基于模糊逻辑的网络故障智能诊断系统x

《基于模糊逻辑的网络故障智能诊断系统x》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊逻辑的网络故障智能诊断研究朱有产张晓芳zyc_hd@sina.com……(华北电力大学信息与网络管理中心河北保定071003)摘要在网络故障诊断中应用模糊逻辑的思想，采用模糊推理进行故障分析和诊断，通过系统反馈对规则的信任度进行调整，在调整公式中加入增量参数和减量参数实现对调整幅度的控制，从而实现系统的自学习。在初始事件库中，通过加入优先级和类别信息实现对故障排除顺序的控制，并且对不同类型的网络故障分别建立初始事件库，实现对不同故障现象的分别处理。系统将网络知识和专家的经验结合起来，对快速排除网络故障提供帮助，实验证明应用效果较好。在以后的应用过程中，还需要对

2、系统的知识库不断进行补充和完善。关键词：模糊逻辑，故障诊断，自学习文献标识码A中图分类号TP393AIntelligentNetworkFaultDiagnosisSystemBaseonFuzzyLogicAbstract:Theintelligentnetworkfaultdiagnosissystemimportsfuzzylogicandusesfuzzyillationinnetworkfaultanalysinganddiagnosing.AddPRIandsortontotheoriginalaffairtablesothatcontrolthesequ

3、enceinfaulteliminating.Onthebasisofsystemfeedback,adjustcreditdegreeofruleandthenachievesystemself-study.1引言网络故障是指网络系统工作不正常的现象，其表现形式是多种多样的。网络故障诊断是以网络原理、网络配置、网络运行的知识为基础，从网络故障现象出发，以网络诊断工具获取需要的信息，分析故障原因，确定故障点，提出解决方案并排除故障，恢复网络运行的过程。网络故障可以大体分为以下几种：1、物理层故障，例如物理连接的失败，硬件设备的失效或者线路故障。2、数据链路层故障，例如

4、端口配置的问题。3、网络层故障，例如网络层协议配置错误，IP路由协议错误等。4、高层故障，传输层以上的故障，一般发生在主机或服务器，也可叫作应用层故障。在进行故障诊断时，一般从物理层开始，逐层向上进行故障检查。在故障诊断过程中需要管理员根据故障现象，结合管理员的知识和经验，分析故障的原因，查找故障点。在这一过程中，管理员的知识水平和经验对网络故障快速、准确地排除起到重要的作用。同时，管理员的知识也可能不准确、不完整或不完善，因此其推断结果也可能存在着不确定性。在人工智能系统中，由于知识的不精确和不完整，经常采用模糊逻辑和模糊推理方法对知识进行表示和推理，模糊逻辑和模糊

5、推理已经发展成为人工智能系统的重要分支。在这类系统中，知识的不精确性如何描述和如何传播是主要问题。本文中将模糊逻辑的思想应用到网络故障智能诊断系统中，在知识库的建立中通过引入信任度来表示知识的准确程度，利用模糊推理技术，模拟管理员排除网络故障的过程，以此实现网络故障的智能诊断。2系统模型网络故障智能诊断系统分为两大部分：故障分析知识库和故障诊断推理机（图1），其中故障分析知识库是系统的核心。故障诊断推理机根据故障现象在事件库中选取事件，然后在规则库中搜索匹配的规则，通过推理得到故障原因。故障诊断故障诊断推理机故障分析知识库系统自学习图1网络故障智能诊断系统模型在故障处

6、理结束后，根据实际处理结果进行系统反馈，并对知识库中的事件库和规则库进行补充和修改，使之不断完善，实现故障智能诊断系统的自学习。在本系统中，根据网络故障发生的位置可以将故障分为两类：主干故障和主机故障。主干故障是指网络设备和服务器的故障，这类故障可能引起大量用户的网络系统不正常；主机故障是指用户端主机网络工作不正常，排除主机故障的前提是保证网络不存在主干故障。二者的区别如表1所列。这两类故障在故障诊断时处理的方法也不尽相同，在知识库的建立当中也做了相应的处理。表1主干故障和主机故障对照表主干故障主机故障故障位置网络设备和主要服务器用户端主机发现方法网管系统轮询和SNM

7、PTraps用户上报影响范围大量用户网络工作不正常单一用户网络工作不正常所需信息通过SNMP获取系统信息用户提供基本信息，客户端软件提供系统信息诊断顺序先网络设备后服务器，先低层后高层先主干后主机，先低层后高层故障实例楼节点设备故障，DNS故障用户IP地址配置错误3系统的模糊表示故障分析知识库的知识表示采用产生式表示法，如A→B。产生式知识库一般由两部分组成，事件库和规则库，事件库是事实事件的集合，规则库是产生式规则的集合。由于故障分析知识具有不确定性，反映到知识库中，表现为两个方面：事件的不确定性和规则的不确定性。在系统中采用不确定性度量――信任度