论文部分内容阅读
由于无线传感器网络所处环境恶劣,且传感器节点成本低廉,所以网络在运行过程中不可避免地会发生故障,导致其工作效率和质量下降。因此,故障诊断技术应运而生,并随着无线传感器网络的发展和应用的需求不断改进完善。本文详细分析了无线传感器网络中故障发生的原因、可能造成的后果,得到了几种基于不同依据的故障分类,并给出本文关注的部件级故障的故障模型和故障诊断性能评价标准。目前,应用于无线传感器网络的故障诊断技术主要以分布式为主,因为其灵活、自治的特点非常适合传感器网络和应用的特点。但现在的分布式故障诊断技术仍然存在一些能效性和诊断精度方面的问题:分布式故障诊断算法执行过程中能耗过大问题,和分布式故障诊断算法在网络故障聚集区域性能表现严重下滑问题。针对分布式故障诊断算法执行过程中能耗过大问题,本文提出能效性、鲁棒性更好的基于树型拓扑的故障诊断算法(Tree Topology based Fault Diagnosis in Wireless Sensor Networks,TDF)。分布式故障诊断算法执行过程中能耗过大问题根源在于分布式投票策略执行过程中的频繁数据交换,导致通信量过大,能效性降低。为此我们将ZigBee标准树型拓扑引入到分布式故障诊断算法中,由于树型结构网络中的节点都具有父节点或子节点,可以为节点提供一个相对稳定的参照,不需要每次都通过能耗较大的投票策略判断状态。仿真实验表明,TDF算法大大降低了故障检测过程中的通信能耗,并且具有相对较强的鲁棒性,适用于节点分布稀疏的网络和故障率较高的网络。由于现有的数据采集网络多采用ZigBee标准树型拓扑结构,并且TDF算法不需要增加额外的内存开销,因此,可以很方便地结合到实际应用中。针对分布式故障诊断算法在网络故障聚集区域性能表现严重下滑问题,提出了适用于高故障率网络的基于关联传感器的分布式故障诊断算法(Distributed Fault Detection for Multi-sensor Networks,MDFD)。分布式故障诊断算法在网络故障聚集区域的低性能已经成为它性能提升的瓶颈,这源于投票策略本身存在的问题:有效传感器太少时,不能进行正常的投票表决。本文将多传感器网络引入到分布式故障诊断算法中利用多组传感器之间关联关系解决这个性能瓶颈问题,在传感器状态判断过程中关联传感器可以为其提供更多有效传感器,有效地提高了网络故障聚集区域的故障诊断精度。仿真实验表明,MDFD算法的故障诊断精度较其它算法有明显的提高,在网络故障聚集区域或高故障率网络中表现甚好,故障诊断精度提高了20%~30%。