一种基于数据融合的传感器故障识别系统及方法与流程

本发明属于农业物联网技术领域，具体涉及一种基于云模型的传感器故障识别系统及方法。

背景技术：

传感器是设施农业温室环境测控系统的重要组成部分，其监测的主要对象是温室环境参数，因此传感器采集的环境数据具有变换缓慢、冗余性强等特点。由于农业物联网系统所处的环境复杂，数据采集与传输过程中易受到高温、高湿、污染、电磁干扰等恶劣环境，使得传感器极易发生故障，使其采集数据的可靠性、稳定性、准确性都难以保证的。

申请号“cn20120176322.2”的一种传感器故障诊断方法及诊断装置，其利用接收传感器的输出信号，应用小波包对输出信号进行分解，筛选出具有最大幅值的小波包变换系数，保留可以表征故障特征的数据。根据传感器各频率成分能量的变化率进行特征提取，获得特征向量，将这些特征向量输入到指定的神经网络中，最终得到传感器的故障类型，从而能够有效诊断传感器的突变故障。

技术实现要素：

本发明的目的在于提供一种基于云模型的传感器故障识别系统及方法，以实现对温室内传感器节点的故障进行有效的识别与诊断，并能够利用故障诊断方法实现诊断与数据恢复，有效的提高传感器节点采集数据的准确性，简单快捷。

为了解决以上技术问题，本发明所采用的具体技术方案如下：

一种基于云模型的传感器故障识别系统，其特征在于：基于物联网技术的温室环境测控系统实现；所述识别系统具体由传感器节点、控制设备、汇聚节点、控制节点、继电器、协调节点、智能网关组成；

传感器节点通过数据线连接汇聚节点，汇聚节点、控制节点通过zigbee自组网无线连接于协调节点，协调节点通过数据线连接智能网关，继电器通过数据线连接在控制节点；

传感器节点采集的温室环境数据在汇聚节点处理、封装，再通过协调节点传输至智能网关；智能网关实现解析、处理、决策、控制等功能，控制信息通过协调节点传输给控制节点；控制节点对控制信息进行解析，控制继电器实现控制设备动作，并返回设备的状态信息。具体包括以下步骤：

步骤一，传感器节点异常数据故障识别

对传感器采集的信息进行数据挖据，利用基于空间相似性的传感器节点异常数据故障识别方法检测传感器节点采集数据的异常值；具体为：利用设施农业中传感器节点采集的环境数据的空间相似性对传感器节点信息进行比较，环境信息相近时则传感器节点存在全部正常或故障可能、信息不同时则至少有一个故障传感器节点；轮询传感器节点进行节点信息比较，当环境信息相近的个数大于阈值时，则传感器节点正常，反之，传感器节点数据异常；

步骤二，传感器故障诊断

针对数据异常点，利用基于时空相关性的预测值为输入量；利用数据融合算法融合预测值生成最终估计值；具体为：利用基于本传感器历史数据的时间相关性生成当前时刻的预估值；利用同质传感器、异质传感器当前时刻数据，建立基于空间相似性的本节点数据预估值；

以多种预测方法的预估值为输入量，利用基于云模型的数据融合算法重构传感器异常点的最优估计值；

预测值与量测值进行比较，并根据提取的故障特征判断传感器节点的故障类型，最终实现基于数据融合的温室环境测控系统故障诊断。

所述时空相关性的预测值包括基于时间相关性的时间预测值、基于空间相似性的空间预测值。

所述数据融合算法是一种基于云模型的数据融合算法。

所述基于云模型的数据融合算法是利用时空相关性预测值进行云特征值提取，利用云正向发生器产生云滴；该云滴呈现标准正态分布n(0,1)；以大量云滴为基础，利用云逆向发生器产生异常数据估计值。

