基于分布式网络的传感器故障检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于分布式网络的传感器故障检测方法及装置，涉及故障检测技术领域，本发明专利技术根据传感器的历史状态数据计算预测状态数据Xt，再根据预测状态数据Xt与真实状态数据计算故障系数，由故障系数来判断传感器是否存在故障，避免了分布式网络中各传感器之间频繁交互故障检测数据包，节省了电池能量和通信带宽，并且通过本发明专利技术可有效避免发生大规模故障事件时，无法取得可靠数据样本带来的故障误判和漏判。

【技术实现步骤摘要】
基于分布式网络的传感器故障检测方法及装置
本专利技术涉及故障检测
，尤其是涉及一种基于分布式网络的传感器故障检测方法及装置。
技术介绍
近年来，随着微电子处理技术，无线通信技术的不断的进步发展，使得无线传感器在环境监测领域得到广泛的应用。然而，无线传感器一般工作在比较恶劣的环境中，容易使得无线传感器出现故障，使得无线传感器传回的监测数据出现异常，同时无线传感器的能量有限且充能不便，造成无线传感器可靠性降低。由于无线传感器低可靠性，使得无线传感器软件故障广泛的存在。软件故障表现为无线传感器采集的数据不正常波动或者超出合理的取值范围，具体表现为：精确度退化、零点漂移、数据偏差等。无线传感器发生故障可能会出现检测盲区，会严重影响无线传感器网络性能，因此，及时的发现无线传感器故障并进行恢复。现有的技术方案中通过对大量的数据和对所有的无线传感器进行检测处理，计算成本高，降低了无线传感器的使用的寿命，当发生大规模故障时间时，容易使得故障检测方法失效。
技术实现思路
针对上述缺陷，本专利技术提供了一种基于分布式网络的传感器故障检测方法及装置。第一方面，本专利技术提供一种基于分布式网络的传感器故障检测方法，所述方法包括：获取传感器的样本数据和所述传感器在当前时刻的真实状态数据Xreal，所述传感器的样本数据为所述传感器的历史状态数据；根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt；根据所述真实状态数据Xreal和所述预测状态数据Xt计算所述传感器的故障系数；将所述故障系数与预设故障阈值进行比较，根据比较结果判断所述传感器是否发生故障。其中，所述根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt之前，还包括：计算所述样本数据的平均值，若所述样本数据中某个时刻的值与所述平均值之间的差值超过了预设差值范围，则对所述样本数据进行平稳化处理，并根据平稳化处理后的样本数据计算所述传感器在当前时刻的预测状态数据Xt。其中，根据所述样本数据通过下式计算所述传感器在当前时刻的预测状态数据Xt，其中，p为自回归项数，q为滑动平均项数，d为预测序列的差分次数，Θi均为第i时刻的随机抖动，L为滞后算子，Li为L的i次幂，εt-1为所述样本数据中前L个时刻的平均值。其中，根据所述真实状态数据Xreal和所述预测状态数据Xt通过下式计算所述传感器的故障系数Cv(t)，其中，Cv(i)为传感器在第i时刻的故障系数。其中，所述根据比较结果判断所述传感器是否发生故障之后，还包括：若所述传感器未发生故障，则根据所述故障系数确定信誉等级。第二方面，本专利技术提供一种基于分布式网络的传感器故障检测装置，所述装置包括：数据获取模块，用于获取传感器的样本数据和所述传感器在当前时刻的真实状态数据Xreal，所述传感器的样本数据为所述传感器的历史状态数据；状态计算模块，用于根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt；系数计算模块，用于根据所述真实状态数据Xreal和所述预测状态数据Xt计算所述传感器的故障系数；比较判断模块，用于将所述故障系数与预设故障阈值进行比较，根据比较结果判断所述传感器是否发生故障。其中，所述装置还包括：平稳化处理模块，用于计算所述样本数据的平均值，若所述样本数据中某个时刻的值与所述平均值之间的差值超过了预设差值范围，则对所述样本数据进行平稳化处理，并根据平稳化处理后的样本数据计算所述传感器在当前时刻的预测状态数据Xt。其中，所述状态计算模块根据所述样本数据通过下式计算所述传感器在当前时刻的预测状态数据Xt，其中，p为自回归项数，q为滑动平均项数，d为预测序列的差分次数，Θi均为第i时刻的随机抖动，L为滞后算子，Li为L的i次幂，εt-1为所述样本数据中前L个时刻的平均值。其中，所述系数计算模块根据所述真实状态数据Xreal和所述预测状态数据Xt通过下式计算所述传感器的故障系数Cv(t)，其中，Cv(i)为传感器在第i时刻的故障系数。其中，所述装置还包括：等级确定模块，用于若所述传感器未发生故障，则根据所述故障系数确定信誉等级。本专利技术根据传感器的历史状态数据计算预测状态数据Xt，再根据预测状态数据Xt与真实状态数据计算故障系数，由故障系数来判断传感器是否存在故障，避免了分布式网络中各传感器之间频繁交互故障检测数据包，节省了电池能量和通信带宽，并且通过本专利技术可有效避免发生大规模故障事件时，无法取得可靠数据样本带来的故障误判和漏判。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种实施方式的基于分布式网络的传感器故障检测方法的流程图；图2为本专利技术一种实施例的节点分布示意图；图3为本专利技术一种实施例提供的自相关函数与偏自相关函数的关系示意图；图4为本专利技术一种实施方式的基于分布式网络的传感器故障检测装置的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，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的实施例，都属于本专利技术保护的范围。图1为本专利技术一种实施方式的基于分布式网络的传感器故障检测方法的流程图；参照图1，，本实施方法的方法包括：101、获取传感器的样本数据和所述传感器在当前时刻的真实状态数据Xreal，所述传感器的样本数据为所述传感器的历史状态数据。102、根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt。103、根据所述真实状态数据Xreal和所述预测状态数据Xt计算所述传感器的故障系数。104：将所述故障系数与预设故障阈值进行比较，根据比较结果判断所述传感器是否发生故障。为保证计算所述传感器在当前时刻的预测状态数据Xt的准确率，在样本数据围绕平均值出现明显的上升或者下降趋势时，则需要对样本数据进行平稳化处理，优选地，步骤102之前，还包括：计算所述样本数据的平均值，若所述样本数据中某个时刻的值与所述平均值之间的差值超过了预设差值范围，则对所述样本数据进行平稳化处理，并根据平稳化处理后的样本数据计算所述传感器在当前时刻的预测状态数据Xt。下面以取对数的方式为例来对样本数据的平稳化处理进行说明：设样本数据为S＝{y0,y1,y2,y3,….yt-1,yt},对样本数据S中的每个值均取对数：y′t＝logyt得到取对数后的样本数据S'＝{y'0,y′1,y'2,y'3,...,y′t-1,y′t}。步骤102中，根据所述样本数据通过下式计算所述传感器在当前时刻的预测状态数据Xt，其中，p为自回归项数，q为滑动平均项数，d为预测序列的差分次数，Θi均为第i时刻的随机抖动，L为滞后算子，Li为L的i次幂，εt-1为所述样本数据中前L个时刻的平均值。若步骤102中预测状态数据Xt是根据取对数后的样本数据计算获得的，则根据上式计算后，还需要对所述预测状态数据Xt取反对数。上述公式(1)通过差本文档来自技高网...

