【正文】 元件、轉(zhuǎn)換元件、測量電路三部分組成。針對傳感器的工作原理和結(jié)構(gòu)在不同場合均需要的基本要求是：高靈敏度、抗干擾的穩(wěn)定性、容易調(diào)節(jié)、高精度、高可靠性、無遲滯性、工作壽命長、高響應(yīng)速率等。傳感器的主要作用有兩個：其一是敏感作用，它感受被測量的變化，完成信號的拾?。黄涠亲儞Q作用，完成非電量到電量的轉(zhuǎn)換。根據(jù)傳感器應(yīng)用的對象、測量的范圍、周圍的環(huán)境的不同，需要使用的傳感器大不相同。傳感器的分類方法也較多。異常數(shù)據(jù)的產(chǎn)生主要有以下幾種原因：第一，不完美的數(shù)據(jù)采集設(shè)備、數(shù)據(jù)輸入有誤、數(shù)據(jù)傳輸錯誤、測量單位混亂、靈敏度不夠等；第二，外界因素突變造成采集的數(shù)據(jù)異常；異常數(shù)據(jù)根據(jù)其性質(zhì)可以分為完全無用的噪聲數(shù)據(jù)，如人為造成的數(shù)據(jù)缺失和數(shù)據(jù)錯誤，和包含重要系統(tǒng)信息的異常數(shù)據(jù)，如數(shù)據(jù)采集設(shè)備故障，外界因素突變等。其中找出包含數(shù)據(jù)采集設(shè)備故障信息的異常數(shù)據(jù)可以用于故障診斷，而找出蘊涵外界因素突變信息的異常數(shù)據(jù)可用于保障結(jié)構(gòu)安全，意義十分重大。異常數(shù)據(jù)存在對軟計算建模的影響，軟計算建模方法對于系統(tǒng)數(shù)據(jù)變化有較強的適應(yīng)能力，但這都是建立在系統(tǒng)數(shù)據(jù)比較清潔的基礎(chǔ)上的。當(dāng)系統(tǒng)數(shù)據(jù)存在異常數(shù)據(jù)時，要兼顧異常數(shù)據(jù)的作用，其建模的精度會大幅度下降，模型性能并不能令人因此，異常數(shù)據(jù)并不是全是對數(shù)據(jù)分析完全無用的數(shù)據(jù)。那么，對于以上兩類異常數(shù)據(jù)的分析就是我們所說的異常數(shù)據(jù)檢測(outlier detecting)。本文基于實例著重從數(shù)據(jù)采集設(shè)備異常數(shù)據(jù)檢測的角度來探討各種異常數(shù)據(jù)檢測方法的有效性和實用性。傳感器所采集的原始數(shù)據(jù)是某設(shè)定采樣頻率下采集的與某時間序列相對應(yīng)的數(shù)據(jù)，故原始采集數(shù)據(jù)可視為時間序列數(shù)據(jù)，其處理流程如圖 21所示。對于原始采集數(shù)據(jù)，由于環(huán)境噪聲、儀器設(shè)備等原因，在長時間的連續(xù)采集中不可避免的會出現(xiàn)異常數(shù)據(jù)，因此監(jiān)測數(shù)據(jù)處理流程的第一步就是進行數(shù)據(jù)可靠性檢驗，分析數(shù)據(jù)異常原因，將可靠數(shù)據(jù)與異常數(shù)據(jù)分開保存。對于經(jīng)過可靠性檢驗后的原始采集數(shù)據(jù)，根據(jù)采集數(shù)據(jù)類型的不同，將分別在時域和頻域內(nèi)進行處理分析。時域分析具有直觀和準(zhǔn)確的優(yōu)點，可直接在時間域內(nèi)對時間序列數(shù)據(jù)進行處理分析，能夠便利的表達數(shù)據(jù)變化趨勢以及特征值，比較適合例如應(yīng)力、應(yīng)變、位移等監(jiān)測數(shù)據(jù)的處理。頻域分析通過圖解分析法分析數(shù)據(jù)在頻域內(nèi)的能量分布來獲取特征參數(shù)，比較適合例如風(fēng)機振動等監(jiān)測數(shù)據(jù)的處理。傳感器類型為振弦傳感器由于傳感器系統(tǒng)中的振弦式傳感器是通過熱敏電阻來測量溫度值的，因此數(shù)據(jù)采集與傳輸系統(tǒng)中通用振弦采集儀采集與輸出的原始數(shù)據(jù)亦為電阻值，在應(yīng)力數(shù)據(jù)處理與分析子系統(tǒng)中需要對輸出的溫度值進行二次加工處理，轉(zhuǎn)換為溫度值。振弦式傳感器是利用被測結(jié)構(gòu)物的應(yīng)變與振弦頻率之間的關(guān)系來測量應(yīng)變的，數(shù)據(jù)采集與傳輸系統(tǒng)輸出的頻率值，通過一定的轉(zhuǎn)換可得到結(jié)構(gòu)應(yīng)變增量，具體公式為Δμε=CK(f12 f02)式中Δμε為微應(yīng)變增量；C為振弦式傳感器平均修正系數(shù)（取值由商家提供）；K為振弦式傳感器標(biāo)準(zhǔn)系數(shù)（取值由商家提供）；f1為本次測試頻率讀數(shù)（單位：Hz）；f0為上次測試頻率讀數(shù)（單位：Hz）。經(jīng)過長時間分析應(yīng)力數(shù)據(jù)的異常現(xiàn)象，可以把異常數(shù)據(jù)按照產(chǎn)生原因分為兩類。一類：由于自然界的強干擾產(chǎn)生的，如雷電。