CN107508632B - 一种同路由光缆故障定位方法和装置 - Google Patents

一种同路由光缆故障定位方法和装置 Download PDF

Info

Publication number
CN107508632B
CN107508632B CN201610424234.8A CN201610424234A CN107508632B CN 107508632 B CN107508632 B CN 107508632B CN 201610424234 A CN201610424234 A CN 201610424234A CN 107508632 B CN107508632 B CN 107508632B
Authority
CN
China
Prior art keywords
neural network
optical cable
output layer
som neural
neuron
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.)
Active
Application number
CN201610424234.8A
Other languages
English (en)
Other versions
CN107508632A (zh
Inventor
陈金元
付琪
刘海清
周晓峰
李尚弘
周文生
肖锋
李正波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Group Guangdong Co Ltd
Original Assignee
China Mobile Group Guangdong Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Group Guangdong Co Ltd filed Critical China Mobile Group Guangdong Co Ltd
Priority to CN201610424234.8A priority Critical patent/CN107508632B/zh
Publication of CN107508632A publication Critical patent/CN107508632A/zh
Application granted granted Critical
Publication of CN107508632B publication Critical patent/CN107508632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
    • H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
    • H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
    • H04B10/0791—Fault location on the transmission path
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Optical Communication System (AREA)

Abstract

本发明实施例公开了一种同路由光缆故障定位方法，其特征在于，所述方法包括：获取传送网对应的标准同路由光缆故障样本；将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域；根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息。本发明实施例同时还公开了一种同路由光缆故障定位装置。

