网络故障智能诊断技术及其应用研究

金冰心

摘要：随着人们对网络系统的依赖性越来越强，网络系统的故障检测技术日益成为一个重要的研究课题。智能诊断网络故障技术的容错性强，诊断率高，可以为故障管理人员提供极为有益的参考。该文通过对几种常用网络故障诊断技术进行比较分析，展望了智能诊断网络故障技术的应用优势和发展前景。

关键词：网络故障；智能诊断；测试与定位；应用

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）36-0040-02

1 概述

近年来，随着电子商务理念的不断推广和“互联网+”模式的不断深化，互联网在推动社会经济发展与和谐人文生活环境建设中发挥了越来越重要的作用。同时，人们对于网络的依赖性也越来越强。网络故障及其安全问题对人们生活的影响也日益变得严峻。

通常，网络管理包括配置管理、性能管理、安全管理和故障管理等。故障诊断又是故障管理中最基本的功能之一。网络故障诊断以网络原理、网络配置和网络运行的知识为基础，从网络故障的现象出发，根据特定的故障检测与定位方法来得出故障的详细信息并告警。实现网络故障诊断的技术难点主要体现在模型建立、故障关联、检测与定位等方面。

2 网络故障诊断技术特征分析

目前，我国在网络故障诊断的应用水平上与发达国家相比还有一定距离。但随着网络技术与多学科理论的不断融合，也逐步迈向了标准化、智能化、集中化等的可持续发展道路。常用的网络故障管理方法有模糊逻辑检测、专家诊断系统、神经网络系统检测诊断和各种智能化诊断系统等。由于这些不同的运用方法各有优劣，所以在实用中，大多采用了结合使用的方式。总的来说，各类故障诊断技术主要包含以下几大特点。

1） 实时性。网络实时系统的正确性不仅依赖系统计算的逻辑结果，还依赖于产生这个结果的时间。实时系统能够在指定或者确定的时间内完成系统功能和外部或内部、同步或异步时间做出响应的系统。因此网络运行的实时性应该指在事先定义的时间范围内识别和处理离散事件的能力；系统能够同时处理和储存控制系统所需要的大量数据。

2） 协作性。由于网络在开发管理过程中应用了大量的指令和标识，所以网络故障发生时的表象和征兆往往较为复杂。而有时很多不同原因的網络故障又表现出了相同或相似的征兆。这些都会给网络故障诊断的判定带来干扰。

3） 层次性。众所周知，网络体系结构将网络划分成了七个层次，各个层次之间各司其职。但各层之间一旦发生故障，也是具有分层性的。如数据链路层、物理层、应用层等之间的故障等也是会体现出一定的层次性。

4） 随机性。由于网络故障的发生没有固有的遵循模式或规律，因此具有一定的偶然性和随机性。这也导致了每次故障发生后的诊断难度加大，需要经验丰富的专业人员凭借故障识别知识去鉴别。这也必然会花费大量的时间和精力。

3 常见智能诊断网络故障技术应用及其分析

当前市场上针对网络结构与故障诊断的特点，较多地运用了故障树分析法（FTA）和一种基于比较的故障诊断技术来实现故障的诊断与分析。

FTA主要通过逻辑方法来进行定量分析。采用了树形结构从故障结果开始，寻找所有可能导致故障的原因，从而最终推出网络故障的FTA模型。其基本的分层结树形结构如图1所示。

在基于树形结构的网络拓扑结构图中，各级设备之间通过标准的链路层结构实现互联。网络故障的智能诊断也将基于分层结构中逐级进行。

其模型结构图如图2所示。

其基本思路即从顶层事件逐级向下检测，再根据每个节点不同的逻辑关系，选用And或Or等逻辑门接入下一级事件，直到推至底层事件，即得出故障发生的直接原因。

实际上，专家故障诊断系统主要用于那些没有或很难建立精确数学模型的复杂系统中。而神经网络系统检测诊断虽然原则上具有相应的容错机制，能够通过模块化的程序实施联想与推测等功能，实现诊断的记忆和结构化拓扑。它在提供自适应、学习、并行和处理复杂模式等能力时，也需要多次通过神经网络对样本集进行测试，通过反复训练来达到该神经网络故障诊断的需求。

因此，这种基于比较的故障诊断模型通过向不同处理器发送相同测试任务，然后比较它们的响应异同，从而进行故障诊断。这些处理器可以是网络中的任意一个结点，每个结点也都可以作为与它直接连接的比较器存在。这样的智能诊断网络故障技术可以减少因为网络元素多，导致出现盲目选取测试点等现象，严重影响故障诊断的效率。

4 故障诊断测试与定位

其实，网络测量中较为基础和实用的方法，主要还有基于windows操作系统的Ping语言和Tracert命令。Ping属于一种测试程序，如果能够通过运行ping命令查找问题或检验网络，则可大体上排除网卡、输入输出线路、电缆和路由等处存在故障的可能，大大缩小故障检测范围。Tracert命令则主要负责将不同生存时间（TTL）值的Internet控制消息协议（ICMP）回显数据包发送到目标，以测试到达目标采用的路由。

经过国内外众多研究实践结果证明。智能诊断网络故障技术不能单纯依靠某一种单一方法来实现，这肯定会增大诊断难度和精确度。尤其对于大型网络系统的故障诊断，其工作量和复杂度往往是人工技术所难以完成的。所以，采用多种诊断技术相结合，依靠人工智能技术的网状覆盖与组合，利用不同系统的特性将一个复杂的网络故障系统分解成若干个独立的、单一的子系统和因子。各因子之间即独立运行，又协同运作，共同完成一些庞大复杂而又缜密的系统工作。

5 结束语

目前多智能体系统技术融合的研究不断深入，各个子系统之间的协调问题等大多得到了有效的控制和改进。这也给网络故障诊断技术的运用提供了便利。只要能在自主性强、协调性高的基础上，将一些复杂问题自主的分解成若干小问题，则必然能将网络故障的定位实施的更快捷、更精准，从而减少和降低因为网络故障而给人们的工作、学习所带来的影响。

参考文献：

[1] 王道平，張义忠.故障智能诊断系统的理论与方法[M]. 北京：冶金工业出版社，2001.

[2] 雷亚国. 混合智能技术及其在故障诊断中的应用研究[D]. 西安：西安交通大学， 2007.

[3] 刘观良， 赵万能， 仝麦智. 基于人工智能的网络故障诊断研究综述[J].电脑编程技巧与维护， 2013（10）.

[4] 阿不都艾尼·阿不都肉素力. 基于人工智能的网络故障诊断相关问题研究[J].电脑知识与技术，2016，3.

[5] 阳惠，杨小帆. 在MM*比较模式下Mobius立方体的一个快速诊断算法[J].计算机学报，2007，30（7）.