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。     

计算机网络中的故障定位研究

随着信息技术的快速发展,计算机网络日趋复杂,故障定位技术作为网络管理的核心一直是研究的热点。由于网络的互联性,网络故障存在着一定的关联,而计算机网络故障定位则是需要依据事件的相互关系,从多个故障事件中定位故障源。提出专家系统技术,基于主动轮询技术,基于拓扑结构,图论技术对此课题展开研究,并且详细介绍了基于蚁群的高效优化算法,大大提高了工作效率,为之后的故障定位技术的研究有着重要的借鉴意义。     

网络故障排解

介绍了网络故障的一般的排解思路,尝试从一般电脑操作员的角度对网络故障进行诊断、定位和排解．从网络故障的对象对链路、主机和网络设备故障进行排解,对网络管理员对网络故障的排解具有一定的指导意义。     

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.     

多层信息网络故障定位综述

本文对多层网络（覆盖网、虚拟网等）故障定位问题进行了分析和总结。讨论了多层网络探测故障信息获取策略和故障定位模型的发展状况,即介绍了被动监测、主动探测、主被动结合探测和终端用户观察等探测信息获取策略,以及基于图论故障传播模型、依赖矩阵模型、症状-故障-行动模型等故障传播模型的原理以及其优缺点。从故障定位模型、探测信息获取策略、故障定位计算、网络异构性、运行效率与成本多个方面重点综述了多层网络故障定位方法,讨论了每种方法的优点和局限性。最后,对多层网络故障定位研究的不足和亟待进一步研究解决的问题进行了探讨。     

一种交通视频专网故障定位方法*

针对复杂异构网络环境中故障定位难的问题,采用代理技术,分析视频专网服务质量（QoS）,提出了一种基于改进代码书的网络故障定位算法。该算法采用视频QoS阈值进行故障事件检测,引入时间参数,建立具有三个维度参数的专网故障代码书,实现了视频监控质量评估与网络故障的快速定位。实验结果表明该算法可实现文中的故障事件实例检测,准确率比原有方法有较大提升,是一种有效的故障定位方法。     

计算机网络故障诊断和维护排除探讨

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分类,并对各种常见网络故障提出相应的解决方法。     

常见网络故障的维护

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分类,并对各种常见网络故障提出相应的解决方法。     

基于三层节点架构的故障定位算法TNSFLA

网络故障管理技术是通信系统中网络管理的核心,是维持网络高效运行的关键因素,而故障定位检测作为网络故障管理的关键功能之一,其技术、算法实现的好坏将决定整个网络自动化的成败。本文即针对目前网络系统中由于不同程度的告警丢失和虚假告警的情况,造成故障检测精确度降低、无法快速诊断的问题,提出了相应的解决方案。     

On fault tolerance of 3-dimensional mesh networks

In this paper, the concept of k-submesh and k-submesh connectivity fault tolerance model is proposed. And the fault tolerance of 3-D mesh networks is studied under a more realistic model in which each network node has an independent failure probability. It is first observed that if the node failure probability is fixed, then the connectivity probability of 3-D mesh networks can be arbitrarily small when the network size is sufficiently large. Thus, it is practically important for multicomputer system manufacturer to determine the upper bound for node failure probability when the probability of network connectivity and the network size are given. A novel technique is developed to formally derive lower bounds on the connectivity probability for 3-D mesh networks. The study shows that 3-D mesh networks of practical size can tolerate a large number of faulty nodes thus are reliable enough for multicomputer systems. A number of advantages of 3-D mesh networks over other popular network topologies are given.     

前向神经网络的容错性问题

在讨论神经网络的容错性的文献中,主要涉及的一直是关于输入噪音的容错问题.在这些文献中通常把该问题转换为某种优化问题,并用现成的优化方法进行求解,但很少涉及由网络故障所引起的容错问题,即结构容错问题.利用覆盖算法分析结构容错问题,给出一个神经网络容纳所有单节点故障的充要条件和构造这种网络的算法.这些结果揭示了神经网络结构容错能力的本质,并提供了一种分析神经网络容错的新方法.     

基于模糊神经网络的复杂网络故障诊断设计

针对雷达等复杂大型电子装备网络系统的故障定位难、影响关系不清晰的问题,采用了基于模糊神经网络的故障定位方法,提高了网络故障定位的快速性与准确性：首先介绍了模糊隶属度及模糊神经元等理论,接着基于模糊理论将网络监测信息进行模糊化处理,并利用神经网络模型对模糊后的信息进行训练与学习,参数训练达到设置的期望误差0.01;最后利用训练好的模型对随机抽取的2组网络故障实例进行了验证,软件执行单次诊断耗时3.5s;结果表明采用基于模糊神经网络的诊断方法,能够较好解决网络故障耦合复杂、故障现象与故障原因关系不清晰等难题,对网络故障快速排除与恢复具有重要意义。     

网络中的常见故障诊断及分析

随着科技创新,互联网技术的水平不断提升,计算机网络故障的发生愈发频繁.网络故障是指由于硬件、软件的问题、或者病毒的入侵等而导致网络的故障,阻碍了网络工作的正常运行,给人们带来了很大的不便.为了解决网络故障给我们带来的问题,我们可以学习有关网络故障的一些基础知识,通过对它的了解,能基本解决相关问题,确保计算机的正常使用.     

基于D-S理论的智能故障诊断关键技术研究与实现

以智能检测和故障诊断技术作为研究对象,分析了在智能故障诊断系统中用到的特征提取、模式识别和故障预测等关键技术,探讨了用于实现上述关键技术中的小波变换和人工神经网络算法。鉴于人工神经网络算法容易出现系统故障定位不准确性的不足,引入了D-S(Dempster Shafer)证据理论。首先用BP神经网络对故障信息进行局部诊断,然后利用D-S证据理论对局部诊断结果进行融合,进行全局诊断,得到最终的故障结果。D-S证据理论的引入,增大了诊断结果的可靠性和准确性,提高了诊断算法的适应性。在LabWindows/CVI的平台下,实现了智能故障诊断算法。     

如何诊断分析网络故障

网络故障极为繁杂,也相当普遍。如果把网络故障的常见故障进行归类查找,那么无疑能够迅速而准确地查找故障根源,解决网络故障。文章论述了常见网络故障的分析及排除。     

校园网程控交换机连网故障断点检测技术研究

当前校园网程控交换机连网故障断点检测技术检测准确率较低、误警率高,也无法实现对故障断点区域的精确定位,提出一种基于节点信誉感知模型的连网故障断点检测技术研究。依据校园网的网络层次结构布局,构建节点之间的信誉感知模型,以提取节点故障区域特征信息,基于小波算法对感知信誉数据进行预处理。为提高算法的稳定性,对邻近节点之间的健康程度进行分析,以最终实现对校园网程控交换机连网故障断点的准确定位与检测。仿真实验数据表明,提出的断点故障检测技术在节点感知故障率为0.6的条件下,仍可获得86.32%的检测率。     

柔性配电网故障定位技术评述

本文通过对柔性配电网(flexible distribution network,FDN)进行分析,为了使FDN安全可靠稳定运行,但当FDN发生故障时进行故障的隔离和恢复存在很大困难,因此研究FDN故障定位技术具有重大的现实意义。首先对FDN的概念进行分析研究,对比传统配电网的运行方式闭环设计开环运行模式所存在的难题,对FDN的基础技术结合最新研究方向进行分析研究,传统配电网如何转变为FDN进行说明;然后本文总结研究传统配电网故障区段定位、故障定位;对故障区段定位、故障定位所涉及的主要研究方法进行分析,通过文献研究其适用范围和优缺点,并针对这些提出对应的建议,并结合上述分析,研究FDN故障定位技术和其所存在的缺陷以及未来所要研究的主要方向。最后指出当前柔性配电网和有源配电网研究主要存在的问题及未来研究的方向。     

基于动态云—量子神经网络群的配电网实时故障定位方法

针对传统的配电网故障定位方法在配电网故障信号微弱时存在的故障数据交叉现象严重、实时性较差等问题,提出了一种基于动态云-量子神经网络群的配电网实时故障定位方法;构建了用于配电网故障定位的动态云-量子神经网络群结构模型,提出一种动态云-量子神经网络群改进算法,并给出了基于该算法的配电网实时故障定位步骤;在Matlab软件中采用该方法对某10kV配电网进行故障定位仿真研究,结果表明该方法能够实时、有效地实现故障信号微弱情况下的配电网故障定位,测试精度为97.39%,训练时间为0.001 6s。