第5期 张婷，等：移动通信网络的中性集故障诊断方法研究 ·867· 故障数量。阶段数据权重向量表示为Ws={w1,w2, 0.1,0.05}。 W3,Wst,Wsslo 对于每个阶段S,i=1,2,3,4,5的数据，在10s 2.4故障特征权重定义 的时间间隔内连续收集30个观测值。基于本文 在移动通信网络中，不同的业务特征由于受 提出的特征权重向量与阶段数据权重向量定义方 到其采集环境的影响，数据采集的准确率也不 法，采用中性集故障诊断算法来判断故障类型， 同。例如，在国际长途话音业务中，受到天气、环 并将诊断结果与Jiang等w所采用的权重向量设 境、气候等的影响，采集到的数据比本地网话音 计方法下的诊断结果进行对比。 业务中所收集的数据误差更大。 故障诊断的对比结果如表1中所示，正确性 在本文中，根据历史故障事件中每种业务所 表示诊断结果与样本的实际故障类型一致与否， 采集的数据准确率来定义其业务特征权重。根据 “正确”表明诊断结果与实际相符，“错误”则表示 前一次故障事件的故障数据，针对每种特征的业 诊断结果与实际不符合。从计算结果可以看出， 务分别采集相同个数的数据，然后分别计算每种 在本文中所定义的故障特征权重向量与阶段权重 业务特征中采集的正确数据量与4种业务特征正 向量计算方式下，故障诊断准确率为90%。而在 确数据量之和的比值，称为各个业务特征采集数 Jiang等提出的方法下的故障诊断准确率仅为 据的准确率，将准确率作为该业务特征的权重。 30%。当未知故障样本对某一故障类型E:的支持 权重计算公式为 度最大时，表示该未知故障样本的诊断类型为E:。 WBi= 表1本文的方法与Jiang等4的方法下10个未知故障 样本的诊断结果对比 Table 1 Comparison of the diagnosis results of 10 un- 式中：w为业务特征B,的权重；：为针对业务特 known fault samples under the method of this pa- 征B:所采集的数据中正确的数据量。设故障特 per and the method of Jiang etal 征权重向量为Wa={w1,w2,w3,W4}。 未知故障样本 故障类型 模型 诊断结果正确性 2.5故障诊断准确率 E1 E2 E3 本文的方法123 E 正确 故障诊断准确率为未知样本的故障诊断结果 中与实际故障类型相符合的样本个数与总的样本 Jiang的方法 123 E 正确 本文的方法2 13 E 正确 个数的比值，表达式为 M R=片×100% Jiang的方法 2 31 Es 错误 本文的方法312 E2 正确 M 式中：R为故障诊断准确率；n,为诊断结果与实际 Jiang的方法4 132 E 错误 故障类型相符合的样本个数：N为未知故障样本 本文的方法123 E 正确 M 总个数。 Jiang的方法 3 12 E 错误 故障诊断的准确率能直观反映故障诊断模型 本文的方法132 E1 正确 Ms 的性能。R越大，表示模型越优越。 Jiang的方法 132 E 正确 本文的方法3 21 E3 正确 3仿真实验与结果分析 Jiang的方法l4 312 E2 错误 本文的方法 本文以某城市移动通信网络为例，验证本文 132 E 正确 M 提出的特征权重向量与阶段数据权重向量的计算 Jiang的方法 132 E 正确 E2 正确 方法的优越性。分别产生10个未知故障样本： 本文的方法213 M,i=1,2,…,10,每个故障样本确定了有4个故障 Jiang的方法 123 错误 本文的方法321 E3 错误 特征：B1、B2、B3、B4,分别收集各故障特征下关于 M Jiangf的方法 312 错误 各个故障样本的数据。根据大量统计数据，受到 本文的方法321 E3 正确 气候和人为因素的影响，该地区4种话音业务的 Mio 3 数据采集准确率分别为0.4、0.3、0.2、0.1。因此， Jiang的方法 12 E 错误 定义话音业务特征权重向量为ws={0.4,0.3,0.2,0.1o 在仿真实验中，Jiang等的诊断方法下，错 根据该地区的历史故障事件中的故障数据统计结 误诊断结果的产生主要源于其所采用的阶段权重 果，计算出阶段数据权重向量为ws={0.4,0.3,0.15, 向量与特征权重向量的计算未考虑模型的应用背WS = {ws1,ws2, ws3,ws4,ws5} 故障数量。阶段数据权重向量表示为 。 2.4 故障特征权重定义 在移动通信网络中，不同的业务特征由于受 到其采集环境的影响，数据采集的准确率也不 同。