CN105721209A - 一种有噪网络的故障检测方法 - Google Patents
一种有噪网络的故障检测方法 Download PDFInfo
- Publication number
- CN105721209A CN105721209A CN201610094998.5A CN201610094998A CN105721209A CN 105721209 A CN105721209 A CN 105721209A CN 201610094998 A CN201610094998 A CN 201610094998A CN 105721209 A CN105721209 A CN 105721209A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- fault
- nodes
- suspect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 claims abstract description 14
- 230000007257 malfunction Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种有噪网络的故障检测方法;根据网络中N个节点发生故障的概率p,设置同时出现故障网络节点个数α;对节点的各条路径进行探测,根据探测成功和探测失败概率,确定节点的可疑故障阈值,将各个节点可疑故障阈值和设定的目标阈值通过比较,选取出节点作为可疑节点并组成可疑节点集合;然后,更新可疑节点集合;针对新的可疑节点集合,重复上述步骤,直到选取出的故障节点数量达到设定的目标阈值时,即完成故障诊断。本发明可以灵活的根据实际网络情况和自身的需要设定故障节点个数,适时的调整故障诊断中的计算复杂度和准确性。
Description
技术领域
本发明涉及一种有噪网络的故障检测方法,属于网络故障诊断的技术领域。
背景技术
随着电力综合数据网的快速发展,网络的可靠性和稳定性越来越重要。网络的健康稳定运行离不开高效准确的故障诊断,近年来,网络故障诊断一直是研究的热点。网络中经常会由于各种因素产生噪声,无噪声网络仅仅是一个理想状态,噪声是无处不在的,例如网络拓扑的更新、拥塞丢包等原因会导致原本应返回成功的探测返回失败;而由于路由变化等原因会导致原来本应失败的探测返回成功。由于工作人员会根据实际情况对故障检测的要求各不相同,在某些情况下,工作人员仅需要查找出其中存在的主要故障因素,如果此时还是按照传统的方式对整个网络中所有故障逐个进行遍历和查找,再加之其中存在的各种噪声,这会对检测的准确性和效率大打折扣,不仅无法查找出研究人员亟待获取的目标故障,也增加了系统检测的复杂度和时间。
发明内容
本发明的目的在于克服现有技术的不足,提出了一种有噪网络的故障检测方法,适用于工作人员可以灵活调整对故障诊断的复杂度和准确度。
本发明是通过如下方案予以实现的:
一种有噪网络的故障检测方法,步骤如下:
步骤1,根据网络中N个节点发生故障的概率p,计算可能同时出故障的网络节点个数α;
步骤2,对节点的各条路径进行探测,根据探测成功和探测失败概率,确定节点的可疑故障阈值将各个节点可疑故障阈值和设定的目标阈值a通过比较,从中选取出节点作为可疑节点并组成可疑节点集合;
步骤3,从上述可疑节点集合中选取熵最小的可疑节点作为故障点,然后,删除该可疑节点,得到一个新的可疑节点集合;
步骤4,针对步骤3中得到的新的可疑节点集合重复步骤2和步骤3,直到选取出的故障节点数量达到设定的α时,完成故障诊断。
进一步的,步骤1中设置同时出现故障网络节点个数为α的表达式如下:
其中,|F|网络中的故障节点个数; 表示节点的状态概率分布,N为节点个数,p为每个节点出现故障的概率;
满足上式中α的最小值作为所设置的出现的故障节点个数α。
进一步的,步骤2中可疑故障阈值的表达式为:
其中,Tj为探测路径;Tobs为已选探测集合;Xi是Tj中的一个节点;Xi=1表示出现故障。
进一步的,步骤2中计算熵的表达式:
其中,为节点xi可疑故障阈值;H(xi)为节点xi的信息熵。
本发明和现有技术相比的有益效果是:
本发明提出了一种有噪网络的故障检测方法,根据各节点的故障概率设定网络中故障节点个数,计算各个节点的可疑故障阈值,建立可疑节点集合,选取出集合中熵最小的可疑节点作为故障节点;然后更新可疑节点集合,反复上述步骤,直到检测出设定的自身设定的故障节点个数。本发明可以灵活的根据实际网络情况和自身的需要设定故障节点个数,适时的调整故障诊断中的计算复杂度和准确性。的尤其在网络中存在噪声的情况下,不仅减少了系统计算工作量,还提高了工作效率,使对目标故障诊断更具针对性和灵活性,在设定范围内进行故障诊断仍能达到较高的精度。
附图说明
图1是本发明实施例的工作流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细的说明。
一种有噪网络的故障检测方法,步骤如下:
