基于超图的热计量表物联网分簇算法

为了提高热表物联网中热表数据传送的准确性和及时性,文章把超图理论引入热表物联网中,提出了一种基于超图的热表物联网分簇算法,此算法是把物联网采集数据的这种网络拓扑结构看成是一个超图模型,在超图模型划分的簇域中举出一个簇头,它作为本地基站将簇内节点传给它进行数据融合后再传给基站,提高数据传输的成功率,降低了节点消耗的能量,延长了网络寿命。最后通过仿真,将基于超图的热表物联网分簇算法与传统经典的LEACH算法进行比较,实验结果表明该算法能够有效地提高数据传输成功率,并减少节点能量消耗。     

一种WSN中分簇路由算法的改进

在无线传感器网络中,基于分簇的路由协议对提高网络的寿命有着重要作用,LEACH是一种应用比较广泛的层次路由协议。本文提出一种新的基于最优分簇的无线传感器网络分簇路由（LEACH-O）算法,在簇的形成过程考虑到节点的集中程度和节点的剩余能量,从而减少传感器节点的能量消耗,优化资源利用率。仿真实表明,与传统的LEACH算法相比,该算法配传感器节点间数据传输提供了高效路由,从而延长网络的生命周期。     

Ad Hoc网络基于簇的多信道MAC协议研究

介绍了一种适用于Ad Hoc网络的基于簇的多信道媒体接入控制协议。在该协议中,整个网络被划分成使用不同频道的若干个簇,每个节点配置有3个独立的无线收发信机,由簇首节点负责簇的维持功能,由簇首和簇成员节点通过共同执行信道重配置算法来完成信道分配工作。仿真结果表明,该协议可以很好地适应网络拓扑结构的频繁变化,在充分利用多信道优势工作的同时,解决了普遍存在于多跳无线移动网络中的隐藏终端和暴露终端问题。     

基于无线信号不规则性的无线传感网层次型拓扑控制算法

构建层次型拓扑结构是延长网络生存时间的有效方法。该文将拓扑构建过程分为由簇成员组成的感知层和由簇头组成的平面数据转发层,建立了基于无线信号不规则性的网络能耗模型以及节点成簇稳定性模型,提出了基于无线信号不规则性的层次型拓扑控制(WSIBTC)算法。WSIBTC算法根据节点平均有效传输距离将监测区域划分为多个子区域,由成簇稳定性和节点在簇中的位置决定最终簇头,簇头间形成平面拓扑结构,延长网络生存时间。分析和仿真结果表明由WSIBTC算法得到的网络拓扑大幅度地提升了网络生存时间。     

无线传感器网络中数据汇聚方案的研究

针对分簇网络拓扑结构中簇头节点能量消耗过快,综合考虑了节点的密集程度和剩余能量,采用节点自适应的簇头选择算法,选择部署越集中和剩余能量越大的节点作为簇头节点。同时节点引入了新鲜性信息熵模型,通过比较前后两次接收到的数据的差别程度,设置一个参考阈值来判断是否转发数据。这种数据汇聚算法有效地降低了数据的冗余,减少了能量消耗,增加了带宽利用率,延长了网络的生存期。     

分簇型无线传感器网络时间同步机制的研究

提出了一种基于分簇型网络结构的时间同步算法。算法的主要思想是通过在簇建立阶段利用LEACH优化算法优化网络拓扑结构,降低网络的跳数,从而降低了时间同步精度由于跳数增加而导致的误差积累,为时间同步算法提供一个良好的网络结构。在LEACH优化算法中,簇首选取机制融入簇首节点的剩余能量和密度因子,并且提出了助理簇首节点用以均衡簇首节点的能量消耗。同时在时间同步阶段,采用双向时间同步机制和单向广播时间机制。实验仿真证明,提出的时间同步算法降低了网路的跳数,提高了时间同步精度,降低了节点的能量消耗,提高了网路的运行时间,具有一定的实用价值。     

基于多跳中继转发的簇头拓扑维护算法研究

文章借鉴簇头节点与汇聚节点之间多跳中继转发数据的构想,重点针对拓扑维护的簇头重新选举,提出了一种以能量和节点距离综合考虑的数据中继转发的簇头维护算法。仿真证明该算法有效节约了节点工作耗能,达到了节点能量均衡的效果,使数据通信消耗的能量最低,从而减少了节点能耗,优化了网络拓扑结构,延长了网络生命期。     

