PDF《一种网络环境中的故障诊断模型》

2) 可以表达操作之间的相关关系;

3) 可以表达多个操作与多个故障假设之间 的条件依赖关系;

4) 将代价作为操作节点属性,决策结果直接 体现为操作建议. 在DBN 模型基础上,本文研究了相关的诊断 算法,算法中考虑了操作相关和有观测操作存在 的情况,这使得算法更符合实际的诊断过程. 本文第

1 节提出了基于故障症状、故障假设、 观测和诊断操作节点结构的诊断贝叶斯网络 DBN 模型;

第2节提出了基于 DBN 模型的诊断算 法,算法中考虑了诊断操作相关和有观测操作的 情况;

最后,本文给出了算法的测试结果,以及相 关工作的比较. 1摇 网络故障诊断模型 在大型网络环境中,故障时常发生. 可能原因 有:断掉的电缆、不活跃的接口以及各种性能相关 的问题等等. 由于网络固有的复杂性、不确定性,通常情况 下无法获得所有与网络故障相关的信息,或者收 集到的是不完整性、不确定性的信息,如何尽快定 位故障仍然是一个棘手的问题. 以收集到的信息 一次就给出确定的故障诊断结论是很困难的,故 障诊断结论一般只是故障的概率信息,因此要确 定故障所在,还需要进一步进行信息收集和诊断 决策. 那么如何根据现有的信息(可能是不确定、 不完整的信息) 以最少的操作、最低的代价获得 确切故障的进一步信息,并最终做出诊断决策,就 是故障诊断决策需要解决的问题. 模仿领域专家进行网络故障诊断决策思维, 诊断过程可以表述如下:检测到故障症状后,根据 获取的相关观测信息,通过推理获得最有可能的 故障假设列表;

然后给出所有可能的诊断操作建 议,即建议执行最有价值的观测操作或最可能确 定故障的诊断操作;

最后观测网络运行是否恢复 正常,如果功能恢复正常,诊断任务终止,否则根 据获得的新信息继续搜寻并排除其它可能故障假 设,直到网络运行恢复正常. 可见,诊断过程中必须考虑的信息包括:故障 症状、故障假设、观测操作、诊断操作、诊断操作代 价和观测操作代价. 采用贝叶斯网络的知识表达 网络故障诊断问题,提出了一种以故障症状、故障 假设、诊断操作和观测操作节点为基本元素,并具 有网络结构的诊断模型. 为了方便模型的描述,给 出以下定义: 定义 1摇 故障症状集 E ={e1 ,e2 ,…,em},表示 网络潜在的所有故障症状. Ec 哿E 是当前观测到 的故障症状集合. 定义 2摇 候选故障集 F = {f1 ,f2 ,…,fn },表示 所有可能发生的故障,Fc 沂F 代表当前发生的故 障集合. 定义 3摇 操作集 A = {a1 ,a2 ,…,al },由Ec 求 解任意 fi 需要的所有可能操作构成. 操作 ai 的代 价为 Cai . 定义 4摇 观测集 O={o1 ,o2 ,…,ot },用于证实 某故障是否存在或是否已经消除,或用于获取与

3 9

0 1 第11 期摇 摇摇摇摇摇摇摇摇摇摇摇摇陈摇 琳等:一种网络环境中的故障诊断模型 故障假设节点相关的信息来源,它可以是观察外 部现象、测试操作、系统向用户提出的询问,尽管 这些操作的执行方式有差异,但属性和处理方式 是相同的,都会增加网络的信息,从而改变网络中 各节点的概率信息. 观测操作的代价记为 Coi . 将解决故障诊断问题的贝叶斯网络称为诊断 贝叶斯网络 DBN. DBN 诊断模型将网络故障症 状、故障假设、诊断操作和观测操作等与诊断有关 的要素都以网络节点的方式统一表达. 图1给出 了一个 DBN 诊断模型. 图 1摇 DBN 诊断模型 图1中,e1 ,e2 表示故障症状;