CN105873111A - 一种适于健康监测的软硬故障的诊断和自修复方法 - Google Patents

Abstract

本发明公开了一种适于健康监测的软硬故障的诊断和自修复方法，该方法形成路由链路，链路的首节点为簇头，第二节点为备用簇头等，拟采用M.A‑B.Abdo提出的方法，从原始采集数据中提取出分别用于节点故障检测和结构损伤识别的两种特征参数，避免故障节点对结构损伤的干扰。自修复无线传感器网络结构体系拟采用混合分级拓扑结构，除原有的传感器节点以外，考虑在网络中设置用来监控网络状态的监控节点。该方法将协作通信机制应用于无线网络的多流传输问题，来实现网络的最大吞吐，保证网络的稳定性和可靠性。

Description

一种适于健康监测的软硬故障的诊断和自修复方法

技术领域

本发明涉及一种适合于健康监测的软硬故障的诊断和自修复方法，属于无线传感器网络技术领域。

背景技术

结构健康监测(Structural Health Monitoring，SHM)系统采用智能材料结构的概念，利用集成在结构中的传感/驱动元件网络，在线实时地获取与结构健康状况相关的信息，结合信号、信息处理方法和材料结构力学建模方法，提取特征参数，识别材料的结构损伤(如材料裂纹、孔洞、腐蚀等)，实现结构健康自诊断。结构健康监测的研究是一个涉及力学、机械、通信、网络等多个科学研究领域的前沿研究方向，在航空领域、桥梁、工程建筑等大型工程结构中都涉及了结构健康监测技术的研究。如美国在USAF的资助下，针对F-18、F-22、JSF和DC-X2、X-33等飞行器开展了结构健康监测技术的应用探索研究。香港在青马大桥上布置350个传感通道用于桥梁的健康监测。

传统的结构健康监测大多建立在有线传感器采集的基础上，有线的监测系统和方法存在着引线多和信息量传输大等问题，维护所需人力和物力相当巨大。为弥补缺陷，近年来国内外学者提出了基于无线传感器网络(Wireless Sensor Networks，WSNs)的结构健康监测系统，通过部署在监测区域的无线传感节点，实时地感知和采集监测对象的相关信息，对信息进行协作处理和网络传送。WSNs具有快速部署、自组织成网、较强的抗毁和协同工作能力等优点，是国内外学者研究的热点领域。而基于无线传感网络的智能健康监测系统得到了国内外越来越多的研究机构的关注和重视,在航空、桥梁、建筑物和地震结构监测等领域取得了众多应用成果。

在使用无线传感器网络对航空、桥梁、工程建筑等大型工程结构进行监控监测时，系统通常运行在恶劣的环境中，其节点由于暴露在外会发生各种各样的故障，直接造成测量值的错误，甚至造成WSN某些功能丧失乃至整个网络瘫痪。此外，在健康监测特定的领域，无线传感网络的应用有以下特点：

(1)传感器分布在被测对象关键部位，一旦节点部署，就不会移动，不需要考虑节点移动性。

(2)和WSN的其他应用领域不同，结构健康监测中的传感器节点在固定频率下工作，每个节点采集的原始数据量非常大。因此实时准确的采集传感信号是关键，网络需要实时反应快，通信可靠，在最短时间完成采集并进行转发。

(3)为完成健康监测任务，某些关键监测部位需要采集多种传感信号(如Lamb波、光、应变、位移、加速度、温度、压力等)，因此WSN应具备多参数采集的功能。

(4)健康监测中损伤识别必须通过周围多个传感器节点共同协作完成，即使其中一个节点发生故障也会导致损伤识别精度的急剧下降。

以上特点表明，在结构健康监测中，对无线传感器节点和网络提出了更高的要求；即系统必须能实时、准确、稳定、可靠的为健康监测提供采集数据，故障的发生直接影响监测的结果。对WSN节点具备多参数采集的要求，也增大了故障发生的概率。因此，为了提高结构健康监测的可靠性，及时准确的对节点、网络的故障进行诊断和修复是非常必要的。

