温室测控系统无线传感器网络节点故障诊断研究.pdfVIP

第 13卷 第8期 2013年3月 科 学 技 术 与 工 程 V0L13 No．8 Mar．2013 1671— 1815(2013)08—2254-05 ScienceTechnologyandEngineering @ 2013 Sei．Tech．Engrg． 温室测控系统无线传感器网络 节点故障诊断研究 王华东 许慧雅 (周 口师范学院计算机科学与技术学院，周 口466001) 摘 要 温室测控系统传感器节点故障产生错误数据，导致错误决策，为此，提 出一种ARIMA和LSSVM相融合的温室测控系 统传感器节点故障诊断方法。该方法首先分别采用ARIMA和LSSVM对传感器节点故障进行诊断，然后将两者的诊断结果重 新输入 LSSVM进行融合，得到最终传感器节点故障诊断结果。仿真测试结果表明，ARIMA—LSSVM融合方法提高 了传感器节 点故障诊断的正确率，降低故障的漏报率和误报率。 关键词 测控系统 无线传感器 网络 故障诊断 温室 中图法分类号 TP393．05 TP183； 文献标志码 A 近些年无线传感器网络 (wirelesssensornet— 成信息处理，能够很好地对温室测控系统传感器节 work，WSN)被引入到温室测控系统，相对于有线技 点故障进行诊断_l。然而神经网络是一种基于大 术 ，WSN具有成本低、安装与维护方便等优点。温 数定理的机器学习方法，在样本 比较大的情况下， 室传感器节点工作于高温、高湿环境中，不可避免 故障诊断正确率高，当不能满足大样本条件时，故 地会发生故障，一旦传感器节点产生故障，会产生 障诊断结果可靠性不能得到保证 8J。 错误的数据，严重时导致温室测控系统失控，因此 最小乘支持向量机 (1eastsquaresupportvector 对传感器节点故障及时、准确地诊断成为温室控制 machines，LSSVM)是一种针对小样本、非线性的机 系统研究中的一个重要课题 。 器学习方法，其模拟 电路故障诊断、发电机故障诊 温室测控系统传感器节点故障分为硬故障和 断等领域取得了不错的应用。为此，提出一种基于 软故障两类 ，当节点出现硬故障时，将传感器节点 自回归移动平均 (autoregressiveintegratingmoving 退出无线传感器网络，然后对其进行更换或维修即 average，ARIMA)和LSSVM相融合的温室测控系统 可，因此本文只研究传感器网络节点软故障 。当 传感器节点故障诊断方法。 前 ，温室传感器节点故障方法主要有时间序列分析 1 温室传感器节点故障诊断原理 法、粗糙集法、神经网络法等 j，时间序列分析法 温室无线传感器网络包括普通传感器节点、簇 具有简单、易实现等优点，可以及时发现故障并定 头节点、汇聚节点，根据实际应用要求，传感器节点 位故障，但是其假设传感器节点状态信息与故障特 部署于温室某些区域，对光照度、温度、湿度、CO 浓 征之间是一种线性关系，然而实际上，两者之间是 一 度等信息进行采集，并将它们控制在适宜 的范 围 种复杂、非线性关系，因此有时确定 的故障诊断 内。无线传感器网络结构如图1所示。 结果不可靠，准确率低 J。神经网络方法具有较强 从图1可知，