故障診斷論文：數(shù)據(jù)挖掘在光纖故障診斷中的應(yīng)用研究【中文摘要】隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,人們的社會(huì)活動(dòng)越來(lái)越依賴于通信網(wǎng)絡(luò)。這就需要提供和支撐這些數(shù)據(jù)交互的網(wǎng)絡(luò)平臺(tái)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(zhǎng)、保密性能好、適應(yīng)能力強(qiáng)等優(yōu)點(diǎn),但是一旦發(fā)生故障,其造成的損失也是無(wú)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(luò)故障管理的難點(diǎn)和關(guān)鍵,所以光纖故障管理技術(shù)被國(guó)內(nèi)外學(xué)者廣為研究。目前,數(shù)據(jù)挖掘應(yīng)用于故障診斷已經(jīng)有許多成功的例子。BP神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘研究中的一個(gè)重要課題,選取BP神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)實(shí)現(xiàn)光纖故障診斷預(yù)測(cè)功能,可把具有復(fù)雜因果關(guān)系的物理量在經(jīng)過(guò)適當(dāng)數(shù)量的訓(xùn)練之后較準(zhǔn)確地反映出來(lái)。本文的主要工作體現(xiàn)在以下幾個(gè)方面:(1)基于VS2003平臺(tái),開(kāi)發(fā)了光纖自動(dòng)切換保護(hù)系統(tǒng),實(shí)現(xiàn)了對(duì)通信光纖的實(shí)時(shí)監(jiān)測(cè),將光功率值上報(bào)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(duì)上報(bào)的數(shù)據(jù)與預(yù)設(shè)門(mén)限進(jìn)行比較,實(shí)現(xiàn)自動(dòng)控制。(2)實(shí)時(shí)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(guò)觀察光纖光功率曲線變化,用戶可以判斷光纖運(yùn)行的穩(wěn)定性。(3)在研究BP算法的基礎(chǔ)上,對(duì)BP算法進(jìn)行改進(jìn),對(duì)實(shí)際的網(wǎng)絡(luò)模型進(jìn)行樣本選擇,構(gòu)造訓(xùn)練樣本;對(duì)所選擇的樣本進(jìn)行規(guī)范化預(yù)處理;選擇三層神經(jīng)網(wǎng)絡(luò),確定網(wǎng)絡(luò)的輸入輸出結(jié)點(diǎn)數(shù)及隱含層結(jié)點(diǎn)數(shù);確定合適的學(xué)習(xí)率。構(gòu)造合適的BP神經(jīng)網(wǎng)絡(luò)后,對(duì)光功率值進(jìn)行挖掘預(yù)測(cè),并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析。經(jīng)實(shí)驗(yàn)表明,采用BP神經(jīng)網(wǎng)絡(luò)對(duì)光纖故障診斷進(jìn)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(dòng)量項(xiàng)

33

3.3.2優(yōu)化初使化權(quán)值

33-34

3.3.3改進(jìn)訓(xùn)練樣本的歸一化方法

34

3.3.4隱含層個(gè)數(shù)的確定

34-35

3.4本章小結(jié)

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(cè)及采集

37-39

4.2光功率數(shù)據(jù)分析

39-42

4.3本章小結(jié)

42-43

第5章BP網(wǎng)絡(luò)在光纖故障診斷中的應(yīng)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(yù)處理

46-48

5.3BP網(wǎng)絡(luò)層數(shù)的選擇

48-49

5.4BP網(wǎng)絡(luò)訓(xùn)練

49-50

5.5結(jié)果分析

50-