网络常见故障的分类诊断

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。文章主要就网络常见故障的分类诊断进行了阐述。     

网络故障诊断处理研究

网络的广泛应用,使得网络成为我们工作和生活过程中不可或缺的一部分,因此保证网络的正常对我们意义重大。如何保证网络的正常运行也是我们急需解决的问题。网络结构多样性使得故障也具有复杂性。因此能够精确的对网络故障进行定位,迅速的确定故障点,从而以最快速度解决故障是我们当前的需求和目标。文章详细阐述了网络常见故障的分类及诊断处理。     

常见网络故障类型及诊断分析

随着科学技术的不断进步,网络早已走入了我们的日常工作和生活当中,已经成为了我们必不可少的一部分,与此同时,网络故障的发生频率也是越来越高,导致故障发生的原因也是愈加多样化。因此,本文笔者结合当前我国常见网络故障类型并结合个人多年来的实际工作经验,先对物理类网络故障进行分析,继而对逻辑类网络故障进行阐述,希望可以促进网络故障诊断技术的不断发展,为我国网络的安全发展提供新的动力。     

计算机网络故障分类诊断

结合工作实践,把网络常见的故障进行分类,以迅速、准确地查找到网络故障的根源,使之尽快修复,保证计算机的正常运行,对计算机网络故障的诊断及排除故障的方法进行了详尽的描述。     

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。     

网络常见故障的诊断与排除探索

随着网络技术的不断发展,信息传输量的不断加大,计算机网络的故障也越来越多,故障情况也十分复杂。网络故障诊断和排除是管好、用好网络,使网络发挥最大作用的重要技术工作之一。本文主要对网络常见故障的诊断和排除进行阐述。     

网络故障诊断和排除技术研究

当一个网络建设完成之后,将会有大量的维护工作需要做。任何物理设备都可能出现故障或损坏,另外网络在运行过程中也经常会遇到各种各样的问题,作为网络管理员就要尽快找出故障点并排除故障,使网络尽快恢复正常运行。网络的故障诊断与排除是每个网络管理员所面临的一个很重要的工作任务。     

基于贝叶斯网络的分层网络故障诊断

本文以SNMP网络管理模型的管理信息库（MIB）为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归（AAR）模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。     

层次分析法在一例网络故障诊断中的应用

该文介绍了一种基于层次分析法的网络故障诊断方法,在对一例电力信息网网络故障进行了详细的分析和处理后,提出在日常运行维护工作中,必须弄清楚网络结构和业务应用系统,才能够快速、准确地定位网络故障点,从而及时采取有效措施恢复网络的正常功能。     

数据挖掘技术在网络故障诊断中的应用

网络日常监控信息规模日益增大,人工数据分析方式将无法满足现代化发展要求,所以数据挖掘是处理该问题的重要方式.数据挖掘,作为一种全新的获取技术,通过在数据自身上挖掘出有价值的信息、故障智能诊断与分析、便于维修工作人员及故障诊断人员及时判断故障问题,提出了可行性处理意见并及时维修,便于网络恢复正常,提高网络运行效率与质量.以数据挖掘技术为重点,深入探讨了数据挖掘技术在网络故障诊断中的应用.     

关于网络故障诊断和排除方法的讨论

伴随着网络技术的不断发展和网络规模的扩大,用户数目呈现出急剧增加的趋势,这样一来,对网络故障的诊断和排除工作愈来愈面临着巨大的挑战.从一定程度上来说,只有提高网络故障的诊断能力才能够及时排除网络故障,让网络的运行有效躲避风险.本文针对这一问题展开讨论,并结合各种常见的故障及排除方法进行深入探讨,希望能够推动网络技术的发展.     

模糊神经网络变幅液压系统故障诊断

针对变幅液压系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为变幅液压系统故障诊断的方法。该方法利用故障树知识提取变幅液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快,容错能力强,并通过实例分析验证了变幅液压系统模糊神经网络故障诊断的有效性。     

Neural network technology in the plant fault diagnosis software application

In this paper, the conception and the development of the fault diagnosis technology are discussed, and the problems of fault diagnosis technology is solved in power plants by analyzing the actual and existing problems in the field of power plants fault diagnosis technology. Then we reveal the reliable technique to diagnose software by using BPNN in power plants fault diagnosis process. The experiment shows that complex model can be constructed by using this method and parameter estimation is done easily. This method is also fit for different datum sets, and it has less error. It is an efficient method in power plants fault diagnosis.     

基于直推式学习的网络故障诊断算法

网络故障的及时诊断能够保证日常工作、学习和生活能够正常进行,传统的基于监督式学习的诊断方法依赖于大量具有鉴别意义的样本,这在实际情况中通常难以得到满足;针对上述问题,提出了一种基于直推式学习的诊断算法;针对大规模的网络管理的特征数据,该算法利用主成分分析对特征进行降维,并利用新的度量下的特征数据来构建拉普拉斯矩阵;该矩阵能够很好地描述带检测样本和训练样本之间的关系;在此基础上,设计了基于直推式学习的目标函数,并利用拉格朗日乘子法完成了优化;实验部分证明了本算法能够在有限数目的带标签的样本的前提下获得精确的分类结果,能够显著提高网络故障诊断的检测率。     

基于小波神经网络的齿轮箱故障诊断研究

论述了小波神经网络的系统结构及算法,并根据齿轮振动信号的频域变化特征,提取特征向量作为输入,利用小波神经网络建立特征向量与故障模式之间的映射关系,建立了基于该算法的齿轮故障诊断模型。仿真结果表明：与传统的BP神经网络相比,该模型显著缩短了训练时间。该小波神经网络进行机械故障诊断是有效的。     

基于神经网络的转炉风机故障诊断

转炉风机在现代化炼钢过程起着重要的作用,本文把神经网络理论用于转炉风机的故障诊断,以征兆诊断法为理论基础,以信号频谱中各阶倍频和分频作为智能诊断的特征因子,提取故障样本,完成了BP网络的训练。     

模糊神经网络抓斗纠偏系统故障诊断

针对抓斗纠偏系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为抓斗纠偏系统故障诊断的方法。该方法利用故障树知识提取抓斗纠偏系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,采用模糊隶属函数来描述故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快、容错能力强,并通过实例分析验证了抓斗纠偏系统模糊神经网络故障诊断的有效性。     

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络（ANFIS）的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

非线性电路的神经网络故障诊断方法

针对非线性动态电子电路,提出一种基于神经网络的故障诊断方法。通过故障字典的建立,对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,然后利用神经网络对各种状态下的特征向量进行分类决策,对故障类别进行辨识,并对电路进行了可测性分析,从而实现非线性电路的故障诊断。详细的仿真过程及结果表明, 该方法有效地解决了非线性电路辨识难的问题,能较好地对故障模式进行分类,取得了满意的诊断效果。     

贝叶斯网络在电子系统故障诊断中的应用研究

电子系统大多结构复杂,各组成模块存在错综复杂、相互影响的关系,另外测点较少且测点数据常常是不完备的。针对此类情况,以某电源系统为研究对象,提出了基于贝叶斯网络的电子系统故障诊断方法。首先依据系统的结构获得其因果图,并对各测点信号进行离散化处理;其次建立用于故障诊断的贝叶斯网络模型,并且根据历史数据完成该网络的参数学习,最后利用获得的事实来实现故障的诊断。仿真结果验证了该方法的有效性,为电子系统的故障诊断提出了一种新的思路。