CN104486786B - 一种无线传感器网络的故障检测方法 - Google Patents
一种无线传感器网络的故障检测方法 Download PDFInfo
- Publication number
- CN104486786B CN104486786B CN201410692244.0A CN201410692244A CN104486786B CN 104486786 B CN104486786 B CN 104486786B CN 201410692244 A CN201410692244 A CN 201410692244A CN 104486786 B CN104486786 B CN 104486786B
- Authority
- CN
- China
- Prior art keywords
- time window
- system parameter
- amplitude
- variation
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种无线传感器网络的故障检测方法,所述方法包括:获取当前时间窗内待检测传感器节点的系统参量值序列,所述时间窗的大小为预设值,所述系统参量值序列的个数为系统参量的个数;计算当前时间窗内任意两个所述系统参量值序列之间的关系值;跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度;将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障。本发明旨在检测出无线传感器网络中节点存在的潜在未知或是高度系统相关的故障,并及时准确地检测出故障节点。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种无线传感器网络的故障检测方法。
背景技术
近年来,随着微电子技术和通信技术的不断进步,无线传感器网络受到了广泛关注,并在环境监测、医疗护理、军事操作、智能家居等多个领域提供了高效且经济可行的解决方法,因此其具有重要的研究价值和应用前景。在通常情况下,无线传感器网络由大量低成本且电量有限的传感器节点组成,分布于恶劣、不可控制的环境中,因此这使得传感器节点易于出现各种故障,进而降低网络性能。
无线传感器网络的特性使得故障检测在提高网络效率、可靠性以及适应性方面显得尤为重要。现有的无线传感器网络故障检测方法通过探求传感器节点测量值在时间或空间上的关系,从而检测出故障节点。例如集中式方法、基于邻居协作的分布式方法、基于分簇的分布式方法等。通常,这些故障检测方法通过探求传感器节点测量值在时间或空间上的关系,从而检测出故障节点。
然而,现有的无线传感器网络故障检测方法存在一些明显缺陷,例如:许多故障检测方法通过检测到节点产生有明显偏差的传感器数据,从而判定该节点为故障节点。然而,许多潜在且高度系统相关的故障,并非表现为传感器读数异常。对于这类故障,这些故障检测方案将不适用。
发明内容
本发明所要解决的技术问题是现有的无线传感器网络故障检测 方法依赖于既定的规则或推理模型,并且在面对如下情况时,无法很好地检测出故障节点:(1)节点的故障类型或故障特征未知,且不表现为传感器测量值异常;(2)入侵者通过网络中某一节点注入大量符合真实测量值范围的伪造数据,造成网络拥塞和过度资源消耗。
为此目的,本发明提出一种无线传感器网络的故障检测方法,所述方法包括:
获取当前时间窗内待检测传感器节点的系统参量值序列,所述时间窗的大小为预设值,所述系统参量值序列的个数为系统参量的个数;
计算当前时间窗内任意两个所述系统参量值序列之间的关系值;
跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度;
将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障。
可选的,所述获取当前时间窗内待检测传感器节点的系统参量值序列,包括:
获取在时间窗j内,j为大于等于1的整数,待检测传感器节点i的第x个系统参量的值序列Vi,x,j:Vi,x,j={mi,x,t,t∈{(j-1)×w+α,(j-1)×w+2α,…,j×w}};
其中, 为系统参量的个数,w为时间窗的大小,时间窗j从时刻(j-1)×w+α持续到时刻j×w,α为预设时间间隔,且满足w/α为正整数;mi,x,t为待检测传感器节点i的第x个系统参量在t时刻的值;
将Vi,x,j中的元素由大到小或由小到大排序,得到V′i,x,j。
可选的,所述计算当前时间窗内任意两个所述系统参量值序列 之间的关系值,包括:
计算在时间窗j内,第x个系统参量的值序列Vi,x,j和第y个系统参量的值序列Vi,y,j的关系值ci,j(x,y):
