隨著物聯(lián)網(wǎng)等技術(shù)的發(fā)展及人們生活水平的提高,傳統(tǒng)家居逐漸向智能家居方向演變。由于智能手機(jī)的普及,當(dāng)前的智能家居系統(tǒng)普遍以“手機(jī)APP遠(yuǎn)程控制家電設(shè)備”的模式。但這種模式過分依賴于手機(jī),且存在智能化不足等缺點(diǎn)。本文圍繞如何提高智能家居系統(tǒng)智能化程度的問題展開研究,在比較了傳統(tǒng)智能家居系統(tǒng)優(yōu)劣的基礎(chǔ)上,設(shè)計(jì)了一種基于MTK ARM和ZigBee技術(shù)的采用神經(jīng)網(wǎng)絡(luò)使其具有學(xué)習(xí)特性的智能家居控制系統(tǒng)。通過運(yùn)用神經(jīng)網(wǎng)絡(luò)控制家電設(shè)備,提高了智能家居控制系統(tǒng)的智能性；并針對(duì)傳統(tǒng)智能家居控制系統(tǒng)中WiFi網(wǎng)絡(luò)不穩(wěn)定問題,通過增加主控模塊中GPRS網(wǎng)絡(luò)通信功能,提高了系統(tǒng)的穩(wěn)定性。根據(jù)設(shè)計(jì)的系統(tǒng)方案,完成了相應(yīng)的系統(tǒng)硬件模塊設(shè)計(jì),包括以MT6260D為核心芯片的主控模塊電路設(shè)計(jì)、PCB制板、電路板調(diào)試以及ZigBee模塊和相應(yīng)的底層傳感器的設(shè)計(jì)與調(diào)試。通過對(duì)具有學(xué)習(xí)特性算法進(jìn)行分析研究,采用RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)空調(diào)、智能燈泡和智能插座三種家電設(shè)備的控制進(jìn)行了建模、仿真,并將RBF神經(jīng)網(wǎng)絡(luò)算法移植到了主控模塊中。在軟件上,完成了包括以MTK為開發(fā)平臺(tái)的主控模塊軟件設(shè)計(jì)、以VS2008為開發(fā)平臺(tái)的服務(wù)器軟件... 

【文章來源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 智能家居研究現(xiàn)狀
        1.2.1 國(guó)外智能家居的研究與現(xiàn)狀
        1.2.2 國(guó)內(nèi)智能家居的研究與現(xiàn)狀
    1.3 智能家居未來發(fā)展趨勢(shì)
    1.4 研究?jī)?nèi)容及論文結(jié)構(gòu)
2 一種具有學(xué)習(xí)特性的智能家居系統(tǒng)方案及硬件設(shè)計(jì)
    2.1 系統(tǒng)方案設(shè)計(jì)
        2.1.1 傳統(tǒng)智能家居系統(tǒng)方案
        2.1.2 改進(jìn)的具有學(xué)習(xí)特性的智能家居方案
        2.1.3 具有學(xué)習(xí)特性的智能家居控制系統(tǒng)在自動(dòng)控制方面的優(yōu)勢(shì)
        2.1.4 方案預(yù)期目標(biāo)
    2.2 系統(tǒng)硬件組成及工作原理
    2.3 智能家居系統(tǒng)主控模塊設(shè)計(jì)
        2.3.1 主控模塊核心芯片選型
        2.3.2 主控模塊總體結(jié)構(gòu)
        2.3.3 控制芯片MT6260D
        2.3.4 電源模塊設(shè)計(jì)
        2.3.5 顯示模塊設(shè)計(jì)
    2.4 連接主控模塊與PC服務(wù)器的通信模塊
    2.5 ZigBee模塊
        2.5.1 ZigBee節(jié)點(diǎn)模塊設(shè)計(jì)
        2.5.2 智能燈泡和智能插座中的ZigBee控制部分
    2.6 底層設(shè)備及傳感器模塊
        2.6.1 基于CC2530的智能燈泡模塊
        2.6.2 基于CC2530的智能插座模塊
        2.6.3 溫濕度傳感器模塊
        2.6.4 光照傳感器模塊