目前，传统传感器故障检测与诊断的方法主要有三大类，物理冗余法、基于模型的方法以及基于神经网络的方法。无线传感器网络中的节点故障诊断虽然受到无线通信、能量有效等限制，在检测与诊断方法上略有不同，但依然可以借鉴传统传感器的诊断技术。无线传感器网络的节点故障分为两类：硬故障和软故障。硬故障，指传感器节点的某一模块发生故障，以至不能和其它节点通信(例如由于节点通信模块故障、节点能量耗尽、节点移动而脱离了整个网络的通信范围等原因造成的无法通信)；软故障，指传感器节点虽然发生故障，但仍可以继续工作并与其它节点通信(通信模块的软硬件都正常并具有路由信息)，但节点所感知或传送的数据不正确，或者传感器节点瞬时发生通信故障。在已有的无线传感器网络的节点故障诊断方法中，文献提出了基于贝叶斯网络的节点故障识别算法，能区别出网络中不同的故障类型。J.L.Gao等人提出了故障节点标识算法，通过和相邻节点的均值比较，来判别故障节点的状态；X.Luo等人提出了具有能量有效的容错技术，用于无线传感网络的故障检测；文献针对网络中故障的出现，提出了自治的汇聚节点的确认算法，减少节点故障对整体网络性能的影响。J.R.Chen等人提出了利用相邻节点互相测试的方法诊断节点状态的DFD算法。文献提出了无线传感器网络程序中属性违反类型错误的诊断方法。

在面向结构健康监测的无线传感器网络故障诊断方面，国内外学者在这方面的研究的刚刚起步，这方面的文献较少。文献针对基于振动的结构健康监测，给出了传感器节点故障与结构损伤的数学模型，将故障节点从网络中舍弃，避免节点故障的干扰；X.Liu等人提出了基于WSN的结构健康监测的故障容错技术，实现节点的故障检测；文献提出了基于桥梁结构健康监测的无线传感系统的自愈性研究，提出当中继节点故障时，舍弃该节点，以备用中继节点方式实现网络自愈功能。

综上，①已有的研究大都是针对节点软故障的诊断，而没有涉及到硬故障的处理也未能涉及故障的修复。一旦发生硬故障，由于无线传感器节点的硬件都是固定的，除非将节点从传感器网络中移开并且重新设计节点的软硬件系统，否则节点不能重新配置。②进一步而言，已有的软故障诊断算法往往是基于节点间的数据交换，而结构健康监测中由于节点间采集和交换的数据量大，因而无法适用。替换的思路是对节点的数据压缩后进行故障诊断。上述两种情形下，一旦传感器网络布置完毕就再也不能改变配置，现有的节点无法在失效时进行自修复和自重构，只能舍弃失效节点。因此，有必要针对该领域的传感器网络的故障提出有效的软硬件故障诊断方法和自修复机制。

(1)SHM中无线传感器网络的硬故障的研究现状

在实际的生物界中自重构和自修复功能普遍存在的，如果无线传感器网络从网络节点到网络结构体系都具有仿生功能，具备类似生物所具有的功能(如生物免疫能力)，能够自重构和自修复，则对于提高无线传感器网络的鲁棒性和安全性意义重大。而针对结构健康监测的无线传感网的故障诊断的研究非常有实际意义，这特定应用领域的研究才刚刚起步，对该领域的故障诊断的研究具有很大的空间和价值。

要实现无线传感器网络从网络节点到网络结构体系都具有仿生功能，具备生物免疫能力，可借鉴已有的仿生硬件技术。所谓仿生硬件(BHW,Bio-inspired Hardware)是通过进化机制实现电子电路在系统的实时自身重构，从而可以像生物一样具有硬件自适应、自组织、自修复特征。当前，仿生硬件技术的研究已开展了十年以上，其基本思想是采用现场可编程门阵列FPGAs和现场可编程模拟阵列FPAAs等可编程重构器件模仿生物进化机制实现仿生进化硬件电路。近几年，美国、德国、英国等国的学者已经研究将仿生硬件应用于无线传感网络中，基于自修复的仿生传感网络的研究逐渐成为传感器网络的一个重要的研究方向。

