文件名称：基于RS-CSA-ELM的WSN节点故障诊断
文件大小：1.21MB
文件格式：PDF
更新时间：2024-05-26 05:39:32
故障诊断 乌鸦搜索算法 极限学习机 WSN 粗糙集理论
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.