复杂环境下无线传感器网络的实时故障诊断方法及系统的制作方法
【专利摘要】本发明公开了一种复杂环境下无线传感器网络的实时故障诊断方法及系统，所述诊断方法包括：S1、采用改进的k?medoids的聚类算法对预定区域内的传感器节点进行分簇；S2、根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点的Vote值，根据Vote值确定待诊断传感器节点的健康状态；S3、根据传感器网络找到故障节点的传感器实体，并进行维修。本发明通过三个阶段的故障诊断过程，让复杂环境下的传感器网络节点在经历分簇、诊断、维修的阶段后，能够及时有效的完成网络的维护。
【专利说明】
复杂环境下无线传感器网络的实时故障诊断方法及系统
技术领域
[0001]本发明涉及无线传感器网络(WSN)技术领域，特别是涉及一种复杂环境下无线传 感器网络的实时故障诊断方法及系统。
【背景技术】
[0002] 在当今信息技术飞跃发展的时代，以Internet为代表的网络给人们的生活带来了 巨大的变化。物联网技术从1999年诞生，2005年普及到2009年进入飞速发展阶段，已经成为 了当今信息化产业中重要的组成部分，其中无线传感器网络技术是物联网的关键性技术。 无线传感器网络是由大量、通信及存储能力有限的传感器节点通过一跳或多跳通信方式自 组织形成的一种无固定基础设施网络，用来感知、采集和实时传递监测对象的各种信息，其 整体结构原理参图1所示。
[0003] 无线传感器网络技术的应用也从研究最初集中于军事领域转向了民用领域，包括 了智能电网、智能交通、智能物流、智能医疗、智能家居等等，并且在这些领域发挥着越来越 大的作用。但是通常情况下，传感器节点都是很小的设备，而且多被部署于无人的恶劣环境 条件下，这就导致了网络中如果有节点发生了故障，很难及时有效的对这些故障节点进行 维修或者替换，这就产生了研究一种有效的无线传感器网络中故障诊断技术的需求。
[0004] 在现有的一些无线传感器网络中故障节点诊断的技术中，采用时空相关性原理设 计技术方案是相当主流的一类方式。但是这些技术方案在设计之初，考虑网络的部署环境 仅仅是单一、一致性的环境，在这里环境下这些诊断技术都会有较好的应用表现。但是在实 际的网络部署中，复杂的环境才是最常见的情况，在这类环境中，进行诊断前需要对网络中 的传感器节点进行有效的分类，这对解决复杂环境下的故障诊断有着至关重要的作用。
[0005] 因此，针对上述技术问题，有必要提供一种复杂环境下无线传感器网络的实时故 障诊断方法及系统。
【发明内容】
[0006] 有鉴于此，本发明的目的在于提供一种复杂环境下无线传感器网络的实时故障诊 断方法及系统，以对部署在复杂恶劣环境下的无线传感器网络中不期发生的故障节点及时 的诊断。
[0007] 为了实现上述目的，本发明实施例提供的技术方案如下：
[0008] -种复杂环境下无线传感器网络的实时故障诊断方法，所述诊断方法包括：
[0009 ] S1、采用改进的k-medo ids的聚类算法对预定区域内的传感器节点进行分簇；
[0010] S2、根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点的 Vote值，根据Vote值确定待诊断传感器节点的健康状态；
[0011] S3、根据传感器网络找到故障节点的传感器实体，并进行维修。
[0012] 作为本发明的进一步改进，所述步骤S1具体为：
[0013]根据实际环境确定簇的数量K;
[0014] 初始化K个聚类中心，随机选择K个传感器节点；
[0015] 初始化分簇，根据准则函数Ε选择最近的节点作为簇头；
[0016] 计算分簇后Κ个簇中所有传感器节点与其簇中心传感器节点的准则函数值Ε之和 为Μ值；
[0017] 判断Μ值是否足够小，若否，在每个簇中重新选择任一节点作为新簇头，使得Μ值降 低，并根据新簇头节点重新分簇，若是，产生分簇结构，并向传感器网络广播。
[0018] 作为本发明的进一步改进，所述步骤S1中，初始化分簇具体为：
[0019] 任意2个传感器节点之间用准则函数：
?行计算,?选择 准则函数最小的31作为其分簇的中心；
[0020] 其中，α、β表示常系数;du为俩个传感器节点间的距离，(^使用欧式距离计算或者 采用两个传感器之间的信号强度估算;PU表示两个传感器节点历史数据之间最近t次的相 异程度，
[0021] 作为本发明的进一步改进，所述步骤S1中，准则函数值E之和为Μ值具体为：
[0022]
[0023] 其中，W表示簇中心Sr节点的所在簇中传感器节点数目
为单独一个簇的Μ值。
[0024] 作为本发明的进一步改进，所述步骤S2具体为：
[0025] 选择待诊断传感器节点；
[0026]收集待诊断传感器节点及其邻居的数据，计算待诊断传感器节点的Vote值；
[0027]若Vote值小于或等于第一阈值，则判定待诊断传感器节点是故障节点；
[0028]若Vote值大于或等于第二阈值，则判定待诊断传感器节点是无故障节点；
[0029] 若Vote值大于第一阈值且小于第二阈值，则判定待诊断节点为不确定状态，更新 邻居的参考状态，收集待诊断传感器节点及其邻居的数据，重新计算Vote值，若Vote值小于 或等于第三阈值，则判定待诊断传感器节点是故障节点，若Vote值大于第三阈值，则判定待 诊断传感器节点是无故障节点。
[0030] 作为本发明的进一步改进，所述步骤S2中待诊断传感器节点使用Neighbor (Si)和 Ne i ghbor same (Si)中传感器节点参与诊断过程。
[0031] 作为本发明的进一步改进，所述步骤S2中待诊断传感器节点的Vote值具体为：
[0032]
[0033] 其中，Cij为节点Si与节点Sj是否一致的变量值， 为阈值，weight为投票表的权重系数值。
[0034] 作为本发明的进一步改进，所述步骤S2中的待诊断传感器节AS,的状态通过2轮 投票过程进行诊断分析。
[0035] 相应地，一种复杂环境下无线传感器网络的实时故障诊断系统，所述诊断系统包 括：
[0036] 传感单元，包括若干传感器及数模转换模块，若干传感器形成传感器网络，传感单 元用于采集周围物理环境信息并将信息进行数模转换；
[0037]处理单元，包括用于对传感单元数据进行处理的处理器及用于存储数据的存储 器；
[0038]通信单元，用于进行数据传输；
[0039] 电源单元，用于为传感单元、处理单元及通信单元提供能量供给。
[0040] 作为本发明的进一步改进，所述处理器还用于：
[0041 ]采用改进的k-medo ids的聚类算法对预定区域内的传感器节点进行分簇；
[0042]以及，根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点 的Vote值，根据Vote值确定待诊断传感器节点的健康状态。
[0043]本发明的有益效果是：
[0044] 通过三个阶段的故障诊断过程，让复杂环境下的传感器网络节点在经历分簇、诊 断、维修的阶段后，能够及时有效的完成网络的维护；
[0045] 通过分簇的过程，避免了复杂环境对诊断结果产生的不良影响；
[0046] 采用的分布式解决方案能够减少网络中节点的能量消耗，避免了传感器节点因为 过多的通信导致影响网络生命周期的困扰。
【附图说明】
[0047] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。
[0048]图1为无线传感器网络(WSN)的整体结构原理图；
[0049] 图2为本发明一【具体实施方式】中复杂环境下无线传感器网络的实时故障诊断方法 流程示意图；
[0050] 图3为本发明一【具体实施方式】中传感器节点分簇的具体流程图；
[0051] 图4为本发明一【具体实施方式】中传感器节点诊断的具体流程图；
[0052]图5为本发明一【具体实施方式】中复杂环境下无线传感器网络的实时故障诊断系统 的模块示意图。
【具体实施方式】
[0053]为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实 施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通 技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护 的范围。
[0054]本发明通过三个阶段的故障诊断过程，让复杂环境下的无线传感器网络节点在经 历分簇、诊断、维修的阶段后，能够及时有效的完成网络的维护，具体包括以下三步：
[0055 ]首先根据一种经过优化后的k-me d i ods的聚类算法，对无线传感器网络中的节点 进行区域划分，令每个传感器节点找到与之处于类似环境下的节点，他们共同构成属于自 己的一个传感器节点群(或者叫簇）。根据无线传感器网络具有的时空相关性的原理，相邻 的节点感知的数据应在一个可以接受的范围δ内；
[0056] 待检测的节点开始诊断过程后，就开始跟周围的邻居节点请求数据，收到数据后 与自己所采集的数据进行比较，然后统计邻居节点与自身数据的一致性，以Vote值作为衡 量一致性的参数。在确定Vote值的过程中，充分考虑节点周围邻居的状态，包括是否为故障 状态、是否在最近被诊断过、与待检测节点是否处于类似的环境等等条件。在2回合的状态 判定过程后，得到待检测节点的健康状态，最后将节点的诊断结果向基站发送，在基站记录 网络中所有的节点状态；
[0057] 最后，在记录中发现了故障节点后，可以根据网络的路由Map视图找到对应的传感 器实体，进行维修更换的操作。
[0058] 本发明中在无线传感器网络运行的过程中，传感器节点都需要根据时间、被诊断 的结果等信息及时调整自身的状态，在参与其他节点的故障判断过程中能够给出符合实际 的参考值。
[0059] 具体地，参图2所示，本发明一优选实施方式复杂环境下无线传感器网络的实时故 障诊断方法，具体包括：
[0000] S1、采用改进的k-medoids的聚类算法对预定区域内的传感器节点进行分簇；
[0061] S2、根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点的 Vote值，根据Vote值确定待诊断传感器节点的健康状态；
[0062] S3、根据传感器网络找到故障节点的传感器实体，并进行维修。
[0063] 其中，结合图3所示，步骤S1具体包括以下步骤：
[0064] 1)、根据实际环境确定簇的数量K。
[0065]用k-medoids的聚类算法对指定区域内的传感器节点进行分簇的操作，因为k-medoids的聚类算法需要知道簇的数量K，这里可以根据经验指定实验区域的分簇数量K，例 如教学楼可以根据教室、楼道等区域数量确定分簇的数量。
[0066] 2)、初始化K个聚类中心，在区域内随机选择K个传感器节点作为初始的聚类中心。
[0067] 3)、初始化分簇，根据准则函数E选择最近的节点作为簇头。
[0068] 任意2个传感器节点51与&之间用准则函獎
进行计算，&选择 准则函数最小的31作为其分簇(或聚类)的中心；
[0069] 其中，α、β表示常系数，可以根据实际情况进行调整；
[0070] du为俩个传感器节点间的距离，(^可以使用欧式距离计算或者采用两个传感器 之间的信号强度估算。优选地，本实施方式中采取RSSI的参数估计2个节点间的距离根据信
f 号强度决定，例如:不同信号强度划分| 1 PU表示两个传感器节点历史数据之间最近t次的相异程度（即与相似度相反），用 公另
I进行计算。
[0072] 4)、计算分簇后K个簇中所有传感器节点与其簇中心传感器节点的准则函数值E之 和为Μ值。
[0073] Μ值用公式如下计算：
[0074]
[0075] 其中，Nf表示簇中心Sr节点的所在簇中传感器节点数目 为单独一个簇的Μ值。
[0076] 5)、判断Μ值是否足够小，若否，在每个簇中重新选择任一节点作为新簇头，使得Μ 值降低，并根据新簇头节点重新分簇，若是，产生分簇结构，并向传感器网络广播。
[0077] 对于剩余的Ν-Κ个传感器节点，随机不重复的选取一节点个替换其所属的簇中心 节点，计算此时网络的准则函数值Ε之和，，如果，<Μ，跳转到步骤3)，否则Ν-Κ个传感器节 点进行尝试后Μ值无法进一步减小，则结束聚类过程，输出当前分簇的结果。具体步骤如下：
[0078] ^For i = l to N~K
[0079] _Ch〇〇Se节点Si替换其所属簇中心节点；
[0080] 计算替换后网络中准则函数值E之和W ;
[0081] Blf W <M
[0082] ?跳转步骤3);
[0083] >Re turn当前分簇结果
[0084] 结合图4所示，步骤S2具体包括以下步骤：
[0085] 选择待诊断传感器节点；
[0086]收集待诊断传感器节点及其邻居的数据，计算待诊断传感器节点的Vote值；
