丁 智

(蚌埠學(xué)院 計算機工程學(xué)院，安徽 蚌埠 233030)

光纖網(wǎng)絡(luò)作為一種可以實現(xiàn)智能化設(shè)備功能的載體，可準確獲取光纖設(shè)備的跳閘信息、開關(guān)狀態(tài)信息等.網(wǎng)絡(luò)的可靠性對光纖設(shè)備安全運行具有重要現(xiàn)實意義[1].光纖網(wǎng)絡(luò)在運行過程中面臨多種鏈路故障，加上光纖網(wǎng)絡(luò)鏈路的交叉復(fù)雜性，很難實現(xiàn)精確維護.因此，診斷和定位光纖網(wǎng)絡(luò)鏈路故障至關(guān)重要.國外對光纖網(wǎng)絡(luò)鏈路故障研究較早，其從神經(jīng)網(wǎng)絡(luò)和人工智能領(lǐng)域中探析新的診斷方法，為光纖網(wǎng)絡(luò)鏈路故障診斷提供了新的方法.還將數(shù)據(jù)挖掘技術(shù)應(yīng)用到光纖網(wǎng)絡(luò)鏈路故障的定位中，為光纖網(wǎng)絡(luò)鏈路故障的診斷和定位提供了一定理論支持[2]；國內(nèi)光纖網(wǎng)絡(luò)發(fā)展晚于國外，導(dǎo)致國內(nèi)在光纖網(wǎng)絡(luò)鏈路故障診斷上也比較落后，但隨著科技的發(fā)展，國內(nèi)光纖網(wǎng)絡(luò)鏈路故障的診斷能力也在逐漸提升，但仍需不斷改進診斷方法[3].

陳軍[4]等人針對傳統(tǒng)故障診斷與定位方法存在的問題，梳理了智能變電站保護控制的信息集合，建立保護控制功能模型的同時，并且建立了Petri子網(wǎng)，通過Petri網(wǎng)在報文時獲取到的故障信息狀態(tài)，對Petri網(wǎng)智能變電站進行故障診斷與定位，得到結(jié)果可以反映智能變電站邏輯功能的缺陷，通過實例證明了該方法在Petri網(wǎng)智能變電站保護控制過程中，具有良好的故障診斷效果和定位精度，但該方法操作過程復(fù)雜，對故障診斷的耗時較長，仍需繼續(xù)改進；孫宇嫣[5]等人以提高智能變電站中通信網(wǎng)絡(luò)的運維效率為目的，從智能變電站通信網(wǎng)絡(luò)故障的冗余監(jiān)測出發(fā)，分析通信網(wǎng)絡(luò)故障的特征信息，結(jié)合深度學(xué)習(xí)算法，建立了通信網(wǎng)絡(luò)故障診斷模型，實現(xiàn)通信網(wǎng)絡(luò)故障的分析處理，該方法可以提高故障診斷的精確性，具有較好的容錯性能，但該方法對網(wǎng)絡(luò)中存在的其他干擾因素考慮甚少，導(dǎo)致故障定位的效果欠佳.

針對以上背景，本文將深度學(xué)習(xí)應(yīng)用到了光纖網(wǎng)絡(luò)鏈路故障診斷中，提高了光纖網(wǎng)絡(luò)鏈路故障診斷與定位的精度.

1 診斷光纖網(wǎng)絡(luò)鏈路故障

1.1 鏈路故障診斷網(wǎng)絡(luò)建立

為了實現(xiàn)光纖網(wǎng)絡(luò)鏈路故障診斷與定位，首選構(gòu)建鏈路故障診斷網(wǎng)絡(luò).將存在因果關(guān)系的故障節(jié)點，通過有向邊進行連接，將變量之間關(guān)系通過圖形進行表達.鏈路故障診斷網(wǎng)絡(luò)中全部故障節(jié)點在診斷過程中要給出條件概率，不具備父節(jié)點的故障節(jié)點需要先給出先驗概率[6].而條件概率可通過故障節(jié)點樣本數(shù)據(jù)統(tǒng)計得到，還可以通過有關(guān)專家根據(jù)以往的經(jīng)驗得到.在沒有足夠故障節(jié)點樣本數(shù)據(jù)可以使用情況下，針對鏈路故障診斷網(wǎng)絡(luò)中的故障節(jié)點變量，計算出條件概率信息較難[7].

