基于模糊匹配的无线通信网络传输节点安全威胁检测技术

为提升节点安全威胁检测的准确率,提出基于模糊匹配的无线通信网络传输节点安全威胁检测技术。首先,采用并行部署方法部署安全威胁检测传感器,初步捕获并记录无线通信网络传输节点安全威胁;其次,建立无线通信网络传输节点安全威胁模型,描述无线通信传输网络节点安全威胁各项信息;最后,利用模糊匹配量化评估网络传输节点状态,计算节点安全威胁值,进而检测节点安全威胁。实验结果表明,该技术的检测准确率得到了显著提高,均在98%以上,可行性较高。     

分布式WSN系统中的拜占庭故障算法研究

在分布式WSN系统中,簇内有相当多的无线传感器节点,这些节点可能会部署在各种环境中,采用从单个传感器上所获取信息可靠性不高。为了提高系统的可靠性,需要对多个传感器节点采集数据进行综合,这样就可以有效地提高所获得数据的精度和可信度。研究了在系统节点发生拜占庭故障的情况下,利用现有WSN的数据融合方法以及安全系统中的拜占庭将军问题,提出了一种新的基于OM算法与贝叶斯检测算法的容错检测算法,合理而有效的进行数据融合,减小拜占庭故障对系统的影响,从而使所有节点做出一致决定。通过仿真得出该算法可以保证节点决策具有较高一致性的情况下仍有较高的故障节点减少率。     

一种无线传感器网络节点的故障检测算法

针对无线传感器网络中的数据故障问题,提出了一种新的分布式贝叶斯故障节点检测算法（DBA）。通过引入Bayesian来计算传感器节点的故障概率,利用边界节点来调整故障概率,提高故障概率的准确性,避免了大量故障节点的负面影响。最后将DBA和分布式故障检测（DFD）的性能进行了综合仿真比较。结果表明,即使在故障节点较多的情况下,DBA也能显著提高故障检测的精度。     

高效容错的无线传感网事件及其边界检测算法

事件检测与事件边界检测是无线传感器网络的重要应用之一,节点故障的准确检测是提高事件与事件边界检测效率的前提.然而,目前的故障检测机制对节点故障类型分析不够明晰,导致系统可能将事件边界节点误判为故障节点,且常需要传感器节点间进行频繁通信,导致网络系统容错性能和节点利用率低下,并带来额外的能耗开销.为了达到较高的检测精度与能源利用率,提出了一种新的高效容错的无线传感网事件及其边界检测算法:利用时间相关性实现无线传感器网络事件检测,利用空间相关性实现故障检测与事件边界检测;提出了节点的信息可靠度恢复机制,使得节点能够根据网络环境的变化,自动调整节点的信息可靠度.实验结果表明,即使在故障概率较高的情况下,该策略仍然具有良好的性能表现.     

面向以太网的网络故障自动实时发现与定位方法

在网络应用已完全融入日常生产生活的今天,人们需要稳定、可靠的计算机网络,高效、准确地发现和定位网络故障,是提高网络可靠性的重要手段。现有的网络故障自动发现方法往往需要修改节点代码、控制节点行为来实现故障检测,而交换机等以太网设备通常并不具有可修改性。针对以太网故障的自动发现与定位问题,基于目前标准化交换机支持的简单网络管理协议SNMP(Simple Network Management Protocol)协议和管理信息库MIB-2(Management Information Base)提出了"设备状态一致性检测算法"、"设备拥塞异常检测算法"等针对不同故障的检测算法。实验结果表明该故障检测算法对发现和定位以太网故障具有较高的效率和准确率。基于所提出的故障检测算法,该设计实现了一个故障发现与定位系统,并成功地在芜湖市国家电网计算机网络中部署运用。     

P2P流媒体系统中基于声望的节点故障检测方法

针对P2P流媒体系统中由于复杂的网络环境与节点的高度动态性而导致系统整体可用性偏低的问题,进行深入分析,提出了一种基于声望的节点故障检测方法,该方法能够根据节点的反馈构建目标节点的声望,从而有效地检测节点故障。理论分析和仿真结果表明:该方法能够充分利用网络节点的资源,有效地减轻了索引服务器的负载,准确地检测了系统中的故障节点。     

基于网络演算的网络故障检测方法

在计算机网络系统中,由于存在外界攻击,设备寿命有限等原因,网络设备不可避免地会发生故障.本文提出了一种基于网络演算的故障检测方法,并证明了该方法能在确定的时延范围内检测出网络中节点发生故障及恢复正常的时间,以及节点的故障种类.在仿真算例上测试发现,本文的方法能及时检测出节点故障和正常的时间,且检测的平均准确率比当前常用的基于LSTM的方法高很多.     

基于故障定位集的无线传感器网络故障检测

由于无线传感器网络(WSN)节点的位置分布广,网络出现故障后如何进行故障检测以实现功能的恢复显得尤其困难,因此,探索快速有效的网络故障检测方法对于大规模WSN的可靠应用很有必要;基于最小故障定位集,提出了一种新的故障定位和故障检测方法;该方法在WSN分布式结构模型基础上,将网络节点与节点间的连接关系以图的方式进行描述,利用最短路径分析方法,来对WSN中出现的故障进行定位和检测;应用分析表明,该算法可以快速有效实现WSN故障定位与检测.     

