基于Rough set理论的无线传感器网络节点故障

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.     

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。     

无线传感器网络的定位技术及其算法

无线传感器网络是由无中心节点的全分布系统组成的一种新兴的传输技术.在分析无线传感器网络的体系结构及传感器节点的工作原理的基础上,对无线定位技术及其算法进行了研究,从而得到不同种类算法的优缺点及其适用范围.     

基于PCA-RBF神经网络的WSN数据融合轴承故障诊断

为了减少基于无线传感器网络（WSN）的轴承故障诊断系统数据传输总量和网络负载同时提高故障诊断准确性,提出一种采用主元分析（PCA）与径向基（RBF）神经网络结合轴承数据的融合与故障诊断算法.首先建立基于LEACH协议的3层融合模型,然后簇首节点采用PCA对大量多传感器数据降维,最后Sink节点采用RBF对数据进行决策级融合.仿真结果表明：该算法3个成员节点各上传10个数据包,簇头节点融合后剩余4个,融合率为86.7%,每组故障识别准确率大于85%.该算法具有很好的识别率和高压缩率,能够很好应用于煤矿设备故障监测.     

无线传感器网络自定位算法的研究

针对无线传感器网络节点稀疏时会产生定位盲区的问题,在研究经典AOA(三角测量法)算法的基础上,提出了一种改进的无线传感器网络自定位算法,在节点自身基准线相对于绝对坐标轴夹角已知的情况下,未知节点只需一个邻居锚节点就能实现自定位.仿真实验证明,在节点数相同的情况下,改进的无线传感器网络自定位算法相比于经典AOA算法,有更高的有效定位率和更低的平均定位误差,适用于节点稀疏的网络环境.     

基于改进Kruskal算法的WSN故障节点检测方法

提出了一种基于改进Kruskal算法的无线传感器网络（WSN）故障节点检测方法. 该方法首先通过集中式的改进Kruskal最小生成树算法来获取可信的节点集合,之后依据可信节点,采用邻居节点比较算法对传感器节点的感知值进行分布式分析和处理,判定发生故障的传感器节点. 同时为了容忍节点的临时故障,引入了时间冗余. 仿真结果表明,在节点故障率高达35%时,该方法依然能快速定位故障节点,并且同时保证很高的检测精确度.     

基于烟花算法的无线传感器网络节点定位

针对无线传感器网络(WSN)节点定位不稳定和不准确的问题,将烟花算法(FWA)应用于WSN定位,利用烟花产生的火花数量和爆炸幅度模拟节点定位过程中的锚节点数量和节点距离,实现无线传感器网络的节点定位。MATLAB仿真实验结果显示,随着锚节点数量的增加,FWA无线传感器网络定位误差减少,且当传感器节点62%以上为锚节点时,FWA定位误差最小。这说明FWA无线传感器网络定位精度较高,性能稳定,在无线传感器网络节点定位上具有较大的优势。     

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。     

无线传感器网络定位技术研究

在各种无线传感器网络应用中,传感器节点的精确定位是重要的研究方向之一.介绍了国内外无线传感器网络定位技术研究现状,讨论了几种主要算法的优缺点,分析了移动WSNs定位和三维空间定位技术的原理及方法,并给出了节点定位技术仍存在的问题.     

多可利用节点加权网格扫描安全定位算法

定位算法是无线传感器网络的重要支撑技术,现有定位算法大多假设网络中的节点是完全可信的,然而这种假设通常不可能实现,尤其在战场环境中,无线传感器网络经常因受到攻击而导致网络定位不准确或系统崩溃.除此之外,与其他网络相同,无线传感器网络也存在着多径问题.针对以上问题,提出了一种适用于有遮蔽的战场环境下的分布式传感器网络的多...     

基于最小熵的故障诊断算法

针对提升故障诊断的准确度问题,提出一种基于最小熵的故障诊断算法。首先,依据节点故障概率和各种噪声的发生概率计算一个可疑节点门限值;其次,计算各个节点对于探测结果的信息增益,与门限值对比,将高于门限值的节点视为可疑节点,存入可疑节点集合;最后,对可疑节点集合进行排序,将最小熵对应的节点视为故障节点,并经过仿真实验验证了该算法的有效性。     

基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究

为提高智能建筑供配电系统故障诊断效率和精准度,提出了一种基于贝叶斯网络与小波变换的故障诊断方法。首先,从理论上对智能建筑供配电网络拓扑结构进行详细分析,然后利用小波变换原理对故障信息中的开关量和电气量进行筛选重组,最后运用贝叶斯网络对筛选重组后的故障信息进行建模分析,得出故障诊断结果。具体介绍了故障信息中电气量和开关量提取过程,针对现有智能建筑供配电系统的故障特点,给出了相应恢复策略,以IEEE⁃39多节点复杂电力故障系统为例进行仿真研究。结果表明,所提方法的故障诊断结果快速性和准确性更高。研究成果对智能建筑供配电网络的故障诊断研究工作具有重要参考价值。     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

设备故障智能诊断技术研究进展

机械是国民经济建设中不可缺少的关键设备,对其故障诊断方法的研究具有重要意义。当前机械故障诊断的关键就是寻找使诊断结果准确的方法。从故障诊断的实际出发,根据设备提供信息的多样性及故障表征形式的复杂性,分析了故障诊断技术和信息融合技术相结合的特点;阐述了故障智能诊断的过程和与其相关的应用技术的关系;论述了故障信号采集与处理,故障智能诊断方法的研究。并对今后的发展方向进行了预测。     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

基于HHT/PNN的故障信息融合诊断方法

为提高动态随机故障诊断能力,提出了基于HHT/PNN的故障信息融合诊断方法.利用HHT提取信号的瞬时频率和瞬时幅值特征,采用过程神经元网络实现对时域幅值、瞬时频率和瞬时幅值3种故障特征的融合诊断.对基于HHT/PNN和基于神经网络的2种故障诊断方法进行了比较.仿真结果表明:对于动态随机故障,基于HHT/PNN的故障信息融合诊断方法比基于神经网络的故障诊断方法的故障诊断准确度高.     

基于信息融合的控制系统中模拟电路故障诊断

针对控制系统中的模拟电路具有多种工作状态的特殊情况和故障诊断过程中的不确定性问题,提出了模糊一神经网络信息融合算法．给出了该算法的基本模型和应用于控制系统中模拟电路故障诊断的一般规律,通过将电路不同工作状态下的有效信息进行融合,结合模糊信息处理技术和神经网络推理技术,最终实现故障定位．将其应用到某型船舶主机遥控系统中延时电路板的故障诊断系统中,结果表明,该方法能够有效地提高故障模式的识别能力,将故障准确地定位到元器件．     

基于多层次信息融合的水轮机调速器故障诊断

在建立故障诊断的信息模型基础上,设计了一种软件传感器,用于帮助在故障诊断中提供不能直接测量的重要性能信息,通过融合不同层次的信息提取动态过程的特征参数,然后用作FMECA故障诊断模型的输入,进行故障识别.应用该方法进行水轮机调速器故障诊断,能给出引起故障发生原因的各种组合和概率.实际应用表明,该方法的快速性能满足水轮机调速器在线故障诊断辅助决策的要求.