為了簡化鏈路故障診斷網(wǎng)絡(luò)的建立過程，先按照鏈路故障診斷方向?qū)饫w網(wǎng)絡(luò)鏈路故障進行估計，如果估計得到的結(jié)果與專家的診斷思維吻合，則便于條件概率的推理[8].圖1給出了鏈路故障的診斷網(wǎng)絡(luò)結(jié)構(gòu).

圖1 光纖網(wǎng)絡(luò)鏈路故障診斷網(wǎng)絡(luò)

圖1中，鏈路故障的診斷的條件概率s為1，將其劃分為F1=0.2、F2=0.8，其中，F(xiàn)1=F11+F12,F2=F12+F22，根據(jù)不同的條件概率劃分判斷鏈路故障.根據(jù)鏈路故障的因果關(guān)系建立診斷模型，在光纖網(wǎng)絡(luò)鏈路故障診斷過程中，通過計算條件概率，實現(xiàn)最終鏈路故障診斷.

1.2 光纖網(wǎng)絡(luò)鏈路故障診斷模型

在上述構(gòu)建的鏈路故障診斷網(wǎng)絡(luò)基礎(chǔ)上，設(shè)計光纖網(wǎng)絡(luò)鏈路故障診斷模型.本文引入深度學(xué)習(xí)算法構(gòu)建光纖網(wǎng)絡(luò)鏈路故障診斷模型.深度學(xué)習(xí)算法被廣泛應(yīng)用于各個領(lǐng)域中，其在光纖網(wǎng)絡(luò)鏈路故障診斷中不僅可以處理光纖網(wǎng)絡(luò)的高維輸入量，還可以確定輸入量與輸出量之間的非線性關(guān)系.因此，本文采用深度學(xué)習(xí)理論構(gòu)建光纖網(wǎng)絡(luò)鏈路故障診斷模型.

深度學(xué)習(xí)理論增設(shè)了無監(jiān)督學(xué)習(xí)的預(yù)訓(xùn)練過程，將深度學(xué)習(xí)的能量函數(shù)定義為

(1)

式中，E(v,h∣θ)表示深度學(xué)習(xí)的能量函數(shù)，該值為一個函數(shù)，vi表示深度學(xué)習(xí)可視層的學(xué)習(xí)狀態(tài)，hj表示深度學(xué)習(xí)隱藏層的學(xué)習(xí)狀態(tài)，θ={cj,bi,wij}表示深度學(xué)習(xí)參數(shù)，cj表示深度學(xué)習(xí)隱藏層的偏置值，bi表示深度學(xué)習(xí)可視層的偏置值，wij表示可視層i與隱藏層j的連接權(quán)重，nv表示可視層的故障數(shù)量，nh表示隱藏層的故障數(shù)量.

根據(jù)公式(1)的深度學(xué)習(xí)理論定義，可以得到深度學(xué)習(xí)的聯(lián)合概率分布為

(2)

式中，P(v,h∣θ)代表深度學(xué)習(xí)的聯(lián)合概率分布，Z代表二維隨機變量，-E代表無窮矩形域內(nèi)概率分布.

