论文基于神经网络的无线网络故障节点定位技术是关于本文可作为相关专业定位技术论文写作研究的大学硕士与本科毕业论文定位技术论文开题报告范文和职称论文参考文献资料。
摘 要： 传统无线网络故障节点定位方法无法有效處理节点功率波动以及模糊环境对故障节点定位精度的干扰.提出基于小波神经网络的无线网络故障节点定位方法,分析了小波神经网络在节点故障定位的三种作用形式,融合形式1和3对冗余节点故障进行定位,将小波神经网络当成预测器,将前一采样时刻的正常输出交叉输入n个小波神经网络,获取节点当前时刻的预测输出值,取节点预测输出值和真实输出值的残差,若该残差值高于阈值,则说明该节点是故障节点.实验结果表明,所提故障节点定位方法能够对节点的附加、倍数以及短路故障进行准确定位.
关键词： 神经网络； 无线网络； 故障节点定位； 干扰处理
中图分类号： TN915?34； TP212 文献标识码： A 文章编号： 1004?373X（2017）16?0158?03
Abstract： Since the traditional wireless network fault node positioning method is unable to effectively handle node power fluctuation and the fuzzy environment disturbance to the fault node location accuracy, a wireless network fault node localization method based on welet neural network is proposed. Three kinds of effect forms of welet neural network in the node fault location is analyzed. The fusion forms 1 and 3 are used to locate the redundant node failure. The welet neural network is taken as a predictor. The normal output of the previous sampling time is input into n welet neural networks in cross form to get node prediction output value of the current time. The residual error between the node prediction output value and actual output value is deduced. If the residual error value is higher than the threshold, it means that the node is fault node. The experimental results indicate that the proposed fault node positioning method can accurately position the node with additional, multiple and short trouble faults.
Keywords： neural network； wireless network； fault node positioning； interference process
随着科学技术的高速发展,无线传感网络的应用领域不断扩张.但是无线传感网络中的节点受到自身以及外界因素的干扰,会出现较多的故障,导致传感网络质量降低[1?2].传统无线网络故障节点定位方法,无法有效处理节点功率波动以及模糊环境对故障节点定位精度的干扰,具有较高的局限性.因此,寻求有效的方法对故障节点进行准确定位,具有重要的应用意义.
1 基于小波神经网络的无线网络故障节点定位技术
1.1 小波神经网络在节点故障定位的作用形式
根据小波神经网络在节点故障定位中作用,将小波神经网络在故障节点定位过程作用划分成如下三种形式：
（1） 将小波神经网络当成分类器,将节点输出当成小波神经网络的输入值,用“1”和“0”描述节点存在故障以及不存在故障,并将节点状态当成网络输出[3],通过不同的故障模式对小波神经网络实施训练,采用训练好的小波神经网络分类器对无线网络故障节点进行定位.该方法的定位原理如图1所示.
（2） 将小波神经网络当成观测器,基于大量的隐层,小波神经网络可对系统输入/输出样本实施自主学习,逼近真实的动态系统[4].基于传统观测原理塑造小波神经网络观测器,通过正常工作情况下的数据对小波神经网络进行训练,采用训练好的小波神经网络观测器形成故障残差,完成无线传感故障节点的定位[5].定位原理如图2所示.
（3） 将小波神经网络当成预测器,通过小波神经网络塑造传感网络节点的预测模型,小波神经网络的输入值为节点的前一时刻输出值,网络输出是节点的输出预测值,对比该预测值同节点的真实输出值,产生残差实施故障节点定位.该方法的定位原理如图3所示.
在对孤立节点进行故障定位时,将小波神经网络当成观测器,将节点当前时刻的输入当成神经网络的输入,逼近节点当前时刻的正常输出为神经网络的输出[6?7].融合形式1和3定位冗余节点故障,将小波神经网络当成预测器,将前一采样时刻的正常输出当成小波神经网络的输入,预测节点当前采样时刻的输出,获取差值信号,再同预先设置的阈值实施对比,则高于阈值的差值信号对应的节点为故障节点.
1.2 无线传感器网络冗余节点故障定位
无线传感器网络冗余节点故障定位示意图见图4.
其由无线传感网络、小波神经网络预测器以及信息定位方案构成.无线传感网络中有n个检测值存在冗余关系的传感器节点,[x1,x2,等,xn-1,xn]用于描述n个传感器节点的输出值.采用图3描述的结构图,将小波神经网络当成预测器,获取节点后续时刻的正常输出.
总结:本论文主要论述了定位技术论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 基于模糊神经网络ETV复杂故障诊断 摘 要：堆垛机是较复杂的物流装备，其复杂故障呈现出故障原因与征兆之间的模糊关系。文中采用神经模糊系统解决堆垛机复杂故障的诊断问题。结合现场专家。
2、 基于BP神经网络整流电路故障诊断 摘 要：新型电力电子产品的不断呈现以及对系统各类品质要求的日益增加，使得电力电子电路的在线故障诊断必然成为一个急需解决的问题。针对这一问题，采用。
3、 网络故障智能诊断技术与其应用 摘要：随着人们对网络系统的依赖性越来越强，网络系统的故障检测技术日益成为一个重要的研究课题。智能诊断网络故障技术的容错性强，诊断率高，可以为故障。
4、 常见网络故障现象和解决方法 [摘要]校园网的主要目的是能够实现内部互联互通、信息共享：能建立教学信息资料库，有助于教学：可以满足广大师生之间相互交流，通过网络学习和网上讨论。
5、 一种改进型DRNN神经网络自学习PID控制 摘 要： 本文针对多变量耦合系统，采用DRNN神经网络对PID控制器参数进行自学习，提出了将学习因子在学习过程中进行动态调整，与传统DRNN神经。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。