（沈阳化工大学 110142）
摘要：无线传感器网络(Wireless Sensor Network, WSN)是由大量的具有计算、存储和无线通信能力的传感器节点构成的多跳、自组织的网络。凭借传感器节点廉价、低功耗等优点，无线传感器网络在国防军事、农业种植、医疗卫生、交通管理等诸多领域有着广泛的应用。通常这些传感器节点被部署在恶劣或者敌对的环境中，传感器节点的部件往往暴露在外部环境中，这导致节点发生故障的概率很高。故障的传感器节点会严重影响无线传感器网络的稳定性和使用寿命，因此故障诊断问题是无线传感器网络研究中一个非常重要且必要的课题。
关键词：WSN；邻居协调；故障诊断
一、引言
对无线传感器网络进行故障诊断，可以及时地发现网络中的故障节点并进行替换，这能够有效地保障网络的稳定性并提高网络的使用寿命。对于无线传感器网络的故障诊断问题，已经有研究者做出了大量的研究成果。然而，很少有研究者关注到网络部署环境的复杂性对诊断结果带来的不良影响。同时，在目前的研究工作中也很少有人关注诊断过程中节点的能量消耗问题。
二、故障诊断问题相关概述
(1)节点故障
在 WSN 的节点主要分为三类：传感器节点、汇聚节点和任务管理节点，其中传感器节点和汇聚节点负责将网络中监测信息采集并发送到任务管理节点，因此主要是传感器节点和汇聚节点上容易发生故障。
传感器节点的故障分为硬故障(Breakdown)和软故障(Faulty)[48,49]。节点的硬故障是指因为硬件模块失效，如通信模块损坏、电源失效等原因导致的无法继续工作的情形。节点软故障是指硬件模块正常，因为计算模块故障导致计算结果异常或通信模块故障导致传输数据异常，即传播的数据是有问题的。如果节点一直处于故障状态直到被维修才恢复正常的，这样的故障被称作永久性故障；如果节点出现了故障但是很快又恢复正常的，这样的故障叫瞬时性故障。
(2)网络故障
无线传感器网络中的网络故障多种多样，主要根据网络使用的协议栈来分类，分为以下五种。
传输层：因为传输层是连接信息传输的，所以当传输层出现问题，传感器节点采集的信息将无法通过传输的方式发送到目的节点，导致区域内的节点出现通信故障问题，使得用户无法在终端收到监测信息。
网络层：监测信息是通过信道在网络中传播的，当汇聚节点和传感器节点间的信道出现拥塞或者负载过重的问题时，数据会在传播的过程中发生部分丢失的现象。 应用层：传感器节点都有自己的计时器，网络中的节点发送、接收数据的时都是依照自己的时间进行，所以会出现时间不同步的问题，出现时间误差。
三、基于 K-means 算法对 WSN 分群
因为无线传感器网络部署的环境往往具有多变化的、复杂的特征，因此我们需要在进行节点故障诊断的时候将相似环境下的节点划分到同一类。简单地讲，我们需要根据传感器节点的地理位置信息、感知数据信息来划分节点，聚类算法可以将具有相似特征的传感器节点分在相同的群中，为后面的节点故障诊断算法做好铺垫。在目前的研究中，K-means 算法是一种非常有用的基于划分的聚类算法，在已知需要区分的群个数K的情况下，使用 K-means 算法可以很好地将地理位置相近的节点划分进同一个群中。但是我们考虑到传感器节点部署的环境是复杂的，存在这样一种情况，两个传感器节点部署的位置很相近，例如室内的温度传感器节点 A 被部署在冷气出风口位置，节点 B 被部署在被阳光照射的窗台附近，这两者感知的温度值是相差很大的，所以我们需要对 K-means 算法进行一定的优化，使其能够更好的应对我们提出的环境需求。