利用置信规则库构建WSN节点故障检测模型

在无线传感器网络(wireless sensor network, WSN)节点故障检测领域的研究过程中,故障检测准确率会受节点数据的不确定性和专家知识模糊性的影响。针对这一问题,本文提出了一种基于置信规则库(belief rule base, BRB)的WSN节点故障检测方法。首先,根据WSN工作原理及节点工作特性描述WSN节点故障检测过程;然后,从空间和时间2个维度对节点数据提取特征,建立基于空间和时间相关性的WSN节点故障检测模型;最后,利用Intel Lab Data无线传感器数据集进行案例研究以验证模型的有效性。结果证明,本文方法能够统筹利用专家知识和节点数据实现WSN节点故障检测。     

基于分布式算法执行替代链的WSN故障节点检测和替代方法

针对无线传感器网络中故障节点的检测和替代问题,提出了一种基于分布式算法执行替代链的故障节点的检测和替代方法。首先,描述了传感器节点检测故障邻居所需执行的指令;然后,根据分布式算法执行替代链;最后,以局部最优方式替代故障节点,从而维护WSN的连通性。仿真结果表明,本文方法明显改善了场强覆盖降低百分比,相比检测和替代效果较好的C₃R方法,本文方法更能节省能量,且延长了网络寿命。     

基于量测重构投影的加速度计故障检测

基于分布式传感器网络结构,构建了双节点故障检测模型,分析加速度计输出,对加速度计的输出量进行重构,将与陀螺输出量耦合部分补偿掉,简化加速度计的奇偶检测方程。最后对检测方程不能识别的3个及以上加速度计出现故障的情况进行讨论,分析表明:基于量测重构的奇偶方程加速度计检测法对分布式传感器网络中的加速计故障检测有较强的检测能力。     

双余度传感器缓变故障检测的改进残差检验法

分析了基于卡尔曼滤波器的残差检验法对传感器缓变故障检测的不敏感性原因.针对双余度传感器缓变故障检测,采取了先故障判断后故障定位的故障检测策略,并提出了一种基于移动伪正常状态的残差构造方法.数学仿真验证了改进方法比传统方法更能够及时准确地识别双余度传感器缓变故障.     

基于区间观测器的矿井水位传感器故障检测

研究矿井的安全监测问题,根据矿井传感器存在的故障隐患,由于矿井环境复杂,不确定因素干扰,造成检测不准确,严重影响安全性。为了解决检测不精确的问题,提出了一种区间观测器的传感器实时诊断模型。采用故障特征矩阵处理故障检测和隔离之间的接口,矩阵中储存了检测信号和故障之间的相关程度和发生时间,系统的状态特征可从故障信号和故障之间的关系推理得到,故障信号的信息得以有效地利用。对观测到的故障信号,用离散方法处理得到信号发生时间,并进行实验,表明检测方法可用在矿井水位传感器网络中,说明方法比标准的二元故障检测方法更合理。     

航空发动机传感器故障鲁棒检测方法

研究发动机传感器故障准确检测问题,现代航空发动机数字电子控制系统对传感器的可靠性要求日益提高。针对航空发动机结构复杂,又工作在高温和高压下,常规采用的传感器故障检测方法的准确性易受到建模误差与外界扰动的影响,造成漏报或误报。为了提高检测精度,提出建立航空发动机数控系统传感器未知输入故障模型,采用特征结构配置的方法,通过配置闭环系统左特征向量实现故障检测残差对不确定性因素的干扰解耦,降低扰动对故障诊断结果的影响。用某型涡扇发动机数控系统传感器故障数字仿真试验表明,所设计的方法对范数有界的不确定量可以实现干扰解耦,抑制干扰对故障检测的影响,改善检测算法的鲁棒性,提高检测结果的准确性,同时满足在线运算的实时性要求。提高了航空发动机的可靠性,保证了安全飞行。     

MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测

提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。     

基于深度学习的航空发动机传感器故障检测

针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法.对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测.仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型.     

基于量测一致性的联邦滤波故障检测方法研究

针对联邦滤波器的信息融合特点,提出了一种基于测量一致性的传感器故障检验方法.该方法利用融合状态递推器对各个子传感器的量测预报与各传感器量测之间的偏差构造统计量,进行故障检测,可以实现先检测后滤波,在子滤波器启动之前确定对应传感器量测的有效性.仿真结果表明,该方法具有较高的故障检测灵敏度.     

基于核主元分析与神经网络的传感器故障诊断新方法

提出综合利用核函数主元分析(KPCA)和神经网络的方法实现非线性系统内传感器故障的检测和识别,克服了以往核函数主元分析法只能给出故障检测结果,却无法对故障进行识别的缺陷,并给出了在特征空间中计算残差的简单方法.最后,对一个简单的多变量过程进行了故障检测和识别,验证了这一诊断策略的有效性.     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

基于SKPCA的卫星整流罩空调系统传感器故障检测研究

针对卫星整流罩空调系统对传感器故障检测的高可靠性的要求,在分析常见故障模式的基础上,采用了基于统计量核主元分析（ SKPCA）的故障检测方法,建立整流罩空调系统传感器故障检测模型,对整流罩空调系统传感器容易出现的偏置故障进行了验证实验。实验结果验证了SKPCA方法在整流罩空调系统传感器故障检测中的正确性和有效性。