共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
传统的网络故障数据定位方法大都基于固定指标分析告警信息,实现故障信号的定位,一旦指标数量过高则容易出现故障信号定位误差过高的问题。提出一种基于模糊贴近算法的网络故障数据快速定位方法,该方法包括塑造针对网络业务的网络故障数据告警关联性分析模型、采集网络故障数据模糊告警贴近指标,以及实现基于贴近指标推理的网络故障数据定位3个模块。系统将当前的网络事实告警项进行模糊化处理转换成模糊告警,由模糊匹配在贴近指标库中发现与之匹配的全部贴近指标,并采集匹配度最高的贴近指标当成推理触发指标。从该指标中提取故障数据模糊告警关联信息,通过模糊合成策略,推理出网络故障数据的模糊告警结论。实验结果表明,所提方法对网络故障数据进行定位具有较高的定位精度,并且消耗能量较低。 相似文献
3.
《现代电子技术》2016,(14):20-23
随着传感器网络规模的逐渐扩大,网络中节点的分布呈差异性和随机性,破坏了节点之间的位置关系,传统故障节点定位方法不能有效分析传感器网络节点的相关特征,无法得到准确的故障节点定位结果。因此,提出一种基于对数距离节点信息和残差融合的差异性传感器网络故障节点定位模型,采集不同传感器网络的故障节点特征,求出相应权重,对特征提取误差进行补偿,获取差异性传感器网络的差异性故障节点特征,依据获取的特征建立差异性传感器网络故障节点定位模型。采用一种对数距离节点信息模型反映收集到的差异化信息,获取差异性节点故障特征距离。通过残差融合方法调整相关误差,以获取更加准确的故障信息距离值,实现故障节点定位。仿真实验结果表明,所提方法具有很高的故障节点定位精度。 相似文献
4.
随着网络规模越来越大,通信网络的故障在不断增多,业界急需大数据、云计算等技术在通信网络运维中的应用。文章首先分析了大数据相关研究的背景,其次剖析了目前通信运维故障处理的方法及其短板,最后结合大数据分析技术的特点和通信网络故障的现状,文章设计了通信网络大数据综合故障定位分析平台框架,进行了分析平台的功能设计,平台实现了通信网络拥塞度大数据分析、预测通信信道分配、大数据挖掘故障定位和基于大数据挖掘故障分析等功能,较好地达到了网络运维的效果,希望能给大数据技术在通信领域应用的研究学者提供参考。 相似文献
5.
6.
7.
8.
网络虚拟化是未来网络的重要特征和演进方向.及时准确地定位网络故障并迅速隔离和恢复故障对于网络虚拟化环境下网络的健壮性、生存性和可管理性均具有重要的意义.然而,针对虚拟网络环境中网络规模扩大、网络的多层次性和不确定性等特性,传统的故障管理机制具有一定的局限性,需要基于网络虚拟化环境的特点研究其故障管理机制.分析了网络虚拟化环境下故障管理流程,并基于流程中的3个重要环节分析了网络虚拟化环境下故障探测、故障定位和故障恢复这3个方向的研究现状和趋势. 相似文献
9.
10.
随着人工智能技术和网络日趋紧密地融合,未来网络的运营和生产应该是全面数字化、自动化和智能化的。目前跨专业网络故障定位主要依赖各专业运维人员分别进行分析和派单,导致排障时间长、重复派单等问题。为了节省人力工作,借助自动化和人工智能技术,研发了一套应用于实际现网的跨专业网络智能运维系统。该系统可对IPRAN和OTN关联的拓扑信息以及实时的IPRAN和OTN告警数据进行综合分析,精准定位根因告警,确定故障位置,实现自动派单。该系统构建了跨专业的故障自动诊断能力,将故障定位时间由传统的2 min缩短为几十毫秒,极大减少故障处理时间和人工工作,可覆盖现网大部分故障种类。 相似文献
11.
随着网络规模的扩大,作为网络管理五大功能之一的故障管理在网络运行中起着越来越重要的作用.作为故障管理核心部分的故障定位通过可观测的外部征兆分离出被管系统中的故障.目前故障定位的工作主要还是诊断协议栈中较低层的故障,新的网络环境需要故障诊断能够在协议栈的多层中综合完成.文中对故障定位现在所用的相关性分析的方法,及目前这些技术所面临的问题进行了探讨. 相似文献
12.
13.
针对鲸鱼优化算法存在收敛速度较慢、定位精度不够高等问题,文中提出了一种基于改进鲸鱼算法的含分布式电源配电网故障区段定位方法。构建了一种适用于多电源配电网故障定位的数学模型,采用自适应惯性权重策略来优化鲸鱼算法,并利用改进后的鲸鱼算法对构建的定位模型进行求解。在33节点含分布式电源的配电网上进行算例仿真,仿真结果表明在配电网发生单重、多重故障的情况下,改进后的鲸鱼算法能快速准确地定位出故障区段,且具有良好的容错性能。相较于传统鲸鱼算法,改进鲸鱼算法收敛速度更快,定位准确性更高,定位的可靠性也更高。 相似文献
14.
无线传感器网络中异常节点检测是确保网络数据准确性和可靠性的关键步骤。基于图信号处理理论,该文提出了一种新的无线传感器网络异常节点检测定位算法。新算法首先对网络建立图信号模型,然后基于节点域-图频域联合分析的方法,实现异常节点的检测和定位。具体而言,第1步是利用高通图滤波器提取网络信号的高频分量。第2步首先将网络划分为多个子图,然后筛选出子图输出信号的特定频率分量。第3步对筛选出的子图信号进行阈值判断从而定位疑似异常的子图中心节点。最后通过比较各子图的节点集合和疑似异常节点集合,检测并定位出网络中的异常节点。实验仿真表明,与已有的无线传感器网络中异常检测方法相比,新算法不仅有着较高的异常检测概率,而且异常节点的定位率也较高。 相似文献
15.
16.
无线传感器网络中各传感器节点通过自组织的方式构成,协作地实时监测、感知和采集各种环境或监测对象的信息,一旦某个节点损坏或者被窃取,那么将可能影响整个网络并在网络中传递错误信息。该文针对区域监控网络中单跳网络损坏节点的检测问题,以图论分析为基础,采用特别的网络模型对无线传感网络加以描述,以基站产生虚拟报警机制和特殊报警源求因算法来定位损坏节点,以网络覆盖性能和损坏节点检测率作为算法性能评估标准。实验结果表明:基于二分图的损坏节点识别算法能很好地检测并剔除损坏节点,从而保证无线传感器网络正常工作。 相似文献
17.
低压电力线网络的区域性的故障告警难以量化分析。同时,由于节点数目众多,对低压电力线节点单节点级别的故障告警进行专家分析的成本过高,进一步增加了网络故障区域性量化的难度。为此,从实际出发,给出了专家标注样本较少情况下的低压电力线网络节点级和区域级量化的方法。首先,设计了一个基于注意力机制的节点故障量化图卷积神经网络(Nodal Fault Quantization Graph Convolutional Neural Network,NFQ-GCN),以不同节点、不同重要性因子作为神经网络的输入。进一步地,设计了区域性节点故障量化图卷积神经网络(Regional Fault Quantization Graph Convolutional Neural Network,RFQ-GCN),通过约束节点扩增时区域嵌入位置振动函数至利普希茨(Lipschitz)连续条件,使区域的故障量化可解释地满足小样本的专家标注模式。通过设计上述两个神经网络,可以实现节点级和区域级的智能故障量化,降低故障分析成本。 相似文献
18.
Li Huakang Lv Kehong Qiu Jing Chen Bailiang 《International Journal of Electronics》2018,105(6):1011-1024
The test path of solder joint intermittent connection faults under direct-current stimulus is examined in this paper. According to the physical structure of the circuit, a network model is established first. A network node is utilised to represent the test node. The path edge refers to the number of intermittent connection faults in the path. Then, the selection criteria of the test path based on the node degree index are proposed and the solder joint intermittent connection faults are covered using fewer test paths. Finally, three circuits are selected to verify the method. To test if the intermittent fault is covered by the test paths, the intermittent fault is simulated by a switch. The results show that the proposed method can detect the solder joint intermittent connection fault using fewer test paths. Additionally, the number of detection steps is greatly reduced without compromising fault coverage. 相似文献
19.
20.
针对5G端到端网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,该文提出一种基于深度动态贝叶斯网络(DDBN)的服务功能链故障诊断算法。首先根据网络虚拟化环境下故障的多层传播关系,构建故障与症状的依赖图模型,并采用在物理节点监测其上多个虚拟网络功能相关性能数据的方式收集症状。其次,考虑到基于软件定义网络(SDN)和网络功能虚拟化(NFV)的架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性,引入深度信念网络对观测数据特征进行提取,使用加入动量项的自适应学习率算法对模型进行微调以加快收敛速度。最后,利用故障传播的时间相关性,引入动态贝叶斯网络对故障根源进行实时诊断。仿真结果表明,该算法能够有效地诊断故障根源且具有良好的诊断准确度。 相似文献