一种面向指挥控制网络管理系统的故障检测方法技术方案

本发明专利技术属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明专利技术提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。率。率。

【技术实现步骤摘要】
一种面向指挥控制网络管理系统的故障检测方法


[0001]本专利技术属于指挥控制网络管理
，具体涉及一种面向指挥控制网络管理系统的故障检测方法。

技术介绍

[0002]现代战争环境下，信息化传输已成为不可或缺的一部分。信息数量大、信息变化迅捷是现代战争的主要特点，以网络为中心的体系对抗成为信息化战争的主要形态，对于网络故障检测也变得尤为重要。网络故障按照对象，可分为主机故障、路由器故障和线路故障；按照性质，可分为逻辑故障和物理故障；按照持续时间，可分为短暂性、间断性和永久性故障。网络故障检测是通过对网络状态信息(网络流量信息、设备状态信息、Trap告警信息等)进行采集，然后检测这些信息数据是否偏离其正常状态，进而检测出网络是否发生故障。
[0003]有人提出一种采用编码输入的生成对抗网络故障检测策略，考虑故障检测方法中基于生成器的统计量计算成本高和对离群点敏感的问题，计算待测样本经编码后的曼哈顿距离来作为新统计量进行故障检测，但最终生成的模型故障检测贡献率并不高；后来提出一种基于主动探测的探测路径选择算法来进行网络故障检测，该方法能减少投入成本，但检测准确率却受影响；之后根据相似度方法结合支持向量机算法设计了一个网络故障检测系统，该算法提高了检测的准确率，但性能提升容易陷入瓶。

技术实现思路

[0004]针对现有技术的不足，本专利技术的目的在于提供一种面向指挥控制网络管理系统的故障检测方法，解决了现有技术中指挥控制网络故障频发，导致网络故障检测准确率较低、耗时较长等问题。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种面向指挥控制网络管理系统的故障检测方法，所述方法包括以下步骤：
[0007]S1：构建指挥控制网络故障管理系统架构；
[0008]S2：获取原始故障网络数据集，对数据集进行归一化预处理；
[0009]S3：对预处理后的数据集运进行数据集的特征降维；
[0010]S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；
[0011]S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；
[0012]S6：运用决策灰狼优化算法优化SVM模型中的参数，选出最优参数运用于指挥控制网络故障检测模型中，进行网络故障检测；
[0013]S7：将指控系统实时采集到的数据信息按顺序传输到故障检测模块，从而实现智能化指挥控制网络故障检测，反馈出是否发生网络故障。
[0014]进一步地，所述步骤S1中，系统通过数据采集和传输模块采集网络性能数据，按照网络协议层次，可将网络性能数据分为3类：网络层性能数据、传输层性能数据和应用层性
能数据。
[0015]进一步地，所述步骤S2中，由于数据集中不同的特征之间数值存在很大差异，因此需要对数据集进行归一化处理，将所选用的训练集数据的各个指标进行归一化处理，处理的方法如下所示：
[0016][0017]式中：为归一化后的数据，x
i
为原始数据，x
max
与x
min
分别为原始数据集中的最大值和最小值。
[0018]进一步地，所述步骤S3中，选用PCA对其特征进行降维。
[0019]进一步地，所述PCA对其特征进行降维包括以下步骤：
[0020]S301：将数据集中的数据用向量表示，构成一个矩阵，设输入变量矩阵为Q
nxk
；
[0021]S302：求该矩阵的协方差矩阵；
[0022]S303：对协方差矩阵的特征值与特征向量进行求解。
[0023]进一步地，所述协方差矩阵的特征值与特征向量求解包括以下步骤：
[0024]S3031:设变量S1满足:S1＝Qθ1，||θ1＝1||；
[0025]S3032:将标准化输入变量矩阵Q
nxk
信息赋予S1；
[0026]S3033：S1方差为：
[0027][0028][0029]构造拉格朗日函数：
[0030]L＝θ
′1Vθ1‑
ρ1(θ
′1θ1‑
1)
[0031]其中ρ1为拉格朗日系数，计算L对ρ1和θ1的偏导数，则有：
[0032][0033]θ1为V标准化特征向量，ρ1为其所对应的特征值，此时得出：
[0034]Var(S1)＝θ
′1Vθ1＝θ
′1ρ1θ1＝ρ1[0035]S3034：将所得特征向量按照特征值降序排成矩阵，选择需要的主成分数目，取前n行n列形成最终矩阵，其中Q的第m主成分是S
m
＝Qθ
m
。
[0036]S3035：使用上述所得降维后的矩阵，其中前m个主成分所携带的信息总和为：
[0037][0038]进一步地，所述步骤S4中，SVM将数据集分为训练集与测试集两部分，设已知训练样本集{(x
i
,y
i
),i＝1,2,...,l}，l为训练样本集中训练样本总数；期望输出y
i
∈R为评估模型的输出值，x
i
∈R
n
为评估模型的输入向量，构建基于SVM的指挥控制网络故障检测模型为：
[0039][0040]式中，x
i
为训练时的样本输入评估指标向量；x为预测时的输入评估指标向量；为Sf(x)VM模型的输出，即网络故障检测结果。α
i*
、α
i
为拉格朗日乘子，λ为径向基核函数中的参数，λ＞0，b是偏置量。
[0041]进一步地，所述步骤S5中，参数优化选用决策灰狼优化算法来优化最佳的参数C和λ，选用的参数为均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)以及评估值与真实值之间的相关系数r2作为评价算法预测性能的性能指标，其中MSE、MAE以及MAPE计算公式如下：
[0042][0043][0044][0045][0046]式中，y
i
为实际值，f(x
i
)为预测值，n为测试集样本个数，决策灰狼算法中，α，β，δ3个等级的狼群位置代表支持向量机的惩罚因子以及核函数的候选值，猎物位置代表惩罚因子以及核函数的最优值。
[0047]进一步地，所述步骤S6中，选取决策灰狼优化算法对SVM参数进行优化，决策灰狼优化算法包括以下步骤：
[0048]S601、搜寻猎物：狼与猎物之间的距离为：
[0049][0050][0051]其中，表示猎物的位置,表示当前狼的位置，t为当前迭代次数，是系数向量，的值是[0,1]范围内的随机数；
[0052]S602、包围猎物：包围猎物的数学模型为：
[0053][0054][0055][0056]其中，表示猎物的位置，是系数向量，的值是[0,1]范围内的随机数，a从2线性衰减到0，t为当前迭代次数，T为最大迭代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向指挥控制网络管理系统的故障检测方法，包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，选出最优参数运用于指挥控制网络故障检测模型中，进行网络故障检测；S7：将指控系统实时采集到的数据信息按顺序传输到故障检测模块，从而实现智能化指挥控制网络故障检测，反馈出是否发生网络故障。2.根据权利要求1所述一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述步骤S1中，系统通过数据采集和传输模块采集网络性能数据，按照网络协议层次，可将网络性能数据分为3类：网络层性能数据、传输层性能数据和应用层性能数据。3.根据权利要求1所述的一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述步骤S2中，由于数据集中不同的特征之间数值存在很大差异，因此需要对数据集进行归一化处理，将所选用的训练集数据的各个指标进行归一化处理，处理的方法如下所示：式中：为归一化后的数据，x
i
为原始数据，x
max
与x
min
分别为原始数据集中的最大值和最小值。4.根据权利要求1所述的一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述步骤S3中，选用PCA对其特征进行降维。5.根据权利要求4所述的一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述PCA对其特征进行降维包括以下步骤：S301：将数据集中的数据用向量表示，构成一个矩阵，设输入变量矩阵为Q
nxk
；S302：求该矩阵的协方差矩阵；S303：对协方差矩阵的特征值与特征向量进行求解。6.根据权利要求5所述的一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述协方差矩阵的特征值与特征向量求解包括以下步骤：S3031:设变量S1满足:S1＝Qθ1，||θ1＝1||；S3032:将标准化输入变量矩阵Q
nxk
信息赋予S1；S3033：S1方差为：方差为：构造拉格朗日函数：L＝θ1′
Vθ1‑
ρ1(θ1′
θ1‑
1)其中ρ1为拉格朗日系数，计算L对ρ1和θ1的偏导数，则有：
θ1为V标准化特征向量，ρ1为其所对应的特征值，此时得出：Var(S1)＝θ1′
Vθ1＝θ1′
ρ1θ1＝ρ1S3034：将所得特征向量按照特征值降序排成矩阵，选择需要的主成分数目，取前n行n列形成最终矩阵，其中Q的第m主成分是S
m
＝Qθ
m
。S3035：使用上述所得降维后的矩阵，其中前m个主成分所携带的信息总和为：7.根据权利要求1所述的一种面向指挥控制网络管理系统的故障检测方法，其特征在于，所述步骤S4中，SVM将数据集分为训练集与测试集两部分，设已知训练样本集{(x
i
,y
i
),i＝1,2,...,l}，l为训练样本集中训练样本总数；期望输出y
i
∈R为评估模型的输出值，x
i
∈R
n
为评估模型的输入向量，构建基于SVM的指挥控制网络故障检测模型为：式中，x
i
为训练时的样本输入评估指标向量；x为预测时的输入评估指标向量；为Sf(x)VM模型的输出，即网络故障检测结果。α
i*
、α
i
为拉格朗日乘子，λ为径向基核函数中的参数，λ＞0，b是偏置量。8.根据权利要求1所述的一种面向指挥控制网络管理系统的故障检测...

【专利技术属性】
技术研发人员：潘成胜，王建伟，石怀峰，施建锋，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：