基于感知数据时域特征的WSNs故障诊断方法-林业信息技术专业论文.docxVIP

摘要 摘要 I I 摘要 大规模无线传感器网络大多部署在环境恶劣的环境下，由于节点资源受限，网络 的动态拓扑及不确定性，在运行过程中不可避免的会发生故障。当单个关键节点或者 某一区域内节点发生故障时，将导致其周围某一特定范围内的节点无法正常工作，造 成网络连通分割，这样会大大降低无线传感器网络系统的服务质量，使无线传感器网 络预定功能削弱或者失效。所以进行及时准确的无线传感网故障诊断以保证网络的可 靠及有效运行显的及其重要。现有的诊断方法主要集中在收集网络诊断参数，这个过 程消耗大量通信带宽和节点资源，给资源有限的网络带来繁重的负担。无线传感器网 络的故障诊断成为该领域内的一个研究难点。 针对以上问题，本文提出一种利用感知数据时域特征来检测故障以及对故障进行 分类的诊断方法。首先运用一维离散 Gabor 变换对感知数据进行特征提取与分析，找 出最能体现故障的特征，利用 SOM 神经网络建立故障知识库对数据进行诊断与分类， 判断当前网络状态并找出故障原因。算法主要运用温度、湿度等感知数据结合电压数 据进行诊断，将离散 Gabor 小波变换的数据特征提取算法与 SOM 神经网络相结合，利 用一系列的故障诊断规则组成故障知识库，监测网络运行情况。 为了进一步的开发测试诊断算法的效率及准确性，设计了无线传感器网络数据监 测系统，系统的可视化界面能够清晰的展示节点数据走势，反应节点故障数据