中文摘要：

故障预测是无线传感器网络（Wireless Sensor Networks, WSNs）可靠性理论中的关键问题，准确的故障预测能够有效的提升系统的可用性。本课题拟通过对历史数据、环境参数和故障类型分析与研究，找出引起实际应用环境下WSNs故障发生的因素并确定用于WSNs故障预测的参数；提出数据驱动的WSNs故障预测方法——状态表示方法，该方法可克服已有方法中对环境量化不足、模型确定困难等缺点；采用核函数设计使该方法具有高维数据和非线性处理能力，能较准确实现WSNs故障预测。本课题提出的开展实际应用环境下的WSNs故障预测研究具有前瞻性，不仅可以丰富WSNs可靠性理论，同时，也为实际应用环境下的可靠监测提供了有力的理论支撑。

结论摘要：

故障预测是无线传感器网络可靠性理论中的关键问题，准确的故障预测能够有效提升WSNs系统的可靠性。本项目以应用环境下的WSNs故障准确预测为研究目标，以烟气污染物排放监测环境下的WSNs为主要研究对象，研究WSNs故障预测关键技术，项目主要研究内容如下 (1) 应用环境下的WSNs故障研究。分析了工业、农业和海洋等应用环境下的WSNs故障因素，而后针对电厂烟气污染物排放监测环境下的环境恶劣、金属设备对电磁波的遮挡、电磁干扰导致的白噪声、背景噪声等干扰源对带状传感器网络的影响进行了深入分析，并运用NS2软件对无线传感器网络阴影模型进行了仿真实验，实现了在烟气污染物排放监测环境下各干扰源对WSNs数据传输影响的模拟。 (2) WSNs故障参数研究和WSNs故障影响分析。构建了WSNs信道链路、节点状态和环境参数等故障参数研究实验平台，分别对冲击故障、短路故障、偏置故障和电池耗尽等WSNs常见硬件故障参数进行了测试，明确了相关故障参数对WSNs的影响。提出了随时间演进状态转移蒙特卡罗(TEST-MC)网络故障影响仿真模型，进行了仿真实验与分析。结果表明，该模型可对WSNs典型拓扑结构的故障影响快速有效地分析。 (3) 基于核函数的WSNs故障预测研究。选用径向基函数作为核函数，分别从节点硬件故障和网络故障两个方面进行故障预测，并将得到的预测结果与GRNN和PNN两种分类方法的预测结果进行了比较分析。结果表明在节点硬件故障预测中，基于核函数的WSNs故障预测准确率比GRNN、PNN方法分别高15%、20%，在网络故障预测中，本课题提出的算法预测准确率比GRNN、PNN方法分别高12%、17%，提高了WSNs故障预测精度，对WSNs节点硬件故障和网络故障实现了较好地预测。本课题开展了烟气污染物排放监测环境下WSNs故障预测研究。在考虑环境影响因素基础上，通过数据驱动的故障预测方法研究，在机器学习框架下构建WSNs故障状态表示方法，对WSNs节点硬件故障和网络故障实现了较好地预测。