9篇关于多传感器数据融合的计算机毕业论文

今天分享的是关于多传感器数据融合的9篇计算机毕业论文范文, 如果你的论文涉及到多传感器数据融合等主题,本文能够帮助到你

康养型住宅的大数据分析与智能控制算法的研究与实现

这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。

基于数据融合的设施农业综合管控系统设计与实现

这是一篇关于设施农业,多传感器数据融合,数据采集系统,数据传输,无线通信的论文, 主要内容为设施农业是实现精细化农业的重要途径,其基本原理是通过调控相对可控的动植物所处环境参数来实现动植物高效生产的一种智能化农业方式,具有智能化程度高、缓解土壤连作障碍、节能、节水、节肥、准确感知动植物生长环境信息等优势,对降低人力成本、提高动植物生产效益、保障高质量农产品供给具有积极意义。目前,我国设施农业产业发展水平参差不齐,尚未形成完整的产业链,对现有的设施和技术缺乏有效的整合分配,导致我国设施农业产业发展长期停留在较低水平。此外,用于感知与融合动植物生长环境特征信息的核心设备长期依赖进口,也很大程度上制约了我国设施农业产业的良性发展。在此背景下,本文分析采用了一种基于多传感器数据融合的动植物生长环境信息感知与融合算法,并开发了对应的管控系统。针对基于多传感器数据融合的设施农业综合管控系统根据需求划分为上位机子系统和下位机子系统。其中,上位机子系统,采用SSH框架以及SQL Server 2012数据库,选用工作流技术为主要技术,利用多传感器数据融合技术和无线传感器网络技术,实现对动植物生长环境信息的感知与融合,从而实现动植物生长效率的最大化,通过测试表明,系统具有较好的界面友好性,运行稳定,易于操作;下位机子系统,采用STM32F103RBT6作为主控芯片,配备免维护高精度电源模块,无线通信模块、动植物生长环境信息采集传感器集群模块,采用多传感器数据融合算法实现多类型动植物生长环境信息的有序存储与传输。此外,系统设有人机交互按键模块,可以实现系统时间、传输周期等参数的设置,从而可以更广泛的适应各种设施农业应用场合。该系统以华东某地为例进行了实际应用测试,实验结果表明:整个系统工作状态稳定,具有较强的鲁棒性,多类型传感器数据传输有序,可以有效监测并管控设施农业中的动植物生长环境信息,对促进我国设施农业良性发展具有积极意义。

康养型住宅的大数据分析与智能控制算法的研究与实现

基于物联网的双孢蘑菇菇房温湿度智能调控系统研究

这是一篇关于双孢蘑菇菇房,多传感器数据融合,麻雀搜索算法,PID控制的论文, 主要内容为我国食用菌产业近年来发展迅猛,已成为部分区域调整农业结构、助力乡村振兴的支柱性产业。当前,菌菇生产模式正由传统人工栽培管理向工厂化现代生产模式转变。生产模式转变过程中,由于双孢蘑菇生长发育对于环境要求极为严格,且菇房内各因子间相互影响,给菇房的高效智能调控带来挑战。如何提升环境监测的信息化水平、提高菇房智能调控能力已成为当前双孢蘑菇产业发展中亟待解决的问题。基于以上背景,本文针对菇房环境监测与智能调控开展深入研究,以期创设双孢蘑菇生长发育最适宜环境,提高双孢蘑菇的品质和产量,促进农户增收。主要研究内容与结论如下:(1)基于改进自适应加权算法的菇房环境数据融合模型研究准确获取菇房环境信息是实现菇房温湿度智能调控的前提。为实时精准掌握菇房中的环境变化情况,研发菇房物联网信息感知系统实现环境数据采集,并考虑到数据繁多、冗杂等因素,结合多传感器数据融合技术,获取对菇房环境情况的整体性描述。研究自适应加权融合算法,为进一步提升模型融合性能,优化算法测量值的计算方式。研究结果表明,改进后的自适应加权融合算法总方差比原算法降低了20%,进一步提高了系统的融合精度,为菇房调控奠定坚实的数据基础。(2)基于SSA-PID的双孢蘑菇菇房温湿度控制模型研究针对菇房环境控制智能化水平低以及传统PID控制精准性差的问题,提出了一种智能控制方法,利用麻雀搜索算法出色的全局寻优能力和收敛能力,构建了基于SSA-PID的双孢蘑菇菇房温湿度控制模型。研究结果表明,SSA-PID温湿度控制模型在精准控制和控制效率方面均优于传统PID控制模型。为进一步满足双孢蘑菇不同生长时期对于环境的不同测控需求,制定分阶段自适应控制策略,进一步提高了双孢蘑菇菇房环境调控自动化程度与控制精度。(3)双孢蘑菇菇房温湿度物联网调控系统研发为满足双孢蘑菇在整个生长周期中对菇房环境温湿度监测和调控需求,研发了双孢蘑菇菇房物联网调控系统。基于物联网六域模型总体架构,详细设计了菇房调控系统各个环节的实现方案。在菇房温湿度调控硬件系统方面,基于多传感器数据融合模型研发双孢蘑菇菇房物联网专用控制终端。研发了服务器端上位机平台、网页端Web平台及手机APP等软件系统,提高了对菇房温湿度环境的实时监测和调控水平。

基于多传感器数据融合的舰载海洋数据平台设计与实现

这是一篇关于多传感器数据融合,贝叶斯理论,模糊证据理论,海洋数据可视化,Vue.js的论文, 主要内容为近年以来,我国对海洋领域的开发和管理一直在快速发展,对海洋信息的利用正不断成为我国发展的战略核心。数据作为海洋信息研究的核心和关键,其质量和精度往往会影响对海洋信息的分析,我国对海洋数据的采集主要依赖海测舰船上的多种传感器设备,但目前仍缺乏一种有效的方法对舰船多传感器采集的海洋数据进行实时融合以提升传感器采集精度。海测传感器在进行数据采集过程中往往要面对采集环境复杂,设备故障等多种问题,导致采集数据具备模糊性和不确定性,本文针对海测舰船各个传感器设备所采集数据的特性,对多传感器采集数据的融合方法进行研究,并在此基础上设计并构建了舰载海洋数据平台,在实际应用层面上为用户提供有效的数据实时查询、访问以及可视化服务。主要研究工作包括以下几个方面:1.调研了国内外对相关海洋数据平台的设计模式,吸取多种方案的优点,依据实际需求提出舰载海洋数据平台设计模型。2.基于贝叶斯理论和模糊证据理论对多传感器采集数据进行融合,保证数据融合准确性,并将融合算法工程化引入平台,提升海测舰船多传感器协同采集精度。3.对Vue.js原理进行深入研究,对舰载海洋数据平台进行分层设计,运用组件化和模块化开发方式对平台各个模块进行开发和解耦,将海洋信息业务同可视化技术结合,提供有效的数据动态。运行结果显示,该平台在有效性,准确性都达到了较高水平,平台提升了海测舰船多传感器协同采集精度,为海洋数据信息的实时监测与利用提供一种高效、准确的处理方案。

基于HSW多传感器数据融合的隧道无线突水模拟监测系统

这是一篇关于隧道,突水,监测,湿度传感器,多传感器数据融合,径向基函数神经网络,ZigBee的论文, 主要内容为近年来,隧道突水灾害事故频发,严重影响了隧道施工安全,并给社会生命财产造成了重大损失。该现状表明隧道突水问题尚未能得到有效解决,因而体现了发展新的突水监测方法的必要性。鉴于此,本课题通过分析现有隧道突水监测方式的优缺点,并针对隧道突水监测的需求,设计了一种新的基于湿度、应变和水位多传感器数据融合的无线突水监测系统。该系统的监测方案涵盖隧道突水的数据采集、数据传输和数据处理三个方面。具体地:在数据采集上,采用全局监测的相对湿度传感器和协同性局部监测的应变与水位传感器,对隧道突水表征物理量进行监测;在数据传输上,采用ZigBee无线传感网络,将终端节点数据传输到中心节点,并由中心节点将汇聚数据传输到监测中心服务器;在数据处理上,采用Highcharts工具,对监测数据绘制实时动态曲线,并应用径向基函数神经网络,对历史监测数据进行数据融合分析,从而评估出隧道突水安全等级信息。该系统由下位机监测节点和上位机监测软件两部分构成。其中,下位机监测节点通过ZigBee无线传感网络,实现了对隧道突水表征数据的采集与传输功能;它主要包括终端采集节点和协调器节点,并基于CC2530实现了节点的硬件单元和控制软件。上位机监测软件通过B/S结构的网络应用,实现了对隧道突水表征数据的动态曲线显示和融合分析等功能;它主要包括突水监测模块和突水数据融合分析模块,并基于SSH2(Struts2-Spring-Hibernate)框架实现了模块的表示层、业务逻辑层和数据持久层。该系统具有的特点如下:第一,融合互补性监测的HSW多传感器(湿度传感器、应变片和水位传感器),能提高隧道突水监测的完整性;第二,基于径向基函数神经网络而建立的突水数据融合分析模型,有助于提高隧道突水监测的健壮性和可靠性;第三,采用ZigBee无线自组网通信方式,可扩展隧道突水监测的自由度。本文最后设计了实验测试方案,并就系统的监测方案进行了实验验证。本文通过与现有突水监测方法进行对比,论证了本系统在无线多传感器监测及数据融合方面的有效性。系统对隧道中的突水监测问题,提供了一种新的可供参考的解决方案。

