太陽(yáng)能殺蟲燈物聯(lián)網(wǎng)故障診斷特征分析及潛在挑戰(zhàn)

　　摘要: 太陽(yáng)能殺蟲燈物聯(lián)網(wǎng)(SIL-IoTs)是一種基于農(nóng)業(yè)場(chǎng)景與物聯(lián)網(wǎng)技術(shù)的新型物理農(nóng)業(yè)蟲害防治工具，通過無(wú)線傳輸太陽(yáng)能殺蟲燈組件狀態(tài)數(shù)據(jù)，用戶可后臺(tái)實(shí)時(shí)查看太陽(yáng)能殺蟲燈運(yùn)行狀態(tài)，具有殺蟲計(jì)數(shù)、蟲害區(qū)域定位、輔助農(nóng)情監(jiān)測(cè)等功能。但隨著SIL-IoTs快速發(fā)展與廣泛應(yīng)用，故障診斷難和維護(hù)難等矛盾日益突出?；诖?，本研究首先闡述了SIL-IoTs的結(jié)構(gòu)和研究現(xiàn)狀，分析了故障診斷的重要性，指出了故障診斷是保障其可靠性的主要手段。接著介紹了目前太陽(yáng)能殺蟲燈節(jié)點(diǎn)自身存在的故障及其在無(wú)線傳感網(wǎng)絡(luò)(WSNs)中的體現(xiàn)，并進(jìn)一步對(duì)WSNs中的故障進(jìn)行分類，包括基于行為、基于時(shí)間、基于組件以及基于影響區(qū)域的故障四類。隨后討論了統(tǒng)計(jì)方法、概率方法、層次路由方法、機(jī)器學(xué)習(xí)方法、拓?fù)淇刂品椒ê鸵苿?dòng)基站方法等目前主要使用的WSNs故障診斷方法。此外，還探討了SIL-IoTs故障診斷策略，將故障診斷從行為上分為主動(dòng)型診斷與被動(dòng)型診斷策略，從監(jiān)測(cè)類型上分為連續(xù)診斷、定期診斷、直接診斷與間接診斷策略，從設(shè)備上分為集中式、分布式與混合式策略。在以上故障診斷方法與策略的基礎(chǔ)上，介紹了后臺(tái)數(shù)據(jù)異常、部分節(jié)點(diǎn)通信異常、整個(gè)網(wǎng)絡(luò)通信異常和未診斷出異常但實(shí)際存在異常四種故障現(xiàn)象下適用的WSNs故障診斷調(diào)試工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，強(qiáng)調(diào)了SIL-IoTs的特性對(duì)故障診斷帶來(lái)的潛在挑戰(zhàn)，包括部署環(huán)境復(fù)雜、節(jié)點(diǎn)任務(wù)沖突、連續(xù)性區(qū)域節(jié)點(diǎn)無(wú)法傳輸數(shù)據(jù)和多種故障診斷失效等情形，并針對(duì)這些潛在挑戰(zhàn)指出了合理的研究方向。由于SIL-IoTs為農(nóng)業(yè)物聯(lián)網(wǎng)中典型應(yīng)用，因此本研究可擴(kuò)展至其它農(nóng)業(yè)物聯(lián)網(wǎng)中，并為這些農(nóng)業(yè)物聯(lián)網(wǎng)的故障診斷提供參考。

　　關(guān)鍵詞: 太陽(yáng)能殺蟲燈;無(wú)線傳感網(wǎng)絡(luò);農(nóng)業(yè)物聯(lián)網(wǎng);故障診斷;蟲害

　　本文源自智慧農(nóng)業(yè)(中英文), 2020, 2(2): 11-27.《智慧農(nóng)業(yè)(中英文)》(季刊)是國(guó)家新聞出版署批準(zhǔn)、國(guó)內(nèi)外公開發(fā)行的農(nóng)業(yè)工程類學(xué)術(shù)期刊，由中華人民共和國(guó)農(nóng)業(yè)農(nóng)村部主管，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所主辦，《智慧農(nóng)業(yè)(中英文)》編輯委員會(huì)學(xué)術(shù)指導(dǎo)，《智慧農(nóng)業(yè)(中英文)》編輯部編輯出版。

　　1 引 言

　　農(nóng)業(yè)是支撐國(guó)民經(jīng)濟(jì)建設(shè)與發(fā)展的第一基礎(chǔ)產(chǎn)業(yè)。然而農(nóng)業(yè)蟲害，尤其是遷飛性害蟲，如草地貪夜蛾、稻縱卷葉螟和甜菜葉蛾等，對(duì)農(nóng)業(yè)的正常生產(chǎn)造成了極大的負(fù)面影響[1]。目前蟲害防治的主要手段是施用農(nóng)藥，但長(zhǎng)期大量使用農(nóng)藥，不僅降低了農(nóng)產(chǎn)品的品質(zhì)，污染了自然環(huán)境，而且還提高了害蟲的抗藥性，不利于中國(guó)農(nóng)業(yè)的可持續(xù)發(fā)展[2]。

　　在國(guó)家實(shí)行化肥農(nóng)藥雙減政策背景下，太陽(yáng)能殺蟲燈(Solar Insecticidal Lamps，SIL)作為一種通過太陽(yáng)能供電、利用遷飛性害蟲趨光性引誘害蟲撲燈從而起到殺蟲作用的物理防治工具，已逐漸成為中國(guó)害蟲防治與植物保護(hù)方面的研究熱點(diǎn)[3]。由于太陽(yáng)能殺蟲燈部署于野外，受環(huán)境影響較大，容易出現(xiàn)故障;而且因其多懸掛于較高的金屬桿上，且有高壓金屬網(wǎng)，因此檢修和維護(hù)較為困難，無(wú)法長(zhǎng)期發(fā)揮殺蟲作用。傳統(tǒng)太陽(yáng)能殺蟲燈①不包含物聯(lián)網(wǎng)功能，一般未設(shè)有故障診斷功能。部分有故障診斷功能的產(chǎn)品通過內(nèi)置傳感器檢測(cè)電壓與電流的異常變化。當(dāng)出現(xiàn)異常時(shí)，通過亮起故障警報(bào)燈的方式等待維護(hù)人員發(fā)現(xiàn)異常。維護(hù)人員通過現(xiàn)場(chǎng)觀察、測(cè)電筆檢測(cè)進(jìn)行經(jīng)驗(yàn)式故障診斷，無(wú)法滿足快速殺蟲計(jì)數(shù)、故障診斷、蟲害區(qū)域判斷等農(nóng)業(yè)生產(chǎn)需求。

　　隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Networks, WSNs)被廣泛應(yīng)用于溫室大棚[4]、植保無(wú)人機(jī)[5]、植物表型平臺(tái)[6]等智慧農(nóng)業(yè)場(chǎng)景。太陽(yáng)能殺蟲燈物聯(lián)網(wǎng)(Solar Insecticidal Lamps Internet of Things, SIL-IoTs)正是WSNs與SIL結(jié)合的產(chǎn)物。SIL-IoTs通過無(wú)線通信模塊(如ZigBee和LoRa)將殺蟲計(jì)數(shù)、太陽(yáng)能殺蟲燈組件狀態(tài)信息等上傳到云平臺(tái)與用戶移動(dòng)端，或直接在節(jié)點(diǎn)端進(jìn)行在線狀態(tài)監(jiān)測(cè)，以滿足用戶實(shí)時(shí)獲取設(shè)備故障信息需求。用戶通過后臺(tái)發(fā)送調(diào)整工作時(shí)長(zhǎng)等命令來(lái)遠(yuǎn)程控制并管理SIL-IoTs，如利用已知坐標(biāo)信息的SIL-IoTs節(jié)點(diǎn)進(jìn)行實(shí)時(shí)殺蟲計(jì)數(shù)，快速判定蟲害區(qū)域，提升太陽(yáng)能殺蟲燈實(shí)驗(yàn)的效率，進(jìn)而輔助農(nóng)藥施用決策。此外SIL-IoTs還可擴(kuò)展土壤墑情、溫濕度等模塊，以滿足不同農(nóng)業(yè)場(chǎng)景下的具體需求，實(shí)現(xiàn)農(nóng)情輔助監(jiān)測(cè)功能[7]，提升農(nóng)業(yè)生產(chǎn)管理效率[8]。