我们通过参考节点感知数据的历史信息，将数据的相异度加入准则函数的计算，实现对准则函数的优化。该算法的主要思想如下：先在 WSN 中随机的选择K个节点作为初始的聚类中心；对于非聚类中心的节点根据准则函数EIJ选择最佳的聚类中心加入；然后计算分群后网络中所有节点与其聚类中心节点准则函数值总和M；接下来对聚类中心进行调整，假设用群内的其他节点替代聚类中心，如果M的值可以更小就进行调整，否则就尝试下一个节点，直到所有尝试都无法使得𝑀的值更小时，就结束分群的工作；最后将最后分群的结果输出。
输入:无线传感器网络中传感器节点个数N;传感器节点S i，其中1<i<N;传感器节点又的位置信息(xd i, yd i)，其中1<i<N;传感器节点S i的第k次感知数据值Measik，其中1<i<N;需划分群的个数K。
输出:传感器节点S i所属群编号Cluster，其中1<_i<N，1<_Cluster<_K。
四、复杂环境下基于聚类的 WSN 故障诊断算法
我们对 K-means 算法挑选聚类中心节点的准则函数进行了优化，使得其能够帮助我们更好的对复杂环境下的传感器节点进行分群，将具有相似环境条件的传感器节点划分到同一个群中。在此基础上，我们可以根据传感器节点感知数据的时空相关性特点来设计新的诊断方式，根据邻居节点在最近时间 T 内是否被诊断过、诊断结果情况这样的参考状态设计不同的权重，通过邻居节点对待诊断节点进行投票这样的方式完成对复杂环境下传感器节点的故障诊断任务。其中根据邻居节点S j的参考状态，我们给出了节点投票权重表，如表 3-1 所示。
表 3-1 WSN 故障诊断算法投票权重表
在表 3-1 中我们给出了本章故障诊断算法在进行投票时候的节点根据自身参考状态可以获得的投票权重值。我们简单地对这个投票权重weight进行解释：如果邻居节点是S j可靠故障的，表示它在最近时间 T 内被检测为故障状态，这样的节点给出的投票选择是可信度最低的，因此我们给这样状态的节点最低的权重值为 1；如果邻居节点S j是不可靠故障的，表示它在时间 T 之前被检测为故障状态，在此期间该节点可能恢复到了正常状态，拥有比可靠故障状态稍高的可信度，因此我们给这样状态的节点权重值为 2；如果邻居节点S j是未知状态的，表示它从未进行过诊断，具有中等的可信度，因此我们给这样的节点的权重值为 3；如果邻居节点S j是不可靠无故障的，表示它在时间 T 之前被检测为无故障状态，拥有很高的可信度，因此我们给这样状态的节点较高的权重值为 4；如果邻居节点S j是可靠无故障的，表示在时间 T 以内被诊断为无故障，节点在短时间内发生故障的概率很低，因此这类的节点它们的投票是具有最高的可信度，所以给出最高的投票权重为 5。同时考虑到 2 个节点所处环境存在不一致的可能，同样环境下(即同群)的节点投票的可信度要高于不同环境下的节点，我们根据S j和S i是否同群对给出的投票权重weight乘以不同的系数进行调整。
参考文献
[1]李建中,高宏.无线传感器网络的研究进展[J].计算机研究与发展,2008,45(1):1-15.
[2]焦长兵,金勇杰,傅历光.无线传感器网络及其军事应用[J].黑龙江科技信息,2007,12S: 97-97.
作者简介：田鹍（1994.9—），男，汉，辽宁沈阳人，研究生，研究方向：工业物联网。
王金亮（1993.4—），男，汉，辽宁铁岭人，研究生，研究方向：压电能量收集。
论文作者:田鹍 王金亮
论文发表刊物:《知识-力量》2018年12月上
论文发表时间:2018/11/2
标签：节点论文; 传感器论文; 故障论文; 网络论文; 权重论文; 算法论文; 故障诊断论文; 《知识-力量》2018年12月上论文;