步骤(一)、根据网络中N个节点发生故障的概率p,设置同时出现故障网络节点个数为α;具体如下:
所述的网络中包含有N个节点,根据每个网络节点出现的故障概率为p,计算此时各个节点X={X1,X2,...,XN}状态的概率分布为:
假设网络中的故障节点各数为|F|,则根据小概率事件的性质:当一个事件发生的概率小于0.05,可以认为该事情不可能发生。所以,通过故障概率p,限定出现的故障节点个数α,如下:
若满足,
则表示同时发生故障的节点个数不超过α个,将满足式(2)中α的最小值作为选取的设置出现的故障节点个数。
步骤(二)、对节点的各条路径进行探测,根据探测成功和失败概率,确定节点的可疑故障阈值将各个节点可疑故障阈值和设定的目标阈值a通过比较选取出其中的可疑节点组成可疑节点集合;
则可疑故障节点的表达式为:
其中,Tj为探测路径,Tobs为已选探测集合,Xi是Tj中的一个节点,Xi=1表示出现故障。
设定目标阈值为a(a为0到1的常数),对于节点Xi,若则表示节点Xi为可疑节点,否则表示该节点为正常节点。将所有检测得到的可疑节点形成可疑节点集合。
步骤(三)、从上述可疑节点集合中选取熵最小的可疑节点作为故障点,然后,删除该可疑节点,进而重新获取了一个可疑节点集合,具体如下:
从可疑节点集合中选取熵最小的可疑节点作为故障节点是基于信息增益的基本原理。即可通过可疑节点的信息增益判断可疑节点与探测结果之间的关联性强度。二者之间的关联性越高,该信息增益对应的可疑节点也就越可能是故障节点。可疑节点信息增益IG(Xi)的表达式如下:
IG(Xi)=H(T)-H(T|Xi)(4)
其中,H(T)为所有探测结果的熵,H(T|Xi)为在节点Xi所在的探测状态已知的情况下的信息熵,IG(Xi)为节点Xi的信息增益;对于每个可疑节点在计算信息增益时H(T)的值都一样。
又因为,信息增益越大,可疑节点越有可能是故障节点。所以将求取最大的信息增益转换成求取可疑节点熵H(T|Xi)的最小值。
则计算熵值的表达式如下:
其中,为节点xi可疑故障阈值;H(xi)为节点xi的信息熵。
步骤(四)、针对步骤(三)中得到的新的可疑节点集合,并且重复步骤(二)和步骤(三表),直到选择出的故障节点个数满足故障网络节点个数α,即结束故障诊断。
本实施例结合实例证明本发明的有效性,实例的实验结果如表1所示:
1有噪网络的故障诊断测试结果
通过表1发现,基本上利用本发明诊断出的故障点和实验前设置的故障点一直,除了表中标“*”号对应的行中,虽然检测到了所有的故障节点,但是把一个正常节点误判为故障节点。
但是,就该实验总体而言,可以很明显的看出故障诊断的正确率跟设置的故障个数和可疑节点阈值有关,两者设置的越接近网络实际情况就能得到越高准确率的故障节点,通过对比诊断的故障节点数与实际的故障节点数的准确率,证明了本方法的有效性。
Claims (4)
1.一种有噪网络的故障检测方法,其特征在于,步骤如下:
步骤1,根据网络中N个节点发生故障的概率p,计算可能同时出故障的网络节点个数α;
步骤2,对节点的各条路径进行探测,根据探测成功和探测失败概率,确定节点的可疑故障阈值将各个节点可疑故障阈值和设定的目标阈值a通过比较,从中选取出节点作为可疑节点并组成可疑节点集合;
步骤3,从上述可疑节点集合中选取熵最小的可疑节点作为故障点,然后,删除该可疑节点,得到一个新的可疑节点集合;
步骤4,针对步骤3中得到的新的可疑节点集合重复步骤2和步骤3,直到选取出的故障节点数量达到设定的α时,完成故障诊断。
2.根据权利要求1所述的一种有噪网络的故障检测方法,其特征在于,步骤1中设置同时出现故障网络节点个数为α的表达式如下:
其中,|F|网络中的故障节点个数;表示节点的状态概率分布,N为节点个数,p为每个节点出现故障的概率;
满足上式中α的最小值作为所设置的出现的故障节点个数α。
3.根据权利要求1所述的一种有噪网络的故障检测方法,其特征在于,步骤2中可疑故障阈值的表达式为:
其中,Tj为探测路径;Tobs为已选探测集合;Xi是Tj中的一个节点;Xi=1表示出现故障。
4.根据权利要求1所述的一种有噪网络的故障检测方法,其特征在于,步骤2中计算熵的表达式:
其中,为节点xi可疑故障阈值;H(xi)为节点xi的信息熵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094998.5A CN105721209B (zh) | 2016-02-19 | 2016-02-19 | 一种有噪网络的故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094998.5A CN105721209B (zh) | 2016-02-19 | 2016-02-19 | 一种有噪网络的故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105721209A true CN105721209A (zh) | 2016-06-29 |