　　基于此，企業(yè)紛紛研制SIL-IoTs產(chǎn)品，但仍存在一定的局限性。主要體現(xiàn)在：1)目前市場(chǎng)上的產(chǎn)品均基于蜂窩移動(dòng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸。這種方式不僅增加了殺蟲燈節(jié)點(diǎn)的維護(hù)成本(需要一直繳納流量費(fèi)用)，且不適用于部分網(wǎng)絡(luò)信號(hào)質(zhì)量較差的農(nóng)村區(qū)域。2)目前產(chǎn)品殺蟲計(jì)數(shù)均基于高壓電網(wǎng)放電次數(shù)進(jìn)行計(jì)數(shù)，當(dāng)多只害蟲同時(shí)碰撞高壓電網(wǎng)時(shí)，電網(wǎng)只進(jìn)行一次放電，記為殺蟲一次;或蟲子粘在高壓電網(wǎng)上持續(xù)性放電時(shí)，有蟲子撞擊電網(wǎng)，也不進(jìn)行計(jì)數(shù)。這些情況導(dǎo)致殺蟲計(jì)數(shù)結(jié)果不可信，可能誤導(dǎo)故障的診斷。3)WSNs采用的是節(jié)點(diǎn)多跳傳輸至基站的方法，基于蜂窩移動(dòng)網(wǎng)絡(luò)的后臺(tái)故障診斷方法(較低延遲與通信代價(jià))不適用于SIL-IoTs。因此使用ZigBee等低成本、自組網(wǎng)通信方式，通過節(jié)點(diǎn)間互相通信以及節(jié)點(diǎn)與基站通信的方式實(shí)時(shí)監(jiān)測(cè)太陽(yáng)能殺蟲燈組件狀態(tài)，對(duì)SIL-IoTs的長(zhǎng)期運(yùn)行更加有利。并且基于節(jié)點(diǎn)自診斷、鄰居節(jié)點(diǎn)互相監(jiān)督等方法，后臺(tái)能及時(shí)發(fā)現(xiàn)組件存在故障，通過重啟等手段消除系統(tǒng)故障。

　　本文在介紹SIL-IoTs結(jié)構(gòu)和研究現(xiàn)狀的基礎(chǔ)上，闡述了SIL-IoTs故障診斷的重要性，分析了SIL-IoTs故障診斷的特征，并進(jìn)一步展望了其部署環(huán)境與工作特性給故障診斷帶來(lái)的潛在挑戰(zhàn)。

　　2 SIL-IoTs及其故障診斷重要性

　　2.1　SIL-IoTs結(jié)構(gòu)及研究進(jìn)展

　　目前，應(yīng)用中主要使用的傳統(tǒng)太陽(yáng)能殺蟲燈是太陽(yáng)能頻振式殺蟲燈和太陽(yáng)能風(fēng)吸式殺蟲燈。這兩種殺蟲燈均利用誘蟲光源吸引害蟲至殺蟲燈附近，頻振式殺蟲燈通過高壓電網(wǎng)放電殺滅害蟲，風(fēng)吸式殺蟲燈通過風(fēng)扇吸入害蟲，使其風(fēng)干。SIL-IoTs在硬件結(jié)構(gòu)上比傳統(tǒng)太陽(yáng)能殺蟲燈多了無(wú)線通信設(shè)備與天線，如圖1所示，用于節(jié)點(diǎn)間通信或與基站通信。其中無(wú)線通信設(shè)備通過蓄電池供電，而蓄電池通過太陽(yáng)能板充電，因此相較于節(jié)點(diǎn)能量有限的傳統(tǒng)WSNs，SIL-IoTs是一種能量采集-無(wú)線傳感網(wǎng)絡(luò)(Energy-Harvesting WSNs,EH-WSNs)。EH-WSNs是一種通過采集外界能量(如無(wú)線充電、太陽(yáng)能、風(fēng)能)為傳感器電池充電的新興WSNs形式。它極大地延長(zhǎng)了節(jié)點(diǎn)與網(wǎng)絡(luò)壽命，使傳感器節(jié)點(diǎn)突破能量的束縛，進(jìn)而支持通信范圍更廣、計(jì)算能力更強(qiáng)的邊緣計(jì)算節(jié)點(diǎn)。將故障診斷方法部署在邊緣計(jì)算節(jié)點(diǎn)可以有效降低診斷信息延遲，通過自恢復(fù)的方法恢復(fù)部分故障，而不必將故障信息傳輸?shù)胶笈_(tái)后再恢復(fù)，提高了SIL-IoTs的可靠性。

　　從系統(tǒng)結(jié)構(gòu)上，依據(jù)WSNs的定義，可將SIL-IoTs分為感知層、傳輸層、邊緣層以及應(yīng)用層，如圖2所示。感知層通過多種傳感器完成數(shù)據(jù)采集任務(wù)，并利用傳輸層的無(wú)線通信設(shè)備上傳采集到的數(shù)據(jù)。對(duì)于計(jì)算量小、實(shí)時(shí)性要求高的任務(wù)，可在本地設(shè)備進(jìn)行數(shù)據(jù)處理并發(fā)送控制命令至執(zhí)行器。當(dāng)區(qū)域性蟲害爆發(fā)時(shí)，若將蟲害數(shù)據(jù)上傳至云端再由云端將控制命令傳回至執(zhí)行器，較大的時(shí)延可能導(dǎo)致殺蟲任務(wù)調(diào)整總是落后于實(shí)際蟲情變化。而應(yīng)用層可將云平臺(tái)或邊緣層處理后的數(shù)據(jù)或決策信息發(fā)送至Web站點(diǎn)或用戶手機(jī)，便于用戶實(shí)時(shí)查看或幫助用戶做出更正確的決策。

　　目前科研人員已經(jīng)開展了部分研究，Lam等[9]將誘蟲燈與WSNs結(jié)合，通過感知誘蟲燈中的害蟲重量識(shí)別害蟲種類，利用星型拓?fù)浣Y(jié)構(gòu)和時(shí)分控制的方式傳輸數(shù)據(jù)，建立了用于實(shí)時(shí)監(jiān)測(cè)越南湄公河三角洲地區(qū)褐飛虱的監(jiān)控網(wǎng)絡(luò)。Eliopoulos等[10]提出了一種基于生物聲學(xué)技術(shù)的糧倉(cāng)蟲害密度估計(jì)方法，通過分析壓電傳感器的振動(dòng)記錄對(duì)區(qū)域內(nèi)谷物侵染嚴(yán)重程度進(jìn)行判別。Lopez等[11]提出了一種基于低成本圖像傳感器的蟲害監(jiān)控系統(tǒng)，可部署于溫室大棚或大田中，通過單跳或多跳傳播的形式上傳蟲害數(shù)據(jù)，通過圖像識(shí)別算法檢測(cè)害蟲。Yang等[12]提出了一種基于分區(qū)結(jié)構(gòu)的SIL-IoTs節(jié)點(diǎn)部署策略，利用農(nóng)田天然的分區(qū)結(jié)構(gòu)，將SIL-IoTs的節(jié)點(diǎn)部署問題轉(zhuǎn)化為二次分配問題，并采用遺傳算法對(duì)該問題求解。該策略在保證全覆蓋的約束下，顯著降低了節(jié)點(diǎn)的部署數(shù)量，可用于復(fù)雜的農(nóng)業(yè)環(huán)境中。

　　2.2　SIL-IoTs故障診斷重要性

　　由于SIL-IoTs在日常應(yīng)用中承擔(dān)著較重的殺蟲任務(wù)以及輔助蟲害觀測(cè)任務(wù)，當(dāng)SIL-IoTs出現(xiàn)故障時(shí)，不僅無(wú)法殺滅害蟲，而且可能誤導(dǎo)農(nóng)民對(duì)蟲害的估計(jì)情況，從而導(dǎo)致農(nóng)藥用量偏差，進(jìn)一步影響作物的品質(zhì)與產(chǎn)量。特別地，當(dāng)誘蟲光源能正常工作但殺蟲組件出現(xiàn)故障時(shí)，周圍害蟲被吸引至太陽(yáng)能殺蟲燈附近卻又無(wú)法殺蟲，將造成局部地區(qū)害蟲爆發(fā)性增長(zhǎng)。此類情形不僅對(duì)作物產(chǎn)生危害，還會(huì)使用戶認(rèn)為SIL-IoTs將其他區(qū)域的害蟲吸引到自己農(nóng)田中，進(jìn)而影響SIL-IoTs的推廣與應(yīng)用。因此對(duì)SIL-IoTs故障進(jìn)行快速、準(zhǔn)確的診斷非常重要。

　　目前市場(chǎng)上使用的基于蜂窩移動(dòng)網(wǎng)絡(luò)的SIL-IoTs產(chǎn)品主要通過維護(hù)人員經(jīng)驗(yàn)式故障診斷，以及當(dāng)運(yùn)行狀態(tài)數(shù)據(jù)跳變或不在合理范圍內(nèi)時(shí)判定故障[7]。當(dāng)移動(dòng)蜂窩網(wǎng)絡(luò)出現(xiàn)通信問題時(shí)，除了自帶的故障診斷警報(bào)燈外，后臺(tái)只能獲取節(jié)點(diǎn)網(wǎng)絡(luò)連接失敗的信息，無(wú)法對(duì)其進(jìn)行遠(yuǎn)程故障診斷。與移動(dòng)蜂窩網(wǎng)絡(luò)直連基站不同的是，在WSNs中，殺蟲燈部分故障診斷策略可在本地節(jié)點(diǎn)或邊緣計(jì)算節(jié)點(diǎn)執(zhí)行，從而達(dá)到自診斷與自恢復(fù)效果。

