基于时空特性的无线传感器网络节点故障诊断方法

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。对于网络中存在的节点瞬时故障,通过时间冗余的检测方法,降低故障诊断的虚警率。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

无线传感器网络中节点故障诊断方法的研究

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

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。     

无线传感器网络软故障诊断算法

在无线传感器网络中,软故障节点会产生并传输错误数据,这不仅会形成错误的决策,还会消耗能量,为此,提出一种基于节省能量的故障诊断(EFD)算法。该算法利用节点感知数据的空间相似性,通过对邻点所感知的传感数据进行比较,确定检测节点状态。对于网络中存在的节点瞬时故障,该算法引用TF模型思想,避免了不必要的数据比较,减少了时间冗余的检测次数。仿真结果表明:EFD算法能够提高网络诊断精度,同时可以降低诊断过程的能量消耗。     

基于机器学习的智能化运维系统研究

传统运维系统存在三大难点:系统变化感知滞后、未来故障不可预测、故障响应成本高,主要表现为可维护性差、可重用性低、主机配置自动化率低等,而基于机器学习和神经网络的智能化运维系统有望解决这些难点问题。智能化运维系统通过对IT系统海量数据的采集和自动分析,能主动感知IT系统节点运行状态的变化;通过构建运维模型,可直观地显示各节点对IT系统的影响力、健康度和依赖性,实现对IT系统节点的三维感知;通过机器学习可预测未来各系统节点的潜在故障,真正做到防患于未然。     

基于感知数据时域特征的WSNs故障被动诊断方法

由于大规模无线传感器网络的动态拓扑性及资源受限,无线传感网的故障诊断成为该领域内的一个难点。现有的诊断方法消耗大量通信带宽和节点资源,给资源有限的网络带来繁重的负担。本文提出一种利用感知数据时域特征来检测故障以及对故障进行分类的被动诊断方法（TDSD）。首先运用一维离散Gabor变换对感知数据进行特征提取与分析,进而结合SOM神经网络对数据进行诊断与分类,判断当前网络状态并找出故障原因。实验结果表明,与其它方法相比,此方法具有网络通信负担小、诊断准确率高及分类效果好等优点,对节点故障和网络故障诊断都具有较高的诊断精度。     

基于随机森林的高性能互连网络阻塞故障检测

高性能互连网络是高性能计算机系统中各节点高速协同并行计算的关键。在高性能互连网络的运维过程中,由链路质量恶化引发的网络端口阻塞故障定位困难,一旦发生网络端口阻塞,轻则会导致网络中的丢包率和端对端延迟升高,重则会造成整个网络的瘫痪,严重影响整个系统的可靠性。随着人工智能时代的到来,智能运维已经在网络运维中发挥了重要作用,但是基于高性能互连网络的智能运维研究相对较少。文中基于运维人员在自研高速互连网络运维中积累的大量数据和丰富经验,提出使用有监督的随机森林方法进行网络阻塞检测,实验结果表明,该方法在保持平均95%的召回率的前提下,平均准确率为93.7%,能够有效地解决网络阻塞的检测问题。     

无线传感器网络运行状态的实测分析与预警

无线传感器网络运行稳定性问题是个重要问题,网络运行状态的收集、分析和预警至关重要。从节点活跃度,节点感知数据以及节点能量三个角度对无线传感器网络运行状态进行分类和定义,构建高可测模块对网络状态变化进行日志生成和分析,对异常进行预警,提高了网络的可测性。最后,以节点电压监测为例,在上海市计算技术研究所自组织网络实测平台上做了实测分析。     

