一、无线传感器网络供电获新援（论文文献综述）
杨阳[1]（2020）在《面向VANET的改进AODV路由协议研究与实现》文中研究指明随着汽车数量的不断增长,汽车在为人类生活带来方便的同时也造成一些交通方面的问题。因此,如何缓解交通拥堵改善出行状况成为人们研究的热点之一。车载自组织网络（Vehicles Ad-Hoc Networks,VANETs）技术作为智能交通系统（Intelligent Transportation System,ITS）的核心技术,VANETs主要用于车辆与车辆（Vehicles to Vehicles,V2V）之间以及车辆与基础设施（Vehicles to Infrastructure,V2I）之间的信息交互。作为VANETs的重要组成部分,路由协议的好坏决定了网络的性能。因此,设计出一种适用于VANETs场景下可靠、高效的路由协议是本课题的重要目标。按需距离矢量路由（Ad hoc On-demand Distance Vector,AODV）协议是VANETs中经典的反应式路由协议,该协议通过其特定的路由机制寻找源节点和目的节点之间的最短路径。由于在VANETs中车辆保持高速移动,导致网络拓扑结构频繁变化,使先前建立的路由可能不再是优选路线。针对该问题本文提出一种AODV-TC路由协议,该方法在RREQ和RREP控制消息加入新的标志位,组成新的控制消息。在建立稳定的路由后,通过查找新的邻居节点寻找最佳链路构建路由。在NS-3网络仿真平台上设计实现了AODV-TC路由协议,并进行了仿真测试,采用Bonnmotion移动建模工具搭建曼哈顿模型。仿真结果表明,该协议在数据传输成功率、平均端到端时延等性能指标上均优于原AODV路由协议。最后,本文研究AODV路由协议在Linux嵌入式环境下的实现方案。完成无线自组织网络车载平台的设计和验证。在真实场景下,测试其连通性以及路由性能。实验结果表明,该无线自组织网络平台在往返时间以及丢包率方面具有良好的性能。
裴璐[2]（2019）在《面向无人机通信系统的功率分配关键技术研究》文中进行了进一步梳理近年来,随着无人机的量产和无线通信技术的发展,无人机通信技术成为了当前无线通信科技的研究热点,尤其是在抢险救灾和军事领域中应用非常广泛。特别考虑到在地面交通受阻的实际情况下,无人机能实现越障通信,快速建立空中平台,满足及时通信要求。然而,由于无人机的体积小,且无人机电板所携带电力十分有限,因此,如何在满足通信需求的同时最小化无人机的功率损耗成为了一个重要的研究方向。在此背景下,本文分别考虑了无人机在中继网络中的应用以及无人机在无线传感器网络中的应用,并且通过功率分配优化算法,提高了无人机通信系统的性能。本文的主要研究内容和创新点如下:首先,考虑了携带单天线的无人机在中继网络中的应用,本文提出了一种用户调度和功率分配联合优化方案,目的是在无人机总功率受限的前提下,最大化无线用户终端节点到无人机节点以及无人机节点到控制中心节点这两跳信道的总信道容量并且通过用户调度算法选择信道状态最好的用户接入。仿真结果表明在总功率受限时,本文提出的功率分配方案下所传输的信道容量明显大于传统平均功率分配算法下所传输的信道容量。其次,研究了携带单天线的无人机在无线传感器网络中的应用,考虑到固定的信息采集器具有的缺陷,本文利用移动无人机作为信息采集器来采集地面传感器所传输的信息,在每一个地面传感器到无人机之间的信息传输速率受限的前提下,利用注水算法和拉格朗日乘子法最小化总传输功率。仿真结果表明在每一个地面传感器到无人机之间通信链路的信息传输速率受限的前提下,本文提出的功率分配算法和传统的等功率分配算法相比,消耗的总功率更小,提高了系统的性能。最后,探索了多天线无人机在中继网络中的应用,本文分别讨论了在忽略信道估计误差和存在信道估计条件下的多天线无人机中继网络的功率分配优化算法。在此模型中无线用户终端以一定的发射功率发送数据信息,无人机作为中继节点且无人机携带有多根传输天线,最终通过无人机节点将信息传送到目的节点。在两跳总功率受限的前提下,本文先考虑在忽略信道估计误差场景下的功率资源分配算法,通过该算法使信道容量达到最大值。在此基础上,考虑到实际信道特性与估计信道特性之间存在信道估计误差,本文在存在信道估计误差条件下对两跳链路进行功率分配。仿真结果表明通过与传统平均功率分配方法比较,在考虑和忽略信道估计误差条件下,本文提出的功率分配方法均能显着提高无人机中继传输容量。
朱峰[3]（2017）在《基于无线传感网络光伏组件监测的应用技术研究》文中研究说明物联网（Internet of Things, IOT）为互联网、移动通信以及计算机等带来了新一轮的信息技术革命,已经被应用到各个领域,加快了传统领域信息化的普及。光伏发电作为清洁、可再生能源的代表,相比传统火力发电有更多优势,但受限于核心技术的缺失,设备故障率高等因素,一直在我国难以迅速普及。本课题基于以上背景,设计基于无线传感网络的光伏组件监测系统,通过对光伏发电站所使用的光伏组件进行监测,及时了解运行参数,准确定位故障原因,并做出正确的决策,实现了故障位置的定位与及时跟踪,实现故障快速响应,系统长期稳定运行。系统由GPS模块、各类传感器模块、ZigBee近距离通讯模块、GPRS长距离通讯模块等组成的硬件系统、上位机软件、工程师移动客户端软件及节点定位软件组成。在实验室仿真环境下,基于MB-IPF的节点定位方法提供了较高的定位精确度,MB-IPF算法的平均定位错误距离在5米以下,算法的定位偏差大约是10米左右,能够满足实时导航的需求。客户端软件提供的路线规划和导航功能也较为准确,对工程师前往现场起到了帮助作用,是一个较为完整、可用的光伏组件监测系统。
