前言：中文期刊網(wǎng)精心挑選了網(wǎng)絡(luò)故障診斷范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。

網(wǎng)絡(luò)故障診斷范文1

關(guān)鍵詞:故障診斷;故障定位;專家系統(tǒng);神經(jīng)網(wǎng)絡(luò);貝葉斯網(wǎng)絡(luò)

中圖分類號(hào):TP393文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2009)31-pppp-0c

Summary on Network Fault Diagnosis Key Technologies

ZHANG Yan

(Suzhou Vocational University, Suzhou 215104, China)

Abstract: As the network failure is inevitable, which requires to manage the network. However, network fault information is usually shown by the complexity and uncertainty of the characteristics, it is necessary for accurate fault detection and location is very difficult, especially the fault location. Focus on the analysis of the fault location based on the principle, introduced artificial intelligence technology such as expert systems, neural networks and Bayesian networks, and the symptoms of failure to carry out the causal link between the reasoning of the fault location technology.

Key words: fault diagnosis; fault localization; expert system; neural network; bayesian network

隨著計(jì)算機(jī)和網(wǎng)絡(luò)應(yīng)用的深入,計(jì)算機(jī)網(wǎng)絡(luò)已經(jīng)成為現(xiàn)代社會(huì)必不可少的基礎(chǔ)設(shè)施。然而,計(jì)算機(jī)網(wǎng)絡(luò)是一個(gè)復(fù)雜的綜合系統(tǒng),網(wǎng)絡(luò)故障不可避免,這就需要行之有效的網(wǎng)絡(luò)故障診斷技術(shù),來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)故障的檢測(cè)、定位并排除,確保網(wǎng)絡(luò)的穩(wěn)定和暢通。

傳統(tǒng)的網(wǎng)絡(luò)故障診斷主要是依據(jù)發(fā)生故障時(shí)的網(wǎng)絡(luò)故障信息,通過(guò)專門(mén)的網(wǎng)絡(luò)分析儀和網(wǎng)絡(luò)操作系統(tǒng)中的故障診斷工具以及網(wǎng)絡(luò)的輪循與告警等方法獲取故障信息,然后根據(jù)故障信息,網(wǎng)絡(luò)專家分析和判斷來(lái)找出產(chǎn)生故障的原因。網(wǎng)絡(luò)的故障診斷是一個(gè)典型的多層多類分類問(wèn)題,通常采用分層診斷的方法[1],沿著OSI七層模型從物理層開(kāi)始向上進(jìn)行逐層診斷,直到網(wǎng)絡(luò)恢復(fù)正常工作為止。

然而,隨著網(wǎng)絡(luò)規(guī)模的急劇擴(kuò)大和結(jié)構(gòu)的日趨復(fù)雜,傳統(tǒng)的依靠網(wǎng)絡(luò)專家以人工方式進(jìn)行的故障診斷已經(jīng)不能滿足需要了。研究開(kāi)發(fā)出一套具備準(zhǔn)確的診斷以及分析處理復(fù)雜、不確定問(wèn)題能力的智能故障診斷技術(shù)已成為當(dāng)務(wù)之急,這也是現(xiàn)在網(wǎng)絡(luò)故障管理領(lǐng)域研究的熱點(diǎn)[2]。

1 網(wǎng)絡(luò)故障診斷概述

通常網(wǎng)絡(luò)故障診斷過(guò)程包括三個(gè)階段[3]:

1) 故障檢測(cè)。故障檢測(cè)是對(duì)網(wǎng)絡(luò)系統(tǒng)的不正常信號(hào)進(jìn)行處理的過(guò)程,這些不正常信號(hào)來(lái)源于網(wǎng)絡(luò)組件的故障或功能失調(diào)。故障檢測(cè)是用來(lái)確定故障源的一個(gè)重要手段。

2) 故障定位,也稱為故障隔離,或事件/告警關(guān)聯(lián)。根據(jù)觀察到的故障癥狀推理出故障所在的精確位置的過(guò)程,故障定位的核心部件是事件關(guān)聯(lián),即把與同一個(gè)源故障相關(guān)的告警進(jìn)行分組。

3) 故障測(cè)試,也稱為故障確認(rèn)。故障定位得到了系統(tǒng)失效的故障假設(shè)之后,需要進(jìn)行進(jìn)一步的測(cè)試來(lái)確認(rèn)故障,然后進(jìn)行恢復(fù)操作,如重啟軟件系統(tǒng)或更換失效的硬件組件等。

當(dāng)前網(wǎng)絡(luò)故障診斷的研究主要集中在故障診斷的第二階段――故障定位,這是網(wǎng)絡(luò)故障診斷的關(guān)鍵技術(shù),也是網(wǎng)絡(luò)故障診斷的難點(diǎn)所在[2-4]。

網(wǎng)絡(luò)故障定位的核心技術(shù)是事件關(guān)聯(lián)技術(shù)。其基本思想是通過(guò)關(guān)聯(lián)多個(gè)事件為某單一概念事例來(lái)過(guò)濾不必要的或不相關(guān)的事件,為網(wǎng)絡(luò)管理員提供事件信息更精簡(jiǎn)的視圖,以準(zhǔn)確、快速的識(shí)別故障源。

由于故障具有傳播性,單個(gè)故障會(huì)產(chǎn)生大量的網(wǎng)絡(luò)告警,在多個(gè)故障同時(shí)發(fā)生時(shí),情況變得更加復(fù)雜。故障定位就是要在故障產(chǎn)生時(shí),把告警事件進(jìn)行關(guān)聯(lián),分離并推斷出故障源的準(zhǔn)確位置。但是網(wǎng)絡(luò)故障定位的主要困難卻是來(lái)自于得到的告警信息太多而不是信息的缺少。而且網(wǎng)絡(luò)的不可靠性和不確定性,使故障定位變得更加復(fù)雜而困難。其主要表現(xiàn)在[4]:

1) 故障證據(jù)可能是模糊的、不一致的和不完整的;

2) 得到的系統(tǒng)知識(shí)可能包含不確定信息;

3) 多個(gè)不相關(guān)的故障可能同時(shí)發(fā)生產(chǎn)生重疊的告警消息;

4) 存在多個(gè)不同的故障假設(shè)能夠解釋觀察到的故障癥狀;

5) 在大型系統(tǒng)中,利用單個(gè)管理應(yīng)用程序?qū)ο到y(tǒng)進(jìn)行故障定位以及對(duì)可用知識(shí)庫(kù)進(jìn)行維護(hù)在計(jì)算上通常是不可行的;

6) 事件之間不僅存在因果關(guān)系,通常還存在時(shí)間相關(guān)性。

針對(duì)上述難點(diǎn),主要的解決方法是引入人工智能技術(shù),進(jìn)行自動(dòng)故障定位,以實(shí)現(xiàn)智能化的故障診斷。目前用于網(wǎng)絡(luò)故障定位的人工智能技術(shù)主要有:專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)等。

2 故障定位技術(shù)

2.1 基于專家系統(tǒng)的故障定位技術(shù)

故障診斷中應(yīng)用最廣泛的人工智能技術(shù)是專家系統(tǒng),專家系統(tǒng)通過(guò)模仿人類專家在解決特定領(lǐng)域時(shí)的行為來(lái)解決問(wèn)題。基于專家系統(tǒng)的故障定位技術(shù)根據(jù)故障診斷領(lǐng)域的專家知識(shí)和經(jīng)驗(yàn),通過(guò)模擬人類專家做出決策的過(guò)程,達(dá)到解決復(fù)雜系統(tǒng)故障診斷的目的。

專家系統(tǒng)由知識(shí)庫(kù)、推理機(jī)、知識(shí)獲取、解釋界面等四部組成,其中知識(shí)庫(kù)用來(lái)存放相關(guān)領(lǐng)域?qū)＜姨峁┑膶ｉT(mén)知識(shí)。在故障檢測(cè)診斷專家系統(tǒng)的知識(shí)庫(kù)中,存儲(chǔ)了某個(gè)對(duì)象的故障征兆、故障模式、故障成因、故障排除意見(jiàn)等內(nèi)容,這些知識(shí)是診斷的基礎(chǔ)。專家系統(tǒng)知識(shí)庫(kù)的知識(shí),可以是從經(jīng)驗(yàn)中獲得的表面知識(shí),也可以是通過(guò)理解系統(tǒng)行為的工作原理而得到的深層知識(shí)。推理機(jī)的功能是根據(jù)一定的推理策略從知識(shí)庫(kù)中選取有關(guān)的知識(shí),對(duì)用戶提供的證據(jù)進(jìn)行推理,直到得出相應(yīng)的結(jié)論為止。

根據(jù)專家系統(tǒng)所使用知識(shí)結(jié)構(gòu)的不同,解決故障定位問(wèn)題的技術(shù)可分為以下幾種:

1) 基于規(guī)則的推理技術(shù)

基于規(guī)則的推理(Rule-based Reason,RBR)是最簡(jiǎn)單的關(guān)聯(lián)技術(shù),己被用于HP Open View Element Management構(gòu)架。通常,基于規(guī)則的系統(tǒng)有三個(gè)組成部分:(1) 推理引擎,包含解決問(wèn)題的策略;(2)知識(shí)庫(kù),包括與特定問(wèn)題有關(guān)的規(guī)則,規(guī)則是指出在什么情況下采取什么措施;(3) 工作存儲(chǔ)區(qū),包含需要處理的問(wèn)題數(shù)據(jù)。

