基于貝葉斯理論的傳感器網絡節(jié)點故障檢測

基于貝葉斯理論的傳感器網絡節(jié)點故障檢測

傳感器網絡節(jié)點故障檢測意味著節(jié)點發(fā)生故障時收集的數據可能是錯誤的，并且傳感器網絡會錯誤地評估監(jiān)控信息。尤其是在要求高的應用中，信息的糾正非常重要。同時，由于節(jié)點本身的傳輸能量有限，如果節(jié)點本身消耗，節(jié)點就不會變得不穩(wěn)定或失敗。此外，節(jié)點環(huán)境也會導致節(jié)點錯誤頻繁出現和失敗。因此，要檢測傳感器網絡節(jié)點的故障，首先要進行檢測。Ding等提出了通過和相鄰節(jié)點的中值比較來判斷故障節(jié)點狀態(tài)的節(jié)點標示算法.Luo等提出了用于無線傳感器網絡的具有能量有效的容錯技術的故障檢測方法.Chen等提出了利用相鄰節(jié)點互相測試的方法診斷節(jié)點狀態(tài)的DFD算法.徐德凱等提出了采用小波神經網絡診斷基于空間相關性節(jié)點故障的方法.季賽等提出了利用節(jié)點感知數據空間相似性來診斷節(jié)點故障的算法.張啟忠等提出了基于粗糙集分解的傳感器網絡節(jié)點故障診斷方法.雷霖等提出了基于互信息的無線傳感器網絡節(jié)點故障自診斷的方法.在以上方法的基礎上,本研究通過建立節(jié)點間的相互影響關系,提出了利用貝葉斯方法計算每個節(jié)點的可靠度,計算簡單,可以為檢測過程提供決策依據,減少了測試用例數量,有效解決了已有故障檢測方法存在的部分問題.1節(jié)點sm的相互影響關系傳感器網絡由節(jié)點組成,一個傳感器網絡的所有節(jié)點構成集合.定義W表示一個傳感器網絡,則W={S1,S2,…,Sn}.其中,S1,S2,…,Sn是傳感器網絡W中的所有節(jié)點.定義3傳感器網絡W內節(jié)點S的相互影響關系可以用一個二元組合<S,e>來表示,e表示節(jié)點間的直接影響關系.傳感器網絡中的節(jié)點Sm不會受到其他任何節(jié)點的影響,則稱該節(jié)點為底層節(jié)點、其他節(jié)點為上層節(jié)點對于節(jié)點來說,如果一個節(jié)點影響其他節(jié)點越多,則該節(jié)點對整個傳感器網絡顯得尤為重要,對其穩(wěn)定性、可靠性的要求就越高,要求出現故障率越低.2節(jié)點si可靠度的評估對于傳感器網絡來說,節(jié)點的可靠度是網絡正常運行的保障,節(jié)點的可靠度越高說明其故障率越低.根據節(jié)點Si的可靠度進行故障測試,對是否能通過下次故障測試的概率進行估值,則節(jié)點Si的正常率為θ(Si)、故障率為2.1節(jié)點s第m+1次檢測正常率對于單節(jié)點的故障檢測來說,結果只有完好和故障兩種.單節(jié)點的故障檢測結果是一個二項式分布,可以用貝葉斯方法直接估計故障檢測后的正常率或故障概率.設S為傳感器網絡W中的一個節(jié)點,對于S進行m次故障檢測后,節(jié)點的正常次數為ω,節(jié)點的故障次數為ρ,則節(jié)點的第m次以后的故障檢測概率服從β分布,其密度函數式中,θ為節(jié)點檢測的正常率,則節(jié)點S第m+1次的檢測正常率式中,E(·)為數學期望,表示用戶對節(jié)點正常率的期望;0<θ<1;ω>0,ρ>0.對于單節(jié)點的傳感器網絡來說,對節(jié)點的測試可能只進行很少幾次,雖然式(2)給出了節(jié)點正常率的直接算法,但并不能直接認定節(jié)點的正常率.為了更加準確地認定節(jié)點的正常率θ,對正常率θ設置一個置信度γ.令γ的取值區(qū)間為(θ-ε,θ+ε),ε代表可以接受的故障率,則當對節(jié)點的測試總次數m取值固定時,置信度γ和取值精確度不會同時提高,所以在保障置信度γ的前提下盡量提高取值精確度,需要對置信度γ設置一個閾值γ0,通過增加對節(jié)點故障測試的總次數m來提高取值精確度.當取值達到γ≥γ0可接受的范圍時再進行正確率計算,則節(jié)點測試所需的次數容量m0與ε,γ0的關系為2.2兩個節(jié)點的失敗檢測直接影響到關系的兩個節(jié)點式中,S2e為S2采集處理的數據中受S1影響的數量;S2a為S2采集處理的數據總量.2.3節(jié)點s1和s13式中,S3的直接正常率θd(S3)可由式(2)計算得出,而推薦正常率θr(S3)是由S1和S2的聯合正常率θ(S1,S2)共同影響決定的,所以要對θ(S1,S2)進行分析計算.設對節(jié)點S1和S2的故障檢測總次數為m1和m2,其中檢測正常次數為ω1和ω2,故障次數為ρ1和ρ2.當直接影響節(jié)點S3的節(jié)點不止一個時,為了保證聯合正常率的置信水平,每個節(jié)點都要滿足γ≥γ0,則節(jié)點S3的推薦正常率式中,n代表滿足條件的節(jié)點S的個數;τ為S1和S2不受任何影響的自身數據與S1和S2總數據的比值.3檢測和分析的應用3.1節(jié)點s1的可接受的信噪比為了驗證貝葉斯理論對節(jié)點故障檢測算法的可靠性,選取一個包含有9個節(jié)點(2個底層節(jié)點和7個上層節(jié)點)的傳感器網絡進行節(jié)點檢測,如圖1所示.設各節(jié)點的置信度閾值為0.98,節(jié)點S5,S7,S8的可接受故障率為0.12,由式(4)可得m0=159.896,即至少要檢測160次.同理,節(jié)點S6的可接受故障率為0.08,至少需要檢測360次;其他節(jié)點的可接受故障率為0.15,至少需要檢測103次.節(jié)點S1處理數據56次,節(jié)點S4處理數據132次,其中和節(jié)點S2有關的15次.根據式(6)和式(7)可知λ1=0.886,θ(S4)=0.114×1+0.886×0.990=0.991.同理,節(jié)點S5處理數據1543次,其中與S1,S4有關的116次,則λ2=0.924,θ(S5)=0.924×0.981+0.076×(0.920×0.985+0.18×1)=0.989.對所有節(jié)點進行檢測,結果如表1所示.由表1可知,所有節(jié)點的正常率都大于閾值,檢測通過.3.2測試用例檢測為了驗證本方法的可靠性和優(yōu)勢,與隨機檢測以及DFD方法進行比較.在保證檢測故障率低于3%的前提下,運用10個不同用例分別進行檢測,其運用最少測試次數結果如圖2所示.通過10次檢測,采用本方法的平均測試用例數為298.2,比隨機測試的用例數少得多,和DFD方法相當.但從用例數目來看,DFD方法的用例數目為279~324,本方法的用例數目為284~317,用例數目相對穩(wěn)定,