一种改进的DFD无线传感器网络节点故障诊断算法研究

无线传感器网络是远程分布式环境监测的重要手段。节点故障诊断作为无线传感器网络的关键技术之一,是无线传感器网络大多应用领域不可或缺的环节。DFD算法是一种可应用于无线传感器网络的节点故障诊断算法,通过网络内邻居节点间的数据交换和相互测试诊断出故障节点。对DFD算法的诊断判据进行了修改,提出了改进的DFD算法。仿真结果表明,改进的DFD算法能适用于待诊断节点的邻居节点数较少、节点故障率较高的传感器网络,且大大提高了故障诊断精度。     

基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。     

基于改进的粗糙集和神经网络的WSN故障诊断

综合粗糙集理论和人工神经网络的优点,提出了改进的粗糙集理论算法,并结合人工神经网络,实现了一种无线传感器网络(Wireless Sensor Network,WSN)节点智能故障诊断方法。首先基于WSN的应用环境和故障特征的分析,通过数据采集、数据预处理和数据压缩来获得诊断决策表,并利用粗糙集中改进的归纳属性约简算法(Improved Inductive Attribute Reduction Algorithm,IIARA)对决策表进行属性约简,从而提取对故障诊断贡献最大的最小故障诊断特征集合,进而确定后端径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的拓扑结构。最后通过网络训练建立故障征兆与故障类型之间的非线性映射关系,得到诊断结果。仿真实验结果显示,该诊断算法在对WSN节点进行故障诊断时,可以有效地减少网络输入层个数,简化神经网络结构,减少网络的训练时间,提高模型的诊断准确性。     

基于累积和控制图的分布式传感网络故障诊断

由于无线气象传感网具有资源受限及分布式等特点,传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题,提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先,通过累积和控制图分析传感器节点上的历史数据,提高对节点故障判断的灵敏度并且定位出异常时间点;然后,结合网络内邻居节点间的数据交换,通过判断节点的状态诊断出故障节点。实验结果表明,即使在整个网络中在节点故障率高达35%时,算法检测精度仍然高于97.7%,而误报率不超过2%。由此可见,在节点故障概率很高的情况下,此所提法也能得到很高的检测精度和较低的误报率,受节点故障率的影响明显减小。     

分簇式无线传感器网络节点故障诊断算法研究

无线传感器网络(WSNs)分布式节点故障诊断算法是一种可用于WSNs节点的故障诊断算法,通过整个网络内邻居节点之间的数据融合诊断出故障节点.但分布式算法的计算量十分巨大,浪费了大量的节点能源,而且分布式算法中使用自定义的全局阈值会降低诊断精度,分簇式的节点故障诊断算法应用LEACH-DFD算法,通过簇头节点完成故障检测...     

基于数据驱动的WSN节点故障诊断算法

节点故障诊断是无线传感器网络持续性监测服务的关键步骤。为准确高效地得到诊断结果,提出一种基于数据驱动的故障诊断算法。对每个节点获取的信息建立空间高维向量,引入自身历史数据和邻居节点数据构造十字滑动窗口,并赋予十字方向上自定义的故障权重,通过检测异常向量达到故障诊断的目的。实验结果表明,该算法能够克服计算量大、故障判定条件苛刻等不足,与分布式故障诊断算法相比,可使故障诊断正确率提高15.5%,故障误警率下降4.89%。     

无线传感器网络多路径聚集的改进

针对无线传感器网络数据聚集查询的需求,提出了一种针对无线传感器网络网内聚集的多路径路由算法EOD。EOD算法综合考虑了节点剩余能量、偏移角度、节点间距离三个因素对无线传感器网络数据传输过程的能耗、时延的影响,在多路径结构的基础上,对传感器节点的所有的邻居节点进行综合评估,选择转发成本最小的几个邻居节点作为转发节点,从而在确保可靠性和性能的前提下最小化WSN能量消耗。仿真实验表明,适当地调整各影响因素的权值,EOD算法可以有效地延长网络生存期,减少数据包在网络中的时延,使整个传感器网络的节点剩余能量趋于均衡。     

基于模糊神经网络的WSN无线数据收发单元故障诊断

在一些无线传感器网络(Wireless Sensor Network,WSN)安全监测系统中,节点长时间传输大量数据,导致无线数据收发单元容易出现功率下降和功率放大器(Power Amplifier,PA)被烧毁的现象,而此类故障的诊断方法一般比较复杂且低效。针对上述问题,在分析WSN单元级故障诊断的基础上,利用无线数据收发单元的电流模型,提出了一种基于模糊神经网络的无线数据收发单元故障诊断方法。首先,根据无线数据收发单元中发射消耗的电流与温度和供电电压的关系,建立电流模型;然后,利用聚类算法确定模糊神经网络模型结构,结合混合学习算法优化模糊规则的前件参数和后件参数;最后,提取训练完的模糊神经网络参数,以建立WSN节点故障诊断模型。实验结果表明,提出的无线数据收发单元故障诊断方法的计算量小,诊断准确度高;与高斯过程回归模型相比,其计算量降低了22.4%,诊断准确度提高了17.5%。     