　　太陽(yáng)能殺蟲燈與物聯(lián)網(wǎng)技術(shù)的結(jié)合在帶動(dòng)害蟲防治技術(shù)發(fā)展同時(shí)，也帶來(lái)了新的挑戰(zhàn)，包括多約束條件下SIL-IoTs節(jié)點(diǎn)部署、SIL-IoTs工作時(shí)長(zhǎng)自適應(yīng)策略、蟲害爆發(fā)區(qū)域快速精準(zhǔn)定位以及嚴(yán)重蟲害時(shí)高壓放電數(shù)據(jù)抗干擾[7]。這些挑戰(zhàn)都建立在SIL-IoTs可靠性得到保證的前提下，且與之相輔相成。如果SIL-IoTs無(wú)法得到保障，故障未被及時(shí)排查將導(dǎo)致部署策略失效;SIL-IoTs節(jié)點(diǎn)損壞，無(wú)法工作，工作時(shí)長(zhǎng)自適應(yīng)無(wú)意義;蟲害爆發(fā)區(qū)域錯(cuò)誤定位，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)錯(cuò)誤調(diào)整導(dǎo)致整個(gè)網(wǎng)絡(luò)崩潰等。因此，可靠性是保障SIL-IoTs產(chǎn)品能否長(zhǎng)期穩(wěn)定運(yùn)行的關(guān)鍵性問題。而故障診斷通過各類算法在節(jié)點(diǎn)或后端處檢測(cè)并分類出SIL-IoTs 中存在的故障，是保障可靠性的前提。研究針對(duì)SIL-IoTs的故障診斷方法，及時(shí)發(fā)現(xiàn)SIL-IoTs故障，對(duì)于減少農(nóng)業(yè)生產(chǎn)受蟲害侵襲造成的經(jīng)濟(jì)損失尤為重要。

　　3 SIL-IoTs故障診斷特征分析

　　有效的故障診斷方法依賴于對(duì)研究背景的特征分析，因此有必要進(jìn)行SIL-IoTs的故障診斷特征分析。

　　3.1　SIL-IoTs故障分類

　　SIL-IoTs是一種含有殺蟲及太陽(yáng)能充電功能的WSNs，其中太陽(yáng)能殺蟲燈組件、傳感器模塊以及無(wú)線通信模塊為SIL-IoTs的整體組件構(gòu)成，基于此借助傳統(tǒng)WSNs的故障分類及診斷方法對(duì)SIL-IoTs的故障診斷進(jìn)行特征分析。

　　WSNs是一種自組網(wǎng)絡(luò)，通過部署在不同應(yīng)用場(chǎng)景下的大量傳感器采集數(shù)據(jù)，傳輸?shù)揭粋€(gè)或多個(gè)基站，最終傳輸?shù)皆破脚_(tái)或移動(dòng)端[13]。檢驗(yàn)WSNs可靠性最重要的指標(biāo)就是檢測(cè)基站是否收到正確的感知數(shù)據(jù)，未收到所有的數(shù)據(jù)或收到不正確的數(shù)據(jù)即可判斷WSNs存在故障。依據(jù)不同的特征，可將WSNs故障分為四種類型，分別是基于行為、基于時(shí)間、基于組件以及基于影響區(qū)域的故障[14]，如圖3所示，其中紅色外框故障為較難診斷的故障。

　　3.1.1　基于行為

　　當(dāng)WSNs中存在故障時(shí)，傳感器節(jié)點(diǎn)表現(xiàn)行為包括無(wú)法發(fā)送數(shù)據(jù)、發(fā)送錯(cuò)誤數(shù)據(jù)或間斷性地發(fā)送數(shù)據(jù)?；诖藢⒐收戏譃橛补收虾蛙浌收?。硬故障指?jìng)鞲衅髂K組件完全損壞，因而無(wú)法與其他傳感器通信[15]。損壞的組件可能但不限于通信模塊或收發(fā)模塊故障、電池?fù)p壞、集成電路受雨水侵蝕以及超出通訊半徑[16]。當(dāng)傳感器仍處于激活狀態(tài)，但發(fā)送不正確數(shù)據(jù)或時(shí)常不能發(fā)送數(shù)據(jù)則表明WSNs處于軟故障狀態(tài)[17]，如發(fā)送異常的殺蟲計(jì)數(shù)數(shù)據(jù)或間斷的發(fā)送殺蟲計(jì)數(shù)數(shù)據(jù)。

　　3.1.2　基于時(shí)間

　　從故障的持續(xù)時(shí)間分析，可將故障分為永久性故障、間歇性故障和暫時(shí)性故障[18,19]。永久性故障通常與硬故障同時(shí)發(fā)生，例如電池故障時(shí)，SIL-IoTs節(jié)點(diǎn)無(wú)法接入網(wǎng)絡(luò)，不僅無(wú)法上傳數(shù)據(jù)，而且無(wú)法殺蟲。當(dāng)傳感器節(jié)點(diǎn)或網(wǎng)絡(luò)在無(wú)故障與有故障狀態(tài)之間不停切換時(shí)，表明目前其正處于間歇性故障中，如SIL-IoTs燈管頻繁啟動(dòng)。暫時(shí)性故障則是短時(shí)間內(nèi)發(fā)生的間歇性故障，會(huì)自我恢復(fù)，通常是由于外部環(huán)境變化等導(dǎo)致，難以診斷。

　　3.1.3　基于組件

　　SIL-IoTs由硬件(多種傳感器、傳統(tǒng)太陽(yáng)能殺蟲燈組件、無(wú)線通信模塊)和軟件(協(xié)議棧、后臺(tái)控制程序、傳感器驅(qū)動(dòng)文件)組件組成。當(dāng)組件故障時(shí)，會(huì)導(dǎo)致正常工作的SIL-IoTs行為發(fā)生變化，進(jìn)而造成硬故障或軟故障。基于組件的故障可分為節(jié)點(diǎn)故障、網(wǎng)絡(luò)故障、基站故障以及后端故障。節(jié)點(diǎn)故障指?jìng)鞲衅鞴?jié)點(diǎn)與太陽(yáng)能殺蟲燈組件發(fā)生故障，其中傳感器節(jié)點(diǎn)主要包括傳感器單元、數(shù)據(jù)處理單元、無(wú)線收發(fā)器和電源[20]。電池電量不足極易造成節(jié)點(diǎn)故障，因此需要良好的能量管理方式，防止部分關(guān)鍵節(jié)點(diǎn)能量下降過快而導(dǎo)致整個(gè)網(wǎng)絡(luò)故障[21]。根據(jù)第2節(jié)中的組成結(jié)構(gòu)，太陽(yáng)能殺蟲燈節(jié)點(diǎn)組件可能發(fā)生的部分故障如表1所示，大部分故障都源于生產(chǎn)工藝不足或硬件老化問題[22,23]。傳感器節(jié)點(diǎn)通過通信鏈路互相連接，當(dāng)鏈路出現(xiàn)故障時(shí)，節(jié)點(diǎn)消息無(wú)法被發(fā)出或具有較大的延遲。路由決定了消息的傳遞路徑，當(dāng)路由出現(xiàn)軟件故障時(shí)，消息可能發(fā)送到不正確的目的地，甚至造成局部區(qū)域鏈路擁塞或發(fā)包沖突?；矩?fù)責(zé)將收集到的數(shù)據(jù)聚合并通過網(wǎng)關(guān)發(fā)送到應(yīng)用層，當(dāng)基站出現(xiàn)故障時(shí)，整個(gè)網(wǎng)絡(luò)的信息可能全部丟失，造成嚴(yán)重后果。此外，局部地區(qū)的擁塞可能擴(kuò)散至基站，影響基站接收其他節(jié)點(diǎn)的數(shù)據(jù)。后端故障主要源于軟件故障或黑客入侵。黑客入侵時(shí)，后端決策系統(tǒng)接收到錯(cuò)誤的指令，造成整個(gè)網(wǎng)絡(luò)的故障。需要采取相應(yīng)的安全措施來(lái)預(yù)防黑客入侵。

