物联网感知层传感节点故障诊断研究

针对物联网感知层节点故障诊断问题,提出基于蚁群聚类优化RBF神经网络的WSNs节点故障诊断算法。将从节点硬件模块故障和节点故障率对故障诊断精度的影响两个方面研究WSNs节点故障诊断。将改进的蚁群聚类优化RBF神经网络的初始权值应用到WSNs节点故障诊断研究中。利用蚁群算法并行寻优特性和自适应调整挥发系数特征作为聚类算法来确定RBF神经网络初始权值,同时采用裁剪约简RBF神经网络隐含层、优化网络结构。通过实验结果表明,基于蚁群聚类优化RBF神经网络的WSNs节点故障诊断方法能准确实现感知节点的故障诊断,与其它方法相比具有更高的诊断精度。

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。

酒窖环境监测中WSN节点故障诊断研究

传统的酒窖环境监测过程中,主要由人工判断处理无线传感器节点的故障诊断,容易出现节点故障获取困难、判断准确性较差等问题,针对上述问题提出了基于时空马尔可夫随机场的节点故障诊断算法:对酒窖内传感器节点进行平面投影,将时间维上已采集数据的标记场值进行能量函数判断,以空间区域划分均值和方差作为马尔可夫随机场计算依据,进而分析判断节点状态。实验表明该算法在保证运行时间复杂度较低的前提下,有效的检测出故障节点,提升网络可靠性。

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%。

适于井下WSN节点的故障诊断算法研究

井下传感器分布的特点对WSN节点分簇式DFD故障诊断算法的分簇方方式、簇头节点选择方法及各簇稳定后信息传递方式等做了改进,提出一种适合井下无线传感器网络特点的节点故障诊断算法.由于井下环境相比普通应用环境有其特殊性,所以环境监测传感器一般为呈长条形的链式分布在巷道内,不能按照普通的随机分布网络结构进行诊断.本算法符合井下无线传感器网络节点的故障诊断对故障定位精度、算法低耗能和高度稳定的要求.最后并通过仿真验证相比普通算法其能耗更小,精度较高,从而拥有更强的生存能力.

无线火灾传感网络故障诊断在工业建筑的应用

本文使用粗糙集中一种改进的基于差别矩阵和属性选择的属性约简算法,对故障样本数据进行约简,得到最小约简集,结合使用新旧版本的BP神经网络,对工业建筑节点故障进行检测,仿真实验结果得到采用RS-new BP神经网络比old BP神经网络的迭代次数减少了61次,正确率提高了7.11%。