基于投影栅格扫描的无线传感器网络三维定位算法

针对现有无线传感器网络(WSN)三维定位算法在精度和复杂度方面的不足,提出了一种改进的三维空间定位算法。利用栅格扫描分别求解邻居锚节点在两个坐标平面的投影交域,得出未知节点在两坐标平面的对应位置,最终实现三维位置估计。仿真结果表明：在100m×100m×100m的空间里,随机投放200个传感器节点,锚节点数为45时,其覆盖率达到了99.1%,相对定位误差仅为0.5533。且平面投影的引入,有效地降低了算法复杂度。     

基于粗糙集理论和贝叶斯决策的 WSN节点的故障诊断

提出了一种无线传感器网络(WSN)节点故障诊断的新方法,首先基于Rough Set理论的区分矩阵和区分函数得到故障诊断决策的属性简约;然后通过贝叶斯决策理论对WSN各个节点的功能模块进行故障定位以及维修决策.仿真实验表明,该方法在WSN节点故障诊断时通信代价小,能量消耗低,诊断正确率高,因而具有在能量有限的WSN节点中应用的可能性.     

WSN中故障诊断性能与平均节点度研究

在基于无线传感器网络的结构健康监测中,故障节点产生并传输的错误数据将消耗节点的能量和带宽,同时会形成结构健康监测的错误决策。针对该问题,提出一种节点故障诊断算法,利用节点感知传感数据的空间相似性,通过对邻节点所感知的传感数据进行比较,确定检测节点的状态,将测试状态向网络中其他相邻节点进行扩散,实现网络中全部节点的故障检测。同时介绍在不同平均节点度下改善故障诊断率的方法。实验结果表明,该算法能够获得较好的性能。     

基于时间序列相似度的无线传感网故障检测算法

针对无线传感网中节点故障率高而导致检测精度低以及能耗大的问题,提出了基于时间序列相似度的无线传感网故障检测算法(FDABTS2).该算法利用节点时间序列进行差值和相似度的计算,剔除一定故障类型的节点,并对瞬时读数故障数据进行修正.当节点为可疑节点时,利用空间相关性,与剩余邻居节点协作完成判定.在仿真环境下,与LEFD、NADST以及传统的DFD故障检测算法相比,检测精度分别提高了13％、17％和25％,误报率分别降低了8.4％、21.4％和25.4％,网络能耗分别降低了2.9％、8％和21.3％,即使在瞬时读数节点故障率高达60％时,误报率也能分别降低1.9％、26.2％和38.2％.实验结果表明,该算法在保证高检测精度的情况下,仍能有效降低能耗,延长网络生命周期.     

无线传感器网络多径路由算法

路由协议是无线传感器网络研究的热点,针对传感器节点能量有限的特点,为了均衡网络负载、延长网络生存期,该文提出一种基于能量－跳数权重值的多径路由算法(EHM),其核心思想是各节点维护到其邻居节点的多条路径,并根据邻居节点的跳数和剩余能量信息进行路由选择。利用OPNET仿真工具对算法进行仿真,结果表明EHM算法可以有效地均衡网络节点的能量消耗,在节点剩余能量上有50%左右的性能提升。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

无线传感器网络无标度容错拓扑的连锁故障诊断算法

针对随机节点故障所引发的连锁故障问题,为了尽可能地降低连锁故障对无线传感器网络所造成的损害,提出了一种无线传感器网络无标度容错拓扑的连锁故障诊断算法,该算法基于单一节点故障时负载重新分配给相邻节点的情况,提出一种连锁故障下的负载再分配模型,分析了单一节点故障时所产生的连锁故障规模。采用相邻节点的连锁故障诊断算法来研究传感器网络的负载参数和连锁故障规模之间的关系,尽可能地减少连锁故障所带来的节点损失。仿真结果表明,该算法有效地抑制了由于负载过大所引发的连锁负载效应,在减少网络节点的损失上起到了较好的效果。     

Fuzzy rule-based faulty node classification and management scheme for large scale wireless sensor networks

In a wireless sensor network (WSNs), probability of node failure rises with increase in number of sensor nodes within the network. The, quality of service (QoS) of WSNs is highly affected by the faulty sensor nodes. If faulty sensor nodes can be detected and reused for network operation, QoS of WSNs can be improved and will be sustainable throughout the monitoring period. The faulty nodes in the deployed WSN are crucial to detect due to its improvisational nature and invisibility of internal running status. Furthermore, most of the traditional fault detection methods in WSNs do not consider the uncertainties that are inherited in the WSN environment during the fault diagnosis period. Resulting traditional fault detection methods suffer from low detection accuracy and poor performance. To address these issues, we propose a fuzzy rule-based faulty node classification and management scheme for WSNs that can detect and reuse faulty sensor nodes according to their fault status. In order to overcome uncertainties that are inherited in the WSN environment, a fuzzy logic based method is utilized. Fuzzy interface engine categorizes different nodes according to the chosen membership function and the defuzzifier generates a non-fuzzy control to retrieve the various types of nodes. In addition, we employed a routing scheme that reuses the retrieved faulty nodes during the data routing process. We performed extensive experiments on the proposed scheme using various network scenarios. The experimental results are compared with the existing algorithms to demonstrate the effectiveness of the proposed algorithm in terms of various important performance metrics.     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。