這類異常數(shù)據(jù)的特點是跳躍非常大；另一類：由于傳感器采集傳輸系統(tǒng)中某環(huán)節(jié)偶爾的工作不穩(wěn)定產(chǎn)生的，這類異常數(shù)據(jù)的特點是跳躍較小。把異常數(shù)據(jù)按照表現(xiàn)形式分類也可以分為兩類，一類：應(yīng)力數(shù)據(jù)單點異常，即應(yīng)力數(shù)據(jù)點偶爾的跳躍現(xiàn)象；另一類：應(yīng)力數(shù)據(jù)連續(xù)異常，即連續(xù)應(yīng)力數(shù)據(jù)點跳躍的現(xiàn)象。雖然異常數(shù)據(jù)可能是測量和記錄過程中的錯誤引起的，但有些異常數(shù)據(jù)卻代表著有趣的現(xiàn)象，包含著從應(yīng)用角度看非常有意義的知識。因而，簡單地將異常數(shù)據(jù)排除掉可能會丟失有用的信息，導(dǎo)致數(shù)據(jù)分析的結(jié)果不精確或不正確。從表面看，異常數(shù)據(jù)與眾不同，而且許多異常數(shù)據(jù)是無用的噪音性數(shù)據(jù)，影響我們對數(shù)據(jù)的正確分析與理解，給實際工作帶來諸多不便，但某些異常數(shù)據(jù)可能包含著某種重要的知識，因此對其進行分析具有一定價值。將微電子技術(shù)、微處理技術(shù)與傳感器結(jié)合，形成新的一代智能傳感器（Intelligent Sensor或Smart Sensor），是傳感器發(fā)展的一種新的趨勢。智能化傳感器兼有檢測、判斷和信息處理功能。與傳統(tǒng)傳感器相比，智能化傳感器有很多特點：(1)具有判斷和信息處理功能，能對測量值進行修正、誤差補償，因而提高測量精度；(2)可實現(xiàn)多傳感器多參數(shù)測量；(3)有自診斷和自校準(zhǔn)功能，提高可靠性；(4)測量數(shù)據(jù)可存取，使用方便；(5)有數(shù)據(jù)通信接口，能與微型計算機直接通信。把傳感器、信號調(diào)節(jié)電路、單片機集成在一芯片上可形成超大規(guī)模集成化的高級智能傳感器。無線傳感器網(wǎng)絡(luò)是大量的靜止或移動的傳感器以自組織和多跳的方式構(gòu)成的無線網(wǎng)絡(luò)，其目的是協(xié)作地感知、采集、處理和傳輸網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)感知對象的監(jiān)測信息，并報告給用戶。無線傳感器網(wǎng)絡(luò)能根據(jù)環(huán)境自主完成指定任務(wù)的“智能”系統(tǒng)。隨著無線傳感器網(wǎng)絡(luò)被越來越多的部署到實際環(huán)境中，其以數(shù)據(jù)為中心的特點就日益凸顯。無線傳感器網(wǎng)絡(luò)需要從部署環(huán)境中獲取數(shù)據(jù)，從中發(fā)現(xiàn)有價值的信息，這是其應(yīng)用能否成功的關(guān)鍵。因此需要重點關(guān)注和解決兩方面問題：一是怎樣設(shè)計有效的異常檢測機制，用來從數(shù)據(jù)中尋找各類異常信息或發(fā)現(xiàn)各種異常狀況。二是怎樣設(shè)計數(shù)據(jù)質(zhì)量的評價體系和評價指標(biāo)，以便能從數(shù)據(jù)產(chǎn)生的源頭即傳感裝置開始，持續(xù)的關(guān)注和跟蹤數(shù)據(jù)質(zhì)量。在解決這兩方面問題時，需要同時考慮無線傳感器網(wǎng)絡(luò)的各種設(shè)計約束，特別是能量限制。參考文獻[1]夏火松. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M]. 科學(xué)出版社，2009.[2][D].武漢：華中科技大學(xué)，2007.[3]Hodg V,Austin Survey of Outlier Detection Methodologies[J].Artificial Intelligence ,22(2):85126.[4]Chandola V,Banerjee A,Kumar detection: A survey[J].ACM Computing Surveys.2009,41(3):158.[5]Han J,Kamber mining : conceptsand techniques[M].SanFransico,CA:Morgan Kafmann Publishers,2006.[6]王洪喜，[J].計算機科學(xué),2007,4(10):9294.[7]徐翔, 劉建偉, 羅雄麟. 離群點挖掘研究[J]. 計算機應(yīng)用研究, 2009, 26(1): 3440.8. Gogoi P, Bhattacharyya D K, Borah B, et al. A survey of outlier detection methods in networkanomaly identification[J]. The Computer Journal, 2011, 54(4): 570588.15