在RBR的事件關(guān)聯(lián)系統(tǒng)中,知識(shí)庫(kù)的專家知識(shí)是網(wǎng)絡(luò)中的問(wèn)題定義。工作存儲(chǔ)區(qū)包括被監(jiān)控網(wǎng)絡(luò)的拓?fù)浜蜖顟B(tài)信息,工作存儲(chǔ)區(qū)用來(lái)識(shí)別網(wǎng)絡(luò)是否出現(xiàn)不完善的狀態(tài)。推理引擎根據(jù)知識(shí)庫(kù)的信息,將當(dāng)前的狀態(tài)與規(guī)則的左側(cè)相比較,查找出最相似的匹配,然后輸出規(guī)則的右側(cè)。

2) 基于模型的推理技術(shù)

基于模型的推理(Model-based Reason,MBR)是現(xiàn)有網(wǎng)絡(luò)故障管理系統(tǒng)中應(yīng)用最廣泛的一種技術(shù)。該方法充分利用現(xiàn)有的系統(tǒng)知識(shí),為具體的現(xiàn)實(shí)系統(tǒng)建立對(duì)應(yīng)的抽象系統(tǒng)模型,再根據(jù)系統(tǒng)模型對(duì)系統(tǒng)行為進(jìn)行預(yù)測(cè),并將預(yù)測(cè)的行為與觀察到的系統(tǒng)實(shí)際行為進(jìn)行比較,然后再對(duì)預(yù)測(cè)的行為和實(shí)際行為間的不一致進(jìn)行診斷。在基于模型的推理系統(tǒng)中,系統(tǒng)模型一般都提供網(wǎng)絡(luò)拓?fù)洹⒉考收虾透婢g的條件關(guān)系等信息。

3) 基于范例的推理技術(shù)

范例是指一段帶有上下文信息的知識(shí),該知識(shí)表達(dá)了推理機(jī)在達(dá)到其目標(biāo)的過(guò)程中能起到關(guān)鍵作用的經(jīng)驗(yàn)。基于范例的推理(Case-based Reason,CBR)根據(jù)過(guò)去的實(shí)際經(jīng)驗(yàn)或經(jīng)歷,對(duì)現(xiàn)有的問(wèn)題做出相應(yīng)的決策。基于范例的推理技術(shù)的推理過(guò)程可以分為4個(gè)部分,分別為檢索(Retrieve)、復(fù)用(Reuse)、修正(Revise)、保存(Retain),簡(jiǎn)稱4R過(guò)程。其中Retrieve過(guò)程從范例庫(kù)中檢索與問(wèn)題匹配度最大的范例,Reuse過(guò)程使用歷史范例來(lái)解決所提出的問(wèn)題,Revise過(guò)程在必要時(shí)修正提出的解決方案,Retain過(guò)程將新的解決方案作為一個(gè)新范例保存到范例庫(kù)中。

2.2 基于神經(jīng)網(wǎng)絡(luò)的故障定位技術(shù)

神經(jīng)網(wǎng)絡(luò)能夠處理復(fù)雜模型,具有聯(lián)想、記憶、推理和抑制噪聲能力,而且信息處理很快,能存儲(chǔ)大量的知識(shí)。神經(jīng)網(wǎng)絡(luò)能夠高效地辨識(shí)給定模式,具有自學(xué)習(xí)能力;神經(jīng)網(wǎng)絡(luò)能夠通過(guò)聯(lián)想能力處理不確定、不完整數(shù)據(jù),因此神經(jīng)網(wǎng)絡(luò)很適合于用于解決故障診斷問(wèn)題。神經(jīng)網(wǎng)絡(luò)只要輸入的模式接近于訓(xùn)練樣本,系統(tǒng)就能進(jìn)行推理。神經(jīng)網(wǎng)絡(luò)克服了專家系統(tǒng)中如果規(guī)則沒(méi)有完全匹配,則會(huì)退出專家系統(tǒng)的缺點(diǎn)。神經(jīng)網(wǎng)絡(luò)還可以運(yùn)用遺傳算法進(jìn)行優(yōu)化,提高神經(jīng)網(wǎng)絡(luò)的性能。

目前神經(jīng)網(wǎng)絡(luò)有兩種診斷模式:

1) 離線診斷:這種診斷模式將學(xué)習(xí)和系統(tǒng)運(yùn)行分開(kāi)。當(dāng)系統(tǒng)出現(xiàn)故障時(shí),把故障信息或現(xiàn)象輸入神經(jīng)網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)通過(guò)自組織和自學(xué)習(xí),輸出故障解決方案。

2) 在線診斷:將神經(jīng)網(wǎng)絡(luò)和系統(tǒng)直接相連,讓系統(tǒng)自動(dòng)獲得故障信息和現(xiàn)象,然后由神經(jīng)網(wǎng)絡(luò)內(nèi)部進(jìn)行自組織和自學(xué)習(xí),把學(xué)習(xí)過(guò)程和運(yùn)行過(guò)程合二為一。

文獻(xiàn)[5]提出一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)故障診斷算法,將知識(shí)系統(tǒng)技術(shù)應(yīng)用于鏈路層故障診斷中,針對(duì)故障診斷問(wèn)題的需要,構(gòu)建一個(gè)故障診斷知識(shí)庫(kù);針對(duì)知識(shí)庫(kù)中可能存在的知識(shí)規(guī)則冗余問(wèn)題,提出基于粗糙集理論的知識(shí)庫(kù)規(guī)則約簡(jiǎn)方案,降低知識(shí)規(guī)則的冗余度;由于診斷問(wèn)題的實(shí)質(zhì)是一種映射,將神經(jīng)網(wǎng)絡(luò)模型引入故障診斷系統(tǒng),用一種前饋型網(wǎng)絡(luò)來(lái)逼近這種映射關(guān)系,神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本來(lái)自于知識(shí)庫(kù)中的知識(shí)規(guī)則,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)故障的分類。

2.3 基于貝葉斯網(wǎng)絡(luò)的故障定位技術(shù)

貝葉斯網(wǎng)絡(luò)是處理不確定性問(wèn)題的新方法,代替了人工智能和專家系統(tǒng)。利用貝葉斯網(wǎng)絡(luò)進(jìn)行告警關(guān)聯(lián)是當(dāng)前研究的一個(gè)熱點(diǎn)[6],貝葉斯網(wǎng)絡(luò)的一個(gè)很重要功能就是能根據(jù)概率理論在原因和結(jié)果之間進(jìn)行不確定性推理。通過(guò)貝葉斯網(wǎng)絡(luò)來(lái)分析通信網(wǎng)絡(luò)中的告警相關(guān)性,可以克服告警時(shí)間的不確定性基于貝葉斯網(wǎng)絡(luò)的故障診斷方法中,通過(guò)模擬被管理網(wǎng)絡(luò)系統(tǒng)的主要組件間的因果關(guān)系使不確定性知識(shí)模型化。

貝葉斯網(wǎng)絡(luò)可以定義為一個(gè)三元組(V,L,P),V是有向非循環(huán)圖中的結(jié)點(diǎn)集,L是結(jié)點(diǎn)之間的因果鏈集,表示它們之間的因果關(guān)系,P是概率集,即P = {p(υ|π(υ)) |υ∈V},π(υ)是υ的父結(jié)點(diǎn),表示一個(gè)變量對(duì)另一個(gè)變量的影響程度。 V由故障集F = {f1, f2, …, fm}和癥狀集S = {s1, s2, …, sn}組成。P= {p(si | fj) | si∈S, fj∈F, i=1, 2, …, n, j=1, 2, …, m}。這里,一個(gè)癥狀可能被多個(gè)故障引發(fā),一個(gè)故障可能引發(fā)多個(gè)故障。假設(shè)模型是完備的,即,若用Fsi表示所有可能引起癥狀si的故障集合,如果Fsi中的故障都沒(méi)發(fā)生,那么癥狀si一定不會(huì)出現(xiàn),反之,如果出現(xiàn)癥狀si,那么Fsi中至少有一個(gè)故障發(fā)生。(下轉(zhuǎn)第8677頁(yè))

(上接第8669頁(yè))

2.4 故障定位技術(shù)分析

基于專家系統(tǒng)的故障診斷方法,知識(shí)的獲取和知識(shí)庫(kù)的構(gòu)建比較困難,開(kāi)發(fā)成本比較高。每種相關(guān)性分析方法在實(shí)際中都有應(yīng)用,單純地使用某一種關(guān)聯(lián)方法構(gòu)建的告警相關(guān)性分析工具經(jīng)常會(huì)顧此失彼,最終使系統(tǒng)不是缺乏學(xué)習(xí)能力,就是邏輯推理能力不足,難以適應(yīng)網(wǎng)絡(luò)發(fā)展的需要。

基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法中,對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的工作量非常大。神經(jīng)網(wǎng)絡(luò)的適應(yīng)性也比較差,不能自動(dòng)適應(yīng)網(wǎng)絡(luò)環(huán)境的變化。基于粗糙集神經(jīng)網(wǎng)絡(luò)的故障診斷方法,將模糊控制技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,雖然結(jié)合了兩者的優(yōu)勢(shì),但實(shí)現(xiàn)起來(lái)就比較困難。

