| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究状况 | 第11-13页 |
| 1.3 选题的目的和意义 | 第13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第二章 LED发展及其应用技术 | 第15-20页 |
| 2.1 LED发展 | 第15-18页 |
| 2.1.1 LED发展 | 第15页 |
| 2.1.2 LED工作原理 | 第15-16页 |
| 2.1.3 LED光源的优点 | 第16-17页 |
| 2.1.4 LED的主要性能指标 | 第17-18页 |
| 2.2 LED驱动技术 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 LED散热技术 | 第20-35页 |
| 3.1 散热分析 | 第20-25页 |
| 3.1.1 传热学理论 | 第20-21页 |
| 3.1.2 热力学理论 | 第21-22页 |
| 3.1.3 LED热学参数 | 第22-25页 |
| 3.2 大功率LED的衬底和封装 | 第25-29页 |
| 3.2.1 LED的衬底技术 | 第25-27页 |
| 3.2.2 LED的封装技术 | 第27-29页 |
| 3.3 大功率LED散热研究 | 第29-32页 |
| 3.3.1 被动式散热 | 第29-30页 |
| 3.3.2 主动式散热 | 第30-31页 |
| 3.3.3 其他散热方式 | 第31-32页 |
| 3.4 如何测量大功率LED温度 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 LED路灯温度感知及PWM控制 | 第35-41页 |
| 4.1 LED路灯温度控制现实要求 | 第35页 |
| 4.2 系统结构设计 | 第35-36页 |
| 4.3 硬件设计 | 第36-37页 |
| 4.3.1 基于PWM调光的恒流驱动电路设计 | 第36-37页 |
| 4.3.2 ZigBee节点电路 | 第37页 |
| 4.3 系统软件设计 | 第37-39页 |
| 4.4 系统测试 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于人工神经网络PID技术的LED路灯智能系统 | 第41-62页 |
| 5.1 神经网络简介 | 第41-47页 |
| 5.1.1 神经网络的发展 | 第41-43页 |
| 5.1.2 神经网络原理 | 第43-44页 |
| 5.1.3 划分人工神经网络 | 第44-45页 |
| 5.1.4 神经网络自学算法 | 第45-46页 |
| 5.1.5 神经网络在控制上的应用 | 第46-47页 |
| 5.2 传统PID控制器 | 第47-48页 |
| 5.2.1 PID算法 | 第47-48页 |
| 5.2.2 传统PID控制器的不足 | 第48页 |
| 5.3 神经元PID控制器 | 第48-54页 |
| 5.3.1 加入神经网络的PID | 第48-49页 |
| 5.3.2 基于单神经元的PID控制 | 第49-53页 |
| 5.3.3 单神经元PID控制器的稳定性 | 第53-54页 |
| 5.4 大功率LED路灯温度标准 | 第54-55页 |
| 5.5 大功率LED路灯温度数学模型 | 第55-57页 |
| 5.6 LED路灯温度仿真 | 第57-61页 |
| 5.6.1 仿真软件介绍 | 第57页 |
| 5.6.2 传统PID下的LED路灯温度仿真 | 第57-59页 |
| 5.6.3 单神经元PID下的LED路灯温度仿真 | 第59-61页 |
| 5.7 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |