轻量级的无线传感器网络实时故障诊断技术研究

作为物联网底层技术支撑的无线传感器网络，由于无线通信易受干扰，资源受限、网络动态而又无人值守，在运行过程中极易发生各种故障，使网络的稳定性和可靠性较差。要保证节点在恶劣环境下正常工作，真实、有效地采集数据，实施准确、实时、低耗的故障诊断是运行管理中的重要问题。本项目旨在展开轻量级的实时故障诊断技术研究，从基本理论和实现方法角度研究其中的三个重要问题：研究低耗的被动式故障诊断技术，着眼于数据时空特征提取和挖掘，从中找出隐含的网络状态关联，以充分利用网络常规监测数据；利用信息隐藏技术低开销的优势，研究轻量级的主动式故障诊断技术，在不占用传输带宽、不影响节点正常工作的前提下，主动获取相关信息展开诊断工作；研究故障的多维度信息分离技术，采取智能规划方法对故障定位、定性，找到和解决引起故障的原因，从根源上保证网络的健康、稳定运行。在此基础上研究轻量级的主动式诊断理论框架，并搭建故障诊断原型系统。

该项目旨在展开轻量级的实时故障诊断技术研究，从基本理论和实现方法角度研究其中的三个重要问题：为能充分利用WSNs中蕴含了丰富的网络运行状态信息的数据，本课题研究轻量级的被动故障诊断技术，从节点采集的数据中获取可真实反映故障的特征，并对优选出的特征降维、融合，用于实施故障诊断，以降低诊断的开销、提高诊断的准确率。故障诊断过程不主动发起状态轮询、探测等动作，对节点而言也没有额外的负担，实验结果表明：在没有额外增加网络诊断开销的前提下，仅通过对历史数据的分析，即能达到95%的诊断率。利用该方法选择出来的特征集，在特征维数减少至原有数量的40%时还能获得比先前诊断方法更好的性能。.通过对现有无线传感器网络故障诊断技术的分析，发现被动诊断方式精度低、主动诊断方式开销大，很难达到诊断精度和网络开销间的平衡。针对这种情况，提出基于信息隐藏技术的轻量级的主动式故障诊断方案。节点自主地收集网络运行过程中的相关状态信息，应用信息隐藏技术嵌入到常规数据中；基站从接收的数据包中提取网络信息，再利用相关矩阵实施诊断。本方案降低了诊断信息获取过程的开销，对监测数据改变很小，不影响网络正常工作。实验结果表明，在达到同等诊断精度的条件下，与其他主动式技术相比网络生命周期平均延长42.5%，具有能量高效的特点。.本课题运用智能规划策略，研究节点状态倾向的识别技术，提出层次化的节点动态识别模型，挖掘出故障与节点状态之间的关联规则，采用Bayes概率推理方法来推导网络中的不确定性信息，从节点的动作中挖掘出引起这些行为的本质原因。仿真实验证明了该模型的可行性和有效性，但对于该技术的更复杂的Bayes网络构造及算法的效率还有待进一步的深入研究和提高。项目成果证实了轻量级的故障诊断模式方法对于资源受限的WSNs的有效性，尤其是在GreenOrbs的实际应用过程十分稳定。截至目前，发表Infocom会议论文一篇，SCI期刊论文1篇，核心期刊论文2篇，专利授权1项。