论文部分内容阅读
无线传感器网络是进行客观世界感知、状态检测和分布式管理的主要手段,已成为物联网、感知地球等的支撑技术。但传感器网络的不确定性,如敏感器故障、通信故障和节点故障等,限制着传感器网络的广泛应用。特别是故障节点采集到的错误数据,如不进行处理而直接应用,将导致不可预知的损失。因此,有必要分别针对节点内部和整个网络研究一套故障自检测、诊断、健康状况评估方法,使节点能够将自身健康状况和敏感数据一同发往基站,基站再根据整个网络的健康水平,制定容错控制策略,达到最大化应用网络资源、维护网络长期稳定运行和延长网络寿命等目的。本文研究包括两个主要方面,分别为:1)基于在线数据的节点故障自检测方法。基于时间序列分析技术,以敏感器采集的数据、节点上各部件运行数据为输入,并进行数据的预处理(消除趋势项、零均值化处理等),然后结合ARMA (Auto-Regressive and Moving Average Model)时间序列分析方法和人工智能方法,进行节点数据预测。通过对比模型预测数据和下一周期实际运行数据,判断节点当前健康水平。2)基于TTDPN模型的节点故障诊断方法。研究基于TTDPN(T-Timed Discrete Petri Nets)的传感器网络节点建模方法,建立传感器网络节点工作过程TTDPN模型,研究基于TTDPN模型的节点故障诊断方法,对传感器节点故障进行功能性定位诊断,并进一步利用TTDPN模型进行故障恢复和健康管理与评估。通过本课题的研究,能够形成针对传感器节点和整个网络的故障自检测策略,提高数据可信性和鲁棒性。能够根据传感器节点内部数据,在线实时地进行故障检测,形成节点健康状态的闭环控制,有效过滤病态数据,只向外发送正确有效的敏感数据。从而显著提高网络资源的利用率,提高敏感数据的可信度,扩展传感器网络的应用领域等。研究传感器网络节点故障诊断恢复与健康管理方法,提升传感器网络节点的自恢复能力和整个网络的生存能力,最大化网络部署和应用的效费比。