All Title Author
Keywords Abstract


基于ICA独立成分和加权依赖贝叶斯的传感器节点故障诊断

DOI: 10.11721/cqnuj20150231, PP. 138-142

Keywords: 传感器节点,故障诊断,独立成分分析,贝叶斯

Full-Text   Cite this paper   Add to My Lib

Abstract:

传统的传感器节点故障诊断模型通常采用分布式模型或集中式模型,因此具有诊断效率低和扩展性差的缺点,为此,提出了一种基于分簇路由协议并结合集中式故障诊断和分布式故障诊断的混合式故障诊断模型。首先,在监测区域建立层次分簇路由协议和WSN节点故障诊断模型。然后,采用ICA独立成分分析法(Independentcomponentanalysis,ICA)对特征向量数据属性提取独立成分,以降低数据维数,从而获得最小属性集样本数据。最后,通过对各属性赋予权值对朴素贝叶斯分类模型进行改进,得到加权依赖贝叶斯分类模型,并采用此模型实现节点故障诊断。仿真实验证明文中能有效地进行故障诊断,且与其他方法相比,具有故障诊断效率高和诊断精度高的优点,具有很强的可行性。

Full-Text

comments powered by Disqus