無(wú)線傳感器網(wǎng)絡(luò)性能測(cè)試與智能故障診斷技術(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(WirelessSensorNetworks，WSN)是當(dāng)今極具潛力和影響力的關(guān)鍵技術(shù)之一。它集成了無(wú)線通信技術(shù)、傳感器技術(shù)、微機(jī)電系統(tǒng)技術(shù)和分布式信息處理等技術(shù)，將邏輯上的信息世界與客觀上的物理世界融合在一起，改變了人類與自然界的交互方式，在民用和軍事等許多領(lǐng)域具有很高的應(yīng)用價(jià)值。
　　由于無(wú)線傳感器網(wǎng)絡(luò)的特殊應(yīng)用背景以及自身特點(diǎn)等因素使得WSN的維護(hù)工作十分困難甚至不可維護(hù)。這就需要在WSN節(jié)點(diǎn)部署在應(yīng)用環(huán)境之

2、前將節(jié)點(diǎn)狀態(tài)和網(wǎng)絡(luò)性能達(dá)到盡可能優(yōu)化，那么就需要對(duì)節(jié)點(diǎn)進(jìn)行測(cè)試、對(duì)網(wǎng)絡(luò)可靠性進(jìn)行分析，通過(guò)對(duì)測(cè)試或分析結(jié)果的評(píng)估修改節(jié)點(diǎn)或網(wǎng)絡(luò)某些參數(shù)使其性能達(dá)到最優(yōu)。因此，對(duì)無(wú)線傳感器網(wǎng)節(jié)點(diǎn)和網(wǎng)絡(luò)的測(cè)試和性能分析方面的研究工作對(duì)于無(wú)線傳感器網(wǎng)絡(luò)的廣泛應(yīng)用具有重要的科學(xué)意義。另外，作為一種分布式計(jì)算平臺(tái)，WSN節(jié)點(diǎn)極易受到各種干擾因素影響而發(fā)生故障。當(dāng)單個(gè)關(guān)鍵節(jié)點(diǎn)或某個(gè)區(qū)域節(jié)點(diǎn)故障失效時(shí)，將導(dǎo)致其周圍某一定范圍內(nèi)的節(jié)點(diǎn)全部都無(wú)法正常工作，還會(huì)造成連通被

3、割斷和網(wǎng)絡(luò)覆蓋的漏洞的問(wèn)題，這將大大降低傳感器節(jié)點(diǎn)的可靠性，削弱或失效WSN預(yù)定功能。為了避免故障由節(jié)點(diǎn)級(jí)上升到網(wǎng)絡(luò)級(jí)，必須對(duì)節(jié)點(diǎn)故障進(jìn)行有效地檢測(cè)、診斷原因并進(jìn)行故障的預(yù)測(cè)，才能有效地給出修復(fù)方案，保證網(wǎng)絡(luò)的可靠運(yùn)行。所以，及時(shí)地對(duì)網(wǎng)絡(luò)各種異常狀態(tài)做出診斷，尋找合理的容錯(cuò)控制方案，指導(dǎo)網(wǎng)絡(luò)正常運(yùn)行，對(duì)提高WSN的可靠性和魯棒性具有重要的意義。
　　為了有效地延長(zhǎng)WSN的使用壽命，有效地利用WSN的各種資源，對(duì)WSN進(jìn)行性能測(cè)試與

4、可靠性分析并且及時(shí)、準(zhǔn)確的故障診斷，確保WSN信息傳遞的高可靠性，可以在上位計(jì)算機(jī)或中心管理節(jié)點(diǎn)上進(jìn)行有效的路由規(guī)劃和節(jié)點(diǎn)管理，對(duì)WSN及其節(jié)點(diǎn)進(jìn)行遠(yuǎn)程維護(hù)。
　　本文圍繞無(wú)線傳感器網(wǎng)絡(luò)性能測(cè)試與智能故障診斷技術(shù)作了深入研究，在國(guó)內(nèi)外相關(guān)研究成果的基礎(chǔ)上，圍繞WSN性能測(cè)試與智能故障診斷兩大確保WSN高可靠性的重要技術(shù)提出了幾種新的、有效的解決方案，論文主要作了以下幾方面的工作。
　　在WSN性能測(cè)試與可靠性分析方面，本文提

5、出了FIPES，一種新的故障注入評(píng)測(cè)無(wú)線傳感器網(wǎng)絡(luò)及其可靠性方法。首先介紹了FIPES的基本結(jié)構(gòu);然后從注入故障、故障分析和可靠性評(píng)估三方面闡述了這種WSN性能測(cè)試方法;最后對(duì)FIPES進(jìn)行了各項(xiàng)測(cè)試。實(shí)驗(yàn)表明，F(xiàn)IPES可以有效地向WSN注入各種故障并評(píng)估其性能，在測(cè)試WSN可靠性方面有很高的應(yīng)用價(jià)值，為WSN測(cè)試及可靠性驗(yàn)證研究領(lǐng)域注入了一種新的方法。
　　在WSN智能故障診斷方面，本文對(duì)WSN故障進(jìn)行了故障層次結(jié)構(gòu)和特點(diǎn)分析

6、，得出WSN故障的檢測(cè)與診斷策略。并有效地利用粗糙集理論(RoughSets，RS)在剔除冗余屬性方面的優(yōu)勢(shì)，充分結(jié)合改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)在并行計(jì)算和克服噪聲干擾方面的功能，提出將粗糙集理論與改進(jìn)RBF算法集成(簡(jiǎn)稱RSRBF)，來(lái)解決能量有限而又具有顯著不確定性的WSN節(jié)點(diǎn)在線智能故障診斷問(wèn)題。具體方法是:首先利用粗糙集理論進(jìn)行故障診斷決策表的約簡(jiǎn)，然后用約簡(jiǎn)后的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最后用訓(xùn)練后的改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)對(duì)WSN節(jié)點(diǎn)故障進(jìn)行診斷

7、。在粗糙集理論約簡(jiǎn)算法中，本文提出了改進(jìn)的歸納屬性約簡(jiǎn)算法，提高了計(jì)算效率。
　　本文提出的RSRBF集成故障診斷算法揭示了WSN節(jié)點(diǎn)故障特征信息的內(nèi)在冗余性，能準(zhǔn)確快速地解決WSN節(jié)點(diǎn)的在線故障診斷問(wèn)題。在獲得的信息不完整或部分信息有誤的情況下，也能給出WSN節(jié)點(diǎn)的合理故障診斷。與常規(guī)RBF神經(jīng)網(wǎng)絡(luò)的診斷相比較，在故障特征數(shù)據(jù)可靠性降低時(shí)，愈加突顯出本文算法在診斷準(zhǔn)確率方面的優(yōu)勢(shì)。通過(guò)大量的仿真實(shí)驗(yàn)表明，本文提出的算法診斷準(zhǔn)確率