試析基于人工智能的網(wǎng)絡(luò)故障診斷

姜淑楊，吳嘉偉，鮑磊磊

（南通市氣象局，江蘇南通，226000）

試析基于人工智能的網(wǎng)絡(luò)故障診斷

姜淑楊，吳嘉偉，鮑磊磊

（南通市氣象局，江蘇南通，226000）

本篇文章首先對網(wǎng)絡(luò)故障診斷的基本含義進(jìn)行概述，從層次性、傳遞性、關(guān)聯(lián)性、隨機(jī)性四個方面入手，對網(wǎng)絡(luò)故障具備的基本特性進(jìn)行解析，并以此為依據(jù)，提出人工智能技術(shù)在網(wǎng)絡(luò)故障診斷中應(yīng)用措施。希望通過本文的闡述，可以給相關(guān)領(lǐng)域提供些許的參考。

人工智能；網(wǎng)絡(luò)故障；診斷

0 引言

隨著社會步入工業(yè)化時期之后，各種繁瑣性的機(jī)械設(shè)備開始逐漸顯現(xiàn)出來，設(shè)備故障診斷成為了當(dāng)前主要的探究課題，結(jié)合診斷方式來說，當(dāng)前不僅由原始的單一數(shù)據(jù)、單一故障技術(shù)診斷，同時多數(shù)據(jù)、多故障診斷技術(shù)也逐漸興起。隨著當(dāng)前科學(xué)技術(shù)的飛速發(fā)展，故障診斷方式以及技術(shù)也得到了全面的改革和創(chuàng)新，現(xiàn)階段正朝著智能化的方向發(fā)展。人工智能發(fā)展給故障診斷提供了科學(xué)的方式和技術(shù)，故障診斷專家系統(tǒng)不但在理論方面實(shí)現(xiàn)了合理的發(fā)展，同時也獲得了成功的運(yùn)用案例。下面。本文將進(jìn)一步對基于人工智能的網(wǎng)絡(luò)故障診斷進(jìn)行闡述和分析。

1 網(wǎng)絡(luò)故障診斷的基本概述

我們可以結(jié)合據(jù)網(wǎng)絡(luò)故障本質(zhì)，將網(wǎng)絡(luò)故障劃分成兩種，一種是物理故障，另一種是邏輯故障，也就是說，結(jié)合網(wǎng)絡(luò)故障對象，將網(wǎng)絡(luò)故障劃分為三種故障類型，第一種是線路故障；第二種是路有故障；第三種是主機(jī)故障。

物理故障主要指設(shè)備或者線路受到破壞、插頭不緊實(shí)、線路受到電磁干擾等現(xiàn)象。例如，網(wǎng)絡(luò)管理工作人員發(fā)現(xiàn)網(wǎng)絡(luò)某條線路出現(xiàn)斷開，首先運(yùn)用ping或fping對線路進(jìn)行檢測，這種方式主要是對網(wǎng)絡(luò)部門的線路聯(lián)通情況進(jìn)行檢測[1]。

邏輯故障主要指由于受到網(wǎng)絡(luò)設(shè)備配置因素的影響，使得網(wǎng)絡(luò)出現(xiàn)異常或者發(fā)生故障。而導(dǎo)致配置失誤的主要因素就是路由器端口參數(shù)設(shè)置標(biāo)準(zhǔn)出現(xiàn)失誤，或者路由器因?yàn)榕渲贸霈F(xiàn)失誤以及路由器無法找到遠(yuǎn)端地址等。例如，針對相同網(wǎng)絡(luò)線路故障來說，改線路缺少流量，但能夠ping通線路兩端端口，由此我們可以得知，導(dǎo)致網(wǎng)絡(luò)故障的主要因素就是路由器配置出現(xiàn)失誤。