(2)SHM中无线传感器网络的数据压缩的研究现状

在结构健康监测中，传统的软故障诊断方法，受限于节点间的大量的数据交换。解决的办法是将节点的数据进行压缩，当前的压缩方法包括：2006年，美国Lehigh大学土木与环境工程系的Y.F.Zhang.和J.Li，提出了基于提升小波变化的有损数据压缩算法，用于消除节点所采集的时间相关性，获得良好的压缩效果。同年，Y.F.Zhang和J.Li等人为了实现地震响应数据的处理和研究，提出了一种基于ARX模型(Auto-Regressive with eXogenous input model)的数据压缩方法；2006年，美国南加州大学的K.K.Chintalapudi提出了线性预测编码(Linear Predictive Coding,LPC)的数据压缩方式，该方法是无损数据压缩，采用基于自回归移动平均(ARMA)模型的预测算法对采集的数据进行无损压缩。2007年，Y.F.Zhang.和J.Li在ARX模型的基础上进一步改进，采用自回归(Auto-Regressive,AR)作为模型结构，采用工具变量法(instrumental variables method,IV)来计算预测参数，并提出了基于线性预测的压缩算法，实现对数据的无损压缩。另一方面，在基于无线传感器网络的结构监测领域，N.Xu等人也提出了无线传感器中基于本地节点的小波数据压缩方法，来解决结构监测中无线传感器数据传输带宽限制的问题。J.P.Lynch等人研究了采用Huffman编码减少结构健康监测的无线传感器的数据传输量。但以上所述的数据压缩方法都是属于传统的压缩算法，即先获取完整的采集数据，然后对数据进行压缩处理。目前，D.Donoho提出一种新的压缩采样技术，称为压缩感知(Compressive sensing,CS)，可直接采集压缩格式的数据。该方法非常适用结构监测中的窄带信号的压缩，在面向结构监测的无线传感器网络领域的研究虽然刚起步，但具有很好的应用前景。

以上的研究现状为本发明提供了思路，我们将在数据压缩和仿生硬件的基础上，为结构健康监测领域的无线传感器网络的故障诊断，提供有效的软硬件故障诊断方法和自修复机制。

现有研究工作的局限性如“研究现状”所述，当前针对无线传感器网络的故障诊断已经有了很多卓有成效的研究，也有学者尝试将人工免疫机制应用于无线传感网络的故障诊断。但由于基于WSN的结构健康监测存在其应用领域的特殊性，使得在该领域的故障诊断尚存在诸多关键性问题未能得到系统解决，有待进一步研究。具体问题如下：

(1)故障诊断中节点互换数据的提取。已有的故障诊断技术等，利用邻节点的空间相似性进行数据互换实现节点的故障诊断。但在基于WSN的结构健康监测中，节点每次以固定频率采集大量的原始样本，大量的数据互换会耗尽网络的能量。有效的数据压缩方法为关键的待解决的问题，此外从原始样本中提取能识别异常数据和正常损伤数据的特征参数是有待研究的重点。

(2)故障诊断与自修复方法的集成。已有的故障诊断方法大都是针对单个节点软故障的诊断，而没有涉及到硬故障的处理。而面向结构健康监测的无线传感网故障诊断，由于其领域的特点，对于软硬件故障的诊断和自修复的需求尤为迫切，需要进一步深化故障诊断和修复集成方法的研究。

(3)多个传感器同时出现故障的检测能力。不同于其他应用领域，健康监测中损伤识别须通过周围多个传感器节点共同协作完成，即使其中一个节点发生故障也会导致损失识别的精度急剧下降。多传感器同时发生故障甚至局部网络故障的诊断与修复需要更深入的研究。

综上所述，本发明将针对无线传感网络的结构健康监测的特定应用领域，在发明组前期研究的基础上,总结借鉴已有的故障诊断技术，提出研究一种适合于健康监测的无线传感器网络的软、硬故障的诊断和自修复理论和方法。本研究对于提高无线传感器网络应对网络攻击、节点失效等异常事件的自修复和容错能力，提高SHM中无线传感器网络的鲁棒性和安全性具有重要意义。

发明内容

发明目的：(1)解决多异常数据叠合下的故障信息的识别问题：这是实现故障诊断的前提，故障诊断的目的是为了准确提取结构材料的损伤数据从而判断材料的健康状况，而故障节点的测量者对材料损伤识别影响巨大，因此需分析两种叠合测量值的本质区别和联系，找到解决异常数据对正常损伤数据的干扰与识别方法。

