摘 要：伴隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)與電子通信技術(shù)的高速發(fā)展，隨著計(jì)算機(jī)用戶數(shù)量的快速增加，計(jì)算機(jī)網(wǎng)絡(luò)的所具有的應(yīng)用規(guī)模愈來愈大，其的結(jié)構(gòu)體系不斷復(fù)雜化，因此計(jì)算機(jī)網(wǎng)絡(luò)故障問題的檢測已經(jīng)成為重點(diǎn)研究方向，引起社會(huì)的廣大關(guān)注。本文根據(jù)BP神經(jīng)網(wǎng)絡(luò)的故障檢測基礎(chǔ)理論，提出有效可行的檢測算法，同時(shí)分析將神經(jīng)網(wǎng)絡(luò)應(yīng)用到故障檢測方面的檢測方法，體現(xiàn)出一定的實(shí)際意義。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；計(jì)算機(jī)網(wǎng)絡(luò)；故障；檢測

中圖分類號：TP393.09

在各種類型的神經(jīng)網(wǎng)絡(luò)模型中，BP模型對于非線性系統(tǒng)的模擬處理技術(shù)具有理想的作用效果，這已經(jīng)廣泛應(yīng)用到故障檢測技術(shù)的研究領(lǐng)域。然而標(biāo)準(zhǔn)形式的BP網(wǎng)絡(luò)算法具有收斂速度慢、容易陷入到局部最小點(diǎn)等各種缺陷對于這方面的缺陷問題，本文研究一種優(yōu)化BP算法的改進(jìn)方法，同時(shí)將其應(yīng)用在計(jì)算機(jī)網(wǎng)絡(luò)故障檢測技術(shù)中。

1 計(jì)算機(jī)網(wǎng)絡(luò)的信息采集功能

本文通過簡單模式的計(jì)算機(jī)網(wǎng)絡(luò)管理協(xié)議SNMP可以獲取得到故障檢測所需要的計(jì)算機(jī)網(wǎng)絡(luò)設(shè)備狀態(tài)信息。SNMP主要是為了能夠解決計(jì)算機(jī)網(wǎng)絡(luò)管理中設(shè)備種類復(fù)雜、數(shù)量規(guī)模較多、地理位置分布范圍等各種問題而進(jìn)行設(shè)計(jì)的，其目的在于使得復(fù)雜形式的計(jì)算機(jī)網(wǎng)絡(luò)管理工作簡單化，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)管理的標(biāo)準(zhǔn)化目標(biāo)。SNMP這種計(jì)算機(jī)網(wǎng)絡(luò)管理協(xié)議已經(jīng)得到社會(huì)各領(lǐng)域的大規(guī)模運(yùn)用，基本上全部計(jì)算機(jī)供應(yīng)商所推廣的計(jì)算機(jī)與網(wǎng)絡(luò)產(chǎn)品都能夠支持SNMP計(jì)算機(jī)網(wǎng)絡(luò)管理協(xié)議。SNMP的功能實(shí)現(xiàn)主要由三個(gè)部分所構(gòu)成，分別是管理員、代理與管理信息庫。MIB屬于一種樹形結(jié)構(gòu)類型的數(shù)據(jù)庫，使用對象用于表示被管理設(shè)備的各種數(shù)據(jù)信息的結(jié)構(gòu)化集合，其中各個(gè)管理數(shù)據(jù)信息都屬于管理信息樹的一個(gè)節(jié)點(diǎn)，具有唯一的對象標(biāo)志[1]。

