本發(fā)明屬于農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)領(lǐng)域，具體涉及一種基于云模型的傳感器故障識別系統(tǒng)及方法。

背景技術(shù)：

傳感器是設(shè)施農(nóng)業(yè)溫室環(huán)境測控系統(tǒng)的重要組成部分，其監(jiān)測的主要對象是溫室環(huán)境參數(shù)，因此傳感器采集的環(huán)境數(shù)據(jù)具有變換緩慢、冗余性強等特點。由于農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)所處的環(huán)境復(fù)雜，數(shù)據(jù)采集與傳輸過程中易受到高溫、高濕、污染、電磁干擾等惡劣環(huán)境，使得傳感器極易發(fā)生故障，使其采集數(shù)據(jù)的可靠性、穩(wěn)定性、準確性都難以保證的。

申請?zhí)枴癱n20120176322.2”的一種傳感器故障診斷方法及診斷裝置，其利用接收傳感器的輸出信號，應(yīng)用小波包對輸出信號進行分解，篩選出具有最大幅值的小波包變換系數(shù)，保留可以表征故障特征的數(shù)據(jù)。根據(jù)傳感器各頻率成分能量的變化率進行特征提取，獲得特征向量，將這些特征向量輸入到指定的神經(jīng)網(wǎng)絡(luò)中，最終得到傳感器的故障類型，從而能夠有效診斷傳感器的突變故障。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于云模型的傳感器故障識別系統(tǒng)及方法，以實現(xiàn)對溫室內(nèi)傳感器節(jié)點的故障進行有效的識別與診斷，并能夠利用故障診斷方法實現(xiàn)診斷與數(shù)據(jù)恢復(fù)，有效的提高傳感器節(jié)點采集數(shù)據(jù)的準確性，簡單快捷。

為了解決以上技術(shù)問題，本發(fā)明所采用的具體技術(shù)方案如下：

一種基于云模型的傳感器故障識別系統(tǒng)，其特征在于：基于物聯(lián)網(wǎng)技術(shù)的溫室環(huán)境測控系統(tǒng)實現(xiàn)；所述識別系統(tǒng)具體由傳感器節(jié)點、控制設(shè)備、匯聚節(jié)點、控制節(jié)點、繼電器、協(xié)調(diào)節(jié)點、智能網(wǎng)關(guān)組成；

傳感器節(jié)點通過數(shù)據(jù)線連接匯聚節(jié)點，匯聚節(jié)點、控制節(jié)點通過zigbee自組網(wǎng)無線連接于協(xié)調(diào)節(jié)點，協(xié)調(diào)節(jié)點通過數(shù)據(jù)線連接智能網(wǎng)關(guān)，繼電器通過數(shù)據(jù)線連接在控制節(jié)點；

傳感器節(jié)點采集的溫室環(huán)境數(shù)據(jù)在匯聚節(jié)點處理、封裝，再通過協(xié)調(diào)節(jié)點傳輸至智能網(wǎng)關(guān)；智能網(wǎng)關(guān)實現(xiàn)解析、處理、決策、控制等功能，控制信息通過協(xié)調(diào)節(jié)點傳輸給控制節(jié)點；控制節(jié)點對控制信息進行解析，控制繼電器實現(xiàn)控制設(shè)備動作，并返回設(shè)備的狀態(tài)信息。具體包括以下步驟：

步驟一，傳感器節(jié)點異常數(shù)據(jù)故障識別

對傳感器采集的信息進行數(shù)據(jù)挖據(jù)，利用基于空間相似性的傳感器節(jié)點異常數(shù)據(jù)故障識別方法檢測傳感器節(jié)點采集數(shù)據(jù)的異常值；具體為：利用設(shè)施農(nóng)業(yè)中傳感器節(jié)點采集的環(huán)境數(shù)據(jù)的空間相似性對傳感器節(jié)點信息進行比較，環(huán)境信息相近時則傳感器節(jié)點存在全部正?；蚬收峡赡堋⑿畔⒉煌瑫r則至少有一個故障傳感器節(jié)點；輪詢傳感器節(jié)點進行節(jié)點信息比較，當環(huán)境信息相近的個數(shù)大于閾值時，則傳感器節(jié)點正常，反之，傳感器節(jié)點數(shù)據(jù)異常；

