基于VPRS和RBF神经网络的WSN节点故障诊断

被引：9

作者：

谢迎新 ^{[1
]}

陈祥光 ^{[1
]}

余向明 ^{[2
]}

岳彬 ^{[2
]}

郭静 ^{[2
]}

机构：

[1] 北京理工大学化工与环境学院

[2] 空军油料研究所

来源：

北京理工大学学报 | 2010年 / 30卷 / 07期

关键词：

故障诊断; 变精度粗糙集; RBF神经网络; 无线传感器网络;

D O I：

10.15918/j.tbit1001-0645.2010.07.026

中图分类号：

TP212.9 [传感器的应用]; TN929.5 [移动通信];

学科分类号：

080202 ; 080402 ; 080904 ; 0810 ; 081001 ;

摘要：

为保障油料供给的安全性,研究无线传感器网络(WSN)节点故障诊断的可行性策略,提出变精度粗糙集(VPRS)和RBF神经网络结合的故障诊断方法.该方法由运行中的汇聚节点实时获取子节点故障征兆,建立初始决策表,利用VPRS作为前端处理系统,对初始决策表进行约简,删除冗余的、不重要的属性征兆,并将约简后的结果输入RBF神经网络实现节点故障识别.仿真实验结果表明:对于具有显著不确定性的WSN节点故障诊断,该方法能够准确快速地得出诊断结果,鲁棒性和适用性更强.

引用

页码：807 / 811

页数：5

共 4 条

[1] 基于变精度粗糙集理论的属性约简 [J].

蔡娜 ;

张雪峰 .

控制工程, 2007, (05) :505-507

[2] 基于Rough set理论的无线传感器网络节点故障诊断 [J].

雷霖 ;

代传龙 ;

王厚军 .

北京邮电大学学报, 2007, (04) :69-73

[3] 基于加权中值的分布式传感器网络故障检测(英文) [J].

高建良 ;

徐勇军 ;

李晓维 .

软件学报, 2007, (05) :1208-1217

[4]

Discovering rules for water demand prediction: An enhanced rough-set approach[J] . Aijun An.Engineering Applications of Artificial Intelligence . 1996 (6)

← 1 →