【技术实现步骤摘要】
一种通信网络故障诊断方法、系统、电子设备及存储介质
[0001]本专利技术涉及电子装备通信领域,特别是涉及一种通信网络故障诊断方法、系统、电子设备及存储介质。
技术介绍
[0002]电子装备通信网络组成复杂,各组成部分之间信息耦合关系紧密,对电子装备通信网络进行故障诊断与预测,涉及到计算机技术、信息处理技术、通信技术等诸多技术,在对电子装备通信网络进行故障诊断与预测时,由于单个维护人员知识有限、问题求解方式单一,不能满足多故障源故障、关联性故障以及全局性故障的诊断要求,在实际装备维护过程中经常出现维护人员专业不对口,无法完成维护任务的情况,甚至需要多名维护专家共同合作才能准确完成故障诊断和维护。
技术实现思路
[0003]本专利技术的目的是提供一种通信网络故障诊断方法、系统、电子设备及存储介质,解决了电子装备通信网络在保障过程中故障定位难、预测难的问题。
[0004]为实现上述目的,本专利技术提供了如下方案:
[0005]一种通信网络故障诊断方法,包括:
[0006]获取历史电子装备通信网络状态数据;
[0007]利用改进K
‑
均值聚类算法对所述历史电子装备通信网络状态数据进行聚类,得到聚类结果;所述改进K
‑
均值聚类算法的聚类准则函数为误差平方和准则函数;所述改进K
‑
均值聚类算法利用密度划分算法确定初始聚类中心;所述改进K
‑
均值聚类算法利用k值
‑
SSE折线图像算法确定聚类数 ...
【技术保护点】
【技术特征摘要】
1.一种通信网络故障诊断方法,其特征在于,包括:获取历史电子装备通信网络状态数据;利用改进K
‑
均值聚类算法对所述历史电子装备通信网络状态数据进行聚类,得到聚类结果;所述改进K
‑
均值聚类算法的聚类准则函数为误差平方和准则函数;所述改进K
‑
均值聚类算法利用密度划分算法确定初始聚类中心;所述改进K
‑
均值聚类算法利用k值
‑
SSE折线图像算法确定聚类数目;利用拟合误差法确定Elman神经网络的结构,将所述聚类结果作为训练集对所述Elman神经网络进行训练,得到故障预测模型;将实时监测电子装备通信网络状态数据作为测试集利用所述故障预测模型进行预测,得到故障诊断模型。2.根据权利要求1所述的通信网络故障诊断方法,其特征在于,所述改进K
‑
均值聚类算法利用密度划分算法确定初始聚类中心,具体包括:利用密度阈值系数和欧氏距离计算不同聚类数目取值下的密度阈值;根据所述历史电子装备通信网络状态数据和所述密度阈值确定初始聚类中心。3.根据权利要求1所述的通信网络故障诊断方法,其特征在于,所述改进K
‑
均值聚类算法利用k值
‑
SSE折线图像算法确定聚类数目,具体包括:根据所述历史电子装备通信网络状态数据计算不同聚类数目下的误差平方和;根据所述聚类数目和所述误差平方和确定k值
‑
SSE折线图;根据所述k值
‑
SSE折线图的拐点确定聚类数目。4.根据权利要求1所述的通信网络故障诊断方法,其特征在于,所述Elman神经网络的激活函数为双曲正切S形函数,所述双曲正切S形函数的表达式为:其中,fσ为双曲正切S形函数,σ为Elman神经网络输入层输出。5.一种通信网络故障诊断系统,其特征在于,包括:获取模块,用于获取历史电子装备通信网络状态数据;聚类模块,用于利用改进K
‑
均值聚类算法对所述历史电子装备通信网络状态数据进行聚类,得到聚类结果;所述...
【专利技术属性】
技术研发人员:尹文龙,郭宝锋,崔佩璋,李召瑞,孙慧贤,李晓辉,周永学,郄龙,王文娟,陶杰,
申请(专利权)人:中国人民解放军陆军工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。