基于貝葉斯網(wǎng)絡(luò)的故障診斷方法可用來(lái)對(duì)不確定和不完整信息中的將來(lái)可能發(fā)生的故障作出推理以提供有效的預(yù)測(cè)。盡管此方法具有許多優(yōu)點(diǎn),但是在實(shí)際的環(huán)境中獲取先驗(yàn)知識(shí)比較困難,限制了其應(yīng)用。而且隨著網(wǎng)絡(luò)的復(fù)雜度增加,貝葉斯網(wǎng)絡(luò)本身的復(fù)雜度呈指數(shù)級(jí)數(shù)增加,所以其計(jì)算量非常大。基于貝葉斯網(wǎng)絡(luò)的不確定性推理技術(shù)己被證明為NP難題。因此,使用貝葉斯網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)故障定位的技術(shù)還有待于改進(jìn)。

此外,除了上述網(wǎng)絡(luò)故障定位技術(shù),還有基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)故障定位技術(shù)、基于Petri網(wǎng)的網(wǎng)絡(luò)故障定位技術(shù)和基于有限狀態(tài)機(jī)的網(wǎng)絡(luò)故障定位技術(shù)等方法。

3 小結(jié)

網(wǎng)絡(luò)故障智能診斷和精確定位相當(dāng)復(fù)雜的問(wèn)題,靠單一技術(shù)很難圓滿解決,只有多種技術(shù)的融合集成處理故障信息,才能實(shí)現(xiàn)高效而精確的網(wǎng)絡(luò)故障定位。本文在研究網(wǎng)絡(luò)故障診斷技術(shù)的基礎(chǔ)上,重點(diǎn)對(duì)網(wǎng)絡(luò)故障智能診斷核心技術(shù)――故障定位進(jìn)行了深入的研究,介紹了基于專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)的故障定位技術(shù),為進(jìn)一步深入研究高效智能故障診斷技術(shù),最終實(shí)現(xiàn)網(wǎng)絡(luò)故障的主動(dòng)預(yù)防打下基礎(chǔ)。

參考文獻(xiàn):

[1] Greg Tomsho.網(wǎng)絡(luò)維護(hù)和故障診斷指南站[M].曉蘇,譯.北京:清華大學(xué)出版社,2003.

[2] Breitbart Y,Garofalakis M, Jai B.Topology discovery in heterogeneous IP networks: the net inventory system[J].IEEE/ACM Transactions on Networking,2004,12 (3):465-476.

[3] ANSI T1.215 OAM&P-Fault Management Messages for Interface between Operations Systems and Network Elements,1994.

[4] 鄭秋華.網(wǎng)絡(luò)故障智能診斷關(guān)鍵技術(shù)研究[D].杭州:浙江大學(xué),2007.

網(wǎng)絡(luò)故障診斷范文2

關(guān)鍵詞：終端網(wǎng)絡(luò)； 故障診斷； 效益

Abstract: with the special line access scale are still growing, it is difficult to through the traditional site maintenance or focus on training methods to solve, therefore, exploring a new solutions to solve the special line fault is very necessary. Based on the user terminal network fault diagnosis system is of it this way can implement the development system, users through the system can quickly terminal malfunction of pretreatment, and greatly reduce the maintenance personnel's workload.

Keywords: terminal network; Fault diagnosis; benefit

中圖分類號(hào)：TN711文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：

1、 課題研究建立

1.1、 問(wèn)題提出

隨著通信運(yùn)營(yíng)商業(yè)務(wù)的快速發(fā)展，專線接入的規(guī)模不斷擴(kuò)大，專線故障次數(shù)日趨增多，導(dǎo)致專線故障率逐步增加。隨著電信重組全業(yè)務(wù)運(yùn)營(yíng)帶來(lái)的契機(jī)，如果專線用戶故障居高不下，將直接影響公司今后數(shù)據(jù)業(yè)務(wù)的發(fā)展。由于專線接入點(diǎn)主要為全市各渠道營(yíng)業(yè)廳，特別是鄉(xiāng)鎮(zhèn)營(yíng)業(yè)廳分散，偏遠(yuǎn)，人員流動(dòng)性大，素質(zhì)參差不齊，隨著業(yè)務(wù)的快速發(fā)展，各營(yíng)業(yè)廳的專線接入規(guī)模將不斷擴(kuò)大，很難通過(guò)傳統(tǒng)的現(xiàn)場(chǎng)維護(hù)或集中培訓(xùn)等方法解決，因此，探索一種解決專線故障的新的解決方案非常必要。

1.2、 問(wèn)題分析

根據(jù)某地市運(yùn)營(yíng)商提取了專線用戶發(fā)展情況和故障情況，并按照故障點(diǎn)所在位置進(jìn)行了分類統(tǒng)計(jì)。用戶端故障是造成專線故障次數(shù)不斷增加的主要原因，用戶端故障占每月專線故障總數(shù)80%以上并成呈逐月增長(zhǎng)趨勢(shì)。通過(guò)以上8個(gè)月的故障統(tǒng)計(jì)，我們得出了每月的平均故障及占比。

我們對(duì)用戶端的故障原因進(jìn)行了分類統(tǒng)計(jì)，結(jié)果發(fā)現(xiàn)用戶端人為故障占用戶端故障次數(shù)的80%左右，是造成用戶端故障次數(shù)不斷增加的根本原因。我們得到故障占比月均值，作出如下餅圖：

對(duì)之前的《故障維護(hù)記錄表》進(jìn)行了討論分析，發(fā)現(xiàn)用戶端大部分故障都是可以通過(guò)用戶自身簡(jiǎn)單處理就能恢復(fù)的，于是我們對(duì)用戶在遇到常見(jiàn)故障的處理能力上提出了質(zhì)疑，帶著這一問(wèn)題，對(duì)100個(gè)曾出現(xiàn)過(guò)故障的專線用戶進(jìn)行了常見(jiàn)故障處理能力調(diào)查，發(fā)現(xiàn)由于專線用戶各方面基礎(chǔ)知識(shí)薄弱，造成了用戶自身原因的故障次數(shù)多，因此提升專線用戶診斷常見(jiàn)故障的技能，將會(huì)是降低專線用戶自身操作問(wèn)題造成的故障次數(shù)的關(guān)鍵。

2、 設(shè)定目標(biāo)

2.1、 總體目標(biāo)

探索出一種幫助用戶診斷網(wǎng)絡(luò)故障的新方法，有效減少用戶端自身操作故障次數(shù)，從而有效解決專線故障問(wèn)題。

2.2、 目標(biāo)值

將專線故障率由35%降低到15%以下。

3、 確定最佳解決方案

3.1、 提出可能的方案

解決目前的問(wèn)題可以有以下三種截然不同的方法來(lái)幫助用戶診斷及處理人為故障，整理親和圖，得到三種可行的方案，轉(zhuǎn)換成樹(shù)圖：

3.2、 從三種方案中進(jìn)行測(cè)試優(yōu)選

（圖3-2：專線傳輸設(shè)備系統(tǒng)）

方案一：基于傳輸設(shè)備的網(wǎng)絡(luò)故障診斷系統(tǒng)

抽取了50個(gè)專線用戶，進(jìn)行了基站端至用戶端的傳輸監(jiān)控，對(duì)其一個(gè)月內(nèi)的故障原因進(jìn)行分類統(tǒng)計(jì)，通過(guò)分析得出，若這50個(gè)專線用戶被納入傳輸設(shè)備系統(tǒng)，經(jīng)驗(yàn)證其人為故障恢復(fù)比為78.26%。

結(jié)論：該系統(tǒng)可對(duì)專線用戶傳輸設(shè)備進(jìn)行實(shí)時(shí)監(jiān)控，能有效定位網(wǎng)絡(luò)故障源的大概位置，方便維護(hù)人員指導(dǎo)專線用戶進(jìn)行故障處理。該系統(tǒng)部署需要大量硬件設(shè)備支撐，需要對(duì)整條鏈路的設(shè)備進(jìn)行統(tǒng)一。

方案二：基于網(wǎng)管監(jiān)控的網(wǎng)絡(luò)故障診斷系統(tǒng)

抽取50個(gè)專線用戶，進(jìn)行了機(jī)房端至基站端的傳輸監(jiān)控，對(duì)其一個(gè)月內(nèi)的故障原因進(jìn)行分類統(tǒng)計(jì)，通過(guò)分析得出，若這50個(gè)專線用戶被納入網(wǎng)管監(jiān)控系統(tǒng)，經(jīng)驗(yàn)證其人為故障恢復(fù)比為69.57%。

結(jié)論：該系統(tǒng)可以對(duì)專線故障做出及時(shí)的反應(yīng)，當(dāng)一條鏈路出現(xiàn)中斷時(shí)，網(wǎng)管系統(tǒng)會(huì)及時(shí)告警，顯示哪條專線中斷，維護(hù)人員可以很快響應(yīng)。每次出現(xiàn)故障后，維護(hù)人員會(huì)馬上與專線用戶取得聯(lián)系，電話指導(dǎo)用戶對(duì)故障進(jìn)行判斷和處理，由于很多故障由用戶自身原因所致，維護(hù)人員工作量較大。

方案三：基于用戶終端的網(wǎng)絡(luò)故障診斷系統(tǒng)

抽取了50個(gè)專線用戶，進(jìn)行了用戶端自身的傳輸監(jiān)控，對(duì)其一個(gè)月內(nèi)的故障原因進(jìn)行分類統(tǒng)計(jì)，通過(guò)分析得出，若這50個(gè)專線用戶被納入用戶終端系統(tǒng)，經(jīng)驗(yàn)證其人為故障恢復(fù)比為82.61%。

