基于神經(jīng)網(wǎng)絡的多狀態(tài)網(wǎng)絡設備故障預測的研究.pdf

1、隨著網(wǎng)絡規(guī)模的不斷擴大，網(wǎng)絡中運行的網(wǎng)絡設備如路由器、交換機等設備日益增多，能夠確保網(wǎng)絡正常運行，維護網(wǎng)絡設備不出現(xiàn)故障，在出現(xiàn)故障之后能夠迅速、準確地定位問題并排除故障，對于網(wǎng)絡維護和管理人員是個很大的挑戰(zhàn)。
　　為了克服傳統(tǒng)維修方式的不足，隨著狀態(tài)監(jiān)測和故障診斷技術的不斷進步，逐漸發(fā)展起來一種新的維修方式——基于狀態(tài)的維修(CBM)。該維修方式綜合運用各種技術手段來獲取設備的運行狀態(tài)數(shù)據(jù)，然后運用故障預測和診斷技術對設備的運行

2、狀態(tài)進行判別，并預測其發(fā)展趨勢以及診斷發(fā)生何種故障，實現(xiàn)了通過狀態(tài)監(jiān)測預測即將發(fā)生的故障，制訂合理的維修策略。故障預測技術是故障診斷技術的重要組成部分，是通過對歷史和當前的故障特征值進行分析，預測出未來的故障特征值，從而預測出設備在未來一段時間內(nèi)的運行狀態(tài)，預測設備可能出現(xiàn)的故障，并且依據(jù)這些特征值，判斷設備的故障級別，提前掌握設備故障的發(fā)展趨勢，為提早預防和修復故障提供依據(jù)，具有重要的理論研究價值和工程實踐意義。
　　本文提出了

3、基于神經(jīng)網(wǎng)絡的故障預測方法，引入基于狀態(tài)的維修技術，構建了基于多狀態(tài)在網(wǎng)運行設備故障預測模型。該模型根據(jù)故障的嚴重性將預警等級劃分為四層，對于不同的預警級別，分別構建神經(jīng)網(wǎng)絡，解決了設備故障預測精度不高的難題，提升了基于多狀態(tài)的故障預測能力。通過收集網(wǎng)絡設備運行特征信息，得到設備的特征信息樣本集，應用設計完成的神經(jīng)網(wǎng)絡對樣本集進行訓練，進一步優(yōu)化神經(jīng)網(wǎng)絡的設計結(jié)構，建立基于神經(jīng)網(wǎng)絡的故障預測模型，實現(xiàn)對設備故障的預測和診斷。
　　

4、基于狀態(tài)的維修獲得主要是基于設備的狀態(tài)信息來預測設備的剩余壽命，以設定的優(yōu)化準則為目標對設備做出維修決策，即判斷設備是否需要進行預防性維修，如果需要，何時進行維修最合適。這種維修方式的維修間隔期是不固定的，其最大的特點是根據(jù)每個設備具體的狀態(tài)，在設備故障發(fā)生前提早進行維修。對于設備，基于狀態(tài)的維修可以降低維護維修費用、提高設備的可用性和任務成功率;通過減少維修，尤其是計劃外的維修次數(shù)，縮短維修時間，提高設備運行效率;通過減少備品備件、維