首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--大气监测论文

基于STM32的空气质量监测系统研究与设计

摘要第4-6页
Abstract第6-8页
第1章 绪论第12-16页
    1.1 国内外背景及意义第12页
    1.2 国内外空气质量监测系统研究现状第12-14页
    1.3 本文的主要工作第14-16页
第2章 系统的总体方案设计与硬件平台实现第16-30页
    2.1 系统的总体方案第16-17页
    2.2 本系统使用到的主要技术第17-22页
        2.2.1 嵌入式技术第17-18页
        2.2.2 GPRS通信技术第18-19页
        2.2.3 BP神经网络算法第19-22页
    2.3 处理器的选型和外围电路第22-24页
        2.3.1 STM32F103处理器第22页
        2.3.2 STM32F103外围电路第22-24页
    2.4 GPRS模块第24-25页
    2.5 信息采集模块第25-27页
        2.5.1 PM2.5与PM10传感器第25-26页
        2.5.2 温湿度传感器第26-27页
    2.6 本章小结第27-30页
第3章 软件设计第30-46页
    3.1 系统软件的整体架构第30页
    3.2 软件开发环境与开发工具第30-31页
    3.3 实时操作系统FreeRTOS第31-32页
        3.3.1 FreeRTOS的简介第31页
        3.3.2 FreeRTOS内核管理结构第31-32页
    3.4 移植FreeRTOS实时操作系统第32-34页
        3.4.1 FreeRTOS移植简介第32页
        3.4.2 portmacro.h文件的移植第32-33页
        3.4.3 内核中断处理的移植第33-34页
    3.5 STM32底层驱动程序设计第34-41页
        3.5.1 串口驱动程序设计第34-35页
        3.5.2 TFTLCD驱动程序设计第35-38页
        3.5.3 A6GPRS模块驱动程序第38-39页
        3.5.4 AM2301模块驱动程序设计第39-40页
        3.5.5 PMS3003模块驱动程序设计第40-41页
    3.6 系统主程序设计第41-43页
        3.6.1 数据采集端主程序设计第41-43页
        3.6.2 显示端主程序设计第43页
    3.7 本章小结第43-46页
第4章 基于Adam-BP神经网络空气监测系统实现第46-62页
    4.1 人体舒适度和AQI分析第46-47页
    4.2 BP神经网络算法训练过程第47-48页
    4.3 搭建基于BP神经网络的空气质量监测模型第48-52页
    4.4 空气质量监测模型结果分析第52-53页
    4.5 动量梯度下降法优化预测模型第53-55页
    4.6 Adam算法优化预测模型第55-57页
    4.7 基于Adam-BP神经网络空气监测系统测试第57-60页
        4.7.1 数据采集端测试第57-59页
        4.7.2 显示端测试第59-60页
    4.8 本章小结第60-62页
第5章 总结与展望第62-64页
参考文献第64-68页
作者攻读硕士学位期间的学术成果第68-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:磷基生物炭对电镀污泥中重金属的固定实验研究
下一篇:氮掺杂二氧化钛/生物炭的制备及其光催化性能的研究