基于机器学习的高速数据分配模块故障诊断系统及方法技术方案

本发明专利技术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。本发明专利技术加入了使用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。

【技术实现步骤摘要】
基于机器学习的高速数据分配模块故障诊断系统及方法
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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；双机协同信息输出表中，0xff0000c0代表光纤损坏，0xff0001c0代表K码传输有问题，0xff0002c0代表数据传输有问题。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，综合数据库模块存储的运行数据包括：初始化信息输出表，状态信息输出表，帧接收信息输出表以及双机协同信息输出表；配置信息包括用户网络配置情况表与用户信息表；历史信息包括历史故障症状信息、诊断信息以及措施数据。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，推理机采用长短期记忆网络算法，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条件匹配判断预测，并得出对应的网络故障诊断和解决方案。根据所述的高速数据分配模块自动故障诊断系统提供一种网络故障诊断方法，该方法包括如下步骤：1）初始化规则集合，通过知识获取模块，采用If语句建立逻辑关系，得到关于网络故障判断和故障解决的一些规则集；2）推理机从综合数据库中取得现有网络系统的运行信息，采用LSTM算法，通过知识库中的规则集进行逻辑判断和预测得到对应的故障信息以及解决方案；3）用户通过人机交互界面得到高速数据分配模块自动故障诊断系统给出的故障诊断和相应的措施；4）知识获取模块通过对大量历史高速数据分配模块诊断数据，采用DNN进行训练，产生新的规则集。所述网络故障诊断方法的进一步设计在于，所述步骤2）中，推理机得到对应的故障信息以及解决方案后解释器将高速数据分配模块自动故障诊断系统推理的过程展示出来，用户通过解释器查看故障诊断专家系统得到最终解决方案的推理过程。所述网络故障诊断方法的进一步设计在于，故障症状，所属步骤4）中诊断数据包括诊断结果、结果是否正确的信息、应对措施以及是措施否有效的信息。本专利技术的优点如下：本专利技术提供的基于机器学习的高速数据分配模块故障诊断系统，除了使用传统的人工自行添加高速数据分配模块故障诊断规则集，还加入了用DNN对大量的历史高速数据分配模块故障诊断信息进行不断训练，不断试错，得到更加优质，更加正确的新的规则集，与传统的只使用人工添加诊断规则集相比，可以得到更加优秀的高速数据分配模块故障解决方案。附图说明图1是高速数据分配模块故障诊断系统的结构示意图。图2是高速数据分配模块故障诊断系统进行故障诊断的流程图。具体实施方式下面结合附图对本专利技术方案进行详细说明。如图1，基于机器学习的高速数据分配模块故障诊断系统，主要由：人机交互界面、推理机、知识获取模块以及知识库组成。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，故障诊断信息包括：光纤损坏，K码传输问题，数据传输问题等。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，动态规则集由大量历史诊断数据采用深度神经网络（DNN）进行不断训练形成。知识库，存储初始规则集与动态规则集。进一步的本实施的系统还包含解释器，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。本实施的初始规则集为人为设定的规则集。进一步设计在于，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。双机协同信息输出表中，0xff0000c0代表光纤损坏，0xff0001c0代表K码传输有问题，0xff0002c0代表数据传输有问题。综合数据库模块存储的运行数据包括：初始化信息输出表，状态信息输出表，帧接收信息输出表以及双机协同信息输出表；配置信息包括用户网络配置情况表与用户信息表；历史信息包括历史故障症状信息、诊断信息以及措施数据。本实施例的推理机采用长短期记忆网络（LSTM）算法，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条件匹配判断预测，并得出对应的网络故障诊断和解决方案。在高速数据分配模块自动故障诊断系统运行工作时，根据图2所示的流程图，具体介绍该系统的故障诊断方法，具体包括如下步骤：1）初始化规则集合本文档来自技高网...

【技术保护点】
1.一种基于机器学习的高速数据分配模块故障诊断系统，其特征在于，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。

【技术特征摘要】
1.一种基于机器学习的高速数据分配模块故障诊断系统，其特征在于，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。2.根据权利要求1所述的基于机器学习的高速数据分配模块故障诊断系统，其特征在于，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。3.根据权利要求1所述的基于机器学习的高速数据分配模块故障诊断系统，其特征在于，所述初始规则集为人为设定的规则集。4.根据权利要求1所述的基于机器学习的高速数据分配模块故障诊断系统，其特征在于，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；双机协同信息输出表中，0xff0000c0代表光纤损坏，0xff0001c0代表K码传输有问题，0xff0002c0代表数据传输有问题。5.根据权利要求1所述的基于机器学习...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：江苏,32