2 網(wǎng)絡(luò)故障具備的基本特性

2.1 層次性

針對網(wǎng)絡(luò)系統(tǒng)來說，具備一定的框架分層性，其中包含了數(shù)據(jù)鏈路層、物力硬件層以及運(yùn)用層，由于分層的差異，使得網(wǎng)路故障也具備層次性特點(diǎn)。

2.2 傳遞性

故障傳遞主要劃分成兩種方式，一種是橫向傳遞，另一種縱向傳遞。其中橫向傳遞主要指在同一層級中，由于某一個因素出現(xiàn)故障，使得整個層級的其他元素也出現(xiàn)故障。縱向傳遞時由于各個層級的某一層發(fā)生故障而使得其他層級也發(fā)生問題，例如，硬件損壞使得軟件數(shù)據(jù)丟失，數(shù)據(jù)鏈路中的所有數(shù)據(jù)鏈條出現(xiàn)斷裂，導(dǎo)致系統(tǒng)受到順壞，應(yīng)用層無法順利應(yīng)用[2]。

2.3 隨機(jī)性

故障因素的出現(xiàn)具備一定的隨機(jī)性，缺少固定因素。正是因?yàn)榫W(wǎng)路故障具備這種特點(diǎn)，給故障診斷增加了難度，因此，站在人工檢測額角度來說，這是一個規(guī)模較大的工程，所以人工檢測也不能滿足高校檢修要求。

3 人工智能技術(shù)在網(wǎng)絡(luò)故障診斷中應(yīng)用措施

3.1 模糊邏輯的網(wǎng)絡(luò)故障診斷法

針對網(wǎng)路故障以及體系形式來說，具備一定的隨機(jī)性，而到這這種現(xiàn)象出現(xiàn)的主要因素就是模糊邏輯，換句話說，就是不明確性故障。所謂的模糊邏輯網(wǎng)絡(luò)故障診斷法，主要是除了不明確因素之外，同時處于模糊狀態(tài)的故障處理方式，其可以把這些不明確模糊故障信息進(jìn)行整合和收集，同時采用函數(shù)等數(shù)學(xué)邏輯的方式把其融合到一個完整的模糊關(guān)系框架中，這個框架可以把不明確因素以及體現(xiàn)形式約制在合理的范疇中，進(jìn)而給網(wǎng)絡(luò)故障診斷提供依據(jù)。該診斷原理主要是在整合故障以及體現(xiàn)形式信息的基礎(chǔ)上，構(gòu)建一個隸屬于函數(shù)的框架體系，之后把故障因素以及體現(xiàn)形式集中到統(tǒng)一的函數(shù)框架中，運(yùn)用模糊關(guān)系方式來將故障因素范疇進(jìn)行縮減[3]。

3.2 專家系統(tǒng)在網(wǎng)絡(luò)故障診斷

根據(jù)網(wǎng)絡(luò)系統(tǒng)故障因素以及體現(xiàn)形式之間具備的繁瑣性和隨機(jī)性，如果只應(yīng)用專業(yè)系統(tǒng)是無法實(shí)現(xiàn)故障定位、原因分析目標(biāo)。專業(yè)系統(tǒng)主要對出納規(guī)則進(jìn)行強(qiáng)調(diào)，進(jìn)而使得知識僅構(gòu)建在數(shù)據(jù)庫的條件下，其靈活性偏低，由于系統(tǒng)故障隨意性比較大，使得出納規(guī)則之間出現(xiàn)矛盾，導(dǎo)致規(guī)則組合爆炸，不能精準(zhǔn)的獲得結(jié)果。

