کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
9952247 1444170 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Self-maintenance model for Wireless Sensor Networks
ترجمه فارسی عنوان
مدل خودپنداره برای شبکه های سنسور بی سیم
کلمات کلیدی
شبکه سنسور بی سیم، سر خوشه، گره سنسور، خود شناسایی، خود تشخیص، بازیابی گسل،
ترجمه چکیده
شبکه های سنسور بی سیم دارای طیف وسیعی از برنامه های کاربردی هستند و گره های آنها به علت نارسایی سخت افزار یا حملات مخرب مستعد به شکست هستند. مکانیزم خودخواهی برای تشخیص، تشخیص و درمان خطا استفاده می شود. با این حال، اجرای روش های خودخالقی در سر خوشه، عملکرد شبکه را تحت تاثیر قرار می دهد. در این مقاله، ما یک رویکرد خودرابازی توزیع شده برای هر دو سطح گره و خوشه ای ارائه می دهیم. در سطح گره، گسل های باتری، سنسور و گیرنده می تواند تشخیص داده شود، در حالی که در سطح سرخوشه، فرستنده و گره های نرمال عملکرد می توانند شناسایی و بازیابی شوند. در مقایسه با روش های پیشرفته هنر، مدل ما 3/67٪ از گسل های سخت افزاری مختلف در سطح گره را تحمل می کند. علاوه بر این، متوجه شد که دقت تشخیص خطای مدار سنسور تا 76.9٪، 52٪ خطای باتری و 71.96٪ گسل گیرنده تحمل می شود. در سطح کلاس سر، 75.7٪ از خطای فرستنده و 60٪ از خطای مدار میکروکنترلر متوجه هستند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
Wireless Sensor Networks have wide variety of applications and their nodes are prone to failure due to a hardware failure or malicious attacks. The self-healing mechanism is used for fault detection, diagnosis and healing. However, implementing the self-healing procedures at the cluster head affects the network performance. In this paper, we present a distributed self-healing approach for both node and cluster head levels. At node level, battery, sensor and receiver faults can be diagnosed while, at cluster head level, transmitter and mal-functional nodes can be detected and recovered. Compared to the state-of-the art methods, our model tolerates up to 67.3% of different hardware faults at node level. Moreover, it realized a detection accuracy of sensor circuit fault tolerate up to 76.9%, 52% of battery fault and 71.96% of receiver faults. At head class level, 75.7% of transmitter fault and 60% of microcontroller circuit fault are realized.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Electrical Engineering - Volume 70, August 2018, Pages 799-812
نویسندگان
, , , ,