[发明专利]基于机器学习的高速数据分配模块故障诊断系统及方法在审

专利信息
申请号: 201810480022.0 申请日: 2018-05-18
公开(公告)号: CN108683535A 公开(公告)日: 2018-10-19
发明(设计)人: 潘红兵;吴加维;王宇宣;秦子迪;何书专;李丽;李伟 申请(专利权)人: 南京大学
主分类号: H04L12/24 分类号: H04L12/24;G06N5/04;G06N3/04
代理公司: 南京汇盛专利商标事务所(普通合伙) 32238 代理人: 陈扬;吴扬帆
地址: 210046 江苏省南*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 动态规则 规则集 知识库 故障诊断系统 综合数据库 分配模块 高速数据 基于机器 诊断数据 存储网络系统 故障诊断信息 人机交互界面 数据分配模块 网络故障诊断 知识获取模块 自动故障诊断 历史故障 历史数据 逻辑判断 配置信息 神经网络 网络系统 信息数据 学习训练 应对措施 运行数据 运行状态 推理机 存储 直观 学习 制定
【说明书】:

发明涉及一种基于机器学习的高速数据分配模块故障诊断系统,包括:人机交互界面,直观地将当前网络系统的运行状态、故障诊断信息以及应对措施呈现给用户;综合数据库,存储网络系统中的所有运行数据、历史数据以及配置信息;推理机,将综合数据库中的相应信息数据与知识库中的规则集进行逻辑判断,并得出对应的网络故障诊断结果和解决方案;知识获取模块,制定动态规则集,所述动态规则集由大量历史诊断数据采用深度神经网络进行不断训练形成;知识库,存储初始规则集与所述动态规则集。本发明加入了使用DNN对历史故障诊断数据进行学习训练的方法,得到新的更加有效的规则集,能够很好的提高数据分配模块自动故障诊断系统的准确性和可靠性。

技术领域

本发明属于计算及人工智能机领域,尤其涉及一种基于机器学习的高速数据分配模块故障诊断系统。

背景技术

高速数据分配模块对于设备中的高速传输的网络系统具有十分重要的意义,它保证了高速数据传输过程的稳定高效的进行,高速数据分配模块中可能会出现不同种类的故障,比如配置包信息出错,光纤损坏,K码传输问题,高速数据传输问题等,这些都有可能造成高速网络系统的崩溃,对于工业生产可能会是极其惨痛的代价,所以怎么样有效的进行高速数据分配模块网络故障诊断,并给出相应的解决方案显得尤为重要。

基于机器学习算法的专家系统是一种人工智能计算机程序系统,其中包括大量的某个领域的专家级别的知识与经验,利用人类专家的知识来解决某一个领域中那些需要人类专家处理的复杂问题,采用基于机器学习算法的专家系统可以在某一特定领域给出专家级的解决方案。

发明内容

本发明目的在于针对基于机器学习中强化学习算法的专家系统的先进专业技术,提供一种基于机器学习的高速数据分配模块故障诊断系统,基于知识库的规则集采用LSTM进行判断预测,得出网络故障诊断结果和应对措施解决方案;另外,对于高速数据分配模块故障诊断的历史信息使用机器学习中的DNN算法进行大量训练,得到新的可靠的规则集,以期得到更为专业,更加准确的网络故障诊断结果和应对措施解决方案,具体由以下技术方案实现:

所述基于机器学习的高速数据分配模块故障诊断系统,包括:

人机交互界面,直观地将当前网络系统的运行状态、故障诊断信息以及应对措施呈现给用户;

综合数据库,存储网络系统中的所有运行数据、历史数据以及配置信息;

推理机,将综合数据库中的相应信息数据与知识库中的规则集进行逻辑判断,并得出对应的网络故障诊断结果和解决方案;

知识获取模块,制定动态规则集,所述动态规则集由大量历史诊断数据采用深度神经网络进行不断训练形成;

知识库,存储初始规则集与所述动态规则集。

所述基于机器学习的高速数据分配模块故障诊断系统的进一步设计在于,所述系统还包含解释器,解释器将高速数据分配模块自动故障诊断系统如何得出解决方案的过程通过人机交互界面向用户展示,便于用户进行维护和检查。

所述基于机器学习的高速数据分配模块故障诊断系统的进一步设计在于,所述初始规则集为人为设定的规则集。

所述基于机器学习的高速数据分配模块故障诊断系统的进一步设计在于,所述初始规则集包括:

初始化信息输出表中,-0x66bb0000表示配置包未收到,-0x66bb0003表示配置校验信息错误;

状态信息输出表中,0xff0000cx表示光纤损坏,0xff0001cx表示K码传输存在问题,0xff0002cx表示数据传输存在问题;

帧接收信息输出表中,数据不为零表示接收光纤数据有丢数,且每帧执行清零操作;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京大学,未经南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810480022.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top