基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的WSN節(jié)點(diǎn)和網(wǎng)絡(luò)故障診斷研究.pdf

1、近年來(lái),物聯(lián)網(wǎng)被視為繼計(jì)算機(jī)、互聯(lián)網(wǎng)和移動(dòng)通信之后的又一項(xiàng)信息產(chǎn)業(yè)的革命性技術(shù)而得到廣泛重視。作為物聯(lián)網(wǎng)的一種實(shí)現(xiàn)形式之一,無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)顯示出良好的應(yīng)用前景。實(shí)際應(yīng)用過(guò)程中, WSN往往工作在復(fù)雜、惡劣的環(huán)境中,很容易因受到干擾、損壞而出現(xiàn)故障,從而嚴(yán)重影響其工作效率和質(zhì)量。同時(shí),因其工作環(huán)境的限制及自身的技術(shù)特點(diǎn),這些故障很難人為親自加以排除,診斷技術(shù)也有別與傳統(tǒng)網(wǎng)絡(luò)。因此

2、,節(jié)點(diǎn)及網(wǎng)絡(luò)故障診斷與容錯(cuò)是無(wú)線傳感器網(wǎng)絡(luò)技術(shù)研究的重要內(nèi)容之一。
　　根據(jù)無(wú)線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)、功能特性,結(jié)合以有故障診斷方法,針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中可能出現(xiàn)的節(jié)點(diǎn)故障和網(wǎng)絡(luò)故障,本文合理提取出用于節(jié)點(diǎn)故障診斷和網(wǎng)絡(luò)故障診斷的多個(gè)故障征兆信號(hào),并在此基礎(chǔ)上提出了一種由兩級(jí)功能不同神經(jīng)網(wǎng)絡(luò)組成聯(lián)合神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)和網(wǎng)絡(luò)故障診斷方案。
　　第一級(jí)神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)器,用于預(yù)測(cè)節(jié)點(diǎn)傳感器的輸出,檢測(cè)WSN節(jié)點(diǎn)傳感器的故障

3、,以此產(chǎn)生傳感器單元故障征兆信號(hào)。在該預(yù)測(cè)器實(shí)現(xiàn)上,對(duì) Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn),提出了一種徑向基 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并對(duì)其訓(xùn)練算法進(jìn)行了推導(dǎo)。然后建立了傳感器故障仿真模型,對(duì)基于徑向基 Elman神經(jīng)網(wǎng)絡(luò)傳感器單元故障檢測(cè)進(jìn)行了仿真驗(yàn)證。
　　第二級(jí)神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器,用于對(duì)所有故障征兆信號(hào)進(jìn)行模式分類(lèi),以實(shí)現(xiàn)對(duì)WSN可能的故障的類(lèi)型進(jìn)行判別,該神經(jīng)網(wǎng)絡(luò)采用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。為了提升該網(wǎng)絡(luò)的訓(xùn)練效率,對(duì)量子遺傳算法進(jìn)

4、行了深入研究,提出了一種量子遺傳算法的雙參數(shù)實(shí)數(shù)編碼方式,并結(jié)合現(xiàn)有的混合遞階遺傳算法,提出了一種混合遞階量子遺傳算法,用于RBF分類(lèi)器的學(xué)習(xí)。
　　該故障診斷方案的驗(yàn)證通過(guò)計(jì)算機(jī)仿真與實(shí)物實(shí)驗(yàn)相結(jié)合的方式進(jìn)行,先在計(jì)算機(jī)上對(duì)故障診斷方法中涉及到的各項(xiàng)技術(shù)進(jìn)行逐一仿真驗(yàn)證,而后整體在無(wú)線傳感器網(wǎng)絡(luò)實(shí)物上進(jìn)行測(cè)試驗(yàn)證。仿真、實(shí)驗(yàn)表明,該無(wú)線傳感器網(wǎng)絡(luò)故障診斷方法,能同時(shí)對(duì)無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)級(jí)與網(wǎng)絡(luò)級(jí)故障進(jìn)行診斷,并具有較高的故障檢