[0087]若Vote值小于或等于第一阈值(阈值1)，则判定待诊断传感器节点是故障节点； [0088]若Vote值大于或等于第二阈值(阈值2)，则判定待诊断传感器节点是无故障节点； [0089]若Vote值大于第一阈值(阈值1)且小于第二阈值（阈值2)，则判定待诊断节点为不 确定状态，更新邻居的参考状态，收集待诊断传感器节点及其邻居的数据，重新计算Vote 值，若Vote值小于或等于第三阈值（阈值3)，则判定待诊断传感器节点是故障节点，若Vote 值大于第三阈值(阈值3)，则判定待诊断传感器节点是无故障节点。
[0090]具体地，在本实施方式中待诊断传感器节点使用Neighbor(Si)(表示节点Si的所有 邻居节点）和/或Neighbors^UiK表示S,所有与之相同簇的邻居节点）中传感器节点参与 诊断过程，待诊断传感器节点的Vote值具体为：
[0091]
[0092] 其中，Cij为节点Si与节点Sj是否一致的变量值， 为阈值，weight为投票表的权重系数值。
[0093] 本实施方式步骤S2中的待诊断传感器节ASi的状态通过2轮投票过程进行诊断分 析，具体步骤及代码如下：
[0094]
[0096]
[0098:
[0099]
[0100] 相应地，参图5所示，本发明另一实施方式中还公开了一种复杂环境下无线传感器 网络的实时故障诊断系统，具体包括：
[0101] 传感单元10,包括若干传感器11及数模转换模块12,若干传感器形成传感器网络， 传感单元用于采集周围物理环境信息并将信息进行数模转换；
[0102] 处理单元20,包括用于对传感单元数据进行处理的处理器21及用于存储数据的存 储器22;
[0103]通信单元30,用于进行数据传输，优选地，通信单元30为无线收发模块31，以进行 无线通信；
[0104]电源单元40,用于为传感单元10、处理单元20及通信单元30提供能量供给。
[0105] 其中，处理器21具体用于：
[0106] 采用k-medo ids的聚类算法对预定区域内的传感器节点进行分簇；
[0107] 以及，根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点 的Vote值，根据Vote值确定待诊断传感器节点的健康状态。
[0108] 在本发明的一具体实施例中，使用Jennie无线开发板作为无线传感器网络中的节 点，加上温湿度传感器模块，构建如图1所示的WSN，用来监测指定区域的环境。
[0109] 首先通过PC端，根据图3所示流程，在基站完成传感器网络的分簇过程，然后，当需 要对网络中节点健康状况进行诊断时，通过PC端从基站向网络发送诊断的命令。每一个网 络中的节点依据图4的流程进行诊断，待检测的节点开始诊断过程后，跟周围的邻居节点请 求温湿度信息，收到数据后与自己所采集的温湿度值进行比较，然后统计邻居节点与自身 数据的一致性，以Vote值作为衡量一致性的参数。在确定Vote值的过程中，充分考虑节点周 围邻居的状态，包括是否为故障状态、是否在最近被诊断过、与待检测节点是否处于类似的 环境等等条件。在2回合的状态判定过程后，得到待检测节点的健康状态，最后将节点的诊 断结果向基站发送，在基站记录网络中所有的节点状态。在记录中发现了故障节点后，可以 根据网络的路由Map视图找到对应的传感器实体，进行维修更换的操作。
[0110] 由以上技术方案可以看出，本发明具有以下有益效果：
[0111] 通过三个阶段的故障诊断过程，让复杂环境下的无线传感器网络节点在经历分 簇、诊断、维修的阶段后，能够及时有效的完成网络的维护；
[0112] 通过分簇的过程，避免了复杂环境对诊断结果产生的不良影响；
[0113]采用的分布式解决方案能够减少网络中节点的能量消耗，避免了传感器节点因为 过多的通信导致影响网络生命周期的困扰。
[0114] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在 不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论 从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权 利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有 变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0115] 此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包 含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当 将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员 可以理解的其他实施方式。
