CN112911625B - 一种确定性时隙通信传感节点的故障诊断方法 - Google Patents
一种确定性时隙通信传感节点的故障诊断方法 Download PDFInfo
- Publication number
- CN112911625B CN112911625B CN202110155275.2A CN202110155275A CN112911625B CN 112911625 B CN112911625 B CN 112911625B CN 202110155275 A CN202110155275 A CN 202110155275A CN 112911625 B CN112911625 B CN 112911625B
- Authority
- CN
- China
- Prior art keywords
- wireless sensing
- sensing node
- fault
- time
- sequence
- 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
Images
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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于工业物联网领域,涉及一种确定性时隙通信传感节点的故障诊断方法;所述诊断方法包括无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧;若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧;检测当前无线传感节点是否发生硬故障;若所述当前无线传感节点未发生硬故障时,则采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障;本发明能够针对工业现场的无线传感节点的状态进行实时监测,对于发生故障的无线传感节点,利用本发明中提出的针对硬故障与软故障的检测方法,可以及时发现故障无线传感节点并确定节点所发生的故障类型,从而保证了无线传感网络的可靠性。
Description
技术领域
本发明属于工业物联网领域,涉及一种确定性时隙通信传感节点的故障诊断方法。
背景技术
随着现代工业向着自动化、精密化、智能化和网络化的方向发展,工业现场拥有大量的无线传感设备,包括温湿度传感器、烟雾传感器、压力传感器、加速度传感器、红外线传感器等,这些传感器设备之间不断地进行数据交换与动作,从而实现工业生产的自动化,并大大提高了工业生产的质量与效率;工业无线网络是实现工业环境下无线传感器设备互联的重要基础,工业无线网络必须以工业无线标准为基础,目前时隙调频(Time SlottedChannel Hopping, TSCH)是现行三大工业无线标准:WirelesHART、ISA100.11a以及WIA-PA的核心技术,这些工业无线协议标准都采用了时隙通信机制,该机制可以有效地减少竞争接入产生的数据冲突和能量损耗,实现高可靠、低功耗的无线网络通信。
然而,工业现场的环境一般较为恶劣,如高温、粉尘、噪音、湿度高等,无线传感节点通常会直接暴露于这种环境之中,且没有任何防护措施,因此在工业现场传感器节点出现故障的几率很大,无线传感节点发生故障分为硬故障和软故障,其中发生硬故障的原因主要是节点通信部件或能量供应部件发生故障从而失去通信功能;当发生软故障时,故障节点依然能够与其邻居节点进行通信,且该故障节点的通信部件和能量供应部件均在正常工作,但通信时所得到的信息是错误的。
因此,如何及时地发现故障和辨识故障将是保障工业无线网络可靠性一个重要内容,具有重要意义;目前针对传感节点的故障诊断主要包括物理冗余法、基于模型的方式、基于神经网络等方式,然而这些方法都存在一定的不足,因而需要进一步的改进。
发明内容
基于现有技术存在的问题,本发明考虑到确定性时隙通信的特点,利用时隙通信机制传输数据的无线传感节点,规定其在一定的时间内周期性地上传数据,如果某节点超过了一定时间还未上传数据,可以断定其发生了故障;在工业应用过程中,传感节点所采集的数据通常属于缓变量,如果数据产生了突变就意味着节点可能发生了故障,因此,本发明提出了一种以自回归模型的时间序列分析算法为基础的故障诊断方法。
本发明通过如下技术方案解决上述技术问题:
一种确定性时隙通信传感节点的故障诊断方法,所述方法包括无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧;若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧;检测当前无线传感节点是否发生硬故障;若所述当前无线传感节点未发生硬故障时,则采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障。
本发明的有益效果:
本发明能够针对工业现场的无线传感节点的状态进行实时监测,对于发生故障的无线传感节点,利用本发明中提出的针对硬故障与软故障的检测方法,可以及时发现故障无线传感节点并确定节点所发生的故障类型,从而保证了无线传感网络的可靠性。特别地,本发明提出的基于自回归模型的时间序列分析算法能够及时地检测到节点所发生的软故障,具有高效性和可靠性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
