基于OPNET的客运专线安全数据网故障建模

客运专线安全数据网络的可靠运行对高铁运输安全至关重要,故障建模是研究该网络可靠性的重要手段.但是,目前对该网络中故障没有进行系统研究,只是针对特定故障对网络的影响,缺乏一种对故障进行分类和建模的方法.针对这个问题,本文提出了采用三层故障体系对客运专线安全数据网络中的故障进行分类,并使用OPNET软件为该网络建立故障模型.该分类方法解决了客运专线安全数据网络故障研究的混乱问题,并且提供了一种对该网络故障模型的方法.     

网络常见故障的分类诊断

网络故障极为普遍,故障种类也十分繁杂。如果把网络常见故障进行归类查找,那么无疑能够迅速而准确的查找故障根源,解决存在问题。文章主要就网络常见故障的分类诊断进行了阐述。     

典型神经网络串联型电弧故障检测及选线方法研究

为解决传统特征分析加机器学习的电弧故障检测方法的准确率和实时性受到特征参数选取的主观性及特征分析过程的影响问题,搭建了三相多负载并联的串联型电弧故障实验系统,对不同支路、不同相发生电弧故障时的干路电流信号时间序列进行分析。将电流信号进行分类、分段、标准化处理并作为检测模型样本;对深度卷积神经网络模型、长短期记忆网络模型、普通神经网络模型进行架构及训练;通过差分处理对网络模型在线分类结果进行优化分析;以准确度和损失函数值、在线测试速度、优化后多分类识别准确率为评价指标,对比分析了3种模型故障检测及选线效果。研究结果表明：基于深度卷积神经网络的串联型电弧故障检测及选线模型对电机类负载故障检测及选线准确率可达96.77%,对变频器类负载故障检测及选线准确率可到98%,准确率高于近几年其他三相回路电弧故障检测模型。     

网络常见故障分类及排查

从网络上获取信息已成为人们日常生活中的一部分，但在使用网络的过程中所存在的故障也极为普遍，故障种类也十分繁杂。那么掌握了一定的网络故障排查知识无疑能够迅速而准确的查找故障根源，解决网络故障。文章主要就网络常见故障的分类及排查进行了阐述。     

粗糙集理论在网络故障诊断系统中的应用

在网络故障诊断系统中，对反映网络信息的MIB变量，利用粗糙集理论可约简出最有利于分类的变量集合，并获得分类的决策规则。实验结果表明：本方法对解决网络故障特征提取，提高故障分类正确性等问题有较好的效果。     

采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位

为快速检测并定位光伏阵列中出现的故障,提出一种新的传感器布局策略,通过优化电压传感器的位置减少电压传感器的数量,同时显化故障的特征.然后,将定位问题转化为分类问题,选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据,对健康状态和所设置的3种故障状态下细化的故障共18种类别,进行分类模型的建立与测试.实验表明,应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.     

网络常见故障的分类诊断

网络故障极为普遍，故障种类也十分繁杂。如果把网络故障的常见故障进行归类查找，那么无疑能够迅速而准确的查找故障根源，解决网络故障。文章主要就网络常见故障的分类诊断进行了阐述。     

网络常见故障的分类诊断

网络故障极为普遍,故障种类也十分繁杂。如果把网络故障的常见故障进行归类查找,那么无疑能够迅速而准确的查找故障根源,解决网络故障。文章主要就网络常见故障的分类诊断进行了阐述。     

高校校园网络故障快速诊断与维护

网络故障极为普遍,故障种类也十分繁杂.如果把网络故障的常见故障进行归类查找,那么无疑能够迅速而准确的查找故障根源,解决网络故障.主要就网络常见故障的分类诊断进行了阐述.     

浅谈网络常见故障及其分类诊断

网络故障极为普遍,故障种类也十分繁杂。如果把网络故障的常见故障进行归类查找,那么无疑能够迅速而准确的查找故障根源,解决网络故障。文章主要就网络常见故障的分类诊断进行了阐述。     

融合技术在小电流单相接地故障诊断中的应用

通过仿真获取三种故障类型对应的故障特征数据,利用BP网络实现对三种故障类型的诊断,并通过测试样本验证该网络能够实现对三种故障类型的正确分类;在实现分类的基础之上,利用D-S融合技术对三种故障进行融合选线,并根据不同的故障类型,修正不同选线方法对应的权值系数,使得融合选线的结果得到进一步提高.     