　　3.1.4　基于區(qū)域

　　基于故障所影響的區(qū)域可分為局部故障與全局故障。局部故障表現(xiàn)為一個(gè)或多個(gè)節(jié)點(diǎn)受到故障影響。關(guān)鍵節(jié)點(diǎn)受到影響并進(jìn)一步影響到整個(gè)網(wǎng)絡(luò)時(shí)，即稱為全局故障。如果沒有采取適當(dāng)?shù)墓收显\斷與故障恢復(fù)措施，局部故障可能演變成全局故障。如區(qū)域性蟲害爆發(fā)導(dǎo)致區(qū)域內(nèi)SIL-IoTs節(jié)點(diǎn)網(wǎng)絡(luò)故障，如果不快速調(diào)整網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，蟲害爆發(fā)區(qū)域鄰居節(jié)點(diǎn)可能受到鏈路擁塞、多節(jié)點(diǎn)重復(fù)發(fā)包等影響，導(dǎo)致能量快速下降，再擴(kuò)散至更大范圍，最后迫使SIL-IoTs全局故障。

　　實(shí)際故障類型往往不是用這四種特征下的某一個(gè)故障類型描述的，而是基于這四種特征進(jìn)行精準(zhǔn)地描述。例如，某SIL-IoTs節(jié)點(diǎn)A電池?fù)p壞，由于其具有組件損壞及永久無(wú)法發(fā)送數(shù)據(jù)的特征，可將其稱為永久性節(jié)點(diǎn)硬故障。如果沒有好的拓?fù)淇刂品椒皞浞萋酚?，A節(jié)點(diǎn)的上一跳節(jié)點(diǎn)B 重復(fù)的向故障節(jié)點(diǎn)A發(fā)包，但是A節(jié)點(diǎn)無(wú)法成功收包，此時(shí)節(jié)點(diǎn)B與節(jié)點(diǎn)A之間又存在網(wǎng)絡(luò)故障。由于短時(shí)間能耗異常，當(dāng)B節(jié)點(diǎn)電量耗盡時(shí)，其狀態(tài)也為永久性節(jié)點(diǎn)硬故障。若B節(jié)點(diǎn)的鄰居節(jié)點(diǎn)C原本通過B節(jié)點(diǎn)發(fā)送數(shù)據(jù)包，但當(dāng)B節(jié)點(diǎn)出現(xiàn)故障時(shí)暫時(shí)未能發(fā)送成功，隨后通過其他無(wú)故障節(jié)點(diǎn)成功發(fā)送數(shù)據(jù)包，則C節(jié)點(diǎn)為暫時(shí)性軟故障。此外，若A節(jié)點(diǎn)和B節(jié)點(diǎn)負(fù)責(zé)多個(gè)節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，則此時(shí)與A節(jié)點(diǎn)和B節(jié)點(diǎn)關(guān)聯(lián)區(qū)域存在局部網(wǎng)絡(luò)故障。進(jìn)一步影響全局時(shí)，則為全局網(wǎng)絡(luò)故障。

　　上述提到的是單個(gè)原因(某SIL-IoTs節(jié)點(diǎn)A電池?fù)p壞)造成的多種故障(節(jié)點(diǎn)A、B以及C均存在故障)，還存在多種原因造成的多種故障，如復(fù)合型故障。復(fù)合型故障是多種故障同時(shí)發(fā)生的特殊故障，也是WSNs故障診斷的難點(diǎn)。在SIL-IoTs中，復(fù)合型故障包括但不限于：節(jié)點(diǎn)網(wǎng)絡(luò)故障以及蟲害爆發(fā)導(dǎo)致的臨時(shí)性區(qū)域節(jié)點(diǎn)無(wú)法傳輸數(shù)據(jù)，兩種故障導(dǎo)致的結(jié)果類似，同時(shí)發(fā)生時(shí)難以診斷;節(jié)點(diǎn)軟故障與網(wǎng)絡(luò)故障同時(shí)發(fā)生，此時(shí)部分存在軟故障的節(jié)點(diǎn)因?yàn)榫W(wǎng)絡(luò)故障無(wú)法將數(shù)據(jù)傳輸?shù)胶笈_(tái)，因而只能檢測(cè)出網(wǎng)絡(luò)故障;太陽(yáng)能殺蟲燈燈管、高壓電網(wǎng)或風(fēng)扇故障時(shí)，若同時(shí)發(fā)生節(jié)點(diǎn)軟故障導(dǎo)致殺蟲數(shù)據(jù)異常，此時(shí)需要利用不同組件對(duì)不同參數(shù)進(jìn)行診斷，否則難以診斷故障類型。因此，調(diào)研目前WSNs中現(xiàn)有的故障診斷方法以判斷其是否適用于以及如何應(yīng)用于SIL-IoTs尤為重要。

　　3.2　WSNs故障診斷研究方法

　　WSNs故障診斷一般分為四步：檢測(cè)、孤立、鑒別和恢復(fù)[24]，這四步也適用于SIL-IoTs故障診斷。首先檢測(cè)SIL-IoTs是否存在故障。當(dāng)存在故障時(shí)，需要使用診斷方法定位故障位置并鑒別故障類型。隨后將故障節(jié)點(diǎn)或故障鏈路孤立以保證無(wú)故障部分正常運(yùn)行。最后依據(jù)故障類型進(jìn)行針對(duì)性故障恢復(fù)，保證SIL-IoTs正常運(yùn)行。此外，在發(fā)生故障時(shí)，一般會(huì)采取故障容錯(cuò)機(jī)制，快速隔離故障保證WSNs的正常運(yùn)行[25]?；诠收显\斷的觸發(fā)方式可將其分為主動(dòng)與被動(dòng)兩類。主動(dòng)觸發(fā)是一種節(jié)點(diǎn)或基站會(huì)定期檢測(cè)網(wǎng)絡(luò)狀態(tài)的故障診斷方式，而被動(dòng)觸發(fā)則是一種當(dāng)節(jié)點(diǎn)或網(wǎng)絡(luò)狀態(tài)不符合預(yù)設(shè)情況時(shí)再觸發(fā)故障診斷方法的診斷方式?；谶@兩種觸發(fā)方式和不同的應(yīng)用背景及約束條件，如網(wǎng)絡(luò)密度、時(shí)效性要求、能耗要求、節(jié)點(diǎn)計(jì)算能力等，目前已研究出多種類型的WSNs故障診斷方法。根據(jù)這些方法的特性，將其分為以下6類方法：統(tǒng)計(jì)方法、概率方法、層次路由方法、機(jī)器學(xué)習(xí)方法、拓?fù)淇刂品椒ê鸵苿?dòng)基站方法。表2為近年經(jīng)典故障診斷研究方法的分類情況。

　　3.2.1　統(tǒng)計(jì)方法

　　統(tǒng)計(jì)方法通過建立模型，運(yùn)用統(tǒng)計(jì)指標(biāo)對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，當(dāng)結(jié)果不符合檢驗(yàn)時(shí)，標(biāo)記為故障樣本，并進(jìn)一步根據(jù)故障樣本的離群程度、方差和標(biāo)準(zhǔn)差指標(biāo)等對(duì)其進(jìn)行故障分類。Panda和Khilar[28]提出了一種基于改進(jìn)三西格瑪(3sigma)故障自診斷方法，每個(gè)節(jié)點(diǎn)收集一跳鄰居節(jié)點(diǎn)的數(shù)據(jù)并通過3sigma檢驗(yàn)觀察自身是否存在硬故障或永久性故障。此方法通過節(jié)點(diǎn)自身進(jìn)行故障診斷，因此要求節(jié)點(diǎn)有一定的存儲(chǔ)與計(jì)算能力。當(dāng)節(jié)點(diǎn)數(shù)量較少時(shí)，此種方法不適用。Jiang[26]提出了一種改進(jìn)的分布式故障診斷方法。當(dāng)超過一半的鄰居節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)數(shù)據(jù)的差值超過閾值時(shí)，將節(jié)點(diǎn)標(biāo)記為可能故障，用同樣的方法標(biāo)記網(wǎng)絡(luò)中所有節(jié)點(diǎn)。然后判斷目標(biāo)節(jié)點(diǎn)中初始檢測(cè)狀態(tài)為正常的鄰居節(jié)點(diǎn)是否有一半超過閾值，如果是則確定目標(biāo)節(jié)點(diǎn)故障。當(dāng)目標(biāo)節(jié)點(diǎn)附近沒有鄰居節(jié)點(diǎn)或所有鄰居節(jié)點(diǎn)均標(biāo)記為可能故障時(shí)，如果目標(biāo)節(jié)點(diǎn)初始檢測(cè)狀態(tài)為可能故障，則目標(biāo)節(jié)點(diǎn)標(biāo)記為故障。此方法降低了統(tǒng)計(jì)方法對(duì)鄰居節(jié)點(diǎn)的依賴性，可用于節(jié)點(diǎn)稀疏的WSNs中。但是此類方法為主動(dòng)診斷方法，會(huì)造成較高的能量損耗。因此，Jin等[29]提出了一種基于自回歸模型與Kuiper檢驗(yàn)的被動(dòng)故障診斷方法?；诋?dāng)某條路徑中的節(jié)點(diǎn)故障時(shí)，其他節(jié)點(diǎn)會(huì)選擇新的路徑并且通信時(shí)間會(huì)增加的特點(diǎn)，通過Kuiper檢驗(yàn)來(lái)檢測(cè)異常，從而判斷是否存在故障。

