基于全神经网络增强算法的WSNs故障预警与检测

• 作者: 兰娅勋 蔡娟 李振坤
• 来源期刊: 计算机测量与控制
• 关键词: 全神经网络 WSNs 节点 sigmoid函数 Adam优化算法 梯度
• 年，卷（期）: 2023,（11）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 81-87
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.11.012

摘要

针对现有WSNs故障检测算法存在的故障分类检测率低、耗时长、节点能耗控制差等问题，提出一种全神经网络增强故障预警与检测算法；全神经网络的神经元节点与临近层的节点连接，形成具有强大故障数据训练功能的深度网络结构，选择平滑性更好的sigmoid函数作为模型的激活函数，并基于感知机合理调节相邻两个隐含层之间的阈值权重，降低模型的训练损失；采用Adam优化算法抑制模型的梯度膨胀和梯度消失等异常情况，并消除训练中产生的数据冗余，以降低故障数据训练中产生的虚预警；实验结果显示：提出算法的总体故障检测率和不同类型故障的分类检测率都优于传统算法，此外全神经网络增强算法在节点故障检测耗时和能耗控制方面，也具有显著优势。