大数据分析下的智慧交通自动化运维系统设计

为实现智能交通运维自动化程度、覆盖范围等方面的提升,引入大数据分析下的智慧交通自动化运维系统。将系统架构设计为三层结构,为系统设计多个模块。在数据处理模块中,设计一种能够处理大批量数据的数据处理模块。数据采集模块能够通过大数据分析技术中的物联网感知技术实现数据采集。通过视频质量分析模块能够对视频源实施质量判别。运维管理模块能够实现智慧交通运维信息的管理。故障自动跟踪溯源模块能够通过挖掘和提炼采集数据对推断故障根源。通过硬件与软件相结合实现智慧交通自动化运维。测试设计系统的多个项目,测试结果为系统能够实现该市服务器等设备的完全检测以及其他设备的大面积检测;系统信号丢失检测的检测帧数可达523 214帧/日;系统的外场设备链路重复告警过滤数最高可达912条/月,有着良好的重复告警过滤性能;系统的内外场设备故障溯源性能均良好。说明系统的设计对于提高智慧交通的自动化运维水平有一定意义。     

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。     

基于改进机器学习的无人机网络入侵自动感知系统设计

提升无人机网络的安全通信能力,是保证无人机应用的基础,因此,设计基于改进机器学习的无人机网络入侵自动感知系统。系统数据模块通过NetFlow网络流量采集器,采集网络的内部安全流量,管控模块管理并调用这些数据传送至入侵检测模块中,该模块中的入侵感知网关通过部署的时空卷积网络模型,检测无人机网络入侵行为,并完成入侵行为分类,全面感知无人机网络通信状态;感知结果则通过可视化模块进行展示。测试结果显示：该系统能够精准检测网络入侵行为并及时发送入侵预警,网络中主机的内核安全程度均在0.955以上,保证网络的安全通信。     

便携式HEV动力电池故障诊断系统的设计

设计了基于无线传感网络的便携式混合动力汽车HEV (Hybrid Electric Vehicle)动力电池故障诊断系统.主要包括电池组高压检测模块、ZigBee无线传输模块、STM32F103VB主处理器、触摸屏手持终端、无线打印模块等.介绍了HEV动力电池故障诊断系统的软硬件设计方法,实现了对动力电池状态信息的在线检测和快速故障诊断.系统具有较好的准确性和稳定性,为HEV动力电池的故障诊断和维修提供指导.     

分簇式无线传感器网络节点故障诊断算法研究

无线传感器网络(WSNs)分布式节点故障诊断算法是一种可用于WSNs节点的故障诊断算法,通过整个网络内邻居节点之间的数据融合诊断出故障节点.但分布式算法的计算量十分巨大,浪费了大量的节点能源,而且分布式算法中使用自定义的全局阈值会降低诊断精度,分簇式的节点故障诊断算法应用LEACH-DFD算法,通过簇头节点完成故障检测...     

基于感知源的数据驱动信任评测模型

为解决物联网数据源头的可靠问题,构建一种基于感知源的数据驱动信任评测模型.模型以监测模块为评测单元,由中继节点完成其所在监测模块内感知节点的信任评测,通过感知节点自身数据之间的关系实现直接信任的计算,利用监测模块内各邻居节点之间关系实现推荐信任的计算,再结合历史信任,输出感知节点的综合信任.同时与模型预设的可疑阈值和异常阈值进行对比,更新历史信任和信任列表,实现感知节点的异常检测,利用预警检测误差和失信检测误差对模型的检测效果进行评价,统计结果表明模型能够保持较低的平均误差.将信任机制引入到数据融合过程,用综合信任作为加权因子,从而提高了数据融合的准确度.最后,通过实验仿真对信任评测模型进行评价,结果表明引入信任评测模型后延长了节点开始死亡的时间,随着节点的更新迭代,失信节点越来越少,在一定程度上提高了节点的存活率,延长了网络的生命周期.     

