CN109587652B - 一种农业物联网故障诊断方法 - Google Patents

Abstract

本发明提出一种农业物联网故障诊断方法，根据同区域不同监测数据之间存在着关联性，计算空间位置加权的互相关系数绝对值之和来判断传感器故障，同类相邻节点和相异相邻节点能够更好地应用环境及性能的互补作用，可以扩展空间上的观测范围，并且多个传感器同时故障的概率非常低，所以增强了数据的可靠性。同时，设置阈值确定同类相邻节点和相异相邻节点，有效排除影响较小的节点，减少数据计算量，实现简单，可操作性好。本发明实现简单，满足实际应用的需要。

Description

一种农业物联网故障诊断方法

技术领域

本发明涉及一种农业物联网故障诊断方法。

背景技术

我国是农业生产大国，农业是国民经济的根本，农业具有对象多样、分散、地域广阔等特点，因此采用无线传感器网络获取农业数据信息，前景广阔。针对无线传感器网络提出了各种各样的故障诊断方法，但是现有的故障诊断主要是针对特定传感器、特定网络、特定环境需求而进行研究，不具备通用性，而且可靠性难以满足农业物联网的需求。因此，针对农业物联网故障诊断，开展基于实际需要的农业物联网故障诊断方法，对提高我国农业现代化水平有着重大的意义。

发明内容

鉴于现有技术的缺点，本发明的目的在于提供一种农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据空间位置加权诊断传感器故障，该方法具体步骤如下：

第一步，通过无线传感器采集大气温度、土壤温度、光照时间，将数据发送至上位机存储；

第二步，上位机将接收到的无线检测模块数据，采用格拉布斯准则剔除误差较大的数据，得到剩余正常数据；

第三步，针对单个传感器数据，选取同类型传感器存储的数据，计算互相关系数，记录互相关系数大于阈值μ的传感器，并且删除空间距离大于D的传感器，保留的的传感器作为该传感器同类相邻节点；

第四步，针对单个传感器数据，选取存在负相关的相异类型传感器存储的数据，计算互相关系数，记录互相关系数绝对值大于阈值η的传感器，并且删除空间距离大于D的传感器，保留的的传感器作为该传感器相异相邻节点；

第五步，若传感器数据变化超出[α,β]，则其成为疑似故障传感器，启动判断程序，连续采集疑似故障传感器及其同类相邻节点和相异相邻节点的各自p个数据；

第六步，根据数据的关联性，计算空间位置加权的互相关系数绝对值之和H，H的计算方法如下：

其中m、n分别是同类相邻节点和相异相邻节点的个数，R_i、S_j分别是第i个同类相邻节点和第j个相异相邻节点与疑似故障传感器数据间的互相关系数，ρ₁、ρ₂、ρ_i、ρ_j、ρ_m、ρ_n分别表示疑似故障传感器与第1、2、i、j、m、n个节点距离；

第七步，若H小于阈值θ，则确认疑似故障传感器出现故障，报警，否则不报警。

综上所述，本发明提出一种农业物联网故障诊断方法，由于同区域不同监测数据之间存在着关联性，根据数据的关联性，计算空间位置加权的互相关系数绝对值之和来判断传感器故障，同类相邻节点和相异相邻节点能够更好地应用环境及性能的互补作用，可以扩展空间上的观测范围，并且多个传感器同时故障的概率非常低，所以增强了数据的可靠性。同时，设置阈值确定同类相邻节点和相异相邻节点，有效排除影响较小的节点，减少数据计算量，实现简单，可操作性好。

附图说明

图1为本发明实施例的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地实施。

本发明提供一种农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据空间位置加权诊断传感器故障，如图1所示流程图，该方法具体步骤如下：

第一步，通过无线传感器采集大气温度、土壤温度、光照时间，将数据发送至上位机存储；

第二步，上位机将接收到的无线检测模块数据，采用格拉布斯准则剔除误差较大的数据，得到剩余正常数据。

针对每个无线传感器数据，首先计算测量数据的算术平均值和残差，然后计算残差的标准差，最后查表得到格拉布斯统计量的临界值，设置置信度为95％，残差大于临界值与标准差的乘积的数据保留下来，采用格拉布斯准则剔除误差较大的所有无线检测模块数据，得到剩余数据。