Description

一种同路由光缆故障定位方法和装置
技术领域
本发明涉及网络传输技术领域，尤其涉及一种同路由光缆故障定位方法和装置。
背景技术
光缆广泛应用于日常生活中，其应用包括以太网、数据网络、有线电视等信号的传输，是一种实现光信号传输的通信线路。通过光缆传输有通信容量大、传输损耗低、抗电磁干扰性能强等优点，但是一旦光缆发生故障，就会给整个传送网的信号传输产生不同程度的影响。因此，精确定位到发生故障的光缆成为了亟待解决的问题。
现有的光缆故障定位方法，对实现传输电路基础路由的故障定位分析。在已知传输电路与光缆关系的前提下，通过光时域反射仪(OTDR，Optical Time DomainReflectometer)打光后具体定位出某条光缆断电的具体地理位置，再借助地理信息系统(GIS，Geographic Information Systems)呈现具体的光缆断点信息。然而，上述技术对光缆断点定位时间长，依赖于经验的判断，对光缆故障的定位精确度存在不确定性。
发明内容
为解决上述技术问题，本发明实施例期望提供一种同路由光缆故障定位方法和装置，将传输系统转换成SOM神经网络模型，利用SOM神经网络模型定位同路由光缆故障的具体位置信息。
本发明的技术方案是这样实现的：
第一方面，本发明实施例提供了一种同路由光缆故障定位方法，其特征在于，所述方法包括：
获取传送网对应的标准同路由光缆故障样本；
将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域；
根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息。
上述方案中，获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接；
根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息；
根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
上述方案中，当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；
当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
上述方案中，获取所述SOM神经网络输入层神经元映射到输出层神经元的权值向量；
将所述标准同路由光缆故障样本的行向量作为输入向量，在所述SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元；
调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的 SOM神经网络输出层神经元；
将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述 SOM神经网络输出层的标记区域。
上述方案中，接收传送网中的待检测光路告警；
将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域；
将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
上述方案中，当所述待确定SOM神经网络输出层的神经元区域与所述 SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
第二方面，本发明实施例提供了一种同路由光缆故障定位装置，其特征在于，所述装置包括：获取模块和确定模块；其中，
所述获取模块，用于获取传送网对应的标准同路由光缆故障样本；
以及，将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域；
所述确定模块，用于根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息。
上述方案中，所述获取模块，用于获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接；
以及，根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息；
以及，根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
上述方案中，所述获取模块包括：状态提示子模块；其中
所述状态提示子模块，用于当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；
以及，当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
上述方案中，所述获取模块，用于获取所述SOM神经网络输入层神经元映射到输出层神经元的权值向量；
以及，将所述标准同路由光缆故障样本的行向量作为输入向量，在所述 SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元；
以及，调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的SOM神经网络输出层神经元；
以及，将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述SOM神经网络输出层的标记区域。
上述方案中，所述同路由光缆故障定位装置还包括：接收模块；其中，
所述接收模块，用于接收传送网中的待检测光路告警；
所述获取模块，用于将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域；
所述确定模块，用于将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
上述方案中，所述确定模块，用于当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
以及，当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
本发明实施例提供了一种同路由光缆故障定位方法和装置，根据获取到的传送网标准同路由光缆故障样本，在SOM神经网络模型中进行学习，得到SOM 神经网络输出层的标记区域后，再将待检测的光路告警输入SOM神经网络中确定出同路由光缆故障中继段的位置信息，实现了对传输系统中同路由光缆故障的自动定位，并且定位结果准确。
附图说明
图1为本发明实施例提供的传送网光缆故障定位的整体流程示意图；
图2为本发明实施例提供的传送网络模型示意图；
图3为本发明实施例提供的传送网同路由说明示意图；
图4为本发明实施例一提供的同路由光缆故障定位方法流程示意图；
图5为本发明实施例一提供的获取标准同路由光缆故障样本流程示意图；
图6为本发明实施例一提供的网元与光缆中继段连接示意图；
图7为本发明实施例一提供的网元与光缆中继段连接实例图；
图8为本发明实施例一提供的神经网络学习过程流程示意图；
图9为本发明实施例一提供的神经网络学习结果标记图；
图10为本发明实施例一提供的确定光缆中继段故障位置的流程示意图；
图11为本发明实施例二提供的同路由光缆故障定位装置结构示意图；
图12为本发明实施例二提供的获取模块结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例的基本思想是：将标准传输系统转换为自组织特征映射神经网络(SOM，Self-organizing Feature Map)支持的传送网路由，然后选取标准传输系统的传输故障样本，最后对标准样本进行SOM神经网络训练学习，学习结束后，将不同样本的输出层神经元进行标记，根据标记的结果判断出中断的传输光缆段落。其中，标准传输系统是指环状网络。参见图1，其示出了传送网光缆故障定位的整体流程。
需要说明的是，SOM神经网络模型是无导师学习网络。它通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。SOM是由输入层和竞争层组成的单层神经网络，输入层是一维的神经元，其接收外界信息，将输入模式向竞争层传递。竞争层是二维的神经元，按二维的形式排列成节点矩阵，其负责对输入模式进行分析比较，寻找规律并归类。输入层的神经元和竞争层的神经元都有权值连接，竞争层节点相互间也可能有局部连接。竞争层也叫输出层，在本发明实施例中，均用输出层来表示。
用传输电路、传输设备、机房设施、传输光缆、传输光路、管道段、井位来描述传送网络的拓扑结构，其逻辑关系为：传输设备下发传输电路，传输设备通过传输光路互联。其物理关系为，传输设备安装在传输基站中，传输光缆成端在传输基站中的机房设施上，传输光缆在管道中敷设，中间经过井位，井位与井位之间称之为管道段。传输光缆上承载光路，光路起点终点与设备连接，则得到的传送网络的拓扑结构描述体系示意图如图2所示，虚线连接示意图为逻辑连接关系，实线连接示意图为物理连接关系。若上述传输系统的两边物理路由一致，则称之为同路由，如图3所示，路由1和路由5位置即为管道或光缆同路由。
实施例一
参见图4，其示出了本发明实施例提供的一种同路由光缆故障定位方法，所述方法可以包括：
S101、获取传送网对应的标准同路由光缆故障样本。
需要说明的是，标准同路由光缆故障样本由光路告警以及定位到的同路由光缆中继段组成。当两个网元同时成对上报告警时，产生一个光路告警。
参见图5，步骤S101具体包括S1011至S1013：
S1011、获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接。
可以理解的，网元之间分布着若干个机房，机房之间通过若干条光缆中继段连接。当光缆中继段为非同路由时，只有一条光路经过该光缆中继段，不会出现两条光路同时通过该段光缆的情况；当光缆中继段为同路由时，则会有至少两条光路经过该光缆中继段。
S1012、根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息。
步骤S1012具体包括：
当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
需要说明的是，在本实施例中，当光路经过该段光缆中继段时，该段光缆中继段点火，用1表示；当光路不经过该段光缆中继段时，该段光缆中继段熄火，用0表示。
S1013、根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
光缆故障时，网管系统首先会上报对应光路两端的网元端口连接告警，参见图6，其示出了定位标准同路由光缆故障时光缆中继段与光路告警的示例。
示例性的，网元1的a端口和网元2的b端口通过光缆连接，组成光路，当网元1的a端口和网元2的b端口同时上报光路告警时，表示机房1到机房 4之间的光缆发生故障。因此，光路告警可用两个网元间的端口连接来表示。
当网元1的a端口和网元2的b端口同时上报光路告警时，光缆中继段1、光缆中继段2、光缆中继段3点火，当网元3的c端口和网元4的d端口同时上报光路告警时，光缆中继段5、光缆中继段2、光缆中继段6点火。通过上述点火过程可知，只有光缆中继段2点火两次，故可判定光缆中继段2发生光缆故障。
根据上述方法就可以定位到发生故障的同路由光缆中继段，将同路由光缆故障定位后就可以获取到标准同路由光缆故障样本。