Research on Data Aggregation Scheme of Wireless Sensor Network

针对分簇网络拓扑结构中簇头节点能量消耗过快,综合考虑了节点的密集程度和剩余能量,采用节点自适应的簇头选择算法,选择部署越集中和剩余能量越大的节点作为簇头节点.同时节点引入了新鲜性信息熵模型,通过比较前后两次接收到的数据的差别程度,设置一个参考阈值来判断是否转发数据.这种数据汇聚算法有效地降低了数据的冗余,减少了能量消耗,增加了带宽利用率,延长了网络的生存期.     

无线传感器网络动态分簇路由BWAS的算法研究

为加快无线传感器网络(WSN)路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(BWAS)算法的无线传感器网络动态分簇路由算法。该算法是基于WSN动态分簇能量管理模式,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,以多跳接力方式将数据发送至汇聚节点。BWAS算法在路径搜寻过程中评价出最优-最差蚂蚁,引入奖惩机制,加强搜寻过程的指导性。结合动态分簇能量管理,避免网络连续过度使用某个节点,均衡了网络节点能量消耗。通过与基于蚁群算法(ACS)路由算法仿真比较,本算法减缓了网络节点的能量消耗,延长了网络寿命,在相同时间里具有较少的死亡节点,具有较强的鲁棒性。     

一种改进的基于时间竞争成簇的路由算法

为平衡无线传感器网络中的簇头负载并进一步降低多跳传输能耗,文中提出了一种改进的基于时间竞争成簇的路由算法。该算法通过限制近基站节点成簇入簇,以防止近基站节点成簇入簇的节能收益无法补偿成簇入簇能耗;利用基站广播公共信息和基于时间机制成簇,以减少节点基本信息交换能耗;通过候选簇头中继来平衡簇头负载。候选簇头的评价函数综合考虑了剩余能量和最优跳数的理想路径,以期在保持中继负载平衡的基础上尽量降低多跳能耗。仿真结果显示,该算法较LEACH和DEBUC算法延长了以30%节点死亡为网络失效的网络生存周期,表明该算法在降低节点能耗和平衡负载方面是有效的。     

基于信任评估的虚拟网故障诊断算法

网络虚拟化环境的新特点(网络拓扑动态变化、动态症状和故障关系、管理域独立和信息不准确性)对故障诊断提出了新的要求,提出一种改进的针对网络虚拟化环境下虚拟网和底层网故障诊断模型和诊断算法,通过虚拟网信任评估算法来提高故障诊断的准确率、降低误报率.仿真研究结果表明,在大规模和噪声大的虚拟网络环境中,提出的故障诊断算法取得了较好的诊断效果.     

Fault detection and diagnosis method for heterogeneous wireless network based on GAN

Aiming at the problem that in the process of network fault detection and diagnosis,how to train the precise fault diagnosis and detection model based on small data volume,a fault diagnosis and detection algorithm based on generative adversarial networks (GAN) for heterogeneous wireless networks was proposed.Firstly,the common network fault sources in heterogeneous wireless network environment was analyzed,and a large number of reliable data sets was obtained based on a small amount of network fault samples through GAN algorithm.Then,the extreme gradient boosting (XGBoost) algorithm was used to select the optimal feature combination of input parameters in the fault detection stage and completed fault diagnosis and detection based on these data.Simulation results show that the algorithm can achieve more accurate and efficient fault detection and diagnosis for heterogeneous wireless networks,with an accuracy of 98.18%.     

基于遗传神经网络的电力机车主变流器故障诊断

在变流器的故障诊断系统中,针对BP算法存在收敛速度慢、容易陷入局部极小值的问题,文章采用了遗传算法的选择、交叉、变异过程代替班,神经网络的反向传播过程的遗传神经网络算法。通过仿真试验证明,这种算法具有收敛速度快、推广性强的特点,极大提高了变流器的故障诊断系统的效率和准确性。     

超立方体多计算机系统的一个高效故障诊断算法

超立方体是一类广泛应用的互连拓扑结构,具有可并行处理的某些性质.在MM*模型下,针对于超立方体多计算机系统的诊断问题,提出了一个快速诊断算法,可以正确诊断出系统中所有的故障结点,其时间复杂度为O(Nlog22N),N是处理器总数.     

