[发明专利]一种无线传感器网络故障诊断方法

说明书

技术领域

本发明涉及一种无线传感器网络故障诊断方法，尤其是一种基于小波包变换和最小二乘支持向量分类机(LSSVC)的无线传感器网络故障诊断方法，用以对WSN发生的故障、潜在故障类型和区域进行识别诊断处理，属于无线传感器和网络故障诊断技术领域。

背景技术

随着无线传感器网络应用越来越广泛，为保证网络运行的可靠稳定，维护系统资源，须建立故障诊断机制。目前WSN网络故障诊断方法的研究主要集中在对节点故障(即硬故障)的诊断，国内外的相关研究如下：

国外研究有：2002年S.Chessa，P.Santi等对WSN的崩溃故障进行了理论研究，在某些假设条件下，提出具有最优的诊断能力和最少的数据交换的诊断协议；2004年L.B.Ruiz提出了使用外部管理器的事件驱动型WSN故障诊断机制；2005年Anmol Sheth等在对故障原因进行分类的基础上提出了一种离散的WSN故障诊断方法，分层实现了故障诊断；2007年Sutharshan Rajasegarar在节约通信开销的同时使用基于四分球SVM方法，实现分布式WSN异常检测；2007年G.Venkataraman针对节点能量损耗型故障提出了一种基于分簇的故障管理算法，当某个节点故障发生时，算法在保证网络的连通性同时具有快速的响应性，延长整个网络寿命。以上研究均为系统级诊断算法，在诊断过程中均需邻居节点之间交互诊断信息。此外，2008年M.H.Lee提出了一种通过比较邻居节点发送数据和向邻居节点传播检测结果进行分布式故障诊断的方法。

国内研究有：2007年雷霖等提出一种基于Rough set(粗糙集)理论WSN节点故障诊断方法，将粗糙集理论用于故障属性简化，降低诊断过程中网络开销，通过消息询问的方式对节点的硬故障进行检测；张劼等提出基于比较的簇节点的WSN故障诊断算法，利用簇头作为簇内故障诊断的集中控制单元，对簇内节点进行集中诊断，同时利用链接所有簇头的逻辑子网，通过在簇头之间传递相关诊断信息的诊断方式对网关进行诊断；中国科学院的高建良考虑WSN中的错误测量数据会导致网络服务质量下降和能量浪费，提出一种通过融合邻居节点的测量数据来实现故障检测的策略；2008年杨云针对WSN数据传输过程中产生的非一致性问题，提出了一种WSN非一致性故障检测机制IFDM(Inconsistent Failures DetectionMechanism)；李千目等通过对Ad hoc网络状态和故障指标的研究，提出一种基于Dempster规则的故障诊断方法(DRNFD)，应用DRNFD诊断故障能有效降低漏报率和误报率，使实时故障诊断成为可能。

从研究现状来看，大多诊断算法针对节点故障的系统级诊断算法，需要节点之间频繁交互诊断信息，节点能耗大，对网络正常低功耗运行影响大。而且目前研究大都是针对大规模WSN，中小规模WSN故障诊断研究较少，远远不能满足WSN技术发展的需要。

发明内容

本发明的目的在于克服上述存在的问题和不足，公开一种针对中小规模WSN故障进行诊断的方法。

实现本发明目的的技术方案是：无线传感器网络故障诊断方法，是一种基于小波包变换和最小二乘支持向量分类机(LSSVC)的无线传感器网络故障诊断方法，包括下列步骤：采集正常状态和故障状态下无线传感器网络链路质量信号；应用小波变换方法，进行小波包分解和系数重构，提取故障的特征向量；采用纠错输出编码法构造编码矩阵，实现网络故障多分类；利用LSSVC的学习机制，构造多分类问题的决策函数；建立系统状态与特征向量之间关系模型；依据网络运行决策函数值对发生的故障、潜在故障类型和区域进行识别诊断处理。

上述技术方案，进一步说明具体步骤如下：

第一步，采集无线传感器网络在正常状态和故障状态下的链路质量信号。

数据采集使用异步告警和主动轮询两种方式。以异步告警为主，主动轮询为辅，以便减少网络故障诊断带来的额外负担。

第二步，采用小波包分析对低信噪比的信号进行消噪，提取故障的特征向量。

系统出现故障时，明显会对某些频率成分起着抑制作用，而对另一些频率成分起着增强的作用。与正常系统输出相比，相同频带内信号的能量会有着较大的差别，因此，在各频率成分信号的能量中，包含着丰富的故障信息，某种或某几种频率成分能量的改变即代表一种故障情况。故采用小波包子带能量变化的方法提取故障特征。

通过对WSN运行状态数据进行小波包分解和系数重构，提取各频带范围的信号并求出各个频带信号的总能量，构造故障的特征向量。