[发明专利]一种基于免疫机理的无线传感器网络故障诊断方法

权利要求书

1.一种基于免疫机理的无线传感器网络故障诊断方法，包括：①利用传感器节点的空间相关性搭建故障诊断库；运用具有空间相关性的检测器，在同一区域内的传感器节点首先对感知到的数据进行自我检测，当超过设定的阈值时判定为异常检测，初步认为该传感器节点发生故障，将信息传给具有空间相关性的邻居传感器节点进行二次判定，若判定为故障，则认为传感器节点发生故障；②基于空间相关性的故障免疫诊断方法，在检测器生成和更新进程中，在空间相关性的诊断方法的基础上引入免疫机理，基于免疫系统与无线传感器网络故障检测诊断的属性关联和传感器节点的空间相关性，实现传感器节点故障的检测与诊断；

故障特征的提取，针对传感器节点的故障信号特征运用一种综合的传感器节点信号特征提取方法，根据传感器输出信号的特点，对传感器节点的不同频带通过小波包变换中的能量变化方法进行分解，获得频带的能量分布特性，确定故障特征，利用Fisher变换进行特征向量的提取；

设X＝{x₁,x₂,…,x_m}为训练样本集，对应的样本向量φ(X)，设有ω₁,ω₂,…,ω_c共c个类别，其中m为样本数，x_i为n维列向量，第j类样本集X_j，其中j＝1，2…，c，样本数为m_j；则核Fisher鉴别函数为

其中为类间离散度

为特征空间H中所有训练样本的均值

为类内离散度

其中其中i＝1，2…，p；j＝1，2，…n_j；为特征空间H中第i类第j个训练样本；

为核类间散度矩阵

为核类内散度矩阵

其中α为最佳核鉴别向量，d个最大的特征值对应的最佳鉴别向量为α₁,α₂,…,α_d，此时一组最佳鉴别向量ν₁,ν₂,…,ν_d，v为任一非零向量；

核Fisher判别方法对训练样本进行特征提取，特征提取的步骤如下：

步骤1，和函数K(x_i,x_j)＝φ(x_i),φ(x_j)的选取，按照式(3)、(5)、(6)、(7)求解核类内散度矩阵核类间散度矩阵

步骤2，通过K_bα＝λK_wα，求解最佳鉴别向量为α₁,α₂,…,α_d；

步骤3，利用其中j＝1，2…，c；求解最佳鉴别向量ν₁,ν₂,…,ν_d；

步骤4，利用将采样数据集向最佳的核判别矢量方向投影，得到数据集最优的核Fisher特征矢量；

节点故障类型判定的先决条件是进行故障特征的提取，为搭建故障诊断库做准备，通过故障特征的提取建立数据故障免疫库；

检测器的种群的更新和优化，在对自体与非体的检测当中，检测器检测到的区域有重叠的区域，影响对故障检测的准确度；利用传感器节点的空间相关性的适应度函数对检测器的种群进行优化；检测器的种群优化方法的具体步骤如下：

步骤1，在生成的检测器种群中随机选择一个检测器dr_i，在具有空间相关性的区域内选取m个邻居传感器节点集合

步骤2，定义检测器dr_i在具有空间相关性的区域内传感器节点的间距为假定m个邻居传感器节点距离是d(dr_i)，最大检测距离为d_Max(dr_i)；

步骤3，检测器dr_i在具有空间相关性的区域内检测到的传感器节点的密度

|N_m(dr_i)|表示的是在同一区域内具有空间相关性具有空间相关性的传感器节点组成的集合中元素的个数；

步骤4，计算在具有空间相关性的区域内的离散程度

步骤5，di(dr_i)较小时，认为检测器dr_i与邻近的检测器之间距离相当，重叠的区域较少，认为该检测器在检测密度较小的区域，检测效果较好，保留在检测器种群中；否则，剔除该检测器。