對光纖網(wǎng)絡(luò)鏈路故障進行正向輸入層和反向輸入層的重構(gòu)，分別表示為

(3)

(4)

根據(jù)重構(gòu)結(jié)果與實際結(jié)果之間的誤差，對光纖網(wǎng)絡(luò)的參數(shù)進行更新處理，處理步驟如公式(5)～公式(7)

wij=wij+ε[P(h0j=1∣v0)vi0-P(h1j=1∣v1)vi1]，

(5)

bi=bi+ε(vi0-vi1)，

(6)

cj=cj+ε[P(h0j=1∣v0)-P(h1j=1∣v1)]，

(7)

式中，ε表示學(xué)習(xí)率，h0j代表深度學(xué)習(xí)隱藏層的初始學(xué)習(xí)狀態(tài)，vi0表示深度學(xué)習(xí)可視層的初始學(xué)習(xí)狀態(tài).通過深度學(xué)習(xí)的訓(xùn)練樣本[9]，計算光纖網(wǎng)絡(luò)輸出層與目標輸出層間的均方誤差和梯度值，將其作為模型的輸入和輸出值，確定光纖網(wǎng)絡(luò)鏈路故障結(jié)果.通過朝相反方向調(diào)整光纖網(wǎng)絡(luò)參數(shù)值θ實現(xiàn)結(jié)果的輸出，即

(8)

θ=θ-ε·?θJ(θ)，

(9)

在建立鏈路故障診斷網(wǎng)絡(luò)基礎(chǔ)上，定義深度學(xué)習(xí)的能量函數(shù)，結(jié)合深度學(xué)習(xí)的聯(lián)合概率分布，對光纖網(wǎng)絡(luò)鏈路故障進行重構(gòu)，通過計算光纖網(wǎng)絡(luò)輸出層與目標輸出層之間的均方誤差和梯度值，實現(xiàn)光纖網(wǎng)絡(luò)鏈路故障診斷.

2 光纖網(wǎng)絡(luò)鏈路故障定位

2.1 光纖網(wǎng)絡(luò)鏈路故障篩選

在設(shè)計光纖網(wǎng)絡(luò)鏈路故障診斷模型后，需要對光纖網(wǎng)絡(luò)鏈路故障進行篩選.在光纖網(wǎng)絡(luò)鏈路故障篩選中，學(xué)習(xí)定位模塊得到的最大光纖網(wǎng)絡(luò)鏈路故障集具有非常大的冗余度，以降低鏈路故障集合的冗余度為目的，減小冗余鏈路故障對故障判定時的影響，盡量將故障集合中冗余故障剔除，篩選出可能性較大的鏈路故障.將光纖網(wǎng)絡(luò)鏈路故障看作信號，將信號的覆蓋范圍作為光纖網(wǎng)絡(luò)鏈路故障的信號強度，將鏈路故障篩選問題轉(zhuǎn)化為一種信號的處理方法.深度學(xué)習(xí)方法可以作為一種信號處理方法，實現(xiàn)光纖網(wǎng)絡(luò)鏈路故障的篩選.深度學(xué)習(xí)流程如圖2所示.

圖2 深度學(xué)習(xí)流程

假設(shè)光纖網(wǎng)絡(luò)鏈路故障的信號強度閾值為αSI，設(shè)計一個深度學(xué)習(xí)矩陣，保留光纖網(wǎng)絡(luò)鏈路故障的原始信號x=(x1,x2,…,xn)中強度大于閾值的鏈路故障信號.其中，αSI可以根據(jù)公式(10)計算得出，μ表示尺度因子，取值范圍在0～1之間，可以靈活控制αSI的大小，即

αSI=μ·Max{x1,x2,…,xn}.

(10)

由于對角矩陣乘以目標矩陣可實現(xiàn)目標矩陣內(nèi)光纖網(wǎng)絡(luò)鏈路故障大小的伸縮.引入對角矩陣A=diag(a1,a2,…,an)作為光纖網(wǎng)絡(luò)鏈路故障原始信號的學(xué)習(xí)矩陣Φ.對角矩陣的鏈路故障值通過公式(11)計算得出.根據(jù)學(xué)習(xí)矩陣[10]，可以得出鏈路故障原始信號的觀測向量為

(11)

在重構(gòu)之后鏈路故障信號中，將非零元素對應(yīng)的鏈路故障集合作為篩選后的鏈路故障集合HS.采用HS的真實故障覆蓋率和冗余度衡量光纖網(wǎng)絡(luò)鏈路故障的篩選性能.覆蓋率和冗余度的計算公式為

(12)

(13)

式中，HRS表示鏈路故障集合中冗余鏈路故障集合，F(xiàn)OS表示鏈路故障集合中真實鏈路故障集合.