所述空间预测值包括同质传感器预测值、异质传感器预测值。

本发明具有有益效果

本发明通过对传感器采集的数据进行处理，利用传感器节点环境信息的空间相似性实现异常点的故障识别，再利用异常点历史数据的时间相关性预测当前时刻信息和同质传感器节点间与异质传感器节点间的空间相关性预测本节点信息，多种预测信息基于云模型的数据融合算法产生本节点当前时刻的最优估计值，通过量测值与估计值比较，并根据故障特征提取来判断故障类型，使得实现传感器的故障诊断。本发明通过对传感器故障的识别，使得实现传感器故障数据重构，使得测控系统的决策控制具有准确的输入量，提高测控系统的可靠性，减少测控系统误动作的可能性，有利于温室内经济作物的生长。

附图说明

图1是本发明基于数据融合的传感器故障识别结构图；

图2是本发明基于物联网的温室环境测控系统结构图；

图3是本发明传感器节点异常数据故障识别方法流程图；

图4是本发明传感器故障诊断方法框图。

具体实施方式

为了使本发明的内容更容易被清楚地理解，下面根据具体实例并结合附图，对本发明作进一步详细说明。

本发明的基于数据融合的传感器故障识别结构如图1所示：

本发明构建了一套基于物联网的温室环境测控系统，以该系统采集的环境数据为原始数据，对传感器采集的环境信息进行数据挖据，利用基于空间相似性的传感器节点异常数据故障识别方法找出传感器节点采集数据的异常值，利用基于时空相关性的传感器故障诊断方法实现传感器数据预测，并结合故障特征提取实现传感器故障的诊断以及故障点数据重构。

本发明的基于物联网的温室环境测控系统结构如图2所示：

本发明设计了一套基于物联网的温室环境测控系统，实现了温室环境测控智能网关对测控网络统一管理、温室环境测控数据同步传输等功能，实现了对温室环境信息的采集、控制，实现了对测控系统通信状态的检测。

测控系统利用传感器采集温室环境信息，将各传感器信息在采集节点封装成数据包，该数据包经汇聚节点传输至智能网关。智能网关对数据包进行解析、处理、判断、决策等操作，将控制信息通过汇聚节点传输至控制节点，从而实现控制设备的动作，进而实现对温室环境的调控；并且智能网关通过无线网络实现与服务器端通信，实现网页和手机app的显示与控制。

本发明的传感器节点异常数据故障识别方法流程图如图3所示：

传感器节点之间进行比较，当|xi(t)-xj(t)|<δ(δ为传感器节点突变阈值)，则表示比较点环境参数数据相似，ci加1。否则，ci不加1。依次比较相邻节点的信息，比较结束后，如果ci>θ,则表示传感器节点vi的状态正常，否则，当ci≤θ时传感器节点vi的状态异常，实现传感器节点的故障识别。

本发明的传感器故障诊断方法如图4所示；

传感器故障诊断方法是利用基于时空相关性的预测值为输入量，其中时空相关性包括基于时间相关性、空间相似性。

时间相关性是指通过对温室wsn测控系统监测环境数据进行分析发现，温室内环境参数变化缓慢，当前时间段的温度受到前一刻温度的影响，是以历史数据为基础的，在故障诊断方法中生成基于时间相关性的时间预测值。

空间相似性是指对同区域进行监测时，不同传感器在同一时刻采集的温室环境参数之间存在着关联。在测控系统运行过程中，发现相邻传感器之间不同或相同类型传感器采集的数据之间存在着线性关系。空间相似性依据采用对比的传感器类型不同，可将其分为同质传感器相似性和异质传感器相似性。

上文所述的空间相似性包括同质传感器空间相似性、异质传感器空间相似性等，基于上述的空间相似性分别得到基于同质传感器的空间预测值、异质传感器的空间预测值。

以各种类型的时间相关性预测值、空间相似性预测值为输入变量，利用基于云模型的数据融合算法，建立云正向发生器得到大量云滴，基于云逆向发生器得到最优估计值。

利用上述的数据融合算法融合预测值生成最优估计值，通过与量测值比较，并基于提取的故障特征实现传感器故障的诊断，实现传感器故障节点数据的重构，从而实现故障节点的数据恢复。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。