基于网络的智能家居控制系统

发布时间：2017-07-04 01:07

  本文关键词：基于网络的智能家居控制系统

  更多相关文章： 嵌入式 智能家居 门禁 机器学习

【摘要】：随着社会经济以及技术的不断发展,智能家居产品已经越来越得到人们的认可。目前市场上的智能家居产品主要通过WiFi来传输信息并采用专用遥控硬件或者软件的方法进行控制。为解决就目前市场上的智能家居产品控制方法以及布线手法单一,缺乏智能性的缺点,本文采用嵌入式技术,zigbee通讯技术,机器学习技术设计了一种基于网络的智能家居控制系统,并基于现有的zigbee协议栈以及嵌入式平台实现了智能家居的远程控制、学习、监控等功能。基于网络的智能家居控制系统,以信号转换器中的软件为核心实现不同信号的传送,利用单片机技术、嵌入式程序技术、激光调制技术、短距离无线通讯技术以及机器学习技术形成以人为本,具有思考能力的智能家居系统。在基于网络的智能家居控制系统中,信号转换器提供了设备第一次接入自动配置、数据的传输以及转换、数据收集、内网启动等相关的服务。信号转换器在外部与云服务器通过因特网实现通讯,在内部通过ZigBee的方式与终端器件实现通讯。终端采用继电器控制开关设备,采用红外发射器控制空调、电视、风扇等设备。智能手机可以通过专用软件或者微信的方式控制响应的智能设备。智能家居中的信号转换器信号传送程序、云平台信息处理、内网的实现以及机器学习是基于网络的智能家居控制系统中的关键部分。在框架设计实现的基础上,给出了这四个部分的实际解决方案。信号转换器是以ARM芯片以及其外部硬件设备搭载了嵌入式Linux操作系统组成,在串口端连接ZigBee通讯模块,在网络通讯端口将通过网线与外部网络相连,实现了ZigBee内网与云服务器之间的相互通讯。门禁系统以650nm波长,180kHz的激光来探测人在房间内部的行走。所有的终端设备都搭载了德州仪器公司的cc2530的芯片,再用Z-stack协议栈实现ZigBee信号通讯。在收集了大量用户活动数据的情况下,对用户的生活行为进行处理,并将结果作为辅助用户操作电气的方式。本文有两个创新点(1)通过利用微信的接口,以及服务器之间的互相映射,改变了原有的一个产品就要安装一个软件的方式,节省了手机的资源。(2)通过用户平时产生的家用电气操作数据,应用机器学习中的理论,找到用户在操作电器时候的规律,并根据这种规律辅助用户平时的操作。
【关键词】：嵌入式 智能家居 门禁 机器学习
【学位授予单位】：南京师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TU855
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-12
• 1.1 论文的研究背景与意义7-9
• 1.1.1 研究背景7-8
• 1.1.2 国内外发展情况8-9
• 1.2 主要研究内容9-10
• 1.3 文章结构安排10-12
• 第2章 基于网络的智能家居控制系统总体方案设计12-20
• 2.1 基于网络的智能家居控制系统的功能要求12-13
• 2.2 基于网络的智能家居控制系统框架13
• 2.3 基于网络的智能家居控制系统设计13-16
• 2.3.1 系统总览13-14
• 2.3.2 智能设备自动配置14-16
• 2.3.3 系统内网设备交流16
• 2.3.4 已有老旧家用电器的控制16
• 2.3.5 机器学习的应用16
• 2.4 系统开发方案选择16-19
• 2.4.1 信号转换器的选择16-18
• 2.4.2 内网协议选择18-19
• 2.4.3 云服务器的选择19
• 2.5 本章小结19-20
• 第3章 信号变换器实现方案20-28
• 3.1 信号变换器的体系结构20
• 3.2 建立开发环境20-22
• 3.3 配置与编译内核22-23
• 3.4 应用层程序设计23-25
• 3.5 信号转换器的测试25-27
• 3.6 本章小结27-28
• 第4章 云服务器实现方案28-34
• 4.1 云服务技术介绍28
• 4.2 云服务器连接方案28-29
• 4.3 微信接口29-31
• 4.4 手机软件接口31-33
• 4.5 信号转换器接口33
• 4.6 本章小结33-34
• 第5章 终端实现方案34-45
• 5.1 ZigBee协议的实现34-37
• 5.2 门禁系统的设计与实现37-41
• 5.3 对现有家电控制的设计41-43
• 5.4 手机操作方式的实现43-44
• 5.5 本章小结44-45
• 第6章 用户数据的分析45-52
• 6.1 问题描述45
• 6.2 Apriori算法简介45-46
• 6.3 时间段分割46
• 6.4 数据分析46-48
• 6.5 时间段分割48-49
• 6.6 Apriori算法实施49-51
• 6.6.1 原始数据处理49
• 6.6.2 构建选定集合49-50
• 6.6.3 最小支持度计算50-51
• 6.6.4 剪枝51
• 6.6.5 筛选符合条件组合51
• 6.7 本章小结51-52
• 第7章 智能家居系统总体测试52-54
• 结论54-56
• 参考文献56-60
• 在读期间发表的学术论文及xO究成果60
• 在读期间参与的科研课题60-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 廖壮嘉;智能家居的黄金时代[J];智能建筑与城市信息;2004年02期

2 廖壮嘉;20岁 智能家居的青春年华[J];智能建筑与城市信息;2004年03期

3 ;比尔·盖茨的智能家居[J];中华建设;2005年05期

4 陈鹏;;智能家居的系统分类和设计[J];仪器仪表标准化与计量;2006年02期

5 王伟光;;走近国外智能化家居[J];数字社区&智能家居;2007年02期

6 张鼎盛;;享受生活 享受智能家居[J];建材与装修情报;2007年05期

7 张鼎盛;;享受生活 享受智能家居[J];建材与装修情报;2007年07期

8 李磊;林晓杰;;智能家居的标准与协议[J];数字社区&智能家居;2008年01期

9 ;专注、专业、专心——打造智能家居行业第一媒体[J];数字社区&智能家居;2008年01期

10 戚振兴;;浅议我国智能家居发展[J];广西轻工业;2009年10期

中国重要会议论文全文数据库 前10条

1 吴效明;赵锦萌;吴剑波;;智能家居的医疗监测技术研究[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

2 荣蓉;吴文p，

本文编号：515805