Falut相关论文笔记

* [X]《基于隐马尔科夫模型的故障诊断和预报综述》
* [X]《An Alarm Correlation Algorithm for Network Management Based on Root Cause Analysis 2011》
* [X]《SOFM网络》
* [X]《A Survey of Fault Detection, Isolation, and Reconfiguration Methods 2010》

《基于隐马尔科夫模型的故障诊断和预报综述》
1.介绍了基于HMM算法在故障诊断与故障预报领域的应用成果。
2.将数据驱动的故障诊断与预报方法分成三类：基于随机模型、基于统计方法、基于人工智能与机器学习方法。HMM模型属于第一种典型方法之一。
3.HMM运用到设备故障诊断中是，利用对退化过程建模，可以进行退化状态的识别。
4.HMM的故障诊断存在的问题：
（1）故障预报需要全寿命数据，故障数据的成本大，多个传感器带来数据冗余
（2）计算量大，计算有效性问题
（3）缺乏有效的模型参数估计/重估计，在庞大和复杂的系统中，稳定性和可靠性需要应用实时数据进行系统的故障在线诊断和预报，因而寻找有效的在线参数估计方法是目前研究的重点和热点。

《An Alarm Correlation Algorithm for Network Management Based on Root Cause Analysis 2011》
基于网络管理根本原因分析的告警关联算法
摘要：告警关联性是网络管理系统提供电信网络不寻常的操作行为的检测、隔离和关联的必要功能。然而，现有的告警关联方法仍依赖于人工处理和取决于网络运营者所掌握的知识。由于电信网产生许多被称为告警洪流的警报，导致网络运营者很难在短时间内检测出问题的根源。因此，我们提出一种能够在短时间内分离和关联根源问题的告警关联算法。另外，这个算法在告警分析的有效性和确认根源问题的准确性效果不错。
关键词： Network Management, Alarm Floods, Alarm Correlation, Root Cause Analysis
1.告警关联的目的是减少减少一部分告警，从告警信息中确认根源警报。目前的告警关联方法可分为： Rule-Based approach基于规则判断方法、 Codebook-Based approach基于码本判断方法、 Case-Based approach基于实例判断方法和 Mining-Based approach基于数据挖掘方法四种。本文指出这四种方法各自的缺陷，从而作者提出基于TCP/IP模型的告警关联算法，可以在因特网上任何类型的环境和拓扑结构运行。
2.基于TCP/IP模型的告警关联算法中，告警是根据每一个TCP/IP协议层的一个标识符进行分类（如TCP和UDP的端口数目，IP地址，协议类型等等），然后不基于经验知识前提下，根据告警信息的原因和之间的影响关系确认根源告警。原因和影响关系就是当告警A发生，另一个告警B很可能会出现。算法的主要思想是在每一层出现的错误可以被这个标识符区分，这个标识符是找到上层和下层TCP/IP层之间原因和影响关系。大体上，下层的问题会影响上一层问题和相邻的节点。换句话说，底层的告警会比上一层的告警更频繁地出现为根源告警。
3.（1）Rule-Based approach：规则集基于人们的经验，因而需要较多的专业知识。
（2）Codebook-Based approach：用一个矩阵来代表问题和症状之间的关系（用0和1表示是否有关联），码本的关联性用来检测一个根源问题，就速度和准确性而言来判断网络的问题很有效。但是，要求专业的知识来构建电报密码本，而且，当网络中有变化就要求重构密码本，这个需要消耗时间成本。
（3） Case-Based approach：根据过去的案例经验来解决已经出现过的问题，但是无法在短时间内解决未知的案例。因此需要经验知识来构造解决办法数据库，同样也是耗时的过程。
（4） Mining-Based approach：频繁事件集可以被击中挖掘算法检测，再收集的告警信息中确认一个根源告警很有用。但是很多已经提出过的算法在短时间呃逆对分析频繁事件集是不合适的因为处理运算时间很长。
4.在一个节点里的两个相邻协议层，高层是服务使用者，低一层是服务供应者。将有相同特质和关联关系的告警进行聚类，如图14，形成根源告警生成器，从而推算出根源告警。

《A Survey of Fault Detection, Isolation, and Reconfiguration Methods 2010》
故障检测、隔离和重构方法的研究

   摘要：本文呈现了过去基于FDIR方法的不同模型，FDIR问题分为错误检测和隔离(FDI)步骤，还有控制器重构步骤。对于FDI，我们讨论了不同基于模型的方法来生成残差，可以健全滴考虑噪声，未知干扰和模型的不确定性；而且还有各种统计技术的测试残差的突然变化(或错误)，然后讨论各种实现重构控制策略的技术来应对各种故障。
  关键词：分析冗余  故障检测 故障隔离 故障重构

1.要确保这样的系统能够满足飞机严格安全的操作要求，一个高级冗余设计加上一个健壮的故障诊断方案是必须的。
硬件的冗余和分析的冗余其实是用来宽容硬件和软件故障
3.对于故障隔离，产生的残差不只是

《An overview on fault diagnosis and nature-inspired optimal control of industrial process applications 2015》

《SOFM 网络及其在 MATLAB 中的实现》
摘要： 自组织映射网络的原理、算法及其在 Matlab 中实现， SOFM 的现存问题和未来研究趋势作了分析和展望

1. 自组织特征映射网络（SOFM）:是自组织网络中的一种，所谓的自组织过程是指学习的结果总是使聚类区内各神经元的权重向量保持向输入向量逼近的趋势， 从而使具有相近特性的输入向量聚集在一起。这种结构的网络能够从输入信息中找出规律以及关系，并且根据这些规律来相应地调整网络，使得以后的输出与之相适应。
2. SOFM 结构：SOFM 神经网络是一个两层网络，即由输入层和竞争层组成，输入层接收样本，竞争层对样本进行分类，这两层的神经元进行完全相互连接，竞争层的神经元按二维形式排列成一个节点矩阵，一般输入层节点数等于能够代表分类问题模式的维数，输出节点数根据具体问题来决定。
3. MATLAB 中 SOFM 网络的实现:MATLAB 的 NN Toolbox 提供了丰富的函数建立神经网络，主要包括神经网络函数、权值函数、网络的输入函数、传递函数、初始化函数、性能函数、学习函数、自适应函数、以及训练函数等。