結(jié)論：該系統(tǒng)集成了常用的DOS命令測(cè)試工具和終端設(shè)備故障判斷方法，對(duì)用戶判斷終端故障具有指導(dǎo)意義，用戶通過(guò)系統(tǒng)能方便快捷地對(duì)終端故障進(jìn)行預(yù)處理。大大降低了維護(hù)人員的工作量，用戶滿意度較高。

根據(jù)上述的分析和試驗(yàn)結(jié)果，對(duì)比分析各種方案如下表所示：

表3-1：三大方案對(duì)比表

方案 描述 優(yōu)點(diǎn) 缺點(diǎn) 結(jié)論

基于傳輸設(shè)備的網(wǎng)絡(luò)故障診斷系統(tǒng) 在機(jī)房放置一臺(tái)監(jiān)控終端，對(duì)整條專線鏈路設(shè)備進(jìn)行統(tǒng)一更換 1、維護(hù)人員能快速診斷故障并對(duì)其進(jìn)行處理。

2、技術(shù)要求不高。 1、成本昂貴，每條專線需要1000元對(duì)設(shè)備進(jìn)行更換。

2、部分用戶端造成的故障還得不到解決。 故障恢復(fù)比78.26%。

效果較明顯，但成本太大。

基于網(wǎng)管監(jiān)控的網(wǎng)絡(luò)故障診斷系統(tǒng)

在機(jī)房放置一臺(tái)終端電腦和一臺(tái)服務(wù)器，安裝基于網(wǎng)管的診斷系統(tǒng) 1、可對(duì)全網(wǎng)進(jìn)行全天監(jiān)控。

2、對(duì)中斷專線用戶信息反饋及時(shí)。 1、維護(hù)人員事務(wù)較多，每天約2/3時(shí)間與用戶溝通。2、由于用戶素質(zhì)參差不齊，不能及時(shí)解決問(wèn)題。

3、系統(tǒng)開(kāi)發(fā)技術(shù)要求較高。 故障恢復(fù)比69.57%。

效果欠佳

基于用戶終端的網(wǎng)絡(luò)故障診斷系統(tǒng) 在每個(gè)用戶端可任找一臺(tái)普通的Windows系統(tǒng)終端機(jī)進(jìn)行安裝 1、維護(hù)人員工作量降低。

2、用戶可以自己診斷并解決大多數(shù)專線終端故障 1、需對(duì)每條專線的終端安裝診斷系統(tǒng)，初次安裝工作量較大。

2、系統(tǒng)開(kāi)發(fā)技術(shù)要求高。 故障恢復(fù)比82.61%。

從源頭解決問(wèn)題

效果顯著

結(jié)論：由上述比較，最佳方案：研發(fā)基于用戶終端的網(wǎng)絡(luò)故障診斷系統(tǒng)。

4、 制定對(duì)策表并實(shí)施

網(wǎng)絡(luò)故障診斷范文3

摘 要：該報(bào)告總結(jié)了2014年度觀測(cè)網(wǎng)絡(luò)故障診斷與遠(yuǎn)程維護(hù)系統(tǒng)的技術(shù)研究和系統(tǒng)研制進(jìn)展情況，在2013年度技術(shù)研究和試驗(yàn)測(cè)試的基礎(chǔ)上，該年度重點(diǎn)進(jìn)行了系統(tǒng)的優(yōu)化設(shè)計(jì)、系統(tǒng)內(nèi)的集成測(cè)試以及參與大系統(tǒng)的陸上集成聯(lián)試。觀測(cè)網(wǎng)絡(luò)故障診斷與遠(yuǎn)程維護(hù)系統(tǒng)由光學(xué)故障診斷分系統(tǒng)、電學(xué)故障診斷分系統(tǒng)和岸站故障診斷管理軟件三個(gè)部分組成。2014年度的主要工作和取得的技術(shù)進(jìn)展包括：（1）完成詳細(xì)設(shè)計(jì)報(bào)告評(píng)審：2014年7月，在成都組織召開(kāi)了課題詳細(xì)設(shè)計(jì)報(bào)告評(píng)審會(huì)，7名業(yè)內(nèi)專家參會(huì)，一致認(rèn)為該詳細(xì)設(shè)計(jì)可作為本課題系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)的依據(jù)。（2）修改完善系統(tǒng)內(nèi)部和外部接口設(shè)計(jì)：主要是岸站故障診斷管理軟件與電學(xué)故障診斷分系統(tǒng)之間的數(shù)據(jù)接口（系統(tǒng)內(nèi)部接口）、岸站故障診斷管理軟件與岸基運(yùn)行控制管理系統(tǒng)（清華大學(xué)承研，系統(tǒng)外部接口）。（3）修改完善室內(nèi)檢測(cè)大綱，完成系統(tǒng)聯(lián)調(diào)測(cè)試：在2013年擬制的室內(nèi)檢測(cè)大綱基礎(chǔ)上，重點(diǎn)針對(duì)岸站故障診斷管理軟件的功能進(jìn)行了細(xì)化與調(diào)整，并進(jìn)行了多次室內(nèi)測(cè)試。（4）制定陸上集成聯(lián)試大綱，初步完成與其他系統(tǒng)的集成調(diào)試。按照總體單位的安排，于10月10日進(jìn)場(chǎng)，在江蘇南通中天科技海纜廠房，進(jìn)行了系統(tǒng)自檢測(cè)試以及與岸基運(yùn)行控制系統(tǒng)、主次接駁盒和各類傳感器的聯(lián)調(diào)測(cè)試。

關(guān)鍵詞：故障診斷 接口設(shè)計(jì) 系統(tǒng)調(diào)試 陸上集成聯(lián)試 網(wǎng)絡(luò) 管理軟件

Abstract： This report describes the research and design work in 2014 of “Observing Network Malfunction Diagnosis and Remote Maintanence System” project. The main progress made in this year includes revisions of system design and implementation， thorough test of the integrated system and test of the whole system on land on the basis of researches made in 2013. The system composes of three parts： optical malfucntion diagnosis subsystem， electrical malfucntion diagnosis subsystem and offshore malfucntion diagnosis and maintanence software. The main work includes：（1）System detailed design conference was held in Chengdu， Sichuan. Seven experts were invited to attend the meeting and the design is allowed to act as the guide of the following system implementation.（2）Revisions of internal and external interface of software and hardware modules have been made， including those between electrical malfucntion diagnosis subsystem and offshore malfucntion diagnosis and maintanence software （internal interface）， offshore malfucntion diagnosis and maintanence software and offshore maintanence software （external interface）.（3）Revisions of test guide in labotory have been made and several system tests have been carried out. The main work focuses on the adjustment of offshore malfucntion diagnosis and maintanence software.（4）Inter-system test guide is written and we take part in the inter-system test held in Nantong， Jiangsu. System self-tests have been implemented and tests between our system and offshore maintanence software， interface nodes and sensors have been made.

Key Words： Malfunction diagnosis； Interface design； System test in lab； Inter-system test

閱讀全文鏈接（需實(shí)名注冊(cè)）：http：///xiangxiBG.aspx？id=88582&flag=1

網(wǎng)絡(luò)故障診斷范文4

關(guān)鍵詞:粗糙集; 信息熵; 離散化; 神經(jīng)網(wǎng)絡(luò); 故障診斷

中圖分類號(hào):TP212文獻(xiàn)標(biāo)志碼:A

Fault diagnosis of BP neural network based on

rough set and information entropy

WANG Faxing1, SHEN Yonghong2

(1. Tongda College, Nanjing Univ. of Post & Telecommunications, Nanjing 210046, China;

2. School of Mathmatics & Statistics, Tianshui Normal Univ., Tianshui Gansu 741000, China)

Abstract: Rough set can only process quantization data, and the ability of fault-tolerant and generalization is weak, meanwhile, BP neural network has the dimension disaster problem. So a rough set attribute discretization method based on information entropy is proposed. The attribute is reduced to solve the dimension disaster problem of BP neural network. BP neural network is used to deal with the pattern classification to make up for the shortcoming brought by attribute reduction. The example result shows that the method has better performance for fault diagnosis.

