| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 1.绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究目标 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·小结 | 第12-13页 |
| 2.地铁车站光环境综述 | 第13-27页 |
| ·地下车站中光环境对心理及生理影响 | 第13-14页 |
| ·地铁车站中光环境对人的心理影响 | 第13-14页 |
| ·地下空间中光环境对人的生理影响 | 第14页 |
| ·地铁车站光环境特点 | 第14-15页 |
| ·地铁车站照明影响因素 | 第15-19页 |
| ·地铁车站照明节能研究 | 第19-24页 |
| ·地铁车站照明控制方式 | 第19页 |
| ·照明灯具的选择 | 第19-22页 |
| ·光源的布置 | 第22-24页 |
| ·地铁车站照明仿真 | 第24-26页 |
| ·照明设备的布置 | 第24-25页 |
| ·地铁车站光环境模拟结果分析 | 第25-26页 |
| ·小结 | 第26-27页 |
| 3.DeviceNet 协议规范 | 第27-35页 |
| ·DeviceNet 概述 | 第27-28页 |
| ·DeviceNet 的物理层和数据链路层 | 第28-29页 |
| ·DeviceNet 物理层 | 第28-29页 |
| ·数据链路层 | 第29页 |
| ·DeviceNet 中连接的概念 | 第29-30页 |
| ·DeviceNet 的生产者/消费者网络通信模型 | 第30页 |
| ·DeviceNet 报文发送及数据通信方式 | 第30-31页 |
| ·DeviceNet 的对象模型及设备描述 | 第31-33页 |
| ·小结 | 第33-35页 |
| 4.基于 DeviceNet 总线的智能照明控制器的设计 | 第35-55页 |
| ·智能照明控制器的基本结构 | 第35-36页 |
| ·硬件系统元件选型 | 第36-38页 |
| ·处理器 | 第36-37页 |
| ·人机交互单元 | 第37页 |
| ·DeviceNet 通讯模块 | 第37页 |
| ·传感器选择 | 第37-38页 |
| ·硬件电路设计 | 第38-43页 |
| ·最小系统设计 | 第38-39页 |
| ·LCD 显示接口 | 第39-40页 |
| ·照度传感器接口 | 第40-41页 |
| ·串口通信接口设计 | 第41-42页 |
| ·DeviceNet 总线通信接口 | 第42-43页 |
| ·系统软件实现 | 第43-51页 |
| ·处理器初始化 | 第44页 |
| ·照度采集 | 第44-47页 |
| ·串口通信 | 第47-48页 |
| ·DeviceNet 通信 | 第48-51页 |
| ·系统调试试验 | 第51-54页 |
| ·系统调试环境 | 第51页 |
| ·调试 | 第51-54页 |
| ·小结 | 第54-55页 |
| 5.基于软测量技术的模糊控制器 | 第55-75页 |
| ·基于 LS-SVM 地铁车站光环境软测量 | 第55-65页 |
| ·LS-SVM 算法原理 | 第55-58页 |
| ·核函数及其选择 | 第58-59页 |
| ·基于 LS-SVM 的地铁车站内光环境软测量模型建立 | 第59-62页 |
| ·地铁车站光环境 LS-SVM 软测量仿真实验 | 第62-65页 |
| ·基于 RBF 神经网络地铁车站光环境软测量 | 第65-69页 |
| ·RBF 神经网络算法原理 | 第65-67页 |
| ·基于 RBF 神经网络的地铁车站光环境软测量模型建立 | 第67页 |
| ·基于 RBF 网络训练及仿真结果 | 第67-69页 |
| ·基于 LS-SVM 软测量的模糊控制器 | 第69-73页 |
| ·模糊控制器的设计 | 第69-72页 |
| ·仿真研究 | 第72-73页 |
| ·小结 | 第73-75页 |
| 6.地铁车站智能照明系统 | 第75-79页 |
| ·智能照明系统的需求分析 | 第75页 |
| ·地铁车站智能照明控制系统结构 | 第75-76页 |
| ·地铁车站智能照明控制策略 | 第76-78页 |
| ·小结 | 第78-79页 |
| 7.总结与展望 | 第79-81页 |
| ·总结 | 第79页 |
| ·展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 附录1 攻读硕士学位期间发表论文情况 | 第87页 |