(2)解决网络故障下传感器节点的数据交换的压缩问题：这是拓展传统软故障诊断的有效方法。有效的数据压缩和采集方法，能使得传统的软故障诊断方法拓展到结构健康监测领域。因此需要分析并研究一种可行的数据压缩采集方法。

(3)解决多节点故障下自修复触发条件的构建问题：这是实现故障诊断自修复的有力途径，当多个传感器节点同时发生故障时，不同触发条件应实现不同的自修复机制。即对节点自修复、网络自修复，以及网络重新路由的触发条件(临界阈值)的确定。

发明研究结构健康监测下无线传感器网络中故障检测问题，经过对本领域国内外最新研究成果的总结，结合研究目标，本发明的研究内容如图1所示。

1:SHM中高效实时路由机制的研究：结构健康监测中要求无线传感器网络必须能实时、准确、稳定、可靠的为健康监测提供采集数据。因此有必要对SHM中高效实时的路由机制进行研究。具体研究包括：

(1)SHM中多流传输的研究。在基于无线传感器网络的结构健康监测中，网络传输的可靠性和稳定性是各种应用的基础。但由于无线传输中受带宽、传输功率的限制，以及信号衰落(Signal Fading)效应的影响，会大大降低无线系统的性能，包括系统容量、传输效率、服务质量与能量有效性等。解决的办法可采用多流传输的协作通信机制，可实现网络的最大吞吐，保证网络的稳定性和可靠性。SHM中多流传输的问题是本发明研究的基础内容之一。

(2)结构健康监测中分簇路由算法的研究。研究簇头节点故障时备用簇头的替代方法；

(3)路由机制对结构健康监测系统以及网络的故障诊断的性能分析。

2:SHM中节点的异常数据对结构损伤测量值的干扰分析：如“立项依据”所提，材料的结构损伤是指材料的裂纹、孔洞等方面的变化，损伤的识别和定位须通过周围多个传感器节点协同完成，这是结构健康监测的重要特点；当节点因传感模块发生故障而产生测量误差时，会急剧影响结构损伤识别定位的精度。此时应将该故障节点暂时剔除以避免干扰，然后再进行损伤识别定位，所以及时的检测出故障节点成为关键。

已有的WSN节点故障检测手段大多需要通过节点间互换采集数据来检测故障。但在SHM中，如“立项依据”所提“特点二”，节点每次会以固定频率采集大量的原始样本，大量的数据互换会耗尽网络的能量。所以针对传感部件的故障，已有的WSN节点故障检测手段在结构健康监测中并不完全适用。

因此，从原始采集样本中提取能识别异常数据和正常损伤数据的特征参数，实现节点故障检测，是本研究的前提条件。

3：SHM中基于压缩感知的无线传感器节点的软故障诊断：基于无线传感器网络的结构健康监测中，虽然节点固定无需考虑其移动性,甚至可以手动配置路由。但考虑到该领域节点故障诊断的灵活性和鲁棒性，采用分簇路由机制能使故障管理分散到各自的簇区域内完成。因此提出适用于结构健康监测的基于压缩感知的节点(含簇头)的软故障诊断方法。具体研究包括：

(1)节点采集数据的压缩研究；压缩算法的重构性能对结构健康监测和网络故障诊断的影响分析；

(2)节点的故障诊断方法。研究节点发生瞬时通信软故障或者结构材料中无损伤发生时，普通节点的故障诊断方法和路由算法。拟参考并改进已有的邻节点协作处理办法以适应本发明的特定领域，重点在于改进邻节点协作时交换数据的类型。

4：SHM中传感器节点的硬故障诊断机制及仿生自修复节点的设计：针对无线传感网络的特点以及结构健康监测的特定需求，将仿生硬件应用于自修的传感器的节点上，必须满足成本低、体积小等特点。因此如何利用仿生硬件的优点，提出适用于无线传感器节点硬故障的自修复机制，是本研究的重点之一。具体研究包括：