真實故障覆蓋率η(HS)的值越大，說明篩選后的鏈路故障集合HS保留了原有鏈路故障集合HMax的重要信息越多.當η(HS)=1時，說明篩選后的鏈路故障集合HS保留了HMax中所有重要信息；相反，R(HS)的值越小，說明篩選后的鏈路故障集合HS中含有的冗余故障越少，說明光纖網(wǎng)絡(luò)鏈路故障的篩選性能越好.

2.2 光纖網(wǎng)絡(luò)鏈路故障定位實現(xiàn)

根據(jù)光纖網(wǎng)絡(luò)鏈路故障篩選結(jié)果，結(jié)合物理拓撲劃分，將光纖網(wǎng)絡(luò)鏈路拆分為兩棵不同子樹，對子樹遞歸調(diào)用鏈路故障進行定位算法的設(shè)計，實現(xiàn)鏈路故障的定位.光纖網(wǎng)絡(luò)鏈路故障定位算法設(shè)計步驟如下：

Step1：根據(jù)物理拓撲劃分，判斷子樹的根節(jié)點隊列是否為空集，如果不是空集則讓根節(jié)點出列，判斷出列的根節(jié)點是否存在鏈路故障，如果存在鏈路故障，直接返回到故障節(jié)點的位置，結(jié)束鏈路故障定位；

Step2：如果當前根節(jié)點沒有鏈路故障，則判斷其是否存在子節(jié)點，如果存在子節(jié)點，判斷當前根節(jié)點與子節(jié)點相連的光纖網(wǎng)絡(luò)是否存在故障，如果存在鏈路故障，將該鏈路故障定位當前光纖網(wǎng)絡(luò)中，結(jié)束鏈路故障的定位；

Step3：如果根節(jié)點與子節(jié)點相連的光纖網(wǎng)絡(luò)未發(fā)現(xiàn)故障，繼續(xù)判斷子節(jié)點是否是光纖網(wǎng)絡(luò)鏈路上的末端節(jié)點，如果是末端節(jié)點，只需判斷末端節(jié)點是否存在故障，并定位到故障位置即可；

Step4：如果子節(jié)點不是末端節(jié)點，將此子節(jié)點納入到子樹根節(jié)點的隊列中，將該子節(jié)點作為新的根節(jié)點，繼續(xù)重復(fù)操作上述三個步驟，直到遍歷光纖網(wǎng)絡(luò)中的所有節(jié)點為止.

通過篩選光纖網(wǎng)絡(luò)鏈路故障，設(shè)計光纖網(wǎng)絡(luò)鏈路故障定位算法，實現(xiàn)光纖網(wǎng)絡(luò)鏈路故障的定位.

3 實驗分析

3.1 實驗參數(shù)設(shè)置

本文采用光纖網(wǎng)絡(luò)真實交換機網(wǎng)絡(luò)作為仿真實驗的網(wǎng)絡(luò)拓撲，共包含54條鏈路和44臺交換機設(shè)備.通過模擬鏈路故障情景，得到鏈路故障數(shù)據(jù).假設(shè)光纖網(wǎng)絡(luò)中鏈路故障和交換機設(shè)備都服從泊松分布；再令光纖網(wǎng)絡(luò)及時獲取鏈路故障告警信息，并且分辨每一條告警信息對應(yīng)的鏈路故障.泊松分布的控制參數(shù)λ模擬光纖網(wǎng)絡(luò)鏈路故障的規(guī)模大小，記錄產(chǎn)生鏈路故障的根源和告警信息，作為光纖網(wǎng)絡(luò)鏈路故障診斷和定位的訓(xùn)練以及驗證數(shù)據(jù)集.

