近日，研究院在国际学术期刊《IEEE Open Journal of the Industrial Electronics Society》发表了关于太阳能杀虫灯物联网轻量级故障诊断的技术论文。舒磊教授为通信作者，博士生杨星为第一作者。

图1 本文提出的节点端故障诊断方法流程图

图2 (a) 不同数量的注意力层下的模型表现；(b) 不同模型的Pareto-Optimal结果

在太阳能杀虫灯物联网(SIL-IoTs)系统中，传感器故障会产生异常和虚假的观测数据。传感器节点异常的早期检测和识别是保证系统可靠性的关键。在本文的研究中，我们提出了一个轻量级可分离一维卷积神经网络，部署在SIL-IoTs节点中用以识别传感器故障，从而达到减少检测延迟以及数据的传输。然而，当害虫与SIL-IoTs节点的金属网碰撞时，节点会释放出高压脉冲（可视为一种电磁干扰）。这种数据波动影响了故障诊断的准确性。因此，本文提出一种新的时间和通道注意力模块方法以表征特征图和时间信号，有助于将电磁干扰噪声从传感器故障中分离出来。我们设计了一个实际的测试平台以验证提出方法的有效性。实验结果表明该方法能够对四种典型的传感器故障进行检测，并在准确率（99.9%的平均准确率和97.6%的F1-score）以及运行效率（351KB的推理模型大小和树莓派平均能耗4.33W）之间取得了最好的权衡效果。

[1] Xing Yang, Lei Shu, Kailiang Li, Zhiqiang Huo, Yu Zhang. SA1D-CNN: A Separable and Attention Based Lightweight Sensor Fault Diagnosis Method for Solar Insecticidal Lamp Internet of Things[J]. IEEE Open Journal of the Industrial Electronics Society, 2022. doi: 10.1109/OJIES.2022.3172899.