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。     

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。     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

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.     

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。     

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。     

WSN路由节点优化分布设计的免疫克隆算法

对于无线传感器网络(WSN)路由节点的优化分布设计,人工免疫进化算法存在几何选择区域局限,为了缓解此问题,避免系统收敛于局部最优解,提出一种基于免疫克隆算子的设计方案。根据WSN节点覆盖原理,构建WSN路由节点自适应人工免疫分布模型,用免疫平衡机理计算染色体在每个节点部署网格中的信息浓度概率,采用克隆检测算法监测WSN网络中节点冗余浓度,以使每个WSN路由节点辐射信息素最大化,突破几何选择区域的限制,实现最优节点部署和覆盖。仿真实验表明,新算法能提高网络连通性和节点利用率。     

基于最小Steiner树的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计首要考虑的问题,可以通过数据融合合并冗余数据而有效地节约网络能耗.WSN数据融合可以看作是寻找覆盖源节点和Sink节点的最小Steiner树(MST)问题.文章提出了一种MAX-MIN蚂蚁系统算法和自适应蚁群系统算法相结合的MST构造算法(MMACS),在此基础上,提出了一种基于MST的WSN数据融合算法(DAMST),该算法采用定向扩散的机制进行兴趣散布;利用MMACS算法构造MST,源节点的数据发送到构造好的MST上,经过融合后传输到Sink节点,减少了网络中传输的数据量.通过与其它算法比较,仿真表明DAMST算法降低了网络总能耗和平均时延,延长了网络生存时间.     

基于WSN特点对DV-HOP算法改进的研究

为了提高无线传感器网络(wireless sensor network,WSN)中与距离无关的定位算法的定位性能,通过对DV-Hop算法的分析研究,结合计算机模拟随机分布节点位置的概率统计方法,提出一种改进的DV-HOP-M算法,该算法实现了在已知3个信标节点的情况下,对整个网络节点位置进行粗略的估计。仿真结果表明:提出的算法较之原有的DV-HOP算法,提高了基于无距离WSN定位的精确度。     

基于信任匹配机制的WSN主备节点更新算法

在无线传感器网络(WNS)的分区过程中,主备节点的更新过于频繁,使得网络传输的稳定性受到影响.为此,从减少WSN网络主备节点更新频率、强化网络传输稳定性的角度出发,提出了一种基于信任匹配机制的WSN主备节点更新算法.首先,引入聚类机制并结合剩余能量、拉氏距离、最短跳数等参数,建立基于动态维度判决方法的信任匹配机制,以减...     

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.     

无线传感器网络节点能耗状态转换模型研究

针对无线传感器网络节点的能量管理与优化问题,对无线传感器网络节点中主要的功率可管理部件工作状态进行分析,建立了MCU处理器、模数转换器和无线收发模块之间的状态转换关系模型。详细阐述了器件间的状态转换关系和条件,并给出了多种休眠模式间的转换时间阈值的估计方法。该模型反映了无线传感器网络节点实际工作状态的转换关系,为节点的动态能耗管理的优化设计提供了实际应用参考。     

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.     

无线传感器网络PEGASIS协议的研究

为建立一个高效节能的路由环境,在分析PEGASIS（power—efficientgatheringinsensorinformationsystem）的基础上,对PEGASIS算法进行了改进。将整个传感器区域划分为等宽的子区间,由每个区间内距离Sink最近的节点建立主链,然后在每个区域内建立链树,再由主链节点轮流担任根节点与Sink通信,以减少通信开销。模拟实验表明,算法在生存时间、能耗均衡等方面的性能较PEGASIS有明显提高。     

具有能量补给的无线传感器网络能量感知路由算法

为适应新能源条件下无线传感器网络的能量补给特点,根据节点自身能量起伏变化和能量补给的速率等特点,提出了一种考虑能量补给因素的无线传感器网络能量感知路由算法——PHEA.PHEA将传感器节点从周围环境中获取能量的因素考虑进路由算法中,并使用信息融合D-S证据理论算法选择下一跳节点,使得能量消耗能够平均分配到整个网络中.仿真结果表明,算法改善了能量补给因素条件下无线传感器网络中的能量消耗的均衡特性,延长了网络的生命周期,与经典能量感知路由算法EA相比,PHEA的性能高50%左右。     

使用改进灰色模型的WSN数据压缩方法

针对数据压缩方法计算复杂度高、压缩效率和数据恢复准确率较低的情况,提出一种基于簇头-基站分离式结构的无线传感器网络（WSN）数据压缩方法.该方法在WSN单层分簇结构的基础上,首先要求感知节点等时间间隔采集数据,并分段发送;然后采用原有空间相关性数据压缩方法对簇头节点接收的数据进行空间噪声及冗余的消除;最后在基站采用改进的灰色模型进行数据恢复.另外,通过实验分析不同段长及压缩率情况下,灰色模型、灰色马尔可夫链模型以及改进的灰色模型对数据的恢复效果,给出算法的最优模型和段长.仿真结果表明,提出的方法较已有线性类WSN数据压缩方法可显著提高压缩精度和效率.     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.