其中, 为系统参量的个数,y≠x,mi,x,(j-1)×w+kα和m′i,y,(j-1)×w+kα分别为mi,x,(j-1)×w+kα和mi,y,(j-1)×w+kα在V′i,x,j和V′i,y,j中的秩次,和分别为V′i,x,j和V′i,y,j的平均秩次。
根据个系统参量中任意两个系统参量在时间窗j内的关系值,得到关系值矩阵Ci,j:
其中,ci,j(x,y)=ci,j(y,x),且对于ci,j(x,x)=1,
可选的,所述跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度,包括:
通过累加和跟踪当前时间窗j之后的预设个数的时间窗内所述关系值的变化幅度,所述关系值的变化幅度为所述累加和的变化幅度,所述累加和为Sumi,j+z(x,y):
Sumi,j+z(x,y)=Sumi,j+z-1(x,y)+ξi,j+z(x,y);
其中,1≤z≤T,T为时间窗的预设个数。
可选的,若所述小于或等于0,则待检测传感器节点发 生故障。
可选的,所述将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障,包括:
若Sumi,j+z(x,y)在0值周围预设范围内波动,则从时间窗j到时间窗j+z,待检测传感器节点i正常,若Sumi,j+z(x,y)超出0值周围预设范围,则待检测传感器节点i发生故障。
相比于现有技术,本发明的无线传感器网络的故障检测方法基于系统参量关系对无线传感器网络的故障进行分布式检测。所述方法通过计算节点系统参量的关系值矩阵,从而探求传感器节点的内部状态。对于无故障的节点,其系统参量关系值矩阵表现得规律且稳定;然而对于故障节点,其系统参量关系的改变则预示着节点潜在的故障。本发明采用累加和的方法跟踪参量关系值可能产生的骤变或渐变,并定义预设范围从而判断出节点是否发生故障。本发明旨在检测出无线传感器网络中节点存在的潜在未知或是高度系统相关的故障,能够及时准确地检测出传感器网络中发生的故障。
附图说明
图1示出了一种无线传感器网络的故障检测方法流程图;
图2示出了一种无线传感器网络的故障检测方法流程图;
图3示出了系统参量关系值计算结果示意图;
图4示出了累加和计算结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明 保护的范围。
如图1所示,本实施例公开一种无线传感器网络的故障检测方法,本实施例中使用的部分参数的含义如下:
n:无线传感器网络中传感器节点数目;
:传感器节点的系统参量的个数;
mi,x,t:传感器节点i的第x个系统参量在t时刻的值;
Vi,x,j:传感器节点i的第x个系统参量在时间窗j内的值序列;
w:时间窗的大小,时间窗j从时刻(j-1)×w+α持续到时刻j×w,α为预设时间间隔,且满足w/α为正整数;
T:时间窗的预设个数;
ci,j(x,y):在时间窗j内,传感器节点i的第x个系统参量的值序列Vi,x,j和第y个系统参量的值序列Vi,y,j的关系值,简称传感器节点i的第x个系统参量和第y个系统参量在时间窗j内的关系值;
m′i,x,(j-1)×w+kα和mi,y,(j-1)×w+kα分别为mi,x,(j-1)×w+kα和mi,y,(j-1)×w+kα在V′i,x,j和V′i,y,j中的秩次,和分别为V′i,x,j和V′i,y,j的平均秩次,其中k∈{1,2,…,w/α}。
所述方法可包括以下步骤:
S1、获取当前时间窗内待检测传感器节点的系统参量值序列,所述时间窗的大小为预设值,所述系统参量值序列的个数为系统参量的个数;
S2、计算当前时间窗内任意两个所述系统参量值序列之间的关系值;
S3、跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度;
S4、将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障。
本实例只观察传感器节点i数据包接收和发送这两个系统参量,即并判断传感器节点i是否出现故障。在本实例中,假设时间窗大小为10秒(即w=10),观察时间为连续50个时间窗(即500秒,且T=49)。在每个时间窗内,每隔2秒(即α=2)收集一次系统参量值,即一个时间窗内的系统参量值序列包含5个数值。预设范围为(-0.25,0.25)。本实施例的无线传感器网络的故障检测方法,如图2所示,具体步骤如下:
101、获取当前时间窗j内待检测传感器节点i数据包接收和发送的数值序列Vi,x,j和Vi,y,j;其中,j为大于等于1的整数,系统参量x表示数据包接收,y表示数据包发送。
对于时间窗j+45,则有:
Vi,x,j+45={12,15,16,16,17},Vi,y,j+45={12,13,14,11,15}。
102、将Vi,x,j和Vi,y,j中的元素分别从小到大排序。
对于时间窗j+45,将Vi,x,j+45和Vi,y,j+45中的元素分别从小到大排序,得到:
