能量均衡的WSN非均匀分簇路由算法

针对现有无线传感器网络（WSN）分层分簇路由算法存在的能耗不均衡问题,提出一种能耗均衡的WSN非均匀分簇路由算法。该算法通过在已划分的非均匀区域中构建中间层达到均衡簇首和其他节点能耗的目的,实现WSN整体能耗均衡。实验结果表明,该算法能均衡WSN能耗负载,提高WSN的能量效率,延长100轮～200轮WSN生命周期。     

基于负载均衡的WSN非均匀分簇算法

针对分簇的无线传感器网络(WSN)中负载不均衡问题,提出一种实现节点负载均衡的WSN非均匀分簇算法。引入非均匀簇机制计算出最优的网络分簇数量,通过调整节点的簇首归属来控制网络的分簇的大小,形成合理的网络拓扑结构。仿真实验结果证明,该算法能有效均衡网络的节点负载,降低节点能耗,延长网络的生存时间。     

基于簇的无线传感器网络实时负载的研究

针对传感器网络处于不同的负载环境下,动态地分析每轮需要的时隙大小,针对节点处于非连续的单跳同构网络,节点数据量变化较大,提出一种基于簇的传感器网络流量负载时隙调度算法（CTRSA）。算法采用簇结构,每轮时序周期内,簇首节点实时地采集成员节点数据量的信息,据此决定成员节点的时隙。实验分析和仿真表明其能够显著提高WSN的能量有效性,延长网络的寿命。     

粒子群优化的无线传感器网络仿真研究

研究优化无线传感器问题,针对延长传感器网络的寿命,保证簇的平均分布,提高簇的负载均衡,从而减少能量消耗.传统算法在确定簇首过程中由于忽略了邻居节点的状态信息,容易导致簇内节点过早的出现盲节点现象,从而降低网络的生存时间.要解决上述问题,延长网络生命周期和有效降低能耗,提出一种粒子群优化的无线传感器分簇算法.在充分考虑了簇内邻居节点的能量和距离分布信息的前提下,通过粒子群优化分簇和簇首选择,并进行仿真.仿真结果表明,与LEACH算法相比,算法能有效地均衡网络节点的能量消耗和显著地延长网络寿命,并有效地避免了盲节点现象的过早发生.     

基于邻居节点预状态的无线传感器网络故障诊断算法

针对无线传感器网络（WSN）故障节点率高于50%时故障检测率降低的问题,提出一种基于邻居节点预状态及邻居节点数据的无线传感器节点故障诊断算法。首先利用节点自身历史数据对节点状态进行初步预判断;然后结合节点间相似性和邻居节点的预状态对节点状态进行最终的判断;最后利用移动传感器节点将故障节点信息通过最优路径发送给基站,有效地减少了通信次数。仿真实验在100 m×100 m的方形区域内模拟WSN。实验结果表明,与传统的分布式故障诊断（DFD）算法相比,诊断精度提升了9.84个百分点,并且当节点故障率高达50%时,该算法仍能达到95%的诊断精度。在实际应用中,所提算法在提高故障诊断精度的同时,能有效地减少能量消耗、延长网络寿命。     

应用PSO优化基于分簇的无线传感器网络路由协议

分簇路由算法对大规模无线传感器网络远程监控系统具有较好的适应性和节能性，但现有算法在确定簇首过程中由于忽略了邻居节点的状态信患，容易导致簇内节点过早的出现盲节点现象，从而降低网络的生存时间．针对现有分簇算法的不足，提出了应用PSO算法优化分簇过程．仿真结果表明算法的性能得到了较好的改善，并有效地避免了盲节点现象的过早发生．     

应用IPSO的无线传感器网络分簇路由算法

在基于分簇的无线传感器网络中,网络是通过附近传感器节点在转发信息到目的节点前进行冗余数据的融合实现节能,从而延长了网络的生命周期。但现存的算法在选择簇首节点的过程中由于忽略了邻居节点的状态信息,容易导致簇内节点过早出现盲节点的现象。进化类算法已经成功应用于许多方面,微粒群算法就是其中之一。提出了一种基于改进型微粒群算法的无线传感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息。仿真结果表明算法的性能得到了较好的改善,并延长了网络的生命周期。     

区域分级的粮库无线传感器网络路由算法

粮库WSN路由算法是WSN检测粮库粮食数量技术的难点之一。由于粮库中传感器节点分布的复杂性,所以其路由算法比较特殊。根据粮库WSN的分布,提出一种RCCMA路由算法,先将大量分布不均的传感器节点进行簇区域划分和级别设定,然后利用最小夹角原则实现二级簇区域内节点间路由和一级簇区域与二级区域内目标节点间的路由。由于一级簇区域传感器节点能耗较大,因此采用轮转调度机制,将能耗平衡化,降低了单个传感器节点的能耗。对比几种典型的路由算法,实脸显示,该算法具有明显的优势。     

