基于Rough set理论的无线传感器网络节点故障诊断

提出了一种无线传感器网络(WSN)节点故障诊断的新方法,首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简;然后通过属性匹配的故障分类算法,建立一套WSN节点故障诊断方法,对WSN节点的各个模块分别进行具体的故障诊断和定位.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、诊断准确率高,因而具有在能量有限的WSN节点中应用的可能性.

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集?神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。

无线传感器网络的覆盖控制

覆盖控制作为无线传感器网络中的一个基本问题,在国内外已经取得了一些研究成果。根据不同的性质,覆盖控制问题可以划分为不同的类型(如,静态覆盖和动态覆盖、确定性覆盖和随机性覆盖)。主要针对静态覆盖(区域覆盖、点覆盖、栅栏覆盖)问题中一些典型算法,分类进行了描述,并比较了它们之间的优缺点,最后,指出了需要进一步的研究工作。

基于Rough Sets的传感器异常数据处理

在各种传感器的应用中,经常要对传感器的测量数据进行处理,以保证测量结果的可靠性．为了利用粗糙集理论处理不确定数据的优点,根据粗糙集理论的思想,先由已知测量数据提取出决策表,再进行补全、离散化等预处理,最后进行属性约简并提取出分类规则,对测量数据进行分类,剔除测量数据中的异常数据．实验结果显示该异常数据发现方法比常用的异常数据处理方法更为客观、精确和可靠．

基于互信息的无线传感器网络节点故障自诊断

故障自诊断和故障监控能提高WSN的可维护性和可靠性,延长WSN节点的使用寿命。该文提出一种无线传感器网络(wireless sensor network,WSN)节点故障自诊断的新方法。首先,可从粗糙集理论中基于互信息的属性约简算法获得故障诊断决策的约简,进而建立一套以属性匹配为核心思想的WSN节点故障自诊断技术,对WSN节点的各个模块分别进行具体的故障诊断和定位。仿真实验表明,该方法在WSN节点中实现故障自诊断时,通信代价小,能耗低,诊断的误判率低。