迟俊琳[4]（2017）在《基于大数据的用户用电行为分析研究在新能源电网中的应用》文中研究指明在能源危机、环境污染以及供电可靠的背景下,智能电网应运而生,分布式发电技术得到了迅猛的发展,尤其是以风光、燃料电池、微型燃气轮机以及储能电池等为代表的发电和存储技术。国内外研究表明,将分布式发电供能系统以微电网的形式接入大电网,是其功能发挥的有效方式。为促使微电网成功并入现有系统,并得以推广,其运行的经济性将是关键所在。微电网系统的经济运行不仅取决于它的电源结构,还与它所处的市场环境息息相关,如电价形式、天然气价格、上网政策等。本文研究了在微电网系统中,考虑用户用电行为响应对微电网系统经济性的影响。文章首先对分布式电源发电及储能系统进行了深入的研究,重点研究了太阳能光伏发电的原理及其输出特性,研究了蓄电池储能系统和电动汽车储能系统,对两者的现状进行了较为全面的论述。其次,搭建了大数据分析平台,对分布式存储和计算进行了研究,利用该平台对用电数据进行了分布式存储和规约,将用电信息数据分为重要负荷、可控负荷和可转移负荷,构建了基于用电行为响应的微电网系统模型,并进行了算例分析。最后,基于HOMER软件仿真模拟了一个微电网系统,对该系统进行了最优容量配置,在该配置下微电网系统的经济性最高。
吴文军[5]（2016）在《基于信息融合的火工品运输自动导引车导航方法研究》文中研究表明火工行业是一项高危险性行业,要保证生产过程的安全,必须实现生产过程的自动化,达到少人化甚至无人化。为了实现此目的,使用自动导引车运输,它不仅能够提高安全性,而且能够提高工作效率和降低生产成本。为了实现炸药厂物料安全运输,设计了火工品运输AGV。同时,根据AGV导航实际的应用需要,选择激光导航和红外导航。然而激光导航精度高、成本高,而红外导航精度低、成本低,为了得到精度高成本又低的导航方式,选择激光和红外组合导航方式。实现组合导航需要数据融合技术,同时,组合导航数据是非线性的,故而选择E-Kalman滤波器算法实现信息融合。本文具体研究方法是通过查阅大量文献和专利等技术材料、考察学习国内外企业的技术和现状,结合本研究实际应用要求,选择具体导航方法,并不断加以改进。AGV平台确立后,导航试验,激光单独导航横向均值误差为0.1367m,竖向均值误差0.1835m,红外单独导航横向均值误差为0.1873m,竖向均值误差0.2690m,EKF数据融合的组合导航横向均值误差为0.0861m,竖向均值误差0.1200m,比较误差值,EKF数据融合的组合导航误差最小。由以上结果可以得出结论:EKF数据融合的组合导航在火工品运输中导航误差小,精度高。因此,EKF数据融合的组合导航是一种低成本提高导航精度的有效方法。
朱永红[6]（2015）在《矿井多媒体救灾通信系统中WMSN路由算法的研究》文中认为无线多媒体传感器网络（Wireless Multimedia Sensor Network,WMSN）是在无线传感器网络（Wireless Sensor Network,WSN）的基础上发展起来的,除具有传统WSN的能力之外,节点还具有采集多媒体信息（图像、视频、音频等）的能力。和传统WSN一样,WMSN的节点能量和计算能力有限,与传统WSN不同的是,由于网络中传输的多媒体数据需要提供服务质量（QoS）保证,如何在能力有限的网络中传输数据量巨大的多媒体信息并满足服务质量要求,是WMSN面临的主要问题。其中多媒体信息流的路由选择是一个关键问题,它担负着将多媒体数据在满足约束条件的前提下可靠地从源节点传输到目的节点的任务。矿井救灾通信系统是一个基于WMSN的无线通信系统,节点由救援人员或机器人携带进入救灾区,将汇聚节点（Sink）布置在有线网络末端附近,并在前进的过程中根据需要布置无线通信节点,在巷道固定一些多媒体节点来监控巷道中的状况,防止二次事故发生。信息传送至指挥中心后,指挥人员以视频的形式获知灾难现场的情况,发布调度消息,有效地指挥救灾。本文结合WMSN在矿井救灾通信系统中的实际应用,对系统中网络服务质量进行了需求分析,研究了WMSN的路由及与之相关的网络结构和能量空洞问题。主要包括:（1）针对矿井多媒体救灾通信系统实际应用需求,提出采用异构WMSN网络并提出三层网络结构。矿井救灾系统中只有少量节点需要采集多媒体信息,其他节点只负责将采集到得信息进行处理和传输,为了节约成本的同时能提高节点的便携性采用异构WMSN;WMSN中由于传输的数据量较大,通常采用分布式数据压缩技术,针对这个特点,在传统WSN两层网络结构的基础上提出三层网络结构,增加专门负责协作多媒体采集节点完成数据处理任务的协作层。（2）为了解决矿井狭长空间内数据多跳传输产生的延时与多媒体数据实时性要求之间的矛盾问题,提出了粒子群算法（PSO）优化的实时路由算法。矿井救灾系统需要将灾难现场的救援情况实时传输至指挥中心,是一个实时性要求较高的通信系统。而煤矿井下是一个狭长空间,信息传输需要经过的跳数较多,需要解决在节约能耗、提高能量利用率的前提下,数据实时传输的问题。本文提出了WMSN实时路由协议。