　　統(tǒng)計(jì)方法大多依據(jù)目標(biāo)節(jié)點(diǎn)與鄰居節(jié)點(diǎn)值的差異進(jìn)行診斷，是一種基于節(jié)點(diǎn)的分布式故障診斷方案。當(dāng)節(jié)點(diǎn)處于邊緣地區(qū)，沒有足夠的鄰居節(jié)點(diǎn)參與計(jì)算，或是鄰居節(jié)點(diǎn)也存在故障時(shí)，此類故障診斷方法的正確性無(wú)法得到保證。此外，此類方法大多基于節(jié)點(diǎn)進(jìn)行故障診斷，權(quán)衡節(jié)點(diǎn)能量消耗與故障診斷率是另一大挑戰(zhàn)。由于SIL-IoTs電池可充電、有一定計(jì)算和存儲(chǔ)能力，因此部署于節(jié)點(diǎn)處的統(tǒng)計(jì)方法十分適用，特別是節(jié)點(diǎn)暫時(shí)性與間歇性等依靠數(shù)據(jù)長(zhǎng)期波動(dòng)趨勢(shì)進(jìn)行分析的故障。

　　3.2.2　概率方法

　　概率方法將故障診斷問題當(dāng)作一個(gè)分類概率模型。Lau等[27]提出了一種基于樸素貝葉斯框架的集中式硬件故障檢測(cè)方法。在基站分析收集到的端到端傳輸時(shí)間數(shù)據(jù)，判斷故障概率是否大于正常概率。如果是，則判定原路徑有節(jié)點(diǎn)故障，再選取近期多次數(shù)據(jù)傳輸時(shí)間數(shù)據(jù)進(jìn)行評(píng)估。此方法在無(wú)擁塞網(wǎng)絡(luò)中可以有效監(jiān)測(cè)網(wǎng)絡(luò)故障，并給出可疑故障節(jié)點(diǎn)，但無(wú)法檢測(cè)邊緣地區(qū)的節(jié)點(diǎn)。Peng和Chow[30]提出了一種鄰域隱藏條件隨機(jī)域法來(lái)確定傳感器間的隱藏狀態(tài)。這種方法利用信號(hào)強(qiáng)度與信號(hào)延遲來(lái)估計(jì)不同故障后驗(yàn)概率，以此確定WSNs的健康狀況。此方法可用于不同通信條件與節(jié)點(diǎn)數(shù)量場(chǎng)景中。Liu等[35]將工業(yè)WSNs中的故障節(jié)點(diǎn)識(shí)別問題轉(zhuǎn)化為軌跡提取問題。通過概率模型的在線學(xué)習(xí)，將感知節(jié)點(diǎn)分布變成概率值分布模式。根據(jù)生成的概率值分布軌跡，進(jìn)行模式匹配與時(shí)空約束檢查，以識(shí)別故障節(jié)點(diǎn)。

　　概率方法大多不能鑒別故障的類別。此外，因?yàn)橹饕褂眯盘?hào)強(qiáng)度、信號(hào)延遲等參數(shù)進(jìn)行故障診斷，因此難以獲取故障節(jié)點(diǎn)的數(shù)量，只能判斷存在故障的路徑及估計(jì)路徑丟失節(jié)點(diǎn)的情況。與統(tǒng)計(jì)方法類似，部署于節(jié)點(diǎn)的概率方法也適用于SIL-IoTs故障診斷，特別是前期的故障檢測(cè)與孤立。

　　3.2.3　層次路由方法

　　層次路由是一種將節(jié)點(diǎn)分為多個(gè)簇，每個(gè)簇的簇頭節(jié)點(diǎn)(Cluster Head node，CH)收集簇內(nèi)節(jié)點(diǎn)的信息，通過CH直接上傳數(shù)據(jù)到基站或多跳CH上傳數(shù)據(jù)到基站的數(shù)據(jù)傳輸方式[40,41]。層次路由故障診斷方法也是通過CH對(duì)簇內(nèi)成員進(jìn)行診斷[42]。Jassbi和Moridi[34]采用混合節(jié)能分布式層次路由方法(Hybrid Energy-Efficient Distributed clustering，HEED)進(jìn)行分簇，采用加權(quán)中值法對(duì)簇內(nèi)節(jié)點(diǎn)進(jìn)行檢測(cè)。當(dāng)CH出現(xiàn)故障時(shí)，使用提前選取的簇內(nèi)備份CH進(jìn)行數(shù)據(jù)傳輸與故障檢測(cè)工作。Moridi等[39]提出一種基于簇的多路徑故障容錯(cuò)算法，對(duì)WSNs中的節(jié)點(diǎn)分簇后，選擇一個(gè)備份節(jié)點(diǎn)提高CH節(jié)點(diǎn)容錯(cuò)性。當(dāng)簇內(nèi)數(shù)據(jù)傳輸時(shí)，通過假設(shè)檢驗(yàn)和簇內(nèi)投票的方式檢測(cè)節(jié)點(diǎn)的故障。最后根據(jù)剩余能量、跳數(shù)、傳播速度和可靠性參數(shù)選擇最優(yōu)傳輸路徑。該方法可以有效降低丟包率，提升數(shù)據(jù)準(zhǔn)確性。

　　層次路由方法比其他通過普通節(jié)點(diǎn)進(jìn)行自診斷的方法更加簡(jiǎn)單有效，在診斷故障后還可通過改變網(wǎng)絡(luò)路由保障WSNs的可靠性。但是，由于多輪的CH選取，層次路由方法增加了WSNs的通信與能量開銷。此外，由于CH依然通過鄰居節(jié)點(diǎn)數(shù)據(jù)判斷目標(biāo)節(jié)點(diǎn)故障狀態(tài)，當(dāng)簇內(nèi)大多數(shù)節(jié)點(diǎn)出現(xiàn)故障導(dǎo)致數(shù)據(jù)異常時(shí)，正常節(jié)點(diǎn)反而可能被誤診為故障節(jié)點(diǎn)。層次路由方法適用于較大規(guī)模的SIL-IoTs部署情況，其分簇進(jìn)行故障診斷的方式能快速檢測(cè)節(jié)點(diǎn)軟故障與硬故障。此外，層次路由方法亦適用于SIL-IoTs故障容錯(cuò)方案設(shè)計(jì)，保障其在發(fā)生故障時(shí)不受影響。

　　3.2.4　機(jī)器學(xué)習(xí)方法

　　監(jiān)督學(xué)習(xí)方法是機(jī)器學(xué)習(xí)方法在WSNs故障診斷領(lǐng)域中主要的應(yīng)用。監(jiān)督學(xué)習(xí)方法通過大量有標(biāo)簽的歷史數(shù)據(jù)訓(xùn)練故障診斷模型，利用目標(biāo)函數(shù)不斷地調(diào)整模型參數(shù)，直到模型能有效地檢測(cè)并分類故障。Zhao等[36]采用半監(jiān)督學(xué)習(xí)方法對(duì)故障傳感器節(jié)點(diǎn)進(jìn)行分類，還引入了一種基于局部核密度估計(jì)的標(biāo)簽傳播機(jī)制。此方法考慮到基站收集的數(shù)據(jù)會(huì)出現(xiàn)丟包現(xiàn)象，用半監(jiān)督核密度估計(jì)方法估計(jì)丟包數(shù)據(jù)的類標(biāo)簽，以此分類故障并構(gòu)造訓(xùn)練集。Javaid等[37]根據(jù)數(shù)據(jù)特征將故障分為偏移故障(傳感器校準(zhǔn)不佳)、增益故障(在特定時(shí)間段內(nèi)數(shù)據(jù)變化率不符合規(guī)律)、卡死故障(數(shù)據(jù)長(zhǎng)期為0)和超過范圍(有正常讀數(shù)但超出正常范圍)，提出了一種基于信任函數(shù)的決策融合算法，通過增強(qiáng)支持向量機(jī)、增強(qiáng)K近鄰、增強(qiáng)極限學(xué)習(xí)機(jī)和增強(qiáng)遞歸極限學(xué)習(xí)機(jī)進(jìn)行組合運(yùn)算，以此分類故障。

