论文摘要
无线传感器网络是由大量部署在目标区域内的节点构成,是一个高集成的网络系统,并且在现代社会中发挥越来越重要的作用,拥有良好的应用前景。伴随着传感器网络规模的扩大,节点在自己的生命周期中受制造工艺、实际环境、节点能源等因素的影响,非常容易发生故障并对网络结构造成影响。无线传感器网络节点经常部署在一些特殊区域,人类常常是无法直接的进行设备维护。所以迫切需要实用的故障诊断技术应用到无线传感器网络节点故障诊断。无线传感器网络节点故障诊断技术有别于传统的故障诊断技术,网络结构的特殊性决定了故障检测算法对能量有效性的要求。必须提出依托无线传感器网络模型的故障诊断算法,充分发挥网络信息交互的优势,又能避免冗余信息大,链路复杂的缺点。本文发挥研究无线传感器层次性结构的优势,依托良好的分簇算法,实现无线传感器网络簇内节点的故障检测,根据簇头节点检测的簇内节点信息差异,取得了较好的故障信息分类效果。本文在无线传感器网络节点故障诊断和容错算法两个方面进行了深入的研究,节点故障诊断算法是在线实时的分析网络节点的运行状态,当节点信息异常或者能量耗尽的时候就会脱离网络结构,不再参与节点之间的信息发送与接收。无线传感器网络容错算法是指为了增强网络的稳定性,即使部分节点故障或失效的情况下,仍然能够最大化的提高网络的性能,包括提高因为节点失效而造成的覆盖率下降和建立的稳定路由保证节点间的通信可以继续进行。本文主要的研究内容及创新点如下所示:（1）提出了量子小波神经网络与无线传感器网络模型相结合,利用量子小波神经网络固有的模糊性,实现了耦合较强的传感器终端节点故障信息的识别。量子小波神经网络是在小波神经网络中引入量子态叠加的思想,使得隐层激励函数是几个Morlet小波基的线性叠加,神经元能表示更多的状态和量级,提高收敛速度和诊断精度。通过量子间隔的调整,使得网络在故障模式分类时减少了不确定性。（2）传感器节点在复杂的目标区域中采集的数据经常是含有一定的噪声和干扰,为了剔除数据的奇异项、去除数据趋势项、数据的数字滤波,经常要进行数据的预处理,本文采用了平滑化处理的卡尔曼滤波技术,使得样本数据能够较好的保持原有特征,并趋向于期望数据。（3）针对原有分布式节点故障检测方法（Distributed Fault Detection, DFD）计算复杂性高,受节点故障率影响大的缺点,提出了一种改进的分簇式DFD无线传感器网络节点故障诊断算法,应用本文提出的LEACH-DFD分簇算法,应用簇头节点检测异常节点,每一簇采用优化的阈值,使得诊断精度得到提高。（4）针对自组织覆盖完成后的无线传感器网络,当某一节点失效后造成的覆盖率下降这种情况,应用粒子群的全局搜索能力,在故障区域内采用粒子群优化覆盖算法,实现部分节点的重新覆盖,提高了网络的覆盖率,并且保证节点之间的连通性。（5）基于图论的方法,建立了基于Hamilton圈的稳定路由,使得Sink节点（汇聚节点）接入Hamilton圈后,对网络所有节点的遍历通讯距离和最小,有效的节约节点能源。并且在当较多节点因为故障或能源耗尽而脱离无线传感器网络时,仍然能够建立稳定的路由结构,尽可能的延长网络的生命周期。