多变化环境监测系统的系统诊断结构与高效诊断算法分析与研究

In distributed systems and wireless sensor networks, fault processor or fault sensor cause the entire system misjudgment or paralysis, brought great losses to the system. Therefore, to ensure the reliability of the system is an important research topic. The purpose of diagnosis system is to find out the fault processor or fault sensor, so that the repaired or replaced, to ensure the reliability of the whole system. In mulit environment changes, the traditional system diagnosis have low efficiency, high power consumption, and high misjudgment rate problems. Aiming at these problems, this project will combine the characteristics of mobile nodes and multi environment changes to research of local diagnosis method. This method only needs to collect some testing results of a node for correctly judge one or some specific node state. It improve the diagnostic efficiency, save energy consumption and reduce the misjudgment rate of diagnosis. The research contents of this project include: diagnosis structure respectively to study suitable for PMC model, MM* model and BGM model; the design of efficient algorithm to reduce the total number of diagnostic tests, so as to improve test efficiency; analysis and the corresponding time complexity ofdiagnosis algorithms respectively bureau network and class given randomly constructed a network such as thehypercube; and in the actual environment to wireless sensor network performance testing by experiment.

在分布式系统与无线传感器网络中，故障处理器或传感器会因运算结果不正确或感测信息错误，造成整个系统的误判或瘫痪，给系统带来重大损失。因此如何确保系统的可靠性是重要研究课题。系统诊断的目的就是找出故障处理器或传感器，以便进行维修或更换，确保整个系统的可靠性。传统的系统诊断面对多变化的环境存在着诊断效率低、耗电量大、误判率高等问题。针对这些问题，本项目将针对多变化环境与移动节点的特性研究局部诊断方法，该方法仅需通过收集系统中部分的节点相互测试结果即可正确判断某个或某些特定节点的状态，提高诊断效率、节省诊断所消耗的能源并降低误判率。本项目的研究内容包括：分别研究适用于PMC模型、MM*模型和BGM模型下的诊断结构；设计高效诊断算法以减少测试总次数，从而提高测试效率；分别给出随机构造的网络与类超立方体等网络上的局部诊断算法并分析相应的时间复杂度；并在实际环境中以无线传感器网络上通过实验进行性能测试。

本项目主要对设置于多变化环境的具移动节点的无线传感器网络的节点故障诊断问题展开研究。研究内容主要由网络结构与系统诊断评估分析、 链路质量评估与预测方法、 分群与系统诊断策略选择机制和研究方法的综合验证 4 部分组成。网络结构与所采用的系统诊断模型有着密不可分的关系，选择不适当的系统诊断模型会导致高误判率发生，而失去系统诊断的实际意义。首先，本项目分别研究了PMC, BGM,和MM*模型下，不同的网络结构的可诊断度以及相应的诊断算法。在PMC 模型的基础上，本项目对于不存在 K3 子图的网络的条件可诊断性和类超立方体网络同时存在坏边或者硬故障顶点时系统可诊断度进行了研究。在BGM模型下，本项目提出满足故障及条件下的局部诊断算法并进行验证。在MM*模型下，本项目研究了连通的r正则无K3子图的图G的可诊断度为r当且仅当G不同构于G8与Z10。同时在网络结构特性上，该项目深入研究了超立方体，BCDC，Mesh和k-Ary n-Cubes等不同网络结构的条件连通度、哈密尔顿圈和路嵌入以及独立生成树等性质。这些研究成果将有助于 PMC,BGM,MM*模型应用于一般的网络结构，同时也解决了各个模型在各类型网络中的可诊断度问题，进而对诊断模型与网络结构的适用性问题研究做出很大的突破。然后，项目组采用自行开发的ZigBee实验平台针对链路质量评估进行测试，该实验对推动链路质量的评估和预测模型的研究有重要的意义。同时，该研究开发出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，该方法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。该成果提出一种系统诊断策略和选择机制，成功地解决了链路状态高度动态化和不可预测的问题。