无线传感器网络中节点故障诊断方法的研究

doi:10.3778/j.issn.1002-8331.2010.23.027

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (23): 95-97.DOI: 10.3778/j.issn.1002-8331.2010.23.027

无线传感器网络中节点故障诊断方法的研究

季赛^1，2，袁慎芳²，马廷淮¹，田伟¹

1.南京信息工程大学计算机与软件学院，南京 210044
2.南京航空航天大学智能材料与结构航空科技重点实验室，南京 210016

收稿日期:2009-01-12 修回日期:2009-03-27 出版日期:2010-08-11 发布日期:2010-08-11
通讯作者: 季赛

Method of fault detection for wireless sensor networks

JI Sai^1，2，YUAN Shen-fang²，MA Ting-huai¹，TIAN Wei¹

1.Department of Computer Science and Technology，Nanjing University of Information Science & Technology，Nanjing 210044，China
2.Aeronautic Science Key Laboratory for Smart Materials & Structures，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China

Received:2009-01-12 Revised:2009-03-27 Online:2010-08-11 Published:2010-08-11
Contact: JI Sai

摘要/Abstract

摘要： 无线传感器网络中故障节点会产生并传输错误数据，这将消耗节点的能量和带宽，同时会形成错误的决策。利用节点感知数据的空间相似性，提出了节点故障诊断的算法，通过对邻节点所感知的传感数据进行比较，从而确定检测节点的状态，并将测试状态向网络中其他相邻节点进行扩散。该算法对实现故障节点的检测具有较好的性能，实验结果验证了算法的可行性和有效性。

关键词: 无线传感器网络, 故障诊断, 故障检测, 空间相似性, 平均节点度

Abstract: In Wireless Sensor Networks（WSNs），a faulty sensor may produce incorrect data and transmit them to the others.This would consume the limited energy and bandwidth of WSNs.Furthermore，the base station may make inappropriate decision when it receives the incorrect data.To solve these problems，this paper presents a distributed fault detection algorithm for wireless sensor networks.Faulty sensor nodes are identified based on comparisons between neighboring nodes and dissemination of the decision made at each node.Simulation results show that sensor nodes with permanent faults are identified with high accuracy for a wide range of fault rates.

Key words: wireless sensor networks, fault diagnosis, fault detection, spatial correlation, average node degree

中图分类号:

TP393

季赛^1，2，袁慎芳²，马廷淮¹，田伟¹. 无线传感器网络中节点故障诊断方法的研究[J]. 计算机工程与应用, 2010, 46(23): 95-97.

JI Sai^1，2，YUAN Shen-fang²，MA Ting-huai¹，TIAN Wei¹. Method of fault detection for wireless sensor networks[J]. Computer Engineering and Applications, 2010, 46(23): 95-97.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	赵锐，赵国伟，张娟，王强，赵杰伦，董红月，张兴忠. 改进CenterNet的高压输电线路巡检故障实时检测方法[J]. 计算机工程与应用, 2021, 57(17): 246-252.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[7]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[8]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[9]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[10]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[11]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[12]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[13]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[14]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[15]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.

无线传感器网络中节点故障诊断方法的研究

Method of fault detection for wireless sensor networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics