基于小波神經(jīng)網(wǎng)絡(luò)的無線傳感網(wǎng)絡(luò)(WSN)節(jié)點(diǎn)故障診斷技術(shù).pdf

1、由于無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）通常是運(yùn)行在人類無法接近的、惡劣甚至危險(xiǎn)的環(huán)境中，其節(jié)點(diǎn)會有各種故障發(fā)生，直接造成對被感知物理量的錯誤測量，甚至造成WSN某些功能喪失乃致整個(gè)網(wǎng)絡(luò)癱瘓。因此，對WSN節(jié)點(diǎn)故障診斷研究是非常必要的。
　　本文采用小波神經(jīng)網(wǎng)絡(luò)（Wavelet Neural Network，WNN）對節(jié)點(diǎn)傳感部件故障進(jìn)行診斷。診斷結(jié)果是完成故障檢測與故障時(shí)間定位。其中故障檢測

2、是判斷節(jié)點(diǎn)是否發(fā)生故障，而故障時(shí)間定位則是根據(jù)信號奇異點(diǎn)分析確定故障發(fā)生時(shí)間。論文主要內(nèi)容包括：
　　1．介紹了已有的兩種WSN節(jié)點(diǎn)故障診斷方法，并對“基于空間相關(guān)性的節(jié)點(diǎn)故障診斷”進(jìn)行了闡述。討論了基于小波神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)故障診斷方法。
　　2．對小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法進(jìn)行了推導(dǎo)，并對傳統(tǒng)的BP訓(xùn)練算法進(jìn)行了改進(jìn)。
　　3．對節(jié)點(diǎn)傳感部件模型、故障類型及表征形式進(jìn)行了研究。
　　4．獲取節(jié)點(diǎn)傳感部件正常運(yùn)行和發(fā)生