图1为本发明实施例中确定性时隙通信传感节点的故障诊断方法流程图;
图2是本发明优选实施例中的确定性时隙通信传感节点的故障诊断方法流程图;
图3是本发明实施例中所采用的时序通信图;
图4是本发明实施例中无线传感网络的故障诊断空间图;
图5是本发明实施例中的硬故障诊断流程图;
图6是本发明实施例中软故障诊断流程图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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。
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了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明中是一种在工业无线网络中实现无线传感节点的故障诊断的方法,无线传感器网络系统故障的发生原因有多种,现有的故障分析主要是针对节点数据采集、数据处理传输错误、节点能量失效以及传感器网络拓扑结构的不确定性提出的,而本发明正是从节点能量失效和数据处理传输角度进行处理。
图1是本发明实施例中确定性时隙通信传感节点的故障诊断方法流程图,如图1所示,所述故障诊断方法包括以下步骤:
101、无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧;
102、若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧;
103、检测当前无线传感节点是否发生硬故障;
104、若所述当前无线传感节点未发生硬故障时,则采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障。
图2是本发明优选实施例中的确定性时隙通信传感节点的故障诊断方法流程图,如图2所示,所述故障诊断方法包括以下步骤:
201、无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧;
202、若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧;
203、检测当前无线传感节点是否发生硬故障;
204、对所述当前无线传感节点进行软故障预判决;
205、采用基于自回归模型的时间序列分析算法检测当前无线传感节点是否发生软故障。
在本发明实施例中,序列将会被划分成多个时间间隙(时隙)的时间帧,每个时隙可以对应一个时间帧,图3给出了本发明实施例中所采用的时序通信图;如图3所示,时隙1对应时间帧1,时隙2对应时间帧2;通过这种方式的划分,每个命令帧可以对应一个时隙,从而保证时隙通信的进行。
在本发明实施例中,所述状态帧可以为keep-alive命令帧,通过该命令帧用于报告所述传感器状态,如工作正常、工作故障、待机、休眠等状态,使得其网关不仅能够收集到无线传感器数据,还能够对传感器状态进行监测和管理,通过持续性的发送keep-alive命令帧,能够使得无线传感节点之间相互知道其邻居节点的状态,便于后续的故障检测。
图4是本发明实施例中无线传感网络的故障诊断空间图,如图4所示,在所述无线传感网络中主要包括多个无线传感节点、路由、网关以及位于骨干网的网络管理者和安全管理者;在传感器发生故障并进行诊断的过程中,传感器节点主要发生两种类型的故障,一种是硬故障,另一种是软故障,硬故障主要是通过网关在数据链路层进行处理,而软故障则是通过骨干网中的安全管理者在应用层进行处理。
传感器硬故障主要是指导致传感器节点完全失效的故障,由于此时传感器节点的输出往往发生较为剧烈的突变,因此硬故障是比较容易识别的;本发明实施例中主要通过主动问询的方式进行硬故障检测。
图5给出了本发明实施例中的硬故障诊断流程图,如图5所示,所述硬故障诊断的过程包括:
301A、当前无线传感节点在数据链路层通过路由向网关发送报告;
301B、无线传感网络持续对当前无线传感节点的备份路由进行主动问询检测;
301C、当备份路由不可用时判断所述当前无线传感节点发生硬故障。
在本发明的优选实施例中,若所述当前无线传感节点未发生硬故障之后还包括对所述当前无线传感节点进行软故障预判决,若所述软故障预判决通过后则采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障。
其中,所述软故障预判决包括利用TCP/IP协议中的检查网络连通性命令检查当前无线传感节点与其他无线传感节点是否连通,若成功连通但无线传感节点之间无法通信,则进入软故障检测。
在一些实施例中,如果在上述硬故障检测中检测出所述无线传感节点发生了硬故障,则可以采用Ping6命令检查当前无线传感节点与其他无线传感节点是否连通,如果Ping6命令成功但无线传感节点仍然无法正常通信,那么该无线传感节点可能出现了软故障。
传感器软故障是指导致传感器节点性能下降或者部分失效的各种故障,从无线传感器网络系统节点组成方面来看,主要表现为:传感器节点数据采集、数据处理、数据传输过程中所出现的故障,在本发明所采用的工业无线传感网络中,传感节点所采集的数据通常属于缓变量,如果数据产生了突变就意味着节点可能发生了故障,因此,本发明提出了一种基于自回归模型的时间序列分析算法进行软故障诊断。
