基于SNMP的网络管理系统分布式策略的研究

随着网络规模的增大以及复杂性的增加,分布式网络管理是一种必然选择。本文全面探讨了基于SNMP的网络管理系统的分布式策略、每一种策略需要解决的问题以及它们的适用场合。文中所述观点不仅可以用于设计支持分布式网络管理的网络管理系统的配置方案,而且对于网络管理系统的设计与实现,也具有一定的指导意义。     

基于SNMP的网络管理的原理与实现

论述了网络管理标准化的必要性，介绍了基于TCP/IP的SNMP协议的概念、模型、协议与操作，描述了基于SNMP的网络管理的原理和实现。最后，在SNMP网络管理系统设计的过程和原则上提出了一些看法。     

网络发现中SNMP及ICMP算法的探讨

网络拓扑发现是网络工程的一个重要的研究子分支,是实现网络管理的基础性环节。同时,网络拓扑发现是对宏观网络进行科学布局的基础,也是进行网络建模、网络仿真、网络协议设计与评价以及相关网络算法改进的重要依据。本文主要论述IP网络中的重要的功能网络拓扑的自动发现。阐述了相关的理论知识,并具体讨论基于SNMP和基于ICMP的拓扑发现,最后对算法所适用范围加以说明。     

基于SNMP的网络安全模块的研究

介绍了一种基于SNMP协议的防火墙与中心控制台之间的联动控制方案。根据这一方案，在某款国产防火墙产品中编程实现了该防火墙与中心控制台的联动模块，并在实际网络环境中对该模块的功能进行了测试。最后还探讨了这种方案的优点和缺陷，提出了进一步的改进方案。     

基于Java和SNMP的网络管理平台的研究和实现

文章在指出传统网管方案所存在的不足的基础上,提出了一种基于Ｊａｖａ和ＳＮＭＰ的网络管理模型,并对其中最基础和关键的部门－网管平台的实现进行了说明。     

基于决策树SVM的某型无人机发射机故障诊断

为能够准确地对无人机数据链发射机进行故障诊断,通过对某型无人机数据链发射机工作原理和故障模型分析,结合长期的维护、保障经验,提出了一种基于故障优先级的决策树支持向量机故障诊断方法,避免了现有的多类分类支持向量机在多类故障诊断方面存在不足,优化了多类分类支持向量机组合策略。经试验,与几种常用的多类分类支持向量机方法对比,该诊断策略有效得提高了故障诊断正确率,能够准确地定位发射机内部故障功能模块,具有一定的实际意义。     

SNMP协议与发射台遥控遥测技术的实现

本介绍了SNMP网络协议，并探讨了基于该协议的发射台遥控遥测技术的最新应用，给出了具体的开发实例，对于多个发射台站就不同类型发射机组建计算机网络化远程管理有借鉴作用。     

基于SNMP的HFC网网络管理系统

本指出传统的HFC网状态监测系统的缺点。介绍了一种基于SNMP(简单网络管理协议）国际标准的新型HFC网网络管理系统。     

基于SNMP的网络性能管理系统研究

简单网络管理协议SNMP(Simple Network Managemen Protocol)是1990年5月问世的,主要是为当时的ARPANET变成了全球范围的Internet,拥有了众多的主干和众多的用户的网络管理而研制的。RFC1157定义了SNMP的第一个版本,简称为SNMPv1,SNMP提供了一种监控和管理计算机网络的系统方法。这个框架和协议被广泛地应用,并成为21世纪网络管理的标准。     

基于SNMP的智能变电站物理光纤通讯链路检测方法

本文主要研究基于简单网络管理协议的智能变电站过程层通讯网络的检测方法。结合智能变电站交换机的运行状态信息,设计了智能站过程层网络状态监测系统,实现了对过程层物理光纤通讯链路实时运行状态的检测,该系统能够在提示组网运行状态的变化,使变电站运维人员及时发现并消除设备通讯故障,保障变电站的安全运行。     

SVM技术与ANN方法对旋转机械故障诊断性能的比较

论述了基于支持向量机故障诊断技术的基本原理;介绍了传统的基于人工神经网络的故障诊断方法;以旋转机械故障诊断为例对两种诊断方法进行了比较,实验结果表明,与神经网络相比,基于支持向量机的故障诊断方法在训练速度、诊断精度、可靠性等方面都表现出了优越的诊断性能。     

电力设备IR图像特征提取及故障诊断方法研究

针对电力设备红外图像批量诊断中故障特征参量提取及参数配置难题,采用粒子群算法(PSO)与Niblack算法相结合的方法,将设备热像从背景中分割出来并提取出设备的最低、最高及平均温度等参量,通过计算设备各温升特征,构建支持向量机(SVM)样本特征空间。采用优化的蝙蝠算法(BA)对SVM参数进行寻优,并利用最优参数配置下的SVM实现设备故障诊断。对220组图像样本测试结果表明:该红外图像故障诊断方法在电力设备热故障缺陷检测方面的效率及准确率较高,适用于电力大数据中非结构化红外图像的批量分析与处理。     

基于EEMD的故障微弱信号特征提取研究

总体平均经验模式分解(EEMD)方法是一种先进的时频分析方法,非常适合于对非平稳故障微弱信号的分析处理。文中介绍了EEMD方法的原理与算法实现步骤,重点分析了EEMD方法避免模式混淆的机理。利用EEMD方法对齿轮箱振动信号进行分析,成功提取了小齿轮磨损故障特征,验证了EEMD方法在故障微弱信号特征提取的有效性。     

基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

SVM与证据理论集成的信息融合故障诊断技术研究

提出了支持向量机和证据理论结合的思想;建立了支持向量机初步诊断与证据理论融合决策诊断相结合的信息融合故障诊断模型;给出了基于SVM的基本概率分配构造方法和诊断决策规则.以200 MW汽轮发电机组故障诊断为例,充分地验证了该方法的诊断性能.     

基于SVM与改进D-S理论电路板故障诊断算法

为了解决传统电路板故障诊断方法耗时长、难度大、准确度不高的问题,该文充分利用不同检测设备提供的电路板故障特征信息,提出基于支持向量机(SVM)与改进D-S证据理论相结合的电路板故障诊断算法。首先,将各证据体提供的故障数据输入SVM诊断模块,获取该证据体对各个故障模式的可靠度与加权系数;其次,利用"一对一"SVM多分类方法构造证据体对各个故障模式的基本概率分配;最后,对基本概率分配进行加权处理,完成基于D-S理论的多信息融合,获得故障诊断结果。实验结果表明,所提算法可以有效降低各证据体对诊断结论的冲突,增强正确诊断结果的信度,显著提高故障诊断准确率。     

Induction motor fault diagnosis based on the k-NN and optimal feature selection

The k-nearest neighbour (k-NN) rule is applied to diagnose the conditions of induction motors. The features are extracted from the time vibration signals while the optimal features are selected by a genetic algorithm based on a distance criterion. A weight value is assigned to each feature to help select the best quality features. To improve the classification performance of the k-NN rule, each of the k neighbours are evaluated by a weight factor based on the distance to the test pattern. The proposed k-NN is compared to the conventional k-NN and support vector machine classification to verify the performance of an induction motor fault diagnosis.     

人工鱼群算法选择特征和加权的模拟电路故障诊断

为了准确跟踪模拟电路故障的变化特点,提出一种人工鱼群算法选择特征和加权的模拟电路故障诊断模型。首先根据Volterra级数获得模拟电路状态的原始特征集,然后采用相关向量机作为模拟电路故障的分类器,采用人工鱼群算法选择重要特征子集,并赋予每一个特征合理权值,最后将该模型应用于某一模拟电路故障中。结果表明,人工鱼群算法可以准确得到最优特征子集,模拟电路故障平均超过95%,而且其性能要显著优于经典模型。