网络故障诊断

摘要： 列车通信网络的故障诊断一直是列车健康管理中的难点,复杂的工作环境、分布式的系统结构也使得故障难以被发现和定位.在分析多功能车辆总线(Multifunction Vehicle Bus,MVB)网络端接故障和反射形成机理的基础上,提出了一种以MVB网络物理波形参数为样本特征,结合多核学习支持向量机(Multiple Kernel Learning Support Vector Machine,MKLSVM)的网络故障诊断方法,以完成由端接电阻造成的网络故障诊断.搭建平台,进行了数据采集、模型训练、结果测试.分别利用普通支持向量机及MKLSVM对样本集进行了测试,并从不同性能度量角度评估了分类器性能.结果显示:以物理波形参数为样本特征能够表征端接网络故障的故障模式,结合支持向量机(Support Vector Machine,SVM)的模式识别方法能够有效对端接网络故障进行诊断.在查准率、查全率、分类精度、代价函数方面,MKLSVM均优于普通SVM分类器.

摘要： 网络故障诊断正朝着综合化、智能化、分布化的方向发展.本文提出将专家系统应用于网络故障诊断领域, 主要介绍了知识获取模块、知识解释模块、推理机和事件知识库四大部分的原理.

摘要： 针对传统网络故障诊断方法难以胜任复杂网络故障诊断的现状,综合应用自学习机制中的知识结构、知识获取等方法,设计并实现了一个基于自学习机制的校园网络故障诊断系统.该系统通过自学习机制不断扩充和完善了现有的知识库,弥补了传统的专家系统在故障诊断、知识获取及自学习能力等方面的不足,很大程度上降低了网络故障诊断的专业性和难度.通过实际测试结果分析,得出了自学习机制在校园网络故障诊断方面的优势,从而提高了校园网络故障诊断的及时性、准确性和高效性.

摘要： 针对传统网络故障诊断方法在处理复杂网络故障诊断方面的局限性,把机器学习机制中的知识结构、知识获取及知识获取方法等运用于校园网络故障诊断系统中,既扩充和完善了现有的知识库,又弥补了传统的专家系统在故障诊断、知识获取及自学习能力等方面的不足,很大程度上降低了网络故障诊断的技术性和专业难度.经实际测试结果的对比分析,得出了机器学习机制在校园网络故障诊断方面的优势,也为校园网络故障的及时、准确定位提供了重要的支撑保障.

摘要： 在对海量故障案例集进行检索时,现有的案例推理算法普遍存在效率不高的问题.针对这一情况,文章结合网络故障的特点,先后通过降维处理、确定中间结果集、结合特征权重精确过滤、输出诊断结果等步骤和方法,优化现有的案例推理算法,并在此基础上设计、实现了一种基于带权重多维案例推理的网络故障诊断辅助系统,在应用实践中,该系统展现了较高的诊断效率和准确率.

摘要： 在网络故障的诊断中,利用系统自带的ping命令和ARP协议可以发挥出诊断的快速性和准确性.本文首先对ping命令和ARP协议的定义及关系进行了说明,然后对基于ping命令和ARP协议的网络故障诊断方法的原理、流程以及实际判断结合实例作出分析.

摘要： 通过对整个工厂网络各节点进行远程诊断和监控网络流量,找到核心关键节点,并对全厂网络重新统一规划,完成全厂网络组态及网络拓扑结构的完善,减轻核心交换机的负担,使整个网络的各交换机数据通讯量均衡分布,消除交换机故障概率,保证生产顺利运行.

摘要： 论文简要论述了西门子S7-200PLC以太网通信技术在某公司自动化生产线电气控制系统中的应用,针对其各部分组成元件在现场总线中的作用以及工作中可能出现的常见问题进行分析,加强对采用以太网通信技术控制自动化设备的认知,提高维护人员快速排除现代化网络电气故障能力.