基于贝叶斯模型的高效主动探测算法(英文)

Fault diagnosis on large-scale and complex networks is a challenging task, as it requires efficient and accurate inference from huge data volumes. Active probing is a cost-efficient tool for fault diagnosis. However almost all existing probing-based techniques face the following problems: 1) performing inaccurately in noisy networks; 2) generating additional traffic to the network; 3) high cost computation. To address these problems, we propose an efficient probe selection algorithm for fault diagnosis base...     

粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究

针对当前单一的故障诊断方法不能满足实际需求的问题,提出了一种粗糙集-遗传神经网络分类器模型,实现对挖掘机故障分类.该模型首先利用粗糙集理论对神经网络的输入进行属性约简,以减少神经网络的工作量;利用遗传算法优化BP神经网络,解决神经网络易陷入局部极小和收敛速度慢的问题;最后利用约简结果和优化的BP网络进行网络训练.实验结果验证了该方法用于故障诊断的有效性.     

Research on intelligent fault diagnosis based on time series analysis algorithm

Aiming to realize fast and accurate fault diagnosis in complex network environment, this article proposes a set of anomaly detection algorithm and intelligent fault diagnosis model. Firstly, a novel anomaly detection algorithm based on time series analysis is put forward to improve the generalized likelihood ratio （GLR） test, and thus, detection accuracy is enhanced and the algorithm complexity is reduced. Secondly, the intelligent fault diagnosis model is established by introducing neural network technology, and thereby, the anomaly information of each node in end-to-end network is integrated and processed in parallel to intelligently diagnose the fault cause. Finally, server backup solution in enterprise information network is taken as the simulation scenario. The results demonstrate that the proposed method can not only detect fault occurrence in time, but can also implement online diagnosis for fault cause, and thus, real-time and intelligent fault management process is achieved.     

基于贝叶斯网络的雷达故障远程诊断系统研究

为了提高高密度航天发射任务条件下的雷达维修能力,缩短维修时间,研究了一种基于贝叶斯网络的雷达故障远程诊断系统。设计了该故障诊断系统的硬件总体结构和软件功能架构,介绍了雷达故障数据的采集和加密传输过程。利用贝叶斯网络建立雷达故障模型,并通过期望最大算法确定了故障模型的参数;采用联合树算法,实现故障定位推理。故障诊断实例表明:与传统的故障诊断方法相比,基于贝叶斯网络的故障诊断方法能够有效识别雷达的故障类型,具有故障定位准确、运行时间短等优点。     

一个基于并行集团的系统级故障概率诊断算法

概率诊断算法是系统级故障诊断研究的一个重要方面,本文提出了一种基于并行集团的概率诊断算法-PGSFPD算法,并设计了一个系统级故障诊断软件仿真系统,对诊断算法进行仿真,分析比较各算法的性能,仿真结果表明PGSFPD算法性能优于经典的概率诊断算法-Somani & Agrawal算法,可在只需较少测试数的情况下,在保持很高诊断正确率的同时,大大降低系统的规模.     

Fault diagnosis in wireless sensor network using clonal selection principle and probabilistic neural network approach

The fault diagnosis in wireless sensor networks is one of the most important topics in the recent years of research work. The problem of fault diagnosis in wireless sensor network can be resembled with artificial immune system in many different ways. In this paper, a detection algorithm has been proposed to identify faulty sensor nodes using clonal selection principle of artificial immune system, and then the faults are classified into permanent, intermittent, and transient fault using the probabilistic neural network approach. After the actual fault status is detected, the faulty nodes are isolated in the isolation phase. The performance metrics such as detection accuracy, false alarm rate, false‐positive rate, fault classification accuracy, false classification rate, diagnosis latency, and energy consumption are used to evaluate the performance of the proposed algorithm. The simulation results show that the proposed algorithm gives superior results as compared with existing algorithms in terms of the performance metrics. The fault classification performance is measured by fault classification accuracy and false classification rate. It has also seen that the proposed algorithm provides less diagnosis latency and consumes less energy than that of the existing algorithms proposed by Mohapatra et al, Panda et al, and Elhadef et al for wireless sensor network.