无线传感器网络故障诊断方法范文

20世纪70年代，无线传感器网络（WirelessSensorNetwork）在各行各业中得到了迅猛的发展。无线传感器网络具有如下特点：部署快、网络是自组织的。良好的环境适应性、安装便捷。随着科技的进步，无线传感器网络在集成度、环境适应性、种类、自组速度等方面都在不同程度有了发展，而成本也在降低。

目前，无线传感器网络已广泛应用于交通领域、农业领域、家居智能化、状态监测等方向。可见，无线传感器网络的发展，将物理世界和信息技术联系起来，同时也引起了国内外科技界和工业界的重视。从人力到机械，从有线网络到无线网络，科技的发展都在深刻改变着人们的思维和生活方式。可以预见在不远的将来，无线传感器网络会逐步进入人们的现实生活。无线传感器网络是由大量传感器节点，通过自组织多跳路由的无线通信方式联接构成的网络。网络中各节点能够相互协作地采集、处理与传输覆盖区域内的各种信息。所以说，无线传感器网络不仅具有传统无线网络的数据传输功能，还可以进行数据采集与处理。目前，无线传感器网络以其自组网、多跳路由、分布式、低功耗和低成本的特点，给信息感知领域带来了一场巨大的变革。

1问题描述

结合粗糙集与神经网络的理论方法，描述的WSN故障诊断的模型如图1所示，具体流程如下：（1）故障信息集的构建。通过传感器网络以及相应的信号处理技术采集系统故障信息。（2）故障信息集的约简处理。采用粗糙集中的约简算法去除冗余相关的故障信息。（3）将约简故障征兆输入神经网络，输出得到相应的故障类型。BP神经网络具有从输入到输出的任意非线性映射以及泛化能力，是目前广泛应用的人工神经网络。BP神经网络属于多层次处理系统。通常由一个或多个隐层组成。采用S型传递函数作为BP神经网络神经元的隐层，线性传递函数作为输出层。隐含层到输出层的权值、方差以及基函数的中心是RBF神经网络算法实现要求解的参数。由于径向基函数中心选取方法的差异性，RBF网络的学习方法各异，例如：自组织选取中心法、有监督选取中心法、随机选取中心法、以及正交最小二乘法。下面给出自组织选取中心的RBF神经网络学习算法，算法由自组织学习和有导师学习阶段组成，自组织学习阶段为无导师的学习过程，求解隐含层基函数的中心与方差，有导师学习阶段求解隐含层到输出层之间的权值。

2故障诊断算法设计

通常采用的径向基函数是高斯函数，RBF神经网络的激活函数表示为。

3仿真分析

从无线传感器网络节点的系统组成来看，主要包括四个部分：传感器部件、CPU部件、无线通信部件和电源部件。因此，传感器节点故障可相应的分为传感器部件故障、CPU部件故障、无线通信部件故障和电源部件故障。无线传感器网络主要用来对所处环境中某些信息进行感应和监测，在仿真实验中，传感器节点对所处环境的温度进行感测。利用Matlab建立RBF神经网络和BP神经网络。BP神经网络为隐含层含有10个神经元的三层网络，训练函数为traingdx（），输入层的传递函数是logsig（），输出层的传递函数是purelin（）。设定RBF和BP网络的训练精度是0.01，利用约简后的训练样本分别对RBF和BP网络进行训练，得出训练误差曲线如图3，图4所示。由图可知，在同样的误差精度要求下，RBF网络训练只需要7epochs，而BP网络训练需要107epochs，可见RBF网络的训练速度远高于BP网络。通过比较RBF神经网络与BP神经网络的故障诊断准确率与训练速度，可得出两种算法对于无线传感器网络故障诊断的故障诊断准确率。

4结语

本文介绍了粗糙集与神经网络相结合的故障诊断模型，比较了RBF神经网络与BP神经网络的结构及其算法。最后的仿真实验中，通过约简的训练样本对RBF网络和BP网络进行了训练。仿真结果表明：RBF网络比BP网络具有更快的训练速度，并且两种网络在不考虑故障信息准确性和数据传输误差等因素的影响下都具有非常高的故障诊断准确率，且RBF网络相比BP网络在无线传感器网络故障诊断中更有优势。

作者：蒲天银 饶正婵 单位：铜仁学院 信息工程学院