首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于ARM的室内空气质量监测系统设计

摘要第2-3页
Abstract第3页
第一章 绪论第6-9页
    1.1 课题背景及意义第6页
    1.2 国内外研究现状第6-7页
    1.3 发展方向第7页
    1.4 主要研究内容第7-9页
第二章 系统总体设计及关键技术简介第9-16页
    2.1 系统的需求分析第9-10页
    2.2 系统的总体结构第10-11页
        2.2.1 数据采集部分第10页
        2.2.2 无线传感器网络模块第10-11页
        2.2.3 上位主控器模块第11页
    2.3 ZigBee技术简介第11-14页
        2.3.1 无线传感器网络的特点第11-12页
        2.3.2 无线传感网络应用领域第12-13页
        2.3.3 无线网络中设备的类型第13页
        2.3.4 ZigBee网络的拓扑结构第13-14页
        2.3.5 ZigBee协议栈第14页
    2.4 实时操作系统 μC/OS-II简介第14-15页
    2.5 μC/GUI图形界面系统简介第15页
    2.6 本章小节第15-16页
第三章 硬件设计第16-25页
    3.1 传感采集模块的选型与接口电路设计第16-20页
        3.1.1 温湿度采集模块的选型第16-17页
        3.1.2 可燃性气体采集模块的选型第17-18页
        3.1.3 粉尘传感器模块选型第18-20页
    3.2 无线传感器网络节点设计第20-21页
    3.3 STM32主控器模块的设计第21-24页
        3.3.1 电源电压转换设计第21-22页
        3.3.2 液晶驱动SSD1963供电电路第22页
        3.3.3 LCD背光驱动电路第22-23页
        3.3.4 触摸屏接口电路设计第23-24页
        3.3.5 ARM其他外围电路设计第24页
    3.4 本章小结第24-25页
第四章 系统软件应用平台的底层搭建第25-41页
    4.1 总体设计思想第25-27页
    4.2 任务状态第27页
    4.3 μC/OS-II操作系统的移植第27-30页
        4.3.1 修改OS_CPU.H文件第27-28页
        4.3.2 修改OS_CPU.C文件第28页
        4.3.3 编写OS_CPU_A.ASM第28-30页
    4.4μC/GUI的移植第30-33页
        4.4.1μC/GUI文件的结构第31-32页
        4.4.2 μC/GUI的移植第32-33页
    4.5 硬件平台底层配置和驱动第33-40页
        4.5.1 FSMC的初始化配置第33-36页
        4.5.2 触摸屏的驱动实现第36页
        4.5.3 传感器模块驱动的设计与实现第36-40页
    4.6 本章小节第40-41页
第五章 无线空气传感器网络的实现第41-51页
    5.1 无线传感器网络软件设计核心思想第41-44页
        5.1.1 协议栈中重要函数第43-44页
    5.2 下位数据采集和ZigBee组网的具体实现第44-46页
        5.2.1 协调器节点的设计第44-46页
        5.2.2 终端节点的编程第46页
    5.3 上位的软件实现第46-50页
        5.3.1 main函数设计第47-48页
        5.3.2 串口中断程序第48-49页
        5.3.3 主任务第49-50页
        5.3.4 缓冲区数据处理任务第50页
        5.3.5 显示任务第50页
        5.3.6 μC/GUI消息处理任务第50页
        5.3.7 触摸屏任务第50页
        5.3.8 报警处理子任务第50页
    5.4 本章小节第50-51页
第六章 系统测试第51-59页
    6.1 测试环境的搭建第51-54页
    6.2 各传感器采集测试第54-56页
    6.3 系统终端采集界面测试第56-58页
    6.4 本章小节第58-59页
第七章 总结与展望第59-61页
    7.1 工作总结第59页
    7.2 工作展望第59-61页
参考文献第61-64页
致谢第64-66页

论文共66页,点击 下载论文
上一篇:面向软测量的发酵过程变量选择和数据降维研究
下一篇:基于深度学习的维吾尔语文本情感分析