参见表1，根据表1可以得到传送网的标准同路由光缆故障样本。由表1 可以看出标准同路由光缆故障样本是与网元端口间的光路告警和光缆中继段相关。
表1标准同路由光缆故障样本
Figure GDA0002194120810000081
示例性的，参见图7，其示出了八个光缆中继段和十二个网元之间的光路告警。其中，八个光缆中继段分别是地点1-地点2，地点2-地点3，地点3-地点4，地点4-地点5，地点5-地点6，地点6-地点7，地点7-地点8，地点7- 地点9。图7中标号1-12分别表示12条光路，当光路经过该段光缆段时，该段光缆点火，用1表示；当光路不经过该段光缆段时，该段光缆熄火，用0表示。得到光缆故障样本，参见表2。
表2同路由光缆故障样本实例
S102、将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域。
需要说明的是，由传输系统中的标准同路由光缆故障样本的光路警告数确定SOM神经网络模型的输入层神经元个数；由标准同路由光缆故障样本的容量确定SOM神经网络模型的输出层神经元个数。
其中，标准同路由光缆故障样本的容量等于光路告警数乘以光缆中继段段数的值，即，标准同路由光缆故障样本的容量＝光路告警数×光缆中继段段数。
具体地，参见图8，步骤S102包括S1021至S1024：
S1021、获取所述SOM神经网络输入层神经元映射到输出层神经元的权值向量。
具体地，由下列式(1)获取SOM神经网络输入层神经元映射到输出层神经元的权值向量：
Wj(t)＝(w1j,w2j,w3j,…,wmj)T (1)
Wj(t)为t时刻所有输入层神经元映射到输出层神经元j的权值向量，m为输入层神经元的个数，m＝光路告警数，j＝1,2,3,…,l，其中，l是输出层中神经元的数目，l＝光路告警数×光缆中继段段数。
在t＝0时刻，即将标准同路由光缆故障样本输入到SOM神经网络训练学习之前，对初始权值向量Wj(0)赋予较小的随机值，如0.1或0.2等。这里唯一需要满足的条件是对j＝1,2,3,…,l，Wj(0)互不相同。
S1022、将所述标准同路由光缆故障样本的行向量作为输入向量，在所述 SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元。
将标准同路由光缆故障样本的行向量作为输入向量输入到SOM神经网络模型的输入层，其中，输入向量为X＝(x1,x2,x3,…,xm)T。然后计算所述输出层神经元的权值向量与所述输入向量的欧式距离。
求欧式距离的目的是为了寻找与输入向量各元素最匹配的输出层神经元i(X)。具体的计算参见下列式(2)和式(3)：
Figure GDA0002194120810000101
Figure DEST_PATH_BDA0001018369050000102
求得与所述输入层最匹配的输出层神经元i(X)之后，将i(X)记录下来，形成一个最匹配区域。
S1023、调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的SOM神经网络输出层神经元。
根据上述步骤S1022获取的与所述输入层最匹配的输出层神经元i(X)在 SOM神经网络学习的过程中是不断变化的，因此，需要将输出层神经元权值向量更新，权值更新公式为式(4)：
Wj(n+1)＝Wj(n)+η(n)(X(n)-Wj(n)) (4)
式中，η(n)为一个大于0小于1的常数，随着时间变化逐渐趋近于0，n表示n时刻。其中，
Figure GDA0002194120810000103
或
Figure GDA0002194120810000104
上述计算过程为一个迭代过程，表示在不同时刻对输出层神经元权值向量的更新。
对输出层神经元权值向量进行调整后，需要再一次执行步骤S1021和S1022 的过程，直到映射到输出层神经元区域符合预设条件，则SOM神经网络结束学习过程。需要说明的是，预设条件为输出层神经元区域无明显变化或者达到要求，比如，预设的权值更新迭代次数为1000次，则在迭代1000之后SOM神经网络也会结束学习过程。
S1024、将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述SOM神经网络输出层的标记区域。
具体地，将不同标准同路由光缆故障样本的输出层神经元进行标记，标记的目的为标记出发生故障的光缆中继段。每一条光缆中继段都有一个标记区域与之对应。
示例性的，根据表1中的标准样本，构建SOM神经网络进行训练学习，学习结束后，将不同样本的输出层神经元进行光缆段标记。
由表2可以看出，初始化神经网络的的输入层为12个神经元，输出层为96 个神经元，基于SOM神经网络原理，将标准样本输入到神经元中进行训练学习，训练结束后对输出结果进行标记，标记结果参见图9。图9表示输出层的 96个神经元，用“1”标记出了8个区域，这8个区域分别对应表2中8个光缆中继段所对应的标记区域。
S103、根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息。
需要说明的是，在步骤S102中SOM神经网络通过学习得到了输出层的标记区域，该标记区域与光缆中继段一一对应，因此，在网元成对报警，形成光路告警，需要确定光路告警中具体的光缆中继段故障位置信息时，可以利用 SOM神经网络输出层的标记区域确定待检测光路告警的同路由光缆故障中继段位置信息。具体的，参见图10步骤S103包括S1031至S1033：
S1031、接收传送网中的待检测光路告警。
S1032、将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域。
S1033、将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
具体的，步骤S1033包括：
当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
可以理解的，待检测光路告警构成一个输入向量输入到SOM神经网络的输入层，该输入向量若用R＝(r1,r2,r3,…,rm)T表示，则该向量的各个分量值表示光路告警状态，用0、1表示。即：
Figure GDA0002194120810000121
其中，rm＝1表示有光路告警，rm＝0表示无光路告警。
输入R后，经过SOM神经网络演算，根据对应SOM神经网络输出层神经元的区域，若恰好落在步骤S102中所标记的区域，则对应光缆中继段故障；若落在步骤S102中标记的区域之间，则光缆中继段故障发生在距离其最近的步骤 S102中所标记的光缆中继段概率最大。
示例性的，当光缆发生故障时，网元端口连接1中的两个网元出现成对告警，同时网元端口连接9中的两个网元出现成对告警，利用训练好的SOM神经网络，输入[1 0 0 0 00 0 0 1 0 0 0]，得到对应输出为是地点7-地点8光缆中继段发生故障。确定发生故障的光缆中继段后，就可以经传输现场维护人员确认更加精确的发生故障的光缆所在位置信息。
本发明实施例提供了一种同路由光缆故障定位方法，根据获取到的传送网标准同路由光缆故障样本，在SOM神经网络模型中进行学习，得到SOM神经网络输出层的标记区域后，再将待检测的光路告警输入SOM神经网络中确定出同路由光缆故障中继段的位置信息，实现了对传输系统中同路由光缆故障的自动定位，并且定位结果准确。
实施例二
参见图11，其示出了本发明实施例提供的一种同路由光缆故障定位装置11，所述同路由光缆故障定位装置11包括：获取模块1101和确定模块1102；其中，
所述获取模块1101，用于获取传送网对应的标准同路由光缆故障样本；
以及，将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域；
所述确定模块1102，用于根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息。
进一步地，所述获取模块1101，用于获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接；
以及，根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息；
以及，根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
进一步地，参见图12，所述获取模块1101包括：状态提示子模块1103；其中
所述状态提示子模块1103，用于当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；
以及，当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
进一步地，所述获取模块1101，用于获取所述SOM神经网络输入层神经元映射到输出层神经元的权值向量；
以及，将所述标准同路由光缆故障样本的行向量作为输入向量，在所述 SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元；
以及，调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的SOM神经网络输出层神经元；
以及，将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述SOM神经网络输出层的标记区域。
进一步地，所述基于神经网络模型的同路由光缆故障定位装置还包括：接收模块1104；其中，
所述接收模块1104，用于接收传送网中的待检测光路告警；
所述获取模块1101，用于将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域；
所述确定模块1102，用于将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
进一步地，所述确定模块1102，用于当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
以及，当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
具体的，本发明实施例提供的同路由光缆故障定位装置的说明可以参考实施例一的同路由光缆故障定位方法的说明，本发明实施例在此不再赘述。
在实际应用中，所述获取模块1101、确定模块1102、状态提示子模块1103 和接收模块1104均可由位于同路由光缆故障定位装置11中的中央处理器 (Central ProcessingUnit，CPU)、微处理器(Micro Processor Unit，MPU)、数字信号处理器(Digital SignalProcessor，DSP)、或现场可编程门阵列(Field Programmable Gate Array，FPGA)等实现。
本发明实施例提供了一种同路由光缆故障定位装置，根据获取到的传送网标准同路由光缆故障样本，在SOM神经网络模型中进行学习，得到SOM神经网络输出层的标记区域后，再将待检测的光路告警输入SOM神经网络中确定出同路由光缆故障中继段的位置信息，实现了对传输系统中同路由光缆故障的自动定位，并且定位结果准确。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (8)

