多域網(wǎng)絡(luò)下的智能故障診斷算法研究.pdf

1、持續(xù)膨脹的網(wǎng)絡(luò)應(yīng)用以及業(yè)務(wù)需求使計(jì)算機(jī)網(wǎng)絡(luò)越來(lái)越規(guī)模宏大，致使網(wǎng)絡(luò)管理變得更為復(fù)雜、運(yùn)維成本高漲，而其中網(wǎng)絡(luò)故障診斷便是網(wǎng)絡(luò)運(yùn)維的核心問(wèn)題。在復(fù)雜的網(wǎng)絡(luò)系統(tǒng)發(fā)生故障時(shí)，如何快速精確地診斷出所發(fā)生網(wǎng)絡(luò)故障，從而為用戶(hù)提供高可靠性的網(wǎng)絡(luò)服務(wù)，是網(wǎng)絡(luò)運(yùn)維工作急需解決的問(wèn)題。雖然業(yè)界已經(jīng)對(duì)網(wǎng)絡(luò)故障診斷問(wèn)題進(jìn)行了許多研究，并且從故障關(guān)聯(lián)規(guī)則、專(zhuān)家診斷模型等技術(shù)點(diǎn)出發(fā)，提出了一些故障診斷方案，但是面對(duì)著日益龐大的網(wǎng)絡(luò)體系以及業(yè)務(wù)需求，這些網(wǎng)絡(luò)故障診

2、斷方案依然存在著諸多不足，例如故障診斷成本過(guò)大、診斷效率以及準(zhǔn)確率低下等。針對(duì)這些網(wǎng)絡(luò)故障診斷方案中普遍存在的不足，必須尋找一種切實(shí)可行的網(wǎng)絡(luò)故障診斷方案。
　　基于研究人員對(duì)網(wǎng)絡(luò)故障的多年研究觀察，網(wǎng)絡(luò)故障的發(fā)生往往會(huì)伴隨著網(wǎng)絡(luò)特定狀態(tài)的出現(xiàn)，形成一定的模式，所以網(wǎng)絡(luò)故障診斷問(wèn)題也是一種模式識(shí)別問(wèn)題。隨著近些年人工智能技術(shù)在模式識(shí)別方面取得的巨大進(jìn)展，把網(wǎng)絡(luò)當(dāng)中的網(wǎng)絡(luò)狀態(tài)信息與人工智能的經(jīng)驗(yàn)相結(jié)合，為網(wǎng)絡(luò)故障診斷提供了新的研究思

3、路。
　　本文針對(duì)當(dāng)下網(wǎng)絡(luò)中多子域的網(wǎng)絡(luò)場(chǎng)景，從集中式故障診斷角度對(duì)該問(wèn)題作出了新的思考，具體地，本文的主要研究工作及研究成果總結(jié)如下:
　　1)針對(duì)集中式故障診斷模型中訓(xùn)練樣本維度過(guò)高的問(wèn)題，使用了SVM算法來(lái)進(jìn)行故障診斷。該算法旨在樣本空間中尋找可以將故障樣本分離的超平面，而尋找超平面的問(wèn)題最終會(huì)轉(zhuǎn)化為極大化間隔的凸二次規(guī)劃問(wèn)題，因此該算法對(duì)樣本維度并不敏感。本文通過(guò)仿真驗(yàn)證，對(duì)各類(lèi)故障診斷結(jié)果進(jìn)行了分析，證明了SVM故

4、障診斷算法的有效性。
　　2)針對(duì)故障樣本空間隨時(shí)間越來(lái)越大的問(wèn)題，從故障樣本降維的角度，使用了PCA-BP算法來(lái)進(jìn)行故障診斷。該算法首先通過(guò)PCA技術(shù)將樣本映射到低維空間，找到樣本的主要成分，最后再將新樣本輸入到BP網(wǎng)絡(luò)進(jìn)行診斷模型的訓(xùn)練。本文通過(guò)仿真驗(yàn)證，對(duì)算法診斷準(zhǔn)確率進(jìn)行了分析，證明了PCA-BP故障診斷算法的有效性。
　　3)針對(duì)PCA降維過(guò)程中可能出現(xiàn)有效信息丟失的問(wèn)題，提出了基于深度卷積的故障診斷算法。該算法通