        2.6.5 紅外矩陣模塊
        2.6.6 紅外學(xué)習(xí)模塊
        2.6.7 CC2530與底層傳感器連接圖
    2.7 本章小結(jié)
3 控制系統(tǒng)學(xué)習(xí)特性算法設(shè)計(jì)與實(shí)現(xiàn)
    3.1 建模算法系統(tǒng)總體結(jié)構(gòu)
    3.2 神經(jīng)網(wǎng)絡(luò)對(duì)空調(diào)控制的建模與仿真
        3.2.1 神經(jīng)網(wǎng)絡(luò)算法選擇原則及算法介紹
        3.2.2 神經(jīng)網(wǎng)絡(luò)對(duì)空調(diào)控制建模的總體框架
        3.2.3 神經(jīng)網(wǎng)絡(luò)輸入輸出數(shù)據(jù)預(yù)處理
        3.2.4 神經(jīng)網(wǎng)絡(luò)決策設(shè)計(jì)
        3.2.5 BP和RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)及仿真
        3.2.6 兩種神經(jīng)網(wǎng)絡(luò)算法對(duì)比
    3.3 神經(jīng)網(wǎng)絡(luò)對(duì)空調(diào)、智能燈泡、智能插座整體建模和仿真
        3.3.1 輸入輸出數(shù)據(jù)分析及預(yù)處理
        3.3.2 整體建模仿真
    3.4 神經(jīng)網(wǎng)絡(luò)算法在主控模塊中的移植
        3.4.1 RBF神經(jīng)網(wǎng)絡(luò)算法在主控模塊中移植的總體結(jié)構(gòu)
        3.4.2 RBF神經(jīng)網(wǎng)絡(luò)算法移植的C編寫具體實(shí)現(xiàn)
    3.5 本章小結(jié)
4 具有學(xué)習(xí)特性的智能家居系統(tǒng)軟件設(shè)計(jì)
    4.1 具有學(xué)習(xí)特性的智能家居系統(tǒng)軟件設(shè)計(jì)總體框架
    4.2 主控模塊軟件設(shè)計(jì)
        4.2.1 主控模塊軟件總體架構(gòu)
        4.2.2 MTK軟件平臺(tái)介紹
        4.2.3 底層驅(qū)動(dòng)設(shè)計(jì)
        4.2.4 GPRS和WiFi網(wǎng)絡(luò)選擇設(shè)計(jì)
        4.2.5 與ZigBee協(xié)調(diào)器通信設(shè)計(jì)
    4.3 ZigBee軟件設(shè)計(jì)
        4.3.1 ZigBee協(xié)議棧及軟件分析
        4.3.2 ZigBee模塊軟件總體結(jié)構(gòu)
        4.3.3 CC2530作為通信節(jié)點(diǎn)軟件
        4.3.4 CC2530作為底層設(shè)備MCU時(shí)軟件部分
    4.4 PC服務(wù)器軟件
    4.5 基于Android的手機(jī)終端軟件設(shè)計(jì)
        4.5.1 Android開發(fā)簡(jiǎn)介
        4.5.2 Socket通信
        4.5.3 Android界面開發(fā)
    4.6 本章小結(jié)
5 系統(tǒng)聯(lián)試
    5.1 WiFi和GPRS通信網(wǎng)絡(luò)測(cè)試
    5.2 手機(jī)APP手動(dòng)控制家電設(shè)備測(cè)試
    5.3 神經(jīng)網(wǎng)絡(luò)對(duì)家電設(shè)備智能控制測(cè)試
    5.4 調(diào)試過程中遇到主要問題及解決
        5.4.1 硬件調(diào)試問題
        5.4.2 軟件調(diào)試問題
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄A
附錄B



本文編號(hào)：3019797