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--自动化元件、部件论文--发送器(变换器)、传感器论文--传感器的应用论文

基于光伏获能的WSNs节点能量管理策略

摘要第3-5页
ABSTRACT第5-6页
1 绪论第10-18页
    1.1 课题来源第10页
    1.2 论文研究背景、目的及意义第10-12页
        1.2.1 课题研究背景第10-11页
        1.2.2 课题研究目的第11页
        1.2.3 课题研究意义第11-12页
    1.3 相关领域的研究现状第12-15页
        1.3.1 无线传感器网络研究现状第12-14页
        1.3.2 EH-WSNs的能耗管理现状第14-15页
    1.4 本文主要研究内容与结构第15-16页
    1.5 本章小结第16-18页
2 无线传感器网络相关理论与技术第18-28页
    2.1 无线传感器网络体系结构第18-20页
        2.1.1 无线传感器网络第18页
        2.1.2 WSNs节点结构第18-19页
        2.1.3 WSNs网络结构第19-20页
    2.2 WSNS的特点、关键技术及应用第20-23页
        2.2.1 WSNs的特点第20-21页
        2.2.2 WSNs关键技术第21-22页
        2.2.3 WSNs的应用第22-23页
    2.3 可充电无线传感器网络第23-26页
        2.3.1 太阳能与光伏电池第23-24页
        2.3.2 太阳能可充电无线传感器网络第24-26页
    2.4 本章小结第26-28页
3 自动跟踪太阳光的节点获能装置第28-40页
    3.1 引言第28页
    3.2 总体设计第28-29页
    3.3 硬件部分第29-38页
        3.3.1 单片机控制模块第30-31页
        3.3.2 太阳能电池板第31-33页
        3.3.3 光照传感器采样模块第33-34页
        3.3.4 稳压电路第34-35页
        3.3.5 锂电池的选型与充电控制电路第35-36页
        3.3.6 OLED显示屏第36-38页
    3.4 软件设计第38-39页
    3.5 本章小结第39-40页
4 基于历史获能的节点能量中性管理机制第40-58页
    4.1 引言第40页
    4.2 休眠调度机制第40-41页
    4.3 网络模型第41-43页
        4.3.1 单跳网络模型第41-42页
        4.3.3 多跳网络模型第42-43页
    4.4 信道能量消耗模型第43-46页
        4.4.1 经典信道能量消耗模型简介第43页
        4.4.2 单跳分簇网络中节点能耗计算第43-45页
        4.4.3 多跳分簇网络节点耗能计算第45-46页
    4.5 能量收集、能量消耗与能量中性的关系第46-52页
        4.5.1 能量收集第46-47页
        4.5.2 能量消耗与能量中性约束第47-50页
        4.5.3 能量消耗中的循环关系第50-52页
    4.6 电池能量中性管理机制第52-56页
        4.6.1 可充电电池模型第52-54页
        4.6.2 基于历史获能的能量中性管理机制(ENMM-HHE)第54-56页
    4.7 本章小结第56-58页
5 实验与仿真第58-72页
    5.1 引言第58页
    5.2 节点获能实验第58-62页
    5.3 ENMM-HHE仿真参数设置第62页
    5.4 能量中性策略仿真分析第62-68页
        5.4.1 能量分配误差仿真分析第62-64页
        5.4.2 不同操作周期中占空比仿真分析第64-65页
        5.4.3 ENMM-HHE与P-FREE占空比对比分析第65-67页
        5.4.4 ENMM-HHE与P-FREE数据吞吐量分析第67-68页
    5.5 水质传感器节点耗能实验第68-71页
    5.6 本章小结第71-72页
6 总结与展望第72-74页
    6.1 总结第72页
    6.2 展望第72-74页
致谢第74-76页
参考文献第76-80页
附录第80-81页
    A.作者在攻读硕士研究生期间参加的项目第80页
    B.作者在攻读硕士研究生期间参加的竞赛第80-81页
    C自动跟踪太阳光的节点获能装置电路原理图第81页

论文共81页,点击 下载论文
上一篇:基于样本与特征学习的帕金森语音数据挖掘方法研究
下一篇:基于CANopen的全自动加样系统设计与实现