基于感知数据时域特征的WSNs故障诊断方法-林业信息技术专业论文.docxVIP

摘要 摘要 I I 摘要 大规模无线传感器网络大多部署在环境恶劣的环境下，由于节点资源受限，网络 的动态拓扑及不确定性，在运行过程中不可避免的会发生故障。当单个关键节点或者 某一区域内节点发生故障时，将导致其周围某一特定范围内的节点无法正常工作，造 成网络连通分割，这样会大大降低无线传感器网络系统的服务质量，使无线传感器网 络预定功能削弱或者失效。所以进行及时准确的无线传感网故障诊断以保证网络的可 靠及有效运行显的及其重要。现有的诊断方法主要集中在收集网络诊断参数，这个过 程消耗大量通信带宽和节点资源，给资源有限的网络带来繁重的负担。无线传感器网 络的故障诊断成为该领域内的一个研究难点。 针对以上问题，本文提出一种利用感知数据时域特征来检测故障以及对故障进行 分类的诊断方法。首先运用一维离散 Gabor 变换对感知数据进行特征提取与分析，找 出最能体现故障的特征，利用 SOM 神经网络建立故障知识库对数据进行诊断与分类， 判断当前网络状态并找出故障原因。算法主要运用温度、湿度等感知数据结合电压数 据进行诊断，将离散 Gabor 小波变换的数据特征提取算法与 SOM 神经网络相结合，利 用一系列的故障诊断规则组成故障知识库，监测网络运行情况。 为了进一步的开发测试诊断算法的效率及准确性，设计了无线传感器网络数据监 测系统，系统的可视化界面能够清晰的展示节点数据走势，反应节点故障数据特征并 对当前网络节点状态做出判断，并找出对应的故障类型。系统操作简单，界面友好， 具有很强的通用性和实用性。实验结果表明，与 DSD 算法相比，此种方法具有网络 通信负担小、诊断准确率高及分类效果好等优点，对节点故障和网络故障诊断都具有 较高的诊断精度。算法在网络规模达到 160 个节点时故障诊断的检测率达到 97%以上 且其误警率只有不到 40%。 关键词：无线传感器网络，Gabor 变换，SOM 神经网络，时域特征，故障诊断 AB ABSTRACT II II ABSTRACT Due to the limit of resources, dynamic network topology and uncertainty, Faults are inevitable in the running process of network. A single critical node failure or a particular region nodes fails will lead to a net work failure within a specified range around it. Which will result in network connectivity partition. It would greatly reduce the quality of service in wireless sensor network system and the function of wireless sensor networks will be weakened or fail. Therefore, timely and accurate troubleshooting of wireless sensor networks in order to ensure reliable and efficient operation of the network becomes obviously important. The existing diagnostic methods consume a lot of communication bandwidth and node resources, which lead to heavy burden of the resources-limited network. fault diagnosis for wireless sensor networks is difficult. This paper presents a diagnosis method used for fault detection and fault classification based on the time domain features of sensing data(TDSD). Firstly, the feature extraction and analysis of the sensing data are carried out using one-dimensional discrete Gabor transform , mining the characteristics