一种移动物联网系统故障测定方法
技术领域
本发明涉及物联网系统工作过程故障测定,通过对系统各节点历史数据的分析,来确定和标记故障节点,保证物联网系统可靠运行,属于物联网技术应用领域。
背景技术
移动物联网是通过众多的物联网节点形成的网络,并具有感知、处理和通信等能力。在应用区域中,可以大量的布撒或嵌入移动性的物联网节点,这些节点之间能够通过相互协作完成感知和控制监测对象。目前移动物联网已经广泛运用于环境监控、生态观测、抢险救灾、城市交通、目标定位等方面。随着移动物联网系统以及自动化程度越来越完善,系统的可靠性与稳定性的需求也日益增加。
在移动物联网系统应用中,由于工作环境变化、能量耗尽等因素易造成物联网节点发生故障。这些故障需要被测定到并标定出来,有利于后期对系统的维护。本发明提出一种移动物联网系统故障测定方法,通过实时获取受测区域移动物联网节点的运行情况,比较节点及其历史数据与区域内其他节点之间的数据相似性程度来进行节点的故障测定。
发明内容
技术问题:本发明提出一种移动物联网系统故障测定方法,解决移动物联网系统节点故障测定问题,考虑移动物联网系统在运行过程中节点由于各种原因会出现故障,而这些故障节点通常会导致物联网系统不可靠运行。
技术方案:本发明所述的一种移动物联网系统故障测定方法通过对移动物联网系统中传感器节点的监测数据进行分析,测定出有故障的节点。
本发明所述的移动物联网系统故障测定方法具体步骤如下:
步骤1)对移动物联网系统故障测定进行部署,主要包含以下步骤:
步骤11)用户在测试终端为移动物联网系统设置相似性尺度阈值、可信度的调整幅度和可信度的临界值,为移动物联网系统中的所有节点设置可信度。
所述测试终端是指一台能连接汇聚节点的计算设备。
所述移动物联网系统是由1个汇聚节点和N个具有移动性的传感器节点组成,N个传感器节点被均匀部署在边长为L的正方形平面区域内,所有节点都具有相同的无线通信半径R。N为移动物联网系统移动性传感器节点的数量。
所述移动物联网系统采用分簇机制,N个传感器节点被平均分成M个簇,每一个传感器节点都有唯一的编号,任何一个节点只属于一个簇,每一个簇内都有一个簇头节点,并且传感器节点通过一跳或多跳的方式与汇聚节点直接通信。
所述相似性尺度阈值是指衡量节点与节点相似性程度的标准,定义为w,将w当前取值设置为0.8。
所述可信度的调整幅度是指节点可信度的变化值,定义为σ,将σ当前取值设置为0.1。
所述可信度的临界值是指节点正常运行时可信度的最小值,定义为θ',将θ'当前取值设置为0.5。
所述可信度是指一个能描述节点可信程度的数据结构,定义为θ,第i个节点的可信度是θi,将θi当前取值设置为1,所述i是节点的编号,i=1..N。
步骤12)在测试终端为移动物联网系统分配一块存储空间作为信息段。所述信息段用于存放N个传感器节点信息。所述节点信息包括节点编号、状态指示信息。所述状态指示信息包括“有故障”、“可信节点”、“待测试”。所述存储空间的大小根据移动物联网系统中节点的总数量确定。
步骤13)在测试终端建立节点集。所述节点集是一个能存储节点的数据结构,将N个节点加入节点集。
步骤14)在测试终端建立故障节点集。所述故障节点集是一个能存储故障节点的数据结构,初始化为空。
步骤2)汇聚节点接收移动物联网系统中的N个节点在用户指定时间段中发送来的监测数据。所述监测数据包括温度、节点的邻近关系。所述邻近关系指节点在某时刻都有哪些相邻节点。
步骤3)在测试终端对从汇聚节点得到的监测数据进行分析,主要包含以下步骤:
步骤31)测试终端从节点集中按编号选取未测试节点Ni作为当前受测节点,i从1开始取到N,依次计算节点Ni与其它节点的相似度S(i,j),j取1到N且不等于i,得出节点Ni与其它节点的相似度集合计算步骤如下:
步骤311)计算用户指定时间m内的节点感测向量。所述是节点感测向量是在时间m内一系列时间点上感测数据所组成的一维矩阵,即Ti(t)={tpi(t-m+1),tpi(t-m+2),…,tpi(t)},所述tpi(t)是第i个节点在t时刻的温度采样值。当节点Ni的感测向量为{tpi(t-m+1),tpi(t-m+2),…,tpi(t)},节点Nj的感测向量为{tpj(t-m+1),tpj(t-m+2),…,tpj(t)},计算出节点Ni与节点Nj感测向量距离计算出Ni与Nj的感测向量相似度
步骤312)计算节点Ni与其他节点的邻近相似度所述Γi为节点Ni在同一个簇内的邻居集合,|Γi|表示该集合的势,|Γi∩Γj|表示节点Ni和节点Nj共有的邻居节点个数,|Γi∪Γj|表示Ni与Nj所有邻居节点个数的总和,;
步骤313)计算节点Ni和节点Nj的相似度
步骤32)若对于节点Ni,不存在任意节点Nk,使得S(i,k)>w,则调整该节点的可信度θi=θi-σ,所述σ是节点可行度的调整幅度,用于更新节点可信度;若对于节点Ni,其可信度θi<θ',θ'为可信度的临界值,则将该节点标志为故障节点,转向步骤4),否则更新节点的状态指示信息,转向步骤33);
