基于粗糙神經(jīng)網(wǎng)絡(luò)的WSN節(jié)點(diǎn)故障診斷.pdf

1、無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wirelss Sensor Network,WSN)技術(shù)作為當(dāng)前的新技術(shù)研究熱點(diǎn)之一，在軍用和民用等許多領(lǐng)域都具有極高的研究?jī)r(jià)值和廣泛的應(yīng)用前景。但是隨著WSN系統(tǒng)的自動(dòng)化程度不斷提高，WSN系統(tǒng)的結(jié)構(gòu)也變得越來(lái)越復(fù)雜，并且因?yàn)閃SN主要工作于復(fù)雜條件和惡劣環(huán)境中，WSN節(jié)點(diǎn)要承受風(fēng)吹、日曬、雨淋等諸多不利因素的影響，很容易發(fā)生故障，導(dǎo)致WSN節(jié)點(diǎn)不能按預(yù)定的設(shè)計(jì)完成原有的任務(wù)功能，更何況WSN的大多數(shù)節(jié)點(diǎn)的工作環(huán)境的

2、條件差異不大，多數(shù)節(jié)點(diǎn)一同發(fā)生故障的概率較高，以致于造成WSN的整個(gè)網(wǎng)絡(luò)癱瘓。因此，實(shí)時(shí)地對(duì)WSN節(jié)點(diǎn)的工作狀態(tài)進(jìn)行監(jiān)控，準(zhǔn)確及時(shí)的進(jìn)行WSN節(jié)點(diǎn)的故障診斷，能有效提高WSN運(yùn)行的可靠性和安全性，保證WSN能有效發(fā)揮設(shè)計(jì)潛能完成預(yù)定的監(jiān)控任務(wù)。
　　本文首先對(duì)WSN節(jié)點(diǎn)的故障特點(diǎn)、故障類(lèi)型及故障模型進(jìn)行研究；然后在深入研究Rough Sets理論和神經(jīng)網(wǎng)絡(luò)算法各自特點(diǎn)的基礎(chǔ)上，分析Rough Sets理論與神經(jīng)網(wǎng)絡(luò)算法集成的可能性

3、，并深入研究Rough Sets理論與神經(jīng)網(wǎng)絡(luò)算法集成的主要方式。根據(jù)WSN節(jié)點(diǎn)故障診斷特點(diǎn)選擇BP神經(jīng)網(wǎng)絡(luò)模型作為神經(jīng)網(wǎng)絡(luò)的典型代表與Rough Sets算法相集成，由于傳統(tǒng)BP網(wǎng)絡(luò)算法存在易陷入局部極小以及收斂速度慢的固有缺陷，本文在深入分析BP網(wǎng)絡(luò)算法原理的基礎(chǔ)上，提出一種附加動(dòng)量項(xiàng)的自適應(yīng)學(xué)習(xí)率的BP算法（Additional Momentum Self-Adaptive BP，AMSABP），并針對(duì)WSN實(shí)際應(yīng)用中故障監(jiān)測(cè)系統(tǒng)

4、的輸入條件屬性值為連續(xù)數(shù)值的情況，創(chuàng)新性的提出了基于Rough Sets屬性約簡(jiǎn)算法與AMSABP算法相集成的故障診斷算法，即RS-AMSABP故障診斷算法，RS-AMSABP算法首先利用Rough Sets的屬性約簡(jiǎn)算法對(duì)WSN節(jié)點(diǎn)的故障診斷決策表進(jìn)行約簡(jiǎn)，得到WSN節(jié)點(diǎn)的最簡(jiǎn)故障診斷決策表，并由該決策表建立決策規(guī)則，最后根據(jù)決策規(guī)則建立AMSABP網(wǎng)絡(luò)模型；WSN節(jié)點(diǎn)故障診斷仿真實(shí)驗(yàn)表明，與其他故障診斷算法相比，本文提出的RS-AM

5、SABP算法在大大提高了網(wǎng)絡(luò)收斂速度的情況下，故障診斷的正確率也大幅提高，故障診斷正確率達(dá)到99.74％，并且該算法具有很好的容錯(cuò)性。
　　由于WSN實(shí)際工作于復(fù)雜及惡劣的環(huán)境中，要承受天氣條件、環(huán)境干擾諸多不利因素的影響，WSN節(jié)點(diǎn)發(fā)生故障時(shí)，節(jié)點(diǎn)的故障監(jiān)測(cè)系統(tǒng)的輸入條件屬性值極有可能為區(qū)間數(shù)，本文提出基于含有區(qū)間數(shù)的粗糙元神經(jīng)網(wǎng)絡(luò)(Interval-Numbers Rough Neural Network，INRNN)故障診斷

6、算法，該算法創(chuàng)新性引入含有區(qū)間數(shù)的粗糙決策分析方法，并提出采用區(qū)間數(shù)的上、下限端點(diǎn)值作為粗糙神經(jīng)元的輸入構(gòu)造粗糙神經(jīng)元，從而可以用含有區(qū)間數(shù)的粗糙元神經(jīng)網(wǎng)絡(luò)解決含有區(qū)間數(shù)的WSN節(jié)點(diǎn)故障診斷問(wèn)題，基于INRNN網(wǎng)絡(luò)的WSN節(jié)點(diǎn)故障診斷實(shí)驗(yàn)表明，與其他故障診斷算法相比，INRNN算法的網(wǎng)絡(luò)收斂速度快，故障診斷正確率高達(dá)99.57%。
　　本文針對(duì)WSN節(jié)點(diǎn)的故障診斷問(wèn)題，提出了一整套有效的解決方案，采用本文提出的RS-AMSABP算