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.     

局域网故障性质分析与网络故障排查

随着校园网络建设规模的不断扩大,网络出现故障的频率也越来越高。由于网络本身具有多样性和复杂性的特点,当遇到网络故障时,就需要网络管理者利用丰富的实践经验和网络知识进行综合分析。本文就从网络故障的物理故障和逻辑故障两种性质说起,为大家在排查网络故障时提供一些解决方法。     

容差对子网络级故障诊断的影响

本文结合采用间接可测端点作撕裂端点的交叉撕裂诊断法，研究了容差对子网络级故障 诊断的影响．用随机变量分析模拟电路中元件的容差，通过随机模拟实现对容差总的估计，建立 了容差情况下网络级故障诊断的判别式，进而探讨子网络级的故障诊断，提出了元件故障深度、 元件故障的可诊断测度，子网络故障可诊断率等概念．最后，以网络故障的模拟分析来阐明以上 理论．     

计算机网络故障管理智能化的研究

故障管理是计算机网络的管理最基本,最重要的功能。文中针对网络故障管理进行研究,并提出了网络故障管理智能化的方法,为网络故障智能化的进一步发展奠定了基础。     

基于反应式移动代理的主动网络故障检测

任何网络都有可能出现故障 ,能否及时发现故障 ,是提高网络可靠性的关键 .集中式的网络故障管理模式是一种被动的模式 ,任何故障的检测都依赖网络管理站 ;相反 ,主动网络故障检测充分利用被管节点的本地处理能力 ,利用反应式移动代理主动探测本地网络中的故障信息 ,实现网络故障的现场检测 .执行环境是主动网络故障检测系统的重要组成部分 ,为反应式移动代理的编制、管理、运行和迁移提供支持 ,使整个故障检测系统具有更强的自治性和灵活性     

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。     

模拟电路子网络级的故障定位

本文首先给出了一种子网络级故障定位的新算法,它在以下两个方面发展了Salama 等人提出的算法:(1)用诊断故障子网络的五个定理查找故障子网络或故障子区;(2)用蒙特卡洛法处理容差效应.与 Salama 的算法相比,本算法计算量小、可靠、且适用于大容差情况.其次,本文提出的“计算节点电流和的灵敏度”对预先估计子网络的可诊断性具有指导意义.为了简化测后计算,本文采用了非故障子网络的等效模型.最后,给出了线性有源网络和运放μA709的算例,结果是令人满意的。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

基于SDG简化模型的工控系统数据网故障溯源方法

针对工业生产控制系统数据网的故障诊断溯源问题,提出了一种基于SDG简化模型的故障溯源解决方法。首先,基于工业生产控制系统数据网的结构特性,建立系统的SDG模型,通过分层和划域建模的方式缩小故障定位的搜索空间。在此基础上,根据业务告警发生时所提取的观测信号量,结合纵向数据和求生数据进行节点的生存分析;其次,结合工业生产系统数据网中故障特征分析,通过单节点故障判定方法判别各节点设备是否故障;最后,结合溯源诊断规则中故障溯因库的原因分类对网络故障进行根源性判定,实现故障溯源。通过测试验证的方法,验证所提方法在工业生产控制系统数据网中应用的可行性,能满足快速故障溯源的要求。     

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.     

基于MNN的主动力装置故障诊断研究

单神经网络诊断大多已成功应用到实际的故障诊断系统中。而在实际应用中,多层次多故障的复杂系统普遍存在,运用单一结构神经网络在处理复杂故障诊断问题时网络过于庞大,诊断精度降低。对层次分类诊断模型进行研究分析,提出运用多重结构神经网络(MNN)来对主动力装置进行故障诊断研究,诊断结果表明该模型是可行和有效的。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

超立方体网络容错性的概率分析

用概率分析的方法研究在给定结点错误概率的情况下超立方体网络容错性的概率,证明了一个具有1024个结点的10维超立方体网络能够容许多达10%的错误结点而具有99％的概率确保正确结点的连通性;如果结点的错误概率不超过0.1％,则所有实际规模的超立方体网络(结点数可多达1万亿个)能够具有99.9％的概率确保正确结点的连通性.研究结果表明,所提出的方法也能够用于研究其他层次结构的网络和其他网络通信问题.     

基于移动代理的网络故障管理模型

在分析传统集中式网络故障管理局限性的基础上，提出了一种划分域的分级的基于移动代理的网络故障管理模型，并描述该模型的组成和特点。详细地论述了故障管理中的关键部分即网络事件关联的过程，然后介绍了该模型采用的移动代理配置策略和迁移策略。最后，给出了实验过程及其结论和下一步要完成的工作。     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

考虑节点异质性和故障函数的电力信息物理系统风险传播模型

由于电力信息物理系统的耦合建模方法大多数依赖网络拓扑结构划分节点类型,未考虑节点信息的属性,同时也忽略了不同节点类型对风险传播的影响,削弱了对风险预测的能力。因此,提出了一种考虑节点异质性和故障函数的电力信息系统风险传播模型。首先对实际电力网络节点特性以及耦合性特点进行分析,结合节点异质性提出双网节点的表征方法,基于双网物理和逻辑依赖关系,设计了电力信息物理融合系统(cyber physical systems, CPS)表征模型。在此基础上,考虑双网状态交互影响的方向性及节点的依赖性,分析影响风险传播的因素,通过定义基于节点度的故障概率函数,构建了电力CPS风险传播模型。以合成网络和意大利真实数据所建立的耦合网络进行实验分析,证明模型的有效性。     

基于压力信号的小波神经网络往复泵故障诊断

为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.     

基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断

为应对液压举升机故障原因复杂,诊断方法准确性不高等问题,提出一种基于故障树和贝叶斯网络的液压举升机故障诊断方法。首先建立液压举升机构故障树,然后将故障树转换为贝叶斯网络,利用三角模糊函数表示举升机底事件发生概率,得到底事件模糊概率,将其做为先验概率计算叶节点发生概率,进而求得根节点后验概率以及概率重要度,可快速诊断出故障点。