无线传感器网络主要用途为采集环境数据,如无线石油勘测网络、火灾预警监测网络、战场环境探测网络等。然而,由于无线传感器内部器件易于损坏,且长期工作在不可预知的环境中,传感器容易出现故障并返回异常的监测数据。因此,如何高效准确地检测并恢复传感器故障成为影响无线传感器网络服务质量的关键问题之一。本文首先提出了基于向量机回归预测的信誉度划分机制,该机制充分利用本地数据和历史数据来预测传感器的未来测量值,并根据预测的测量值与实际采集数据值的对比有效地划分成不同的信誉等级,最后基于置信数据集分析得出相应的置信条件进行故障检测。仿真结果表明,本文提出的故障检测算法在故障检测率和能耗上有着卓越的表现：基于支持向量机回归预测的故障检测率在不同的网络规模下均稳定在94%左右,且算法效果并不随着网络规模的增大而下降。除此之外,支持向量机回归预测算法在节点能量消耗方面明显优于对比算法。然后,本文提出来基于遗传算法和主要成分分析方法的故障恢复算法。通过提取故障网络的核心性能指标并采用遗传算法思想进行故障恢复方案计算,大大提高了故障恢复的速度。仿真结果表明,基于遗传算法和主要成分分析的故障恢复算法的性能优异,面对传感器网络的故障平均只需要更换60%～70%的故障节点就能保证网络在一定网络服务质量的前提下恢复运作。与此同时,基于遗传算法和主要成分分析的故障恢复算法的能量消耗较低,且能耗曲线基本呈线性,算法效果并不会因为网络规模的增大而退化。