摘要： 针对支持向量机（SVM）在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题，提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数，实现对诊断模型复杂度的优化，并采用小生境粒子群算法进行求解，提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。%The parameters setting and diagnosis model complexity caused by dataset’s huge size affect the SVM’s application in network fault diagnosis. A new method based on niche particle swarm optimization SVM is proposed to solve these problems. The algorithm optimizes SVM training parameters,and the support vectors number is proposed to simplify the diagnosis model complexity as well. The niche particle swarm optimization method was introduced to this optimization problem while it’s excellent ability of escape locally optimal solution. The experiments on DARPA dataset shows that the method can improve the diagnosis model’s generalization and can get faster diagnosis speed.

摘要： 本文利用SNMP获取与故障相关的网络设备MIB值，建立样本库。再通过改进的模糊C均值聚类算法对样本库进行分类，确定聚类中心。利用此聚类中心判断获取到的数据属于哪一类网络故障，从而实现网络故障诊断，证明了模糊C均值聚类算法在网络故障诊断中的可行性。

摘要： 为克服现有故障诊断方案在实时性、预测性和智能化方面的不足,本文基于二叉树SVM多分类方法,设计了网络故障诊断方案,应用于HP Open View网络管理平台之上,提高了网络监控以及故障管理的效能。通过在校网管中心的测试,验证了该方案的可行性和有效性。

摘要： 本文通过对比分析移动代理、人工神经网络以及人工免疫技术优缺点的基础上,构建了基于三种智能技术的新型网络故障诊断系统模型,通过推理分析,得出该模型具有突出的网络故障诊断性能。

摘要： 本文提出了一种基于自主计算思想的网络故障诊断系统的自愈模型,并将Petri网和有限状态自动机理论相结合,对自愈策略的实施过程进行建模.本系统将网络故障诊断和性能保持结合起来,提供网络状态数据的采集、分析、存储和响应功能,同时兼顾应用级和系统级的自愈,减少了自愈时间,降低了自愈成本和周期性应用级自愈策略预测失败的风险,提高了诊断系统自身的可靠性,从而实现对网络计算的全面管理.在该策略中,自愈功能作为自愈对象的函数可以随着网络中各种服务和应用的变化而构造,使得自愈管理成为动态变化的网络成分.实验表明,利用该方法实现的系统在进行网络故障诊断时可以取得较好的效果.

摘要： 网络性能数据的管理方法是影响网络故障诊断器负荷和系统性能的重要因素,它包括如何组织数据、数据分区、数据的访问更新和并发控制以及数据的一致性维护.本文提出一种满足内存数据库实时性、可靠性要求的模块间数据同步的机制,在应用层提供了一种开辟三个缓冲区联合存储失步数据的方法,并建立了相应的保护.该机制对诊断系统的数据处理有较大的改进,起到了提高负荷和系统性的作用.原型系统证实了该方法的可行性,获得了在实时环境中数据同步的技术效果.

摘要： 本文先讲述网络故障诊断分析步骤，指出这个步骤模型有利于培养一种有序的故障排除的思维方式.结合网络维护工作中积累的经验，以典型网络故障实例为基础，探讨了网络故障分析、排除的过程.包括路由表错误引发的故障、由不同操作系统IP冲突而引发的网络故障、受病毒攻击而引起的故障、基于光纤专线的广域网故障四个典型故障分析与处理.最后又讲述与路由器、交换机相关的故障诊断工具.

摘要： 本文首先讨论了在网络故障定位与告警系统中对告警信息的模糊化处理,然后导出了基于产生式规则的模糊推理规则,并介绍了一种基于加权模糊逻辑中结论不确定性的更新算法,实现对网络告警信息的告警过滤和相关性处理.

摘要： 介绍一种基于LonWorks总线和RS485网络技术的小区智能监控系统.该系统由中央监控主机,大楼集中控制器以及家庭控制器终端3部分组成,分别负责报警信息的集中处理,提供RS485与LonWorks间的路由和报警信号采集.分别阐述了各个组成单元的硬件结构及软件实现方法,并介绍了RS485网络故障诊断原理.

