سیستم هوشمند مدیریت خرابی برای شبکه های حسگر بی سیم با کاهش مصرف توان

قیمت: 47,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

سیستم هوشمند مدیریت خرابی برای شبکه های حسگر بی سیم با کاهش مصرف توان

عنوان لاتین

Intelligent Fault Management System for Wireless Sensor Networks with Reduction of Power Consumption

در شبکه‌های سنسور بی‌سیم (WSN)، وقتی که یک خطای سخت افزاری تشخیص داده نشود و فورا برطرف نشود، همه‌ی اعمال نظارتی یک شبکه‌ی سنسور به خطر می‌افتد. این تحقیق روشی برای سیستم مدیریت خرابی متمرکز برای 6LoWPAN WSN ارائه می‌کند. این سیستم مبتنی بر دو سطح تشخیص خطا است. اولین سطح به طور محلی، توسط همه‌ی سنسورهای داخل شبکه انجام می‌شود، که از روش‌های آماری استفاده می‌کند. سطح دوم توسط ایستگاه مبدا، از طریق مجموعه‌ای از دسته‌بندی کننده‌های شبکه‌های عصبی مصنوعی (ANN) نوع پرسپترون چندلایه انجام می‌شود. یکی از آن‌ها با دیتای زنجیره‌ای به طور پیوسته آموزش داده می‌شود، در حالی که دیگری برای اتخاذ تصمیمات واقعی در مورد کشف خطا استفاده می‌شود. ورودی‌های این ANN خروجی‌های حاصل از فیلتر کالمن و حاصل از یک شتاب‌سنج است. نتایج آزمایشی نشان می‌دهند که این روش قادر به کاهش ترافیک پیام و مصرف توان در یک WSN است، که نرخ دقت کشف را بالاتر از 97% نگه می‌دارد.

In Wireless Sensor Networks (WSN), when a hardware error is not identified and promptly corrected, all monitoring of a sensor network is compromised. This work presents a new approach to centralized fault management system for 6LoWPAN WSN. The system is based on two fault detection levels. A first level is performed locally, by all sensors within the network, using statistical methods. The second level is performed by the base station, through an ensemble of Multilayer Perceptron type Artificial Neural Networks (ANN) classifiers. One of them is continuously trained with streaming data, while the other one is used to take actual decisions about fault detection. The inputs of these ANN are outputs from a Kalman Filter and from an accelerometer. Experimental results indicate that this approach is capable of reducing message traffic and power consumption within a WSN, keeping the detection accuracy rate higher than 97%.