【无线传感器网络节点故障诊断算法探究（论文）10000字】

无线传感器网络节点故障诊断算法研究目录TOC\o"1-3"\u前言 11.无线传感器网络概述 11.1研究的意义 11.2无线传感网络节点的组成结构 21.3国内外研究现状 32.无线传感网络节点故障诊断理论 42.1WSN体系结构 42.1.1WSN无线传感网络故障分类 42.1.2节点故障模型 52.2无线传感网络节点故障诊断方法 62.2.1集中式故障诊断方法 62.2.2分布式故障诊断方法 62.2.3分层式故障诊断方法 73.基于LEACH的无线传感器故障诊断算法 73.1LEACH故障诊断算法 73.1.1LEACH算法简介 73.1.2LEACH故障诊断算法分析 93.1.3LEACH算法的优点和缺点 103.2改进的LEACH故障诊断算法 113.2.1改进的LEACH故障诊断算法 113.2.2改进的LEACH故障诊断算法的优势 144.算法仿真及结果对比分析 144.1LEACH故障诊断算法仿真 154.2改进的LEACH与LEACH故障诊断算法对比 185.总结和展望 19参考文献 20附录 22附录A：LEACH故障诊断算法 22附录B：改进的LEACH与LEACH故障诊断算法对比 30PAGEPAGE11前言近年来，无线传感器网络(WirelessSensorNetworks,WSN)[1]市场得到了前所未有的发展。无线传感器网络具有部署迅速、自组织、无需基础设施支持等优点，在环境监测、物流[2]等领域具有广阔的应用前景。它已逐渐成为应用和研究领域的一个热点。传感器节点协同感知、采集、处理和传输网络覆盖地理区域内感测对象的监测信息，并向用户报告。由于低功耗和低成本，传感器节点通常部署在恶劣环境和难以到达的区域。由于受到攻击、能量消耗或环境干扰，节点容易发生故障或失效，影响传感器网络的正常运行。无线传感器网络概述1.1研究的意义无线传感器网络（WirelessSensorNetwork，WSN）是由多个微小节点组成的全分布式自组织节点网络。它作为一种有效的无线数据采集网络，它可以方便地部署在布线、供电困难、人员无法通过大量廉价的微传感器节点到达的地区（如受污染、未受破坏或敌对地区）和在某些临时情况下（如在发生自然灾害时，固定的通信网络中断）协同感知、收集和处理网络所覆盖区域内被感知对象的信息，并将其发送给观察者，从而大大扩展了现有网络的功能和人类了解世界的能力。无线传感器网络以其低成本、动态配置、自组织和良好的可扩展性而受到越来越多的关注和应用。在军事应用、医疗应用、环境监控、自动交通流量监控、动物跟踪监督等多方面都能发挥重要的作用。同时，与传统网络相比，无线传感器网络具有低成本、低功率、布局灵活、高精度监测的特点。每个节点集成一个或一个以上传感器、嵌入式处理器、存储器、无线通信模块、电源和电源管理模块等组件。但是无线传感器网络给人们带来的挑战之一是能量的限制。为了方便对无线传感器节点进行故障诊断，需要对传感器节点的故障类型进行分类。无线传感器网络节点故障一般分为硬故障和软故障。硬故障是指传感器节点的通信功能失效或节点能量耗尽，导致节点死亡，信息交换失败。软故障是指传感器节点与邻居节点进行通信，但由于传感故障或其他原因，传感器节点的传感数据与真实数据相差较大。对于单个节点来说，由于其体积小、能量有限，存在许多资源约束:计算能力有限、存储能力有限、通信带宽有限、供电能力有限。在这些限制条件下，如何合理有效地利用有限的功率是无线传感器网络研究的热点之一。因为要监控的环境可能很恶劣(如战场、极地地区)，技术人员无法访问，而且组成网络的节点数量太大，因此更换每个节点的电源不现实。因此，为了延长网络生命周期，防止网络分离，识别传感器节点之间的差异，并采取一些策略尽可能平衡整个网络的能量消耗，对无线传感器网络的研究非常有价值。