基于物联网的智能学生宿舍系统的设计

本文是在物联网技术基础上,以学生宿舍为研究对象,建立一个对学生宿舍环境实现控制与管理的智能化系统。系统采用ARM S3C6410作为核心控制处理器,嵌入式Linux系统为智能学生宿舍总中心控制系统,以Zig Bee近距离无线传输协议组建宿舍控制监测网络,通过增设服务器以及开发Android应用程序,增加系统的稳定性和普及率,实现了学生宿舍居住和管理的智能化。     

基于嵌入式arm9的智能家居远程控制系统

随着时代的发展,科学技术的不断进步,智能家居这一概念逐渐兴起。本文提出基于arm9内核的三星S3C2440处理器,结合以Linux系统,Internet技术,在智能家居控制系统器上实现了嵌入式Web服务器、CGI脚本服务体系及后台控制系统,让用户能够在任何可以接入以太网的地方使用用户名和密码登录系统操作系统,实现智能家居的相应功能的智能家居远程控制服务器。     

移动端的小型智能家居设计

针对家庭内部的应用坏境,对智能家居控制端进行分析和研究,基于Android手机平台设计了一套智能家居系统的Android手机控制端:利用Android提供的各种方法和途径建立智能家居的手机端控制软件;并利用Socket通信实现了TCP/IP协议族的TCP协议;通过手机实现了控制网关通信。     

基于嵌入式的智能家居远程控制系统设计

伴随着时代的发展,现代化物联网技术越来越得到人们关注,人工智能技术发展成为核心,智能家居是一种结合Zigbee无线技术与各种传感器开发的一套智能家居控制系统,基于ARM的嵌入式智能家居控制系统.系统选择能够满足控制要求的高性能处理器ARM920T作为核心,这个系统满足人们对智能家居的需求.     

基于M2M的智能家居关键问题研究

随着通信服务的飞速发展,人与人之间已经实现了各种远程、近程的彼此通信.近几年遥感探测技术、传感器网络技术、信息处理技术等各种技术的研究发展,人们又提出了人与机器、机器与机器的应用环境下的信息与通信服务的综合应用设想,如安保和家庭环境中的综合信息和通信服务,人们的生活不只是人与人之间的单一交流,而是为人们提供一个无缝的多维的通信网络环境.     

基于ZigBee技术智能家居系统的研究

随着无线传输技术的发展,ZigBee技术在社会各个领域得到了广泛的应用。本文将ZigBee技术引入到智能家居系统中,提出一种基于ZigBee技术的智能家居系统,它可以稳定实现用户以浏览Web页面的方式对家庭内部子节点进行监控和控制。同时,还验证了ZigBee技术低功耗、可扩展性以及较高的应用性等特点。     

基于LonWorks与ZigBee技术的智能家居系统构建

针对智能家居系统结构层次复杂、布线不便等问题,研究基于LonWorks和ZigBee技术的智能家居系统构建。在构建中,借助485-LON、ZigBee-LON等网关,完成无线与有线的网络连接,实现系统布线的简化;同时,分析Z-Stack协议栈程序设计流程,运用LonMaker软件进行底层控制网络的构建,并通过力控组态软件完成上层监控系统设计。系统运行效果已通过实验得以验证。     

基于智能家居的一致性模型融合技术研究

在智能家居的自适应软件设计中,往往采用传统的模块构建技术。但由于其适应逻辑存在着低复用性、高复杂度等问题,很难验证模块组合后的正确性及有效性。为了满足开发过程中用户的增量性需求,针对适应逻辑的组合难题,提出把部分行为模型的形式化方法引入到适应行为的描述中。通过三值逻辑KMTS模型描述语言,提出一致性模型的判断方法以及融合算法,以提供明确的适应模型在线融合支持。最后通过智能家居中的一个模型实例来分析并验证融合后的适应逻辑。     

基于SIM 900A的物联网智能家居控制系统

物联网技术是世界信息产业发展的第三次浪潮,它改变了人们的家居方式,使人们有希望拥有一个更加安全、方便、舒适、智能的家。文中设计了一种基于SIM900A和Cortex-M3的物联网智能家居控制系统。该系统采用Cortex-M3内核的STM32处理器来作为系统主控制器,可以采集多个传感器的信息,并通过SIM900A与多个移动终端实现物联网通信。实验结果表明,该系统可以正常接收来自移动终端的SMS信息,控制家用设备,在出现危险信号时可以快速发送警报短信,具有传输快、传输距离远、实时性强等优点。     

一种智能家居系统中的室温曲线自动判定方法

针对智能家居系统中的室温自动控制问题,提出了一种基于模糊聚类与支持向量机相结合的日室温曲线自动分类方法.该方法通过模糊聚类技术将不同用户同一天的日室温曲线进行聚类,将智能家居用户按照室温的不同喜好进行分类;通过支持向量机算法对聚类后的数据进行训练从而建立智能家居系统中不同类别用户的典型日室温曲线模型,用于日后新加入用户的类别判定;为提高模型建立的准确性,利用交叉验证方法进行SVM的参数选择,并通过实验验证了该方法的有效性.