(1)自修复节点软硬件体系架构；

(2)自修复模块的选择与设置方法，针对SHM的应变、Lamb波等传感部件进行研究；

(3)自修复传感器节点的设计与实现、节点的硬故障诊断与自重构流程；

(4)自修复传感器节点的性能测试，包括：节点的功耗、模数转换、传输距离、信号频谱等性能。

本发明技术方案如下：

本发明针对结构健康监测的特定应用领域的特点，提供一种适合于健康监测的软、硬故障的诊断和自修复理论和方法。在研究高效实时路由机制的基础上，针对软故障的诊断，通过压缩感知理论的支撑，提出采用邻居协作和分簇路由的方法，对普通节点和簇头节点进行软故障检测；针对硬故障，根据仿生自修复理论，研究无线传感器网络在节点失效、部分网络失效以及外部节点入侵情况下的网络故障诊断和自修复理论和方法。通过上述研究提高无线传感器网络应对网络攻击、节点失效等异常事件的自修复和容错能力。

健康监测的软硬故障的诊断和自修复方法包含以下具体步骤：

初步场景设置：

步骤1)在SHM中高效实时路由：以多流传输的协作通信机制为基础，设计分布式分簇路由算法，形成路由链路，链路的首节点为簇头，第二节点为备用簇头等。

步骤2)SHM中异常数据的干扰处理：结合发明组前期研究的结构监测振动信号的特征提取方法，拟采用M.A-B.Abdo提出的方法，从原始采集数据中提取出分别用于节点故障检测和结构损伤识别的两种特征参数，在获得固有频率的特征提取后，根据两种测量值局部性和全局性的理论，拟采用样本统计算法，或传统节点协作故障诊断算法，实现节点故障异常值和结构损伤测量值的区分与提取。

从传感器获取的监测振动信号，使用Gabor阶比跟踪与Viterbi最大似然译码算法进行固有频率提取，使用样本统计算法，或传统节点协作故障诊断算法来识别节点故障值与结构损伤值。

步骤3)SHM中的诊断机制：在结构健康监测中，节点采样时采用基于压缩感知的压缩采样，以适应节点间的数据交换。针对传感器节点的测量值，采用一个与正交基Ψ∈R^{N × N}不相关的矩阵Φ∈R^{M × N}(M＜＜N)，将高维信号投影到一个低维空间上，实现节点采样信号的压缩。

步骤4)硬件架构：在自修复无线传感器节点硬件架构中，选用可编程器件作为嵌入式的解决方案，主要功能模块通过过仿生硬件FPAAs作为模块加以连接。采用仿生硬件，现场可编程模拟阵列FPAAs实现节点中的传感模块的信号链路，并在节点的信号处理模块中设计传感链路的故障诊断功能和自修复控制功能。

步骤5)软件架构：数据采集驱动程序将A/D转换寄存器中的二进制数据转换成十进制数据后由信号异常诊断程序将其与设定的阈值进行比较给出诊断结果；中央控制程序根据诊断结果向FPAA驱动程序发出驱动命令；该程序首先根据驱动命令读取驻存在外部Flash存储器中的FPAA配置文件，然后动态的对FPAA进行配置，使其完成传感及其冗余层信号链路的重构。

