楊明莉　陳曉偉　趙軍

摘 要： 傳統(tǒng)無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位方法無法有效處理節(jié)點(diǎn)功率波動(dòng)以及模糊環(huán)境對(duì)故障節(jié)點(diǎn)定位精度的干擾。提出基于小波神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位方法，分析了小波神經(jīng)網(wǎng)絡(luò)在節(jié)點(diǎn)故障定位的三種作用形式，融合形式1和3對(duì)冗余節(jié)點(diǎn)故障進(jìn)行定位，將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成預(yù)測(cè)器，將前一采樣時(shí)刻的正常輸出交叉輸入n個(gè)小波神經(jīng)網(wǎng)絡(luò)，獲取節(jié)點(diǎn)當(dāng)前時(shí)刻的預(yù)測(cè)輸出值，取節(jié)點(diǎn)預(yù)測(cè)輸出值和真實(shí)輸出值的殘差，若該殘差值高于閾值，則說明該節(jié)點(diǎn)是故障節(jié)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，所提故障節(jié)點(diǎn)定位方法能夠?qū)?jié)點(diǎn)的附加、倍數(shù)以及短路故障進(jìn)行準(zhǔn)確定位。

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò)； 無線網(wǎng)絡(luò)； 故障節(jié)點(diǎn)定位； 干擾處理

中圖分類號(hào)： TN915?34； TP212 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）16?0158?03

Abstract： Since the traditional wireless network fault node positioning method is unable to effectively handle node power fluctuation and the fuzzy environment disturbance to the fault node location accuracy， a wireless network fault node localization method based on wavelet neural network is proposed. Three kinds of effect forms of wavelet neural network in the node fault location is analyzed. The fusion forms 1 and 3 are used to locate the redundant node failure. The wavelet neural network is taken as a predictor. The normal output of the previous sampling time is input into n wavelet neural networks in cross form to get node prediction output value of the current time. The residual error between the node prediction output value and actual output value is deduced. If the residual error value is higher than the threshold， it means that the node is fault node. The experimental results indicate that the proposed fault node positioning method can accurately position the node with additional， multiple and short trouble faults.

Keywords： neural network； wireless network； fault node positioning； interference process

隨著科學(xué)技術(shù)的高速發(fā)展，無線傳感網(wǎng)絡(luò)的應(yīng)用領(lǐng)域不斷擴(kuò)張。但是無線傳感網(wǎng)絡(luò)中的節(jié)點(diǎn)受到自身以及外界因素的干擾，會(huì)出現(xiàn)較多的故障，導(dǎo)致傳感網(wǎng)絡(luò)質(zhì)量降低[1?2]。傳統(tǒng)無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位方法，無法有效處理節(jié)點(diǎn)功率波動(dòng)以及模糊環(huán)境對(duì)故障節(jié)點(diǎn)定位精度的干擾，具有較高的局限性。因此，尋求有效的方法對(duì)故障節(jié)點(diǎn)進(jìn)行準(zhǔn)確定位，具有重要的應(yīng)用意義。

1 基于小波神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位技術(shù)

1.1 小波神經(jīng)網(wǎng)絡(luò)在節(jié)點(diǎn)故障定位的作用形式

根據(jù)小波神經(jīng)網(wǎng)絡(luò)在節(jié)點(diǎn)故障定位中作用，將小波神經(jīng)網(wǎng)絡(luò)在故障節(jié)點(diǎn)定位過程作用劃分成如下三種形式：

（1） 將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成分類器，將節(jié)點(diǎn)輸出當(dāng)成小波神經(jīng)網(wǎng)絡(luò)的輸入值，用“1”和“0”描述節(jié)點(diǎn)存在故障以及不存在故障，并將節(jié)點(diǎn)狀態(tài)當(dāng)成網(wǎng)絡(luò)輸出[3]，通過不同的故障模式對(duì)小波神經(jīng)網(wǎng)絡(luò)實(shí)施訓(xùn)練，采用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)分類器對(duì)無線網(wǎng)絡(luò)故障節(jié)點(diǎn)進(jìn)行定位。該方法的定位原理如圖1所示。

（2） 將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成觀測(cè)器，基于大量的隱層，小波神經(jīng)網(wǎng)絡(luò)可對(duì)系統(tǒng)輸入/輸出樣本實(shí)施自主學(xué)習(xí)，逼近真實(shí)的動(dòng)態(tài)系統(tǒng)[4]。基于傳統(tǒng)觀測(cè)原理塑造小波神經(jīng)網(wǎng)絡(luò)觀測(cè)器，通過正常工作情況下的數(shù)據(jù)對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，采用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)觀測(cè)器形成故障殘差，完成無線傳感故障節(jié)點(diǎn)的定位[5]。定位原理如圖2所示。

（3） 將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成預(yù)測(cè)器，通過小波神經(jīng)網(wǎng)絡(luò)塑造傳感網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)模型，小波神經(jīng)網(wǎng)絡(luò)的輸入值為節(jié)點(diǎn)的前一時(shí)刻輸出值，網(wǎng)絡(luò)輸出是節(jié)點(diǎn)的輸出預(yù)測(cè)值，對(duì)比該預(yù)測(cè)值同節(jié)點(diǎn)的真實(shí)輸出值，產(chǎn)生殘差實(shí)施故障節(jié)點(diǎn)定位。該方法的定位原理如圖3所示。

在對(duì)孤立節(jié)點(diǎn)進(jìn)行故障定位時(shí)，將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成觀測(cè)器，將節(jié)點(diǎn)當(dāng)前時(shí)刻的輸入當(dāng)成神經(jīng)網(wǎng)絡(luò)的輸入，逼近節(jié)點(diǎn)當(dāng)前時(shí)刻的正常輸出為神經(jīng)網(wǎng)絡(luò)的輸出[6?7]。融合形式1和3定位冗余節(jié)點(diǎn)故障，將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成預(yù)測(cè)器，將前一采樣時(shí)刻的正常輸出當(dāng)成小波神經(jīng)網(wǎng)絡(luò)的輸入，預(yù)測(cè)節(jié)點(diǎn)當(dāng)前采樣時(shí)刻的輸出，獲取差值信號(hào)，再同預(yù)先設(shè)置的閾值實(shí)施對(duì)比，則高于閾值的差值信號(hào)對(duì)應(yīng)的節(jié)點(diǎn)為故障節(jié)點(diǎn)。

1.2 無線傳感器網(wǎng)絡(luò)冗余節(jié)點(diǎn)故障定位

無線傳感器網(wǎng)絡(luò)冗余節(jié)點(diǎn)故障定位示意圖見圖4。

其由無線傳感網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器以及信息定位方案構(gòu)成。無線傳感網(wǎng)絡(luò)中有n個(gè)檢測(cè)值存在冗余關(guān)系的傳感器節(jié)點(diǎn)，[x1，x2，…，xn-1，xn]用于描述n個(gè)傳感器節(jié)點(diǎn)的輸出值。采用圖3描述的結(jié)構(gòu)圖，將小波神經(jīng)網(wǎng)絡(luò)當(dāng)成預(yù)測(cè)器，獲取節(jié)點(diǎn)后續(xù)時(shí)刻的正常輸出。endprint

本文方法定位無線網(wǎng)絡(luò)故障節(jié)點(diǎn)前，需要塑造n個(gè)小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器，并訓(xùn)練這些預(yù)測(cè)器。在無線傳感網(wǎng)絡(luò)簇中全部節(jié)點(diǎn)的運(yùn)行狀態(tài)都是正常時(shí)，采集訓(xùn)練樣本。通過交叉訓(xùn)練方法對(duì)訓(xùn)練樣本實(shí)施訓(xùn)練[8]，交叉訓(xùn)練k個(gè)小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器的過程如圖5所示。其他預(yù)測(cè)器的訓(xùn)練方式也采用該交叉訓(xùn)練方式。

由圖5可知，若無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的采樣時(shí)刻是[t0，t1，t2，…，tn]，傳感節(jié)點(diǎn)在[t0，t1，t2，…，ti（i

2 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)采用本文提出的基于小波神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位方法，對(duì)某無線傳感測(cè)溫系統(tǒng)中的溫度傳感節(jié)點(diǎn)故障進(jìn)行定位分析，檢測(cè)本文方法的性能，實(shí)驗(yàn)設(shè)置閾值為0.5 ℃。實(shí)驗(yàn)將歸一化的檢測(cè)樣本輸入到訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器內(nèi)，并對(duì)其輸出進(jìn)行反歸一化處理，同溫度節(jié)點(diǎn)故障檢測(cè)樣本進(jìn)行對(duì)比，獲取溫度節(jié)點(diǎn)產(chǎn)生1 ℃偏差故障、0.05倍數(shù)故障以及短路故障的殘差曲線，分別如圖6、圖7所示。

分析圖6可得，無線傳感網(wǎng)絡(luò)溫度傳感節(jié)點(diǎn)存在1 ℃附加故障后，其殘差曲線高于報(bào)警閾值，有效定位出了故障。能看出當(dāng)無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)存在附加故障，小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器在其殘差高于閾值下，準(zhǔn)確定位出該故障節(jié)點(diǎn)。圖7所示的無線傳感溫度節(jié)點(diǎn)的倍數(shù)故障是平穩(wěn)波動(dòng)的故障，隨著采樣節(jié)點(diǎn)的增加，節(jié)點(diǎn)同小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器輸出形成的殘差也逐漸提升，如果殘差高于報(bào)警閾值，則小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器可定位出故障節(jié)點(diǎn)。

3 結(jié) 論

本文提出基于小波神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)故障節(jié)點(diǎn)定位方法，其能夠?qū)?jié)點(diǎn)的附加、倍數(shù)及短路故障進(jìn)行定位。

參考文獻(xiàn)

[1] 王子豪，田杰.基于徑向基神經(jīng)網(wǎng)絡(luò)的目標(biāo)測(cè)向定位算法[J].中國科技論文，2016，11（14）：1668?1672.

[2] 孫忠閣.無線傳感網(wǎng)絡(luò)信道破壞程度與通信效果建模[J].計(jì)算機(jī)仿真，2015，32（2）：320?323.

[3] 周奚，薛善良.基于改進(jìn)的粗糙集和神經(jīng)網(wǎng)絡(luò)的WSN故障診斷[J].計(jì)算機(jī)科學(xué)，2016，43（11A）：21?25.

[4] 蔡瑞初，謝偉浩，郝志峰，等.基于多尺度時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)的人群異常檢測(cè)[J].軟件學(xué)報(bào)，2015，26（11）：2884?2896.

[5] 劉侃，張偉，張偉東，等.一種基于深度神經(jīng)網(wǎng)絡(luò)的無線定位方法[J].計(jì)算機(jī)工程，2016，42（7）：82?85.

[6] 閆馳.基于PSO?BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)定位算法[J].電子科技，2016，29（4）：56?58.

[7] 朱雁斌.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的接地故障定位研究[J].四川電力技術(shù)，2016，39（2）：37?40.

[8] 沈桂鵬，楊店飛，郭宇杰.基于自適應(yīng)權(quán)重粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷與定位[J].陜西電力，2016，44（8）：23?27.

[9] 嚴(yán)鳳，許海梅.基于神經(jīng)網(wǎng)絡(luò)的配電線路綜合故障定位方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2015，27（5）：86?91.

[10] 謝仕義，徐兵，陳有英，等.無線傳感網(wǎng)絡(luò)中多目標(biāo)識(shí)別與定位系統(tǒng)設(shè)計(jì)[J].廣東海洋大學(xué)學(xué)報(bào)，2015，35（6）：82?86.

[11] 劉文進(jìn)，王曉明，李新春.無線傳感網(wǎng)絡(luò)下的固定節(jié)點(diǎn)優(yōu)化定位仿真[J].計(jì)算機(jī)仿真，2016，33（7）：281?284.