无线传感器网络软故障诊断算法*

刘亚红， 冯海林， 刘 昊

(西安电子科技大学 理学院，陕西 西安 710071)

无线传感器网络软故障诊断算法*

刘亚红， 冯海林， 刘 昊

(西安电子科技大学 理学院，陕西 西安 710071)

在无线传感器网络中，软故障节点会产生并传输错误数据，这不仅会形成错误的决策，还会消耗能量，为此，提出一种基于节省能量的故障诊断(EFD)算法。该算法利用节点感知数据的空间相似性，通过对邻点所感知的传感数据进行比较，确定检测节点状态。对于网络中存在的节点瞬时故障，该算法引用TF模型思想，避免了不必要的数据比较，减少了时间冗余的检测次数。仿真结果表明：EFD算法能够提高网络诊断精度，同时可以降低诊断过程的能量消耗。

无线传感器网络； 瞬时故障； 空间相似性； 能量

0 引 言

无线传感器网络(wireless sensor networks,WSNs)节点通常部署在室外比较恶劣的环境中，由于受温度、湿度等因素的影响，传感器节点发生故障的概率较高[1]。一般，传感器节点故障包括硬故障和软故障[2]，节点硬故障指节点硬件模块失效而不能再工作；节点的软故障指传感器节点的硬件模块正常，但是因环境等因素致使节点感知数据异常的一类故障，节点的软故障是导致无线传感器网络数据可靠性不稳定的主要原因之一。目前，传感器网络的故障诊断算法通常是针对节点软故障设计的[3～7],然而节点的软故障中常常存在一类当节点故障后在较短时间内可自行恢复正常的故障，这种故障称为瞬时故障[8]。节点的瞬时故障一般不影响网络数据的传输但影响网络诊断的准确率[9～12]，同时由于节点瞬时故障出现较为频繁，这为准确诊断节点的软故障带来很大的难度[13]。另外，由于传感器节点数量大，为消除瞬时故障的影响，诊断算法往往需要消耗更多的节点能量[13，14],所以，网络的软故障诊断中有必要从节省能量的基础上对瞬时故障的影响做特别的考虑。为叙述方便以下将软故障就称为故障。

节点感知数据的空间相似性是目前很多故障诊断算法设计的基础[5～14],其中,文献[14]提出的软故障诊断(soft fault diagnosis,SFD)算法是较为典型地考虑了瞬时故障影响的节点故障诊断算法。SFD算法通过对等比较节点信息来诊断故障，同时利用时间冗余多次诊断，以消除瞬时故障的影响。但是SFD算法的缺点是重复诊断的总次数过多，计算量很大，导致能量耗费过多，从而在节点故障诊断过程中，造成节点故障未被诊断出之前能量已经耗尽的情况。本文提出TF(total fault-free)模型，引用此模型的思想得到一种节能的故障诊断(energy-efficiency fault diagnosis,EFD)算法，采用此算法对节点诊断，避免了不必要的数据比较，以此减少时间冗余检测次数。与SFD算法相比较，EFD算法不仅消除了软故障中瞬时故障对节点诊断准确性的影响，提高了诊断效率，且仿真实验也验证了EFD算法能节省8 %的能量。

1 网络描述

1.1 网络模型

本文考虑的无线传感器网络指传感器节点随机部署在一个二维区域，假设每个节点有相同的通信半径r，并假定节点的通信半径相同且在节点布置后节点的位置不变。传感器节点在数据传输时按照无线多跳的通信形式形成一个无线网络，该网络用无向连通图G(V,E)表示，其中,V表示节点的集合，E表示无向连通图中节点之间链路的集合,对于任意的节点vi，用N(vi)表示节点vi的邻居节点集，这里vi的邻居节点集是指在vi的通信半径范围内的所有一跳节点的集合,即对节点vj，当且仅当vj和vi相邻,并且vj位于vi的通信半径范围内，有vj∈N(vi)。

1.2 节点故障描述

本文考虑的节点故障是指节点的软故障，且软故障中包含着节点的瞬时故障。为此假设每个节点的软故障发生率为p(0

1.3 节点能耗模型

节点在通信时的能耗最大，经典的节点能耗模型[15]给出了2个节点vi和vj的欧氏距离为d时，节点发送和接收lbit的数据信息所耗费的能量

Ereceive(l)=lEelec.

