首页--工业技术论文--电工技术论文--电气化、电能应用论文--电气照明论文--照明器论文

基于GA-BP的数据融合技术及其在智能灯光系统中的应用

摘要第4-5页
abstract第5页
注释表第11-12页
第一章 绪论第12-18页
    1.1 研究背景第12页
    1.2 智能家居系统第12-14页
        1.2.1 智能家居起源第12-13页
        1.2.2 国外发展现状第13-14页
        1.2.3 国内发展现状第14页
    1.3 智能灯光控制系统第14-16页
        1.3.1 智能灯光控制系统的产生第14-15页
        1.3.2 智能灯光控制系统的发展第15-16页
    1.4 研究内容和论文的结构安排第16-18页
第二章 智能灯光控制系统的方案设计第18-30页
    2.1 整体方案设计第18-20页
        2.1.1 智能灯光系统结构设计第18-19页
        2.1.2 智能灯光系统布线设计第19-20页
    2.2 智能灯光控制系统的网络设计第20-24页
        2.2.1 无线传感器网络的产生第20-21页
        2.2.2 无线传感器网络的特点及应用第21-24页
    2.3 数据融合第24-28页
        2.3.1 数据融合算法的必要性和有效性第24页
        2.3.2 数据融合模型第24-26页
        2.3.3 数据融合算法第26-28页
    2.4 智能灯光系统平台设计第28-29页
        2.4.1 硬件模块第28页
        2.4.2 控制终端第28-29页
    2.5 本章小结第29-30页
第三章 智能灯光控制系统的无线传感器组网设计第30-39页
    3.1 WSN相关技术第30-32页
        3.1.1 网络拓扑第30页
        3.1.2 网络通讯协议第30-31页
        3.1.3 低功耗技术第31页
        3.1.4 传感器技术第31-32页
        3.1.5 路由协议第32页
    3.2 家庭组网技术第32-35页
        3.2.1 有线组网技术第33页
        3.2.2 无线组网技术第33-35页
    3.3 ZigBee无线网络技术第35-37页
        3.3.1 ZigBee技术特点第35-36页
        3.3.2 ZigBee网络结构模式第36-37页
    3.4 家庭ZigBee星形组网设计第37-38页
    3.5 本章小结第38-39页
第四章 智能灯光控制系统的数据融合算法设计第39-51页
    4.1 优化的GA-BP算法模型第39-44页
        4.1.1 遗传算法第39-41页
        4.1.2 BP神经网络数据融合算法第41-43页
        4.1.3 优化的GA-BP算法流程第43-44页
    4.2 改进的遗传算法第44-46页
        4.2.1 优化编码方式第44页
        4.2.2 优化遗传算子第44-46页
    4.3 优化的GA-BP算法的核心步骤第46页
    4.4 仿真分析第46-50页
        4.4.1 场景设置第46-47页
        4.4.2 收敛性对比第47-48页
        4.4.3 网络能耗对比第48-49页
        4.4.4 网络延时对比第49-50页
    4.5 本章小结第50-51页
第五章 基于优化的GA-BP算法的智能灯光系统平台设计第51-66页
    5.1 智能灯光系统总体框架设计第51-52页
    5.2 硬件设计第52-61页
        5.2.1 ZigBee无线通信模块设计第52-53页
        5.2.2 RS232通讯接口第53-54页
        5.2.3 无线传感器模块第54-59页
        5.2.4 中央处理器模块第59-60页
        5.2.5 灯光驱动模块第60-61页
    5.3 软件设计第61-63页
    5.4 系统测试第63-65页
    5.5 本章小结第65-66页
第六章 总结与展望第66-68页
    6.1 总结第66页
    6.2 展望第66-68页
参考文献第68-72页
致谢第72-73页
在学期间的研究成果及发表的学术论文第73页

论文共73页,点击 下载论文
上一篇:523三元锂离子动力电池SOC的估计算法研究
下一篇:微波无线能量传输回复式反射跟踪聚焦技术