面向节点失效的无线传感器网络覆盖空洞修复算法

为了保持无线传感器网络的覆盖率,保证网络有效性,提出了一种面向节点失效的无线传感器网络覆盖空洞修复算法;在网络分簇与簇内冗余节点调度已经完成的基础上,算法首先为每个节点设置一个能量阈值,当节点能量低于该阈值时立即向簇首发送失效信息,簇首收到信息后首先默认该失效节点的所有邻居节点都是空洞边界节点,然后通过计算失效节点与所有邻居节点的交点角来判断是否有邻居节点为非边界节点,最后在失效节点的感知半径内选择邻居节点(同时也是边界节点)个数最多的冗余节点激活;分析以及matlab仿真表明,算法的复杂度较低,网络保持一定覆盖率的情况下运行轮数比采用算法之前增加了19%,同时算法的修复效率与网络节点密度以及节点监测半径也有密切关系。     

优化分簇的无线传感器网络路由算法

延长传感器网络的生存周期,降低网络节点的能耗成为无线传感器网络(WSN)研究的关键.由于无线传感器网络能量有限,针对LEACH算法中簇首分布不均、簇首数目偏离最优值等对网络能耗的影响,提出了一种同时考虑节点剩余能量、最优簇数和簇首分布状况来选择簇首的算法EBCS-LEACH.新算法使簇首数目为最佳,以满足能量阈值的节点才能当选为簇首和对簇首的分布进行了相应调整.仿真结果表明,EBCS-LEACH算法延长了网络的生存周期,相比LEACH算法生命周期延长19.5％,同时能耗也更加均衡.     

基于深度森林的无线传感器网络故障分类算法

针对无线传感器网络(WSN)节点容易出现故障从而导致网络瘫痪的问题,提出了一种基于改进的深度森林的无线传感器网络故障分类方法;深度森林是基于森林的集成学习方法,其输入是多维特征向量,特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理,多粒度扫描通过处理数据之间的关系来增强数据表示的能力,级联森林用于分类或预测;针对级联森林部分随着层数的增加可能造成的维数问题进行优化后,将该算法用于故障分类可以提高故障诊断的精确度;在仿真验证阶段,将该算法与深度神经网络(DNN)和支持向量机(SVM)算法进行对比;结果显示,该算法可以准确地识别出不同的故障类型,并且在损坏故障和电源故障的识别达到了最高精度,综合平均精度在98.4%;对偏移故障、漂移故障和通信故障的识别略低于卷积神经网络(CNN)算法,但综合训练时间、参数调节来看,该算法更能满足实际工程的需要。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

无线传感器网络副本攻击的巡逻检测算法

无线传感器网络(WSN)副本极易被攻击和破坏。为此,提出一种WSN副本攻击的巡逻检测算法,利用移动节点作为巡逻者,寻找并排除所有具有相同ID的副本。针对普通节点和巡逻节点,分别提出副本节点检测算法和副本巡逻者检测算法。安全性与性能分析结果表明,与同类算法相比,该算法在保证检测性能的同时,具有较低的通信成本,可以延长网络寿命。     

利用置信规则库构建WSN节点故障检测模型

在无线传感器网络(wireless sensor network, WSN)节点故障检测领域的研究过程中,故障检测准确率会受节点数据的不确定性和专家知识模糊性的影响。针对这一问题,本文提出了一种基于置信规则库(belief rule base, BRB)的WSN节点故障检测方法。首先,根据WSN工作原理及节点工作特性描述WSN节点故障检测过程;然后,从空间和时间2个维度对节点数据提取特征,建立基于空间和时间相关性的WSN节点故障检测模型;最后,利用Intel Lab Data无线传感器数据集进行案例研究以验证模型的有效性。结果证明,本文方法能够统筹利用专家知识和节点数据实现WSN节点故障检测。     

Fault diagnosis in wireless sensor network using negative selection algorithm and support vector machine

In this article, an improved negative selection algorithm (INSA) has been proposed to identify faulty sensor nodes in wireless sensor network (WSN) and then the faults are classified into soft permanent, soft intermittent, and soft transient fault using the support vector machine technique. The performance metrics such as fault detection accuracy, false alarm rate, false positive rate, diagnosis latency (DL), energy consumption, fault classification accuracy (FCA), and false classification rate (FCR) are used to evaluate the performance of the proposed INSA. The simulation result shows that the INSA gives better result as compared to the existing algorithms in terms of performance metrics. The fault classification performance is measured by FCA and FCR. It has also seen that the proposed algorithm gives less DL and consumes less energy than that of existing algorithms proposed by Mohapatra et al, Zhang et al, and Panda et al for WSN.     

