故障診斷論文：數(shù)據(jù)挖掘在光纖故障診斷中的應用研究

故障診斷論文：數(shù)據(jù)挖掘在光纖故障診斷中的應用研究【中文摘要】隨著計算機和網(wǎng)絡技術的迅猛發(fā)展,人們的社會活動越來越依賴于通信網(wǎng)絡。這就需要提供和支撐這些數(shù)據(jù)交互的網(wǎng)絡平臺具有更高的可靠性和穩(wěn)定性。通信的載體光纖具有通信容量大、中繼距離長、保密性能好、適應能力強等優(yōu)點,但是一旦發(fā)生故障,其造成的損失也是無法想象的。由于光纖出現(xiàn)故障后影響比較大,光纖故障診斷又是網(wǎng)絡故障管理的難點和關鍵,所以光纖故障管理技術被國內外學者廣為研究。目前,數(shù)據(jù)挖掘應用于故障診斷已經(jīng)有許多成功的例子。BP神經(jīng)網(wǎng)絡是數(shù)據(jù)挖掘研究中的一個重要課題,選取BP神經(jīng)網(wǎng)絡技術來實現(xiàn)光纖故障診斷預測功能,可把具有復雜因果關系的物理量在經(jīng)過適當數(shù)量的訓練之后較準確地反映出來。本文的主要工作體現(xiàn)在以下幾個方面:(1)基于VS2003平臺,開發(fā)了光纖自動切換保護系統(tǒng),實現(xiàn)了對通信光纖的實時監(jiān)測,將光功率值上報給系統(tǒng)的主控模塊,并存入歷史記錄表中,為之后的數(shù)據(jù)挖掘做好數(shù)據(jù)采集工作。主控模塊對上報的數(shù)據(jù)與預設門限進行比較,實現(xiàn)自動控制。(2)實時繪制光功率變化曲線,直觀地顯示傳輸系統(tǒng)中光纖的光功率變化情況,通過觀察光纖光功率曲線變化,用戶可以判斷光纖運行的穩(wěn)定性。(3)在研究BP算法的基礎上,對BP算法進行改進,對實際的網(wǎng)絡模型進行樣本選擇,構造訓練樣本;對所選擇的樣本進行規(guī)范化預處理;選擇三層神經(jīng)網(wǎng)絡,確定網(wǎng)絡的輸入輸出結點數(shù)及隱含層結點數(shù);確定合適的學習率。構造合適的BP神經(jīng)網(wǎng)絡后,對光功率值進行挖掘預測,并對預測結果進行分析。經(jīng)實驗表明,采用BP神經(jīng)網(wǎng)絡對光纖故障診斷進行數(shù)據(jù)挖掘是可行的?！居⑽恼縒iththerapiddevelopmentofcomputerandnetworktechniques,people’ssocialactivitiesbecomemoredependentoncommunicationnetwork.Thisrequiresthenetworkplatformwhichprovidesandsupportsdatasexchangetobemoredependableandstable.Thecarrierofcommunicationsisoptical-fiber,ithasmanyadvantages,suchascommunicationcapacity,long-distancerelay,securityperformance,adaptability,etc;butintheeventoffailure,thelossisbeyondimagination.Astheimpactoffiberfailureisrelativelylarge,thefaultdiagnosisoffiber-opticisalsodifficultandcriticalintheNetworkFaultManagement,sofiber-opticfaultmanagementtechnologyiswidelystudiedbyforeignscholars.Currently,therearemanysuccessfuldataminingapplicationexamplesathomeandabroadinfaultdiagnosis.BPneuralnetworkisanimportantissueofdatamining.SelectingBPneuralnetworktechnologytorealizefaultdiagnosiscapabilitiesoffiber,somephysicalquantitywithcomplexcausalrelationshipcanbeaccuratelyreflectedafterthetrainingofappropriatetimes.Themainjobofthispaperisasfollowing:(1)Developeanautomaticswitchingprotection

33-35

3.3.1加入動量項

33

3.3.2優(yōu)化初使化權值

33-34

3.3.3改進訓練樣本的歸一化方法

34

3.3.4隱含層個數(shù)的確定

34-35

3.4本章小結

35-36

第4章光功率數(shù)據(jù)的采集及分析

36-43

4.1光功率監(jiān)測及采集

37-39

4.2光功率數(shù)據(jù)分析

39-42

4.3本章小結

42-43

第5章BP網(wǎng)絡在光纖故障診斷中的應用

43-52

5.1樣本數(shù)據(jù)的選擇及清理

44-46

5.2光功率樣本數(shù)據(jù)預處理

46-48

5.3BP網(wǎng)絡層數(shù)的選擇

48-49

5.4BP網(wǎng)絡訓練

49-50

5.5結果分析

50-