無線傳感器網絡故障診斷方法范文

本站小編為你精心準備了無線傳感器網絡故障診斷方法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

20世紀70年代，無線傳感器網絡（WirelessSensorNetwork）在各行各業中得到了迅猛的發展。無線傳感器網絡具有如下特點：部署快、網絡是自組織的。良好的環境適應性、安裝便捷。隨著科技的進步，無線傳感器網絡在集成度、環境適應性、種類、自組速度等方面都在不同程度有了發展，而成本也在降低。

目前，無線傳感器網絡已廣泛應用于交通領域、農業領域、家居智能化、狀態監測等方向。可見，無線傳感器網絡的發展，將物理世界和信息技術聯系起來，同時也引起了國內外科技界和工業界的重視。從人力到機械，從有線網絡到無線網絡，科技的發展都在深刻改變著人們的思維和生活方式。可以預見在不遠的將來，無線傳感器網絡會逐步進入人們的現實生活。無線傳感器網絡是由大量傳感器節點，通過自組織多跳路由的無線通信方式聯接構成的網絡。網絡中各節點能夠相互協作地采集、處理與傳輸覆蓋區域內的各種信息。所以說，無線傳感器網絡不僅具有傳統無線網絡的數據傳輸功能，還可以進行數據采集與處理。目前，無線傳感器網絡以其自組網、多跳路由、分布式、低功耗和低成本的特點，給信息感知領域帶來了一場巨大的變革。

1問題描述

結合粗糙集與神經網絡的理論方法，描述的WSN故障診斷的模型如圖1所示，具體流程如下：（1）故障信息集的構建。通過傳感器網絡以及相應的信號處理技術采集系統故障信息。（2）故障信息集的約簡處理。采用粗糙集中的約簡算法去除冗余相關的故障信息。（3）將約簡故障征兆輸入神經網絡，輸出得到相應的故障類型。BP神經網絡具有從輸入到輸出的任意非線性映射以及泛化能力，是目前廣泛應用的人工神經網絡。BP神經網絡屬于多層次處理系統。通常由一個或多個隱層組成。采用S型傳遞函數作為BP神經網絡神經元的隱層，線性傳遞函數作為輸出層。隱含層到輸出層的權值、方差以及基函數的中心是RBF神經網絡算法實現要求解的參數。由于徑向基函數中心選取方法的差異性，RBF網絡的學習方法各異，例如：自組織選取中心法、有監督選取中心法、隨機選取中心法、以及正交最小二乘法。下面給出自組織選取中心的RBF神經網絡學習算法，算法由自組織學習和有導師學習階段組成，自組織學習階段為無導師的學習過程，求解隱含層基函數的中心與方差，有導師學習階段求解隱含層到輸出層之間的權值。

2故障診斷算法設計

通常采用的徑向基函數是高斯函數，RBF神經網絡的激活函數表示為。

3仿真分析

從無線傳感器網絡節點的系統組成來看，主要包括四個部分：傳感器部件、CPU部件、無線通信部件和電源部件。因此，傳感器節點故障可相應的分為傳感器部件故障、CPU部件故障、無線通信部件故障和電源部件故障。無線傳感器網絡主要用來對所處環境中某些信息進行感應和監測，在仿真實驗中，傳感器節點對所處環境的溫度進行感測。利用Matlab建立RBF神經網絡和BP神經網絡。BP神經網絡為隱含層含有10個神經元的三層網絡，訓練函數為traingdx（），輸入層的傳遞函數是logsig（），輸出層的傳遞函數是purelin（）。設定RBF和BP網絡的訓練精度是0.01，利用約簡后的訓練樣本分別對RBF和BP網絡進行訓練，得出訓練誤差曲線如圖3，圖4所示。由圖可知，在同樣的誤差精度要求下，RBF網絡訓練只需要7epochs，而BP網絡訓練需要107epochs，可見RBF網絡的訓練速度遠高于BP網絡。通過比較RBF神經網絡與BP神經網絡的故障診斷準確率與訓練速度，可得出兩種算法對于無線傳感器網絡故障診斷的故障診斷準確率。

4結語

本文介紹了粗糙集與神經網絡相結合的故障診斷模型，比較了RBF神經網絡與BP神經網絡的結構及其算法。最后的仿真實驗中，通過約簡的訓練樣本對RBF網絡和BP網絡進行了訓練。仿真結果表明：RBF網絡比BP網絡具有更快的訓練速度，并且兩種網絡在不考慮故障信息準確性和數據傳輸誤差等因素的影響下都具有非常高的故障診斷準確率，且RBF網絡相比BP網絡在無線傳感器網絡故障診斷中更有優勢。

作者：蒲天銀 饒正嬋 單位：銅仁學院 信息工程學院