V′i,x,j+45={12,15,16,16,17},V′i,y,j+45={11,12,13,14,15}。
103、计算传感器节点i数据包接收和数据包发送在当前时间窗j内的关系值。
对于时间窗j+45,则有:m′i,x,(j+44)×w+kα分别为{1,2,3,3,5},m′i,y,(j+44)×w+kα分别为{2,3,4,1,5},计算得到ci,j+45(x,y)=0.72。
104、获得传感器节点i数据包接收和数据包发送从当前时间窗j到时间窗j+49的关系值序列,如图3所示(图3中j=1),本实施例取从当前时间窗j到时间窗j+45的关系值,得到包含46个值的关系值序列:
{0.95,1,0.98,0.99,0.93,0.95,1,0.98,0.97,1,0.98,0.99,0.97,0.96,0.98,1,0.98,0.93,0.95,1,0.95,1,0.98,0.95,1,0.98,1,0.93,0.96,0.94,0.96,0.98,1,0.9 8,0.93,0.95,0.99,0.97,0.95,0.96,0.97,0.96,0.98,0.99,0.97,0.72}。
在第46个值处(对应时间窗j+45),由上述关系值序列可知,ci,j+44(x,y)=0.97,ci,j+45(x,y)=0.72,则ci,j+45(x,y)/ci,j+44(x,y)=0.742>0。
105、图4示出了连续50个时间窗内的累加和计算结果,本实施例中时间窗j+45的累加和计算如下:
Sumi,j+44(x,y)=-0.105;
Sumi,j+45(x,y)=Sumi,j+44(x,y)+ξi,j+45(x,y)=-0.403。
106、确定传感器节点i是否发生故障,因为Sumi,j+45(x,y)不在预设范围(-0.25,0.25)内,因此,确定传感器节点i发生故障。
对无线传感器网络中n个所有节点(共n个),均采用上述方法判断是否发生故障。
相比于现有技术,本实施例的无线传感器网络的故障检测方法基于系统参量关系对无线传感器网络的故障进行分布式检测。所述方法通过计算节点系统参量的关系值矩阵,从而探求传感器节点的内部状态。对于无故障的节点,其系统参量关系值矩阵表现得规律且稳定;然而对于故障节点,其系统参量关系的改变则预示着节点潜在的故障。本发明采用累加和的方法跟踪参量关系值可能产生的骤变或渐变,并定义预设范围从而判断出节点是否发生故障。本发明旨在检测出无线传感器网络中节点存在的潜在未知或是高度系统相关的故障,能够及时准确地检测出传感器网络中发生的故障。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (3)
1.一种无线传感器网络的故障检测方法,其特征在于,所述方法包括:
获取当前时间窗内待检测传感器节点的系统参量值序列,所述时间窗的大小为预设值,所述系统参量值序列的个数为系统参量的个数;
计算当前时间窗内任意两个所述系统参量值序列之间的关系值;
跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度;
将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障;
所述获取当前时间窗内待检测传感器节点的系统参量值序列,包括:
获取在时间窗j内,j为大于等于1的整数,待检测传感器节点i的第x个系统参量的值序列Vi,x,j:Vi,x,j={mi,x,t,t∈{(j-1)×w+α,(j-1)×w+2α,...,j×w}};
其中, 为系统参量的个数,w为时间窗的大小,时间窗j从时刻(j-1)×w+α持续到时刻j×w,α为预设时间间隔,且满足w/α为正整数;mi,x,t为待检测传感器节点i的第x个系统参量在t时刻的值;
将Vi,x,j中的元素由大到小或由小到大排序,得到V′i,x,j;
所述计算当前时间窗内任意两个所述系统参量值序列之间的关系值,包括:
计算在时间窗j内,第x个系统参量的值序列Vi,x,j和第y个系统参量的值序列Vi,y,j的关系值ci,j(x,y):
其中, 为系统参量的个数,y≠x,m′i,x,(j-1)×w+kα和m′i,y,(j-1)×w+kα分别为mi,x,(j-1)×w+kα和mi,y,(j-1)×w+kα在V′i,x,j和V′i,y,j中的秩次,和分别为V′i,x,j和V′i,y,j的平均秩次;
根据个系统参量中任意两个系统参量在时间窗j内的关系值,得到关系值矩阵Ci,j:
其中,ci,j(x,y)=ci,j(y,x),且对于ci,j(x,x)=1,
所述跟踪当前时间窗之后的预设个数的时间窗内所述关系值的变化幅度,包括:
通过累加和跟踪当前时间窗j之后的预设个数的时间窗内所述关系值的变化幅度,所述关系值的变化幅度为所述累加和的变化幅度,所述累加和为Sumi,j+z(x,y):
Sumi,j+z(x,y)=Sumi,j+z-1(x,y)+ξi,j+z(x,y);
s.t.
