基于机器学习的网络故障诊断优化算法

随着网络的广泛应用,网络故障已成为影响用户体验和业务连续性的主要挑战之一。研究基于机器学习的网络故障诊断优化算法,旨在提高网络故障诊断的准确性和效率。该算法采用深度神经网络（Deep Neural Networks,DNN）模型,通过数据预处理、特征工程、网络故障诊断模型建立等步骤,并模拟真实网络环境进行实验验证,证明了其有效性和可行性。     

基于二分图模型的在线社交网络故障检测

在线社交网络现已呈现出规模化和复杂化的趋势,一旦发生网络故障,会造成巨大损失。基于此,开展了利用二分图模型技术的在线社交网络故障检测研究,通过分析目前网络故障诊断技术现状以及常用的技术手段,构建网络故障传播模型,建立了故障源、故障时间、关联故障以及因果关系之间的联系,基于建立的二分图模型,采用拉格朗日算法进行故障诊断,引入了拉格朗日乘子,将复杂多元的目标函数分解成多个子问题,实现故障快速诊断检测。     

支持向量机在网络故障诊断中的应用

研究网络故障诊断问题,保证网络可靠性运行效率,针对网络故障是一个非线性、小样本数据,但是传统网络故障诊断方法是基于线性、大样本数据,导致网络故障诊断准确率较低.为了提高网络故障诊断准确率,将专门解决小样本、非线性问题的最小二乘支持向量机( LSSVM)应用到网络故障诊断中,将引起故障的因素作为LSSVM的输入,网络故障类型作为LSSVM输出,通过LSSVM的学习,建立网络故障诊断模型,最后采用建立的LSSVM模型对网络故障样本进行诊断.仿真结果表明,LSSVM网络故障诊断准确率明显高于其它网络故障诊断方法,并证明是一种网络故障诊断有效手段.     

基于人工智能的图卷积神经网络故障诊断方法研究

随着移动互联网的快速发展,网络故障诊断技术已成为一个重要的研究方向。在移动网络故障诊断中,由于故障样本数量有限,传统方法难以准确诊断出故障类型。因此,研究提出了一种融合朴素贝叶斯模型(Naive Bayesian Model, NBM)和图卷积神经网络(Graph Convolutional Networks, GCN)的移动网络故障诊断方法。通过GCN与NBM的融合,故障诊断方法能够提取到更多故障数据,用于对故障的识别和诊断。结果表明,模型方法的故障诊断准确率平均值和故障误检平均值分别为92.18%、9.13%;同时模型方法在网络故障分类识别效率为75.00%,且在故障识别开始时的平均时间开销为11 s。所有结果均优于对比算法,这说明所提出的方法能够有效地识别出移动网络故障类型,并具有较高的准确率和鲁棒性。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

面向分布式应用管理的混合故障诊断模型

由于分布式应用的动态性、复杂性,传统的人工管理已经不能做到很好的故障管理,应用自主计算的思想实现管理成为一种解决问题的方法.研究基于故障诊断技术实现系统自感知.首先,根据对分布式应用故障管理的分析,提出一种混合故障诊断模型,将故障诊断的过程分为应用服务故障诊断和网络服务故障诊断2个阶段;其次,由于对网络故障症状的观察存在不确定和不准确的特点,将故障诊断模型映射到贝叶斯网络上进行不确定性推理;最后,重点研究了在多层FPM模型中进行推理的算法,给出一种基于变量消元算法的改进算法,实验证明改进算法可加速推理过程.     

