3.2.5拓扑控制方式。

WSNs中的失败可能会改变网络拓扑。如果节点的剩余能量较低而不能承担数据转发任务，则在平面路由中其他节点将寻找其他传播路径，在层次路由中簇中的备份节点会唤醒备份节点替换它继续执行任务。在此基础上，提出了一种基于拓扑结构的故障测距方法。将网络拓扑由基站图形表示，包含WSNs内部的故障信息。在此基础上，给每个结点一个怀疑度分数，分数越高，失败的概率越大。Sulieman和Gitlin[33]提出一种基于分集技术与三角网编码相结合的WSNs网络故障诊断策略。通过构造冗余路径，快速替换出现链路故障的路径，有效地节约了能耗，快速调整了拓扑结构。

其主要目的是减少WSNs在出现故障时的能耗和带宽损耗。拓扑法在网络故障和故障测距中表现良好，而对其它故障则没有进行相关研究。拓扑控制方法能够有效地诊断网络故障和重构路由，是SIL-IoTs必不可少的故障诊断策略。

3.2.6移动基台方法。

节点向基站发送数据具有一定的时延，所以当WSNs节点数量大时，故障诊断和恢复效率会下降。另外，由于网络拓扑结构发生变化，使得网络故障诊断变得更加困难。Chanak等[32]提出一种基于移动基站的分布式故障诊断方法。手机基站是配有无线收发装置的移动机器人或车辆，通过单跳通讯，对周围传感器进行单跳通信，有效地提高了网络故障检测的准确度。Fissaoui等[38]提出了一种分布式WSNs数据融合算法，它基于故障容错和能量有效性。提出了一种基于移动代理的路径规划方法，通过移动代理在传感器节点之间的迁移过程中收集数据，并减少了节点能量消耗和数据传输延迟。

采用移动基台方法能有效提高网络故障检测的准确性，提高故障检测和恢复的实时性，减少节点能耗。检测区域划分和检测路径优化是当前移动基站研究的重点。另外，由于移动基台方式需要自主移动的机器人或车辆，并预先规划好路径，所以对应用场景有很高的要求。SIL-IoTs中，可作为移动基站的无人收割机、植保无人机等具有机动性能的农机设备。虽然移动基台在故障检测率、延时性能上都有很好的效果，但是SIL-IoTs的故障诊断受到无人收割机、植保无人机等作业路径、工时长、作业区域等因素的影响，对SIL-IoTs的故障诊断效果也很好。

从图4可以看出，SIL-IoTs应用于田作、禽畜养殖、茶园种植等场景(用蓝色字体表示)，不同场景中可能存在多种与SIL-IoTs连接的无线感应设备(以红色字体表示)，用无线通讯装置传送资料(用橙色虚线表示)。对于这种复杂SIL-IoTs方案，采用单一的故障诊断方法很难取得很好的效果。用于在后台部署的故障诊断方法(如概率法、机器学习方法、拓扑控制方法、通过后台分析得到的全局信息进行故障诊断)，因为后台强大的计算和存储能力，以及通过SIL-IoTs节点通过多跳链路向后发送数据时延，所以比较适合于对及时性要求低，难以诊断的故障。针对SIL-IoTs节点部署的故障诊断方法(例如统计方法、分层路由方法、节点自身时间相关性与邻居节点空间相关性进行故障诊断)，因节点有限的计算和存储能力和无需多跳转的数据传输等特点，更适合于对实时性要求高、容易诊断的故障。在这些时效性中，故障诊断是从故障出现到故障解决的时间。