步骤33)判断节点集是否为空,若不为空则转向步骤31),若为空,则完成测试;
步骤4)对已被测定为故障节点的节点再次测定。
故障节点在得到处理后能重新加入移动物联网系统。测试终端对故障节点再次测定,若测定通过,则更新节点状态指示信息,否则将受测节点标记为故障节点,更新信息段中当前测试节点的状态指示信息,并将当前故障节点加入故障节点集。
有益效果:本发明所述的一种移动物联网系统故障测定方法,利用节点探测数据的相似度比较,可以探测出物联网络系统中的故障节点,它允许加入新的节点,同时允许在测定循环中故障节点的再入。本发明所述的方法具有如下的有益效果:
(1)本发明提供一种对移动物联网故障节点测定的方法,能够通过故障测定来保证移动物联网系统的安全性。
(2)本发明能够有效减少系统的硬件需求,使系统在不增加硬件的条件下完成移动物联网系统的故障节点测定。
附图说明
图1是移动物联网系统故障测定方法流程图,
图2是移动物联网系统实施实例示意图。
具体实施方式
根据图1,本发明的一种移动物联网系统故障测定方法,具体实施方式为:
1.对移动物联网系统故障测定做相关部署工作
设当前移动物联网系统是由一个汇聚节点和5个移动性传感节点组成,如图2所示,被均匀部署在边长为L的正方形平面区域,每个节点都有一个唯一编号。在测试终端建立节点集,将5个节点加入节点集{N1,N2,N3,N4,N5},并为移动物联网系统分配一块存储空间作为信息段,所述信息段用于存放5个节点的信息,所述节点信息包括节点编号,及其状态指示信息,状态指示信息分为“有故障”、“可信节点”、“待测试”,建立故障节点集,初始化为空。在测试终端为移动物联网系统中的5个节点设置可信度θ,每个节点的可信度初始化为1,设置节点相似性尺度阈值w,取值0.8、节点可信度的临界值θ',取值0.5和节点可信度的调整幅度σ,取值0.1。
2.汇聚节点接收移动物联网系统内的这5个节点在上午的11点到下午1点的监测数据,监测数据包括温度和节点的邻近关系,邻近关系指节点在某时刻都有哪些相邻节点。假设5个节点在上午11点、上午12点、下午1点三个时间点的监测温度分别为{20.1,23.2,23.5}、{20.1,23.3,23.5}、{20.1,23.3,23.4}、{20.1,23.0,23.5}、{20.1,23.2,23.5}以及这5个节点在下午1点时的邻居节点分别为{2,3,5}、{1,3,4}、{1,2,4,5}、{2,3,5}、{1,3,4},将监测数据发送到测试终端。
3.在测试终端根据从汇聚节点得到的数据进行分析。
31)测试终端从节点集中按编号选取未测试节点Ni作为当前受测节点,i从1开始,依次计算节点N1与其它节点的相似度S(1,j),得出节点N1与其它节点的相似度集合计算步骤如下:
311)对于节点N1,其感测向量为{20.1,23.2,23.5},对于节点N2,其感测向量为{20.1,23.3,23.5},对于节点N3,其感测向量为{20.1,23.3,23.4},对于节点N4,其感测向量为{20.1,23.0,23.5},对于节点N5,其感测向量为{20.1,23.2,23.5},根据欧几里得公式求出节点N1与节点N2感测向量距离:
同理可得:
则N1与N2的感测向量相似度
N1与N3的感测向量相似度
N1与N4的感测向量相似度
N1与N5的感测向量相似度
312)由于温度等环境因数的变化,传感器内的节点结构关系可能会发生变化,一般来说,如果网络中的两个节点有着相同或相近的邻居节点,那么这两个节点被认为是相似的。对于节点N1,其邻居节点为{2,3,5},对于节点N2,其邻居节点为{1,3,4},对于节点N3,其邻居节点为{1,2,4,5},对于节点N4,其邻居节点为{2,3,5},对于节点N5,其邻居节点为{1,3,4}。节点N1和节点N2的相同邻居节点个数|Γ1∩Γ2|=1,节点N1和节点N3的相同邻居节点个数|Γ1∩Γ3|=2,节点N1和节点N4的相同邻居节点个数|Γ1∩Γ4|=3,节点N1和节点N5的相同邻居节点个数|Γ1∩Γ5|=1。节点N1和节点N2的所有邻居节点个数总和|Γ1∪Γ2|=3,节点N1和节点N3的所有邻居节点个数总和|Γ1∪Γ3|=3,节点N1和节点N4的所有邻居节点个数总和|Γ1∪Γ4|=3,节点N1和节点N5的所有邻居节点个数总和|Γ1∪Γ5|=3,求出节点N1与节点N2的邻近相似度系数:
同理可得:
313)根据以上公式得出:
节点N1和节点N2的相似度为
节点N1和节点N3的相似度为
节点N1和节点N4的相似度为
节点N1和节点N5的相似度为
得出节点N1与其它节点的相似度集合S={S(1,2),S(1,3),S(1,4),S(1,5)}={0.55,0.76,0.91,0.57};
32)对于节点N1,存在S(1,4)=0.91>0.8,则节点N1正常。
33)重复步骤31)32)依次计算节点N2、N3、N4、N5与其它节点的相似度集合,并作出判断,直到节点集为空,则测试完毕。