无线传感器网络故障诊断算法研究

作     者：赵锡恒 

作者单位：广东工业大学 

学位级别：硕士

导师姓名：何小敏

授予年度：2015年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 080202[工学-机械电子工程] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081001[工学-通信与信息系统] 

主      题：无线传感器网络 节点故障 免疫危险理论 系统故障 时间加权K-近邻法 

摘      要：无线传感器网络(WSN, wireless sensor network)是由大量密集部署在监控区域的智能传感器节点构成的一种网络分布式系统。然而,由于低成本、资源受限节点被随机部署在异常复杂和恶劣的区域,WSN时常会出现各种故障,其可靠性是传感器网络应用重要挑战。故障诊断是提高WSN可靠性的关键技术之一。针对现有模型和方法在动态复杂多变传感器网络故障诊断中的自学习、自适应能力不足问题,本文拟探讨将人工免疫系统的危险理论应用到WSN节点故障诊断方法,并提出一种适用于WSN系统级的故障诊断新方法。首先,研究WSN网络结构,原理及其每部分之间关系及协作。然后,描述WSN故障诊断流程。其次,根据WSN故障分类、故障特征值及特征提取等问题,分析WSN节点故障及系统故障的机理。针对WSN节点故障问题,提出基于免疫危险理论WSN节点故障诊断新算法。该算法首先建立抗体、抗原与WSN故障特征向量的映射模型,利用危险触发阂值识别危险源,运用遗传算法生成抗体库,基于K-近邻分类方法构建多抗体故障检测器并进行故障分类,通过追踪故障数据变化在线更新抗体库。该算法计算负荷较小,具备自学习,动态更新特性。针对WSN系统故障问题,本文提出一种基于时间加权K-近邻法的故障诊断方法。该方法按照系统故障机理确立特征值,根据WSN系统故障的时间相关性,设计基于时间加权的故障诊断分类规则,并结合K-近邻法建立系统故障诊断模型。该模型具有对WSN系统故障数据偏移的校正能力,提高故障诊断正确率。实验表明,时间加权K-近邻法具有较好的抗干扰性和适应性,分类准确率高。最后,通过设计实验方案,确定仿真软件,获取实验数据,验证本文所提出的方法有效性,并和其他方法比较,表明上述两种方法有较好的可靠性、适应性和较高的分类准确率。