基于改进的冲突A*算法的卫星电源系统故障诊断方法研究

针对卫星电源系统的在轨故障诊断,提出了一种改进的冲突A*算法故障诊断方法;改进的冲突A*算法在冲突A*算法基础上增添了一个扩展节点消减模块,通过该模块可以达到故障隔离的目的,从而加快搜索速度;首先改进的冲突A*算法会生成一个候选诊断,然后在卫星电源系统模型中对应部件生成输出,当模型部件生成的输出与实际观测值不一致时,改进的冲突A*算法会缩减可扩展的冲突节点,然后生成下一个候选诊断并进行循环,直到搜索结束;采用多组件受约束卫星电源系统模型开展验证实验,结果显示,多重故障诊断中改进的冲突A*算法在搜索速度上相比冲突A*算法提升50%,证明了该算法在卫星电源系统故障诊断中应用的有效性。     

局域网故障诊断的仿真研究

关于保障局网安全性,研究局域网故障诊断问题.局域网故障诊断方法忽略了网络节点的相关性,导致网络故障诊断正确率低,误差大.为了准确、快速有效地排除网络故障,提出一种启发式的局域网的故障诊断方法.启发式算法根据网络节点的相关性建立局域网故障诊断树,对网络故障相关性最大的节点进行组合,由报警节点,建立相关故障集合.根据局域网拓扑结构,设定故障搜索范围并结合相关故障集合,对故障诊断树进行推理并找到局域网故障节点.仿真结果表明,相对于现有的局域网故障诊断方法,启发式算法提高了网络故障诊断准确率,提高诊断的效率.     

FTA与BP神经网络结合的地平仪故障诊断方法研究

为了提高某型地平仪常见故障的诊断效率与准确率，研究了故障树分析(FTA)与反向传播(BP)神经网络相结合的地平仪故障诊断方法。根据地平仪的结构原理，首先采用FTA法得到了该型地平仪的所有故障模式及最小割集，建立了故障树的结构函数。然后按照最小割集重要度，筛选出BP神经网络训练样本的主要故障模式。最后以某单位该型地平仪的故障统计数据为基础，运用BP神经网络的方法建立了地平仪的故障诊断模型，并对模型进行了验证。验证结果表明，采用FTA法与BP神经网络相结合的故障诊断方法，弥补了2种方法单独诊断时的固有缺陷，提高了故障诊断的准确性和效率。     

模糊理论在网络故障实时诊断中的应用

通信网络故障诊断的核心就是进行告警相关性分析,定位根源告警,从而定位故障。文中将基于数据挖掘的相关性分析方法与模糊理论相结合应用于网络故障实时诊断:将模糊聚类方法应用于网络告警模糊化处理,提出了一种应用于告警模糊关联规则知识库建立的挖掘算法,最后应用模糊聚类和模糊匹配方法对实时收集的新发告警集进行根源告警的模糊推理。模糊理论在通信网络故障诊断中的应用,为网络故障的实时诊断提供了一种崭新思路,对网络故障的及时恢复具有重要意义。实验仿真验证了整个思路的可行性。     

物流服务供应链可靠性诊断的FTA模型及应用

针对物流服务供应链（LSSC）可靠性问题,提出一种基于故障树分析（FTA）模型的LSSC可靠性诊断方法。以物流集成商、物流分包商、制造商构成的三级物流服务供应链为研究对象,建立LSSC可靠性诊断的一般模型;结合实例,构造了LSSC可靠性诊断的FTA模型,通过对FTA模型的最小割集和重要度的求解,得出了LSSC系统失效的故障模式和关键故障因素。     

基于案例推理和故障树分析法融合的飞机故障诊断

本文简述了案例推理和故障树诊断两种方法,提出将它们进行融合诊断的思想。一方面,将案例推理得到的、但在故障树中却不存在的底事件加入到故障树,完善了故障覆盖面;另一方面,由案例库统计得到的故障树最小割集重要度,使故障定位更精确,由故障树分析法完成的成功的诊断实例,再添加到案例库中。     

综合故障树分析方法在容错计算机系统中的应用

该文运用二元决策图（Binary Decision Diagram）分析传统的静态故障树,运用Markov链分析新兴的动态故障树,由此形成一种创新性的故障诊断方法：综合故障树（Integrated Fault Tree）分析法。综合故障树分析法运用分而治之的策略处理各种故障,不仅加深了故障诊断、分析的精度,同时也拓展了故障树分析法的运用领域。该文结合实例,运用综合故障树分析法解决容错计算机系统中动态时序特性的建模困难问题;分析结果表明,在容错计算机系统中运用此方法,可以有效地对系统建模和分析系统可靠性。     

