基于主动网络的网络故障管理研究及实现

主动网络故障管理相对于传统网络故障管理具有明显的优势，文章提出一种基于主动网络的故障管理模型，详细说明了其故障管理的流程和方法，在主动网络环境中，设计并实现了故障管理功能.     

基于专家系统的网络故障管理系统的设计

故障管理是网络管理中最基本的内容之一。网络出现故障时,智能故障定位是实现网络故障管理自动化的关键。结合网络管理与专家系统的知识,提出了一种基于专家系统的网络故障管理系统结构;着重介绍了此系统的几个重要功能模块,并说明使用专家系统进行网络故障管理的优点。结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出网络系统的故障,并能提出有效的重构方案,完全适合于网络系统的故障诊断。     

基于移动代理的网络故障管理体系的研究

分析了网络中故障的传播原理,在此基础上提出了一种使用移动代理的三层网络故障管理体系,对网络故障管理中关联问题的难度进行了有效的分解。根据网络故障管理体系的要求设计了不同功能的移动代理,及该体系下它们的工作交互过程。该体系充分利用了现有网络条件,满足了现代网管对于故障管理的及时性、自学习性的要求,减轻了网络负载。此外,按照这种方法建立起来的网络故障管理系统具有一定的通用性和灵活性,能够适应不同的网络和网络的变化,最后通过实验证明了系统的部分优越性。     

基于机器学习的蜂窝网络故障管理框架及方法综述

网络故障管理旨在检测、识别和纠正网络中发生的错误状况,为用户获得可靠稳定的网络服务提供保障,近年来,如何利用机器学习方法进行蜂窝网络故障管理引起了广泛关注。首先介绍了蜂窝网络故障管理的研究背景,明确网络故障管理的流程和功能;接着介绍现有蜂窝网络故障管理框架;随后对现有机器学习在蜂窝网络故障管理中的方法研究进行评述,从故障管理周期入手,分别对实现故障检测、故障诊断以及故障预测的机器学习方法展开介绍、总结和对比分析,为相关领域的研究提供参考。     

基于拓扑关联的网络故障定位研究

随着时代的发展,计算机网络技术也不断发展,且计算机网络技术已成为人们生活中非常重要的一部分。在现代人们的生活中已经少不了网络技术了,大家逐渐的对网络技术有了依赖性,并且这种依赖性会越来越强,与此同时,网络规模和网络复杂性也出现了爆炸式的增长。但是在这种大环境下,大家关心的仅仅是网络能够为自己提供正常的服务,或者是发生故障时能及时恢复正常就可以,其实这种想法是错误的。这样的现状逐渐导致我们对网络故障的管理逐渐的陷入了困境中[1]。之前那种利用人工对网络故障进行判断的方式已经跟不上网络故障的脚步了,所以利用先进且高效的故障判断技术对网络进行管理成为了网络发展的必然要求,然而要想彻底解决网络故障问题,最重要的是对故障进行准确的定位。本文就拓扑关联的网络故障定位问题,结合自己工作及学习的知识进行了相关的研究。     

基于故障定位集的无线传感器网络故障检测

由于无线传感器网络(WSN)节点的位置分布广,网络出现故障后如何进行故障检测以实现功能的恢复显得尤其困难,因此,探索快速有效的网络故障检测方法对于大规模WSN的可靠应用很有必要;基于最小故障定位集,提出了一种新的故障定位和故障检测方法;该方法在WSN分布式结构模型基础上,将网络节点与节点间的连接关系以图的方式进行描述,利用最短路径分析方法,来对WSN中出现的故障进行定位和检测;应用分析表明,该算法可以快速有效实现WSN故障定位与检测.     

浅谈计算机网络常见故障处理及维护方法

网络故障极为普遍,网络故障的种类也多种多样,要在网络出现故障时及时对出现故障的网络进行维护,以最快的速度恢复网络的正常运行,掌握一套行之有效的网络维护理论、方法和技术是关键.就网络中常见故障进行了分类,并对各种常见网络故障提出了相应的解决方法.     

网络故障诊断关键技术

由于网络故障不可避免,这就要求对网络出现的故障进行管理。但是网络故障信息通常表现出复杂和不确定性的特点,要准确的对故障进行检测和定位是相当困难的,特别是故障定位。重点分析了故障定位的原理基础上．介绍了利用专家系统、神经网络和贝叶斯网络等人工智能技术,对症状和故障之间的因果关系进行推理的故障定位技术。     

网络故障诊断关键技术

由于网络故障不可避免,这就要求对网络出现的故障进行管理。但是网络故障信息通常表现出复杂和不确定性的特点,要准确的对故障进行检测和定位是相当困难的,特别是故障定位。重点分析了故障定位的原理基础上,介绍了利用专家系统、神经网络和贝叶斯网络等人工智能技术,对症状和故障之间的因果关系进行推理的故障定位技术。     

基于移动代理的网络故障管理的研究

将移动代理和人工智能技术引入网络故障管理。介绍了人工智能中神经网络、贝叶斯信念网络对于处理故障管理中的告警相关、故障诊断以及故障定位等所具备的优越性,并提出了几种设计思想。     

基于神经网络观测器的飞行器传感器故障检测

为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法.在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Ly...     

网络流量监测技术

网络流量监测技术对网络流量行为描述、网络规划、设计和管理提供基本依据,对网络运行的QoS保证和网络安全也产生很大影响。基于路由的网络流量监测技术（RMON、Net Flow、SFlow）以及基于非路由的网络流量监测技术（主动测量和被动测量）,分析对比各种监测技术的性能,在此基础上探讨当前两种最新的组合网络流量监测技术：SCNM与WREN。     

一个采用混合式监控策略的网络管理平台

文中针对网络管理中普遍存在的能力与开销间的矛盾，在分析比较目前常用的两类网络监控策略的基础上，提出了混合式监控策略，介绍了一个采用混合式监控策略的网管平台－ＬＡＮ－ＭＡＮ。该平台遵循现行工业标准ＳＮＭＰ所规定的管理模型、服务和协议，同时提供对ＲＭＯＮ远程监控标准的支持，并给出ＬＡＮＭＡＮ在监控性能方面的实验结果，以及与国外现有产品的对照。     

功能交联条件下飞机混合增强故障诊断方法

由于飞机系统结构复杂,功能交联程度高,传统以机内测试（BIT）方法为基础的机载综合诊断方法受到机载测试点设置限制,故障检测、隔离能力无法完全满足部队使用维护需求。近年来,数据驱动方法发展迅速,并被广泛运用到故障诊断中,其中概率神经网络（PNN）凭借其结构简单、计算速度快、运算精度高和分类结果好等优势,非常适合故障诊断与分类问题。但同时,数据驱动方法由于样本不足,工程应用存在困难,不能完全替代传统方法。为提升系统故障检测率、隔离率,降低虚警率,通过应用PNN处理飞机健康状态数据进行故障诊断,并结合BIT中的诊断信息,利用二者间的互补性提出了一种混合增强飞机系统故障诊断方法。详细介绍了该融合方法的基本原理、融合层次、融合规则等。最后,通过某型号飞机分系统诊断实例表明,该方法检测、隔离能力有显著提升,能够满足功能交联条件下飞机故障诊断需求。     

一种基于深度迁移学习的滚动轴承早期故障在线检测方法

近年来,深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用,但面对不停机情况下的早期故障在线检测问题,仍存在着早期故障特征表示不充分、误报警率高等不足.为解决上述问题,本文从时序异常检测的角度出发,提出了一种基于深度迁移学习的早期故障在线检测方法.首先,提出一种面向多域迁移的深度自编码网络,通过构建具有改进的最大...     

An improved PCA scheme for sensor FDI: Application to an air quality monitoring network

In this paper a sensor fault detection and isolation procedure based on principal component analysis (PCA) is proposed to monitor an air quality monitoring network. The PCA model of the network is optimal with respect to a reconstruction error criterion. The sensor fault detection is carried out in various residual subspaces using a new detection index. For our application, this index improves the performance compared to classical detection index SPE. The reconstruction approach allows, on one hand, to isolate the faulty sensors and, on the other hand, to estimate the fault amplitudes.     

Distributed fault detection and isolation scheme for abrupt and incipient faults in a class of nonlinear systems

This note developed a distributed fault detection and isolation scheme for a class of large-scale systems in discrete-time framework. The unstructured modeling uncertainty and abrupt and incipient faults are considered in this scheme. By using overlapping decompositions, the large-scale system is decomposed into a set of subsystems which are monitored by a network of local fault detectors (LFDs) and local fault isolation estimators (LFIEs). Specially, the LFIEs, corresponding the faults affecting the common components among different subsystems, may reach a cooperative (or consensus) isolation decision, based on the fact that they can exchange some knowledge about the local information of system by suitable communication links. As a result, for these LFIEs, the capability of isolating faults may be improved. Moreover, the derivation of rigorous analytical results for the detectability and isolability properties of the proposed scheme is given. Simulation results are provided to show the effectiveness of the presented scheme.     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于 无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

基于模糊神经网络的WSN无线数据收发单元故障诊断

在一些无线传感器网络(Wireless Sensor Network,WSN)安全监测系统中,节点长时间传输大量数据,导致无线数据收发单元容易出现功率下降和功率放大器(Power Amplifier,PA)被烧毁的现象,而此类故障的诊断方法一般比较复杂且低效。针对上述问题,在分析WSN单元级故障诊断的基础上,利用无线数据收发单元的电流模型,提出了一种基于模糊神经网络的无线数据收发单元故障诊断方法。首先,根据无线数据收发单元中发射消耗的电流与温度和供电电压的关系,建立电流模型;然后,利用聚类算法确定模糊神经网络模型结构,结合混合学习算法优化模糊规则的前件参数和后件参数;最后,提取训练完的模糊神经网络参数,以建立WSN节点故障诊断模型。实验结果表明,提出的无线数据收发单元故障诊断方法的计算量小,诊断准确度高;与高斯过程回归模型相比,其计算量降低了22.4%,诊断准确度提高了17.5%。     

ActiveX技术在卫星故障诊断中的应用

利用ＡｃｔｉｖｅＸ技术实现故障诊断网络化,将ＡｃｔｉｖｅＸ技术与故障诊断技术相结合的方法,基于Ｗｉｎｄｏｗｓ ＮＴ网络系统,实现了某型卫星电源系统的网络状态监测与诊断,包括数据生成、报警、故障检测（推理机、知识维护、对策、解释、征兆获取等）、数据查询等功能。实现了网络状态监测及报警。