专利交易市场

本发明公开了一种无线传感器网络故障检测系统，包括节点故障信息采集模块，用于节点故障信息的采集；故障信息预处理模块，采用基于Hadoop的粗糙集快速属性约简算法对所述节点故障信息进行预处理；故障识别评估模块，基于RBF神经网络模型实现故障类型的识别；故障决策模块，基于所述故障类型以及该传感器网络的TTDPN模型实现当前故障恢复决策的输出。本发明能够形成针对传感器节点和整个网络的故障自检测策略，提高数据可信性和鲁棒性；能够根据传感器各节点数据，在线实时地进行故障检测，形成节点健康状态的闭环控制。

本发明涉及无线传感器网络故障检测技术领域，具体公开一种基于深度学习的无线传感器网络故障检测方法。本发明通过对目标无线传感器网络中各节点对应的硬件状态进行监测和分析，能够及时发现目标无线传感器网络中各节点对应的传感器故障、处理器故障以及通信故障，避免无线传感器网络中各节点的硬件故障进一步扩大而影响无线传感器网络的正常运行；通过对目标无线传感器网络中各节点对应的能量供应状态进行监测和分析，能够全面了解节点的能量供应情况，及时发现能量供应不足或电池故障问题，有效确保无线传感器网络运行的可靠性和稳定性。

本发明属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。