基于模糊控制和大数据算法模型的电力运维故障诊断设备方法

针对现有技术中对电力运维故障检测灵敏度低、诊断误差大等问题,设计了一种新型故障诊断方案。该方案将PID模糊控制计算器与大数据算法模型相结合,并采用实时布线的方法减少诊断面积,基于改进型大数据算法模型提取电力运维设备故障数据特征,对电力运维设备运行工况构建诊断网络,通过分析电力运维设备工况的功能系统完成数据诊断。为了减少诊断误差,该研究设计了一种故障诊断设备,采用集成芯片化设计和算法程序,减小体积的同时保证检测结果的准确性。实验结果表明,该研究方法故障诊断误差小,准确率最高达到98.6%。     

移动网络的恶意节点自动检测系统设计与实现

笔者论述了移动网络恶意节点自动检测系统的设计与实现。系统包含四个模块,分别是移动网络恶意节点检测模块、多元分类算法模块、恶意节点检测模块和多元分类算法模块。采用本系统能够有效识别和防范恶意节点攻击,从而减少移动网络中正常节点检测时恶意攻击带来的影响,缩短恶意节点检测在移动网络中的处理时间,增加移动网络的恶意节点检测处理速率和处理量。     

基于聚类中值比较的WSNs故障检测算法

无线传感器网络(WSNs)中的传感器件容易失效而导致测量数据不准确,因而,高效、实用的故障检测算法对于保证WSNs的感知质量非常重要。提出一种基于聚类中值比较(CBMC)的故障检测算法。不同于传统的中值比较的思想,该算法引入聚类方法对待检测节点的邻居节点测量数据进行分组,根据分组信息计算该节点状态。仿真实验表明:CBMC算法具有较高的故障检测率(DR)和较低的故障误检率(FPR)。     

基于RSOPNN的无线传感器网络节点故障诊断算法

针对无线传感器网络节点故障诊断中存在的冗余故障属性、噪声数据以及数据可靠性等问题,提出基于粗糙集-优化概率神经网络的无线传感器网络节点故障诊断算法（简称RSOPNN）。通过粗糙集从故障样本属性集合中求解故障诊断属性约简,从而去除冗余故障属性,降低冗余属性、噪声数据对故障诊断的影响,节省能耗。对于多个属性约简选择,以属性间的相关程度作为度量标准,代替常规的主观选择,从多个约简中确定最优故障诊断属性约简,解决主观选择的不合理性。以最优的故障诊断属性重构故障样本,作为优化概率神经网络的输入,建立故障分类模型,从而对故障进行诊断。实验结果表明,在不同的数据可靠性下,RSOPNN方法能够有效删减样本中的冗余属性和噪声数据,保持高效的故障诊断水平,符合无线传感器网络的需求。     

基于节点识别的协作频谱检测算法

在认知无线网络协作频谱感知过程中,感知节点所处的恶劣信道环境会导致本地频谱检测结果发生偏差,有时一些故障节点或恶意节点发送的误导信息来干扰认证网络融合中心的全局判决.根据认知网络感知节点的历史感知信息,将感知节点分为可信节点、不可信节点和故障或恶意节点,提出了一种基于节点识别的协作频谱检测算法.在该算法中,融合中心舍弃故障或恶意节点,使其不得参与数据融合,同时也不考虑不可信节点当前发送的本地检测结果.这样,一方面消除了故障或恶意节点对全局频谱判决的影响,另一方面降低了融合中心计算复杂度.仿真结果表明,该算法能有效克服故障或恶意节点的干扰,提高认证网络协作频谱检测性能.     

气象大数据云平台监控告警系统

气象大数据云平台(简称“天擎”)作为省级气象业务的核心系统,需要保持7×24小时不间断的稳定、高效运行.针对“天擎”系统运行模块多、处理任务多且复杂,传统的人工监控模式监控效率低且无法及时发现业务中存在的故障等问题,本文采用Java、Python和Bash shell语言开发了基于企业微信的“天擎”业务全流程监控告警系统,该系统通过对“天擎”各个模块业务运行过程中所产生的综合状态信息等进行采集并格式化为监控告警信息,最终通过企业微信推送至运维人员,实现了对“天擎”各业务运行模块运行状态的快捷感知.系统业务运行效果表明,该系统运行安全可靠稳定,能够帮助运维人员及时定位系统故障并提高故障处理效率,在“天擎”数据监控和运行保障方面取得了良好的应用效果.