图6是本发明实施例中软故障诊断流程图,如图6所示,所述软故障诊断的流程包括:
501A、无线传感节点将工业现场的终端数据在应用层通过路由到达网关后传输给网络管理者,以绝对时隙将所述终端数据划分出时间序列;
本实施例中,将绝对时隙作为原坐标,将工业现场所采集到的无线传感数据组成一个时间序列;
501B、将所述时间序列划分出n个子时间序列,假设可以表示为AR1、AR2、…、 ARn;n表示子时间序列的个数,也是整个时间序列的长度。
501C、利用自回归模型计算出每个子时间序列的预测值;
在本发明实施例中,对于每一个子时间序列,采用线性自回归模型进行预测,表示为:
其中,ARt表示第t个时间段的序列;c表示常数项;εt表示t时序对应的随机误差值;Ψj表示自相关系数项;ARt-j表示第t-j个时间段的序列;p表示自回归模型的阶数。
在一些补充实施例中,本发明首先对无线传感数据进行采样,根据采样后的无线传感数据确定出自回归模型的阶数;可以根据所述阶数选择出对应的自回归模型。
501D、计算出每个子时间序列实际值与预测值之间的差值,并得到差值序列;
每个差值的计算公式表示为:
其中,Dt表示差值序列的第t维数据,即第i个时间段的序列ARt中所有时间点所对应的差值;表示经过上述预测公式所计算出的ARt中第i个时间点的数据;yi真实表示未采用自回归模型所对应的ARt中真实的第i个时间点的数据; t∈{1,2,…,n};i∈{1,2,…,k}。
501E、通过计算所述差值序列的可信度得到每一个子时间序列的可信度,并形成可信度时间序列{R1、R2、R3……Rr};
501F、将所述可信度时间序列中的相邻时间序列Ri+1、Ri(1≤i≤T-1)做差,得到相邻时间序列的平均差值:
{h1,h2,h3……hT-1}h1=Ri+1-Ri(1≤i≤T-1) ;
501G、通过计算所述平均差值的可信度得到可信度密度序列,根据可信度密度判断是否发生了软故障。
所述可信度密度序列表示为{ρ1、ρ2、ρ3……ρr},其中,hi表示第i+1个可信度时间序列与第i个可信度时间序列的平均差值;表示所有可信度时间序列的平均差值;i∈{1,2,…,r};r表示序列长度。
在上述实施例中,本发明中可信度计算所采用的工具为高斯模糊器,当然,本领域技术人员还可以根据本领域其他技术手段进行拓展。
在本发明的描述中,需要理解的是,术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种确定性时隙通信传感节点的故障诊断方法,其特征在于,所述方法包括无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧;若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧;检测当前无线传感节点是否发生硬故障,当前无线传感节点在数据链路层通过路由向网关发送报告;无线传感网络持续对当前无线传感节点的备份路由进行主动问询检测,当备份路由不可用时判断所述当前无线传感节点发生硬故障;若所述当前无线传感节点未发生硬故障时,对所述当前无线传感节点进行软故障预判决,利用TCP/IP协议中的检查网络连通性命令检查当前无线传感节点与其他无线传感节点是否连通,若成功连通但无线传感节点之间无法通信,则进入软故障检测,采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障,无线传感节点将工业现场的终端数据在应用层通过路由到达网关后传输给网络管理者;以绝对时隙将所述终端数据划分出时间序列;将所述时间序列划分出多个子时间序列;利用自回归模型计算出每个子时间序列的预测值;计算出每个子时间序列实际值与预测值之间的差值,并得到差值序列;通过计算所述差值序列的可信度得到每一个子时间序列的可信度,并形成可信度时间序列;将所述可信度时间序列中的相邻时间序列做差,得到相邻时间序列的平均差值;通过计算所述平均差值的可信度得到可信度密度序列,利用可信度密度作为软阈值进行软故障判断。
2.根据权利要求1所述的一种确定性时隙通信传感节点的故障诊断方法,其特征在于,所述可信度采用的计算方式至少包括高斯模糊器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110155275.2A CN112911625B (zh) | 2021-02-04 | 2021-02-04 | 一种确定性时隙通信传感节点的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110155275.2A CN112911625B (zh) | 2021-02-04 | 2021-02-04 | 一种确定性时隙通信传感节点的故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112911625A CN112911625A (zh) | 2021-06-04 |
CN112911625B true CN112911625B (zh) | 2022-06-03 |
Family
