论文部分内容阅读
提高网络故障诊断能力,实现一个快速的故障诊断方案,对于保持和提高网络运行的健壮性,提高网络的修复能力,保障网络上关键任务的成功完成非常重要,同时,提高网络故障诊断能力,对于减少网络故障平均恢复时间,降低网络的维护保障费用具有重要意义。目前网络中存在很多错综复杂、关联耦合的相互关系,并存在大量的不确定因素及不确定信息,使得故障诊断的实施较为困难。因此,寻求对网络故障诊断相关的各种信息的准确描述,并有效处理不确定性知识的模型和方法,一直是研究者们不懈努力的方向。 本文主要研究大规模网络环境下以低代价、快速度为诊断目标的故障诊断模型和方法。论文在介绍网络故障管理应用需求的基础之上,指出了不确定性问题和故障诊断代价问题是当前网络故障诊断面临的主要问题,通过分析和比较常用的故障诊断方法,确定了网络故障诊断研究的具体目标,并对面向对象故障诊断模型,故障分类算法和诊断决策算法开展了深入研究,给出了网络故障管理系统设计和实现方法,本文的主要研究工作包括: 1.结合故障诊断的需求和存在的问题,针对复杂网络故障诊断模型知识表达存在的困难,提出了基于故障症状、故障假设和操作节点结构的网络故障诊断模型SFA,阐述了诊断模型SFA的数学描述与知识构成要素,在SFA诊断模型的基础上,进一步引入面向对象的知识表达方法,建立了面向对象故障诊断模型OOSFA。 2.在诊断模型OOSFA的基础之上,针对目前分类算法中存在训练样本参差不齐,缺乏统一的特征选取标准和学习能力弱等问题,引入了特征选取策略和学习策略,提出了自适应贝叶斯故障分类算法SFC-Bayes,引入了噪声样本优化策略、特征选取策略和多级支持向量机策略,提出了抗噪声支持向量机故障分类算法AFC-SVM,最后我们在特征相似度变化的情况下,分析了两个算法的适用性问题。 3.针对目前诊断决策方法不能解决实际诊断过程中的操作依赖关系,首先证明了在诊断操作相关条件下,求解最优诊断操作序列的过程是NP完全问题,然后结合期望诊断代价函数,分析了P/C算法、P/C更新算法和基于信息熵诊断决策算法,提出了求解最小诊断代价的小生境遗传算法NGAMECD,试验表明,NGAMECD具有良好的性质,它需要的空间可以预测,较普通的遗传算法具有更好的隐式并行性,执行过程中群体能够保持多样性,在有效避免早熟问题的同时算法的收敛速度快,与其它算法比较,算法NGAMECD能够更有效地优化诊断操作序列,实现低代价和快速的故障诊断。 4.设计了分布式网络故障诊断系统DFMS,实现了以故障诊断为核心的网络故障管理原型系统,描述了DFMS系统的数据采集模块、故障诊断模块、策略管理模块和系统通信模块的设计和实现细节。