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.     

无线传感器网络中邻居数据分析的故障检测方法

针对无线传感器网络(WSN)故障检测导致额外的通信和计算负载问题,根据同一覆盖范围内传感器节点的监测数据相近的特点,提出了一种基于邻居节点数据分析的WSN故障检测方法. 通过分析节点的历史传感数据来计算节点的可信水平,从而确定可信的邻居节点. 将节点数据与覆盖范围内可信邻居节点的数据进行比较分析,判定节点是否故障. 仿真结果表明,算法在保持良好的故障检测能力和临时故障容忍能力的同时,并不额外增加节点的通信和计算负载.      

历史数据与邻居协作融合的无线传感器故障检测机制

针对历史数据与邻居协作融合的思想所引生的无线传感器网络故障检测问题,提出了一种检测机制,不仅适用于故障节点随机分布的场景,也适用于故障节点集中分布的场景.仿真结果表明:当节点度数减小、节点故障率升高时,检测精度仍可以维持在96.7%以上.本检测机制只需要交互较少的信息,从而节省了节点的通信能耗和信道带宽.     

历史数据与邻居协作融合的无线传感器故障检测机制

针对历史数据与邻居协作融合的思想所引生的无线传感器网络故障检测问题,提出了一种检测机制,不仅适用于故障节点随机分布的场景,也适用于故障节点集中分布的场景. 仿真结果表明:当节点度数减小、节点故障率升高时,检测精度仍可以维持在96.7%以上. 本检测机制只需要交互较少的信息,从而节省了节点的通信能耗和信道带宽.     

支持向量机回归预测在网络故障检测中的应用

无线传感器网络主要用于收集环境数据,然而传感器可靠性低,容易出现故障并返回异常的监测数据.因此,如何检测传感器故障成为关乎无线传感器网络监测性能的重要问题.提出了基于支持向量机回归预测的故障检测算法,通过充分利用历史数据预测传感器的测量值,并根据测量值与实际值的对比有效地划分信誉等级,最后基于置信数据集计算出的置信条件进行故障的检测.仿真结果证明了算法在节约能量和故障检测率上有着优异的表现.     

基于改进人工鱼群算法的配电站三维空间的传感器优化布置

为了解决配电网中三维空间故障检测传感器节点的优化配置问题,提出了基于物联网传感器和改进的人工鱼群算法,解决配电网中三维空间故障检测传感器节点的优化布置问题,实现空间检测传感器节点的有效优化布置.首先采用MSP 430F 149微处理器芯片构建空间传感器节点,与监控计算机组成配电站温度监控系统,实现配电站温度检测数据的有...     

基于层次分析法的车联网多因素信誉评价模型

针对车联网（VANETs）场景下存在的恶意车辆节点和虚假信息的问题,提出基于层次分析法（AHP）的车联网多因素信誉评价模型. 该模型综合考虑车辆行为、消息、环境等因素对车辆节点信誉的影响,建立车辆信誉评价模型;面向多应用场景信息（安全行驶、交通管理、商业娱乐）,使用层次分析法量化各因素及不同类型信息对车辆信誉的影响程度;基于反馈机制根据信息的不同类型进行车辆节点的信誉更新,实现车联网车辆的信誉评估. 实验表明,该模型在恶意车辆节点达到25%的情况下,车辆决策正确率能够达到92%以上. 该方案能够有效防止车辆接收虚假信息,准确检测出网络中的恶意车辆节点,提高车辆接收信息的可信度.     

基于环境参数优化和时间信誉序列的恶意节点识别模型

在复杂无线传感器网络环境中,为阻断恶意节点发动危及网络安全的中断攻击和选择性转发攻击,在TS-BRS信誉模型的基础上,搭建基于MNRT-OEPRS的恶意节点识别模型,利用机器学习中的线性回归并结合节点能量、工作量、邻节点数量、节点疏松度等可确定参数求解环境参数,计算基准信誉序列与周期内的节点信誉序列的相似度;设定动态信誉双阈值,对节点的信息转发行为进行动态考量,以甄别恶意节点。仿真实验表明,改进后的算法对恶意节点的识别率可达90%以上,对正常节点误判率降低到8%以下,有效提高复杂环境下无线传感器网络的安全性。     

基于事件流模型的网络故障管理系统

在基于以太网的宽带社区网络环境中研究了网络故障管理的事件流模型与算法.采用两种故障检测方式:性能轮询和接收 Trap 事件, 在事件分析的基础上进行故障归并, 最终形成反映网络实际运行问题和隐患的关键故障报告.该算法在以太宽带社区网络管理系统中实现应用.该故障管理结构为网络故障检测提出了一种简易和实用的算法和实现方案.     