其中,Eelec为节点发射和接收电路每发送或接收单位比特信息的耗能；εamp,εfx分别为发射放大器将每比特信息传送单位平方米所耗的能量。需要说明的是，当网络在执行故障诊断算法时，节点之间的通信范围在其通信半径r内，因此，本文采用d≤r时的能耗模型。

2 EFD算法设计

EFD算法的设计是在连续个离散冗余时间段内，对每个节点分别在每个离散的时间段内利用节点信息的空间相似性判断节点在每个时间段的状态是否正常，再根据诊断出的节点状态个数与给定的阈值做比较，最终来确定节点的状态。

2.1 节点状态检测原理

设2个相邻节点为vi,vj，其中,(vi,vj)∈E,vj∈N(vi) ，定义节点vi,vj的测量值分别为xi,xj，这里测量值通常指节点的感应信息。将vi的测量值与其所有邻节点的测量值进行比较， 用比较结果来判断节点的状态。根据相邻节点信息的空间相似性原理，相邻节点之间的测量值在允许的随机误差下应当是相似的，即测量值之间的绝对差应小于某给定的阈值δ(0≤δ<1)。为此，引入二元变量cij表示节点vi与其邻节点vj测量值的匹配值，其中,用cij=0表示vi,vj之间的测量值相似，即有

(1)

当相邻节点分别处于正常和故障状态时，节点之间的匹配值也会不同，表1所示是节点vi与其邻节点之间可能会出现的匹配值。

表1 节点状态与相应的匹配值Tab 1 Node state and corresponding matching values

由于瞬时故障的存在，上述对软故障判断的准确率还会受到瞬时故障的影响，因此，需要进一步检测瞬时故障。

2.2 基于TF模型的时间冗余检测

为消除瞬时故障对诊断准确率的影响，文献[14]中SFD算法需要在时间冗余段对节点进行多次信息比较， 即节点vi与每个邻居节点逐个比较固定的次数m后得到匹配值，再进行节点状态的判断，这样会消耗大量的能量。本文提出TF模型，用于EFD算法中，以减少了时间冗余的检测，提高检测效率并降低能耗。

只要满足情形(1)，(2),(3)中的任一个条件，都可停止诊断，优先判断出节点的最终状态。所以,可以看到基于TF模型的时间检测策略可以减少不必要节点比较，并避免了瞬时故障对诊断准确率的影响，能准确诊断出节点的最终状态。

2.3 EFD算法能耗

由于每个节点在指定的通信半径范围内有k个邻居节点，而且每个节点都会通过信息之间的空间相似性进行发送和接收邻居之间的信息，并将信息进行比较，所以，每个节点在一次数据传输过程中所消耗的总能量可表示为

课堂教学主要分为两部分：教师讲解与学生自主完成实训相结合，教师在课程的开始综合讲解该项目所融合的知识点，然后按模块划分，对每一模块的讲解借鉴“对分”的模式，由于知识点为前期所学知识，对于学生而言并不是很困难，因此每节课分为三部分：首先教师对要讲解的功能模块进行简单概述；其次学生之间进行讨论，对遇到的问题进行组内解决，组内无法解决的提交给老师，由教师汇总后统一解决共性问题；最后学生对自己的实训课题进行完成，进行硬件设计或者软件程序的编写。

(2)

其中，Er为节点vi与每个邻居节点进行数据比较处理所消耗的能量，dij为节点vi到节点vj的通信距离。

EFD算法在节点故障检测中计算节点的能耗要根据诊断过程2.2中出现的情形分别计算。假如节点v1,v2,v3,v4，它们的实际状态分别为正常、正常、瞬时故障、正常。取m=5,θ2=3,且v3节点实际出现瞬时故障的阶段为第3时间段。对v1,v2,v3,v4在离散时间段比较诊断的过程中，v1,v2,v4诊断完第3个时间段后，节点满足了2.2中EFD算法的情形(1)，则可确定节点的最终状态，由此可确定v1,v2,v4分别消耗了3Ev1，3Ev23Ev4的能量；v3节点诊断完第4个时间段后，诊断情形满足了2.2中EFD算法的情形(3)，由于前3个时间段的诊断结果得出(|Cim)|=2<(θ2=3)，因此,在进行第4个时间段诊断后，|Cim|=θ2。这样，节点v3确定出状态消耗了4Ev3的能量;v1,v2,v3,v4消耗的总能量为E=3Ev1+3Ev2+4Ev3+3Ev4。

