| 中文摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状与分析 | 第11-15页 |
| 1.2.1 物联网环境监测系统 | 第11-12页 |
| 1.2.2 故障诊断方法 | 第12-14页 |
| 1.2.3 基于神经网络的故障诊断方法 | 第14页 |
| 1.2.4 研究现状小结 | 第14-15页 |
| 1.3 研究内容与技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 本文的创新之处 | 第16-17页 |
| 1.5 章节安排 | 第17-18页 |
| 2 相关理论与技术 | 第18-25页 |
| 2.1 神经网络 | 第18-19页 |
| 2.1.1 人工神经网络 | 第18页 |
| 2.1.2 BP神经网络 | 第18-19页 |
| 2.2 蚁群算法 | 第19-22页 |
| 2.2.1 蚁群算法原理 | 第19-21页 |
| 2.2.2 蚁群算法的基本步骤 | 第21-22页 |
| 2.3 量子理论 | 第22-23页 |
| 2.3.1 量子位 | 第22页 |
| 2.3.2 量子门 | 第22-23页 |
| 2.4 物联网理论与技术 | 第23-24页 |
| 2.4.1 物联网体系架构 | 第23页 |
| 2.4.2 通信技术 | 第23-24页 |
| 2.4.3 感知技术 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 沙漠物联网环境监测系统故障分析 | 第25-35页 |
| 3.1 沙漠物联网环境系统介绍 | 第25-28页 |
| 3.1.1 沙漠物联网环境监测系统 | 第25-26页 |
| 3.1.2 沙漠生态大数据平台 | 第26-28页 |
| 3.2 沙漠物联网系统故障分类 | 第28-34页 |
| 3.2.1 沙漠物联网系统的工作模式 | 第28-29页 |
| 3.2.2 沙漠物联网系统的故障分类与征兆分析 | 第29-32页 |
| 3.2.3 系统故障征兆信息与故障类型的关系 | 第32-34页 |
| 3.3 故障诊断分类方案 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 量子蚁群算法优化的BP神经网络故障诊断模型 | 第35-53页 |
| 4.1 BP故障诊断模型 | 第35-44页 |
| 4.1.1 BP算法原理 | 第35-37页 |
| 4.1.2 数据预处理 | 第37-40页 |
| 4.1.3 BP神经网络故障诊断模型的建立 | 第40-41页 |
| 4.1.4 实验分析 | 第41-44页 |
| 4.2 基于QACO-BP的故障诊断模型 | 第44-52页 |
| 4.2.1 量子理论优化蚁群算法 | 第45-47页 |
| 4.2.2 QACO-BP神经网络故障诊断模型的建立 | 第47-48页 |
| 4.2.3 实验分析 | 第48-52页 |
| 4.3 对比实验验证 | 第52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 沙漠物联网故障诊断系统的设计与实现 | 第53-70页 |
| 5.1 系统需求分析 | 第53-54页 |
| 5.1.1 功能需求 | 第53页 |
| 5.1.2 性能需求 | 第53-54页 |
| 5.2 系统总体框架设计 | 第54-55页 |
| 5.3 系统详细设计 | 第55-66页 |
| 5.3.1 感知处理层设计 | 第55-58页 |
| 5.3.2 网络通讯层设计 | 第58-60页 |
| 5.3.3 应用服务层设计 | 第60-66页 |
| 5.4 系统实现 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 硕士期间获得的研究成果 | 第77-78页 |