[发明专利]无线传感器网络故障检测方法

说明书

技术领域

本发明涉及无线传感器网络技术领域，特别涉及一种无线传感器网络故障检测方法。

背景技术

无线传感器网络中，节点故障主要分两种类型，硬故障和软故障。所谓硬故障，是指节点本身的某一模块发生故障，不能正常完成与其他节点间的数据通信功能。软故障，则指传感器节点虽然发生故障，但仍可以继续工作并与其他节点通信，只是节点所感知或传送的数据不正确。近年来，提出的无线传感器网络故障检测方法主要面向软故障节点，借助数据分析的方法进行故障诊断。现有方法中比较流行的技术主要包括概率分析法和邻居节点比较法两大类。

基于概率分析的无线传感器网络故障检测方法以国外学者（Krishnamachari B，Iyengar S）提出的贝叶斯故障识别方法为代表，目前国内并没有形成相关的专利。同时还出现了一些以此为基础的改良方法。贝叶斯故障识别方法假设所有传感器节点的健康状况都相同，每个节点发生故障的概率为p，然后运用概率推理的方法，计算出当前节点的事件感知结果同实际事件不相符合的先验概率值。最后，该方法根据此先验概率值是否超过给定的门限值来判断节点是否发生了故障。贝叶斯故障识别方法在故障诊断的过程中，并不过多关注节点实际的感知数据，直接从理论分析的角度给出了故障诊断结果。

邻居节点比较法的理论前提是：在无线传感器网络中，节点测量数据在空间上呈现出一定的相似性，即事件具有空间相关性，而故障节点在空间上不具备相关性。现有申请号为201110342475.5和200810060361.x的专利，均借助传感器节点感知数据在空间上的相似性完成故障节点的诊断工作。检测方法首先通过差值比较获得节点与其所有邻居节点间的测试结果，测试结果为0或1，0代表两个节点的数据具有相似性，1代表不具有相似性。然后针对任意节点，在其邻居节点中初步检测状态为可能正常的节点中，若与该节点间测试结果为0的节点数大于等于测试结果为1的节点数，则认为该节点的状态正常，反之为故障。后来还出现了一些邻居节点比较法的改良方法，这些方法不仅考虑了事件的空间相关性，还考虑了故障的时间相关性，认为故障在时间上会呈现出一定的持续性，引入了滑动窗口机制，实现对临时故障的容忍。

现有技术存在以下缺陷：

假设前提不合理，普适性较差，仅仅适用于理想或实验环境中故障节点的诊断。在无线传感器网络中，传感器节点大都部署在无人值守的，相对恶劣的工作环境中，加之传感器节点都是一些低端的不可靠设备，所以贝叶斯故障识别方法中所有节点发生故障的概率都相同的假设并不成立；邻居节点比较法也在方法中先后两次采用了预定义的比较阈值，然后根据阈值来判断相邻节点的感知数据是否具有相似性。不同的监测环境对于定义监测值相似性的标准不相同，预定义的比较阈值普适性比较差。

仅对节点当前时刻的状态作定性的0/1决策，诊断结果要么为故障节点，要么为正常节点。节点的工作状态也应该具备一定的连续性，先前工作状态较好的节点，其当前感知数据可靠的概率也比较大，反之先前处于亚健康状态的节点，当前则可能会呈递可靠度不高的数据。上述提到的两种故障诊断方法都只关注节点某一次的测量值，然后给出定性的判断，忽略了节点历史工作状态和当前状态之间的关联性，降低了检测方法的科学性。

能耗较大，故障检测准确率偏低。在邻居节点比较法中，节点间需要进行大量的数据交换，能耗较高，严重影响了传感器网络的寿命。并且随故障节点数目的增多，邻居节点比较法的故障检测准确率也会急剧下降。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何实现能耗较小且具有较高故障检测准确率的无线传感器网络故障检测方法。

（二）技术方案

为解决上述技术问题，本发明提供了一种无线传感器网络故障检测方法，包括以下步骤：

S1：实时检测传感器节点的实际测量值，并根据预定义的健康级别标准确定节点的健康级别；

S2：根据所述健康级别实时更新所述节点的信誉值；

S3：根据所述信誉值判断所述节点是否发生故障。

其中，所述步骤S1具体包括：