【主权项】
1. 一种复杂环境下无线传感器网络的实时故障诊断方法，其特征在于，所述诊断方法 包括： 51、 采用改进的k-medo i ds的聚类算法对预定区域内的传感器节点进行分簇； 52、 根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点的Vote 值，根据Vote值确定待诊断传感器节点的健康状态； 53、 根据传感器网络找到故障节点的传感器实体，并进行维修。2. 根据权利要求1所述的诊断方法，其特征在于，所述步骤Sl具体为： 根据实际环境确定簇的数量K; 初始化K个聚类中心，随机选择K个传感器节点； 初始化分簇，根据准则函数E选择最近的节点作为簇头； 计算分簇后K个簇中所有传感器节点与其簇中心传感器节点的准则函数值E之和为M 值； 判断M值是否足够小，若否，在每个簇中重新选择任一节点作为新簇头，使得M值降低， 并根据新簇头节点重新分簇，若是，产生分簇结构，并向传感器网络广播。3. 根据权利要求2所述的诊断方法，其特征在于，所述步骤Sl中，初始化分簇具体为： 任意2个传感器节点51与&之间用准则函数进行计算，Sj选择准则 函数最小的Si作为其分簇的中心； 其中，α、β表示常系数;du为俩个传感器节点间距离，Cllj使用欧式距离计算或者采用两 个传感器之间的信号强度估算;PU表示两个传感器节点历史数据之间最近t次的相异程度，4. 根据权利要求3所述的诊断方法，其特征在于，所述步骤Sl中，准则函数值E之和为M 值具体为：其中，Nf表示簇中心Sr节点的所在簇中传感器节点数目， 单独一个簇的M值。5. 根据权利要求1所述的诊断方法，其特征在于，所述步骤S2具体为： 选择待诊断传感器节点； 收集待诊断传感器节点及其邻居的数据，计算待诊断传感器节点的Vote值； 若Vote值小于或等于第一阈值，则判定待诊断传感器节点是故障节点； 若Vote值大于或等于第二阈值，则判定待诊断传感器节点是无故障节点； 若Vote值大于第一阈值且小于第二阈值，则判定待诊断节点为不确定状态，更新邻居 的参考状态，收集待诊断传感器节点及其邻居的数据，重新计算Vote值，若Vote值小于或等 于第三阈值，则判定待诊断传感器节点是故障节点，若Vote值大于第三阈值，则判定待诊断 传感器节点是无故障节点。6. 根据权利要求5所述的诊断方法，其特征在于，所述步骤S2中待诊断传感器节点使用 Neighbor (Si)和Neighborsame (Si)中传感器节点参与诊断过程。7. 根据权利要求6所述的诊断方法，其特征在于，所述步骤S2中待诊断传感器节点的 Vote值具体为：其中，Cij为节点Si与节点Sj是否一致的变量值，先为阈 值，weight为投票表的权重系数值。8. 根据权利要求1所述的诊断方法，其特征在于，所述步骤S2中的待诊断传感器节点Si 的状态通过2轮投票过程进行诊断分析。9. 一种复杂环境下无线传感器网络的实时故障诊断系统，其特征在于，所述诊断系统 包括： 传感单元，包括若干传感器及数模转换模块，若干传感器形成传感器网络，传感单元用 于采集周围物理环境信息并将信息进行数模转换； 处理单元，包括用于对传感单元数据进行处理的处理器及用于存储数据的存储器； 通信单元，用于进行数据传输； 电源单元，用于为传感单元、处理单元及通信单元提供能量供给。10. 根据权利要求9所述的诊断系统，其特征在于，所述处理器还用于： 采用改进的k-medo i ds的聚类算法对预定区域内的传感器节点进行分簇； 以及，根据待诊断传感器节点及其邻居节点采集的数据，计算待诊断传感器节点的 Vote值，根据Vote值确定待诊断传感器节点的健康状态。
【文档编号】H04W24/04GK105933932SQ201610416372
【公开日】2016年9月7日
【申请日】2016年6月15日
【发明人】陈琪, 林政宽, 樊建席
【申请人】苏州大学