基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)故障診斷.pdf

1、計(jì)算機(jī)網(wǎng)絡(luò)是21世紀(jì)全球最重要的基礎(chǔ)設(shè)施之一，隨著其規(guī)模的日益擴(kuò)大，計(jì)算機(jī)網(wǎng)絡(luò)管理維護(hù)工作越來(lái)越復(fù)雜。網(wǎng)絡(luò)故障診斷已成為人們關(guān)注的焦點(diǎn)。高效的計(jì)算機(jī)網(wǎng)絡(luò)離不開好的網(wǎng)絡(luò)管理。任何故障的發(fā)生，即使是短時(shí)間的故障都有可能給經(jīng)濟(jì)、社會(huì)和國(guó)防建設(shè)等帶來(lái)巨大的損失。
　　在實(shí)際需求的牽引下，故障診斷技術(shù)的應(yīng)用越來(lái)越廣泛，已經(jīng)從傳統(tǒng)的機(jī)械系統(tǒng)和電子系統(tǒng)，滲透到機(jī)電一體化系統(tǒng)、工業(yè)自動(dòng)化系統(tǒng)、計(jì)算機(jī)系統(tǒng)，以及各種廣泛意義上的動(dòng)態(tài)系統(tǒng)，包括目標(biāo)識(shí)別

2、系統(tǒng)、組合導(dǎo)航系統(tǒng)等。隨著物理學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的不斷進(jìn)步，以及控制理論、信息科學(xué)等應(yīng)用科學(xué)的不斷發(fā)展，為故障診斷提供了多種有效的技術(shù)手段，成為故障診斷技術(shù)發(fā)展的推動(dòng)力量。
　　由于現(xiàn)代網(wǎng)絡(luò)產(chǎn)生故障的因素很多，信息量又大，使得網(wǎng)絡(luò)管理人員已很難用現(xiàn)有的工具來(lái)有效快速地解決用戶所提出故障診斷的服務(wù)要求。如何將智能技術(shù)引入網(wǎng)絡(luò)故障診斷領(lǐng)域，利用自學(xué)習(xí)、自適應(yīng)技術(shù)創(chuàng)造和維護(hù)故障診斷知識(shí)庫(kù)，提高網(wǎng)絡(luò)管理效率，一直是眾多理論研究和應(yīng)用研究的

3、熱點(diǎn)。
　　隨著人工智能的發(fā)展，把神經(jīng)網(wǎng)絡(luò)技術(shù)引入計(jì)算機(jī)網(wǎng)絡(luò)故障領(lǐng)域，可以很好的發(fā)揮神經(jīng)網(wǎng)絡(luò)在故障診斷中的優(yōu)勢(shì)。本課題采用自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)和多層前饋網(wǎng)絡(luò)(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式，將訓(xùn)練樣本使用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行聚類，把聚類的結(jié)果重新添加到原始訓(xùn)練樣本中并設(shè)置一定的權(quán)重，通過(guò)對(duì)權(quán)重的不斷迭代更新，以提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度。在BP神經(jīng)網(wǎng)絡(luò)算法上對(duì)LM算法進(jìn)行改進(jìn)，對(duì)在 LM算法中的大型矩陣求逆時(shí)使用并行算法求解