1.2无线传感网络节点的组成结构无线传感器节点是一种小型化的嵌入式系统，是无线传感器网络的基础。在不同的应用中，无线传感器网络节点的组成可能不一样，但基本组成包括四个模块：传感器模块、处理器模块、无线通信模块和能量供应模块[2]，如图1-1所示。图1-1无线传感器网络节点组成图传感器模块主要由模拟-数字转换部分和传感器组成，主要将环境中采集的模拟信号转换为数字信号，即完成采集信息的转换。处理器模块是整个节点的核心，主要由CPU、内存、嵌入式操作系统等组成[3]。主要控制整个传感器节点采集数据的操作、存储和处理。由于节点的成本和能耗的限制，节点的处理和计算能力通常不是很强，存储容量也有限。无线通信模块主要负责将收集到的信息发送到sink节点，转发其他节点的消息。电源模块为传感器节点的其他组件提供电源，使其能够正常工作。无线传感器网络节点通常由电池供电。由于节点的大小，电池不能提供太多的电力，所以节点通常被设计成在低功率模式下运行很长一段时间。与此同时，一些节点可以装备先进的设备，如再生能源、移动或执行机构、定位系统和信号处理(包括声音、图像、数据处理和数据整合)，以获得更好的功能。作为无线传感网络的基础组成部分，传感节点具有如下的特点[4]：（１）能量有限：一般采用电池进行供电。（２）无线通信能力有限：可以通过无线电、红外线、蓝牙、超声波等进行通信。一般来说，通信距离很短，从几米到几十米不等。（３）计算能力有限：处理器工作频率一般为几百兆赫兹。（４）存储能力有限：几兆或几百兆的存储空间。（５）重量轻而且体积小。1.3国内外研究现状目前国内外主要的无线传感器节点故障诊断算法主要包括[5]：神经网络、遗传算法、小波分析、粒子群算法、克隆算法、支持向量机、信息融合等故障诊断算法。（1）基于神经网络的传感节点故障诊断神经网络具有鲁棒性强、记忆能力强、非线性映射能力强等优点。基于传统神经网络的传感器节点故障诊断是将神经网络算法作为故障模式识别的故障诊断分类器，故障诊断的实现主要包括训练和诊断两个过程，每个过程包括预处理和特征提取。神经网络与其他智能技术相结合，形成一种新的复合诊断方法，如遗传神经网络、神经网络与粒子群优化、神经网络与小波变换、神经网络与信息融合等。（2）基于小波变换的传感节点故障诊断小波变换具有良好的时间频率局域化特性，同时具有很强的克服噪声的能力。近年来，结合小波变换和神经网络提出的小波神经网络故障诊断方法是当前传感器节点故障诊断的研究焦点。小波和神经网络的结合有分散型和紧致型两种方式。松散类型首先利用小波分析提取收集到的信息的特征，然后通过神经网络对其进行学习和分类。紧凑型是将小波变换嵌入到神经网络中形成小波网络。小波变换与神经网络相结合的故障诊断方法结合了小波的局部特性和神经网络的自学习能力，具有良好的容错能力。（3）基于支持向量机的传感节点故障诊断支持向量机（SVM）是将分类问题转化为二次规划问题来实现分类，其非线性、小样本、高维模式识别问题在求解中具有较强的泛化能力、全局最优和结构简单等特点。以支持向量机为故障分类器，将支持向量机与粗糙集、小波变换和遗传算法相结合，是近年来传感器节点故障诊断领域的热点。（4）基于分簇式的传感节点故障诊断国内的张教授等人提出了利用集群内节点的集群报头的集中控制来优化诊断过程的比较集群节点故障诊断算法。季教授等人提出了将相邻节点感知到的数据进行比较，利用空间相关性检测WSN节点是否有故障的时空特性的WSN故障诊断法。雷教授等人提出了一种改进的可识别矩阵算法，用于简化获得的故障决定属性，并使用属性匹配分类算法进行行故障诊断。从无线传感器节点故障诊断几十年的发展来看，其研究已经取得了比较明显的理论成果。然而，由于实际传感器节点的故障类型多种多样，且受外部影响较大，现有算法无法在完全覆盖故障类型的同时进行正确的故障诊断。因此，研究适用性强的故障诊断理论和方法并将其应用到实际故障诊断中显得尤为迫切。