2 BP神經(jīng)網(wǎng)絡(luò)故障檢測算法

神經(jīng)網(wǎng)絡(luò)不需要預(yù)先給出相關(guān)模式的經(jīng)驗(yàn)知識與判別函數(shù)，其是一種自適應(yīng)的模式識別技術(shù)，其所構(gòu)成的決策區(qū)域是通過本身的學(xué)習(xí)機(jī)制達(dá)到自動(dòng)形成目的，決定計(jì)算機(jī)網(wǎng)絡(luò)特性的主要因素分別有拓?fù)浣Y(jié)構(gòu)、學(xué)習(xí)和訓(xùn)練規(guī)則、神經(jīng)元特性等。計(jì)算機(jī)網(wǎng)絡(luò)得到某種映射關(guān)系主要通過狀態(tài)信息來對各種不同狀態(tài)的信息進(jìn)行實(shí)際訓(xùn)練所得到的。同時(shí)計(jì)算機(jī)網(wǎng)絡(luò)能夠連續(xù)地進(jìn)行學(xué)習(xí)，這種映射關(guān)系在環(huán)境出現(xiàn)變動(dòng)時(shí)能夠進(jìn)行自適應(yīng)地調(diào)整處理。S型激活函數(shù)時(shí)BP網(wǎng)絡(luò)對應(yīng)的輸入與輸出關(guān)系為：

輸入net=x1w1+x2w2+…+xnwn

輸出

輸出的導(dǎo)數(shù)

神經(jīng)網(wǎng)絡(luò)主要是由大量的神經(jīng)元相互連接的計(jì)算機(jī)網(wǎng)絡(luò)，現(xiàn)階段BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用十分廣泛的一種神經(jīng)網(wǎng)絡(luò)模式[2]。BP神經(jīng)網(wǎng)絡(luò)一般是單向傳播模式的多層次前向網(wǎng)絡(luò)，其主要是由輸入層、中間層與輸出層所構(gòu)成的，中間層可以有若干層，各層之間的神經(jīng)元只允許接受前一層神經(jīng)元的對應(yīng)輸出。在BP神經(jīng)網(wǎng)絡(luò)中沒有相應(yīng)的反饋，在同一層的節(jié)點(diǎn)之間缺乏藕合，各層的節(jié)點(diǎn)只會(huì)影響下一層節(jié)點(diǎn)的相應(yīng)輸入。

3 神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)故障檢測原理

BP神經(jīng)網(wǎng)絡(luò)模型只存在一個(gè)輸入與一個(gè)輸出和外界發(fā)生聯(lián)系，其類似于黑匣子的概念。神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練方式主要通過采集的樣本數(shù)據(jù)信息與BP算法來實(shí)現(xiàn)的，使其能夠與組合導(dǎo)航系統(tǒng)原始算法模型相應(yīng)的非線性特征不斷接近?；谏窠?jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)故障檢測技術(shù)分成兩個(gè)環(huán)節(jié)。一方面應(yīng)當(dāng)滿足神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需要的充足樣本數(shù)量，然后可以進(jìn)行期望的計(jì)算機(jī)網(wǎng)絡(luò)檢測；另一方面根據(jù)目前的檢測輸入，對系統(tǒng)進(jìn)行相應(yīng)的檢測，使用神經(jīng)網(wǎng)絡(luò)達(dá)到檢測目的。通常情況下首先要對檢測的原始數(shù)據(jù)與訓(xùn)練樣本數(shù)據(jù)進(jìn)行相應(yīng)處理，然后才可以開始學(xué)習(xí)與檢測，檢測的具體過程主要包含兩項(xiàng)內(nèi)容，分別是預(yù)處理與特征提取，從而可以為計(jì)算機(jī)網(wǎng)絡(luò)檢測提供有效的診斷輸入與訓(xùn)練樣本，同時(shí)這是基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)故障檢測的實(shí)現(xiàn)目標(biāo)[3]。

基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)故障檢測的主要步驟有如下方面：（1）合理確定計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)的實(shí)際規(guī)模，特別是計(jì)算機(jī)網(wǎng)絡(luò)中間層神經(jīng)元數(shù)目的選取是計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)確定與計(jì)算機(jī)網(wǎng)絡(luò)性能的重點(diǎn)；（2）訓(xùn)練樣本集與測試樣本集的具體確定。訓(xùn)練樣本集的實(shí)際作用是對計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，而測試樣本集的具體作用是對計(jì)算機(jī)網(wǎng)絡(luò)訓(xùn)練的實(shí)用效果與推廣能力的有效監(jiān)測；（3）根據(jù)訓(xùn)練樣本集對計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行相關(guān)訓(xùn)練，同時(shí)經(jīng)過測試樣本集的具體測試，符合要求標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)可以進(jìn)行相應(yīng)的故障檢測；（4）基于BP神經(jīng)網(wǎng)絡(luò)的故障檢測與定位技術(shù)根據(jù)組合導(dǎo)航系統(tǒng)的實(shí)際輸入來進(jìn)行。