ID=76122337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110155275.2A Active CN112911625B (zh) | 2021-02-04 | 2021-02-04 | 一种确定性时隙通信传感节点的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911625B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114323102B (zh) * | 2021-12-17 | 2024-01-19 | 中国重汽集团济南动力有限公司 | 一种sent接口传感器故障诊断方法、装置及系统 |
CN114636890B (zh) * | 2022-01-29 | 2023-10-10 | 国网河北省电力有限公司邯郸供电分公司 | 案例推理的故障定位方法以及系统、存储介质、电子设备 |
CN116112344B (zh) * | 2023-04-11 | 2023-06-20 | 山东金宇信息科技集团有限公司 | 一种机房故障网络设备检测方法、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017199A (zh) * | 2007-03-09 | 2007-08-15 | 汪秉文 | 基于无线传感器网络的集装箱定位的方法、系统及应用 |
CN101237416A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于分簇的无线传感网局部拓扑重建的方法 |
CN101848478A (zh) * | 2010-04-29 | 2010-09-29 | 北京交通大学 | 一种无线传感器网络故障的处理方法 |
CN102438267A (zh) * | 2011-10-31 | 2012-05-02 | 沈阳师范大学 | Zigbee无线传感器网络节点能耗及故障检测装置 |
CN102802182A (zh) * | 2012-08-09 | 2012-11-28 | 无锡赛睿科技有限公司 | 一种无线传感器网络故障诊断装置及方法 |
WO2013004846A1 (en) * | 2011-07-07 | 2013-01-10 | Toyota Motor Europe Nv/Sa | Artificial memory system and method for use with a computational machine for interacting with dynamic behaviours |
CN103607732A (zh) * | 2013-10-25 | 2014-02-26 | 肖湘蓉 | 无线传感器网络中基于信息隐藏技术的主动式诊断方法 |
CN104849528A (zh) * | 2015-04-22 | 2015-08-19 | 江苏亿能电气有限公司 | 一种基于wsn的母线电压检测系统及故障诊断方法 |
CN109683089A (zh) * | 2018-11-30 | 2019-04-26 | 江苏大学 | 基于wsn的电机母线高电阻连接故障检测装置与方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392606B2 (en) * | 2008-09-23 | 2013-03-05 | Synapse Wireless, Inc. | Wireless networks and methods using multiple valid network identifiers |
-
2021
- 2021-02-04 CN CN202110155275.2A patent/CN112911625B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017199A (zh) * | 2007-03-09 | 2007-08-15 | 汪秉文 | 基于无线传感器网络的集装箱定位的方法、系统及应用 |
CN101237416A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于分簇的无线传感网局部拓扑重建的方法 |
CN101848478A (zh) * | 2010-04-29 | 2010-09-29 | 北京交通大学 | 一种无线传感器网络故障的处理方法 |
WO2013004846A1 (en) * | 2011-07-07 | 2013-01-10 | Toyota Motor Europe Nv/Sa | Artificial memory system and method for use with a computational machine for interacting with dynamic behaviours |
CN102438267A (zh) * | 2011-10-31 | 2012-05-02 | 沈阳师范大学 | Zigbee无线传感器网络节点能耗及故障检测装置 |
CN102802182A (zh) * | 2012-08-09 | 2012-11-28 | 无锡赛睿科技有限公司 | 一种无线传感器网络故障诊断装置及方法 |