1.一种同路由光缆故障定位方法，其特征在于，所述方法包括：
获取传送网对应的标准同路由光缆故障样本；
将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域；
根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息；
其中，所述将所述标准同路由光缆故障样本输入到SOM神经网络进行学习，获取所述SOM神经网络输出层的标记区域，包括：
获取所述SOM神经网络输入层神经元映射到输出层神经元的权值向量；
将所述标准同路由光缆故障样本的行向量作为输入向量，在所述SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元；
调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的SOM神经网络输出层神经元；
将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述SOM神经网络输出层的标记区域；
所述根据所述SOM神经网络输出层的标记区域确定发生故障的同路由光缆中继段位置信息，包括：
接收传送网中的待检测光路告警；
将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域；
将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
2.根据权利要求1所述的方法，其特征在于，所述获取传送网标准同路由光缆故障样本，包括：
获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接；
根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息；
根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
3.根据权利要求2所述的方法，其特征在于，所述根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息，包括：
当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；
当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
4.根据权利要求1所述的方法，其特征在于，所述将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息，包括：
当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
5.一种同路由光缆故障定位装置，其特征在于，所述装置包括：获取模块、接收模块和确定模块；其中，
所述获取模块，用于获取传送网对应的标准同路由光缆故障样本；
以及，获取SOM神经网络输入层神经元映射到输出层神经元的权值向量；
以及，将所述标准同路由光缆故障样本的行向量作为输入向量，在所述SOM神经网络输出层获取与所述SOM神经网络输入层最匹配的输出层神经元；
以及，调整所述SOM神经网络输出层神经元的权值向量，获取符合预设条件的SOM神经网络输出层神经元；
以及，将所述符合预设条件的SOM神经网络输出层神经元进行标记，获取所述SOM神经网络输出层的标记区域；
所述接收模块，用于接收传送网中的待检测光路告警；
所述获取模块，用于将所述待检测光路告警输入到所述SOM神经网络的输入层，获取与所述待检测光路告警相对应的待确定SOM神经网络输出层的神经元区域；
所述确定模块，用于将所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域进行匹配，确定发生故障的同路由光缆中继段位置信息。
6.根据权利要求5所述的装置，其特征在于，
所述获取模块，用于获取所述传送网中网元端口连接信息；其中，网元端口间通过光缆中继段连接；
以及，根据所述网元端口连接信息，获取光路在所述光缆中继段的通过状态信息；
以及，根据所述通过状态信息，确定同路由光缆故障中继段，获取所述标准同路由光缆故障样本。
7.根据权利要求6所述的装置，其特征在于，所述获取模块包括：状态提示子模块；其中，
所述状态提示子模块，用于当所述光路经过所述光缆中继段时，所述光缆中继段点火，用第一通过状态信息表示；
以及，当所述光路不经过所述光缆中继段时，所述光缆中继段熄火，用第二通过状态信息表示。
8.根据权利要求5所述的装置，其特征在于，
所述确定模块，用于当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域相匹配时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域相对应的同路由光缆中继段；
以及，当所述待确定SOM神经网络输出层的神经元区域与所述SOM神经网络输出层的标记区域不相匹配，且所述待确定SOM神经网络输出层的神经元区域在所述SOM神经网络输出层的标记区域之间时，确定发生故障的同路由光缆中继段为与所述SOM神经网络输出层的标记区域距离最近的同路由光缆中继段。
CN201610424234.8A 2016-06-14 2016-06-14 一种同路由光缆故障定位方法和装置 Active CN107508632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610424234.8A CN107508632B (zh) 2016-06-14 2016-06-14 一种同路由光缆故障定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610424234.8A CN107508632B (zh) 2016-06-14 2016-06-14 一种同路由光缆故障定位方法和装置

