一种基于神经网络的工业以太网故障预测方法与流程

技术特征：
1.一种基于神经网络的工业以太网故障预测方法，其特征在于，包括以下步骤：步骤s1：采集工业以太网发生性能越限事件和告警事件时工业以太网交换机的历史性能值；步骤s2：对采集到的历史性能值进行预处理并分析，获得单个性能值的变化规律以及多个性能值之间的关系规律；步骤s3：设计多维的cmac神经网络，基于信度分配思想，对常规cmac神经网络的训练算法进行改进，校正误差根据存储单元的可信度进行分配；步骤s4：用预处理后的历史性能值数据训练改进后的cmac神经网络生成故障预测模型；步骤s5：使用故障预测模型进行工业以太网故障预测。2.根据权利要求1所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤s2中基于信度分配思想，对常规cmac神经网络的训练算法进行改进，改进后的cmac神经网络训练算法如下：其中，w表示权值，m和t表示学习次数，l和j表示某个激活的存储单元，β表示学习速率，f
d
表示期望值，f(s)表示输出值，c表示泛化参数，f
t
(j)表示第j个激活的存储单元第t次学习时的已学习次数，f
t
(i)表示第i个激活的存储单元第t次学习时的已学习次数，f
m
(l)表示第l个激活的存储单元第m次学习时的已学习次数，k表示平衡学习常数。3.根据权利要求1所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤s5中使用故障预测模型进行工业以太网故障预测，具体过程包括以下步骤：步骤s21：采集待测工业以太网的交换机实时性能值并对实时性能值数据进行预处理、预测；步骤s22：将预处理后的实时性能值数据作为故障预测模型的输入，故障预测模型输出待测工业以太网的故障状态。4.根据权利要求1所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤s4中用预处理后的历史性能值数据训练改进后的cmac神经网络的过程，包括以下步骤：步骤a1：采用四阶龙格
‑
库塔法求解性能值数据和故障状态之间的微分方程，公式如下：
其中k1＝f(x
i
,y
i
))k4＝f(x
i
h,y
i
hk3)其中，k1表示开始斜率，k2表示第一中点斜率，k3表示第二中点斜率，k4表示终点斜率，h表示时间间隔，y
i
表示当前状态，y
i 1
表示下一个状态，x表示时间；再根据上述公式采用迭代算法求得离散点上的近似解；步骤a2：引入专家协调器，根据当前的误差信号切换控制策略，公式如下：其中，u
bangbang
表示专家控制，u
d
表示cmac控制，u
p
表示比例控制，e表示误差；步骤a3：引入极值控制；步骤a4：引入比例控制；步骤a5：引入改进的cmac神经网络控制；步骤a6：进行cmac神经网络基函数计算；步骤a7：进行cmac神经网络输入空间量化；步骤a8：进行cmac神经网络泛化参数c寻优；步骤a9：进行cmac神经网络学习速率寻优；步骤a10：进行cmac神经网络学习次数寻优；步骤a11：进行cmac神经网络学习误差评价。5.根据权利要求1所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤s1中采集的历史性能值包括以太网交换机的系统信息、端口状态、告警信息、端口速率、丢帧率、误帧率、平均往返时间、带宽和带宽利用率。6.根据权利要求1所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，所述预处理包括对数据进行清洗、防噪、聚合。7.根据权利要求4所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤a5中引入改进的cmac神经网络控制，具体过程包括：将期望输出状态向量s
d
定义为：s
d
＝<x
1e
[k 1],x1[k],e
d
>，e
d
＝x
1e
[k 1]
‑
x1[k]其中，k表示学习步数，e
d
表示期望误差，x
1e
[k 1]表示下一步期望输出，x1[k]表示当前输出；将当前输入状态向量so定义为：s0＝<x1,x2,d
x
>其中，x1,x2表示工业以太网特征值，d
x
表示工业以太网聚合特征值。8.根据权利要求4所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，
步骤a6中进行cmac神经网络基函数计算，具体过程包括：引入数论函数[x]，[x]表示将x取整为大于或等于x的一个最小的整数，即[x]＝k 1,k<x≤k 1，式中k为自然数；基函数总数p的计算公式如下：其中，c表示泛化参数，n表示输入维数，r
i
表示对应输入轴的量化级，d
ij
表示覆盖偏移向量。9.根据权利要求4所述的一种基于神经网络的工业以太网故障预测方法，其特征在于，步骤a11中进行cmac神经网络学习误差评价，具体过程包括：训练后计算训练样本的绝对误差tae和均方根误差rmse，计算公式如下：其中，n表示总故障状态数，f
d
表示故障状态s的期望输出值，f(s)为故障状态s的实际输出值。

技术总结
本发明公开了一种基于神经网络的工业以太网故障预测方法，包括以下步骤：步骤S1）采集工业以太网发生性能越限事件和告警事件时工业以太网交换机的历史性能值；步骤S2）对采集到的历史性能值进行预处理并分析；步骤S3）设计多维的CMAC神经网络，基于信度分配思想，对常规CMAC神经网络的训练算法进行改进，校正误差根据存储单元的可信度进行分配；步骤S4）用预处理后的历史性能值数据训练改进后的CMAC神经网络生成故障预测模型；步骤S5）使用故障预测模型进行工业以太网故障预测。本发明实时感知工业以太网的健康状态，做到事前预测事先做出维护措施，提高网络维护维修效率，提高网络服务质量。络服务质量。络服务质量。


技术研发人员：葛颖奇 徐劲松 戴建军 游云汉 叶益安
受保护的技术使用者：浙江运达风电股份有限公司
技术研发日：2021.08.16
技术公布日：2021/12/7