4 計(jì)算機(jī)網(wǎng)絡(luò)故障檢測

計(jì)算機(jī)網(wǎng)絡(luò)故障的主要原因在于協(xié)議設(shè)置方面產(chǎn)生問題，能夠根據(jù)軟件方面進(jìn)行檢測分析[4]。假如計(jì)算機(jī)網(wǎng)絡(luò)的設(shè)置方式是正確有效的，測試本地主機(jī)是接通的，然而和相鄰主機(jī)是不通的，這時(shí)網(wǎng)卡和交換機(jī)互連端口的網(wǎng)線不存在松動(dòng)現(xiàn)象，TCP/IP協(xié)議或者網(wǎng)卡驅(qū)動(dòng)程序需要重新進(jìn)行一次安裝操作。假如問題仍然沒有得到有效解決，最后的檢測重點(diǎn)主要是和交換機(jī)相連的端口。如果系統(tǒng)處在正常的運(yùn)行狀態(tài)時(shí)，殘差可以近似成高斯白噪聲序列，其均值近接近零，協(xié)方差上界是：

U（k）=l1CP（k/k）CT+l3tr（P（k/k-1））I+l2I+V

協(xié)方差陣U（K）隨著k的變化具有各種不同的統(tǒng)計(jì)特點(diǎn)。

定義隨機(jī)變量ξT（k）ξ（k）=rT（k）U-1（k）r（k）

ξT（k）ξ（k）近似服從X2m-1分布，使得

在上式中，數(shù)據(jù)窗長度使用N表示。如果系統(tǒng)處在正常的運(yùn)行狀態(tài)，d（k）的數(shù)值相對較?。蝗绻到y(tǒng)處在突發(fā)性故障的狀態(tài)，ξ（k）將無法滿足白噪聲特征，從而可以得出d（k）H0≤β或者d（k）H1≥β。

其中閾值使用β表示，正常模態(tài)使用H0表示，故障模態(tài)使用H1表示。通過相關(guān)的實(shí)驗(yàn)可以表明，在產(chǎn)生故障之后，只需要一步的時(shí)延d（k）則可以發(fā)生比較明顯的變化，其數(shù)值和正常狀態(tài)數(shù)值相差一個(gè)數(shù)量級，這種方法比較合適于大部分非線性系統(tǒng)以及故障敏感度。

5 結(jié)束語

人工智能化的計(jì)算機(jī)網(wǎng)絡(luò)檢測技術(shù)已經(jīng)成為計(jì)算機(jī)網(wǎng)絡(luò)故障檢測的重點(diǎn)發(fā)展方向。神經(jīng)網(wǎng)絡(luò)具有較好的非線性映射與自適應(yīng)能力，在故障檢測研究領(lǐng)域能夠取得愈來愈廣泛的實(shí)際應(yīng)用。本文詳細(xì)分析計(jì)算機(jī)網(wǎng)絡(luò)設(shè)備的故障信息采集、故障特征提取與構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的有效方法。同時(shí)分析優(yōu)化方法的改進(jìn)基礎(chǔ)上，提出使用動(dòng)量系數(shù)逐步調(diào)整學(xué)習(xí)步長的優(yōu)化方法。

參考文獻(xiàn)：

[1]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與運(yùn)用[M].北京：電子工業(yè)出版，2009.

[2]朱大奇，史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京：科學(xué)出版社，2006.

[3]董天禎，郭江鴻，呂娟.基于神經(jīng)網(wǎng)絡(luò)的輸電線路故障檢測研究[J].系統(tǒng)仿真學(xué)報(bào)，2009（15）：4903-4906.

[4]時(shí)晨，申普兵.IPv6校園網(wǎng)環(huán)境下IPSecVPN的安全性研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010（10）：168-170.

作者簡介：宋英杰（1981-），女，黑龍江密山人，2004年7月畢業(yè)于牡丹江師范學(xué)院，理學(xué)學(xué)士，2009年6月獲遼工大工程碩士，講師，研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。

作者單位：黑龍江工業(yè)學(xué)院，黑龍江雞西 158100