浅析计算机网络常见故障分类及解决方法

随着计算机的广泛应用和网络的日趋流行,网络技术日新月异,飞速发展的时代里,网络遍及世界各个角落,应用在各行各业,普及到千家万户,它给人们带来了诸多便利的同时,也带来了很多的烦恼。网络故障发生也极为普遍,网络故障的种类也多种多样,要在网络出现故障时及时对出现故障的网络进行维护,以最快的速度恢复网络的正常运行,掌握一套行之有效的网络排除理论、方法和技术是关键。笔者认为在现行的网络管理体制中,由于网络故障的多样性和复杂性,网络故障分类方法也不尽相同。根据网络故障的性质可以分为物理故障与逻辑故障,也可以根据网络故障的对象分为线路故障、路由器故障和主机故障。     

基于原子能量熵和CSM的配电线路故障分类方法

针对配电线路上的故障分类问题,提出了一种结合原子能量熵和连续字符串匹配(CSM)的故障分类方法.通过分析故障信号的暂态特征,利用原子分解法得到故障暂态信号的主导原子以及对故障信息进行补充的次级原子,计算原子能量熵作为故障特征量,较完备地描述了故障特征.应用CSM进行故障分类节省了智能算法故障辨识中参数选择和优化的时间,通过建立的编码规则,将故障特征进行编码,搜索故障编码库,最终确定故障类型.通过仿真研究,验证了该算法的可行性与有效性.     

电气设备热故障及其红外诊断

电气设备故障往往表现为温度分布异常。本文对电气设备热故障的分类及其红外诊断方法,以及在诊断中应注意的问题进行了详细分析。     

基于自组织映射网络的齿轮故障分类识别

分析了自组织映射网络算法，在U-矩阵方法基础上提出了一种改进的可视化训练结果方法，并应用于齿轮故障的模式识别，研究表明，自组织映射网络能对齿轮状态进行正确分类，有效识别故障模式，改进的可视化方法能更加清楚地显示网络训练结果，两者结合可以扩展应用于机械设备的状态监测和故障识别。     

双网卡冗余在嵌入式容错网络中的设计与实现

为了尽量避免嵌入式网络中网络节点故障和链路故障所带来的损失，在容错网络中，需要经过良好设计的故障恢复方案，以便于在网络通信中获取较高的可靠性和易用性。提出并详细介绍了一种基于双网卡的网络冗余方法，该方法包含了故障检测和故障恢复方法，故障检测方法使用链路状态检测与Loop-back检测相结合的方式；故障恢复方法在发现激活物理层故障后，将引导系统使用备用物理层。这种网络冗余方式的实现有效地提高了嵌入式网络设备的通信可靠性，又由于实现方便，造价低，可靠性高的特点，使其在现实的容错网络中获得了广泛的应用。     

故障诊断中的函数连接网络

函数连接网络通过产生一组线性独立的函数，将原输入模式进行了一次非线性扩展后作为单层感知器的输入，从而克服了学习速度慢，易陶于局部极小点的问题，把这种网络用于故障模式分类并和BP网进行比较，由此可看出它的优点。     

基于关联性的卫星通信网链路故障自主识别

针对传统的网络链路故障识别方法往往需要人工参与、准确性有限的不足,提出了一种网络元素关联性的卫星通信网链路故障自主识别算法.该方法通过建立卫星网故障链路识别模型(FLIG),管理节点能够自主地、实时地检测出最可能出现故障的链路.利用该算法对示例网络链路故障进行了分析,并且与经典的非关联性的故障识别方法进行了对比.实验结果表明:所提出的算法考虑网络元素故障之间的作用,结果精确并具有实时性.     

有线电视网络中线路放大器的维护维修

近年来,我国的经济飞速发展,有线电视逐渐走入千家万户的家庭。随着用户的增多和使用年限的延长,有线电视网络会产生各种故障和问题。其中以有线电视网络中线路放大器的故障尤为常见。本文笔者根据多年来的经验,对有线电视网络中放大器日常故障的检测,对故障产生的原因及故障的维修进行了详细的阐述,以期作为参考,更好的服务于广大有线电视用户。     

可诊断非线性电路直流故障的神经网络方法

测后诊断速度和诊断精度是模拟电路故障诊断性能的主要衡量指标。文中将神经网络的自学习和分类技术应用于非线性电路直流故障诊断，把反向传播（ＢＰ）网络训练成一部能诊断软、硬单故障的故障字典。考虑元件参数容差对诊断的影响，提出了优选训练样本的具体方法。此外，重新定义了ＢＰ网络的输出误差函数，使网络在训练时有较大的自由度。ＢＰ网络高度并行的信息处理能力决定了这种新型故障字典的诊断速度非常快。仿真实验结果表明，神经网络方法的综合性能要优于传统的故障字典法。