传感器节点故障诊断的发展趋势是利用多种诊断信息和智能信息处理技术来综合多种诊断方法。无线传感器网络节点故障诊断理论2.1WSN体系结构传统的无线传感器网络结构通常由传感器节点、汇聚节点和监控中心组成。大量具有感知能力、计算能力和通信能力的传感器节点随机均匀分布在指定的监测区域，网络以自组织、多跳的方式构建。每个网络将信息传送到监控中心进行信息处理。传感器节点通过对采集到的监测信息进行综合分析和处理，将采集到的信息通过各个中继节点以多跳的方式传递给位于监测区域或监测区域边缘的汇聚节点。汇聚节点通过有线或无线方式接入外部网络(如局域网、Internet等)，监控中心通过外部网络引导用户进行判断和决策。2.1.1WSN无线传感器网络故障分类故障可以定义为系统的至少一个特性或参数偏离正常范围，并且系统难以执行其预期功能的状态。由于制造方式、使用时间和工作环境的限制，传感器节点发生故障是不可避免的。无线传感器网络的故障往往导致控制台无法接收数据或接收到错误的数据。无法接收数据的原因是本地所有节点的通信模块都出现故障，或者用户在汇聚节点出现故障时无法接收数据。数据接收错误的原因是传感器节点的传感模块传递失败，通信模块和电源模块均正常。由WSN节点结构的四个基本模块[8]，其故障也可分为四种相应的类型。根据节点与相邻节点之间的通信是否正常，无线传感器网络故障可分为节点故障和通信故障，其中通信故障是由节点通信模块或电源模块的故障引起的。一般来说，无线传感器网络的故障往往是由节点本身的故障或其通信故障引起的。节点是由其基本模块组成的，因此节点的故障是由其所组成的相应模块引起的。也就是说，高级故障是由低级故障引起的。因此，模块故障、节点故障和网络故障具有如图2-1所示的层次关系。图2-1故障层次关系通过以上分析，无线传感器网络的故障最终是由组成节点的模块的故障引起的[9]。从理论上讲，组成节点的各个模块的失效都会导致节点失效，但目前还没有通用的建模方法。为了有效地诊断模块故障，需要对不同的模块采用不同的故障检测方法。对于一些高度标准化的电子设备，如CPU、内存等，我们不需要关注，因为这些组件已经具有非常高的可靠性。2.1.2节点故障模型目前大多对节点故障的研究主要是针对普通节点，其工作状态分为：无故障正常状态、通信故障、数据传输故障和节点硬故障。无故障状态顾名思异即WSN节点可以正常感知监控范围的数据并且正常传输数据。通信故障是指WSN运行时通信协议遇到异常导致信息的传输失败，具体表现形式为节点内数据流动失效。数据传输故障是一个节点往另一个节点发送数据时，由于外界的干扰或者传输机制错误导致数据在两个节点之间传输失败。节点的硬故障表现形式则较为复杂，有供电模块发生失效、传感器感知模块发生失效、通信模块不能进行数据的接收和发送等情况，是节点故障主要的一个研究方面。图2-2描述了WSN节点故障的故障类别形式及其关联和相互之间的影响关系。图2-2WSN节点故障关系图2.2无线传感网络节点故障诊断方法目前，无线传感器网络常用的故障诊断方法主要有集中式故障诊断方法、分布式故障诊断方法和分层故障诊断方法。2.2.1集中式故障诊断方法将故障诊断算法的程序置于中心节点是集中式故障诊断方法特点，该节点作为整个网络故障诊断的核心，主要负责采集和处理其他节点发送过来的与故障有关的信息，进行相关的处理分析确定传感网络是否发生故障。采用集中式故障诊断方法的网络结构相对简单，其故障诊断大部分的工作任务是由中心节点来完成的。这样其它节点可以专一的进行监测任务，从而整个系统分工明确、工作可靠。但由于其它节点会将监测到的信息都发送到中心节点，这样中心节点附近的节点会大量转发数据信息，造成额外的能量损耗，与此同时还可能造成网络阻塞；无线传感网络通常覆盖规模较大，这样边界数据信息要经过多次节点转发才可以到达中心节点，造成数据信息传输的延误，一旦传输途中出现故障，会使故障诊断变的更加复杂。