無線傳感器節點模塊級故障診斷方法分析

楊紹波

摘要：本文提出了一種人工神經網絡的無線傳感器節點故障在線診斷裝置，探討了無線傳感器節點模塊級故障診斷模型的建立方法，并通過數據驗證的方式實現了對無線通信模塊故障的正確診斷。

關鍵詞：無線傳感器；節點模塊；故障診斷

中圖分類號：TP212.91 文獻標識碼：A 文章編號：1007-9416（2018）07-0025-01

無線傳感器網絡實現了無線通信方式與傳感器技術的融合，基于多跳路由以及自組織的方式構架基于無線傳感器的信息傳輸網絡。整個無線傳感器網絡搭載大量小型傳感器節點構成，這些節點兼具計算以及通信能力，以協作的方式感知整個覆蓋區域內的目標信息，并以無線網絡為依托將這些目標信息傳輸至監控中心中。監控中心將數據以及指令等信息依托于無線網絡傳輸至無線傳感器節點模塊，進而為節點模塊的數據處理奠定基礎。但從工程實踐應用的角度上來說，受到無線傳感器運行環境條件等因素的影響，長期運行下節點模塊容易出現短路、松脫以及短路等一系列故障，如何在故障發生后快速實現定位與診斷，是業內人士必須高度重視的課題之一。本文即提出一種對無線傳感器節點模塊級故障的診斷方法。

1 無線傳感器節點模塊級故障診斷系統

無線傳感器節點的構成模塊比較簡單，主要涉及到傳感器模塊、處理器模塊、無線通信模塊以及能量供應模塊這幾個方面。任意模塊出現故障都可能導致無線傳感器節點信號的輸出出現異常，甚至丟失。如對于能量供應模塊而言，常見故障包括電壓不足、電源噪音異常以及供電模塊輸出電壓過高等；對于傳感器處理模塊而言，常見故障包括CPU中央處理器失效，IO串口失效、串口數據收發異常等；對于無線通信模塊而言，常見故障包括功率放大器失效、信號接收錯誤、讀寫寄存器錯誤等；而對于傳感器模塊而言，常見故障則包括短路、短路、接觸不良、A/D采樣失效等?；趯ι鲜鰺o線傳感器各個模塊故障類型以及表現形式的的分析，提出一種基于嵌入式處理系統的無線傳感器節點模塊級狀態監測裝置，利用處理器上集成的數模轉換器（D/A）、模數轉換器（A/D）、串口、運算放大器同多路模擬開關組成了節點工作狀態在線監測系統[1-2]。整套監測裝置主要功能及其工作方式如下：

（1）對工作電流予以實時性檢測。在電阻片上安裝運算放大器，與故障診斷A/D形成一個完整的電流檢測工作回路，對放大后傳感器工作模塊、無線通信模塊以及處理器模塊所對應工作電流進行實時性采集并做放大處理，以判斷整個節點模塊存在的電流異常、短路以及斷路等故障；（2）對A/D誤差進行實時性檢測與處理。在故障診斷中，可以通過應用無線傳感器檢測器D/A以及多路模擬開關的方式，直接輸入模擬信號至傳感器模塊A/D內，以判斷無線傳感器節點采樣A/D存在故障，同時評估其信號傳輸的精度：（3）處理器模塊實時性檢測。將無線傳感器節點處理器模塊串口與檢測器串口進行連接，對處理器模塊存儲器進行實時性、定期性讀寫，以評估儲存器以及CPU中央處理器運行狀態，同時還可判斷串口工作狀態。

2 無線傳感器節電模塊故障診斷模型驗證

結合既往經驗，針對無線通信模塊的故障診斷始終是WsNs節點故障診斷中難度最大的緩解之一。受到無線通信模塊功率放大器失效、老化、中繼節點故障等一系列因素的影響，WsNs節點信號丟失的可能性是非常大的。在這一情況下，為了最大限度的確保無線傳感器的正常運行，就必須在人工神經網絡基礎之上，構建與無線傳感器節點模塊級故障相適應的故障診斷模型與方法。

在無線傳感器節點模塊中集成有功率放大器，溫度變化對電流大小所產生的影響是非常明顯的。實際運行中，無線傳感器通信模塊的工作方式以動態電壓調節為主，其目的是降低能量消耗。或，隨著電池電量的不斷消耗，無線通信模塊輸入電壓水平持續下降，導致電壓會在很大程度上影響其電流水平。這兩者之間存在的關系可以簡單表述為：無線傳感器通信模塊工作電流在溫度升高時相應升高，并且在輸入電壓下降時相應降低。若輸入電壓以及溫度同時調整，則對于無線傳感器通信模塊而言，其工作電流會同時承受該視野下無線通信模塊電壓、溫度的影響。因此，可以嘗試在人工神經網絡輔助下，構建基于無線傳感器通信模塊電流值的故障診斷模型[3]。

整個基于人工神經網絡的無線傳感器節點模塊故障診斷模型測試平臺搭建于SI4432無線通信模塊上，選用DHP恒溫試驗箱。溫度取值范圍16.6℃～63.5℃，輸入電壓取值范圍1.9V～3.3V，采集89組數據（其中72組數據為神經網絡訓練數據，17組數據為驗證數據）。如圖1所示人工神經網絡無線傳感器節點故障診斷模型計算值曲線與驗證數據的對比結果。結合圖1可見，人工神經網絡無線傳感器節點故障診斷模型計算值訓練數據與驗證數據一致性程度高，最大相對誤差在2.0%以內，平均絕對誤差低于0.4，證實了基于人工神經網絡無線傳感器節點故障診斷模型的可靠性。

3 結語

為解決無線傳感器節點模塊在故障診斷方面存在的一系列問題，本文提出了一種基于人工神經網絡的無線傳感器節點故障在線診斷裝置，著重探討了無線傳感器節點模塊級故障診斷模型的建立方法，并通過數據驗證的方式實現了對無線通信模塊故障的正確診斷。在后續實踐工作中，相關人員可以嘗試以本方法為輔助，對無線傳感器網絡運行中節點模塊故障的產生位置進行快速定位，并為下一階段的故障診斷以及快速修復奠定基礎。

參考文獻

[1]薛善良，楊佩茹，周奚.基于模糊神經網絡的WSN無線數據收發單元故障診斷[J].計算機科學，2018，（5）：38-43.

[2]張劼，景博，張宗麟，等.無線傳感器網絡中基于比較的簇節點故障診斷算法[J].傳感技術學報，2007，（8）：1860-1864.

[3]許紅艷，郭紅.無線傳感器網絡節點故障診斷算法研究[J].西南師范大學學報（自然科學版），2016，（9）：126-133.