基于小波神经网络的无线传感网络（WSN）节点故障诊断技术

论文摘要

由于无线传感器网络(Wireless Sensor Networks, WSN)通常是运行在人类无法接近的、恶劣甚至危险的环境中,其节点会有各种故障发生,直接造成对被感知物理量的错误测量,甚至造成WSN某些功能丧失乃致整个网络瘫痪。因此,对WSN节点故障诊断研究是非常必要的。本文采用小波神经网络(Wavelet Neural Network, WNN)对节点传感部件故障进行诊断。诊断结果是完成故障检测与故障时间定位。其中故障检测是判断节点是否发生故障,而故障时间定位则是根据信号奇异点分析确定故障发生时间。论文主要内容包括:1.介绍了已有的两种WSN节点故障诊断方法,并对“基于空间相关性的节点故障诊断”进行了阐述。讨论了基于小波神经网络的节点故障诊断方法。2.对小波神经网络的训练算法进行了推导,并对传统的BP训练算法进行了改进。3.对节点传感部件模型、故障类型及表征形式进行了研究。4.获取节点传感部件正常运行和发生附加、倍数、固定、精度下降四种故障的原始样本。5.采用WNN观测器和小波分解对孤立(无冗余关系)节点传感部件故障进行准确检测和故障时间定位。6.采用交叉的WNN预测器对冗余节点传感部件故障进行准确检测和故障时间定位。本文尝试性地将WNN用于解决WSN节点故障诊断问题,通过大量的仿真实验证明了WNN具有较好的故障诊断能力。本文在理论上的探索会对今后WSN节点故障诊断技术的发展提供参考。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究意义
• 1.2 论文的研究背景及现状
• 1.2.1 故障诊断学研究背景
• 1.2.2 小波神经网络研究背景
• 1.2.3 无线传感器网络节点故障诊断研究现状
• 1.3 本文主要内容及结构
• 第二章 小波神经网络理论
• 2.1 小波相关理论
• 2.1.1 小波函数
• 2.1.2 奇异点检测
• 2.2 小波神经网络
• 2.2.1 小波神经网络的结构
• 2.2.2 小波神经网络算法研究
• 2.3 本章小结
• 第三章 无线传感器网络节点故障诊断
• 3.1 无线传感器网络的体系结构
• 3.1.1 无线传感器网络的体系结构
• 3.1.2 无线传感器网络的节点
• 3.2 无线传感器网络节点故障诊断概述
• 3.2.1 无线传感器网络的故障层次
• 3.2.2 节点级传感部件故障
• 3.2.3 基于空间相关性的节点故障诊断
• 3.3 基于小波神经网络的节点故障诊断
• 3.3.1 小波神经网络在节点故障诊断中扮演的角色
• 3.3.2 无线传感器网络节点分簇原则
• 3.4 本章小结
• 第四章 无线传感器网络孤立节点故障诊断
• 4.1 节点故障诊断方案
• 4.2 节点故障诊断仿真实现
• 4.2.1 节点附加故障的诊断
• 4.2.1.1 故障模型的建立与仿真实现
• 4.2.1.2 小波神经网络观测器的训练
• 4.2.1.3 差值信号的小波分解
• 4.2.2 节点其它三种故障的诊断
• 4.2.2.1 节点倍数故障诊断
• 4.2.2.2 节点固定故障诊断
• 4.2.2.3 节点精度下降故障诊断
• 4.3 本章小结
• 第五章 无线传感器网络冗余节点故障诊断
• 5.1 节点故障诊断方案
• 5.1.1 样本的交叉训练
• 5.1.2 故障节点识别与故障时间定位
• 5.2 节点故障诊断仿真实现
• 5.2.1 原始样本初始化
• 5.2.1.1 测试样本故障化
• 5.2.1.2 原始样本归一化
• 5.2.2 报警阈值的选取
• 5.2.3 四个小波神经网络预测器的训练
• 5.2.3.1 小波神经网络预测器初始化
• 5.2.3.2 小波神经网络预测器的训练
• 5.2.4 故障诊断能力验证
• 5.2.4.1 温度节点故障诊断
• 5.2.4.2 湿度节点故障诊断
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 本文主要工作总结
• 6.2 论文后续工作展望
• 参考文献
• 致谢
• 攻读硕士研究生期间取得的研究成果