给路径探测包设置生命周期来保证实时性;作者结合路由优化过程对PSO的运算规则进行了重新定义。（3）为了解决多媒体传感器网络带宽受限难以满足视频流信息的高带宽要求的问题,提出了多种群PSO的WMSN并行多径路由算法。由于网络传输的主要是数据量大的视频流信息,对带宽要求较高,而WMSN带宽受限,当网络带宽不能满足服务质量要求时,需要采用多条路径同时传输。本文针对目前多径路由算法大都是多次运行算法,先后生成多条路径,可能无法找到足够数量路径的情况,提出了多种群PSO的WMSN并行多径路由算法,路由优化过程中信息共享,互相协作,同时生成一组不相交路径。（4）针对WMSN路由研究与仿真的过程中发现的能量空洞问题进行了研究,证明了在异构WMSN中,能量空洞会出现的网络的任何位置,并提出了基于负载均衡的通信节点布局方法。将网络按单跳距离为单位进行分层,考虑节点数据处理和无线收发的能耗,以负载均衡为目标,在每层布局相应数量的节点,避免异构多媒体传感器网络产生能量空洞。其中,重点分析了数据处理能耗对节点布局的影响。
张欣[7]（2013）在《无线传感器网络电能节能管理系统的设计与实现》文中提出由于当今社会生活中人们的节能意识还很薄弱，一些公共大型用电场所中的用电设备如照明设备、计算机等经常由于人们的不自觉关闭而浪费了巨大的电能，如何对这些用电设备进行智能化的管理和节能控制已经成为了当今社会面临的主要课题。无线传感器网络的底层节点众多，可以实时采集环境中的光强和用电设备的能耗等信息，通过无线传输技术将信息传递给用户，使用户对于底层的众多用电设备实现便捷、统一的管理。本文在无线传感器网络智能节能系统的基础上对其开发了管理系统，使用户不必了解无线传感器网络的业务逻辑，只通过管理软件即可对底层用电设备进行监测和控制，通过智能化的管理和节能的控制措施使系统在实现了管理功能的同时达到了有效节能的效果。本文针对智能照明设备和个人计算机设备分别进行了节能控制策略的分析，通过对通信协议及用于解析处理的触发器的设计，实现了对采集和控制信息的正确传输处理，并且使用存储过程等技术提高数据处理的效率。客户端管理软件基于B/S模式进行开发，采用JSP、JavaBean以及Servlet的架构模式实现，分别开发了基于WEB和基于WAP的系统管理软件，在系统中使用了FLEX、AJAX等技术，实现了图形化的界面显示，使用户的操作更为直观便捷。对于个人计算机的工作状态识别过程，本文采用K-means聚类算法对计算机进行能耗建模，通过对实时功耗数据的分析来自动识别计算机设备的用电消耗情况，进而做出节能控制。本文最后给出了对节能效果的验证，进行了节能分析和评价。通过对本文内容的研究，最终实现了对用电设备的智能管理和科学控制，解决了管理人员对大型用电场所中的用电设备进行管理控制时受到的地理限制，有效地杜绝了能源浪费现象。由于本系统具有良好的可扩展性，可以稍加修改应用到更多的大型用电场所中去。
李国新[8]（2013）在《基于分布式粒子滤波的无线传感器网络目标跟踪算法研究》文中指出作为一种新兴的IT热点技术，无线传感器网络在军事与民用诸多领域有着广阔的应用前景。由于在传感器网络中传感器节点处理能力有限并且携带能量有限，因此设计出简单高效的目标跟踪算法对于延长传感器网络的生命周期以及增强传感器网络的性能有着重要意义。目标跟踪的复杂性与无线传感器网络节点能力不足形成矛盾，分布式是解决该矛盾的有力途径。根据目标的运动位置，将无线传感器网络中的传感器节点动态组织成簇，建立分布式跟踪结构。为了提高目标跟踪性能，并降低无线传感器网络中的能量开销，提出分布式信息粒子滤波算法和分布式并行粒子滤波算法。利用信息扩展卡尔曼滤波器结合最新的观测量，产生粒子滤波的建议分布，详细介绍了基于动态分簇结构的分布式信息粒子滤波具体实现步骤。分布式并行粒子滤波算法是运用并行粒子滤波器将粒子集分成多个小子集，分配到簇中的各子节点，完成并行粒子滤波过程。为了实现分布式信息粒子滤波算法和分布式并行粒子滤波算法，在无线传感器网络对目标跟踪中，能有效降低能耗等问题，建立目标跟踪的无线传感器网络动态分簇仿真环境，将两种算法进行实验仿真分析。仿真结果表明，分布式信息粒子滤波和分布式并行粒子滤波在节点能耗上有很大的改善，而且分布式并行粒子滤波采用并行处理的方式来计算估值，不仅改善了能量消耗问题，同时也提高了跟踪精度。
喻金[9]（2013）在《一种箱式变电站及其实时监测系统的设计》文中指出箱式变电站具有占地面积小、投资成本低、运行安全可靠等诸多优势，由于电气仪表和采集传感器自身等因素的影响，采集的数据发生漂移，无法反映变电站实际运行情况，导致所采集的运行数据准确度低，控制系统智能化程度低等。本文设计了一台以智能化系统为核心的箱式变电站，研究了智能系统中终端采集器的算法，进行了基于有理论模型和无理论模型的变电站电压、温度曲线拟合研究，对变电站电压、温度参数进行拟合，通过对比多项式，高斯函数，BP神经网络不同方法的拟合结果，得出了变电站电压、温度拟合曲线。最后，基于C++Bulider环境设计了后台管理系统，进而提高了电力系统运行、维护效率，实现了电力系统信息共享。首先，本文分析了国内外智能变电站技术现状，研究了箱式变电站的结构组成和基本功能，比较了智能箱式变电站和传统箱式变电站在功能方面的区别。其次，根据智能箱式变电站的功能需求,设计了智能箱式变电站的总体方案，并给出了智能箱式变电站中元件清单以及电气一次系统的接线方案图。