前言

无线传感器网络（wireless sensor network，WSN）是由分布在不同空间上的若干传感器设备组成的一种计算机网络。健康管理旨在评估、诊断和预测组件故障的发生，从而将复杂系统的意外停机时间降至最低。WSN节点容易由于能量损耗、硬件故障、软件故障、通信故障或网络攻击等原因导致可靠性下降，乃至使系统瘫痪，因此其健康管理是非常重要的。

本书主要的研究成果如下。

(1) 提出基于双置信规则库的WSN健康评估模型。WSN数据传输是通过无线方式实现的，对环境的干扰非常敏感，数据容易出现不规则波动和丢失问题。利用监测指标的历史数据建立基于BRB的丢失数据补偿模型，估算丢失的监测数据；再根据补偿数据和监测数据，建立基于BRB的健康评估模型，对WSN健康状态进行评估。为解决初始BRB丢失数据补偿模型和BRB健康评估模型精度低的问题，提出投影协方差矩阵自适应进化策略（projection covariance matrix adaption evolution strategy，PCMAES），对两个初始模型分别进行优化，提高评估精度。实验表明，双BRB WSN健康评估模型可以准确地评估监测数据的丢失值和WSN健康状态。

(2) 提出基于BRBr的WSN健康评估模型。当被监测系统的运行状态发生变化时，WSN采集到的监测数据可能会受到干扰和破坏，导致监测数据的可靠度下降，影响健康评估的准确性。提出利用属性可靠度来处理不可靠的监测信息，建立基于BRBr（BRB with attribute reliability）的WSN健康评估模型；利用监测数据之间的平均距离计算WSN特征属性的可靠度，解决属性可靠度下降的问题；使用PCMAES模型对初始BRBr模型的置信度、特征权重和规则权重等参数进行优化，提高健康评估精度。实验表明，BRBr WSN健康评估模型能够充分融合定量指标数据和定性专家知识，解决属性可靠度下降问题，准确地评估WSN的健康状态。

(3) 提出基于BRBSAQF的WSN节点故障诊断模型。受WSN复杂的工作环境和无线数据传输的影响，WSN收集的数据中含有噪声数据，导致故障诊断过程中提取的数据特征存在不可靠的数据。为了减少不可靠的数据特征对故障诊断准确性的影响，提出了一种带有自适应质量因子的BRB故障诊断模型。首先，提取WSN节点故障诊断所需的数据特征；接着，引入并计算输入属性的质量因子；然后，设计带有属性质量因子的模型推理过程；最后，使用PCMAES算法优化模型的初始参数。实验结果表明，BRBSAQF可以减少不可靠的数据特征的影响。自适应质量因子计算方法比静态属性可靠性方法更加合理和准确。

(4) 提出基于PBRB的WSN节点故障诊断模型。传感器节点的故障诊断需要从原始采集的数据中提取特征数据。不同类型故障的特征数据具有相似性，而诊断结果却难以区分故障类型，这些无法区分的故障类型被称为模糊信息。提出使用幂集BRB识别框架来表示模糊信息，使用ER作为推理过程，使用PCMAES进行参数优化。实验验证结果表明，与其他故障诊断方法相比，PBRB方法具有更高的准确性和更好的稳定性，不仅可以识别难以区分的故障类型，还具有小样本训练优势，模型获得了较高的故障诊断精度和稳定性。

(5) 提出基于BRB和Wiener过程的WSN最优维护决策模型。WSN最优维护决策的目标是为用户提供最优维护时机，实现系统性能指标最优和维护费用最低。为解决WSN健康评估决策存在的监测数据缺乏和复杂系统机理两个问题，提出基于BRB和Wiener过程的最优维护决策模型: 先利用BRB模型对WSN健康状态进行评估；再根据当前的健康评估状态，利用Wiener过程预测WSN健康状态，得到最优的维护时机。在基于Wiener过程的健康状态预测模型中，由专家提供WSN健康状态的最小阈值，以确定最佳的维护时机。通过对原油存储罐WSN最优维护时机的实验验证，证明了模型的有效性。

本书以解决复杂环境下WSN健康管理为目标，研究基于BRB的健康管理的相关理论和方法，得到了国家自然科学基金项目（No. 62203461、No. 62203365）、辽宁省应用基础研究计划（No. 2022JH2/101300270）、辽宁省社会科学规划基金项目（L23BTQ005）、辽宁省教育厅高校基本科研项目（JYTMS20230555）的资助。在全书内容研究与编写过程中，大连外国语大学祁瑞华教授、西北工业大学杨若涵副教授、火箭军工程大学冯志超博士、哈尔滨师范大学硕士生孙国文以及大连外国语大学硕士生袁琳新、王诗雯、孙一宸、平婧宇做了大量工作。

在本书的编写和出版过程中，得到了诸多专家学者的热情帮助，在此一并致以由衷的感谢。

由于时间紧迫，成稿仓促，书中难免出现疏漏甚至错误之处，诚恳地希望各位专家、读者不吝赐教与指正。

编者

2023年9月