基于累积和控制图的分布式传感网络故障诊断.docVIP

基于累积和控制图的分布式传感网络故障诊断 　　摘 要：由于无线气象传感网具有资源受限及分布式等特点，传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题，提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先，通过累积和控制图分析传感器节点上的历史数据，提高对节点故障判断的灵敏度并且定位出异常时间点；然后，结合网络内邻居节点间的数据交换，通过判断节点的状态诊断出故障节点。实验结果表明，即使在整个网络中在节点故障率高达35%时，算法检测精度仍然高于97.7%，而误报率不超过2%。由此可见，在节点故障概率很高的情况下，此所提法也能得到很高的检测精度和较低的误报率，受节点故障率的影响明显减小。 　　关键词：无线传感器网络；故障诊断；分布式；累积和控制图；中值绝对偏差 　　中图分类号：TP393 　　文献标志码：A 　　文章编号：1001-9081（2016）11-3016-05 　　0 引言 　　无线传感网络（Wireless Sensor Network，WSN）是由无数成本低廉、体积微小的传感器节点组成，通常被随机放置在监测区域中，节点之间以多跳的形式对采集数据进行传输，最后将这些数据以无线通信的方式传送给观测者[1]。如今，无线传感器网络已经广泛应用于许多领域，如交通监控、工业控制、气象观测[2-4]。由于无线气象传感网的节点计算能力和能量有限，气象信息具有复杂性、数据突发性等特点，自节点部署开始，经过较长时间运行后可能会发生故障，但是由于气象传感网处在无人监控和检查的位置，节点本身运行的状态无从得知，为了更好地了解节点状态，就需要对节点进行故障检测。 　　现阶段，无线传感器网络的故障检测根据任务执行主体可分为集中式检测和分布式检测[5]。集中式检测算法中，文献[6]首先将感知数据变换为故障特征空间中的向量，然后依据已知故障数据库向用户指示需要采取的相关措施（如校准、验证读数等），最后用户根据传感器的实际情况对故障数据库进行更新，从而改进与优化故障检测系统。对于大规模无线传感网络来说，目前基于汇聚节点的诊断方法存在许多缺点。首先，主动信息收集会导致通信方面的巨大开销，大幅缩短了网络系统的寿命；其次，由于网络规模不断扩大和不可靠的无线通信，后端上的故障推理机常常获得不完整和不确定的信息，明显降低了检测精度； 最后，在汇聚节点上故障诊断方法的诊断延迟非常高[7]。 　　文献[8]提出了一种分布式无线传感器网络节点故障诊断（Distributed Fault Detection，DFD）算法，事先设定固定阈值，将节点自身的传感器测量值与邻居节点相比较来判断节点自身是否发生故障。但是该算法在节点的邻居数较少或者整个网络中节点发生故障概率较大时，故障诊断精度会大幅下降。文献[9]通过融合邻居节点的测量数据并对邻居节点测量数据进行加权，衡量测量节点与节点的数据之间差异的方法最终判断节点故障状态。针对WSN中节点故障原因复杂，文献[10]提出了一个WSN节点故障诊断方法，可以实现对具体故障进行诊断和判定，但是算法复杂性比较大，不适合节点数量较大的网络。文献[11]提出一种通过观察节点采样值数据变化率与时间特性相似度，判断是事件发生还是节点故障的事件检测方法。由于引入了节点可信度自适应调整机制，通过不断排除故障节点，该方法能够获得较高的故障识别率。 　　现有的分布式故障诊断算法没有充分利用传感器节点采集数据的特点，使得算法的复杂度较高；仅仅利用传感器网络具有空间相关性的特点来实现故障检测，消耗大量的能量，尤其是对于大规模无线传感网络而言。基于上述分析，本文采用分布式节点故障诊断算法，通过无线气象传感网内节点上搭载的气象传感器，对气象要素进行采集，利用节点之间的气象要素值存在时空相关性的特点，改进分布式节点故障诊断方法。通过节点自身历史数据和邻居协作方法融合进而提高无线气象传感器网络的故障诊断精度，同时降低故障诊断的误报率，节省节点间频繁交互产生的开销，使算法更加适用于节点资源有限的大规模无线气象传感网络。 　　为了检测错误的测量值，每个节点发生故障的概率相互独立。无线传感器网络的节点故障分为两类：硬故障和软故障。当传感器节点的某一模块发生损坏而造成无法通信，称之为硬故障；当传感器节点虽然发生故障，但是仍然具有接收、发送、采集及处理数据的能力，只是节点采集的数据是错误的，称之为软故障。图1中为节点s6发生软故障的节点。在分布式传感器网络故障诊断算法里，针对的主要是节点软故障的检测；若周围的邻居节点都检测不到某个节点，则可以判定该节点发生硬故障。 　　2 故障诊断算法 　　2.1 符号说明 　　相关符号说明如表1所示。 　　2.2 异常时间点的定位 　　由于传