　　機(jī)器學(xué)習(xí)方法需要設(shè)備具有較高的計(jì)算性能，因此大多在基站或后臺(tái)運(yùn)行，是一種集中式處理方案。盡管此類方法在故障診斷上有良好的檢測(cè)率，但其在后臺(tái)運(yùn)行的特點(diǎn)導(dǎo)致不能快速的發(fā)現(xiàn)故障并進(jìn)行恢復(fù)。此外，該方法依賴于大量數(shù)據(jù)建立模型，獲得較精確的分類結(jié)果，因此多用于間歇性與暫時(shí)性節(jié)點(diǎn)故障中。對(duì)于SIL-IoTs而言，機(jī)器學(xué)習(xí)方法可部署于基站或部署輕量級(jí)算法于節(jié)點(diǎn)處，結(jié)合統(tǒng)計(jì)方法檢測(cè)節(jié)點(diǎn)間歇性與暫時(shí)性故障，利用新數(shù)據(jù)不斷更新模型，對(duì)SIL-IoTs的野外環(huán)境變化有較大的容忍度。

　　3.2.5　拓?fù)淇刂品椒?/p>

　　WSNs中的故障有可能改變網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。如節(jié)點(diǎn)剩余能量較低無(wú)法承擔(dān)數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)時(shí)，在平面路由中其他節(jié)點(diǎn)將尋找別的傳播路徑，在層次路由中簇內(nèi)會(huì)喚醒備份節(jié)點(diǎn)替代此節(jié)點(diǎn)繼續(xù)執(zhí)行任務(wù)。Oßner等[31]提出了一種基于拓?fù)浣Y(jié)構(gòu)的故障定位方法。通過基站將網(wǎng)絡(luò)拓?fù)湟詧D形表示，包含WSNs內(nèi)的故障信息。基于此給每個(gè)節(jié)點(diǎn)分配一個(gè)可疑度得分，得分越高，故障概率越大。Sulieman和Gitlin[33]提出了一種基于分集技術(shù)與三角網(wǎng)編碼組合的WSNs網(wǎng)絡(luò)故障診斷策略。該方法通過構(gòu)建冗余路徑，快速替代發(fā)生鏈路故障的路徑，可以有效地節(jié)省能量消耗并快速的調(diào)整拓?fù)浣Y(jié)構(gòu)。但

　　個(gè)目標(biāo)節(jié)點(diǎn)中發(fā)生

　　個(gè)鏈路故障時(shí)，至少需要

　　個(gè)冗余鏈路。

　　拓?fù)淇刂品椒ǖ哪康氖墙档凸收习l(fā)生時(shí)WSNs的能量消耗與帶寬損失。拓?fù)淇刂品椒ㄔ诰W(wǎng)絡(luò)故障與故障定位方面有較好的性能表現(xiàn)，對(duì)于其他故障暫未有相關(guān)性研究。在SIL-IoTs中，拓?fù)淇刂品椒梢杂行г\斷網(wǎng)絡(luò)故障并重構(gòu)路由，是SIL-IoTs不可缺少的故障診斷策略。

　　3.2.6　移動(dòng)基站方法

　　數(shù)據(jù)從節(jié)點(diǎn)傳輸?shù)交居幸欢ǖ臅r(shí)延性，因此WSNs節(jié)點(diǎn)數(shù)量較大時(shí)故障診斷與故障恢復(fù)效率降低。此外，由網(wǎng)絡(luò)故障導(dǎo)致的拓?fù)浣Y(jié)構(gòu)變化也為網(wǎng)絡(luò)故障診斷增加了難度。Chanak等[32]提出了一種基于移動(dòng)基站的分布式故障診斷方法。移動(dòng)基站是一種配備無(wú)線收發(fā)器的移動(dòng)機(jī)器人或車輛，其移動(dòng)到網(wǎng)絡(luò)中的不同區(qū)域通過單跳通信的方式來(lái)診斷附近傳感器的軟硬件狀態(tài)，有效提高了網(wǎng)絡(luò)的故障檢測(cè)精度。Fissaoui等[38]提出了一種基于故障容錯(cuò)與能量有效性的分布式WSNs數(shù)據(jù)融合算法。該方法利用移動(dòng)代理在傳感器節(jié)點(diǎn)間的遷移進(jìn)行數(shù)據(jù)收集，規(guī)劃移動(dòng)代理的路徑與節(jié)點(diǎn)失效時(shí)的備用路徑，降低了節(jié)點(diǎn)能耗與數(shù)據(jù)傳輸時(shí)延。

　　移動(dòng)基站方法能夠有效地提高網(wǎng)絡(luò)的故障檢測(cè)精度，提高故障檢測(cè)與恢復(fù)的實(shí)時(shí)性，降低節(jié)點(diǎn)的能量消耗。目前移動(dòng)基站的主要研究問題在于檢測(cè)區(qū)域劃分與檢測(cè)路徑優(yōu)化。此外，由于移動(dòng)基站方法需要自主移動(dòng)的機(jī)器人或車輛，并且提前規(guī)劃好路徑，因此對(duì)應(yīng)用場(chǎng)景的要求較高。在SIL-IoTs中，可作為移動(dòng)基站的有無(wú)人收割機(jī)、植保無(wú)人機(jī)等具有移動(dòng)作業(yè)特性的農(nóng)機(jī)裝備。盡管移動(dòng)基站方法在故障檢測(cè)率、時(shí)延性方面均有較好效果，但SIL-IoTs故障診斷受無(wú)人收割機(jī)、植保無(wú)人機(jī)等作業(yè)路徑、工作時(shí)長(zhǎng)、作業(yè)區(qū)域等影響較大，能否有效結(jié)合是一個(gè)未知數(shù)。

　　如圖4所示，SIL-IoTs應(yīng)用于大田農(nóng)業(yè)、禽畜養(yǎng)殖、茶園種植等場(chǎng)景中(以藍(lán)色字體表示)，在不同場(chǎng)景中可能存在多種無(wú)線傳感設(shè)備與SIL-IoTs相連(以紅色字體表示)，通過無(wú)線通信設(shè)備進(jìn)行數(shù)據(jù)傳輸(以橙色虛線表示)。在此種復(fù)雜的SIL-IoTs場(chǎng)景中，使用單種故障診斷方法難以取得良好效果。對(duì)于部署在后臺(tái)的故障診斷方法(如概率方法、機(jī)器學(xué)習(xí)方法、拓?fù)淇刂品椒ǎㄟ^后臺(tái)分析接收到的全局信息進(jìn)行故障診斷)，由于后臺(tái)強(qiáng)大的計(jì)算與存儲(chǔ)能力，以及從SIL-IoTs節(jié)點(diǎn)將數(shù)據(jù)經(jīng)過多跳鏈路傳輸?shù)胶笈_(tái)存在時(shí)延的特點(diǎn)，因此更適用于處理時(shí)效性要求不高、較難診斷的故障。對(duì)于部署在SIL-IoTs節(jié)點(diǎn)的故障診斷方法(如統(tǒng)計(jì)方法、層次路由方法，通過節(jié)點(diǎn)自身時(shí)間相關(guān)性與鄰居節(jié)點(diǎn)空間相關(guān)性進(jìn)行故障診斷)，由于節(jié)點(diǎn)有限的計(jì)算與存儲(chǔ)能力，以及不需要多跳傳輸數(shù)據(jù)的特點(diǎn)，因此更適用于時(shí)效性要求較高、較易診斷的故障。其中故障診斷的時(shí)效性指故障出現(xiàn)到故障解決的時(shí)間。

　　移動(dòng)基站方法可以綜合部署于后臺(tái)及部署于節(jié)點(diǎn)的故障診斷方法的優(yōu)點(diǎn)，但對(duì)作為基站的載體要求較高。此外，衛(wèi)星遙感數(shù)據(jù)、無(wú)人機(jī)數(shù)據(jù)等可用于故障診斷輔助決策或驗(yàn)證故障診斷正確性。如某殺蟲燈殺蟲計(jì)數(shù)值持續(xù)較低，通過無(wú)人機(jī)航拍數(shù)據(jù)可觀測(cè)實(shí)際蟲情，借此輔助判斷是燈管故障或是節(jié)點(diǎn)軟故障。

　　3.3　SIL-IoTs故障診斷策略

　　對(duì)于SIL-IoTs而言，合適的故障診斷策略直接關(guān)系到故障診斷的準(zhǔn)確率與效率，因此選擇合適的故障診斷策略十分重要。

　　從行為方面，可將故障診斷分為主動(dòng)型診斷與被動(dòng)型診斷策略。主動(dòng)型診斷通過用戶提出診斷指令，或WSNs定期執(zhí)行相關(guān)診斷程序，多基于基站進(jìn)行，可精細(xì)地排查SIL-IoTs中潛在的故障。被動(dòng)型診斷通過預(yù)設(shè)參數(shù)閾值等，在CH、中繼節(jié)點(diǎn)或邊緣計(jì)算節(jié)點(diǎn)等進(jìn)行診斷，多基于節(jié)點(diǎn)自身，可及時(shí)檢測(cè)出SIL-IoTs中影響較大的故障。