例如，在国际长途话音业务中，受到天气、环 境、气候等的影响，采集到的数据比本地网话音 业务中所收集的数据误差更大。 在本文中，根据历史故障事件中每种业务所 采集的数据准确率来定义其业务特征权重。根据 前一次故障事件的故障数据，针对每种特征的业 务分别采集相同个数的数据，然后分别计算每种 业务特征中采集的正确数据量与 4 种业务特征正 确数据量之和的比值，称为各个业务特征采集数 据的准确率，将准确率作为该业务特征的权重。 权重计算公式为 wBi = ri ∑4 k=1 rk wBi Bi ri Bi WB = {wB1,wB2,wB3,wB4} 式中： 为业务特征 的权重； 为针对业务特 征 所采集的数据中正确的数据量。设故障特 征权重向量为 。 2.5 故障诊断准确率 故障诊断准确率为未知样本的故障诊断结果 中与实际故障类型相符合的样本个数与总的样本 个数的比值，表达式为 R = nr N ×100% R nr N 式中： 为故障诊断准确率； 为诊断结果与实际 故障类型相符合的样本个数； 为未知故障样本 总个数。 R 故障诊断的准确率能直观反映故障诊断模型 的性能。 越大，表示模型越优越。 3 仿真实验与结果分析 Mi ,i = 1,2,··· ,10 B1 B2 B3 B4 wB = {0.4,0.3,0.2,0.1} wS = {0.4,0.3,0.15, 本文以某城市移动通信网络为例，验证本文 提出的特征权重向量与阶段数据权重向量的计算 方法的优越性。分别产生 10 个未知故障样本： ，每个故障样本确定了有 4 个故障 特征： 、 、 、 ，分别收集各故障特征下关于 各个故障样本的数据。根据大量统计数据，受到 气候和人为因素的影响，该地区 4 种话音业务的 数据采集准确率分别为 0.4、0.3、0.2、0.1。因此， 定义话音业务特征权重向量为 。 根据该地区的历史故障事件中的故障数据统计结 果，计算出阶段数据权重向量为 0.1,0.05}。 S i 对于每个阶段 ,i = 1,2,3,4,5 的数据，在 10 s 的时间间隔内连续收集 30 个观测值。基于本文 提出的特征权重向量与阶段数据权重向量定义方 法，采用中性集故障诊断算法来判断故障类型， 并将诊断结果与 Jiang 等 [14] 所采用的权重向量设 计方法下的诊断结果进行对比。 Ei Ei 故障诊断的对比结果如表 1 中所示，正确性 表示诊断结果与样本的实际故障类型一致与否， “正确”表明诊断结果与实际相符，“错误”则表示 诊断结果与实际不符合。从计算结果可以看出， 在本文中所定义的故障特征权重向量与阶段权重 向量计算方式下，故障诊断准确率为 90%。而在 Jiang 等 [14] 提出的方法下的故障诊断准确率仅为 30%。当未知故障样本对某一故障类型 的支持 度最大时，表示该未知故障样本的诊断类型为 。 表 1 本文的方法与 Jiang 等 [14] 的方法下 10 个未知故障 样本的诊断结果对比 Table 1 Comparison of the diagnosis results of 10 un￾known fault samples under the method of this pa￾per and the method of Jiang etal 未知故障样本 模型 故障类型 诊断结果 正确性 E1 E2 E3 M1 本文的方法 1 2 3 E1 正确 Jiang的方法[14] 1 2 3 E1 正确 M2 本文的方法 2 1 3 E2 正确 Jiang的方法[14] 2 3 1 E3 错误 M3 本文的方法 3 1 2 E2 正确 Jiang的方法[14] 1 3 2 E1 错误 M4 本文的方法 1 2 3 E1 正确 Jiang的方法[14] 3 1 2 E2 错误 M5 本文的方法 1 3 2 E1 正确 Jiang的方法[14] 1 3 2 E1 正确 M6 本文的方法 3 2 1 E3 正确 Jiang的方法[14] 3 1 2 E2 错误 M7 本文的方法 1 3 2 E1 正确 Jiang的方法[14] 1 3 2 E1 正确 M8 本文的方法 2 1 3 E2 正确 Jiang的方法[14] 1 2 3 E1 错误 M9 本文的方法 3 2 1 E3 错误 Jiang的方法[14] 3 1 2 E2 错误 M10 本文的方法 3 2 1 E3 正确 Jiang的方法[14] 3 1 2 E2 错误 在仿真实验中，Jiang 等 [14] 的诊断方法下，错 误诊断结果的产生主要源于其所采用的阶段权重 向量与特征权重向量的计算未考虑模型的应用背 第 5 期 张婷，等：移动通信网络的中性集故障诊断方法研究 ·867·