-
公开(公告)号：CN109922492A
公开(公告)日：2019-06-21
申请号：CN201910150820.1
申请日：2019-02-28
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于移动充电传感器的无线传感器故障检测方法，其先采用最小簇均匀分簇算法对整个无线传感器网络进行均匀分簇，使每个簇中的簇成员节点个数都相同，且分簇之后的簇头个数最少，每个簇的簇头通过广播的方式告知簇成员节点提交感知数据，簇成员节点接收到广播消息后将自身感知数据发送给簇头，再采用故障检测算法，簇头对自身感知数据以及接收到的感知数据进行分析计算，得到簇内所有节点的状态信息，并进行存储，最后规划最短路径，利用移动充电传感器按照最短路径移动，以对每个簇的簇头进行充电并将簇头所存储的状态信息反馈到基站。
-
公开(公告)号：CN109688602A
公开(公告)日：2019-04-26
申请号：CN201910151493.1
申请日：2019-02-28
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于节点预状态的无线传感器故障检测算法，网络中的每个节点首先根据时间相关性的特点，通过对传感器节点历史数据的处理，对传感器节点的状态进行初步诊断，再根据节点间的空间相关性原理，通过与邻居节点所感知的数据进行比较，从而确定节点的最终状态，并将测试状态为正常的节点的状态向网络中其他节点进行扩散。当节点出现固定值故障、瞬时故障和故障率过高时都有很好的诊断率。仿真结果表明，本章所提出的故障诊断算法有效地减少了节点间的通信代价和能量消耗，从而延长了无线传感器网络的生存周期。
-
公开(公告)号：CN109640335B
公开(公告)日：2022-02-08
申请号：CN201910150809.5
申请日：2019-02-28
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于卷积神经网络的无线传感器故障诊断方法，步骤如下：1）构建由1个基站、1个移动小车以及若干个可充电无线传感器节点构成的无线传感器网络系统模型；2）在基站构建依序连接有输入层、隐含层、全连接层和输出层的卷积神经网络；3）利用移动小车收集所有节点的感知数据并传输到基站存储，并转化成矩阵形式；4）将矩阵形式的感知数据输入到卷积神经网络中进行训练和自身学习，通过卷积层卷积核提取数据特征、池化层对数据特征进行压缩、全连接层连接最后两层、输出层输出最终数据分类结果；5）卷积神经网络根据数据分类结果将每一类对应着相应的传感器故障类型进行故障诊断，通过输出层输出节点诊断状态。
-
公开(公告)号：CN109640335A
公开(公告)日：2019-04-16
申请号：CN201910150809.5
申请日：2019-02-28
Applicant: 福建师范大学
CPC classification number: H04W16/225 , G06N3/0454 , G06N3/08 , H04W24/04 , H04W40/02 , H04W40/10 , H04W84/18
Abstract: 本发明涉及一种基于卷积神经网络的无线传感器故障诊断算法，步骤如下：1）构建由1个基站、1个移动小车以及若干个可充电无线传感器节点构成的无线传感器网络系统模型；2）在基站构建依序连接有输入层、隐含层、全连接层和输出层的卷积神经网络；3）利用移动小车收集所有节点的感知数据并传输到基站存储，并转化成矩阵形式；4）将矩阵形式的感知数据输入到卷积神经网络中进行训练和自身学习，通过卷积层卷积核提取数据特征、池化层对数据特征进行压缩、全连接层连接最后两层、输出层输出最终数据分类结果；5）卷积神经网络根据数据分类结果将每一类对应着相应的传感器故障类型进行故障诊断，通过输出层输出节点诊断状态。
-
-
-
Search Results
4
records
(took 0.021 seconds)