CN103607732A (zh) * | 2013-10-25 | 2014-02-26 | 肖湘蓉 | 无线传感器网络中基于信息隐藏技术的主动式诊断方法 |
CN104849528A (zh) * | 2015-04-22 | 2015-08-19 | 江苏亿能电气有限公司 | 一种基于wsn的母线电压检测系统及故障诊断方法 |
CN109683089A (zh) * | 2018-11-30 | 2019-04-26 | 江苏大学 | 基于wsn的电机母线高电阻连接故障检测装置与方法 |
Non-Patent Citations (2)
Title |
---|
"面向测量与控制的精确时间同步实现方法";谢昊飞,王 平,张 健,王 浩;《计算机工程》;20080531;第34卷(第10期);全文 * |
Zhiyong Luo ; Min Xiang ; Haofei Xie ; Ping Wang."A method for fault diagnosis of analog circuits based on optimized fuzzy inference".《2010 Second Pacific-Asia Conference on Circuits, Communications and System》.2010, * |
Also Published As
Publication number | Publication date |
---|---|
CN112911625A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112911625B (zh) | 一种确定性时隙通信传感节点的故障诊断方法 | |
Nguyen et al. | Using end-to-end data to infer lossy links in sensor networks | |
CN103716123A (zh) | 一种传感器网络中分组丢失和错误的原因识别方法和系统 | |
JP6747164B2 (ja) | 故障検出装置及び故障検出システム | |
CN113489619B (zh) | 一种基于时间序列分析的网络拓扑推断方法及装置 | |
CN106912067B (zh) | 一种基于模糊神经网络的wsn无线通信模块故障诊断方法 | |
Kandukuri et al. | Energy-efficient data aggregation techniques for exploiting spatio-temporal correlations in wireless sensor networks | |
JP2017204858A (ja) | ノード性能評価方法、装置及びシステム | |
US8040251B2 (en) | Detection of fast poll responses in a TWACS inbound receiver | |
CN110018390B (zh) | 基于综合变权的分层模糊petri网电网故障诊断方法 | |
CN103533571A (zh) | 基于投票策略的容错事件检测方法 | |
CN111726768A (zh) | 一种基于压缩感知面向边缘计算的可靠数据收集方法 | |
CN111600805B (zh) | 基于贝叶斯的电力数据网拥塞链路推断方法 | |
Sarao | Machine learning and deep learning techniques on wireless networks | |
CN116915582A (zh) | 一种通信终端故障根因诊断分析方法及装置 | |
CN106303901B (zh) | 一种无线传感网中基于协同过滤的可靠数据融合优化方法 | |
CN111884874B (zh) | 一种基于可编程数据平面的舰船网络实时异常检测方法 | |
Huang et al. | EasiPLED: Discriminating the causes of packet losses and errors in indoor WSNs | |
CN104168599B (zh) | 基于时间加权k-近邻法的无线传感器网络故障诊断方法 | |
CN116231603A (zh) | 一种牵引供电广域保护测控系统馈线自适应控制方法 | |
CN111024239B (zh) | 一种基于图像识别技术的红外检测数据自动采集工具 | |
Das et al. | Performance analysis of wireless sensor networks in presence of faulty nodes | |
Shafeeq et al. | Heterogeneous Hardware Fault-Detection Scheme for Large Scale Wireless Sensor Networks | |
CN111447117B (zh) | 基于大数据的工控网络交换机灰度检测方法 | |
CN118139095A (zh) | 一种基于分蔟算法的物联网中节点失效检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |