战略互联网故障智能诊断策略研究

论文题目: 战略互联网故障智能诊断策略研究

论文类型: 博士论文

论文专业: 计算机应用技术

作者: 李千目

导师: 刘凤玉

关键词: 网络智能诊断,生物免疫学,粗糙集神经网络,拥塞控制,模糊神经网络,支持向量机,自主计算

文献来源: 南京理工大学

发表年度: 2005

论文摘要: 随着新一代战略互联网规模的不断扩大,网络应用不断增加,传统的网络故障诊断系统功能单一、操作复杂、效率低下,已不能满足军网管理的发展需要。如何有效地、安全地、易扩展地管理网络故障是目前迫切需要解决的问题,其中,故障检测、故障定位是故障管理中的关键环节。本文由网络故障的层次传播性出发,从信息的可用性角度,构建一个战略互联网故障诊断问题的合理解决方案。 本文首先针对战略互联网的管理由集中式向分布式的发展趋势,依据动态SNMP代理群的思想,讨论了动态群管理策略(包括组群策略和故障管理模式变更策略),建立了一个自适应分布式诊断模型,并提出了基于易损链路的稳态群首选举算法。在此基础上,本文提出分层分散故障诊断策略,对战略互联网四层结构(物理接入层,链路传送层,网络控制层和应用层)的不同故障特点和状态属性融入不同的检测策略,给出一个较为完整的解决方案。 本文主要研究工作和取得的成果如下: (1) 基于仿生学的免疫原理,将肽链定义为网络中执行的事件检测序列,提出并实现了一种新型的物理层故障节点定位方法—基于生物免疫学的故障定位。该方法首先依据“阳性选择”原则进行事件库设计,对高频度行为模式优先分析和处理,提高了检测的速度和效率。其次,依据故障之间的事件检测序列关联关系,运用图论和邻接矩阵的方法求出根故障集,由故障相关性确定故障源,有效地起到故障过滤和定位的功能。经实验证明,本方法具有很强的实效性。 (2) 基于粗糙集的神经网络理论,提出链路传输层故障诊断的RSNN算法,实现不一致情况下的故障规则获取和学习样本的净化处理。该算法具有简化样本、适应性强、容错性高等特点,能有效处理链路传送层故障诊断中噪声和不相容的信息。由于诊断问题的实质是一种映射,该算法用一种前馈型网络来逼近这种映射关系,实现对故障的有效分类。实验表明,利用该方法实现的系统与同类的其他方法相比,大大提高了诊断准确率和诊断速度。 (3) 运用弱T范数簇模糊神经元,设计出一种基于粗糙模糊神经网络的网络控制层拥塞预测算法(RFNN)。RFNN不仅具有单调性和连续性,而且能满足网络拥塞的推理一致性要求。实验表明,利用RFNN的处理不确定性问题和自学习能力进行流量预测,与传统拥塞预测方法相比,具有较好的效果。 (4) 提出了基于SVM的网络应用层故障检测模型,并对模型各个组件的功能、机制和实现进行了深入探讨。对用于检测的网络数据特征,本文利用异构数据集上的

论文目录:

摘要

Abstract

目录

1 绪论

1.1 引言:信息化战争呼唤网络故障智能诊断技术

1.2 战略互联网的概述

1.3 论文的背景和意义

1.3.1 国内外现状

1.3.2 故障诊断的智能化

1.4 基于动态代理群的分布式自适应网络故障诊断框架

1.4.1 基于动态SNMP代理群的网络故障诊断模型

1.4.2 动态的群管理策略

1.5 战略互联网故障诊断技术的演化和问题

1.5.1 战略互联网故障诊断技术面临的难点

1.6 课题来源

1.7 论文的结构组织

1.8 论文的主要工作

1.9 本章小结

2 基于仿生学思想的物理层故障定位

2.1 引言

2.2 基于免疫学的网络故障定位模型

2.3 事件检测序列及其数学模型

2.4 节点故障状态信息的形式化分析和收集

2.4.1 通过Trap告警采集信息

2.4.2 通过工作站主动轮询采集信息

2.4.3 动态轮询算法

2.5 故障节点检测算法的设计

2.6 实例检验

2.7 本章小结

3 链路传送层故障检测RSNN策略

3.1 引言

3.2 系统原理及实现

3.2.1 状态信息的获取

3.2.2 故障规则提取的粗糙集理论框架

3.2.3 RSNN算法的推导与实现

3.3 实验测试

3.3.1 算法的性能测试与比较

3.3.2 仿真试验及讨论

3.4 本章小结

4 基于RFNN的网络控制层拥塞预测

4.1 引言

4.2 拥塞控制策略

4.2.1 规则提取

4.2.2 用于拥塞预测的RFNN

4.2.3 RFNN满足拥塞推理一致性要求

4.2.4 基于模糊神经网络的流量预测

4.3 仿真及分析

4.3.1 训练和预测

4.3.2 拥塞控制策略性能比较

4.4 本章小结

5 基于支持向量机的网络应用层诊断策略

5.1 引言

5.2 系统结构模型

5.3 特征数据及其预处理

5.4 特征加权

5.5 仿真与实验

5.5.1 训练数据的选取

5.5.2 训练数据及测试数据的构成

5.5.3 实验结果分析

5.6 本章小结

6 网络数据链DUS保障策略

6.1 引言

6.2 网络冗余策略DUS

6.2.1 DUS基本思想

6.2.2 DUS模型分析

6.3 DUS模型仿真实验

6.4 本章小结

7 结论和展望

7.1 下一步的研究方向

7.1.1 网络计算的自愈模型

7.1.2 性能衰退识别

7.1.3 基于决策自恢复的QoS寻径

7.1.4 本节小结

7.2 结论

致谢

参考文献

攻读博士学位期间发表的论文

发布时间: 2005-09-12

参考文献

• [1].网络故障诊断关键技术的研究[D]. 陈琳.国防科学技术大学2005

相关论文

• [1].智能故障诊断中的机器学习新理论及其应用研究[D]. 马笑潇.重庆大学2002
• [2].贝叶斯网络故障诊断与维修决策方法及应用研究[D]. 李俭川.中国人民解放军国防科学技术大学2002
• [3].基于支持向量机的故障智能诊断方法研究[D]. 翟永杰.华北电力大学（河北）2004
• [4].基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学2004
• [5].数据挖掘方法及其在电力系统故障诊断中的应用研究[D]. 何友全.西南交通大学2004
• [6].基于EMD和支持向量机的旋转机械故障诊断方法研究[D]. 杨宇.湖南大学2005
• [7].面向复杂系统生命周期的故障诊断技术研究[D]. 张晓阳.南京理工大学2005
• [8].网络故障智能诊断关键技术研究[D]. 郑秋华.浙江大学2007

标签：网络智能诊断论文;  生物免疫学论文;  粗糙集神经网络论文;  拥塞控制论文;  模糊神经网络论文;  支持向量机论文;  自主计算论文;