Key words: rough set; information entropy; discretization; neural network; fault diagnosis

收稿日期:2009-05-08修回日期:2009-08-28

作者簡(jiǎn)介: 王發(fā)興(1981―),男,甘肅武威人,講師,碩士,研究方向?yàn)樾〔ǚ治龊陀?jì)算機(jī)仿真等,(E-mail)

0引言

粗糙集理論是PAWLAK教授于20世紀(jì)80年代提出的1種新的處理模糊和不確定性知識(shí)的數(shù)學(xué)工具,具有無(wú)須提供除問(wèn)題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息,僅根據(jù)觀測(cè)數(shù)據(jù)刪除冗余信息,比較不完整知識(shí)的程度――粗糙度、屬性間的依賴性和重要性來(lái)抽取分類規(guī)則等的能力,其主要思想就是在保持系統(tǒng)分類能力不變的前提下,通過(guò)知識(shí)約簡(jiǎn),導(dǎo)出問(wèn)題的決策或分類規(guī)則.目前,粗糙集理論已被廣泛應(yīng)用于機(jī)器學(xué)習(xí)、決策分析、模式識(shí)別與數(shù)據(jù)挖掘、故障診斷等領(lǐng)域.[1]

粗糙集模式識(shí)別的核心思想是首先導(dǎo)出問(wèn)題的決策或分類規(guī)則,然后以此構(gòu)成識(shí)別器對(duì)待識(shí)樣本數(shù)據(jù)進(jìn)行識(shí)別.當(dāng)待識(shí)樣本數(shù)據(jù)滿足分類規(guī)則的條件時(shí)都會(huì)得到準(zhǔn)確的識(shí)別結(jié)果,但當(dāng)條件不滿足時(shí)往往會(huì)有識(shí)別錯(cuò)誤或不能識(shí)別的現(xiàn)象發(fā)生,其容錯(cuò)能力和推廣能力相對(duì)較弱.BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中最具代表性的1種,具有較強(qiáng)的模式分類能力,且容錯(cuò)能力和推廣能力相對(duì)較好.但當(dāng)網(wǎng)絡(luò)維數(shù)較大或輸入樣本較多時(shí),網(wǎng)絡(luò)訓(xùn)練時(shí)間過(guò)于冗長(zhǎng).鑒于以上分析,在文獻(xiàn)[1]中給出基于信息熵的屬性離散化方法的基礎(chǔ)上,本文克服粗糙集和BP神經(jīng)網(wǎng)絡(luò)各自用于模式識(shí)別時(shí)的缺點(diǎn),將兩者加以結(jié)合,從而建立1種基于新的離散化算法的粗糙集和BP神經(jīng)網(wǎng)絡(luò)故障診斷識(shí)別模型,以期在故障診斷識(shí)別中能取得更好的應(yīng)用效果.

1粗糙集理論和信息熵

1.1粗糙集理論

1.1.1知識(shí)表達(dá)系統(tǒng)和決策系統(tǒng)

定義1在粗糙集理論[2-7]中,知識(shí)表達(dá)系統(tǒng)被定義為1個(gè)四元組S=(U,A,V,f).其中U={x,x2,…,xn}為對(duì)象的非空有限集合,也稱為論域;A={a1,a2,…,am}為屬性的非空有限集合;V為屬性值域,V=∪a∈AVa;f:U×AV為一信息函數(shù),表示對(duì)每一a∈A,x∈U,f(x,a)∈Va.當(dāng)上述知識(shí)表達(dá)系統(tǒng)中屬性A=C∪D,C∩D=Φ,其中C為條件屬性集,D為決策屬性集時(shí),也稱知識(shí)表達(dá)系統(tǒng)為決策系統(tǒng).該系統(tǒng)通常采用決策表表達(dá).[2-5]

1.1.2不可分辨關(guān)系

不可分辨關(guān)系是粗糙集理論中的1個(gè)重要概念.在決策表中,描述對(duì)象的屬性是1種不精確信息,這種不精確信息造成對(duì)象之間是不可分辨或不分明的,觀察這種不可分辨關(guān)系的對(duì)象正是粗糙集理論研究的出發(fā)點(diǎn).

定義2S為知識(shí)表達(dá)系統(tǒng),若PA,則定義屬性集P的不可區(qū)分關(guān)系ind(P)為:

ind(P)={(x,y)∈U×U,a∈P,f(x,a)=

f(y,a)}(1)

如果(x,y)∈ind(P),則稱x和y是P不可分辨的.不可分辨關(guān)系實(shí)際上是1種等價(jià)關(guān)系,具有不可分辨關(guān)系的對(duì)象是屬性值完全相同的對(duì)象.符號(hào)U/P表示不可分辨關(guān)系ind(P)在U上導(dǎo)出的劃分,稱ind(P)中的等價(jià)類為P基本類.

1.1.3粗糙集的下近似、上近似及正域

定義3令XU,R是U上的1個(gè)等價(jià)關(guān)系.當(dāng)X為R的某些等價(jià)類的并時(shí),稱X是R可定義的,否則稱X是R不可定義的.稱R可定義集為R精確集,稱R不可定義集為R粗糙集.粗糙集可以用兩個(gè)精確集,即粗糙集的下近似和上近似描述.其定義[3-6]如下:R-(X)=∪{YU/R|Y∩X≠Φ}(2)

R-(X)=∪{YU/R|YX}(3)其中,也稱POSR(X)=R-(X)為X的R正域.

1.1.4屬性約簡(jiǎn)

在決策表中,不同的條件屬性具有不同的重要程度,一些屬性可提供豐富的信息,對(duì)產(chǎn)生決策起著至關(guān)重要的作用,而其他一些屬性卻似乎可有可無(wú).因此,可以在保證決策表具有正確分類能力的同時(shí),對(duì)條件屬性進(jìn)行約簡(jiǎn),去掉不必要的冗余信息.這就涉及到對(duì)屬性約簡(jiǎn)的問(wèn)題,其定義[3-4,6-7]如下:

定義4對(duì)于一給定的知識(shí)表達(dá)系統(tǒng)S=(U,A,V,f),條件屬性C的約簡(jiǎn)是C的1個(gè)非空子集P.它滿足:(1)a∈P,a都是D不可省略的;(2)POSP(D)=POSC(D),則稱P是C的1個(gè)約簡(jiǎn).

1.2信息熵

信息熵可表征信源整體的統(tǒng)計(jì)特征,是總體平均不確定性的量度.對(duì)于某一特定的信息源,其信息熵就只有1個(gè),不同的信息源,因統(tǒng)計(jì)特性不同,其熵也不同.SHANNON定義自信息的數(shù)學(xué)期望為信息熵,即信息源的平均信息量H(X)=E[-log P(xi)]=-Ni=1P(xi)log P(xi)(4)式中:P(xi)表示事件xi發(fā)生的先驗(yàn)概率.

給定知識(shí)表達(dá)系統(tǒng)S和U為論域,P為U上的等價(jià)關(guān)系,令U/P={X1,X2,…,Xn},記P(Xi)=|Xi||U|,則依據(jù)式(4),可定義知識(shí)P的熵[8]為:H(P)=-ni=1P(Xi)log P(Xi)(5)2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及BP算法

2.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)是指具有非線性傳遞函數(shù)神經(jīng)元構(gòu)成的、采用誤差反向傳播算法(BP算法)的前饋網(wǎng)絡(luò),在各領(lǐng)域有廣泛的應(yīng)用.[9-10]該網(wǎng)絡(luò)通常由輸入層、隱層(一層或多層)和輸出層組成,層與層之間多采用全互聯(lián)方式,同一層單元之間不存在相互連接,層間的連接權(quán)值和節(jié)點(diǎn)的閾值通過(guò)學(xué)習(xí)調(diào)節(jié).理論上已證明,1個(gè)單隱層BP網(wǎng)絡(luò)可以實(shí)現(xiàn)任意維到維的非線性連續(xù)映射,而且各節(jié)點(diǎn)均采用Sigmoid函數(shù)時(shí),1個(gè)隱含層就足以實(shí)現(xiàn)任意判別分類問(wèn)題.[11]常見(jiàn)的3層BP網(wǎng)絡(luò)模型結(jié)構(gòu)見(jiàn)圖1.圖 13層BP神經(jīng)網(wǎng)絡(luò)模型

2.2BP算法

BP算法是建立在梯度下降法基礎(chǔ)上的適合于多層神經(jīng)元網(wǎng)絡(luò)的1種網(wǎng)絡(luò)學(xué)習(xí)算法,主要思想是將學(xué)習(xí)過(guò)程分為2個(gè)階段[8]:第1階段(正向傳播過(guò)程),給出輸入信息通過(guò)輸入層經(jīng)隱含層逐層處理并計(jì)算每個(gè)單元的實(shí)際輸出值;第2階段(反向過(guò)程),若在輸出層未能得到期望的輸出值,則逐層遞歸地計(jì)算實(shí)際輸出與期望輸出之差值(即誤差),以便根據(jù)此差調(diào)節(jié)權(quán)值,就是可對(duì)每個(gè)權(quán)重計(jì)算出接受單元的誤差值與發(fā)送單元的激活值的積.因?yàn)樵摲e與誤差對(duì)權(quán)重的(負(fù))微商成正比,將其稱作權(quán)重誤差微商.權(quán)重的實(shí)際改變可由權(quán)重誤差微商逐個(gè)模式地計(jì)算出來(lái),即它們可以在該組模式上進(jìn)行累加.

