论文部分内容阅读
无线传感器网络(Wireless Sensor Network,WSN)是当今国内外备受关注的、由多门学科交叉的新型前沿研究领域。无线传感器网络的基本功能是收集并传输大量传感器节点所在监测区域的各种信息。如何降低数据传输量、提高传输效率是无线传感器网络所面临的一大挑战,数据融合技术正是以减少网络冗余数据、降低通信量、节省节点能量、提高信息收集效率为目标,成为无线传感网络重要的研究课题。由于无线传感器网络的技术特点,使其在军事、环境、安全、医疗、工农业生产以及家居等各个领域都有着广阔的应用前景。通过研究发现,无线传感器网络在机械行业的应用研究尚属起步阶段。在大型复杂机械设备上,可以通过组建无线传感器网络来构建监控系统,利用监控系统可以降低设备检查的成本,缩短设备停机时间,提高效率。本文对无线传感器网络中数据融合技术进行了深入研究,分析了机械故障诊断的一般方法,将神经网络、模糊推理、虚拟力等技术与数据融合技术相结合,完成了如下工作:首先,本文结合无线传感器网络的特点和机械故障诊断的特殊应用需求,构建了无线传感器网络系统模型,并分析了其中各个模块的要求与设计原则,研究了硬件系统的设计方案及通信协议和嵌入式操作系统的设计思想,整个系统以无线传感器网络技术为核心,增强了系统的灵活性、可维护性和可扩展性。覆盖问题是大量传感器节点布署在监控区域上首先遇到的问题,它直接影响目标监测的准确性。在复杂机械故障诊断的应用中,合理地布署传感器节点既可以较好地覆盖被监测的区域,进行实时的故障诊断,又可以减少冗余和网络资源的浪费。本文研究了基于虚拟力的异构节点网络覆盖增强算法,从覆盖效率、覆盖均匀性等方面验证了算法的有效性。在分析各种融合树建立方法的基础上,将路由技术和数据融合相结合,利用图论的相关知识,研究了以图的中心点为融合节点的融合树生成算法。将路由融合树的建立分为两个阶段:划分阶段和连通阶段,数据在到达中心点后进行融合处理,从而减少网络的数据传输量,延长网络的生命周期。通过将模糊推理系统用于传感器节点间的距离测定,建立了利用RSSI(Received Signal Strength Indicator)值测定节点间距离的模糊推理模型;围绕动态定位,对已有的物理层协议进行必要的改进,减少了网络运动时的能量损耗,从而实现一种基于WSN数据融合技术的节点跟踪。在理论和实验研究的基础上,将所提出的基于神经网络的WSN数据融合的方法进行机械故障诊断。采用循环域分析方法对滚动轴承进行故障特征提取,再利用基于主元分析神经网络和模糊神经网络的WSN数据融合方法进行进一步的故障诊断,可以减少数据传输量,有效地提高信息的精度和可信度,从而减轻网络的传输拥塞,降低了数据传输的延迟,提高了网络收集数据的整体效率。