地铁车站人工光环境控制与优化策略研究
摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-14页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究状况 | 第11-12页 |
1.3 研究目标 | 第12页 |
1.4 研究内容 | 第12-13页 |
1.5 小结 | 第13-14页 |
2.地铁车站人工光环境照明系统 | 第14-24页 |
2.1 视觉工效学 | 第14页 |
2.2 地铁车站人工光环境分析 | 第14-20页 |
2.2.1 地铁车站人工光环境的视觉作用 | 第16-19页 |
2.2.2 地铁车站人工光环境的生理作用 | 第19页 |
2.2.3 地铁车站人工光环境的心理作用 | 第19-20页 |
2.3 地铁车站智能照明控制系统总体设计 | 第20-22页 |
2.3.1 系统设计目标 | 第20-21页 |
2.3.2 系统功能分析 | 第21页 |
2.3.3 系统总体结构 | 第21-22页 |
2.4 小结 | 第22-24页 |
3. 地铁车站人工光环境照明控制策略研究 | 第24-32页 |
3.1 乘客构成与行为需求研究 | 第24-26页 |
3.1.1 乘客构成分析 | 第24-25页 |
3.1.2 乘客行为及需求分析 | 第25-26页 |
3.2 情景照明策略设计及分析 | 第26-31页 |
3.2.1 早高峰情景照明模式 | 第28-29页 |
3.2.2 晚高峰情景照明模式 | 第29-30页 |
3.2.3 正常情景照明模式 | 第30-31页 |
3.3 本章小结 | 第31-32页 |
4 地铁车站人工光环境智能控制研究 | 第32-50页 |
4.1 智能控制概述 | 第32-34页 |
4.1.1 智能控制的概念 | 第32页 |
4.1.2 智能控制的特点 | 第32-33页 |
4.1.3 地铁车站人工光环境智能控制分析 | 第33-34页 |
4.2 基于模糊推理的地铁车站人工光环境控制 | 第34-41页 |
4.2.1 模糊推理概述 | 第34页 |
4.2.2 模糊逻辑推理系统设计 | 第34页 |
4.2.3 输入量的模糊化 | 第34-35页 |
4.2.4 模糊推理规则 | 第35-36页 |
4.2.5 反模糊化 | 第36页 |
4.2.6 模糊推理的 MATLAB 实现 | 第36-41页 |
4.3 基于神经网络的地铁车站人工光环境控制 | 第41-48页 |
4.3.1 神经网络概述 | 第41-42页 |
4.3.2 BP 神经网络 | 第42-44页 |
4.3.3 BP 网络学习地铁车站人工光环境样本 | 第44-48页 |
4.4 本章小结 | 第48-50页 |
5 智能照明控制器设计 | 第50-68页 |
5.1 智能照明控制器总体设计 | 第50-51页 |
5.2 控制器器件选型 | 第51-52页 |
5.2.1 微处理器选型 | 第51-52页 |
5.2.2 传感器选型 | 第52页 |
5.2.3 人机交互单元 | 第52页 |
5.3 CAN 总线技术 | 第52-56页 |
5.3.1 CAN 总线技术概述 | 第52-53页 |
5.3.2 CAN 协议的技术规范 | 第53-54页 |
5.3.3 CAN 网络拓扑结构 | 第54-55页 |
5.3.4 CAN 总线通信方式 | 第55-56页 |
5.4 智能控制器硬件设计 | 第56-61页 |
5.4.1 最小系统电路设计 | 第56-58页 |
5.4.2 传感器模块电路设计 | 第58-59页 |
5.4.3 液晶显示电路设计 | 第59-60页 |
5.4.4 电源电路设计 | 第60页 |
5.4.5 SD 存储电路设计 | 第60页 |
5.4.6 CAN 接口电路设计 | 第60-61页 |
5.5 智能控制器软件设计 | 第61-67页 |
5.5.1 软件开发环境及总体设计 | 第61-62页 |
5.5.2 智能控制器主控程序设计 | 第62-63页 |
5.5.3 CAN 总线通信 | 第63-64页 |
5.5.4 SD 卡存储设计 | 第64页 |
5.5.5 液晶显示程序设计 | 第64-65页 |
5.5.6 照度采集程序设计 | 第65-67页 |
5.6 系统测试 | 第67页 |
5.7 本章小结 | 第67-68页 |
6 总结与展望 | 第68-70页 |
6.1 总结 | 第68页 |
6.2 展望 | 第68-70页 |
致谢 | 第70-72页 |
参考文献 | 第72-75页 |
附录 1 攻读硕士学位期间发表论文情况 | 第75页 |