3.3 神經(jīng)網(wǎng)絡(luò)故障診斷法

故障診斷模式識別作為神經(jīng)網(wǎng)絡(luò)故障診斷中不可或缺的一部分，人工神經(jīng)網(wǎng)絡(luò)可以將人類大腦組織框架進(jìn)行模擬，同時構(gòu)建一個形似于人類大腦認(rèn)知流程，實(shí)現(xiàn)對故障的處理。這種診斷方式的工作原理就是把故障征兆運(yùn)用神經(jīng)網(wǎng)絡(luò)將其傳送到系統(tǒng)中，采用識別模型把故障進(jìn)行分類，并得出診斷結(jié)果。這種診斷方式主要是運(yùn)用對故障診斷數(shù)據(jù)進(jìn)行整合的方式，同時對其進(jìn)行訓(xùn)練和練習(xí)，把分布在神經(jīng)網(wǎng)絡(luò)中的各項(xiàng)數(shù)據(jù)，采用計算翻譯的方式進(jìn)行表述，最后把故障診斷結(jié)果進(jìn)行輸出。

3.4 多智能體技術(shù)在網(wǎng)絡(luò)系統(tǒng)故障診斷中的應(yīng)用

主要是由多種診斷方式融合而形成的診斷方式，運(yùn)用各種系統(tǒng)具備的自身特點(diǎn)把繁瑣性的網(wǎng)絡(luò)故障因素進(jìn)行劃分，劃分成多個單一的小因素。當(dāng)前，隨著對多智能體技術(shù)探究逐漸深化，針對怎樣調(diào)節(jié)各個子系統(tǒng)獲得了一定的探究結(jié)果，其具備自主性高、協(xié)調(diào)性好等特點(diǎn)，構(gòu)建方式為分布式，含有較強(qiáng)的組織能力以及學(xué)習(xí)能力，可以把繁瑣性的問題劃分成多個小問題，之后再進(jìn)行處理。

4 結(jié)束語

針對怎樣準(zhǔn)確的找出網(wǎng)絡(luò)系統(tǒng)故障因素，提出可行性診斷方案，是當(dāng)前有關(guān)人員的重點(diǎn)工作任務(wù)，我們可以秉持因地制宜的原始，各個真實(shí)狀況開展探究工作，建立規(guī)范的診斷方案，引用現(xiàn)代化診斷技術(shù)，準(zhǔn)確的找出故障發(fā)生因素，將人工智能的作用在網(wǎng)絡(luò)故障診斷中全面發(fā)揮，緊跟技術(shù)發(fā)展潮流，結(jié)合多種智能診斷方式，對智能診斷系統(tǒng)進(jìn)行全面探究和了解。運(yùn)用現(xiàn)代化的技術(shù)，進(jìn)而將我國當(dāng)前智能診斷系統(tǒng)中診斷方式以及知識獲取進(jìn)行轉(zhuǎn)變，讓網(wǎng)絡(luò)診斷結(jié)果更加精準(zhǔn)和真實(shí)，把網(wǎng)絡(luò)故障給我們生活、工作、學(xué)習(xí)造成的損失降至最小。

[1]張嘉,李守學(xué),鄒姍姍,趙智勇.人工智能技術(shù)在變壓器故障診斷中的應(yīng)用研究[J].吉林電力,2014,01:14-17.

[2]譚子平.基于人工智能技術(shù)的變壓器故障診斷[J].計算機(jī)光盤軟件與應(yīng)用,2014,04:31-32.

[3]楊焱.人工智能技術(shù)的發(fā)展趨勢研究[J].信息與電腦(理論版),2012,08:151-152.

[4]張彬.探討人工智能在計算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J].軟件,2012,11:265-266.

[5]盧昌龍.人工智能及其在計算機(jī)網(wǎng)絡(luò)技術(shù)中的運(yùn)用[J].電子制作,2015,05:87-88.

Analysis of network fault diagnosis based on Artificial Intelligence

Jiang Shuyang, Wu Jiawei, Bao Leilei
(Nantong Meteorological Bureau,Nantong Jiangsu,226000)

This article gives an overview of the basic meaning of network fault diagnosis, starting from the hierarchy, transitivity, relevance, random four aspects, has basic characteristics of the network fault analysis, and on this basis, put forward the application of artificial intelligence technology in network fault diagnosis measures. Hope that through this exposition, we can provide some reference for related areas.

artificial intelligence; network fault; diagnosis