《故障诊断论文：数据挖掘在光纤故障诊断中的应用研究》由会员分享，可在线阅读，更多相关《故障诊断论文：数据挖掘在光纤故障诊断中的应用研究（5页珍藏版）》请在金锄头文库上搜索。
1、 故障诊断论文：数据挖掘在光纤故障诊断中的应用研究【中文摘要】随着计算机和网络技术的迅猛发展,人们的社会活动越来越依赖于通信网络。这就需要提供和支撑这些数据交互的网络平台具有更高的可靠性和稳定性。通信的载体光纤具有通信容量大、中继距离长、保密性能好、适应能力强等优点,但是一旦发生故障,其造成的损失也是无法想象的。由于光纤出现故障后影响比较大,光纤故障诊断又是网络故障管理的难点和关键,所以光纤故障管理技术被国内外学者广为研究。目前,数据挖掘应用于故障诊断已经有许多成功的例子。BP神经网络是数据挖掘研究中的一个重要课题,选取BP神经网络技术来实现光纤故障诊断预测功能,可把具有复杂因果关系的物理量在
2、经过适当数量的训练之后较准确地反映出来。本文的主要工作体现在以下几个方面:(1)基于VS2003平台,开发了光纤自动切换保护系统,实现了对通信光纤的实时监测,将光功率值上报给系统的主控模块,并存入历史记录表中,为之后的数据挖掘做好数据采集工作。主控模块对上报的数据与预设门限进行比较,实现自动控制。(2)实时绘制光功率变化曲线,直观地显示传输系统中光纤的光功率变化情况,通过观察光纤光功率曲线变化,用户可以判断光纤运行的稳定性。(3)在研究BP算法的基础上,对BP算法进行改进,对实际的网络模型进行样本选择,构造训练样本;对所选择的样本进行规范化预处理;选择三层神经网络,确定网络的输入输出结点数及隐
3、含层结点数;确定合适的学习率。构造合适的BP神经网络后,对光功率值进行挖掘预测,并对预测结果进行分析。经实验表明,采用BP神经网络对光纤故障诊断进行数据挖掘是可行的。【英文摘要】With the rapid development of computer and network techniques, peoples social activities become more dependent on communication network. This requires the network platform which provides and supports datas excha
4、nge to be more dependable and stable. The carrier of communications is optical-fiber, it has many advantages, such as communication capacity, long-distance relay, security performance, adaptability, etc; but in the event of failure, the loss is beyond imagination. As the impact of fiber failure is r
5、elatively large, the fault diagnosis of fiber-optic is also difficult and critical in the Network Fault Management, so fiber-optic fault management technology is widely studied by foreign scholars.Currently, there are many successful data mining application examples at home and abroad in fault diagn
6、osis. BP neural network is an important issue of data mining. Selecting BP neural network technology to realize fault diagnosis capabilities of fiber, some physical quantity with complex causal relationship can be accurately reflected after the training of appropriate times.The main job of this pape
7、r is as following: (1) Develope an automatic switching protection system of optical-fiber based on VS2003 platform, it achieves real-time monitoring of optical-fiber communication, then sends optical-fiber power value to the main control module of system and stored it into history table. Main contro
8、l module compares fiber-optical power value with presupposed threshold, then realizes autocontrol. (2) By means of real-time drawing optical-fiber power curves, it shows changes in transmission system intuitively. Users can estimate optical-fibers stability by observing optical-fiber power curves. (
9、3) Based on the research of BP algorithm, selecte samples of practical network model and structure training samples; preprocess selected samples formally; select three neural networks, confirm I/O and hidden layer nodes amount; determine suitable learning rate. After structuring suitable BP neural n
10、etwork, mining and forecast fiber-optical power value, then analyse unpredictable results.【关键词】故障诊断 光纤故障 数据挖掘 BP神经网络【英文关键词】faults diagnosis fiber optic fault data mining BP neural networks【目录】数据挖掘在光纤故障诊断中的应用研究摘要5-6Abstract6第1章 绪论9-141.1 论文的选题及其研究意义9-101.2 国内外研究现状10-111.3 数据挖掘技术的崛起11-121.4 论文研究背景121.
11、5 论文研究内容及组织12-14第2章 光纤故障诊断及数据挖掘技术14-242.1 故障诊断技术概述14-152.1.1 故障诊断技术的分类14-152.1.2 故障诊断技术的研究方法及内容152.2 光纤故障诊断技术15-172.2.1 光纤故障诊断的研究意义及必要性15-162.2.2 光纤故障诊断的研究方法和进展16-172.3 数据挖掘技术17-232.3.1 数据挖掘处理过程模型18-192.3.2 数据挖掘的功能19-202.3.3 数据挖掘的步骤20-222.3.4 数据挖掘的常用方法22-232.4 本章小结23-24第3章 BP 神经网络算法及其改进24-363.1 人工神经
12、网络理论24-263.1.1 人工神经网络的优点24-253.1.2 人工神经元模型25-263.2 BP 神经网络26-333.2.1 BP 神经网络概述263.2.2 BP 网络模型26-273.2.3 BP 神经网络的算法27-313.2.4 BP 神经网络算法的局限性31-333.3 BP 神经网络算法的改进33-353.3.1 加入动量项333.3.2 优化初使化权值33-343.3.3 改进训练样本的归一化方法343.3.4 隐含层个数的确定34-353.4 本章小结35-36第4章 光功率数据的采集及分析36-434.1 光功率监测及采集37-394.2 光功率数据分析39-42
13、4.3 本章小结42-43第5章 BP 网络在光纤故障诊断中的应用43-525.1 样本数据的选择及清理44-465.2 光功率样本数据预处理46-485.3 BP 网络层数的选择48-495.4 BP 网络训练49-505.5 结果分析50-515.6 本章小结51-52第6章 总结与展望52-546.1 总结52-536.2 展望53-54参考文献54-57在学期间发表的学术论文和参加科研情况57-58致谢58-59详细摘要59-67考虑到公司仍有部分低层及高层人员的补充，因此在选择招聘渠道供应商的附加值时以配送普工现场招聘会和高端人才交流会为佳，另外根据供应商平台实力，若能给公司提供合适的猎头服务也应当纳入甄选范畴。