CN105721209B CN105721209B (zh) | 2018-09-04 |
Family
ID=56156743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610094998.5A Active CN105721209B (zh) | 2016-02-19 | 2016-02-19 | 一种有噪网络的故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105721209B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130780A (zh) * | 2016-07-18 | 2016-11-16 | 安徽农业大学 | 一种基于静态贝叶斯模型的ip网络故障定位方法 |
CN106452877A (zh) * | 2016-10-19 | 2017-02-22 | 国网江苏省电力公司南京供电公司 | 电力信息网故障定位方法 |
CN108123824A (zh) * | 2016-11-30 | 2018-06-05 | 华为技术有限公司 | 一种网络故障检测方法及装置 |
CN109474474A (zh) * | 2018-12-07 | 2019-03-15 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测系统 |
CN109495313A (zh) * | 2018-12-07 | 2019-03-19 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243735A1 (en) * | 2007-03-26 | 2008-10-02 | International Business Machines | Active sampling collaborative prediction method for end-to-end performance prediction |
CN102684902A (zh) * | 2011-03-18 | 2012-09-19 | 北京邮电大学 | 基于探针预测的网络故障定位方法 |
CN103501257A (zh) * | 2013-10-11 | 2014-01-08 | 北京邮电大学 | 一种ip网络故障探针的选择方法 |
CN104090227A (zh) * | 2014-07-16 | 2014-10-08 | 电子科技大学 | 一种模拟电路故障诊断中的测点选择方法 |
CN104316836A (zh) * | 2014-10-28 | 2015-01-28 | 西南交通大学 | 基于相对保护熵与名义过渡电阻的电网故障在线检测方法 |
-
2016
- 2016-02-19 CN CN201610094998.5A patent/CN105721209B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243735A1 (en) * | 2007-03-26 | 2008-10-02 | International Business Machines | Active sampling collaborative prediction method for end-to-end performance prediction |
CN102684902A (zh) * | 2011-03-18 | 2012-09-19 | 北京邮电大学 | 基于探针预测的网络故障定位方法 |
CN103501257A (zh) * | 2013-10-11 | 2014-01-08 | 北京邮电大学 | 一种ip网络故障探针的选择方法 |
CN104090227A (zh) * | 2014-07-16 | 2014-10-08 | 电子科技大学 | 一种模拟电路故障诊断中的测点选择方法 |
CN104316836A (zh) * | 2014-10-28 | 2015-01-28 | 西南交通大学 | 基于相对保护熵与名义过渡电阻的电网故障在线检测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130780A (zh) * | 2016-07-18 | 2016-11-16 | 安徽农业大学 | 一种基于静态贝叶斯模型的ip网络故障定位方法 |
CN106452877A (zh) * | 2016-10-19 | 2017-02-22 | 国网江苏省电力公司南京供电公司 | 电力信息网故障定位方法 |
CN106452877B (zh) * | 2016-10-19 | 2021-09-24 | 国网江苏省电力公司南京供电公司 | 电力信息网故障定位方法 |
CN108123824A (zh) * | 2016-11-30 | 2018-06-05 | 华为技术有限公司 | 一种网络故障检测方法及装置 |