其中,1≤z≤T,T为时间窗的预设个数。
2.根据权利要求1所述的方法,其特征在于,若所述小于或等于0,则待检测传感器节点发生故障。
3.根据权利要求1所述的方法,其特征在于,所述将所述关系值的变化幅度与预设范围比较,若变化幅度在预设范围内,则待检测传 感器节点正常,若变化幅度超出预设范围,则待检测传感器节点发生故障,包括:
若Sumi,j+z(x,y)在0值周围预设范围内波动,则从时间窗j到时间窗j+z,待检测传感器节点i正常,若Sumi,j+z(x,y)超出0值周围预设范围,则待检测传感器节点i发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410692244.0A CN104486786B (zh) | 2014-11-26 | 2014-11-26 | 一种无线传感器网络的故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410692244.0A CN104486786B (zh) | 2014-11-26 | 2014-11-26 | 一种无线传感器网络的故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104486786A CN104486786A (zh) | 2015-04-01 |
CN104486786B true CN104486786B (zh) | 2018-03-02 |
Family
ID=52761276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410692244.0A Active CN104486786B (zh) | 2014-11-26 | 2014-11-26 | 一种无线传感器网络的故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104486786B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107340014B (zh) * | 2017-08-31 | 2020-04-21 | 广东美的制冷设备有限公司 | 多传感器的检测方法、装置及计算机可读存储介质 |
CN109246736B (zh) * | 2018-08-31 | 2021-11-26 | 中建科技集团有限公司 | 一种传感器网络监听系统、监听器及故障分析终端 |
CN111522246B (zh) * | 2020-05-09 | 2023-06-23 | 武汉汉昇电子科技有限公司 | 智能家居系统中单个传感器的异常检测方法 |
CN111522247B (zh) * | 2020-05-09 | 2023-07-14 | 上海正项信息科技有限公司 | 智能家居系统中多个传感器的异常检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238604A (zh) * | 2011-08-18 | 2011-11-09 | 无锡儒安科技有限公司 | 无线传感器网络故障诊断方法 |
CN102547812A (zh) * | 2011-11-04 | 2012-07-04 | 南京邮电大学 | 一种无线传感网络故障检测方法及事件检测方法 |
CN102970698A (zh) * | 2012-11-02 | 2013-03-13 | 北京邮电大学 | 无线传感器网络故障检测方法 |
-
2014
- 2014-11-26 CN CN201410692244.0A patent/CN104486786B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238604A (zh) * | 2011-08-18 | 2011-11-09 | 无锡儒安科技有限公司 | 无线传感器网络故障诊断方法 |
CN102547812A (zh) * | 2011-11-04 | 2012-07-04 | 南京邮电大学 | 一种无线传感网络故障检测方法及事件检测方法 |
CN102970698A (zh) * | 2012-11-02 | 2013-03-13 | 北京邮电大学 | 无线传感器网络故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104486786A (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Detection of false data injection attacks in smart-grid systems | |
CN104486786B (zh) | 一种无线传感器网络的故障检测方法 | |
Mitchell et al. | Effect of intrusion detection and response on reliability of cyber physical systems | |
Cui et al. | Coordinated data-injection attack and detection in the smart grid: A detailed look at enriching detection solutions | |
Ge et al. | Distributed fault detection over sensor networks with Markovian switching topologies | |
Zeng et al. | A reputation-based secure distributed control methodology in D-NCS | |
CN112788066B (zh) | 物联网设备的异常流量检测方法、系统及存储介质 | |
Lei et al. | False data injection attack on consensus‐based distributed estimation | |
CN101977395B (zh) | 无线传感器网络中节点信任管理系统 | |
Nasridinov et al. | Event detection in wireless sensor networks: Survey and challenges | |
CN106845562B (zh) | 光伏组件的故障监测系统及数据处理方法 | |
CN109428857A (zh) | 一种恶意探测行为的检测方法和装置 | |
Huang et al. | Hierarchical outlier detection approach for online distributed structural identification | |
Karthik et al. | Data trust model for event detection in wireless sensor networks using data correlation techniques | |
CN103957547B (zh) | 无线传感器网络的节点信誉评测方法及系统 | |
Toshpulatov et al. | Anomaly detection on smart meters using hierarchical self organizing maps | |
Yemeni et al. | CFDDR: A centralized faulty data detection and recovery approach for WSN with faults identification | |
US10921154B2 (en) | Monitoring a sensor array | |
Abid et al. | Centralized KNN anomaly detector for WSN | |
Karthik et al. | Sensor data modeling for data trustworthiness | |
Sutaone et al. | Trust-based cluster head validation and outlier detection technique for mobile wireless sensor networks | |
Fan et al. | Mitigating stealthy false data injection attacks against state estimation in smart grid | |
Deligiannakis et al. | Outlier-aware data aggregation in sensor networks | |
Won et al. | Distance-based trustworthiness assessment for sensors in wireless sensor networks | |
Laoudias et al. | Fault tolerant target localization and tracking in binary WSNs using sensor health state estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |