论文部分内容阅读
随着生活质量的日益提高,人们追求智能化居住环境的期望更加强烈。为满足人们对居住环境智能化的需求,智能家居系统越来越受到重视。但传统智能家居系统多以有线的方式构建智能家居网络,不仅成本高,而且扩展性、美观程度都存在不足;系统仅仅能够实现用户的远程控制或预设参数的简单逻辑控制,不具备学习能力。论文比较了不同的智能家居网络组网方案,确定以ZigBee技术为基础组建智能家居网络;针对传统智能家居系统学习能力不足的特点,提出了一种基于ZigBee技术的采用神经网络使其具有学习能力的智能家居系统总体设计方案,通过运用神经网络作为辅助决策系统的机器学习算法,提高系统的智能性。根据系统的设计方案,采用RBF神经网络对温度、光照强度的控制进行建模、仿真,验证了在智能家居系统中引入RBF神经网络算法的可行性,接着完成了对该算法在主控制器模块上的移植。硬件上,采用三星公司的S3C2440作为智能网关的核心控制器,并添加电源模块、SDRAM存储器、以太网模块、触摸显示屏等模块及辅助电路,同时采用TI公司的CC2530作为ZigBee组网模块,完成了包括智能网关的电路设计、电路调试以及相关底层传感器与执行器的设计与调试。软件上,通过分析和研究Z-Stack协议栈的工作流程,实现了 ZigBee网络的组网、不同节点间的透传以及不同功能节点的软件编程,并通过构建Linux操作系统开发环境、设计智能网关应用软件以及移植嵌入式Boa服务器,完成了对智能网关的软件开发,其中智能网关的应用软件主要由设备监控进程与图形化显示进程两个部分组成。最后,对整个智能家居系统进行了软硬件调试,并对其功能进行了测试,验证了学习型智能家居系统的性能。