Publications (2)

Publication Number Publication Date
CN107508632A CN107508632A (zh) 2017-12-22
CN107508632B true CN107508632B (zh) 2020-02-18

Family

ID=60678348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610424234.8A Active CN107508632B (zh) 2016-06-14 2016-06-14 一种同路由光缆故障定位方法和装置

Country Status (1)

Country Link
CN (1) CN107508632B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10404362B1 (en) * 2018-02-22 2019-09-03 Subcom, Llc Fault detection and reporting in line monitoring systems
CN108593260B (zh) * 2018-04-24 2020-01-31 国家电网公司 光缆线路故障定位和检测方法及终端设备
CN110858777B (zh) * 2018-08-24 2021-04-16 中国移动通信集团广东有限公司 传输网络中同路由隐患的分析方法和设备
CN111600735B (zh) * 2019-02-21 2021-08-03 烽火通信科技股份有限公司 一种样本数据的处理方法、系统及装置
CN110995348B (zh) * 2019-11-01 2021-04-16 中国移动通信集团广东有限公司 一种传输网络物理同路由隐患排查规避方法
CN113141208B (zh) * 2020-01-19 2022-02-15 烽火通信科技股份有限公司 一种实现光通道路径健康度评估和故障定位的方法及系统
CN113381804B (zh) 2020-03-10 2022-12-27 华为技术有限公司 一种同缆概率检测的方法以及装置
CN111586504B (zh) * 2020-04-16 2021-02-09 沈阳市电信规划设计院股份有限公司 一种通信运营商的基于业务的同路由分析方法
CN111934914B (zh) * 2020-07-15 2022-01-18 北京思特奇信息技术股份有限公司 一种传输网络同路由分析的方法和系统
CN115833939B (zh) * 2022-11-23 2024-03-08 高勘(广州)技术有限公司 光缆同路由检测方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101702537A (zh) * 2009-11-10 2010-05-05 深圳市科陆电子科技股份有限公司 在配网终端中自适应处理故障的方法
CN102457419A (zh) * 2010-10-22 2012-05-16 中国移动通信集团广东有限公司 基于神经网络模型优化传送网路由的方法及装置
CN103454559A (zh) * 2013-09-02 2013-12-18 国家电网公司 一种配电网单相接地故障区段定位方法及定位装置
CN105548807A (zh) * 2015-12-15 2016-05-04 江苏省电力公司无锡供电公司 小电流接地系统单相故障选线方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101702537A (zh) * 2009-11-10 2010-05-05 深圳市科陆电子科技股份有限公司 在配网终端中自适应处理故障的方法
CN102457419A (zh) * 2010-10-22 2012-05-16 中国移动通信集团广东有限公司 基于神经网络模型优化传送网路由的方法及装置
CN103454559A (zh) * 2013-09-02 2013-12-18 国家电网公司 一种配电网单相接地故障区段定位方法及定位装置
CN105548807A (zh) * 2015-12-15 2016-05-04 江苏省电力公司无锡供电公司 小电流接地系统单相故障选线方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BP神经网络在WDM光网络故障定位中的应用研究;廖晓闽等;《中国电子学会电子系统工程分会第十五届信息化理论学术研讨会论文集》;20090319;第661-663页 *

Also Published As

Publication number Publication date
CN107508632A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107508632B (zh) 一种同路由光缆故障定位方法和装置
CN110493042B (zh) 故障诊断方法、装置及服务器
CN106953802B (zh) 一种基于深度学习的网络最优路径选择方法
EP2568664B1 (en) Apparatus and method for detecting critical nodes and critical links in a multi-hop network
CN104135395B (zh) Idc网络中数据传输质量监控方法和系统
CN106789190B (zh) 一种电力通信网脆弱性评估及路由优化方法
US8842520B2 (en) Apparatus and method for identifying optimal node placement to form redundant paths around critical nodes and critical links in a multi-hop network
CN115907264B (zh) 智慧燃气巡检片区生成方法、物联网系统、装置及介质
CN103905114A (zh) 光缆线路故障点定位方法、装置和系统
CN109474023B (zh) 智能配电网区段实时更新方法、系统、存储介质及终端
CN104521192A (zh) 用于网络拓扑结构中的链路状态协议的洪泛优化的技术
CN113485433A (zh) 输电线路的巡检方法与装置
CN108833002B (zh) 一种基于无源光网络的光链路检测方法及系统
CN113740666B (zh) 一种数据中心电力系统告警风暴根源故障的定位方法
CN107395269B (zh) 一种电力光纤配电通信网的布置方法和监测装置
CN111769987B (zh) 基于大数据管理模型的网络信息安全测试系统及方法
US12007075B2 (en) Methods and internet of things (IoT) systems for managing smart gas safety hazard items based on geographic information systems
CN117792987A (zh) 基于边缘计算的应急通信通道分流方法
CN115865679A (zh) 网络管控方法及其系统、存储介质
CN110858777B (zh) 传输网络中同路由隐患的分析方法和设备
KR102182977B1 (ko) 분석적 규칙 기반의 인공지능형 망 장애 관제 장치 및 방법
CN107547282B (zh) 一种信息与通信业务影响分析模型建立方法及系统
JP5687972B2 (ja) 障害リンク特定システムおよびその監視経路設定方法
Chen et al. Optimal communication frequency for switching cabled ocean networks with commands carried over the power line
Wang et al. Automation of Fast Configuration Error Diagnosis in Optical Transport Networks–Natural Language Processing is All You Need

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant