随着微电子技术、通信技术、嵌入式技术、传感器技术以及电源技术的迅速发展,极大的拓展了无线传感网络(Wireless Sensor Network,WSN)技术的应用领域。但随着无线传感网络结构越来越复杂且自动化程度不断提高,同时无线传感网络主要工作在复杂和条件恶劣环境中,承受诸多不利因素的影响,这样导致传感节点很容易发生故障及性能的下降,从而对整个网络的性能造成影响甚至导致网络瘫痪。因此,针对无线传感网络的特点,研究传感节点故障及进行故障诊断具有十分重要的意义。本文首先综述无线传感网络及其特点,然后介绍传感节点故障类型以及目前国内外传感节点故障诊断技术研究现状,并在分析现有故障诊断算法的基础上提出新的故障诊断算法,最后对无线传感节点故障诊断测试平台进行了设计,整个测试平台的设计包括传感节点故障信息采集器的设计和无线传感节点的设计两部分。其中节点故障信息采集器用于采集传感节点电流值,以获取节点故障诊断的样本数据。由于核极限学习机分类过程易受核参数的影响,因此采用遗传算法对核参数进行优化,同时针对无线传感网络节点故障诊断输入数据存在冗余属性的情况,提出将粗糙集(Rough Sets)属性约简算法和遗传算法优化核极限学习机(GA-KELM)集成的故障诊断算法,即RS-GA-KELM故障诊断算法。该算法首先建立节点故障诊断决策表,利用粗糙集属性约简算法对决策表进行属性约简,得到最简的故障诊断决策表,并由该决策表提取故障诊断规则,根据诊断规则建立核极限学习机神经网络模型,而后利用遗传算法对极限学习机核参数进行优化,使得利用约简后的样本数据对神经网络训练所得的分类精度最佳,最后利用所得最优神经网络模型对输入样本数据进行故障分类,实现故障诊断。用本文提出的算法进行节点故障诊断实验,相比于GA-SVM和GA-BP算法,结果表明具有更高的诊断分类精度同时用时更少。这样可以有效解决节点故障诊断问题,具有一定实用价值。