CN108123824B (zh) * | 2016-11-30 | 2021-06-01 | 华为技术有限公司 | 一种网络故障检测方法及装置 |
CN109474474A (zh) * | 2018-12-07 | 2019-03-15 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测系统 |
CN109495313A (zh) * | 2018-12-07 | 2019-03-19 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测方法 |
CN109474474B (zh) * | 2018-12-07 | 2021-08-27 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测系统 |
CN109495313B (zh) * | 2018-12-07 | 2021-08-27 | 天津津航计算技术研究所 | 基于泊松分布故障模型的无线传感器网络故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105721209B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105721209A (zh) | 一种有噪网络的故障检测方法 | |
JP4276090B2 (ja) | 電力系統をオンラインで動的に選別する方法とシステム | |
CN105530122B (zh) | 一种基于选择性隐朴素贝叶斯分类器的网络故障诊断方法 | |
RU2011129298A (ru) | Идентификация отказов в авиационном двигателе | |
CN106294076A (zh) | 一种服务器关联故障预测方法及其系统 | |
Défago et al. | Definition and specification of accrual failure detectors | |
CN107896168B (zh) | 一种网络虚拟化环境下的电力通信网多域故障诊断方法 | |
CN103646129B (zh) | 一种适用于fpga的可靠性评估方法和装置 | |
Simon et al. | Aircraft engine gas path diagnostic methods: public benchmarking results | |
CN105203951A (zh) | 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法 | |
Zhang et al. | Cleaning environmental sensing data streams based on individual sensor reliability | |
CN103605787A (zh) | 继电保护评价分析方法及系统 | |
CN109597752A (zh) | 基于复杂网络模型的故障传播路径仿真方法 | |
CN110048901A (zh) | 一种电力通信网的故障定位方法、装置及设备 | |
Tsai et al. | Sensor abnormal detection and recovery using machine learning for IoT sensing systems | |
CN110489260B (zh) | 故障识别方法、装置及bmc | |
CN101710359B (zh) | 一种集成电路故障诊断系统及方法 | |
CN111600805A (zh) | 基于贝叶斯的电力数据网拥塞链路推断算法 | |
Feng et al. | Weighted distributed fault detection for wireless sensor networks Based on the distance | |
CN103501257B (zh) | 一种ip网络故障探针的选择方法 | |
Zhou et al. | Conditional fault diagnosis of bubble sort graphs under the PMC model | |
Mahapatroa et al. | Transient fault tolerant wireless sensor networks | |
CN106130780A (zh) | 一种基于静态贝叶斯模型的ip网络故障定位方法 | |
CN106095608A (zh) | 基于ao*算法的序贯测试动态调整方法 | |
CN112968804A (zh) | 一种基于容错哈密顿圈的数据中心网络故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |