随着无线通信、传感器、微机电系统和分布式等技术的发展,集成这些技术的无线传感器网络(Wireless Sensor Network,WSN)技术以其部署灵活、可靠性强、经济性好等特点在环境监测、医疗卫生、军事安全等领域有着广阔的应用前景。但是由于WSN节点的部署环境特殊,WSN节点极易发生故障,进而导致其工作性能下降或失效,严重的话将造成网络瘫痪。因此,准确并及时地诊断出WSN故障节点,提出修复方案,可以有效保证WSN的可靠运行。本文对WSN故障诊断方面进行了深入研究,研究内容有以下几个方面:⑴研究粗糙集理论在WSN故障诊断中的应用,以WSN节点的故障类型与对应故障特征建立相应的决策表,应用粗糙集理论在剔除冗余属性的优势,改进归纳属性约简算法,综合改进的RBF神经网络在克服噪声干扰和并行计算两方面的优势,设计集成粗糙集和改进RBF算法(简称IRSRBF),来用以诊断节点能量有限且故障类型不确定性的WSN节点。实验表明,IRSRBF算法能够在WSN节点信息不完整或者部分有误的情况下进行有效地故障诊断,提高了诊断系统的可靠性和实用性。⑵进一步研究了WSN节点故障诊断中最难的无线数据收发单元的故障诊断,给出了一种基于模糊神经网络的无线数据收发单元故障诊断技术。根据无线数据收发单元中发射消耗电流与温度和供电电压的关系,建立电流模型;利用聚类算法确定模糊神经网络模型的结构,综合混合学习算法优化模糊规则的前件参数和后件参数;最后提取训练完的模糊神经网络参数以建立WSN节点故障诊断模型。实验结果表明,本论文给出的无线数据收发单元故障诊断方法故障诊断正确率较高,模型的速度与效率较好。