3故障診斷模型

3.1基于信息熵的粗糙集屬性離散化方法

對(duì)于決策表S=(U,C∪D,V,f),對(duì)每個(gè)連續(xù)型條件屬性a∈C,論域中其有限個(gè)屬性值經(jīng)過(guò)排序后為la=va0

對(duì)于斷點(diǎn)cai,決策屬性值為j(j=1,2,…,r(d))的實(shí)例中,屬于集合X且屬于a的值又小于斷點(diǎn)值cai的實(shí)例個(gè)數(shù)記為lXj(cai),大于斷點(diǎn)cai的實(shí)例個(gè)數(shù)記為rXj(cai),令lX(cai)=r(d)j=1lXj(cai)rX(cai)=r(d)j=1rXj(cai)(7)因此,斷點(diǎn)cai可以將集合X分成兩個(gè)子集Xl和Xr,且有H(Xl)=-r(d)j=1pj log2pj, pj=lXj(cai)lX(cai)(8)

H(Xr)=-r(d)j=1qj log2qj, qj=rXj(cai)rX(cai)(9)因此,定義斷點(diǎn)cai針對(duì)集合X的信息熵為HX(cai)=|Xl||U|H(Xl)+|Xr||U|H(Xr)(10)綜合以上所述,可給出如下基于信息熵的屬性離散化算法,為此首先引進(jìn)記號(hào):記P為已選取的斷點(diǎn)集合;B為候選斷點(diǎn)的集合;H為決策表信息熵;Va為屬性a的值域;初值由式(6)取為H=H(X),其算法步驟如下:

(1)P=Φ,H=H(X);

(2)計(jì)算對(duì)每個(gè)斷點(diǎn)c∈B針對(duì)集合X的信息熵,記為H(c,X);

(3)若H≤min{H(c,X)}或者min{H(c,X)}=0,則結(jié)束并轉(zhuǎn)式(10),否則轉(zhuǎn)式(4);

(4)選擇使H(c,X)最小的斷點(diǎn)cmin加到P中,B=B-{cmin};

(5)由步驟(4),斷點(diǎn)cmin將集合X劃分成X1和X2兩類,依據(jù)步驟(2)針對(duì)X1和X2分別計(jì)算使得H(c,X1)和H(c,X2)取得最小的斷點(diǎn),分別記為cmin1和cmin2;

(6)若min{H(c,X1)}

若min{H(c,X1)}>min{H(c,X2)},則轉(zhuǎn)(8);否則轉(zhuǎn)(9);

(7)令X=X2,H=H(X2),轉(zhuǎn)(2);

(8)令X=X1,H=H(X1),轉(zhuǎn)(2);

(9)選取X1和X2中斷點(diǎn)數(shù)目較少的集合記為Xr(r=1 or 2),并令X=Xr,H=H(Xr),轉(zhuǎn)(2);

(10)對(duì)任一屬性a,若存在斷點(diǎn)ca∈P,而ca=min{Va}或ca=max{Va},則依據(jù)離散化時(shí)區(qū)間的選擇對(duì)得到的斷點(diǎn)集P進(jìn)行檢查,從而決定對(duì)斷點(diǎn)ca進(jìn)行取舍.

3.2BP神經(jīng)網(wǎng)絡(luò)故障診斷模型的構(gòu)建

3.2.1故障診斷系統(tǒng)結(jié)構(gòu)

故障診斷系統(tǒng)的結(jié)構(gòu)框圖見(jiàn)圖2.圖 2故障診斷系統(tǒng)結(jié)構(gòu)

3.2.2構(gòu)建過(guò)程及步驟

構(gòu)建過(guò)程及步驟如下:

(1)構(gòu)造學(xué)習(xí)樣本集.從收集的原始數(shù)據(jù)中產(chǎn)生所需要的學(xué)習(xí)樣本,數(shù)據(jù)的多少取決于許多因素,如神經(jīng)網(wǎng)絡(luò)的大小,測(cè)試的需要及輸入、輸出的分布等.其中,網(wǎng)絡(luò)大小最為關(guān)鍵,通常較大的網(wǎng)絡(luò)需要較多的訓(xùn)練數(shù)據(jù).

(2)連續(xù)屬性的離散化及決策表的形成.基于粗糙集的算法對(duì)數(shù)據(jù)的要求之一就是屬性必須是離散值.然而,在實(shí)際應(yīng)用領(lǐng)域,相當(dāng)多的數(shù)據(jù)是連續(xù)的,因此要對(duì)數(shù)據(jù)進(jìn)行離散化處理.采用離散化后的條件屬性和決策屬性值形成1張二維表格,每行描述1個(gè)對(duì)象,每列對(duì)應(yīng)對(duì)象的1種屬性.

(3)屬性約簡(jiǎn).對(duì)離散化后的數(shù)據(jù)利用粗糙集進(jìn)行約簡(jiǎn), 得到約簡(jiǎn)后各子神經(jīng)網(wǎng)絡(luò)輸入.

(4)將約簡(jiǎn)后的屬性數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入,并訓(xùn)練神經(jīng)網(wǎng)絡(luò).

(5)輸入診斷集進(jìn)行故障診斷,并輸出診斷結(jié)果.[12]

4應(yīng)用實(shí)例

選取文獻(xiàn)[11]中給出的某變壓器的20組故障診斷樣本數(shù)據(jù)對(duì)本文所述方法進(jìn)行可行性與有效性分析.所構(gòu)建的故障診斷決策表見(jiàn)表1,其中,A={s1,s2,s3,s4,s5}表示條件屬性,分別表示所測(cè)的變壓器中H2,CH4,C2H6,C2H4和C2H2的相對(duì)值;D為決策屬性,有5種決策值,分別是無(wú)故障、低溫放電、高溫放電、低能量放電和高能量放電.

對(duì)表1樣本數(shù)據(jù)進(jìn)行基于信息熵的粗糙集屬性離散化方法處理后,所得結(jié)果見(jiàn)表2.表 1變壓器故障診斷決策表序號(hào)s1s2s3s4s5D146.1711.3733.128.520.620241.8833.5114.558.760.540333.4629.3232.9927.782.550446.8135.988.457.490.310515.2221.9817.8546.920.00160.8943.8827.0427.980.001735.1350.968.155.650.001837.9830.957.8723.010.001911.1921.7911.3052.982.392100.9516.0112.8968.410.9621115.0322.193.2657.961.0321220.0831.073.9843.221.5321358.0118.664.688.629.7831486.996.485.281.030.0031585.866.984.512.560.0031683.687.964.452.720.5631720.2316.961.6924.7434.5241826.8616.762.9838.9613.6141943.9224.416.6223.910.5442048.1210.884.2322.4623.684

表 2離散化后故障診斷決策表序號(hào)s1s2s3s4s5D1524350245443033546704553220514471161546117353111835351191347721012475211141762121517721373337314713113157121131671214317221684182216841944363420622584

按照粗糙集理論所給出的基于差別矩陣的屬性約簡(jiǎn)算法進(jìn)行約簡(jiǎn)后形成如下3個(gè)約簡(jiǎn)屬性組合,分別為{s1,s3,s5},{s1,s4,s5}和{s1,s2,s3}.任選其中1組作為輸入節(jié)點(diǎn)構(gòu)建神經(jīng)網(wǎng)絡(luò).不妨取約簡(jiǎn)屬性集{s1,s3,s5},由于故障類別共分為5種,因此選輸出節(jié)點(diǎn)為5個(gè),選隱層節(jié)點(diǎn)為6個(gè),誤差精度為0.001.利用樣本數(shù)據(jù)對(duì)所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,其誤差曲線見(jiàn)圖3.網(wǎng)絡(luò)經(jīng)過(guò)61次訓(xùn)練就達(dá)到預(yù)定精度要求.

圖 3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

利用表2所給待識(shí)樣本數(shù)據(jù)對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn),其結(jié)果見(jiàn)表3.從檢驗(yàn)結(jié)果分析,與文獻(xiàn)[11]中的識(shí)別結(jié)果基本一致,僅有對(duì)樣本8的識(shí)別結(jié)果不相一致.在文獻(xiàn)[11]中對(duì)實(shí)際故障為中溫過(guò)熱的樣本8識(shí)別結(jié)果為低溫過(guò)熱,而此處識(shí)別結(jié)果為高溫過(guò)熱.雖然兩者識(shí)別結(jié)果有些差異,但兩者對(duì)故障類型的認(rèn)定完全一致.因此,本文所構(gòu)建的故障診斷模型具有一定的可行性與有效性.

表 3故障診斷及診斷結(jié)果(最后1列為檢驗(yàn)結(jié)果)序號(hào)實(shí)際故障H2CH4C2H6C2H4C2H2檢驗(yàn)結(jié)果1正常7.35.73.42.73.102低溫過(guò)熱12012033830.5413局部高溫過(guò)熱20.619.87.560.91.5224鐵心多點(diǎn)接地4297156598025有局部放電1563933446036工頻續(xù)流放電200471511512947層間絕緣不良98121322951528中溫過(guò)熱58761822029圍頻放電31.25.41.312.513.1410磁路高溫過(guò)熱7251813912995.82

5結(jié)論

隨著設(shè)備結(jié)構(gòu)的日趨復(fù)雜,故障類別也日趨多樣,因此在實(shí)際生活中,對(duì)故障類別的診斷顯得尤為重要.在實(shí)際故障診斷中采集到的數(shù)據(jù)往往是1個(gè)真實(shí)的數(shù)據(jù),而且這些數(shù)據(jù)樣本的分類邊界不確定,故障與征兆之間的關(guān)系往往也不確定.本文在分析粗糙集和BP神經(jīng)網(wǎng)絡(luò)各自用于故障識(shí)別時(shí)的優(yōu)缺點(diǎn)的基礎(chǔ)之上,充分將兩者的優(yōu)點(diǎn)進(jìn)行有機(jī)結(jié)合,并針對(duì)粗糙集只能處理量化數(shù)據(jù)的特點(diǎn),給出1種基于信息熵的粗糙集屬性離散化方法,從而建立1種新的故障診斷模型.通過(guò)對(duì)應(yīng)用實(shí)例的分析發(fā)現(xiàn),該模型對(duì)所給樣本基本都進(jìn)行準(zhǔn)確識(shí)別,且與文獻(xiàn)[8]相比,所需屬性數(shù)更少.因此,該模型的提出將為有效進(jìn)行故障識(shí)別以及其他諸如識(shí)別、分類等領(lǐng)域應(yīng)用問(wèn)題的解決提供更多可靠性方法.

參考文獻(xiàn):

[1]沈永紅, 王發(fā)興. 基于信息熵的粗糙集屬性離散化方法及應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2008, 44(5): 221-224.

[2]郭小薈, 馬小平. 基于粗糙集的故障診斷特征提取[J]. 計(jì)算機(jī)工程與應(yīng)用, 2007, 43(1): 221-224.

[3]胡壽松, 何亞群. 粗糙決策理論與應(yīng)用[M]. 北京: 北京航空航天大學(xué)出版社, 2006: 4-51.

[4]PAWLAK Z.ROUGH set[J].Int J Comp & Infor Sci, 1982, 11(5): 341-356.

[5]曾黃麟. 粗集理論及其應(yīng)用[M]. 重慶: 重慶大學(xué)出版社, 1998: 8-41.

[6]王國(guó)胤. Rough集理論與知識(shí)獲取[M]. 西安: 西安交通大學(xué)出版社, 2001: 117-140.

[7]梁吉業(yè), 孟曉偉. 信息熵在粗糙集理論中的應(yīng)用[J]. 山西大學(xué)學(xué)報(bào): 自然科學(xué)版, 2002, 25(3): 281-284.

[8]袁曾任. 人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M]. 北京: 清華大學(xué)出版社, 1999: 66-68.

[9]馬維國(guó). 紡紗生產(chǎn)BP神經(jīng)網(wǎng)絡(luò)模型[J]. 2004, 13(3): 57-59.

[10]張長(zhǎng)君, 鄒開(kāi)其. 惡劣氣象條件下高速公路匝道控制的神經(jīng)網(wǎng)絡(luò)方法[J]. 計(jì)算機(jī)輔助工程, 2006, 15(3): 86-88.

網(wǎng)絡(luò)故障診斷范文5

關(guān)鍵詞：故障診斷，軟硬件故障

1、緒論

當(dāng)前，全球網(wǎng)絡(luò)高速發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)已經(jīng)在普通用戶中廣泛使用，與此同時(shí)，網(wǎng)絡(luò)故障也變的極為普遍，然而，由于計(jì)算機(jī)網(wǎng)絡(luò)自身的復(fù)雜性，維修保障非常困難。用戶在計(jì)算機(jī)網(wǎng)絡(luò)使用中，常常分辨不出網(wǎng)絡(luò)故障原因，不知道究竟是軟件故障，還是硬件故障。一旦發(fā)現(xiàn)問(wèn)題，他們除了進(jìn)行常規(guī)硬件檢查和軟件系統(tǒng)重啟等簡(jiǎn)單操作外，對(duì)于整體故障，尤其是軟件失效引起的故障，常常毫無(wú)辦法，本文首先簡(jiǎn)單介紹故障診斷相關(guān)術(shù)語(yǔ)，進(jìn)而簡(jiǎn)述計(jì)算機(jī)網(wǎng)絡(luò)軟硬件故障特性，結(jié)合診斷實(shí)例，綜述計(jì)算機(jī)網(wǎng)絡(luò)故障的排除。

2、計(jì)算機(jī)網(wǎng)絡(luò)軟硬件故障特性

雖然有各式各樣的網(wǎng)絡(luò)故障，但所有的故障總體可分為物理故障與邏輯故障，也就是通常所說(shuō)的硬件故障與軟件故障，因此具有典型的軟件故障特征。許多故障和征兆之間常常不存在一一對(duì)應(yīng)的簡(jiǎn)單關(guān)系，維修難度大。總的說(shuō)來(lái)，故障具有如下特性：

層次性：這是故障的“縱向性”。計(jì)算機(jī)網(wǎng)絡(luò)，結(jié)構(gòu)可劃分為系統(tǒng)、子系統(tǒng)、模塊、部件等各個(gè)層次，其功能也可劃分為若干層次，因而其故障和征兆也有不同的層次。任何故障都是同系統(tǒng)的某一層次相聯(lián)系的，高層次的故障可以由低層次的故障所引起，而低層次的故障必定引起高層次的故障。因此在故障診斷中可設(shè)計(jì)某種層次診斷模型。

相關(guān)性：這是故障的“橫向性”，它是由系統(tǒng)各元素間的聯(lián)系所決定的。當(dāng)一個(gè)元素或聯(lián)系發(fā)生故障后，可能導(dǎo)致同它相關(guān)的元素或聯(lián)系的狀態(tài)發(fā)生變化，進(jìn)而引起相關(guān)元素或聯(lián)系也發(fā)生故障。某一故障可能對(duì)應(yīng)若干征兆，而某一征兆可能對(duì)應(yīng)若干故障，它們之間存在著錯(cuò)綜復(fù)雜的關(guān)系，造成故障診斷困難。故障的相關(guān)性使得許多的故障現(xiàn)象可以歸根于同一個(gè)故障，從而可以從不同的角度對(duì)同一個(gè)故障進(jìn)行診斷。

不確定性：這是故障的“模糊性”。故障和征兆信息的隨機(jī)性、模糊性，故障和征兆之間對(duì)應(yīng)關(guān)系的不明確性，不確定性是計(jì)算機(jī)網(wǎng)絡(luò)的一個(gè)重要特性，對(duì)相同的系統(tǒng)而言，或?qū)ν幌到y(tǒng)在不同時(shí)間、不同工作環(huán)境下而言，各層次的元素特性與各元素間的聯(lián)系特性是不可能完全確定的，其變化規(guī)律難以確定，從而導(dǎo)致元素、聯(lián)系直至系統(tǒng)的狀態(tài)和行為也不可能完全確定，因而其故障也是不確定的。

3、計(jì)算機(jī)網(wǎng)絡(luò)軟硬件故障的表現(xiàn)癥狀

軟硬件故障通常表現(xiàn)為以下幾種情況：

①電腦無(wú)法登錄到服務(wù)器；

②電腦無(wú)法通過(guò)局域網(wǎng)接入Internet；

③電腦在“網(wǎng)上鄰居”中只能看到自己，而看不到其他電腦，從而無(wú)法使用其他電腦上的共享資源和共享打印機(jī)；

④電腦無(wú)法在網(wǎng)絡(luò)內(nèi)實(shí)現(xiàn)訪問(wèn)其他電腦上的資源；

⑤網(wǎng)絡(luò)中的部分電腦運(yùn)行速度異常的緩慢。

4、常見(jiàn)計(jì)算機(jī)網(wǎng)絡(luò)軟硬件故障的解決方法

當(dāng)出現(xiàn)一種網(wǎng)絡(luò)應(yīng)用故障時(shí)，如無(wú)法接入Internet，首先嘗試使用其他網(wǎng)絡(luò)應(yīng)用，如查找網(wǎng)絡(luò)中的其他電腦，或使用局域網(wǎng)中的Web瀏覽等。如果其他網(wǎng)絡(luò)應(yīng)用可正常使用，如雖然無(wú)法接入Internet，卻能夠在“網(wǎng)上鄰居”中找到其他電腦，或可ping到其他電腦，即可排除連通性故障原因。如果其他網(wǎng)絡(luò)應(yīng)用均無(wú)法實(shí)現(xiàn)，繼續(xù)下面操作。

①看LED燈判斷網(wǎng)卡的故障

首先查看網(wǎng)卡的指示燈是否正常。正常情況下，在不傳送數(shù)據(jù)時(shí)，網(wǎng)卡的指示燈閃爍較慢，傳送數(shù)據(jù)時(shí)，閃爍較快。無(wú)論是不亮，還是長(zhǎng)亮不滅，都表明有故障存在。如果網(wǎng)卡的指示燈不正常，需關(guān)掉電腦更換網(wǎng)卡。

②用ping命令排除網(wǎng)卡故障

使用ping命令，ping本地的IP地址或電腦名(如shj831)，檢查網(wǎng)卡和IP網(wǎng)絡(luò)協(xié)議是否安裝完好。如果能ping通，說(shuō)明該電腦的網(wǎng)卡和網(wǎng)絡(luò)協(xié)議設(shè)置都沒(méi)有問(wèn)題。問(wèn)題出在電腦與網(wǎng)絡(luò)的連接上。因此，應(yīng)當(dāng)檢查網(wǎng)線和Hub及Hub的接口狀態(tài)，如果無(wú)法ping通，只能說(shuō)明TCP/IP協(xié)議有問(wèn)題。這時(shí)可以在電腦的“控制面板”的“系統(tǒng)”中，查看網(wǎng)卡是否已經(jīng)安裝或是否出錯(cuò)。如果在系統(tǒng)中的硬件列表中沒(méi)有發(fā)現(xiàn)網(wǎng)絡(luò)適配器，或網(wǎng)絡(luò)適配器前方有一個(gè)黃色的“！”，說(shuō)明網(wǎng)卡未安裝正確。需將未知設(shè)備或帶有黃色的“！”網(wǎng)絡(luò)適配器刪除，刷新后，重新安裝網(wǎng)卡。并為該網(wǎng)卡正確安裝和配置網(wǎng)絡(luò)協(xié)議，然后進(jìn)行應(yīng)用測(cè)試。如果網(wǎng)卡無(wú)法正確安裝，說(shuō)明網(wǎng)卡可能損壞，必須換一塊網(wǎng)卡重試。如果網(wǎng)卡安裝正確則原因是協(xié)議未安裝。

