| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 智能家居概述 | 第11-14页 |
| 1.2.1 智能家居的起源和发展 | 第11-12页 |
| 1.2.2 智能家居的发展现状和趋势 | 第12-14页 |
| 1.3 课题研究的主要内容 | 第14-16页 |
| 第2章 系统的总体方案设计 | 第16-24页 |
| 2.1 系统的方案构思 | 第16-18页 |
| 2.1.1 系统的总体需求 | 第16-17页 |
| 2.1.2 系统的解决方案 | 第17-18页 |
| 2.2 系统的功能设计 | 第18-20页 |
| 2.2.1 系统的层次结构 | 第18-19页 |
| 2.2.2 系统的功能模块 | 第19-20页 |
| 2.3 ZigBee无线通信技术 | 第20-23页 |
| 2.3.1 典型无线网络技术比较 | 第20-22页 |
| 2.3.2 ZigBee技术介绍 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章T-S模糊神经网络模型 | 第24-40页 |
| 3.1 人工神经网络 | 第24-27页 |
| 3.1.1 神经网络概述 | 第24页 |
| 3.1.2 神经元模型 | 第24-25页 |
| 3.1.3 神经网络的结构 | 第25-26页 |
| 3.1.4 神经网络的学习状态 | 第26-27页 |
| 3.2 BP神经网络 | 第27-32页 |
| 3.2.1 BP神经网络结构 | 第27页 |
| 3.2.2 BP神经网络训练方法 | 第27-32页 |
| 3.3 模糊理论 | 第32-34页 |
| 3.3.1 模糊理论概述 | 第32-33页 |
| 3.3.2 模糊逻辑控制器 | 第33-34页 |
| 3.4 模糊理论与神经网络的结合 | 第34-35页 |
| 3.4.1 神经网络的优点 | 第34-35页 |
| 3.4.2 模糊逻辑控制的优点 | 第35页 |
| 3.4.3 模糊理论与神经网络的结合 | 第35页 |
| 3.5 T-S模糊神经网络模型的确定 | 第35-38页 |
| 3.5.1 T-S模糊神经网络结构 | 第35-38页 |
| 3.6 模糊神经网络的学习算法 | 第38-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 家居环境评价模型的建立和仿真 | 第40-47页 |
| 4.1 建模变量的选取 | 第40-41页 |
| 4.2 评价模型的参数确定和训练样本的获取 | 第41页 |
| 4.3 数据预处理 | 第41-42页 |
| 4.4 建立T-S模糊神经网络模型对家居环境进行评价 | 第42-46页 |
| 4.4.1 模型的建立 | 第42-43页 |
| 4.4.2 数据的加载 | 第43页 |
| 4.4.3 对家居环境进行评价 | 第43-45页 |
| 4.4.4 模型有效性验证 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 智能家居环境数据监测系统的设计 | 第47-66页 |
| 5.1 系统的结构图 | 第47页 |
| 5.2 系统的硬件设计 | 第47-55页 |
| 5.2.1 ZigBee无线传感网络 | 第47-55页 |
| 5.2.2 ZigBee组网实物展示 | 第55页 |
| 5.3 系统的软件设计 | 第55-65页 |
| 5.3.1 软件设计结构图 | 第55-56页 |
| 5.3.2 ZigBee协议应用程序设计 | 第56-61页 |
| 5.3.3 监测界面的设计与实现 | 第61-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72页 |