果园火灾预警中的应用技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 研究的主要内容 | 第12-15页 |
| 2 ZigBee无线通信技术的概述及应用 | 第15-19页 |
| 2.1 ZigBee无线通信技术概述 | 第15页 |
| 2.2 ZigBee无线通信技术的栈架构 | 第15-16页 |
| 2.3 ZigBee无线通信技术的网络架构 | 第16-17页 |
| 2.4 无线通信技术ZigBee的特征 | 第17页 |
| 2.5 火灾预警系统中的ZigBee技术应用 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 3 果园火灾预警系统设计 | 第19-35页 |
| 3.1 系统的架构设计 | 第19页 |
| 3.2 传感器的无线网络架构设计 | 第19-20页 |
| 3.3 火灾预警系统的硬件设计 | 第20-29页 |
| 3.3.1 硬件架构的设计 | 第20页 |
| 3.3.2 探测器的设计 | 第20-28页 |
| 3.3.3 系统监控器的设计 | 第28-29页 |
| 3.4 系统的软件架构 | 第29-33页 |
| 3.4.1 软件的设计环境 | 第29-31页 |
| 3.4.2 软件ZigBee2004精简协议栈 | 第31-32页 |
| 3.4.3 探测器的软件设计 | 第32-33页 |
| 3.4.4 监控器软件的设计 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 4 神经网络理论在火灾预警系统中的应用研究 | 第35-47页 |
| 4.1 主成分定义 | 第35-38页 |
| 4.1.1 主成分实现思想 | 第35-38页 |
| 4.1.2 主成分的特点与应用 | 第38页 |
| 4.2 人工神经网络 | 第38-39页 |
| 4.2.1 拓扑架构 | 第38-39页 |
| 4.3 火灾信号中的PCABP神经网络的应用 | 第39-42页 |
| 4.3.1 BP神经网络 | 第39-41页 |
| 4.3.2 BP计算方法的特点 | 第41-42页 |
| 4.3.3 神经网络的组合模型PCABP | 第42页 |
| 4.4 火灾预警系统中LVQ神经网络应用 | 第42-45页 |
| 4.4.1 LVQ计算方法 | 第42-43页 |
| 4.4.2 LVQ学习规则 | 第43-44页 |
| 4.4.3 PCALVQ模型 | 第44-45页 |
| 4.4.4 火灾预警系统中的PCALVQ模型应用 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 仿真技术在果园火灾预警系统中的应用 | 第47-57页 |
| 5.1 仿真平台设计 | 第47页 |
| 5.2 人机交互设计 | 第47-49页 |
| 5.3 火灾信息的采集 | 第49-51页 |
| 5.4 识别与分类火灾信息 | 第51-54页 |
| 5.4.1 计算方法 | 第51-52页 |
| 5.4.2 仿真计算 | 第52-53页 |
| 5.4.3 神经网络在火灾预警系统中的应用 | 第53-54页 |
| 5.5 火灾信息的定位与温场 | 第54-55页 |
| 5.6 本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-63页 |