然后，设计了箱式变电站智能系统，系统由智能终端采集系统，通讯网络和后台管理系统组成，智能终端系统由CPU模块，测量模块，数据采集模块，显示模块和通讯模块组成，CPU采用高性能十六位单片机80C196KC，对箱式变电站二次侧电压、电流、温度、频率等进行监控；通讯网络采用GPRS/GSM和光纤技术；后台管理系统在C++builder环境下编译。最后，详细研究了智能系统中终端采集器的算法，进行了基于有理论模型和无理论模型的的变电站的电压、温度曲线拟合，利用matlab软件，采用多项式，高斯函数，BP神经网络方法，对变电站电压、温度参数进行拟合，通过对比不同方法的拟合结果，得出了变电站电压、温度的拟合曲线。基于C++Bulider环境设计了后台管理系统的人机界面，实现采集数据的统计、分析功能，并以图形、数显等方式反映箱式变电站系统的运行情况。
郭春阳[10]（2012）在《基于聚类算法的群体机器人聚集运动协调性研究》文中认为群体机器人协作运动系统是群体机器人研究领域的一个重要课题，本论文在查阅大量文献资料的基础上对群体机器人协作系统研究内容和研究现状进行了分析总结。以基于组合式框架聚类算法、意愿强度磋商策略、k-means聚类算法的智能理论为基础，深入探讨了群体机器人协作系统的基本原理，建立群体机器人聚集队形路径规划的数学模型、运动控制模型。采用磋商和意愿强度策略，建立合作式的宏观调控机制，解决群体机器人协作系统的冲突问题。建立复合体体系结构，在此结构下机器人将产生四种控制行为函数，以避免机器人在运动过程中的碰撞，使机器人有效躲避障碍物并保持队形。以PIC单片机为主控制芯片、红外对管传感器为系统输入，直流电机PWM信号为系统输出，开发个体机器人硬件系统，并以智能理论为基础，以面向对象的可视化编程软件为平台，编写机器人硬件控制程序。以k-means聚类算法为基础进行群体机器聚集队形仿真实验，基于已建立的群体机器人实验系统为平台，进行物理实验，验证群体机器人协作系统的可靠与稳定性，证明该方法运用到群体机器人协作系统平台具有良好的效果。
二、无线传感器网络供电获新援（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、无线传感器网络供电获新援（论文提纲范文）
（1）面向VANET的改进AODV路由协议研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外无线自组织网络平台研究现状 |
| 1.2.2 国内外车载自组织网络路由协议研究现状 |
| 1.3 课题主要内容 |
| 1.4 论文结构安排 |
| 第2章 车载自组网路由及网络技术研究 |
| 2.1 车载自组织网络概述 |
| 2.1.1 移动自组织网络及其特点 |
| 2.1.2 车载自组织网络及其通信架构 |
| 2.1.3 车载自组织网络特点 |
| 2.2 车载自组织网络中经典路由协议 |
| 2.2.1 车载自组织网络路由概述及其分类 |
| 2.2.2 基于拓扑的路由协议 |
| 2.2.3 基于地理位置的路由协议 |
| 2.2.4 基于电子地图信息的路由协议 |
| 2.3 AODV路由协议相关研究 |
| 2.3.1 AODV路由协议简介 |
| 2.3.2 路由发现原理 |
| 2.3.3 路由维护原理 |
| 2.4 嵌入式系统网络体系结构 |
| 2.4.1 网络体系结构 |
| 2.4.2 Socket通信机制 |
| 2.4.3 Netfilter包过滤机制 |
| 2.5 本章小结 |
| 第3章 AODV路由协议的改进与仿真 |
| 3.1 AODV路由协议关键性问题 |
| 3.2 基于拓扑变化的AODV路由协议改进 |
| 3.2.1 AODV-TC路由协议设计思路 |
| 3.2.2 消息包格式设计 |
| 3.2.3 消息包处理流程 |
| 3.3 车辆运动模型 |
| 3.3.1 随机路点模型 |
| 3.3.2 曼哈顿移动模型 |
| 3.3.3 高速公路移动模型 |
| 3.4 仿真平台介绍及仿真参数设计 |
| 3.4.1 网络仿真平台选择 |
| 3.4.2 Bonnmotion移动建模工具 |
| 3.4.3 仿真场景参数设置 |
| 3.5 仿真结果分析 |
| 3.5.1 路由性能评估指标 |
| 3.5.2 车辆行驶速度对路由性能的影响 |
| 3.5.3 道路车辆密度对路由性能的影响 |
| 3.6 本章小结 |
| 第4章 基于嵌入式的AODV路由协议研究实现 |
| 4.1 AODV-UU路由协议设计方案 |
| 4.1.1 AODV-UU路由协议实现方案 |
| 4.1.2 用户空间模块设计 |
| 4.2 无线自组织网络平台开发设计 |
| 4.2.1 系统开发环境选择 |
| 4.2.2 Linux系统搭建 |
| 4.2.3 无线网卡模块驱动移植 |
| 4.2.4 AODV-UU路由协议的交叉编译 |
| 4.3 AODV-UU路由协议实际测试及结果 |
| 4.3.1 AODV-UU协议测试整体设计 |
| 4.3.2 AODV-UU协议测试相关标准 |
| 4.3.3 AODV-UU路由协议测试 |
| 4.3.4 AODV-UU路由协议性能测试 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（2）面向无人机通信系统的功率分配关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外发展现状 |
| 1.2.1 无人机通信技术研究现状 |
| 1.2.2 无人机通信在中继网络中的应用 |
| 1.2.3 无人机通信在传感器网络中的应用 |
| 1.3 论文主要工作 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究内容的关联性 |
| 1.4 论文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 无线信号的传输信道模型 |
| 2.1.1 大尺度衰落模型 |
| 2.1.2 瑞利衰落模型 |
| 2.1.3 莱斯衰落模型 |
| 2.2 典型的功率资源分配算法 |
| 2.2.1 凸集和凸函数的定义 |
| 2.2.2 凸函数的判定方法 |
| 2.2.3 凸优化问题 |
| 2.2.4 拉格朗日乘子法 |
| 2.2.5 注水算法 |
| 2.3 信道估计误差 |
| 2.3.1 最小二乘算法 |
| 2.3.2 最小均方误差算法 |
| 2.4 瑞利熵模型 |
| 2.4.1 瑞利熵和广义瑞利熵定义 |
| 2.4.2 广义瑞利熵的求解 |
| 2.5 本章小结 |
| 第三章 无人机中继网络的用户调度和功率分配联合优化方法 |
| 3.1 引言 |
| 3.2 面向无人机中继网络的用户调度和功率分配联合优化方法 |
| 3.2.1 系统模型 |
| 3.2.2 无人机通信的信道建模 |
| 3.2.3 优化功率分配研究 |
| 3.2.4 用户调度方法研究 |
| 3.3 数值结果与分析 |
| 3.4 本章小结 |
| 第四章 面向无人机信息采集系统的功率分配研究 |
| 4.1 引言 |
| 4.2 无线传感器网络中移动无人机信息采集系统的最小功率分配算法 |
| 4.2.1 系统模型 |
| 4.2.2 移动无人机通信系统的信道建模 |
| 4.2.3 移动无人机通信系统的最小功率分配方法研究 |
| 4.3 数值结果与分析 |
| 4.4 本章小结 |
| 第五章 多天线无人机中继网络的功率分配研究 |
| 5.1 引言 |
| 5.2 多天线无人机中继网络的功率分配优化算法 |
| 5.2.1 系统模型 |
| 5.2.2 无人机通信的信道建模 |
| 5.2.3 忽略信道估计误差条件下的多天线预编码研究 |
| 5.2.4 存在信道估计误差条件下的多天线预编码研究 |
| 5.2.5 忽略信道估计误差条件下的功率分配研究 |
| 5.2.6 存在信道估计误差条件下的功率分配研究 |
| 5.3 数值结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录3 攻读硕士学位期间申请的专利 |
| 致谢 |
（3）基于无线传感网络光伏组件监测的应用技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 物联网的诞生与发展 |
| 1.1.1 物联网的感知层 |
| 1.1.2 物联网的网络层 |
| 1.1.3 物联网的应用层 |
| 1.1.4 全球物联网产业发展现状 |
| 1.1.5 中国物联网产业发展现状 |
| 1.2 光伏发电监控系统的发展与研究现状 |
| 1.2.1 光伏发电产业的发展 |
| 1.2.2 光伏发电系统监控手段 |
| 1.2.3 光伏发电监控系统研究现状 |
| 1.2.4 物联网技术在光伏发电产业中的应用 |
| 1.3 课题研究内容及意义 |
| 1.4 系统整体方案设计 |
| 1.5 论文结构安排 |
| 第二章 上位机软件及移动应用软件设计 |
| 2.1 开发环境概述 |
| 2.1.1 PHP编程语言 |
| 2.1.2 HTML5编程语言 |
| 2.1.3 JavaScript脚本语言 |
| 2.1.4 Apache服务器 |
| 2.1.5 MySQL数据库 |
| 2.2 系统数据库设计 |
| 2.2.1 区域管理数据表 |
| 2.2.2 光伏组件信息数据表 |
| 2.2.3 光伏组件日志数据表 |
| 2.2.4 光伏组件故障信息表 |
| 2.2.5 工程师管理数据表 |
| 2.3 上位机软件设计 |
| 2.3.1 工程师(维修人员)管理 |
| 2.3.2 区域管理 |
| 2.3.3 太阳能板管理 |
| 2.3.4 报警管理 |
| 2.4 移动应用软件设计 |
| 2.4.1 登陆模块 |
| 2.4.2 我的维修模块 |
| 2.4.3 地图模块 |
| 2.5 小结 |
| 第三章 节点自定位算法 |
| 3.1 自定位算法概述 |
| 3.2 自定位过程理论 |
| 3.3 MB-IPF移动定位模型 |
| 3.3.1 MB-IPF定位法 |
| 3.3.2 移动节点运动轨迹 |
| 3.3.3 MB-IPF定位模型 |
| 3.3.4 MB-IPF定位算法 |
| 3.3.5 仿真结果及结果评估 |
| 3.4 小结 |
| 第四章 现场监控系统设计与研究 |
| 4.1 基于无线传感网络光伏组件监测的整体架构 |
| 4.2 系统数据传输协议设计与实现 |
| 4.2.1 系统概述 |
| 4.2.2 底层硬件数据获取 |
| 4.2.3 底层硬件数据上传 |
| 4.3 小结 |
| 第五章 总结与展望 |
| 5.1 课题总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）基于大数据的用户用电行为分析研究在新能源电网中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本章小结 |
| 第二章 微电网能量管理系统分析与设计 |
| 2.1 系统需求分析 |
| 2.1.1 分布式电源功率预测管理 |
| 2.1.2 储能系统管理 |
| 2.1.3 用户需求侧管理 |
| 2.2 系统功能设计 |
| 2.2.1 主干微电网接入单元设计 |
| 2.2.2 新能源微电网用户行为分析 |
| 2.3 本章小结 |
| 第三章 分布式新能源微电网接入设计 |
| 3.1 分布式新能源微电网接入功能设计 |
| 3.2 分布式新能源微电网数据分布式存储设计 |
| 3.2.1 基于多Agent技术的微电网数据分布式存储设计 |
| 3.2.2 基于Xmesh+ZigBee技术的微电网数据分布式存储设计 |
| 3.3 基于大数据架构的微电网数据分布式存储设计 |
| 3.4 本章小结 |
| 第四章 用户用电行为分析 |
| 4.1 数据采集层工作 |
| 4.1.1 数据预处理 |
| 4.1.2 数据分类 |
| 4.2 数据分析层工作 |
| 4.2.1 搭建分布式大数据计算平台 |
| 4.3 模型构建层工作 |
| 4.3.1 用电行为相似性聚类分析 |
| 4.3.2 用电行为因素关联分析 |
| 4.4 算例分析 |
| 4.4.1 学校用电聚类分析 |
| 4.4.2 学校用电关联分析 |
| 4.5 本章小结 |
| 第五章 考虑需求侧响应的微电网系统经济性分析 |
| 5.1 模型构建 |
| 5.2 算例分析 |
| 5.3 基于HOMER软件的系统仿真分析 |
| 5.3.1 HOMER软件简介 |
| 5.3.2 模拟仿真 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
（5）基于信息融合的火工品运输自动导引车导航方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 AGV的国内外发展历史及现状 |
| 1.3 AGV的组成、分类及关键技术简介 |
| 1.4 本论文的研究内容 |
| 第2章 火工品运输AGV的结构设计 |
| 2.1 AGV系统结构 |
| 2.2 AGV小车设计及各部分工作模式 |
| 2.3 AGV工作模式 |
| 2.4 本章小结 |
| 第3章 火工品运输AGV关键技术 |
| 3.1 定位技术 |
| 3.2 路径规划技术 |
| 3.3 导航技术 |
| 3.4 信息融合技术 |
| 3.5 本章小结 |
| 第4章 火工品运输AGV试验结果 |
| 4.1 引言 |
| 4.2 E-Kalman滤波 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究成果 |
| 5.2 论文的不足及下一步展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）矿井多媒体救灾通信系统中WMSN路由算法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 WMSN及研究现状 |
| 1.3 问题的提出 |
| 1.4 本文的主要研究内容 |
| 1.5 本文的组织结构 |
| 2 异构WMSN的三层网络结构 |
| 2.1 异构WMSN |
| 2.2 矿井多媒体救灾系统网络结构需求分析 |
| 2.3 传统WSN网络结构 |
| 2.4 三层网络结构 |
| 2.5 仿真 |
| 2.6 本章小结 |
| 3 PSO优化的能耗均衡WMSN实时路由算法 |
| 3.1 问题提出 |
| 3.2 相关模型和定义 |
| 3.3 全局网络状态信息的获取 |
| 3.4 PSO算法及运算规则定义 |
| 3.5 PSO优化的能耗均衡实时路由算法 |
| 3.6 仿真 |
| 3.7 本章小结 |
| 4 多种群PSO的WMSN并行多径路由算法 |
| 4.1 问题描述 |
| 4.2 模型及相关定义 |
| 4.3 基于K均值聚类的多种群PSO算法 |
| 4.4 基于多种群PSO的多径路由算法 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 5 负载均衡的节点部署方法 |
| 5.1 问题描述 |
| 5.2 相关模型 |
| 5.3 相关技术 |
| 5.4 数据处理能耗的影响 |
| 5.5 节点布局及能量空洞位置 |
| 5.6 仿真 |
| 5.7 矿井多媒体救灾通信系统中的节点部署 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）无线传感器网络电能节能管理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 与课题相关的国内外研究现状 |
| 1.2.1 无线传感器网络技术介绍与国内外研究现状分析 |
| 1.2.2 无线传感器网络的应用领域及节能系统 |
| 1.2.3 无线传感器网络应用层管理软件 |
| 1.3 本文主要研究内容及论文安排 |
| 第2章 电能节能管理系统的需求分析 |
| 2.1 电能节能管理系统的业务流程 |
| 2.1.1 电能节能管理系统的工作原理 |
| 2.1.2 电能节能管理系统的控制策略 |
| 2.2 电能节能管理系统的需求分析 |
| 2.2.1 功能性需求分析 |
| 2.2.2 非功能性需求分析 |
| 2.3 本章小结 |
| 第3章 电能节能管理系统的设计 |
| 3.1 电能节能管理系统的总体设计 |
| 3.1.1 电能节能管理系统的总体架构设计 |
| 3.1.2 电能节能管理系统的功能模块设计 |
| 3.2 数据实时采集模块的设计 |
| 3.2.1 实时采集监测功能的设计 |
| 3.2.2 串口协议的设计 |
| 3.3 智能照明设备控制过程的设计 |
| 3.4 个人计算机设备状态识别过程的设计 |
| 3.5 数据的存储及管理模块的设计 |
| 3.5.1 数据存储功能的设计 |
| 3.5.2 数据管理功能的设计 |
| 3.6 终端数据呈现模块的设计 |
| 3.7 本章小结 |
| 第4章 电能节能管理系统的实现 |
| 4.1 用户管理模块的实现 |
| 4.2 数据采集监测模块的实现 |
| 4.3 智能照明设备控制过程的实现 |
| 4.4 个人计算机设备用电状态识别过程的实现 |
| 4.5 数据的存储及管理模块的实现 |
| 4.5.1 数据存储功能的实现 |
| 4.5.2 数据管理功能的实现 |
| 4.6 终端数据呈现模块的实现 |
| 4.6.1 数据显示模块的实现 |
| 4.6.2 日志呈现模块的实现 |
| 4.6.3 曲线图呈现模块的实现 |
| 4.6.4 移动终端管理软件功能的实现 |
| 4.7 本章小结 |
| 第5章 电能节能管理系统的测试 |
| 5.1 测试的环境及条件 |
| 5.2 功能测试 |
| 5.3 性能测试 |
| 5.3.1 智能照明系统节能效果测试 |
| 5.3.2 个人计算机设备状态识别性能测试 |
| 5.3.3 终端管理系统软件性能测试 |
| 5.4 系统评价 |
| 5.5 本章小结 |
| 结论 |
| 主要参考文献 |
| 致谢 |
| 个人简历 |
（8）基于分布式粒子滤波的无线传感器网络目标跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 无线传感网络目标跟踪研究进展 |
| 1.2.1 无线传感器网络目标跟踪面临的问题 |
| 1.2.2 无线传感器网络的目标跟踪研究现状 |
| 1.3 滤波跟踪理论算法研究进展 |
| 1.4 本文主要研究内容 |
| 1.5 论文结构安排 |
| 第二章 粒子滤波基础 |
| 2.1 动态空间模型 |
| 2.2 贝叶斯估计理论 |
| 2.2.1 贝叶斯定理 |
| 2.2.2 贝叶斯信号处理方法 |
| 2.3 蒙特卡罗基本原理 |
| 2.4 序贯蒙特卡罗信号处理 |
| 2.4.1 基于贝叶斯采样估计的序贯重要性采样算法 |
| 2.5 粒子滤波 |
| 2.5.1 标准粒子滤波算法 |
| 2.5.2 粒子滤波关键技术 |
| 2.5.2.1 重要密度函数 |
| 2.5.2.2 重采样原理 |
| 2.5.3 粒子滤波在目标跟踪的应用仿真 |
| 2.6 本章小结 |
| 第三章 分布式滤波结构及算法 |
| 3.1 分布式动态分簇结构 |
| 3.1.1 簇的建立 |
| 3.1.2 簇的更新 |
| 3.2 分布式卡尔曼滤波 |
| 3.2.1 分布式卡尔曼预测滤波算法 |
| 3.3 分布式粒子滤波方法 |
| 3.3.1 分布式信息粒子滤波算法 |
| 3.3.2 分布式并行粒子滤波算法 |
| 3.3.4 算法比较分析 |
| 3.4 本章小结 |
| 第四章 分布式粒子滤波在无线传感器网络目标跟踪应用 |
| 4.1 模型建立 |
| 4.2 实验仿真 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（9）一种箱式变电站及其实时监测系统的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外智能变电站研究现状 |
| 1.3 智能箱式变电站的研究意义 |
| 1.4 课题研究的主要内容 |
| 第二章 智能箱式变电站总体方案设计 |
| 2.1 箱式变电站的结构与基本功能 |
| 2.2 智能箱式变电站与传统箱式变电站的区别 |
| 2.3 智能箱式变电站整体总体方案 |
| 2.4 智能箱式变电站元件清单 |
| 2.5 智能箱式变电站一、二次原理及接线 |
| 第三章 箱式变电站智能系统的硬件设计 |
| 3.1 智能终端系统 |
| 3.2 通讯网络 |
| 3.3 后台管理系统 |
| 第四章 箱式变电站智能监测系统的软件设计 |
| 4.1 系统软件设计总方案 |
| 4.2 智能终端数据采集算法的研究 |
| 4.3 变电站运行参数拟合方案确定 |
| 4.4 基于有理论和无理论模型的变电站电压、温度曲线拟合 |
| 4.5 有理论和无理论模型拟合后的结果对比 |
| 4.6 后台管理系统的人机界面设计 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 论文工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 附录 智能箱式变电站电气一次系统设计图 |
| 致谢 |
（10）基于聚类算法的群体机器人聚集运动协调性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 插表索引 |
| 第一章 绪论 |
| 1.1 群体机器人研究背景 |
| 1.2 国内外发展现状 |
| 1.3 典型的群体机器人系统 |
| 1.3.1 群体智能机器人系统 |
| 1.3.2 自重构机器人系统 |
| 1.3.3 协作机器人系统 |
| 1.3.4 足球机器人系统 |
| 1.4 群体机器人系统主要研究内容 |
| 1.4.1 群体机器人个体间的交互与通信 |
| 1.4.2 群体机器人系统的协作与控制 |
| 1.4.3 群体机器人系统冲突问题的解决 |
| 1.5 本文主要研究内容 |
| 1.6 本文主要研究方法 |
| 1.7 本文组织结构 |
| 1.8 本章小结 |
| 第二章 群体机器人智能理论 |
| 2.1 引言 |
| 2.2 聚类算法的定义 |
| 2.2.1 层次聚类算法 |
| 2.2.2 自组织映射 |
| 2.2.3 基于密度聚类算法 |
| 2.2.4 基于网格的聚类算法 |
| 2.2.5 基于模型的聚类算法 |
| 2.3 k-means 聚类算法 |
| 2.3.1 改进的 k-means 算法 |
| 2.3.2 HK-means 聚类算法 |
| 2.3.3 k-means 无线传感网络动态调度分簇算法 |
| 2.4 K-medoids 聚类算法 |
| 2.4.1 改进 K-medoids 聚类算法 |
| 2.5 层次 k 聚类算法 |
| 2.6 组合聚类算法 |
| 2.7 基于协商和意愿强度的避碰规则 |
| 2.7.1 基本行为设计 |
| 2.7.2 意愿强度与磋商策略 |
| 2.8 本章小结 |
| 第三章 群体机器人体系结构 |
| 3.1 引言 |
| 3.2 群体机器人体系结构 |
| 3.2.1 传统结构 |
| 3.2.2 包容式结构 |
| 3.2.3 反应式控制结构 |
| 3.2.4 复合机体结构 |
| 3.3 个体机器人体系结构 |
| 3.4 智能体机器人硬件设计 |
| 3.4.1 主控芯片的性能与工作方式 |
| 3.4.2 电源模块设计 |
| 3.4.3 电机驱动电路设计 |
| 3.4.4 传感器模块 |
| 3.5 本章小结 |
| 第四章 群体机器人聚集队形路径规划 |
| 4.1 引言 |
| 4.2 智能机器人运动控制模型 |
| 4.2.1 机器人运动学分析 |
| 4.2.2 机器人运动特性力学分析 |
| 4.3 机器人运动路径规划 |
| 4.3.1 聚集任务算法设计 |
| 4.3.2 聚集分析 |
| 4.4 基于意愿强度的群体机器人协调实现 |
| 4.4.1 避免碰撞行为与奔向目标行为的总和 |
| 4.4.2 协商行为和磋商策略 |
| 4.5 聚集队形控制 |
| 4.6 队形控制仿真实验 |
| 4.7 本章小结 |
| 第五章 群体机器人聚集队形协作实验 |
| 5.1 引言 |
| 5.2 实验条件 |
| 5.2.1 开发平台及语言工具 |
| 5.2.2 实验目的 |
| 5.3 实验步骤 |
| 5.4 群体机器人聚集队形协作实验 |
| 5.5 实验程序开发及实验过程 |
| 5.5.1 实验程序 |
| 5.5.2 实验过程 |
| 5.6 实验结果分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
四、无线传感器网络供电获新援（论文参考文献）
- [1]面向VANET的改进AODV路由协议研究与实现[D]. 杨阳. 哈尔滨工程大学, 2020(05)
- [2]面向无人机通信系统的功率分配关键技术研究[D]. 裴璐. 南京邮电大学, 2019(02)
- [3]基于无线传感网络光伏组件监测的应用技术研究[D]. 朱峰. 北京邮电大学, 2017(03)
- [4]基于大数据的用户用电行为分析研究在新能源电网中的应用[D]. 迟俊琳. 华北电力大学(北京), 2017(03)
- [5]基于信息融合的火工品运输自动导引车导航方法研究[D]. 吴文军. 新疆农业大学, 2016(03)
- [6]矿井多媒体救灾通信系统中WMSN路由算法的研究[D]. 朱永红. 中国矿业大学, 2015(06)
- [7]无线传感器网络电能节能管理系统的设计与实现[D]. 张欣. 哈尔滨工业大学, 2013(03)
- [8]基于分布式粒子滤波的无线传感器网络目标跟踪算法研究[D]. 李国新. 长安大学, 2013(05)
- [9]一种箱式变电站及其实时监测系统的设计[D]. 喻金. 南华大学, 2013(01)
- [10]基于聚类算法的群体机器人聚集运动协调性研究[D]. 郭春阳. 兰州理工大学, 2012(10)