步骤6)性能优化：自修复无线传感器网络结构体系采用混合分级拓扑结构，在网络中设置用来监控网络状态的监控节点。

有益效果

与现有的无线传感器网络的故障诊断研究相比，特色与创新之处在于：

1)在结构健康监测中，对无线传感器网络的软、硬故障进行诊断和修复，识别故障节点的异常数据和正常损伤数据，提高系统监测的鲁棒性和准确性。

2)将仿生硬件应用于传感器节点的传感部件中实现节点的故障诊断和自修复，考虑实际的SHM的工程需求，能解决多个传感器同时故障而导致网络失效的关键性问题。

3)采用压缩采样和多流传输的机制，提高了故障诊断和数据传输的性能。

附图说明

图1本发明的研究内容。

图2发明拟采取的总技术路线。

图3为无线传感器节点的软故障诊断机制

图4拟采取的自修复无线传感器节点硬件架构。

图5拟定的自修复无线传感器节点软件架构。

具体实施方式

以下结合附图具体说明本发明的技术方案。

发明针对结构健康监测领域内的无线传感器网络的软、硬件故障进行诊断和修复，着重研究仿生硬件的自修复节点的设计、故障节点的异常数据与正常数据的区分，基于压缩感知的软故障诊断，节点和网络的故障诊断和修复机制等内容,如图1所示为本发明研究内容。发明采用理论分析和实验验证相结合的研究方案，先获取SHM中传感器节点或网络的故障类型，对故障节点数和临界阈值进行比较，从而对节点或部分网络分别进行修复，整个研究路线如图2所示，其中参数ψ用于判定节点软故障标识为硬故障的持续时间，φ1表示SHM中需要重新分簇路由的故障节点数的临界阈值，φ2为SHM中发生网络故障的故障节点数的临界阈值。

(1)：SHM中高效实时路由机制的研究

针对SHM的传感器节点固定无需考虑移动性的情况，SHM的路由机制和软故障诊断算法应具备稳定、实时时、数据传输量小的特点。因此在路由机制上考虑多流传输。

我们的思路是将协作通信机制应用于无线网络的多流传输问题，以提高其传输性能。拟采用的技术路线是：利用线性规划、整型规划等方法对问题进行形式化描述；采用规约的方法来证明部分问题是NP难的；采用二分图饱和匹配、Dijkstra方法、分支限界法、动态规划等技术来设计有效的算法和协议，并利用二项式的相关性质等数学手段来分析算法的理论性能。

在上述多流传输的协作通信机制的基础上，考虑结构健康监测的实际需求，受分布式层次聚合聚类方法思想的启发,我们拟采取的方案为：设计分布式分簇路由算法，形成路由链路，链路的首节点为簇头，第二节点为备用簇头等。

(2)：SHM中故障节点的异常数据对结构损伤测量值的干扰处理

节点故障对结构损伤的干扰直接影响着损伤识别的准确性，正常的结构损伤测量值往往给传感器网络的故障诊断带来干扰，并形成混淆。因而从原始采集样本中提取能识别异常数据和正常损伤数据的特征参数，是故障诊断的关键。

受SHM中节点故障和结构损伤的数学模型的启发，结合发明组前期研究的结构监测振动信号的特征提取方法，发明拟采用M.A-B.Abdo提出的方法，从原始采集数据中提取出分别用于节点故障检测和结构损伤识别的两种特征参数，避免故障节点对结构损伤的干扰。拟采用的技术思路如下：

结构健康监测中节点故障测量值和结构损伤测量值同属于弱信号，且相互干扰、相互混淆。既不利于网络的故障诊断，也影响了结构健康监测中损伤识别。依据文献的理论：“结构健康监测中损伤识别与定位的主要手段是通过信号的结构振动特征(固有频率)来实现，且故障节点测量值的固有频率与健康节点测量值的固有频率存在明显的差别；前一种是局部的，后一种是全局的。”

上述理论为区分故障节点测量值与正常损伤测量值，实现故障诊断提供了重要依据。因此，我们拟利用表示结构振动信号时频特征的Gabor系数C_m,n，采用Gabor阶比跟踪方法，得到离散的时间点和离散的频率点组成的时频网格面，运用Viterbi算法寻找时间点之间的最优频率路径，从而实现传感器测量信号的频率特征提取。

在获得固有频率的特征提取后，根据两种测量值局部性和全局性的理论，拟采用样本统计算法，或传统节点协作故障诊断算法，实现节点故障异常值和结构损伤测量值的区分与提取。初步拟定的方案如图3所示。

(3)：SHM中基于压缩感知的无线传感器节点的软故障诊断机制

软故障诊断算法中结合发明组前期研究的加权中值故障诊断方法实现普通节点的故障检测。该方案主要针对瞬时通信软故障或者结构材料中无损伤发生时的情况，路由链路一旦生成保持固定直到φ1临界阈值的触发。拟采用的技术思路如下：

考虑到传感器节点在网络中具有时间和空间的相关性，对于某个传感器节点的测量值x_i，其故障诊断可以与周围邻节点的感知值比较判别。对于某个具有M个邻节点的待诊断节点。其加权中值可定义为：

其中，为加权中值，x_j(j＝1,2...M)为邻节点的感知测量值，λ_j(j＝1,2...M)为每个邻节点的权值。通过如下的故障诊断函数可实现节点软故障(异常感知测量值)的判别诊断。

但由于在结构健康监测中，节点每次都会采集大量的原始样本，上述加权中值故障判别无法适应节点间大量的数据交换。拟采用的解决思路是对节点采样时采用基于压缩感知的压缩采样，以适应节点间的数据交换。针对传感器节点的测量值，采用一个与正交基Ψ∈R^{N × N}不相关的矩阵Φ∈R^{M × N}(M＜＜N)，将高维信号投影到一个低维空间上，实现节点采样信号的压缩。其核心公式为：

y＝Φx＝ΦΨα＝Θα (4)

其中，Φ是M×N矩阵，称为测量矩阵；Θ＝ΦΨ是M×N的矩阵，称为观测矩阵。最后通过求解l_p范数最小化的方法，实现压缩信号的重构。

(4)：SHM中无线传感器节点的硬故障诊断机制及自修复节点的设计

1)自修复无线传感器节点硬件架构

研究中拟采用的自修复无线传感器节点硬件架构如图4所示。

针对结构健康监测中多参数采集的特性，为不失一般性，我们拟研究典型的应变无线传感器节点的自修复功能，其他类型的传感器节点的设计原理相同。考虑到结构健康监测的实际工程的应用需求，自修复无线传感器的节点必须满足功耗低、成本低、体积小的特点。可选用成本较低的可编程器件作为嵌入式的解决方案，主要功能模块改变以往相互连接的方式，通过仿生硬件FPAAs作为模块细胞加以连接。图4中所示的应变无线传感器节点包括三个部分：传感模块、信号处理模块、无线收发模块。采用仿生硬件，现场可编程模拟阵列FPAAs实现节点中的传感模块的信号链路，并在节点的信号处理模块中设计传感链路的故障诊断功能和自修复控制功能。其中，自修复模块中的冗余部分既可以采用与原传感模块相同的硬件电路来实现，也可以采用可编程阵列构成的功能单元来实现。

2)自修复无线传感器节点软件架构

研究中拟采用的自修复无线传感器节点软件件架构如图5所示。数据采集驱动程序将A/D转换寄存器中的二进制数据转换成十进制数据后由信号异常诊断程序将其与设定的阈值进行比较给出诊断结果；中央控制程序根据诊断结果向FPAA驱动程序发出驱动命令；该程序首先根据驱动命令读取驻存在外部Flash存储器中的FPAA配置文件，然后动态的对FPAA进行配置，使其完成传感及其冗余层信号链路的重构。

3)自修复无线传感网络的性能考虑

自修复无线传感器网络结构体系拟采用混合分级拓扑结构，除原有的传感器节点以外，考虑在网络中设置用来监控网络状态的监控节点。修复时需要考虑的系统参数包括网络功能、可靠性、功耗、修复时间等多种参数。

Claims (1)

1.一种适于健康监测的软硬故障的诊断和自修复方法，其特征在于，包括如下步骤：

1)在SHM中高效实时路由：以多流传输的协作通信机制为基础，设计分布式分簇路由算法，形成路由链路，链路的首节点为簇头，第二节点为备用簇头等；

2)SHM中异常数据的干扰处理：结合结构监测振动信号的特征提取方法，从原始采集数据中提取出分别用于节点故障检测和结构损伤识别的两种特征参数，在获得固有频率的特征提取后，采用样本统计算法，或传统节点协作故障诊断算法，实现节点故障异常值和结构损伤测量值的区分与提取；

3)SHM中的诊断机制：在结构健康监测中，节点采样时采用基于压缩感知的压缩采样，以适应节点间的数据交换；

4)硬件软件架构：在自修复无线传感器节点硬件架构中，选用可编程器件作为嵌入式的解决方案，通过过仿生硬件FPAAs作为模块加以连接；在自修复无线传感器节点软件架构中，程序首先根据驱动命令读取驻存在外部Flash存储器中的FPAA配置文件，然后动态的对FPAA进行配置，使其完成传感及其冗余层信号链路的重构。