SIL-IoT故障诊断策略

对SIL-IoTs来说，正确的故障诊断策略直接关系到故障诊断的准确性和效率，选择合适的故障诊断策略至关重要。

根据行为的不同，可以把故障诊断分为主动诊断和被动诊断两类。主动诊断通过用户发出诊断指示，或WSNs定期执行相关诊断程序，多基于基台，可以精细检测SIL-IoT中的潜在故障。通过设定参数门限等，对CH、继电器节点、边缘计算节点等进行诊断，并利用节点本身，及时发现SIL-IoTs中影响较大的故障。

根据监测的类型，分为连续诊断、定期诊断、直接诊断和间接诊断三种类型。是一种实时诊断，它消耗的能量很大，却能及时发现故障，适合产量较大的场景，如茶园、畜牧养殖等。常规诊断即将故障诊断时间设置为触发状态，当达到诊断条件后，再进入休眠状态，可应用于绝大多数SIL-IoTs方案。通过现场观察的方式对直接诊断进行经验评估，比如维修人员现场观察、用笔测量方法。它是利用相关数据等相关信息来判断故障是否存在，而基于WSNs的诊断都是间接诊断。

另外，根据故障诊断方法在SIL-IoTs系统结构上各层执行的特点，可以把故障诊断分为集中式、分布式和混合三类。它以集中式的方式向后台发送数据包，后台故障诊断出所有节点和链路，其全局检错率高，时延高。而概率法、机器学习法等对数据具有高度依赖性的方法，更适合于利用这些数据进行分析。另外，集中式策略能够获取全局拓扑信息，因而适合拓扑控制方法，根据路由的变化，快速定位故障。分布策略则在SIL-IoTs节点或边缘节点端部署故障诊断方法，通过节点本身或邻居节点相互监听，具有局部检测率高、延迟小等特点。统计学方法可以有效地利用节点自身数据的时间相关性和邻居节点间空间相关性进行统计检验。另外，分层路由方法利用簇头对簇内节点的信息进行整合，通过簇内投票等方法来检测簇内节点的故障，因而也属于分布式算法。混合技术将集中分布和集中的特性结合在一起，是一种更有效的故障诊断策略。例如，一种移动基台方法，可以在基站移动过程中对所在区域的一跳邻居节点进行分布式故障诊断，还可以利用移动路径中已有的节点信息进行集中式故障诊断。图5显示了多种故障诊断策略和方法之间的关系。

本文提出了一种基于SIL-IoTs的故障诊断方法，应采用的故障诊断策略见表3。由于WSNs主要是通过数据异常和网络通信异常来检测故障，因此对于后台数据异常、部分节点异常、整个网络通信异常，都可以通过现有的WSNs故障诊断方法，对SIL-IoTs进行故障检测和分类，进而实现故障的恢复。对灯管两端出现红色而不亮等硬故障或软性故障，需安排维修人员及时进行现场检修。

同时，根据相应的故障诊断方法和策略，选择适当的软件工具来调试SIL-IoTs同样非常重要。现在已经有许多学者研究开发了WSNs的故障诊断工具，监测的对象包括流量状态、节点状态和全局状态[43]。业务监测通常利用机器学习算法对数据包进行分析和跟踪，以发现网络故障；结点状态监测工具通过收集每一个节点的信息(比如状态)事件追踪)以及节点之间的交互作用，帮助用户分析故障；全局状态监测通过多节点的信息发现故障。对表3中不同的故障现象，例如后台数据异常，可以使用Ramanathan等[44]提出的可检测和定位网络中节点崩溃、重启、无线路由、邻居缺失和路由失效的故障监测工具Sympathy。针对部分结点通信异常，可以利用Yang等[45]提出的综合源代码级无线网络调试器Clairvoyant进行调试。开发者通过无线连接WSNs，通过终端、步进、监控、回溯等命令检测WSNs中的节点通讯故障。在网络通信异常情况下，可以利用Ringwald等[46]提出的一种可检测节点意外重启、孤立节点、分区网络故障的检测工具SNIF进行调试。Dustminer是一个诊断工具，用来解决由多个组件交互引起的组合故障，但是没有被诊断出异常，但是确实存在异常情况，可以考虑Khan等[47]。通过记录WSNs中不同类型的事件，该工具能够自动分析日志，提取引起故障的事件序列。