由此可以得到，如果节点诊断出的正常状态总个数优先达到阈值，则可判断节点无故障，无需再继续诊断下去，所以,每个节点最少可消耗θ2×Evi大小的能量，节省了诊断所消耗的能量。

2.4EFD算法描述

1)对每个被检测的传感器节点vi进行操作，以生成该节点的邻节点N(vi)，初始化Fi=0，初始化阈值θ1，θ2。

2)∀vi∈Vifdi≥θ1转步骤(3)；else，转步骤(6)。

If (|Ci|≥θ1),则fi=0;

Else不做处理。

4)fort=1 tot=θ2(其中t

Else转步骤(5)。

6)对剩下未处理的节点V1=V-{vi∈V,Fi=0}

For eachvk∈V1, if(|Ckt|≥θ2,Fi=0),则Fk=0；

ElseFk=1,并将其状态进行扩散。

7)标志所有节点状态为1的节点为故障节点。

3 仿真实验

用Matlab对EFD算法进行仿真。在100 m×100 m的区域里随机部署200个节点(如图1)，通信半径为15 m，区域节点度为11.17。

图1 随机分布有200个节点的无线传感器网络Fig 1 WSNs with 200 random deployed sensor nodes

在EFD算法中，p为软故障率，ps为瞬时故障率，取m=5,θ1=[d]=11，θ2=3，做20次仿真得到的故障诊断准确率(AR)如表2，故障虚警率(FAR)如表3。从表2可以看出：当节点的故障率在20 %之前，算法都能准确避免瞬时故障且保证节点的故障诊断准确率为100 %，当节点故障率为40 %时，准确率依然较高，达到97.68 %，此时的故障虚警率却很低，只有0.32 %。

表2 故障诊断准确率Tab 2 Fault diagnosis AR

表3 故障诊断虚警率Tab 3 Fault diagnosis FAR

具体仿真参数：初始能量为2 J，发射/接收1 bit信息的能耗为50 nJ/bit,数据包长度为4 000 bits。根据公式(2)，可以得到EFD算法与SFD算法故障诊断能量消耗的比较图如图2所示。从图中可以看出：对每个节点用EFD算法诊断所消耗的能量低于用SFD算法所消耗的能量，而且整个区域在进行20次诊断时的总能量消耗比SFD算法节省大约1.62 J。

图2 节点能量消耗比较图Fig 2 Comparision diagram of energy consumption of nodes

图3 不同故障率下的节点故障诊断准确率和故障虚警率的对比Fig 3 Comparision of fault diagnosis AR and FAR in different fault rate

图3分别表示EFD算法与SFD算法在瞬时故障率ps=40%时，故障诊断准确率与故障虚警率之间的比较，从图3可以看出：当节点软故障率为30%时，EFD算法的准确率为99.76 %，而SFD算法为99.50 %。在故障虚警率方面，EFD算法从故障率为20 %开始，虚警率低于SFD算法。因此，从上述的仿真结果可以看出：本文的EFD算法无论在整体诊断效率还是节省能量方面均优于SFD算法。

4 结 论

本文的EFD算法主要是以节省能量为目标提出的节点软故障诊断算法。该算法引用TF模型思想，利用节点信息空间相似性。诊断中如果节点正常状态的总个数优先达到 ，则可得出节点最终状态正常，结束诊断。算法避免了不必要的数据比较，以此减少了冗余时间的检测。通过与SFD算法的仿真实验对比得出，EFD算法不仅有较好的诊断结果同时还可以节省大量能量，从而延长网络寿命。但当网络中出现大面积节点故障情况，EFD算法仍存在不足，诊断效果相对较低。对于此问题，还有待研究。

[1] Koushanfar F,Potkonjak M,Sangiovanni-Vincentell A. Fault to-lerance techniques for wireless Ad Hoc sensor networks[C]∥Proceedings of IEEE Conf on Sensors,IEEE,2002:1491-1496.