知识存储与诊断专家系统在低温系统中的应用

为实现EAST低温系统的智能故障诊断,提出一种基于故障树的低温系统知识存储与诊断专家系统。根据故障树模型的结构,设计知识在关系型数据库中的分级存储方式。应用故障树分析法进行故障建模与诊断推理,结合可靠性因子辅助不确定性推理,并以实例说明推理算法。模拟诊断结果表明,该系统具有友好的人机接口,运行稳定且诊断结果及时可靠。     

基于DFT的飞机电源网络化故障诊断方法

针对目前飞机恒速恒频交流(CSCF-AC)电源系统故障诊断方法中存在的虚警率高、信息不能共享等问题,提出一种基于动态故障树(DFT)的CSCF-AC电源系统网络化故障诊断方法。通过在普通布尔算子中引入BEFORE算子,对CSCF-AC电源系统动态故障树进行定性分析,得到系统的失效模式,在此基础上建立一个包括机内自检、地面诊断和远程专家诊断在内具有三层结构的网络化故障诊断系统。实验结果表明,该方法有效可靠,具有一定的工程实用性。     

基于FMEA和FTA的ZPW-2000A轨道电路可靠性分析

针对ZPW-2000A型无绝缘移频轨道电路系统的可靠性问题,提出采用故障模式影响分析（FMEA）和故障树分析（FTA）相结合的方法,对系统进行可靠性研究和分析。通过对系统分析和定义,建立故障模式影响分析表,找出所有可能的故障模式、故障后果、故障检测方法和补救措施等,在此基础上建立系统故障树,求取最小割集,进行定性和定量分析。定性分析判定系统的薄弱环节,定量分析计算顶事件的故障概率、各最小割集的重要度及系统的可靠性指标,通过与相关技术规定比较,验证了该可靠性分析方法的有效性。     

基于感知模糊Petri网的自动装弹机故障分析方法

坦克自动装弹机故障发生率高,原因复杂,为了缩短自动装弹机故障诊断时间,提高诊断准确度,在分析了自动装弹机内部原理及获取相关专家经验后,提出了一种基于感知模糊Petri网的故障诊断方法。结合自动装弹机的具体构造建立对应的PFPN故障模型,通过模糊Petri网表示故障传播过程,利用感知机误差反向传递方法学习有限的专家经验,确定Petri网络中触发事件的权值。通过正向推理,实现了对自动装弹机故障的准确判断。逆向推理结合最小割级方法,缩小排查范围,提高推理效率。以旋转故障机为例建立对应的 PFPN故障模型,与故障树模型诊断结果和历史诊断数据对比,验证该故障分析方法的合理性和有效性,实现了对自动装弹机的快速准确的故障诊断。     

基于Vague故障树的航空电子系统可靠性分析

由于航空电子系统工作时存在失常态,且其失效行为具有不确定性,因此基于概率论的故障树分析(FTA)模型不适用于分析其可靠性。该文引入Vague集描述底事件的失效行为,并构造了基于三角形Vague集算术运算的与/或门模糊算子,提出一种Vague故障树分析(VFTA)模型。对某直流系统进行可靠性分析表明,VFTA模型比其它模糊FTA模型更灵活、更有效。     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

一种新的计算机辅助故障树生成方法

故障树分析是过程风险分析中的一种有效方法,计算机辅助生成故障树尤其重要.该文中,提出一种基于图论仿真和数据挖掘的新方法.图论模型是一种深层知识,能够表达复杂的因果关系,具有包容大规模潜在信息的能力,尤其适用于安全领域的应用.深入研究故障传播机制及故障树的内在机理,从本质上讲,故障诊断、HAZOP及故障树分析的理论基础都是一样的,即对系统的稳态定性仿真及分析.通过稳态定性仿真即图论仿真,得到故障剧情样本.在此基础上,开发了一个图论建模推理平台.在此平台上进行相应的故障剧情分析,得到故障剧情样本.然后从中提取关联规则,并最终连接形成故障树.该文给出一个离心泵及液位系统的故障树生成过程,证明了此方法的实用性和有效性.