تشخیص خودکار خطا در شبکه حسگرهای دمایی مبتنی بر فیلتر کالمن و جبران سازی برخط خطا با استفاده از الگوریتم ژنتیک

جایگاه حسگرها در صنایع و علوم مختلف به عنوان یک عنصر اساسی و حیاتی، غیرقابل انکار می باشد. بنابراین موضوع خطایابی و رفع خطا در حسگرها اهمیت ویژه ای دارد. دراین تحقیق، یک شبکه از حسگرها شامل چند حسگر دما در نظر گرفته می شود به گونه ای که متوسط دمای حسگرها به عنوان دمای اندازه گیری شده در نظر گرفته می شود. برای مقاوم سازی سیستم در مقابل خطا ابتدا با استفاده از فیلتر کالمن خطای واقع شده تشخیص داده شده است و سپس با استفاده از الگوریتم ژنتیک آرایش سیستم اندازه گیری دما به صورتی مناسب تغییر داده می شود به گونه ای که خطای واقع شده تاثیری در دمای قرائت شده نداشته باشد. در این مقاله خطای بایاس، مقیاس، خطای سخت و نویز زیاد مورد مطالعه قرار گرفته اند. برای ارزیابی کارایی ساختار پیشنهادی شبیه سازی هایی در نرم افزار مطلب صورت گرفته است و نشان داده اند که برای طیف وسیعی از شدت خطا سیستم به صورت موثر مقاوم است.

Automatic Fault Detection in Temperature Sensor Network Based on Kalman Filter and Online Fault Recovery Using Genetic Algorithm

Sensors have a great role in industry and science. Thus fault detection and mitigation in sensors is of special importance. In this paper, a network of temperature sensors is considered to measure the temperature of an area. The weighted average of sensors is considered as the final output for more reliability. Some of sensors are considered to provide redundancy for fault mitigation. Kalman filter detects fault and Genetic algorithm changes system such that the fault is mitigated. In this paper, bias fault, scaling fault, high noise fault and hard fault are considered and this system is resistant and effective for a variety of faults.