WSN中故障诊断性能与平均节点度研究

在基于无线传感器网络的结构健康监测中,故障节点产生并传输的错误数据将消耗节点的能量和带宽,同时会形成结构健康监测的错误决策。针对该问题,提出一种节点故障诊断算法,利用节点感知传感数据的空间相似性,通过对邻节点所感知的传感数据进行比较,确定检测节点的状态,将测试状态向网络中其他相邻节点进行扩散,实现网络中全部节点的故障检测。同时介绍在不同平均节点度下改善故障诊断率的方法。实验结果表明,该算法能够获得较好的性能。     

Fuzzy rule-based faulty node classification and management scheme for large scale wireless sensor networks

In a wireless sensor network (WSNs), probability of node failure rises with increase in number of sensor nodes within the network. The, quality of service (QoS) of WSNs is highly affected by the faulty sensor nodes. If faulty sensor nodes can be detected and reused for network operation, QoS of WSNs can be improved and will be sustainable throughout the monitoring period. The faulty nodes in the deployed WSN are crucial to detect due to its improvisational nature and invisibility of internal running status. Furthermore, most of the traditional fault detection methods in WSNs do not consider the uncertainties that are inherited in the WSN environment during the fault diagnosis period. Resulting traditional fault detection methods suffer from low detection accuracy and poor performance. To address these issues, we propose a fuzzy rule-based faulty node classification and management scheme for WSNs that can detect and reuse faulty sensor nodes according to their fault status. In order to overcome uncertainties that are inherited in the WSN environment, a fuzzy logic based method is utilized. Fuzzy interface engine categorizes different nodes according to the chosen membership function and the defuzzifier generates a non-fuzzy control to retrieve the various types of nodes. In addition, we employed a routing scheme that reuses the retrieved faulty nodes during the data routing process. We performed extensive experiments on the proposed scheme using various network scenarios. The experimental results are compared with the existing algorithms to demonstrate the effectiveness of the proposed algorithm in terms of various important performance metrics.     

基于循环神经网络的通信卫星故障检测

随着现代航天事业的飞速发展,通信卫星的结构日益复杂,其故障也逐渐增多,通信卫星的故障检测已成为当前航天领域关注的重点问题。目前,各大航天机构对故障的检测仍以简单的上下限阈值检测为主,只能检测出少部分特定的故障。早期利用传统机器学习算法进行检测的研究也仅能检测出数量特征上的故障。针对传统的机器学习算法难以有效学习遥测数据趋势变化的问题,文中提出了基于长短时记忆(Long Short-term Memory,LSTM)网络的阈值化方法。通过LSTM预测模型来学习卫星遥测数据的趋势变化,同时以最大化相关系数与F1分数的方式为多维遥测数据的故障判定确定合适的阈值,此方式能够有效地通过卫星遥测数据的趋势变化来判断故障。实验数据采用某航天机构提供的时长为2年的24维通信卫星遥测数据,其核心模型LSTM网络在NVIDIA Corporation GP102[TITAN Xp]上训练,最终整体模型的准确率为99.34%,查准率为81.93%,查全率为94.62%。同时,与传统机器学习算法以及基于LSTM的非阈值方法进行对比,该模型的精度明显更高。实验结果表明,LSTM网络能够高效地学习到卫星遥测数据的趋势变化特征;同时,采用合适的方法选定阈值,能够有效地检测出通信卫星发生的故障,在很大程度上成功地解决航天领域中通信卫星的故障检测难题。     

基于CPCI总线的航天器通信信号设备故障检测系统设计

针对当前航天器通信信号设备故障检测系统受到噪声影响,导致系统通信设备故障信号检测精准度低,检测时间长的问题,设计基于CPCI总线的航天器通信信号设备故障检测系统;CPCI故障模拟模块利用RS232串行线控制注入机,采用故障注入器执行故障注入CPCI总线,接收控制系统参数和指令,使用时钟分配芯片传输时钟信号,通过CPCI检测板卡模块,配合FPGA实现接口控制,完成系统硬件结构设计,利用任务间相互依赖关系,实现任务间相互检测,通过终端网工作站定期发送多路通信网相关信息,返回无疵点检测结果,采用二次相关算法,提取多通道通信故障信号详细信息,准确估算通信信号时延,排除多通道网络噪声影响造成的通信故障,完成系统软件部分设计;实验结果表明,基于CPCI总线的故障检测系统的故障信号检测时间仅为1.8 s,故障信号幅度最大为28 dB,最小为1 dB,与实际变化幅度一致,通信设备故障信号检测精准度较高,能够有效缩短通信设备故障信号检测时间。