| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 智能家居国内外发展现状 | 第9-11页 |
| 1.2.1 国外发展现状 | 第9-10页 |
| 1.2.2 国内发展现状 | 第10-11页 |
| 1.3 智能家居的未来发展趋势 | 第11-12页 |
| 1.4 论文的主要研究内容与结构安排 | 第12-14页 |
| 第二章 智能家居控制系统分析与总体设计 | 第14-24页 |
| 2.1 智能家居需求分析 | 第14-15页 |
| 2.2 智能家居系统内部网络组网方案 | 第15-21页 |
| 2.2.1 几种常见内部组网方案对比 | 第15-17页 |
| 2.2.2 ZigBee技术的网络拓扑结构 | 第17-18页 |
| 2.2.3 ZigBee技术协议架构 | 第18-20页 |
| 2.2.4 Zigbee通讯模块选型 | 第20-21页 |
| 2.3 智能家居主控平台设计 | 第21-22页 |
| 2.3.1 主控制器硬件选择 | 第21页 |
| 2.3.2 主控制器操作系统选择 | 第21-22页 |
| 2.4 智能家居系统总体设计 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 智能家居用户行为预测算法研究 | 第24-34页 |
| 3.1 用户行为预测简介 | 第24页 |
| 3.2 ARIMA模型和改进 | 第24-27页 |
| 3.2.1 ARIMA模型基本原理 | 第24-26页 |
| 3.2.2 ARIMA模型改进 | 第26-27页 |
| 3.3 对用户行为的预测分析 | 第27-31页 |
| 3.3.1 用户行为预测方法架构 | 第27页 |
| 3.3.2 原始数据及预处理 | 第27-29页 |
| 3.3.3 ARIMA模型预测 | 第29-30页 |
| 3.3.4 改进的ARIMA模型预测 | 第30-31页 |
| 3.4 用户行为预测结果分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 智能家居室内热舒适度评价研究 | 第34-50页 |
| 4.1 室内PMV热舒适度指标分析 | 第34-36页 |
| 4.2 热舒适度PMV预测模型 | 第36-42页 |
| 4.2.1 粒子群算法原理 | 第36-37页 |
| 4.2.2 粒子群算法改进 | 第37-39页 |
| 4.2.3 RBF神经网络 | 第39-41页 |
| 4.2.4 基于改进PSO优化的RBF神经网络预测算法 | 第41-42页 |
| 4.3 改进的PSO优化RBF神经网络PMV指标预测 | 第42-49页 |
| 4.3.1 样本数据准备 | 第42-43页 |
| 4.3.2 基于RBF神经网络的PMV指标建模 | 第43-44页 |
| 4.3.3 PMV指标预测的仿真与分析 | 第44-49页 |
| 4.4 室内热舒适度控制策略分析 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 智能家居控制系统平台设计 | 第50-60页 |
| 5.1 智能家居APP设计 | 第50-57页 |
| 5.1.1 APP软件结构 | 第50-51页 |
| 5.1.2 Android的 Socket通信 | 第51-52页 |
| 5.1.3 用户SQLite数据库 | 第52-53页 |
| 5.1.4 APP控制界面设计 | 第53-57页 |
| 5.2 空调控制系统设计 | 第57-59页 |
| 5.2.1 遥控信号学习 | 第57页 |
| 5.2.2 空调控制功能测试 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 课题展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |