[发明专利]基于空间相关性的传感器节点故障分类报警方法及装置有效
申请号: | 201910501493.X | 申请日: | 2019-06-11 |
公开(公告)号: | CN110266527B | 公开(公告)日: | 2020-10-02 |
发明(设计)人: | 李刚;何斌;沈润杰;朱忠攀;周艳敏;王志鹏;徐寿林 | 申请(专利权)人: | 同济大学 |
主分类号: | H04L12/24 | 分类号: | H04L12/24;H04W24/04;G01D18/00;H04W4/38 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 蔡彭君 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 空间 相关性 传感器 节点 故障 分类 报警 方法 装置 | ||
本发明涉及一种基于空间相关性的传感器节点故障分类报警方法及装置,其中方法包括:步骤S1:获取各传感器的数据,得到传感器数据列;步骤S2:基于各待检测传感器的邻近传感器的数据,通过循环计算方式估计各个传感器的真实值;步骤S3:得到各自的偏差值;步骤S4:判断待检测传感器数据的测量值是否存在,若为是则执行步骤S5,反之则输出第一报警信号;步骤S5:判断偏差值是否大于第一设定阈值,若为是,则输出第二报警信号,反之则将该传感器列入第一集合;步骤S6:对第一集合中的传感器,判断是否存在单个传感器的偏差值明显不同于其它传感器,若为是输出用于表征传感器数据误差的第三报警信号。与现有技术相比,本发明具提高报警准确性等优点。
技术领域
本发明涉及一种节点故障分类报警方法,尤其是涉及一种基于空间相关性的传感器节点故障分类报警方法及装置。
背景技术
无线传感网络是由具备感知、处理、存储和通信等能力的无线传感器节点组成,通过节点协作以自组织的方式形成无线网络。无线传感网络可以在多种监测区域部署各类传感器节点,利用传感器实时感知监测区域内的一系列信息,如温度、湿度、加速度、结构状态及其余环境信息等,通过自组织网络传输数据至监控中心,已被广泛地应用于军事探测、环境监测、结构监测等众多领域。在大多数无线传感网络应用中,由于无线传感器节点数量大、成本低,往往容易出现各类传感器节点故障。
为了保证无线传感网络应用效果,对无线传感器节点故障进行检测并报警显得尤为重要。无线传感器节点故障检测方法主要包括集中式故障检测方法和分布式故障检测方法。在集中式故障检测方法中,所有传感器节点数据传输至基站,统一对数据进行分析,判断传感器节点异常情况。该方式往往需要传输大量原始数据,消耗大量传输能耗,降低网络生命周期。在分布式故障检测方法中,利用局部传感器数据,对数据进行分布式处理分析,判断传感器节点异常情况。该方式具有能耗低、复杂度低等优点。
但现有的无线传感器节点故障检测方法难以对故障类型进行细分,主要是对故障特征区分不够,使得对后续人工修复提供依据不足。为了克服前述并且其它缺陷,需要一种适用于无线传感网络的传感器节点故障分类报警方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于空间相关性的传感器节点故障分类报警方法及装置。
本发明的目的可以通过以下技术方案来实现:
一种基于空间相关性的传感器节点故障分类报警方法,包括:
步骤S1:获取各传感器的数据,得到传感器数据列;
步骤S2:利用传感器节点数据空间相关性,考虑随机性和结构性特点,基于各待检测传感器的邻近传感器的数据,通过循环计算方式估计各个传感器的真实值;
步骤S3:基于各待检测传感器数据的测量值和估计得到的真实值,得到各自的偏差值:
Δivk=|ivk-ivk*|,k=1,...,m
其中:Δivk为传感器k对应的偏差值,ivk为传感器k数据的采集值,ivk*为传感器k数据的估计得到的真实值,m为传感器的数目;
步骤S4:判断待检测传感器数据的测量值是否存在,若为是则执行步骤S5,反之则输出用于表征传感器失联的第一报警信号;
步骤S5:判断待检测传感器对应的偏差值是否大于第一设定阈值,若为是,则输出用于表征传感器数据异常的第二报警信号,反之则将该传感器列入第一集合;
步骤S6:对第一集合中的各传感器,基于各自的偏差值,判断是否存在单个传感器的偏差值明显不同于其它传感器,若为是输出用于表征传感器数据误差的第三报警信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910501493.X/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种设备树的加载方法及设备
- 下一篇:基于机器学习的车联网通信的流量预测方法