Implement Congestion Avoidance in WSN Using Path Priority

提出了一种基于路径优先级的多路径传感器网络拥塞避免算法.传感器节点通过监测队列剩余空间长度和拥塞状态持续时间实时更新节点的拥塞状态指数( CSI),当检测到CSI发生改变时,计算节点的路由状态指数(RPSI)并通知其邻居节点,邻居节点更新记录下游节点的RPSI,调整下游路径的优先级.传感器节点根据信息优先级的不同,通过不同优先级的路径发送数据.仿真结果表明,提出的算法在减少网络拥塞的发生和减少网络时延等方面取得了很好的性能.     

Self-diagnosis method for faulty modules on wireless sensor node

In order to diagnose the working status of each module on sensor node and make sure the wireless sensor networks (WSN) work properly, the components of sensor node and their working characteristics are studied. An on-line fault self-diagnosis method for sensor node is proposed. First, a flexible fault sensing circuit is designed as a state detection module on sensor node. Second, a self-diagnosis algorithm is proposed based on the hardware design and the failure analysis on sensor node. Finally, in order to ensure the WSN reliability, the voltage changes of each module working statuses can be observed using the state detection module and the faulty module will be found out timely. The experimental results show that this self-diagnosis method is suitable to sensor nodes in WSN.     

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.     

基于节点感知信任度模型的无线传感网络事件检测方法

事件区域检测是无线传感器网络在复杂环境感知中的一项重要应用,然而节点受到环境中多种不确定性因素(如温度、湿度、硬件条件等)的影响导致其感知数据出现错误,降低了节点对事件检测的准确度. 根据邻近节点之间的感知信息存在一定的空间相关性,提出一种基于网络拓扑的节点感知信任度模型,在此基础上每个节点将自身感知信息与邻居节点交换信息相结合,建立贝叶斯事件检测容错模型,计算事件发生的预测概率,同时确定事件发生的最优阈值,节点根据概率预测结果与最优阈值相比较对事件发生做最终决策. 仿真结果表明,与典型的贝叶斯最优阈值容错算法相比,在节点故障率为25%的情况下,所提算法可将错误节点修正率由65%提高到78%;而在节点故障率为30%的情况下,所提算法可将错误节点修正率由50%提高到70%,体现出了良好的容错性能.     

基于小波包LVQ网络的传感器故障诊断

提出小波包分解提取各个节点特征能量与LVQ神经网络进行故障模式分类的传感器故障诊断方法.小波包三层分解得到各个节点的分解系数,通过一定的削减算法使得故障瞬态信号的特征得到加强,再根据重构的时域信号计算各个节点对应的能量,作为特征向量训练LVQ神经网络.通过正常状态及各种故障模式下的特征数据训练,LVQ网络具有了传感器故障诊断的功能.最后,通过火箭发动机试车台液氢管路流量传感器数据对训练之后的LVQ神经网络进行检验,验证了这种方法的实用性和有效性.     

衰落信道下的传感器网络局部容错目标检测

针对衰落信道下的目标检测问题,提出了一种基于局部容错机制的决策融合算法（ LFTDF）。利用邻居节点数据的空间相关性,各传感器节点按照多数原则调整自身决策,实现节点局部容错的目的。在瑞利分布的衰落信道模型下,对最优似然比融合规则进行近似处理,提出了次优的简单平均融合规则。仿真结果表明,该算法可以有效地提高系统检测性能。     

基于混合蒙特卡罗算法的网络隐式节点监测方法研究

为了提高动态分簇传感网络的节点转发能力,提出了一种基于混合蒙特卡罗算法的网络隐式节点监测方法.首先,采用分布式均衡控制方法进行网络节点优化设计,构建动态分簇传感网络的输出信道模型.其次,利用自适应链路转发协议进行网络的路由探测设计,构建动态分簇传感网络的隐式节点路由均衡控制模型,提取隐式节点输出信息的关联特征量.最后,利用混合蒙特卡罗算法进行特征检测和信息提取,根据网络隐式节点的特征规律性分布对网络隐式节点信息进行监测.仿真结果表明,本文方法对网络隐式节点具有较好的监测效果,对网络隐式节点监测的最高丢包率仅为0.05,显著低于蚁群算法(0.29)与PEAS算法(0.48).     

基于模块化神经网络的轴承故障判断方法

提出了一种用于滚动轴承类故障识别的混合模块化神经网络方法．该方法将用于检测故障的过滤网络模块与用于分类的网络模块相组合．首先将不同故障类别轴承的振动信号形成的特征向量经过滤模块，用改进的BP算法判断有无故障，然后经分类网络模块确定其所属故障类型．分类模块中的网络结构则通过对每类故障独立训练形成．实验结果证明，与单一神经网络学习及判断结果相比较，本文提出的方法准确率更高，实用性更强．     

基于DFD算法的无线传感器网络故障诊断系统的设计

为了更好地了解无线传感器网络节点的分布位置及故障情况,提出了一种无线传感器故障诊断系统的设计方案.该系统采用三边测量法实现了节点的定位,使用DFD故障诊断方法实现了节点的故障诊断,并在.NET框架的智能客户端技术基础上实现了定位信息及故障信息的处理和显示.