第三步，针对单个传感器数据，选取同类型传感器存储的数据，计算互相关系数，记录互相关系数大于阈值μ的传感器，并且删除空间距离大于D的传感器，保留的的传感器作为该传感器同类相邻节点。

阈值μ选取的原则是空间位置上小于D，且数据变化趋势一致的传感器所计算得到的互相关系数。对于空间距离大于D的传感器要剔除，D的取值即阈值μ所对应的传感器的距离。

第四步，针对单个传感器数据，选取存在负相关的相异类型传感器存储的数据，计算互相关系数，记录互相关系数绝对值大于阈值η的传感器，并且删除空间距离大于D的传感器，保留的的传感器作为该传感器相异相邻节点。

阈值η选取的原则是空间位置上小于D，且数据变化趋势一致的传感器所计算得到的互相关系数。对于空间距离大于D的传感器要剔除，D的取值即阈值μ所对应的传感器的距离。

第五步，若传感器数据变化超出[α,β]，则其成为疑似故障传感器，启动判断程序，连续采集疑似故障传感器及其同类相邻节点和相异相邻节点的各自p个数据。

传感器数据在一定范围内正常变化，太大或太小均不正常。α,β,p均根据实际情况确定。注意：连续采集p个数据的间隔要比正常采集时的间隔要短一些，便于及时发现故障。

第六步，根据数据的关联性，计算空间位置加权的互相关系数绝对值之和H，H的计算方法如下：

其中m、n分别是同类相邻节点和相异相邻节点的个数，R_i、S_j分别是第i个同类相邻节点和第j个相异相邻节点与疑似故障传感器数据间的互相关系数，ρ₁、ρ₂、ρ_i、ρ_j、ρ_m、ρ_n分别表示疑似故障传感器与第1、2、i、j、m、n个节点距离。

空气温度与光照之间具有正相关性，而空气温度与空气湿度之间具有负相关性，所以计算R_i、S_j时需要考虑环境参数之间正负相关性关系，合理选择传感器数据。节点距离均为直线距离。

第七步，若H小于阈值θ，则确认疑似故障传感器出现故障，报警，否则不报警。阈值θ根据实际情况确定。

综上所述，本发明提出一种农业物联网故障诊断方法，由于同区域不同监测数据之间存在着关联性，根据数据的关联性，计算空间位置加权的互相关系数绝对值之和来判断传感器故障，同类相邻节点和相异相邻节点能够更好地应用环境及性能的互补作用，可以扩展空间上的观测范围，并且多个传感器同时故障的概率非常低，所以增强了数据的可靠性。同时，设置阈值确定同类相邻节点和相异相邻节点，有效排除影响较小的节点，减少数据计算量，实现简单，可操作性好。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

Claims (1)

1.一种农业物联网故障诊断方法，针对农业物联网中无线传感器，采用数据空间位置加权诊断传感器故障，该方法特征在于：

第一步，通过无线传感器采集大气温度、土壤温度、光照时间，将数据发送至上位机存储；

第二步，上位机将接收到的无线检测模块数据，采用格拉布斯准则剔除误差大于阈值Thr的数据，得到剩余正常数据；

第三步，针对单个传感器数据，选取同类型传感器存储的数据，计算互相关系数，记录互相关系数大于阈值μ的传感器，并且删除空间距离大于D的传感器，保留的传感器作为该传感器同类相邻节点；

第四步，针对单个传感器数据，选取存在负相关的相异类型传感器存储的数据，计算互相关系数，记录互相关系数绝对值大于阈值η的传感器，并且删除空间距离大于D的传感器，保留的传感器作为该传感器相异相邻节点；

第五步，若传感器数据变化超出[α,β]，则其成为疑似故障传感器，启动判断程序，连续采集疑似故障传感器及其同类相邻节点和相异相邻节点的各自p个数据，其中α,β是分别对应历史数据的最小值和最大值，p是所采集的数据长度；

第六步，根据数据的关联性，计算空间位置加权的互相关系数绝对值之和H，H的计算方法如下：

其中m、n分别是同类相邻节点和相异相邻节点的个数，R_i、S_j分别是第i个同类相邻节点和第j个相异相邻节点与疑似故障传感器数据间的互相关系数，ρ₁、ρ₂、ρ_i、ρ_j、ρ_m、ρ_n分别表示疑似故障传感器与第1、2、i、j、m、n个节点距离；

第七步，若H小于阈值θ，则确认疑似故障传感器出现故障，报警，否则不报警。

Images