摘要： 网络传输过程中的网络时延通常具有非均匀分布性和分区分布现氛如何利用此类网络延迟特征开展系统的稳定性分析与设计工作，近年来受到人们的广泛关注.本文概述了我们在此方向的研究工作，提出了基于时滞概率分布的网络控制系统建模方法，并在此基础上进行了基于连续系统的稳定性分析与故障诊断，以及基于离散系统的稳定性分析与控制设计，最后指出该方向值得进一步研究的问题.

摘要： 网络传输过程中的网络时延通常具有非均匀分布性和分区分布现氛如何利用此类网络延迟特征开展系统的稳定性分析与设计工作，近年来受到人们的广泛关注.本文概述了我们在此方向的研究工作，提出了基于时滞概率分布的网络控制系统建模方法，并在此基础上进行了基于连续系统的稳定性分析与故障诊断，以及基于离散系统的稳定性分析与控制设计，最后指出该方向值得进一步研究的问题.

摘要： 网络传输过程中的网络时延通常具有非均匀分布性和分区分布现氛如何利用此类网络延迟特征开展系统的稳定性分析与设计工作，近年来受到人们的广泛关注.本文概述了我们在此方向的研究工作，提出了基于时滞概率分布的网络控制系统建模方法，并在此基础上进行了基于连续系统的稳定性分析与故障诊断，以及基于离散系统的稳定性分析与控制设计，最后指出该方向值得进一步研究的问题.

摘要： 本发明公开了一种网络故障诊断方法及故障诊断装置，所述故障诊断装置包括远端模块和近端测试模块，所述方法包括：所述远端模块获取当前网络中的网络设备的工作状态参数；所述远端模块从所述工作状态参数中确定与所述第一工作状态参数对应的第一网络设备为需要进行故障诊断的待诊断网络设备；所述远端模块获取所述当前网络的组网配置状态；所述远端模块基于所述组网配置状态，生成对所述待诊断网络设备进行故障诊断的任务管理表，并将所述任务管理表发送至所述近端测试模块；通过所述近端测试模块根据所述任务管理表对所述待诊断网络设备进行故障诊断。实现提供一种准确且专业的网络验收方式的技术效果。

摘要： 本发明提供了一种网络故障诊断方法和诊断系统，通过向网络广播一个“诊断查询”数据包，“诊断查询”数据包要诊断的类型的各被诊断设备收集被诊断设备中的“诊断查询”数据包中要返回的信息类型的信息；“诊断查询”数据包要诊断的类型的各被诊断设备将收集到的信息填写到“诊断信息”数据包，并向网络广播该数据包；当收到“诊断信息”数据包时，判断发送该数据包的设备是否为故障设备，如“是”，向用户提示网络配置信息，并继续监测是否收到“诊断信息”数据包。通过本发明的方法和系统，可以通过远程诊断、获得容量理解的诊断信息。只要网络的物理连接还存在，就可以用这个方法进行诊断，可靠易行。

摘要： 本发明实施例提供一种诊断树建立方法、网络故障诊断方法及其节点，其中，该诊断树建立方法包括：在节点发现故障时，该节点延迟第一预定时间广播建树消息，以建立诊断树；其中，该第一预定时间随机设定；或者根据邻居节点对该节点的接收质量来计算该第一预定时间。该网络故障诊断方法包括：诊断树的中间节点或根节点根据接收的其他节点的诊断结果来修正当前自身的初步诊断结果。通过本发明实施例的诊断树建立、网络故障诊断方法及其节点，能够避免广播包的冲突、提升诊断树建立的完备性；能够实时修正诊断结果，克服信息冗余的问题，并避免上报诊断结果的过程中发生丢包，提高网络诊断的效率和准确性。

摘要： 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。

摘要： 本发明公开了一种网络故障诊断方法及故障诊断装置，所述故障诊断装置包括远端模块和近端测试模块，所述方法包括：所述远端模块获取当前网络中的网络设备的工作状态参数；所述远端模块从所述工作状态参数中确定与所述第一工作状态参数对应的第一网络设备为需要进行故障诊断的待诊断网络设备；所述远端模块获取所述当前网络的组网配置状态；所述远端模块基于所述组网配置状态，生成对所述待诊断网络设备进行故障诊断的任务管理表，并将所述任务管理表发送至所述近端测试模块；通过所述近端测试模块根据所述任务管理表对所述待诊断网络设备进行故障诊断。实现提供一种准确且专业的网络验收方式的技术效果。

摘要： 本发明提供了一种网络故障诊断方法和诊断系统，通过向网络广播一个“诊断查询”数据包，“诊断查询”数据包要诊断的类型的各被诊断设备收集被诊断设备中的“诊断查询”数据包中要返回的信息类型的信息；“诊断查询”数据包要诊断的类型的各被诊断设备将收集到的信息填写到“诊断信息”数据包，并向网络广播该数据包；当收到“诊断信息”数据包时，判断发送该数据包的设备是否为故障设备，如“是”，向用户提示网络配置信息，并继续监测是否收到“诊断信息”数据包。通过本发明的方法和系统，可以通过远程诊断、获得容量理解的诊断信息。只要网络的物理连接还存在，就可以用这个方法进行诊断，可靠易行。

摘要： 本发明涉及一种模糊故障Petri网及其网络故障诊断方法，其技术特点是：模糊故障Petri网包括如下一个11元组：Σ＝(S,T,F,D,G,w,η,θ,γ,M

摘要： 本发明公开了一种基于多尺度残差卷积变分网络故障诊断方法和诊断系统，包括：获取针对机械设备不同传递系统故障的加速度数据，并随机划分为训练样本和测试样本；由至少3个残差卷积变分模块并行学习串接，对每个残差卷积变分模块输出特征向量进行汇总形成总的特征向量，并采用分类模块对总的特征向量进行故障分类，形成多尺度残差卷积变分网络模型，其中，对多尺度残差卷积变分网络模型的初始参数进行设置；采用所述训练样本对多尺度残差卷积变分网络模型进行训练，实现小样本数据下多尺度、深层次的故障特征学习，并将测试样本输入至上述训练好的多尺度残差卷积变分网络模型，以实现对机械设备运行状态的自动辨别和智能诊断。

摘要： 本发明公开了一种车载网络故障诊断方法和诊断装置、存储介质、终端设备，所述方法包括：获取车载网络故障的原始数据，并对原始数据进行处理以获得车载网络故障诊断的数据集；建立优化车载网络故障诊断模型的目标函数；根据目标函数计算适应度值，记录第t次迭代的最优海鸥位置；获取更新后的海鸥位置；获取变异后的最优海鸥位置；在迭代次数达到预设迭代阈值时，将最后一次迭代获得的最优海鸥位置作为车载网络故障诊断模型的模型参数，并将测试数据集输入车载网络故障诊断模型，得到故障诊断结果。本发明的故障诊断方法，能够克服现有海鸥算法的缺陷，显著提升车载网络故障诊断的效果。

摘要： 本发明实施例提供一种诊断树建立方法、网络故障诊断方法及其节点，其中，该诊断树建立方法包括：在节点发现故障时，该节点延迟第一预定时间广播建树消息，以建立诊断树；其中，该第一预定时间随机设定；或者根据邻居节点对该节点的接收质量来计算该第一预定时间。该网络故障诊断方法包括：诊断树的中间节点或根节点根据接收的其他节点的诊断结果来修正当前自身的初步诊断结果。通过本发明实施例的诊断树建立、网络故障诊断方法及其节点，能够避免广播包的冲突、提升诊断树建立的完备性；能够实时修正诊断结果，克服信息冗余的问题，并避免上报诊断结果的过程中发生丢包，提高网络诊断的效率和准确性。