③如果確定網(wǎng)卡和協(xié)議都正確的情況下，還是網(wǎng)絡(luò)不通，可初步斷定是Hub和雙絞線的問(wèn)題。為了進(jìn)一步進(jìn)行確認(rèn)，可再換一臺(tái)電腦用同樣的方法進(jìn)行判斷。如果其他電腦與本機(jī)連接正常，則故障一定是先前的那臺(tái)電腦和Hub的接口上。

④如果確定Hub有故障，應(yīng)首先檢查Hub的指示燈是否正常，如果先前那臺(tái)電腦與Hub連接的接口燈不亮說(shuō)明該Hub的接口有故障(Hub的指示燈表明插有網(wǎng)線的端口，指示燈亮，指示燈不能顯示通信狀態(tài))。

通過(guò)上面的故障壓縮，我們就可以判斷故障出在網(wǎng)卡、雙絞線或Hub上。

當(dāng)電腦出現(xiàn)協(xié)議故障現(xiàn)象時(shí)，應(yīng)當(dāng)按照以下步驟進(jìn)行故障的定位：

①檢查電腦是否安裝TCP/IP和NetBEUI協(xié)議，如果沒(méi)有，建議安裝這兩個(gè)協(xié)議，并把TCP/IP參數(shù)配置好，然后重新啟動(dòng)電腦。

②系統(tǒng)重新啟動(dòng)后，雙擊“網(wǎng)上鄰居”，將顯示網(wǎng)絡(luò)中的其他電腦和共享資源。如果仍看不到其他電腦，可以使用“查找”命令，能找到其他電腦，就完成了。

5、 結(jié)束語(yǔ)

網(wǎng)絡(luò)發(fā)生故障是不可避免的。針對(duì)于單獨(dú)的硬件故障診斷相對(duì)簡(jiǎn)單，但是對(duì)于由軟件故障或者因?yàn)檐浖鸬挠布收希\斷相對(duì)困難，本文給出了軟硬件相互影響的故障診斷方法，但對(duì)由于軟件引起的硬件故障研究不夠，需要進(jìn)一步研究。

參考文獻(xiàn)

[1]周炎濤.計(jì)算機(jī)網(wǎng)絡(luò)實(shí)用教程（第2版）.電子工業(yè)出版社

網(wǎng)絡(luò)故障診斷范文6

對(duì)于汽車車載網(wǎng)絡(luò)系統(tǒng)的故障，故障發(fā)生時(shí)一般都有一些明顯的故障特征：1）整個(gè)車載網(wǎng)絡(luò)不工作或多個(gè)控制單元ECU有故障。2）有些故障現(xiàn)象時(shí)沒(méi)有任何關(guān)聯(lián)，有時(shí)候多個(gè)故障現(xiàn)象會(huì)在不同的系統(tǒng)和不同的地方一起表現(xiàn)出來(lái)。3）通過(guò)專用的故障診斷設(shè)備與個(gè)別或多個(gè)控制單元ECU通訊，現(xiàn)象變現(xiàn)為無(wú)法與診斷設(shè)備連接通訊。

2車載網(wǎng)絡(luò)系統(tǒng)的故障診斷的一般程序

1）基本檢查。檢查汽車蓄電池的靜態(tài)電壓、各接頭之間的連接情況、相關(guān)的保險(xiǎn)絲以及發(fā)動(dòng)機(jī)與車身的搭鐵情況等。2）連接專用診斷儀，與出現(xiàn)故障的各電控系統(tǒng)進(jìn)行通訊，并讀取故障碼。3）如有故障碼，按故障碼提示進(jìn)行檢查。在CAN系統(tǒng)故障碼與其它故障碼同時(shí)出現(xiàn)時(shí)，應(yīng)優(yōu)先對(duì)CAN系統(tǒng)進(jìn)行故障診斷。如故障診斷設(shè)備它具有對(duì)控制單元ECU進(jìn)行CAN系統(tǒng)的故障診斷和支持監(jiān)視器功能，通過(guò)診斷設(shè)備的這個(gè)功能可以用來(lái)幫助判斷故障位置。4）檢查控制模塊的電源供應(yīng)及搭鐵回路是否良好。5）檢查CANBUS數(shù)據(jù)總線的兩根線路是否良好，最好用多通道示波器對(duì)其進(jìn)行波形檢測(cè)，如不正常再用萬(wàn)用表進(jìn)行檢查是否斷路、短路。6）拔下控制模塊線束接頭，對(duì)控制模塊CANBUS數(shù)據(jù)總線接口兩端的數(shù)據(jù)傳遞終端電阻進(jìn)行檢測(cè)，如不符要求，則控制模塊內(nèi)部不良。7）在拔下控制模塊線束接頭，檢查CANBUS數(shù)據(jù)總線接口的接觸情況，并使該控制模塊不接入車內(nèi)網(wǎng)絡(luò)系統(tǒng)的情況下，觀察故障現(xiàn)象的變化，如故障消失，則控制模塊硬件損壞或內(nèi)部軟件故障如未進(jìn)行相應(yīng)編程、設(shè)定等。8）先對(duì)該控制模塊進(jìn)行重新設(shè)定，如故障不能消失，則更換新模塊再視情進(jìn)行重新編程設(shè)定。

3車內(nèi)局域網(wǎng)系統(tǒng)故障診斷、排除的相關(guān)要點(diǎn)

1）熟悉每個(gè)類型的汽車網(wǎng)絡(luò)系統(tǒng)的特點(diǎn)。車載網(wǎng)絡(luò)采用的大多是局域網(wǎng)（局域網(wǎng)是指在一個(gè)特定的局部單位內(nèi)連接的網(wǎng)絡(luò)），其可用的傳輸介質(zhì)主要有同軸電纜、雙絞線、光纖電纜和無(wú)線電。在汽車上會(huì)同時(shí)有多個(gè)局域網(wǎng)絡(luò)存在，通過(guò)利用網(wǎng)關(guān)將這些局域網(wǎng)連接起來(lái)從而形成互聯(lián)網(wǎng)絡(luò)。因此網(wǎng)關(guān)是用來(lái)連接不同類型的網(wǎng)絡(luò)從而能實(shí)現(xiàn)不同類型網(wǎng)絡(luò)之間協(xié)議相互轉(zhuǎn)換的設(shè)備。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)，車載網(wǎng)絡(luò)分星型網(wǎng)、總線網(wǎng)、環(huán)型網(wǎng)。星型網(wǎng)絡(luò)是以一臺(tái)中央處理器為中心，中央處理器與每臺(tái)入網(wǎng)機(jī)器有一個(gè)物理連接鏈。星型網(wǎng)絡(luò)又有用普通導(dǎo)線傳輸數(shù)據(jù)的普通星型網(wǎng)絡(luò)和用光纖傳輸數(shù)據(jù)的光學(xué)星型網(wǎng)絡(luò)，但都只能在一個(gè)部件或總成上使用。如寶馬7系列轎車被動(dòng)安全系統(tǒng)的Byteflignt就采用光學(xué)星型網(wǎng)絡(luò)（參見(jiàn)后述故障實(shí)例中的介紹）。環(huán)型網(wǎng)絡(luò)是指控制單元通過(guò)網(wǎng)絡(luò)部件連到一個(gè)環(huán)行物理鏈路中，其優(yōu)點(diǎn)是信息在網(wǎng)絡(luò)中傳輸實(shí)時(shí)性好、傳輸數(shù)據(jù)量大及抗干擾能力強(qiáng)，每個(gè)節(jié)點(diǎn)只與其他2個(gè)節(jié)點(diǎn)有物理連接；缺點(diǎn)是一個(gè)節(jié)點(diǎn)故障可能影響整個(gè)網(wǎng)絡(luò)，可靠性較差，網(wǎng)絡(luò)擴(kuò)充時(shí)要調(diào)整對(duì)整個(gè)網(wǎng)絡(luò)重新排序，在增加功能時(shí)需添加控制單元，相對(duì)比較復(fù)雜。總線型網(wǎng)絡(luò)由總線連接入網(wǎng)控制單元，可以使用同軸電纜、雙絞線、光纖電纜作為網(wǎng)線，以雙絞線最為常見(jiàn)。車載局域網(wǎng)的應(yīng)用非常多，如可以應(yīng)用在動(dòng)力控制系統(tǒng)、車身系統(tǒng)、安全系統(tǒng)、信息系統(tǒng)，它們可以是采用不同的網(wǎng)絡(luò)結(jié)構(gòu)、不同的傳輸介質(zhì)、不同的傳輸協(xié)議的各自獨(dú)立的網(wǎng)絡(luò)；也可以設(shè)置網(wǎng)關(guān)，將它們連接為一體形成車載網(wǎng)絡(luò)系統(tǒng)。網(wǎng)關(guān)主要功能是從一個(gè)局域網(wǎng)絡(luò)讀取所接收的信息，并翻譯信息，向其它局域網(wǎng)絡(luò)發(fā)送信息。車載網(wǎng)絡(luò)系統(tǒng)是一個(gè)比較復(fù)雜的系統(tǒng)，所以維修時(shí)，我們要通過(guò)對(duì)汽車車載網(wǎng)絡(luò)之間的關(guān)系結(jié)構(gòu)的熟悉，如果能偶將其網(wǎng)絡(luò)結(jié)構(gòu)的基本框圖會(huì)出來(lái)時(shí)最好的。

4故障實(shí)例