2.2.2分布式故障诊断方法分布式故障诊断方法是网络中的任何节点故障诊断的功能,局部故障诊断可以实时完成,完成整个故障诊断和分析过程在这个节点或邻近节点的合作,最后只有中央节点发送结果信息。这一点与集中式故障诊断方法有很大的不同。在该方法中，每个传感器节点可以对信息进行管理和分析，所处理的数据全部为原始数据，结果具有高可靠性。并且由于传感器节点经过本地处理和分析后将诊断结果信息发送到中心节点，减少了通信量和能量消耗。但随着整个网络中不确定或者复杂信息变多时，仅通过本地信息难以实现故障诊断，这样会引起节点间的多次通信，增加网络通信量。不确定信息越多，网络通信量越多，能量损耗越多；同时在多跳通信过程中，会减小数据包传送过程的准确性和完整性。2.2.3分层式故障诊断方法分层式故障诊断方法是在网络中放置多个任务管理节点协同来完成故障诊断，每个管理节点负责本区域的信息收集并传送给上一级节点，同级间的管理节点不进行信息的交换。在该方法中，汇聚节点负责实现故障检测，网关节点负贵实现故障诊断。该方法结合了集中式和分布式故障诊断方法的优点，可以有效减少网络通信量，延长网络寿命。该方法可以进行网络中的故障检测，并减小由于数据错误引起的误判率，而且能够对不同对象实现分步诊断。但该方法在进行网络特征提取时，存在一定的延时，这样对信息处理不够完善，会丢失部分有效信息；该方法是建立在分簇完成的情况下，没考虑实际应用中不同分簇算法所带来的边界节点和空洞问题。本课题采用分布式故障诊断方法，基于LEACH的故障检测算法，通过引入一种新的阈值判断方法，在传感器网络的不同簇中完成故障检测，正确诊断节点的状态，并在选择簇头时考虑每轮结束时的剩余能量，对LEACH算法进行优化，降低了无线传感器网络的能量消耗，有效地减少了故障节点。基于LEACH的无线传感器故障诊断算法LEACH故障诊断算法3.1.1LEACH算法简介LEACH(LowEnergyAdaptiveClusteringHierarchy)算法是一种自聚类拓扑算法，其执行过程是周期性的，每个周期分为簇建立阶段和稳定数据通信阶段。在簇建立阶段，对相邻节点进行动态聚类，随机生成簇头；在数据通信阶段，簇内节点将数据发送给簇头，簇头进行数据融合并将结果发送给汇聚节点。由于簇头需要完成数据融合、与sink节点通信等工作，因此能耗较大。LEACH算法能保证每个节点以相等的概率充当簇头，使网络中的节点能量消耗相对均匀。LEACH定义了“轮”(round)的概念，它包括两个阶段：初始化和稳定化。为了避免额外的处理开销，稳定状态通常持续相对较长的时间。在初始化阶段，通过以下机制生成集群领导者。传感器节点生成一个介于0和1之间的随机数。如果大于阈值T，则选择该节点作为簇头T。当选择簇头时，簇头节点主动向网络中的节点广播它成为簇头的消息。接收此消息的节点根据接收到的信号强度选择要加入的集群，并用并发消息通知相应的集群头。簇头节点基于时分多址(TimeDivisionMultipleAddress，简称TDMA)为每个成员分配通信时隙，并以广播的形式通知簇内所有节点。这确保了集群中的每个节点在指定的传输时隙中传输数据，并在其他时间进入休眠状态，从而降低了能耗。在稳定工作阶段，节点不断采集监控数据，当自己的传输时隙到达时，将监控数据传输给簇头节点。集群头节点融合接收到的数据并将其发送到汇聚节点。这是减少通信量的一种合理的工作方式。经过一段时间后，整个网络进入下一个工作周期，再次选择簇首节点。LEACH算法选择簇头的过程是：节点生成一个介于0和1之间的随机数，如果该随机数小于阈值T（n），则发布其为簇头的公告消息。在每个循环中，如果节点被选为簇头，则将t（n）设置为0，这样该节点就不会再次被选为簇头。对于未被选为簇头的节点，以T（n）的概率进行选择；随着所选簇头数目的增加，剩余节点的阈值t（n）增大，节点产生小于t（n）的随机数的概率增大，节点被选为簇头的概率增大。当只有一个节点未被选中时，t（n）=1，这意味着必须选择该节点。T（n）可以表示为：（3-1）其中，p为网络中簇头所占的比例，r为网络现阶运行的轮次。G是这一轮循环中未当选过簇头的节点集合。算法实现：whileoperating_nodes>0rndt=(p/(1-p*(mod(rnd,1/p))));%阈值tleft=mod(rnd,1/p);%重置网络中以前的簇头数量CLheads=0;%重置上一轮网络中以前消耗的能量energy=0;%集群负责选取fori=1:nSensorNode(i).cluster=0;%正在重置节点所属的群集SensorNode(i).role=0;%重置节点角色SensorNode(i).chid=0;%正在重置群集头idifSensorNode(i).rleft>0SensorNode(i).rleft=SensorNode(i).rleft-1;endif(SensorNode(i).E>0)&&(SensorNode(i).rleft==0)generate=rand;ifgenerate<t%阈值（t）SensorNode(i).role=1;%分配群集头的节点角色这段程序通过公式（3-1），为无线传感网络设定了最佳阈值。选择节点作为簇头后，它会发布一条通知消息，通知其他节点它是一个新的簇头。非簇头节点根据自身与簇头的距离选择加入哪个簇，并告知簇头。当集群头接收到所有的连接信息时，它生成一个TDMA定时消息并通知集群中的所有节点。为了避免附近簇的信号干扰，簇头可以确定簇内所有节点使用的CDMA码。当前阶段的CDMA码与TDMA定时一起发送。当集群中的节点接收到该消息时，它们将在各自的时隙中发送数据。经过一段时间的数据传输后，簇头节点将簇内节点发送的所有数据收集起来，然后运行数据融合算法对数据进行处理。3.1.2LEACH故障诊断算法分析网络中有两种节点状态：正常和故障。故障包括硬故障和软故障。当一个节点发生硬故障时，它不能与其他节点通信。当一个节点出现软故障时，它可以继续通信，但会出现异常特征。故障是“永久性”和“静态性”的，所谓“永久性”是指故障节点在修复或更换之前会继续发生故障。所谓“静态”是指故障诊断过程中没有新的故障。本文只考虑“永久性”故障。图3-1LEACH算法流程图当节点被选为簇头后，它将广播信息通知其他节点自己的簇头状态。终端节点接收到广播信息后，根据广播信息信号的强度决定加入哪个簇，并将信息发送给簇头。簇头节点接收到请求信息后，按照TDMA方式与簇内节点进行通信。节点故障诊断是基于中心节点的数据进行检测的，因此簇头节点的数据必须具有高度的可信度，如果簇头节点的数据是错误的，那么故障诊断势必受到很大的影响。因此，在选择簇头时，必须保证簇头节点是正常节点。如果簇头根据本文的聚类算法检测到过多的异常节点数据，则簇头本身极有可能是异常的，因此需要快速进入下一轮的重新聚类，直到所有选中的簇头节点都是正常节点。具体的所示流程图如图3-1所示。无线传感器网络发送端发送Lbit数据的耗能如式（3-2）所示（3-2）式中，Eelec代表发射电路的能耗，它取决于数字编码，调制，滤波和信号扩展等因素。是划分空间模型的阈值。d是发送节点与接收节点之间的距离。或者取决于d，如果d小于d0，采用;反之采用。算法实现：distance;if(distance>do)S1(i).E=4000*Eelec+Emp*4000*(distance*distance*distance*distance));endif(distance<=do)S1(i).E=4000*Eelec+Efs*4000*(distance*distance));endendend3.1.3LEACH算法的优点和缺点LEACH故障诊断算法的优点有：（1）为了减少向汇聚节点传输的信息量，簇头节点负责对簇内不同源节点生成的数据进行融合，并将融合后的数据发送给汇聚节点。LEACH采用基于TDMA/CDMA的MAC层机制来减少簇内和簇间的冲突。由于数据采集的集中性和周期性，该协议非常适合需要连续监控的应用系统。（4）对于终端用户来说，由于不需要立即获取所有的数据，协议不需要周期性地传输数据，从而达到限制传感器节点能量消耗的目的。（5）在给定的时间间隔后，协议重新选择簇头节点，以保证无线传感器网络能够获得统一的能量分布。LEACH故障诊断算法的缺点有：(1)由于LEACH假设所有节点都可以直接与sink节点通信，并且每个节点都具有支持不同MAC协议的计算能力，因此不适合大规模无线传感器网络。该协议没有解释如何将簇头节点的数量分配给整个网络。因此，选择的簇头节点很可能集中在网络的某个区域，这会使周围的一些节点没有任何簇头节点，导致网络能耗分布不均。LEACH假设第一轮簇头循环中的所有节点具有相同的能量，并且每个簇头节点消耗的能量大致相同。因此，该协议不适用于节点能量不平衡的网络。(4)当簇头被选为簇头后，节点发布广播消息通知其他节点。其他节点根据与簇头节点的距离选择要加入的簇。改进的LEACH故障诊断算法改进的LEACH故障诊断算法针对LEACH算法算法的不足，本文在LEACH算法的基础上进行了对阈值T（n）的选取进行了优化。改进后算法的流程如图3所示。在簇形成阶段，首先考虑了整个系统中节点的平均能量，给出了平均能量的计算公式，如式（3-5）所示（3-5）式中：表示的是网络总的能量。在簇头节点的选择上，改进算法对簇头节点的选择方法进行了优化，在簇头节点的选择函数中加入每个节点每次运行的剩余能量，改进的公式如式（3-6）所示（3-6）式中：是网络系统运行中节点的存活数量，是网络运行中各个节点的能量剩余大小，是网络中各个节点最初的原始能量。图3-2改进的LEACH算法流程图基于节点能量和密度的权值来优化簇头节点的选取，权值公式如式（3-7）所示（3-7）根据上面的公式得到改进之后的阈值公式如式（3-8）所示（3-8）算法实现：temp_rand=rand;if((S1(i).G)<=0)if(temp_rand<=(p(i)*w(i)/(1-p(i)*mod(r，round(1/p(i))))))改进的LEACH算法节点故障诊断算法步骤如下:1、应用改进的LEACH算法完成分簇。2、分簇完之后进行一下故障检测，要确保所有簇头都是正常节点。如果没有，则重新分簇。3、计算第一个簇头与簇内所有节点的数据差，簇头与簇内节点的数据差是否超过阈值，然后计算下一个节点。4、由于簇头节点通过检测被证明是正常的，因此簇头节点所属的簇内所有终端节点的工作状态可以通过适当的阈值直接确定。5、在诊断出第一个簇后，可以依次检测出剩余的所有簇，从而完成整个网络的故障诊断。6、经过稳定工作阶段后，整个网络将返回到重新分簇的第一步，以达到能量消耗均匀的效果，避免簇头节点不仅要进行故障检测，还要与sink节点进行通信，从而消耗过多的能量而过早死亡，成为故障节点。3.2.2改进的LEACH故障诊断算法的优势不同节点的初始能量不同，引入一个新的阈值来选择簇头，从而延长第一个节点的死亡时间，即延长稳定期。（2）在传感器网络中，能量是均匀分布在所有节点上的。改进的LEACH方案提高了生存节点和剩余能量。4.算法仿真及结果对比分析算法仿真采用MATLAB软件仿真模拟，通过对LEACH故障诊断算法和改进后的LEACH故障诊断算法进行模拟以及数据分析，仿真效果良好，通过比较分析，改进后算法在一定程度上弥补了LEACH算法的不足[15]，有效减少了无线传感器网络中的故障节点。本文中采用的节点中的无线通信模块发送电路和接收电路消耗的能量都是50nJ/bit。将最佳簇头百分比定义为0.1（p=0.1）。节点的初始能量为0.5J，且不可移动。发送信号的放大器能量功耗为100nJ/bit，每轮每个节点的数据包大小为4000bit。4.1LEACH故障诊断算法仿真通过MATLAB设置初始参数，对leach故障诊断算法进行仿真，首先我们都需要设定仿真环境，由于自身条件有限，本文采用MATLAB软件进行仿真实验，在仿真环境中，无线传感器网络待定位的故障节点采用部署方式，故障节点分布在的二维空间200m*200m区域如图4-1所示。图4-1故障节点分布图%故障节点检查模块dead1=0;fori=1:1:n%检查有无故障节点if(S1(i).E<=0)dead1=dead1+1;网络中有两种节点状态：正常和故障。故障包括硬故障和软故障。当一个节点发生硬故障时，它不能与其他节点通信。当一个节点出现软故障时，它可以继续通信，但会出现异常特征。故障是“永久性”和“静态性”的，所谓“永久性”是指故障节点在修复或更换之前会继续发生故障。所谓“静态”是指故障诊断过程中没有新的故障。本文只考虑“永久性”故障。图4-2故障节点随数据传输变化图无线传感器网络发送端发送4000bit数据（4-1）在每一轮数据传输时，都会消耗无线传感器网络中每个节点的能量，由（4-1）可以知道能量的消耗与，,等有密切的关系，由图4-2可以看出在无线传感器网络中随着数据传输时间的增加，无线传感器网络中正常节点慢慢的能量耗尽，无法再与周围的节点进行通信，成为故障节点。图4-3故障节点随轮转周期变化图由图4-3可以看出在无线传感器网络中随着轮转周期的变化，无线传感器网络正常节点慢慢的能量耗尽，无法再与周围的节点进行通信，成为故障节点。这点没有考虑节点与基站之间的距离、网络的运行轮数以及可以重复选择节点作为簇头节点的事实。改进后的算法不仅考虑了节点的剩余能量，还考虑了节点与基站的距离以及节点传输数据的有效范围。经过对比，改进后的算法优化了簇头节点的选取，增加了网络生存时间长度。由图4-2和图4-3可以看出无线传感器网络中故障节点与数据传输和轮转周期，即与使用时间有这巨大的关系，我在此基础上提出了改进的leach2的故障诊断算法，得到了如图4-3所示。4.2改进的LEACH故障诊断算法仿真图中的leach1是传统的leach算法，leach2是改进的leach2算法。图4-4leach1与leach2故障节点对比图提出的基于LEACH和优化的LEACH无线传感器网络节点故障诊断方法。LEACH算法由于簇头的随机选择，网络生存期较短。LEACH算法仅根据节点是否在上一轮中被选为簇头节点来确定节点是否可以在下一轮中被选为簇头节点。如果已选中，则在下一轮中不会成为簇头节点。改进的LEACH算法通过引入新的阈值选择方法，在选择簇头时考虑每轮结束时的剩余能量，从而确定节点的最终状态，并将正常节点的状态扩散到网络中的其他节点，有效地降低了节点间的通信成本和能量消耗，延长了无线传感器网络的生命周期。由图4-4仿真结果表明，LEACH2相比于LEACH1故障诊断方法，在一定时间内使无线传感器网络中的故障节点有所减少。5.总结和展望随着计算机技术、嵌入式技术和无线通信技术的发展，越来越多的无线网络出现在我们日常生活的方方面面。本文提出了一种基于leach的故障检测算法，完成了网络中不同簇的故障检测，正确诊断了节点的状态，并通过引入新的阈值判断方法对LEACH算法进行优化，在选择簇头时考虑每轮结束时的剩余能量，从而降低能量消耗，有效减少无线传感器网络中的故障节点数。无线传感器网络由分布在目标区域的多个节点组成。由于初始部署时网络弹射损坏、电源耗尽、传感器触点腐蚀等原因造成硬件损坏，节点故障时有发生。良好的无线传感器网络节点故障诊断与检测技术可以让我们及时发现异常情况并采取相应措施，在网络初始部署时可以采取一定的策略增强网络的容错性，建立稳定的网络结构，从而使网络的性能得到最大限度的保证，延长了生命周期。无线传感