　　從監(jiān)測(cè)類型方面，可將故障診斷分為連續(xù)診斷、定期診斷、直接診斷與間接診斷。連續(xù)診斷即進(jìn)行實(shí)時(shí)性診斷，需要消耗較多能量，但能及時(shí)檢測(cè)故障，適用于產(chǎn)值較高的場(chǎng)景，如茶園或畜牧養(yǎng)殖。定期診斷即設(shè)定故障診斷周期，達(dá)到觸發(fā)條件時(shí)即開始診斷，隨后休眠直至達(dá)到下一個(gè)觸發(fā)條件，適用于絕大多數(shù)SIL-IoTs場(chǎng)景。直接診斷即通過現(xiàn)場(chǎng)觀測(cè)方式進(jìn)行經(jīng)驗(yàn)性評(píng)估，如維護(hù)人員現(xiàn)場(chǎng)觀察、測(cè)電筆檢測(cè)方式。間接診斷即通過相關(guān)性較強(qiáng)的數(shù)據(jù)等信息判斷是否存在故障，基于WSNs的故障診斷均為間接診斷。

　　此外，根據(jù)故障診斷方法在SIL-IoTs系統(tǒng)結(jié)構(gòu)中不同層中執(zhí)行的特點(diǎn)，可將故障診斷分為集中式、分布式以及混合式三種策略。其中集中式策略將數(shù)據(jù)包傳輸至后臺(tái)，由后臺(tái)對(duì)所有節(jié)點(diǎn)及鏈路進(jìn)行故障診斷，具有全局檢錯(cuò)率高、時(shí)延高的特點(diǎn)。由于后臺(tái)收集到的歷史數(shù)據(jù)充足，因此概率方法、機(jī)器學(xué)習(xí)方法等對(duì)數(shù)據(jù)有較高依賴的方法更為適用。此外，由于集中式策略能獲得全局拓?fù)湫畔ⅲ虼艘策m用于拓?fù)淇刂品椒?，根?jù)路由變化情況快速定位故障。分布式策略則將故障診斷方法部署于SIL-IoTs節(jié)點(diǎn)或邊緣節(jié)點(diǎn)端，通過節(jié)點(diǎn)自身或鄰居節(jié)點(diǎn)互相監(jiān)聽的方式進(jìn)行故障診斷，具有局部檢錯(cuò)率高、時(shí)延低的特點(diǎn)。統(tǒng)計(jì)方法可有效利用節(jié)點(diǎn)自身數(shù)據(jù)的時(shí)間相關(guān)性與鄰居節(jié)點(diǎn)之間的空間相關(guān)性進(jìn)行統(tǒng)計(jì)檢驗(yàn)。此外，層次路由方法利用簇頭整合簇內(nèi)節(jié)點(diǎn)信息的機(jī)制，采用簇內(nèi)投票等方式可檢測(cè)簇內(nèi)節(jié)點(diǎn)故障，因此也屬于分布式方法。混合式結(jié)合了集中式與分布式的特點(diǎn)，是一種更為有效的故障診斷策略。如移動(dòng)基站方法可在基站移動(dòng)過程中對(duì)所在區(qū)域一跳鄰居節(jié)點(diǎn)進(jìn)行分布式故障診斷，又可利用在移動(dòng)路徑中已獲得的節(jié)點(diǎn)信息進(jìn)行集中式故障診斷。多種故障診斷策略與方法關(guān)系如圖5所示。

　　基于SIL-IoTs各種故障類型在WSNs中表現(xiàn)，應(yīng)當(dāng)采取的故障診斷策略如表3所示。WSNs主要通過數(shù)據(jù)異常及網(wǎng)絡(luò)通信異常檢測(cè)故障，所以對(duì)于后臺(tái)數(shù)據(jù)異常、部分節(jié)點(diǎn)異常、整個(gè)網(wǎng)絡(luò)通信異常，均可通過現(xiàn)有WSNs故障診斷方法對(duì)SIL-IoTs進(jìn)行故障檢測(cè)與故障分類，繼而進(jìn)行故障恢復(fù)。對(duì)于硬故障或長(zhǎng)時(shí)間未恢復(fù)的軟故障，如燈管兩端發(fā)紅但不亮，需要安排維護(hù)人員及時(shí)現(xiàn)場(chǎng)檢修。

　　在相應(yīng)的故障診斷方法與策略的基礎(chǔ)上，選擇合適的軟件工具對(duì)SIL-IoTs進(jìn)行調(diào)試也十分重要。目前已有很多學(xué)者研發(fā)了WSNs故障診斷的調(diào)試工具，這些工具監(jiān)控的對(duì)象包括流量狀態(tài)、節(jié)點(diǎn)狀態(tài)以及全局狀態(tài)[43]。流量監(jiān)控多使用機(jī)器學(xué)習(xí)算法來(lái)分析并跟蹤數(shù)據(jù)包，以此檢測(cè)網(wǎng)絡(luò)故障;節(jié)點(diǎn)狀態(tài)監(jiān)控工具通過收集每個(gè)節(jié)點(diǎn)的信息(如狀態(tài)，事件跟蹤)以及節(jié)點(diǎn)間交互影響，幫助用戶分析故障;全局狀態(tài)監(jiān)控結(jié)合多個(gè)節(jié)點(diǎn)的信息以發(fā)現(xiàn)于診斷故障。對(duì)于表3中不同的故障現(xiàn)象，如后臺(tái)數(shù)據(jù)異常，可利用Ramanathan等[44]提出的可檢測(cè)并定位網(wǎng)絡(luò)中節(jié)點(diǎn)崩潰、重啟、無(wú)線路由、鄰居缺失和路由失效的故障監(jiān)測(cè)工具Sympathy進(jìn)行調(diào)試。對(duì)于部分節(jié)點(diǎn)通信異?？衫肶ang等[45]提出的綜合源代碼級(jí)無(wú)線網(wǎng)絡(luò)調(diào)試器Clairvoyant調(diào)試。開發(fā)人員通過無(wú)線連接到WSNs，通過終端、步進(jìn)、監(jiān)視、回溯等命令檢測(cè)WSNs中的節(jié)點(diǎn)通信故障。對(duì)于整個(gè)網(wǎng)絡(luò)通信異常可使用Ringwald等[46]提出的一種可檢測(cè)節(jié)點(diǎn)意外重啟、孤立節(jié)點(diǎn)、分區(qū)網(wǎng)絡(luò)故障的故障檢測(cè)工具SNIF進(jìn)行調(diào)試。對(duì)于未診斷出異常但卻實(shí)際存在異常情況，可考慮Khan等[47]提出的一種解決用于多個(gè)組件交互產(chǎn)生的復(fù)合故障的診斷工具Dustminer。此工具通過記錄WSNs中多種不同類型的事件，能自動(dòng)分析日志并提取導(dǎo)致故障的事件序列。針對(duì)能量采集模塊，可有效診斷由于電量的間歇性變化導(dǎo)致的系統(tǒng)重置等間歇性故障的Energy-interference-free Debugger[48]亦可用于SIL-IoTs這種EH-WSNs中。

　　4 SIL-IoTs故障診斷潛在挑戰(zhàn)

　　李凱亮等[7]提出了四個(gè)SIL-IoTs關(guān)鍵問題，包括多約束條件下SIL節(jié)點(diǎn)部署、保障殺蟲燈基本工作時(shí)間的能量自適應(yīng)控制策略、蟲害爆發(fā)區(qū)域精準(zhǔn)定位技術(shù)和嚴(yán)重蟲害情況下殺蟲燈密集放電時(shí)段網(wǎng)絡(luò)數(shù)據(jù)抗干擾傳輸。這些關(guān)鍵問題可以概述為應(yīng)用場(chǎng)景的特性，針對(duì)這些特性開展SIL-IoTs故障診斷研究存在以下挑戰(zhàn)。

　　(1) 殺蟲燈節(jié)點(diǎn)部署環(huán)境復(fù)雜。太陽(yáng)能殺蟲燈被廣泛地應(yīng)用于農(nóng)業(yè)的各種場(chǎng)景中，且在不同場(chǎng)景中有不同的數(shù)據(jù)采集和部署需求。根據(jù)實(shí)際需求部署的殺蟲燈節(jié)點(diǎn)數(shù)量與密度不一，這也增加了SIL-IoTs故障診斷的困難。然而目前尚未出現(xiàn)SIL-IoTs場(chǎng)景下的故障診斷方法研究，亟需研究出針對(duì)不同農(nóng)情的SIL-IoTs故障診斷方法。

　　此外，SIL-IoTs屬于能量采集-無(wú)線傳感網(wǎng)絡(luò)，基于能量有限的WSNs故障診斷與故障容錯(cuò)技術(shù)不再適用，目前只有少量研究基于EH-WSNs的故障診斷與故障容錯(cuò)方法[49,50]，使用方法為層次路由與拓?fù)淇刂?。?dāng)SIL-IoTs節(jié)點(diǎn)部署在丘陵山地時(shí)，所有節(jié)點(diǎn)的太陽(yáng)能板單位時(shí)間采集到的能量存在差異，這也是SIL-IoTs故障診斷必須要解決的問題。只有不均等能量采集條件下的異構(gòu)WSNs故障診斷問題得到有效解決時(shí)，才能保證SIL-IoTs的可靠性。

　　(2)　節(jié)點(diǎn)任務(wù)沖突。SIL-IoTs不僅需要執(zhí)行殺蟲任務(wù)，同時(shí)還可能需要執(zhí)行采集并傳輸環(huán)境數(shù)據(jù)、土壤墑情、苗情等任務(wù)，一般情況下殺蟲任務(wù)優(yōu)先級(jí)最高。已驗(yàn)證頻振式殺蟲燈高壓電網(wǎng)放電會(huì)對(duì)數(shù)據(jù)傳輸產(chǎn)生干擾，實(shí)驗(yàn)場(chǎng)景如圖6所示[51]。當(dāng)高壓電網(wǎng)頻繁放電時(shí)數(shù)據(jù)采集及傳輸任務(wù)勢(shì)必受到影響。除了通過硬件及外觀設(shè)計(jì)避免干擾之外，設(shè)計(jì)防止誤判的故障診斷策略，以及基于故障容錯(cuò)策略(將執(zhí)行殺蟲任務(wù)的節(jié)點(diǎn)看作暫時(shí)性節(jié)點(diǎn)故障)的路由協(xié)議對(duì)保證數(shù)據(jù)傳輸實(shí)時(shí)性及保障基礎(chǔ)殺蟲任務(wù)尤為重要。

　　(3)　連續(xù)性區(qū)域節(jié)點(diǎn)無(wú)法傳輸數(shù)據(jù)。當(dāng)區(qū)域性蟲害爆發(fā)時(shí)，一個(gè)或多個(gè)區(qū)域內(nèi)SIL-IoTs節(jié)點(diǎn)在不可控時(shí)間內(nèi)將處于無(wú)法傳輸數(shù)據(jù)狀態(tài)。一方面，殺蟲燈將優(yōu)先執(zhí)行殺蟲任務(wù)，區(qū)域性節(jié)點(diǎn)受到高壓電網(wǎng)放電干擾，難以完成數(shù)據(jù)傳輸任務(wù)。另一方面，蟲害爆發(fā)時(shí)，殺蟲燈持續(xù)執(zhí)行殺蟲任務(wù)，勢(shì)必消耗大量電量，蟲害過后，較低的電池電量易造成各種類型的WSNs故障。因此，需要在蟲害尚未大規(guī)模爆發(fā)時(shí)，通過被動(dòng)故障診斷策略快速定位失效節(jié)點(diǎn)。同時(shí)對(duì)爆發(fā)區(qū)域周圍節(jié)點(diǎn)打分，在其低于一定閾值時(shí)，將節(jié)點(diǎn)標(biāo)記為失效節(jié)點(diǎn)，選擇備用路由路徑?；诖吮Ｕ蟂IL-IoTs在惡劣環(huán)境下的可靠性。根據(jù)其需要檢驗(yàn)及概率預(yù)測(cè)特性，可用統(tǒng)計(jì)方法與概率方法解決此類問題。

　　(4)　故障診斷方法失效。受到特殊因素的擾動(dòng)，本來(lái)可正常工作的故障診斷方法可能無(wú)法有效的檢測(cè)本應(yīng)檢測(cè)出的故障，或?qū)o(wú)故障情況診斷為有故障，造成故障診斷方法失效。如偶發(fā)性復(fù)合故障。在實(shí)際場(chǎng)景中，很難檢測(cè)出有所的故障，為發(fā)生概率極低且影響不大的故障專門設(shè)置診斷方法價(jià)值不高。發(fā)生概率低但影響較大的故障，則需要針對(duì)性的故障診斷策略來(lái)應(yīng)對(duì)。如網(wǎng)絡(luò)故障的同時(shí)蟲害爆發(fā)導(dǎo)致區(qū)域性節(jié)點(diǎn)失效，此種情況需要監(jiān)測(cè)蟲害爆發(fā)區(qū)域鄰居節(jié)點(diǎn)的殺蟲統(tǒng)計(jì)數(shù)據(jù)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化是否異常等信息來(lái)排查故障。

　　在非自診斷方法中，關(guān)鍵節(jié)點(diǎn)硬故障或網(wǎng)絡(luò)故障，且無(wú)備份節(jié)點(diǎn)能代替其在通信鏈路中的作用時(shí)故障診斷方法亦會(huì)失效。通過關(guān)鍵節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)的其他節(jié)點(diǎn)無(wú)法與基站連通，即使能在本地進(jìn)行故障診斷，也無(wú)法將故障信息發(fā)送到后臺(tái)。如平面路由協(xié)議中，蟲害爆發(fā)區(qū)域在基站周圍時(shí)，靠近基站的關(guān)鍵節(jié)點(diǎn)優(yōu)先執(zhí)行殺蟲任務(wù)。此時(shí)外圍節(jié)點(diǎn)無(wú)法將數(shù)據(jù)傳輸?shù)交?，只能通過自診斷自恢復(fù)方式維持SIL-IoTs的正常運(yùn)行。

　　此外，節(jié)點(diǎn)受惡意攻擊也會(huì)導(dǎo)致故障診斷方法失效。由于SIL-IoTs部署于野外，部署范圍大、難于監(jiān)管，SIL-IoTs易受到軟件與硬件的攻擊。其中軟件攻擊即黑客入侵SIL-IoTs節(jié)點(diǎn)，通過泛洪攻擊、女巫攻擊等方式使SIL-IoTs出現(xiàn)異常，進(jìn)而無(wú)法工作。此類惡意攻擊方式會(huì)誤導(dǎo)SIL-IoTs故障診斷的判斷。如惡意節(jié)點(diǎn)導(dǎo)致拜占庭故障(存在部分難以檢測(cè)的惡意節(jié)點(diǎn)發(fā)送錯(cuò)誤數(shù)據(jù)或指令)，有效的故障容錯(cuò)機(jī)制與安全機(jī)制可以保證網(wǎng)絡(luò)不受惡意節(jié)點(diǎn)影響，做出錯(cuò)誤的判斷。硬件攻擊指SIL-IoTs節(jié)點(diǎn)中價(jià)值較高的組件(如太陽(yáng)能板、電池)被盜或被破壞，此時(shí)后臺(tái)報(bào)此SIL-IoTs節(jié)點(diǎn)硬故障，但組件已被偷竊或破壞，故障診斷方法失去意義。

　　在這些故障診斷方法失效情形下，進(jìn)行遠(yuǎn)程故障診斷難以得到較好結(jié)果，特別是在不確定太陽(yáng)能殺蟲燈組件故障還是傳感器節(jié)點(diǎn)硬故障時(shí)，需要維護(hù)人員現(xiàn)場(chǎng)檢修以排查故障。

　　5 總 結(jié)

　　SIL-IoTs是一種結(jié)合農(nóng)業(yè)場(chǎng)景與物聯(lián)網(wǎng)技術(shù)的新型物理農(nóng)業(yè)蟲害防治措施，而故障診斷方法則是保障SIL-IoTs可靠性、數(shù)據(jù)傳輸實(shí)時(shí)性、殺蟲效果的重要手段。本文介紹了太陽(yáng)能殺蟲燈的研究現(xiàn)狀，探討了SIL-IoTs故障類型，分析了多種故障診斷方法在SIL-IoTs下的適用性，討論了SIL-IoTs場(chǎng)景下的故障診斷策略，并介紹了多種故障現(xiàn)象下適用的故障診斷工具，指出需要多種類型的故障診斷方法才能滿足SIL-IoTs場(chǎng)景下故障診斷需求。最后強(qiáng)調(diào)了SIL-IoTs場(chǎng)景下故障診斷存在的四個(gè)潛在挑戰(zhàn)，這四個(gè)挑戰(zhàn)是開展SIL-IoTs故障診斷工作的主要難點(diǎn)，需要更多的學(xué)者關(guān)注此類問題，開展相關(guān)性研究。此外，由于SIL-IoTs為農(nóng)業(yè)物聯(lián)網(wǎng)典型應(yīng)用，因此本研究可擴(kuò)展至其它農(nóng)業(yè)物聯(lián)網(wǎng)中，并為這些農(nóng)業(yè)物聯(lián)網(wǎng)故障診斷提供參考。