步驟二，傳感器故障診斷

針對數(shù)據(jù)異常點，利用基于時空相關(guān)性的預(yù)測值為輸入量；利用數(shù)據(jù)融合算法融合預(yù)測值生成最終估計值；具體為：利用基于本傳感器歷史數(shù)據(jù)的時間相關(guān)性生成當前時刻的預(yù)估值；利用同質(zhì)傳感器、異質(zhì)傳感器當前時刻數(shù)據(jù)，建立基于空間相似性的本節(jié)點數(shù)據(jù)預(yù)估值；

以多種預(yù)測方法的預(yù)估值為輸入量，利用基于云模型的數(shù)據(jù)融合算法重構(gòu)傳感器異常點的最優(yōu)估計值；

預(yù)測值與量測值進行比較，并根據(jù)提取的故障特征判斷傳感器節(jié)點的故障類型，最終實現(xiàn)基于數(shù)據(jù)融合的溫室環(huán)境測控系統(tǒng)故障診斷。

所述時空相關(guān)性的預(yù)測值包括基于時間相關(guān)性的時間預(yù)測值、基于空間相似性的空間預(yù)測值。

所述數(shù)據(jù)融合算法是一種基于云模型的數(shù)據(jù)融合算法。

所述基于云模型的數(shù)據(jù)融合算法是利用時空相關(guān)性預(yù)測值進行云特征值提取，利用云正向發(fā)生器產(chǎn)生云滴；該云滴呈現(xiàn)標準正態(tài)分布n(0,1)；以大量云滴為基礎(chǔ)，利用云逆向發(fā)生器產(chǎn)生異常數(shù)據(jù)估計值。

所述空間預(yù)測值包括同質(zhì)傳感器預(yù)測值、異質(zhì)傳感器預(yù)測值。

本發(fā)明具有有益效果

本發(fā)明通過對傳感器采集的數(shù)據(jù)進行處理，利用傳感器節(jié)點環(huán)境信息的空間相似性實現(xiàn)異常點的故障識別，再利用異常點歷史數(shù)據(jù)的時間相關(guān)性預(yù)測當前時刻信息和同質(zhì)傳感器節(jié)點間與異質(zhì)傳感器節(jié)點間的空間相關(guān)性預(yù)測本節(jié)點信息，多種預(yù)測信息基于云模型的數(shù)據(jù)融合算法產(chǎn)生本節(jié)點當前時刻的最優(yōu)估計值，通過量測值與估計值比較，并根據(jù)故障特征提取來判斷故障類型，使得實現(xiàn)傳感器的故障診斷。本發(fā)明通過對傳感器故障的識別，使得實現(xiàn)傳感器故障數(shù)據(jù)重構(gòu)，使得測控系統(tǒng)的決策控制具有準確的輸入量，提高測控系統(tǒng)的可靠性，減少測控系統(tǒng)誤動作的可能性，有利于溫室內(nèi)經(jīng)濟作物的生長。

附圖說明

圖1是本發(fā)明基于數(shù)據(jù)融合的傳感器故障識別結(jié)構(gòu)圖；

圖2是本發(fā)明基于物聯(lián)網(wǎng)的溫室環(huán)境測控系統(tǒng)結(jié)構(gòu)圖；

圖3是本發(fā)明傳感器節(jié)點異常數(shù)據(jù)故障識別方法流程圖；

圖4是本發(fā)明傳感器故障診斷方法框圖。

具體實施方式

為了使本發(fā)明的內(nèi)容更容易被清楚地理解，下面根據(jù)具體實例并結(jié)合附圖，對本發(fā)明作進一步詳細說明。

本發(fā)明的基于數(shù)據(jù)融合的傳感器故障識別結(jié)構(gòu)如圖1所示：

本發(fā)明構(gòu)建了一套基于物聯(lián)網(wǎng)的溫室環(huán)境測控系統(tǒng)，以該系統(tǒng)采集的環(huán)境數(shù)據(jù)為原始數(shù)據(jù)，對傳感器采集的環(huán)境信息進行數(shù)據(jù)挖據(jù)，利用基于空間相似性的傳感器節(jié)點異常數(shù)據(jù)故障識別方法找出傳感器節(jié)點采集數(shù)據(jù)的異常值，利用基于時空相關(guān)性的傳感器故障診斷方法實現(xiàn)傳感器數(shù)據(jù)預(yù)測，并結(jié)合故障特征提取實現(xiàn)傳感器故障的診斷以及故障點數(shù)據(jù)重構(gòu)。

