基于RS-CSA-ELM的WSN节点故障诊断

• 作者: 余正军
• 来源期刊: 计算机系统应用
• 关键词: 故障诊断 乌鸦搜索算法 极限学习机 WSN 粗糙集理论
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 软件技术·算法|Software Technique·Algorithm
• 页码范围: 221-226
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007850

摘要

为及时发现WSN节点故障隐患,准确掌握WSN运行状态,本文利用粗糙集理论属性约简算法(简称RS)对WSN节点故障属性进行约简,以最优的故障属性决策表重构训练样本数据集,作为极限学习机(Extreme Learning Machine,ELM)神经网络的输入,建立一个数据驱动的WSN节点故障断模型.采用乌鸦搜索算法(Crow Search Algorithm,CSA)优化ELM神经网络的输入权值和隐含层阀值,改善网络参数随机生成带来的ELM模型输出不稳定、分类精度偏低的问题.通过对RS-GA-ELM模型进行仿真分析.结果表明,RS-GA-ELM模型能够在可靠性不同的数据集中,保持较高的故障诊断效率,符合WSN节点故障诊断的需求.