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。     

计算机网络智能故障诊断知识库构造方法

本文利用神经网络方法和粗集理论方法,从原始网络管理信息库MIB中提取网络故障征兆信息,自动创造和维护网络故障诊断知识库,实现网络故障的提前告警和故障原因的关联分析利用这-方法可以从网络管理信息库中学习和了解网络系统的深层次行为.     

基于事件关联技术的网络故障发现

本文在介绍了事件关联技术的基础上,讨论了网络故障管理中故障源的发现方法及技术,进而提出了一个基于事例推理(CBR)的网络故障源发现模型,并就故障发现策略进行了重要讨论。     

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。     

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。     

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。     

计算机网络故障排除

网络故障极为普遍,故障种类也十分繁杂。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的查找故障根源,解决网络故障。本文通过分析计算机的网络故障,从专业人士和非专业人士的角度对网络故障的解决方法逐一进行分析,并列出了诊断网络故障的步骤,从故障发生到解决给出了详细的分析和阐述。     

分布式智能网络故障管理体系结构的研究

该文首先介绍了网络故障管理的基本功能与方法,以及分布式智能Agent的概念。分析了传统的集中式网络故障管理缺陷,提出了一种分布式智能故障管理的体系结构,并重点分析了其功能和结构。最后,对其实现技术进行了详细的讨论。     

基于决策树的网络故障诊断专家系统模型

针对传统网络故障诊断专家系统在知识获取方面的固有不足,结合决策树算法和专家系统的特点,提出一种基于决策树的网络故障诊断专家系统模型,讨论网络故障诊断专家系统模型的推理机制和推测算法以及知识获取的实现方法。实践结果表明,模型在知识获取方面具有获取过程简单、计算复杂性低、适应性强的特点。     

基于数据库的专家系统在校园网故障诊断中的应用

为了减少网络工作人员的工作量 ,将数据库和人工智能技术结合起来 ,构建了用于校园网故障诊断的专家系统。该系统采用产生式知识表示方法 ,运用DBMS管理知识库 ,推理机采用深度优先搜索方式的正向推理     

基于产生式规则的网络故障智能诊断修复系统

计算机网络日益复杂,网络故障带来的影响日趋严重,这对网络故障的诊断提出了更高的要求,需要向着自动化、智能化的方向发展．本论文研究提出,在专家与网络工程师的网络故障诊断及修复经验基础上,归纳形成基于产生式规则的故障知识,以规则推理机制来进行故障诊断,并自动生成修复方案;同时,通过SQLServer数据库的发布订阅服务,对故障知识进行共享机制设计,实现全网同型号设备的网络故障自动免疫功能．最终设计实现了一套网络故障智能诊断修复系统,达到了在无人干预情况下智能完成网络故障诊断和自动修复的工作．     

故障诊断专家系统及其发展

文章对主要的故障诊断专家系统进行了系统的归纳和分类,主要关注故障诊断专家系统在军事领域的应用;重点讨论了基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统的技术要点、发展现状、优缺点及其在军事方面的应用;最后,对该学科的发展做出了预测,指出基于多种模型结合的诊断专家系统、分布式诊断专家系统、实时诊断专家系统是今后的发展方向。     

基于神经网络的局域网故障诊断系统设计

为了实现准确有效地排除网络故障，根据局域网的特点，本文在分析现有计算机网络故障诊断方法不足的基础上，结合层次分类神经网络原理，提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统，该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能，可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真，结果表明故障诊断系统响应性能良好，故障误报率较低，具有一定的实用性。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

大型复杂设备的远程故障诊断研究

基于网络的远程故障诊断是诊断系统的发展趋势,文章提出了构造设备诊断网络中心的框架结构,介绍了远程诊断系统建设的关键技术,所建立的远程诊断系统用于实现对有关设备的远程信息管理、状态监测和故障诊断,实现了故障诊断过程中的技术知识共享和资源共享。     

A self-learning and self-optimizing framework for the fault diagnosis knowledge base in a workshop

The knowledge base is an essential part of the fault diagnosis system, which is crucial to the performance of fault recognition. As the intelligence of the fault diagnosis system has made persistent advance, the increasing demands for diversity and dynamic update have posed challenges to the knowledge base. In this paper, a framework for the fault diagnosis knowledge base is proposed to address the challenges mentioned above. Firstly, a dynamic clustering model is designed using the proposed semi-supervised multi-spatial manifold clustering method to recognize attribute clusters and aggregate new types. When new types are added to this model, it is constantly updated to achieve the automatic evolution of the knowledge base for the diversity of fault. Then, a knowledge evolution model is established by the generative adversarial network algorithm to achieve self-learning and self-optimizing capabilities of the knowledge base. This method learns the distribution of knowledge elements and generates new knowledge elements to optimize the clustering model. Finally, a series of comparative experiments are carried out on bearing datasets to verify the validity of the mentioned framework and models. The comparison results indicate that the proposed method has better performance in fault diagnosis. This research can not only update the knowledge base, but also provide a feasible approach for designing an autonomous knowledge base with self-optimizing and self-learning capabilities.     

基于不变网络模型和故障注入的分布式信息系统故障溯源方法

针对传统分布式信息系统故障溯源算法对于先验知识依赖严重的问题,提出一种基于不变网络与故障注入相结合的故障溯源方法.首先,利用系统日志中收集到的系统组件运行数据,构建系统的不变网络模型,在此基础上进行节点或组件故障注入及扩散建模,建立故障网络集;然后,根据原始时间序列取值情况,制定数据质量评价规则以甄别数据是否发生突变;最后,利用实际故障网络与故障网络集中故障网络局部拟合的方式进行故障溯源,并利用数据质量评价规则对该结果进行修正,实现对系统故障源的精确定位.在仿真数据集、某开源系统数据集和某电网调度系统实采数据上的实验结果表明,所提出方法具有更高的准确率.     

基于神经网络观测器的卫星姿态控制系统陀螺故障诊断

针对基于解析模型的卫星姿态控制系统陀螺故障诊断方法存在设计复杂、参数求解困难的问题,提出一种基于神经网络观测器的陀螺故障诊断方法。由系统内的冗余关系导出故障诊断逻辑,实现对陀螺故障的检测和隔离;同时利用先验模型知识和神经网络的非线性建模特性对陀螺故障进行估计。仿真结果表明,该方法能够实现对陀螺故障的检测、隔离和估计。