企业信息网络故障分析与维护方法研究

伴随计算机网络技术的迅速发展,影响企业信息网络故障安全运行的因素日益增多.诊断企业信息网络故障,应从故障现象出发,以网络诊断工具为手段荻取故障信息,确定故障类型并排除,保证网络正常运行.     

基于深度信念网络的复杂机电设备故障诊断方法

常规的复杂机电设备故障诊断方法主要使用欧式向量矩阵确定故障逻辑特征,易受故障动态判断关联作用的影响,导致故障特征提取指标不拟合,因此基于深度信念网络设计了一种全新的复杂机电设备故障诊断方法。利用经验模态分解（Empirical Mode Decomposition,EMD）提取复杂机电设备故障的诊断特征,构建多Agent复杂机电设备故障诊断模型,并结合深度信念网络设计了设备故障诊断深度信念网络（Deep Belief Network,DBN）分类器,从而实现了复杂机电设备故障的诊断。实验结果表明,设计的复杂机电设备深度信念网络故障诊断方法提取的不同故障指标和实际故障指标拟合,证明设计的复杂机电设备故障诊断方法的诊断效果较好,为降低复杂机电设备的运行风险贡献力量。     

IP网络故障诊断与排除方法探讨

介绍IP网络的开放系统互连参考模型OSI,详细描述IP网络故障诊断技术、诊断流程和分层诊断技术,论述网络故障排除的一般步骤,探讨网络光缆故障的诊断方法和IP网络路由交换机设备常用接口故障的排除方法,为提高网络故障诊断水平打下结实基础,保证网络可靠运行.     

基于深度随机配置网络的电网故障诊断方法

针对继电保护和断路器的不确定性电网故障信息,给出了一种基于集成深度随机配置网络(SCN)的电网故障智能诊断方法。首先,面对分区的小规模子网,以子网全体关联保护和相应的断路器作为输入,采用深度SCN建立子网神经网络诊断模块。然后,定义广义误差熵性能指标,实时评测子网络诊断模块的故障诊断结果可信度,动态调节子网络层级对故障进行闭环反馈再诊断,使得故障诊断结果具有强可信度。子网络诊断模块完成各自的诊断任务后,基于模糊积分模块融合各子网络的高可信度诊断输出,最终实现区域间故障综合诊断决策。最后,仿真结果表明了该方法的可行性和有效性。     

基于人工智能技术的变压器故障诊断

分析了电力变压器故障气体和故障类型之间的关系,利用SOM网络具有自组织、自学习的特点对电力变压器的故障类型进行分类诊断建模。实例分析表明,SOM网络能很好的对电力变压器的故障类型进行分类诊断。     

基于深度信念网络的模拟电路故障诊断

为及时精准地发现模拟电路故障,保障电子仪表的安全稳定运行,提出了基于深度信念网络的模拟电路故障诊断方法。采用自动编码器模拟电路初始故障信号进行降噪处理,将降噪后信号输入到深度信念网络中提取特征,极限学习机根据特征建立故障诊断模型,结果表明,深度信念网络可以有效提取模拟电路各类故障特征,模拟电路各类故障的整体诊断精确率可达到98.47%,可为模拟电路保障诊断提供了一种新的工具。     

网络虚拟化环境下的服务故障诊断算法

网络虚拟化环境下,底层网络的透明性造成虚拟网提供商不能诊断所有的虚拟网服务故障.为解决此问题,提出了基于映射关系的虚拟网服务故障传播模型.针对故障传播模型中故障集与症状集较大、网络环境动态和噪声大而导致的已有诊断算法误报率高、时间复杂度高的问题,基于网络虚拟化环境下症状内在相关性特点,提出了一种新的基于症状内在相关性的虚拟网服务故障诊断算法SFDoIC(service fault diagnosis algorithm based on inherent correlation among symptoms).仿真实验结果表明,SFDoIC算法能够很好地解决底层网络透明性造成的虚拟网服务故障难以定位的问题.SFDoIC算法可以有效地降低诊断算法的误报率,显著缩短诊断算法的运行时间.     

基于BP神经网络的发动机故障诊断研究

汽车发动机故障占整车的百分之四十以上,所以研究故障诊断系统实现对发动机故障的准确、快速诊断对整个汽车行业具有重要的意义.针对目前国内电控发动机故障诊断所存在的问题,BP网络能够很好地运用于发动机的故障诊断,利用发动机故障诊断的专家经验做出故障-原因样本训练集训练BP网络(BP网络的函数逼近的运用),再把故障数值输入到已经训练好的神经网络实现故障的诊断(BP网络分类的运用).     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

一种基于贝叶斯网络的集成的故障定位模型

故障管理是网络管理中最基本也是最重要的功能,目的是保证网络能够连续可靠地运行。故障管理可以分为两个主要的部分:故障检测和故障定位。其中故障定位是核心与难点。文中介绍了一种新的在症状收集时结合被动测试与主动探测,集成了被动诊断对网络正常的通信的影响较小以及主动探测方法可以快速有效地标识故障的优点。在诊断时采用贝叶斯网络来表示症状与故障之间的因果关系,利用不确定推理方法进行故障定位的模型。该模型包括故障推理、逼真度验证、动作选择三个模块。