1)：33-37
[60]黄文虎．设备故障诊断原理技术及应用[M]．北京：科学技术出版社，1997
[61]王仲生．智能故障诊断与容错控制[M]．西安：西北工业大学,2007．172-191
[62]张德丰． MATLAB神经网络应用设计[M]．北京：机械工业出版社，2009．270-287
[63]张彦铎，姜兴渭．多传感器信息融合记载智能故障诊断中的应用[J]．传感器技术,1999,18(2):45-47
[64]史铁林．层次分类诊断模型[J]．华中理工大学学报，1993，21(1)：6-11
[65]焦建新，查建中，赵振英，等．面向复杂过程系统的集成化智能故障诊断系统．天津大学学报，1995,28(1)：26-32
[66] YuLiu，Zhen Qin，ZengXu．Feature Selection with Particle Swarms[C]．CIS2004,LNCS3314：425-430
[67]王鑫，于洪亮，张琳，等．采用改进遗传神经网络的多载荷振动信号故障诊断．噪声与振动测试,2011,8
[68] Wilson wang,Fathy Ismail,Farid Golnaraghi．A neuro-fuzzy approach to gearsystem monitoring[J]． IEEE Transactions on Fuzzy Systems,2004,12(5)：710-723
[69] ZHANG Q H,BENVENIATE A．Wavelet networks[J]．IEEE Trans NeuralNetworks，1992,3(6)：889-898
[70] SICHITI U．Asymptotic stability of congestion control systems with multiplesources[J]．IEEE Trans on Automatic Control,2006,51(2)：292-298
[71] SED A,POSOSTALCIOGL U． Wavelet networks for nonlinear systemmodeling[J]．Neural Comput&Applic,2007,16(8)：433–441
[72] TANG X Y,ZHANG Y L．Pattern recognition for fault based on BP waveletnetwork[J]．Computer Engineering,2003,14(1)：94-96
[73] YAN F,ZHANG C S． Artificial neural networks and evolutionarycomputing[J]．Neural Comput&Applic,2005,16(8)：101-105
[74]黄宜军．小波神经网络及其在飞控系统中的研究[D]:[硕士学位论文]．西安：西北工业大学，2006：59-60
[75] ZAPATA S．Reinforcement learning in continuous systems wavelet networksapproach[C]．ADIS.ASC41,NY,2007：727-736
[76] WASAN M． Nonlinear system stabilisation by an evolutionary neuralnetwork[C]．ISNN.LNCS3972,HF,2006：998-1006
[77] DEBNATH L． Wavelet transforms and their applications[J]． Springeraginc,2002,19(1)：135-137
[78] ZHANG H．Research and prospects of wavelet neural networks[J]．Journal ofSouthwest China Institute of Technology,2002,17(1)：10-12
[79] SALAJEGHEH E．Optimum design of structures against farthquake by adaptivegenetic algorithm using wavelet networks[J]．Industrial Application,2004,6：277-285
[80] SHI D,CHEN F．The construction of wavelet network for speech signalprocessing[J]．Neural Comput Applacation,2006,11(34)：217-222
[81] LEE K．A novel digital predistorter technique using an adaptive neuro-fuzzyinference system[J]．IEEE Comm.Letters,2003,7(2)：55-57
[82] LIU Z G,ZHANG D B．Fault data compression of power system with waveletneural network based on wavelet entropy[C]．The3rd International Symposiumon Neural Networks(ISNN2006),Chengdu,MAY28-31,2006：1402-1408
[83] IYENGAR S,SITHARAM A． Foundations of wavelet networks andapplications[J]．Taylor&Francis Ltd,2002,23(9)：34-35
[84] AHMAD B．Artificial wavelet neuro-fuzzy model based on parallel waveletnetwork and neural network[J]．Soft Comput DOI,2007,12(6)：45-48
[85]黄锦江，马婧，徐香兰，等．Poseidon数字血型仪在血型检测中的应用[J]．医学信息，2011,24(8):78-79
[86]徐利虹,余蕾,励晓涛．Olympus PK7200血型仪血型检测可靠性探讨[J]．现代中西医结合杂志,2008,17(34):34-36
[87]修淑丽,白和谦,王梅华．PK7200分析仪在鉴定血型方面的应用[J]．医疗卫生装备,2005,26(7):55-56
[88]彭继红，钱榕,方昌志，等．数码成像技术在ABO血型检测中应用[J]．实验与检验医学,2010,28(5):77-78
[89]谢敬文,严康峰,马伟文,等．数字全自动血型仪在无偿献血者血型检测中的应用[J]．中国输血杂志,2006,19(1):23-25
[90]王福成,施之雍,蔡隽,等．梯形微板技术在ABO血型检测中的应用[J]．中国输血杂志,2007,20(1):45-47
[91]杨青，段勇．微板法检测ABO血型的应用[J]．现代检验医学杂志,2007,22(1):92-95
[92] Masory O,Xiu D．Contour errors in a new class of CNC machine tools[C]．The1998World Automation Congress.Alaska：1998
[93]王广炎，张润孝,等．数控机床的轮廓误差控制[J]．机床与液压，1999，(6)：59-61．
[94]张崇巍,等．运动控制系统[M]．武汉：武汉理工大学出版社，2002：12-20
[95]杨江照．双轴运动平台上的连续轨迹控制[D]：[硕士学位论文]．哈尔滨：哈尔滨工业大学，2006．
[96]陈伯时．电力拖动自动控制系统（第2版）[M]．北京：机械工业出版社，2004．24-29
[97]赵景波．MATLAB控制系统仿真与设计[M]．北京：机械工业出版社，2010．181-184
[98]孙旭．计算机控制系统设计方法[J]．舰船科学技术,2000(1)：33-36
[99]孙林军．智能PID控制研究[D]:[硕士学位论文]．浙江：浙江工业大学，2003
[100]张德丰． MATLAB神经网络应用设计[M]．北京：机械工业出版社，2009：1-6
[101]陶永华，等．新兴PID控制及其应用[M]．北京：机械工业出版社，2002
[102]王旭，石红瑞．增益自调整单神经元自适应PID算法的研究[J]．自动化与仪表，2005，20（5）：51-52．
[103]周彦，何小阳．时变大滞后过程的单神经元内模控制[J]．控制工程，2005，12（7）：113-115．
[104]汪学军，鲁五一，郭易安．改进型单神经元PID在多温区系统中的应用[J]．计算机测量与控制，2007，15（7）：949-952．
[105]章卫国，薛璞，段富海．一种高精度模糊控制系统的设计方法[J]．测控技术，1997，16(2)：22-24
[106]范晓英，陆培新，陈文楷．一个新型模糊控制器[J]．控制理论与应用，1995，12(5)，597-601
[107] Han-xiong Li and H.B Gatland． Conventional Fuzzy Control and ItsEnhancement[J]． IEEE TRANSACTION ON SYSTEM， MAN ANDCYBERNETICS-PARTB：CYBERNETICS．Vol.26，No.51996：791-797
[108]卢广山，姜长生，等．高精度机载光电跟踪系统的自适应模糊控制[J]．兵工学报，2002，23(4)：533-535
[109] Syh-aShiuh Yehk,Pua-Lo Hsu．A New Approach to Biaxial Cross-coupledControl[C]．Proceeding of the2000IEEE International Conference on ControlApplications．Anchorage,Alaska,USA,2000：168-173
[110]卢艳军，林浒，任朝晖，等．基于RTLinux操作系统的开放式数控系统运动控制器的研究[J]．机械设计与制造，2004(3)：47-49
[111]张团善，潘铜，叶小荣，等．基于FPGA的交叉耦合控制器的设计与实现[J]．现代制造工程，2011,3(9):77-79
[112]王志华，李绍文．基于FPGA的模糊PID控制器的研究[J]．微计算机信息，2009，25(10-2)：45-47
[113]王军伟．基于FPGA的模糊PID控制算法的研究及实现[D]：[硕士学位论文]．杭州：浙江工业大学，2009
[114]张科，靖固，连树国．基于FPGA的高速PID智能控制的研究[J]．微计算机信息,2009,25(4-1):56-57
[115]张科．基于FPGA的PID智能控制器的研究[D]：[硕士学位论文]．哈尔滨：哈尔滨理工大学，2009
[116]湛迪强． SolidWorks2008宝典[M]．北京：电子工业出版社,2008：47-96
[117]段进，倪栋，王国业．ANSYS10.0结构分析从入门到精通．北京：兵器工业出版社，2006：199-222
[118]李兵．ANSYS Workbench设计、仿真与优化．北京：清华大学出版社，2008：47-53
[119]陈成杰，徐正卜．光电倍增管[M]．北京：原子能出版社，1998：161-187．
[120]周荣楣．光电倍增管展望[J]．光电子技术，2000，20(2)：84-89．
[121]刘钧，高明．光学设计[M]．西安：西安电子科技大学出版社，2006：248-263．
[122]韩军，刘钧．工程光学[M]．西安：西安电子科技大学出版社，2007：127-128．
[123]寿云,高宏力,刘庆杰,等．基于DSP和小波神经网络的丝杠性能评估系统设计[J]．测试技术学报，2011,25(2)：1
[124]王珍,马孝江．局域波时频法在柴油机缸套活塞磨损诊断中的应用研究
[J]．内燃机学报,2002,20(2)：15-16
[125]张静远,张冰,蒋兴舟．基于小波变换的特征提取方法分析[J]．信号处理,2000,16(2)：18-20
[126]石晓荣，张明廉．一种基于神经网络和遗传算法的拟人智能控制方法[J]．系统仿真学报，2004，16(8)：1
[127]王崇骏，于文涤，陈兆乾．一种基于遗传算法的B P神经网络算法及其应用[J]．南京大学学报(自然科学版),2003,39(5)：1
[128]苑希民，李鸿雁．人工神经网络与遗传算法在河道洪水预报中的应用[J]．2002,2(12)：1
[129]杨淑莹．VC++图像处理程序设计[M]．北京：清华大学出版社,2005：98-114
[130]王占全，徐慧．精通Visual C++数字图像处理技术与工程案例[M]．北京：人民邮电出版社,2009：22-92
[131] Liu C H,Chan W M．Microproceesor-Based Cross-Coupled Biaxial Controllerfor a Two-axis Positioning System[C]． IEEE Trans.Journal of IndustrialElectronics and Control instrumentation，1985：327-332
[132] Shore J S．Trouble-shooting to stop vibration of centrifugal，Petro/Chem.Engeneer．1968，（11）：22-23
[133]冯志鹏，宋希庚，薛冬新，等．旋转机械故障诊断理论与技术进展综述[J]．振动与冲击，2001,Vol.20No.4：36-39
[134]韩捷．旋转机械故障机理及诊断技术[M]，北京：机械工业出版社，1997．45-79
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |