【摘 要】
：
随着城市化进程的不断推进,我国公共建筑能耗随着面积的增加而大幅上涨。在这种背景下,目前市面上常见的公共建筑用电监控系统,大多采用智能电表配合总线的方式进行现场数据采集,存在布线工程量大、维护不便等问题。同时,一些现有建筑用电监控系统对异常用电的行为不能进行有效的管控,无法及时排除安全隐患,并且容易造成电能的浪费,制定相关政策以及进一步推进公共建筑节能工作较为困难。本文在研究现有建筑用电监控系统的基
论文部分内容阅读
随着城市化进程的不断推进,我国公共建筑能耗随着面积的增加而大幅上涨。在这种背景下,目前市面上常见的公共建筑用电监控系统,大多采用智能电表配合总线的方式进行现场数据采集,存在布线工程量大、维护不便等问题。同时,一些现有建筑用电监控系统对异常用电的行为不能进行有效的管控,无法及时排除安全隐患,并且容易造成电能的浪费,制定相关政策以及进一步推进公共建筑节能工作较为困难。本文在研究现有建筑用电监控系统的基础上,利用NB-IoT（Narrow Band Internet of Things,窄带物联网）技术,设计并实现一套公共建筑用电监控系统。本文的主要工作如下:（1）结合无线通信技术NB-IoT,设计了一种结构更简单、稳定性更高并且更容易部署的公共建筑用电监控系统。系统由无线监控网络和用电管理平台组成,其中无线监控网络包括监控节点和云平台两部分。（2）根据系统整体架构,搭建无线监控网络。完成监控节点的硬件设计,采用模块化的设计方式编写各部分程序,实现对节点所接负载的用电监测、显示与控制。基于MQTT协议,将节点的无线通信模块与云平台对接,实现无线监控网络的数据传输。（3）搭建用电管理平台,设计平台数据库与用户界面。利用云平台的服务端订阅功能和云端开发SDK,将用电管理平台与云平台对接,实现整个系统的数据传输,进而实现用电管理平台的实时数据显示、历史数据查询和指令下发的功能。（4）对本文设计的公共建筑用电监控系统进行整体测试,验证系统数据传输与各部分功能。结果表明,系统运行良好,数据能够稳定传输,系统功能达到了预期目的。
其他文献
近年来,深度学习技术的飞速发展,越来越多的人工智能产品也能落地了。伴随着深度学习技术在安防监控,银行金融,自动驾驶等安全敏感任务上的应用,深度学习模型作为一个黑盒的端到端模型,其安全性和隐私性也越来越受到人们的关注。对抗样本技术更是成为了深度学习研究的热门领域。虽然基于极大极小值优化的对抗训练方式成为了防御对抗样本攻击的最有效方法,但是对抗训练中存在两个问题:对抗训练比正常训练需要更大的模型容量,
刚性四足机器人具有较低的灵活性和较高的能耗,刚柔耦合四足机器人腿部设计有柔性系统,在往复运动过程中可以起到蓄能发力、节省能耗和提高运动高度的作用,对于复杂工况具有更好的通过性,被广泛应用于军事、工业探测和民用等诸多领域。现有的基于液压的柔性系统价格昂贵,人们需要一种价格更为便宜的柔性方式。本文的主要研究内容如下:（1）设计了一种基于弹簧机构的刚柔耦合四足机器人。建立D-H参数表,推导出刚柔耦合四足
近年来人工智能的发展越渐火热,计算机视觉领域的研究发展越来越贴近我们的日常生活。随着我国全面进入小康社会,人们对于饮食健康的问题日益重视,如日常生活的饮食监控、营养分析、菜品推荐系统等等。因此,基于计算机视觉的菜品图像识别技术成为了当前研究的热点之一。但是,目前的菜品图像识别的研究应用多放在西餐和日料中。中式菜品由于其种类繁多复杂,不同菜品之间也有可能非常相似,相同菜品也有可能差异过大。因此,对于
近年来,伴随着社会信息化程度的提高,作为计算机视觉代表性任务之一的视频行为识别,因其在智能监控、自动驾驶、媒体分析和机器人等领域具有广泛的应用前景,受到了越来越多研究者的关注。同时在深度学习等技术蓬勃发展的背景下,涌现出大量基于深度神经网络的视频行为识别研究。虽然前人已经完成了大量的研究工作,但是依然存在大量挑战。首先,由于人类行为在视频时序和场景变化上存在的联系,如何充分利用时序上下文信息,对视
CAN总线是现代汽车电子技术中最重要的串行通信总线,因CAN总线的可靠性、实时性、互操作性、灵活性、经济性等特点,被广泛应用于各种汽车电子部件的通信与控制系统中,CAN总线通信是基于优先级仲裁与调度的通信系统,因此,研究基于CAN总线的调度对提高CAN总线的利用率与系统通信性能具有重要的意义。论文主要研究基于FIFO和优先级序列的CAN总线系统,提出一种模型优化的思路,具体研究内容分为以下几个部分
基于优化的元学习是一种旨在从指定的数据/任务中学习一组敏感的模型初始化参数的机器学习算法。该算法的优点在于当遇到一组新数据/一个新任务时,训练好的模型能够仅仅通过若干步梯度优下降化便在新任务上的测试集上获得良好的泛化表现。然而,从泛化性能的角度来看,我们认为传统的基于优化的元学习算法包含两方面缺陷:（1）由于每一个训练任务中包含的训练样本数量过少,算法在学习过程中使用过参数化网络时容易产生过拟合现
情感分类是自然语言处理领域内的基本任务之一,情感分类又分为粗粒度和细粒度情感分类。随着时代的发展,粗粒度情感分类已逐渐无法满足人类的需求,所以细粒度情感分类逐渐成为了研究重点。细粒度情感分类又称为方面级情感分类,旨在判断句子中某个具体方面的情感极性。本文的核心研究内容就是使用基于深度学习的方法进行方面级情感分类。本文的主要创新与工作如下:（1）大多数基于传统的循环神经网络和注意力机制的方面级情感分
轨迹规划与轨迹优化一直是备受存眷的研究热门,轨迹规划是轨迹优化的前提。仅使工业机器人完成指定任务,已不能满足目前需求,需要尽可能缩短运行时间来提高工作效率和减少冲击以延长使用寿命。本文以六自由度工业机器人为研究对象,在关节空间中采用五次非均匀B样条进行插值,对已规划好的轨迹,以改进的自适应遗传模拟退火算法为优化手段,将时间-冲击作为优化目标,通过改变权重获得时间、冲击以及综合最优轨迹。本文主要研究
随着城市化进程的不断加快,城市路网内部结构也更加复杂,路网中发生的紧急事件很大程度地危及到人们的生命财产安全。紧急事件发生时,城市应急中心会派出特殊授权车辆到达事故发生地实施救援工作,车辆到达时间越短,突发事件造成的损失就会越小。虽然特殊授权车辆具有道路优先通行权,但是实际行驶过程中也会受到车辆拥堵的影响,难以实现优先通行造成极大的延误。因此,在减少对普通车辆产生影响的前提下,本文围绕如何使特殊授
随着成像技术的普及与发展,数字图像逐渐成为了一种重要的信息传递媒介。但是,在实际的应用场景中,由于成像条件及外界干扰等因素的影响,存在着分辨率低、数据缺失等质量退化问题,图像恢复旨在研究如何从退化图像恢复出来理想图像,从而达到改善图像质量的目的。深度卷积神经网络通过卷积运算的层级化处理能够有效获取图像的层级特征表示,为图像恢复带来了新的建模方法,带来了图像恢复算法性能的有效提升,使其研究进展有了实