設(shè)置光纖網(wǎng)絡(luò)鏈路故障樣本總數(shù)分別為400個、800個、1600個和3200個，選取所有訓(xùn)練樣本的10%作為實驗的測試集，驗證本文方法的有效性.實驗參數(shù)設(shè)置情況如表1所示.

表1 實驗參數(shù)設(shè)置情況

3.2 光纖網(wǎng)絡(luò)鏈路故障誤檢率對比試驗

在實驗參數(shù)設(shè)置基礎(chǔ)上，分別采用本文診斷與定位方法、文獻[4]診斷與定位方法及文獻[5]診斷與定位方法，檢測光纖網(wǎng)絡(luò)鏈路故障，得到光纖網(wǎng)絡(luò)鏈路故障誤檢率對比結(jié)果，如表2所示.

表2 光纖網(wǎng)絡(luò)鏈路故障誤檢率對比(%)

數(shù)據(jù)可以看出，采用基于深度學(xué)習(xí)的光纖網(wǎng)絡(luò)鏈路故障診斷與定位方法檢測光纖網(wǎng)絡(luò)鏈路故障時，由于該方法在診斷故障之前先建立了診斷網(wǎng)絡(luò)，使鏈路故障的檢測更加有序，而且在定位之前，又篩選了冗余故障，使鏈路故障隨著樣本數(shù)的增加，誤檢率控制在40 %以內(nèi)，采用文獻[4]的方法檢測鏈路故障時，由于該方法在定位鏈路故障時，存在很多冗余故障，造成鏈路故障的誤檢率始終較高，采用文獻[5]的方法檢測鏈路故障時，由于該方法在檢測過程中無法有序識別故障樣本數(shù)，導(dǎo)致鏈路故障的誤檢率始終較高.相比之下所提方法的誤檢率較低，具有一定可行性.

3.3 光纖網(wǎng)絡(luò)鏈路故障檢測率對比試驗

為進一步驗證所提方法，分別采用本文方法、文獻[4]方法及文獻[5]方法，檢測光纖網(wǎng)絡(luò)鏈路故障，得到光纖網(wǎng)絡(luò)鏈路故障檢測率對比結(jié)果，如圖3所示.

圖3 光纖網(wǎng)絡(luò)鏈路故障檢測率對比結(jié)果

從圖3的實驗結(jié)果可以看出，三種方法的故障檢測率存在一定差距.當故障樣本數(shù)為600時，三種方法的鏈路故障的檢測率分別約為95 %、72 %以及78 %，當故障樣本數(shù)為1000時，三種方法的鏈路故障的檢測率分別約為99 %、75 %和77 %.相比之下，所提方法的樣本故障檢測率相對較高.這是由于該方法在定位鏈路故障時排除了冗余故障的影響，使鏈路故障的檢測率逐漸變大，而且篩選了光纖網(wǎng)絡(luò)鏈路故障，對光纖網(wǎng)絡(luò)鏈路故障進行有效定位，進而提升了方法檢測的效率.

4 結(jié)束語

本文提出基于深度學(xué)習(xí)的光纖網(wǎng)絡(luò)鏈路故障診斷與定位方法，該方法通過結(jié)合深度學(xué)習(xí)的聯(lián)合概率分布，重構(gòu)光纖網(wǎng)絡(luò)鏈路故障，獲取光纖網(wǎng)絡(luò)輸出層與目標輸出層之間的均方誤差和梯度值，篩選光纖網(wǎng)絡(luò)鏈路故障，完成了光纖網(wǎng)絡(luò)鏈路故障診斷與定位.與傳統(tǒng)方法相比本文方法檢測光纖網(wǎng)絡(luò)鏈路故障的誤檢率始終低于40%，且鏈路故障的檢測率較高，可以提高光纖網(wǎng)絡(luò)鏈路故障的檢測精度.在今后研究中，還要深入解決鏈路故障在定位中的誤判和漏判問題，解決鏈路故障在告警過程中的無用信息干擾.