本發(fā)明的基于物聯(lián)網(wǎng)的溫室環(huán)境測控系統(tǒng)結(jié)構(gòu)如圖2所示：

本發(fā)明設(shè)計了一套基于物聯(lián)網(wǎng)的溫室環(huán)境測控系統(tǒng)，實現(xiàn)了溫室環(huán)境測控智能網(wǎng)關(guān)對測控網(wǎng)絡(luò)統(tǒng)一管理、溫室環(huán)境測控數(shù)據(jù)同步傳輸?shù)裙δ?，實現(xiàn)了對溫室環(huán)境信息的采集、控制，實現(xiàn)了對測控系統(tǒng)通信狀態(tài)的檢測。

測控系統(tǒng)利用傳感器采集溫室環(huán)境信息，將各傳感器信息在采集節(jié)點封裝成數(shù)據(jù)包，該數(shù)據(jù)包經(jīng)匯聚節(jié)點傳輸至智能網(wǎng)關(guān)。智能網(wǎng)關(guān)對數(shù)據(jù)包進行解析、處理、判斷、決策等操作，將控制信息通過匯聚節(jié)點傳輸至控制節(jié)點，從而實現(xiàn)控制設(shè)備的動作，進而實現(xiàn)對溫室環(huán)境的調(diào)控；并且智能網(wǎng)關(guān)通過無線網(wǎng)絡(luò)實現(xiàn)與服務(wù)器端通信，實現(xiàn)網(wǎng)頁和手機app的顯示與控制。

本發(fā)明的傳感器節(jié)點異常數(shù)據(jù)故障識別方法流程圖如圖3所示：

傳感器節(jié)點之間進行比較，當|xi(t)-xj(t)|<δ(δ為傳感器節(jié)點突變閾值)，則表示比較點環(huán)境參數(shù)數(shù)據(jù)相似，ci加1。否則，ci不加1。依次比較相鄰節(jié)點的信息，比較結(jié)束后，如果ci>θ,則表示傳感器節(jié)點vi的狀態(tài)正常，否則，當ci≤θ時傳感器節(jié)點vi的狀態(tài)異常，實現(xiàn)傳感器節(jié)點的故障識別。

本發(fā)明的傳感器故障診斷方法如圖4所示；

傳感器故障診斷方法是利用基于時空相關(guān)性的預(yù)測值為輸入量，其中時空相關(guān)性包括基于時間相關(guān)性、空間相似性。

時間相關(guān)性是指通過對溫室wsn測控系統(tǒng)監(jiān)測環(huán)境數(shù)據(jù)進行分析發(fā)現(xiàn)，溫室內(nèi)環(huán)境參數(shù)變化緩慢，當前時間段的溫度受到前一刻溫度的影響，是以歷史數(shù)據(jù)為基礎(chǔ)的，在故障診斷方法中生成基于時間相關(guān)性的時間預(yù)測值。

空間相似性是指對同區(qū)域進行監(jiān)測時，不同傳感器在同一時刻采集的溫室環(huán)境參數(shù)之間存在著關(guān)聯(lián)。在測控系統(tǒng)運行過程中，發(fā)現(xiàn)相鄰傳感器之間不同或相同類型傳感器采集的數(shù)據(jù)之間存在著線性關(guān)系?？臻g相似性依據(jù)采用對比的傳感器類型不同，可將其分為同質(zhì)傳感器相似性和異質(zhì)傳感器相似性。

上文所述的空間相似性包括同質(zhì)傳感器空間相似性、異質(zhì)傳感器空間相似性等，基于上述的空間相似性分別得到基于同質(zhì)傳感器的空間預(yù)測值、異質(zhì)傳感器的空間預(yù)測值。

以各種類型的時間相關(guān)性預(yù)測值、空間相似性預(yù)測值為輸入變量，利用基于云模型的數(shù)據(jù)融合算法，建立云正向發(fā)生器得到大量云滴，基于云逆向發(fā)生器得到最優(yōu)估計值。

利用上述的數(shù)據(jù)融合算法融合預(yù)測值生成最優(yōu)估計值，通過與量測值比較，并基于提取的故障特征實現(xiàn)傳感器故障的診斷，實現(xiàn)傳感器故障節(jié)點數(shù)據(jù)的重構(gòu)，從而實現(xiàn)故障節(jié)點的數(shù)據(jù)恢復(fù)。

以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。