论文部分内容阅读
无线传感器网络（Wireless Sensor Network，WSN）广泛应用在环境监测、智能交通、自然灾害预测、军事应用、智能家居等领域。这些WSN节点通常运行在恶劣甚至危险的环境中，节点的传感器部件通常暴露在外部环境中，因而节点发生故障的概率很高。因此，研究WSN节点故障诊断是非常必要的。根据WSN的体系结构和网络模型，在分析对比现有的故障诊断方法的基础上，研究利用时间和空间特性进行故障诊断及信息融合诊断的方法。针对平稳系统，本文提出一种基于移动时间序列建模的故障诊断方法。对WSN节点采集的信息预处理后得到时间序列样本，采用时间序列建立WSN节点故障诊断的模型，据此分析WSN节点的状态。在MATLAB下仿真，结果表明该方法是可行的、有效的。由于WSN节点所采集的数据在空间上具有很强的相关性，在对节点的空间特性的故障诊断算法进行研究后，提出一种改进的基于空间特性的故障诊断方法，并在MATLAB下仿真。研究结果表明，该方法计算量较小、容错性较好。根据WSN系统所采集的数据在时间和空间上具有相关性，在分析WSN原始数据的基础上，通过对时、空样本数据预处理，分别建立时间序列和基于空间特性的故障诊断模型。然后，提出一种基于D-S证据理论进行融合的故障诊断方法。仿真结果表明，采用D-S证据理论融合后的诊断方法能及时、有效地发现异常节点，有效降低虚警率，提高WSN工作的可靠性。