基于物联网技术的智慧茶园管理系统设计

这是一篇关于农业物联网,智慧茶园,云管理平台,多传感器数据融合,病虫害图像识别的论文, 主要内容为中国是世界上种茶、制茶、饮茶最早的国家,由茶而形成的中国茶文化历经数千年的不断发展,成为了中国传统文化的重要组成部分。我国茶业种植逐渐呈现大规模、集约化的特点,推进农业物联网技术在生态茶园的应用,种植生产高品质的茶叶是实施乡村振兴战略、推动新旧动能转换和加快农业供给侧结构性改革的重要手段和有效途径。考虑到我国农业物联网技术的应用仍然存在基础设施较差、实时采集精度低、系统集成度低、大面积推广应用难度大等问题,直接限制了我国传统茶园向现代化茶园转变。在此背景下,本文主要从以下几个方面展开研究,形成一套集软硬件于一体的高标准现代茶园物联网系统,提高茶园综合管理能力,加强我国茶叶产业化程度。首先,本文分析了我国农业物联网技术发展的现状,在现有问题的基础上,结合高标准智慧茶园建设的总体需求,制定了基于物联网技术的智慧茶园管理系统的总体方案,将整个系统划分为感知执行层、传输层和应用层三部分,并介绍了系统的具体工作流程。确定了硬件设计的总体架构,完成对系统所需的采集终端传感器、系统微控制器、智能水肥药一体机等设备的选型,为整个系统的搭建奠定基础。其次,开展系统的软件设计,开发了基于Spring Cloud智慧茶园云管理平台,整个平台分为茶树生长环境监测平台、视频监控平台、水肥药一体化调控平台、茶叶质量追溯平台、茶树生长过程综合管理平台五个子平台,各个平台之间相互独立,又相互调用协作,为实现智慧茶园的精准控制管理提供平台技术支撑。然后,提出了系统的改进策略:采用多传感器数据融合技术,在自适应加权融合算法的基础上进行改进,通过迭代的方式模拟增加传感器的数量,最大程度减少外界噪声对数据采集过程的影响,解决了茶园环境信息采集精确度低的问题;采用优化的AlexNet神经网络作为基本架构,先对病虫害图像样本进行优化,然后将预处理后的图像样本输入模型进行训练并测试,为实现视频监控子平台的病虫害图像识别功能提供理论依据。最后,结合智慧茶园管理的实际需求,搭建系统的测试环境,分别针对系统环境信息采集精度、病虫害图像识别准确度、智慧茶园云管理平台的正常运行三个主要问题,对系统进行实验和仿真测试。试验结果表明,自适应加权融合算法改进模型使得系统总方差比之前降低22%,有效提高茶园环境参数的采集;病虫害图像识别算法的识别平均准确率可以达到88.1%,一定程度内降低了内存需求及运行时间;智慧茶园云管理平台各个模块运行稳定,可以满足用户需求。综上所述,本文开发的基于物联网技术的智慧茶园管理系统设计合理,能够有效提高茶园的管理效率,具有一定的可推广性。