【技术保护点】
一种基于分布式网络的传感器故障检测方法，其特征在于，所述方法包括：获取传感器的样本数据和所述传感器在当前时刻的真实状态数据Xreal，所述传感器的样本数据为所述传感器的历史状态数据；根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt；根据所述真实状态数据Xreal和所述预测状态数据Xt计算所述传感器的故障系数；将所述故障系数与预设故障阈值进行比较，根据比较结果判断所述传感器是否发生故障。

【技术特征摘要】
1.一种基于分布式网络的传感器故障检测方法，其特征在于，所述方法包括：获取传感器的样本数据和所述传感器在当前时刻的真实状态数据Xreal，所述传感器的样本数据为所述传感器的历史状态数据；根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt；根据所述真实状态数据Xreal和所述预测状态数据Xt计算所述传感器的故障系数；将所述故障系数与预设故障阈值进行比较，根据比较结果判断所述传感器是否发生故障；根据所述样本数据通过下式计算所述传感器在当前时刻的预测状态数据Xt，其中，p为自回归项数，q为滑动平均项数，d为预测序列的差分次数，Θi均为第i时刻的随机抖动，L为滞后算子，Li为L的i次幂，εt-1为所述样本数据中前L个时刻的平均值。2.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据计算所述传感器在当前时刻的预测状态数据Xt之前，还包括：计算所述样本数据的平均值，若所述样本数据中某个时刻的值与所述平均值之间的差值超过了预设差值范围，则对所述样本数据进行平稳化处理，并根据平稳化处理后的样本数据计算所述传感器在当前时刻的预测状态数据Xt。3.根据权利要求1所述的方法，其特征在于，根据所述真实状态数据Xreal和所述预测状态数据Xt通过下式计算所述传感器的故障系数Cv(t)，其中，Cv(i)为传感器在第i时刻的故障系数，t为自然数，表示当前时刻。4.根据权利要求1所述的方法，其特征在于，所述根据比较结果判断所述传感器是否发生故障之后，还包括：若所述传感器未发生故障，则根据所述故障系数确定信誉等级。5.一种基于分布式网...

【专利技术属性】
技术研发人员：杨杨，高志鹏，朱杰辉，邱雪松，李文璟，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11