论文部分内容阅读
为了提高对复杂网络进行故障诊断时的准确率,以及实现故障节点的有效自修复,提出一种多属性加权模糊贝叶斯的复杂网络故障自修复机制。建立贝叶斯网络结构模型,针对故障网络和故障节点进行条件概率估计,实现故障类别诊断。在该模型的基础上引入了多属性值和模糊集合理论进行扩展,提出了一种多属性加权模糊贝叶斯,提升模型对节点进行故障诊断时的灵敏度和准确度。对网络和节点进行故障诊断后,采用网络故障自修复机制,在查找出节点故障类型,采取有效的能量分配方法来修复节点。实验仿真及对比表明,该方法相比基于神经网络的故障诊断方法