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 unknown fault samples under the method of this paper 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·