基于深度森林的无线传感器网络故障分类算法

来源：计算机测量与控制杂志2022年第1期北京时间：

作者：张鹏,李志,邸希元

单位：哈尔滨理工大学

摘要：针对无线传感器网络（WSN）节点容易出现故障从而导致网络瘫痪的问题，提出了一种基于改进的深度森林的无线传感器网络故障分类方法。深度森林是基于森林的集成学习方法，其输入是多维特征向量，特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理，多粒度扫描通过处理数据之间的关系来增强数据表示的能力，级联森林用于分类或预测。针对级联森林部分随着层数的增加可能造成的维数问题进行优化后，将该算法用于故障分类可以提高故障诊断的精确度。在仿真验证阶段，将本算法与深度神经网络（DNN）和支持向量机（SVM）算法进行对比。结果显示，本算法可以准确的识别出不同的故障类型，并且在损坏故障和电源故障的识别达到了最高精度，综合平均精度在98.4%。对偏移故障、漂移故障和通信故障的识别略低于卷积神经网络（CNN）算法，但综合训练时间、参数调节来看，该算法更能满足实际工程的需要。

关键词：无线传感器网络;故障诊断;故障分类;深度森林;算法优化

基金资助：国家自然科学基金资助项目（青年科学基金项目，61903104）