[2] Chessa S,Santi P.Comparison-based system-level fault diagnosis in Ad Hoc networks[C]∥Proceedings of 20th IEEE Symposium on Reliable Distributed Systems,2001:257-266.

[3] Peng Yu,Song Jia,Peng Xiyuan.A self detection technique in fault management in WSNs[C]∥IEEE Int’l Instrumentation and Measurement Technology Conference(I2MTC),IEEE,2011:1-4.

[4] Khazaei E,Barati A,Movaghar A.Improvement of fault detection in wireless sensor networks[C]∥ISECS International Colloquium on Computing,Communication Control,and Management,CCCM 2009，IEEE,2009:644-646.

[5] Wang Z,Wen Q,Sun Y,et al.A fault detection scheme based on self-clustering nodes sets for wireless sensor networks[C]∥2012 IEEE 12th International Conference on Computer and Information Technology(CIT),2012:921-925.

[6] Jiang P.A new method for node fault detection in wireless sensor networks[J].Sensors,2009,9(2):1282-1294.

[7] Sun T,Chen W,Liu Y,et al.A probability-based approximate algorithm for anomaly detection in WSNs[C]∥2012 World Congress on Information and Communication Technologies，IEEE,2012:1109-1114.

[8] Chang S H,Merabti M,Mokhtar H.A causal model method for fault diagnosis in wireless sensor networks[C]∥2010 IEEE 10th International Conference on Computer and Information Technology(CIT),2010:155-162.

[9] Khilar P M,Mahapatra S.Intermittent fault diagnosis in wireless sensor networks[C]∥10th International Conference on Information Technology，ICIT 2007，IEEE,2007:145-147.

[10] Mahapatroa A,Khilar P M.Transient fault tolerant wireless sensor networks[J].Procedia Technology,2012,4:97-101.

[11] Luo X,Dong M,Huang Y.On distributed fault-tolerant detection in wireless sensor networks[J].IEEE Transactions on Compu-ters,2006,55(1):58-70.

[12] Masoum A,Jahangir A H,Taghikhaki Z.Survivability analysis of wireless sensor network with transient faults[C]∥2008 International Conference on Computational Intelligence for Modelling Control & Automation,IEEE,2008:975-980.

[13] 季 赛,袁慎芳,吴 键,等.基于时空特性的无线传感器网络节点故障诊断方法[J].传感器与微系统,2009,28(10):117-120.

[14] Lee M H,Choi Y H.Fault detection of wireless sensor network-s[J].Computer Communications,2008,31(14):3469-3475.

[15] Cohen K,Leshem A.Energy-efficient detection in wireless sensor networks using likelihood ratio and channel state information[J].IEEE Journal on Selected Areas in Communications,2011,29(8):1671-1683.

[16] 傅菊平,齐小刚.基于剩余能量和节点度的无线传感器网络分簇算法倡[J].计算机应用研究,2011,28(1):250-252.

Soft fault diagnosis algorithm for wireless sensor networks*

LIU Ya-hong, FENG Hai-lin, LIU Hao

(School of Science,Xidian University,Xi’an 710071,China)

In wireless sensor networks(WSNs),soft fault nodes may generate and transmit false data,which will not only causes wrong decision but also will consumes more energy,because of this,present an energy-efficiency fault diagnosis(EFD) algorithm to save energy.The algorithm makes use of spatial similarity of node sense datas to determine state of detected node by comparison of sensing data sensed by neighboring nodes.Considering transient fault,the algorithm uses total fault-free(TF) model idea to avoid unnecessary data comparison,and reduce detection times of time redundancy.Simulation results show that the EFD algorithm can improve precision of network diagnosis and reduce energy consumption in diagnosis process.

wireless sensor networks(WSNs); transient fault; spatial similarity; energy

2013—08—20

国家自然科学基金资助项目(71271165，60874085)

TP 393

A

1000—9787(2014)04—0142—04

刘亚红(1987-)，女，陕西宝鸡人，硕士研究生，研究方向为无线传感网络故障诊断。