专利名称：传输网故障诊断方法及装置的制作方法
技术领域：
本发明涉及一种传输网的故障诊断方法、一种传输网的故障诊断装置。
背景技术：
在传输网中，出现故障是难以避免的，当有故障发生时，会发出相应的告警信息。 依据现有的告警方式，当网络中发生一个故障时可能会产生大量的告警，通常情况下，一个大型的传输网中一天的告警量可以达到上百万条之多，面对如此庞大的告警数据，对于网络管理员来说，快速准确地从海量告警中分析并定位故障变得越来越困难，其原因除了故障引起的告警序列中会包含着无意义的告警、冗余的告警，且无意义、冗余的告警可能会重复出现之外，对于同一子网来说，某个通信实体发生故障上报告警后，会影响到其他存在依赖关系的通信实体也上报告警，如果仅考虑故障与告警之间的因果关系，而并没有把因果关系与通信实体件的依赖关系相结合，在实际传输网的告警相关性中将不太实用，此外，对于多层传输网来说，下层网络出现的故障往往会对上层网络产生影响，由于不同层网络的网管系统之间信息并不能互通，上报的告警信息中常常包含不完整的数据，因而也无法进行全网的根故障诊断。
发明内容
针对上述现有技术中存在的问题，本发明的目的在于提供一种传输网的故障诊断方法、一种传输网的故障诊断系统，其可以准确定位故障点，且操作性强。为了达到上述目的，本发明采用以下技术方案一种传输网故障诊断方法，包括步骤采集设定网络的告警信息和配置信息，所述配置信息包括网元层信息和网络连接层信息；根据由配置信息确定的故障传播模型构造贝叶斯网络模型，所述构造过程包括 对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化贝叶斯网络中各根节点的先验概率与各有向边的条件概率；根据所述告警信息，基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率，根据各待查询变量的条件概率状态确定故障点。一种传输网故障诊断装置，包括采集单元，用于采集设定网络的告警信息和配置信息，所述配置信息包括网元层信息和网络连接层信息；模型构建单元，用于根据由配置信息确定的故障传播模型构造贝叶斯网络模型， 所述构造过程包括对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化贝叶斯网络中各根节点的先验概率与各有向边的条件概率；
故障诊断单元，用于根据所述告警信息，基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率，根据各待查询变量的条件确定故障点。根据上述本发明方案，其是将通信实体间不确定的依赖关系用概率来表示，利用概率推理定位故障，基于贝叶斯网络进行告警相关性分析和故障诊断，所构建的贝叶斯网络是基于网络结构的有向图解描述，具有多源信息一致表达与信息融合能力，能进行双向的并行推理，使推理结果更为准确可靠，适用于有条件地依赖多种控制因素的决策，从而可以利用贝叶斯网络准确定位故障点，具有很强的可操作性。
图1是本发明的传输网故障诊断方法实施例的流程示意图；图2是一个具体示例中的SDH over DWDM模型的示意图；图3是依据图2的模型的贝叶斯网络的示意图；图4是本发明的传输网故障诊断装置实施例一的结构示意图；图5是本发明的传输网故障诊断装置实施例二的结构示意图；图6是本发明的传输网故障诊断装置实施例三的结构示意图。
具体实施例方式以下结合具体实施例对本发明方案进行详细阐述。参见图1所示，是本发明传输网故障诊断方法实施例的流程示意图，其包括步骤步骤SlOl 采集设定网络的告警信息和配置信息，这里的配置信息包括网元层信息和网络连接层信息，进入步骤S102 ；步骤S102 根据由配置信息确定的故障传播模型构造贝叶斯网络模型，该构造过程包括对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化定义贝叶斯网络中各根节点的先验概率与各有向边的条件概率，进入步骤S103 ；步骤S103 根据上述告警信息，基于上述构造的贝叶斯网络模型推理判断待查询变量的各状态出现的条件概率，并依据各待查询变量的条件概率确定出现故障的故障点。根据上述本发明方案，其是将通信实体间不确定的依赖关系用概率来表示，利用概率推理定位故障，基于贝叶斯网络进行告警相关性分析和故障诊断，所构建的贝叶斯网络是基于网络结构的有向图解描述，具有多源信息一致表达与信息融合能力，能进行双向的并行推理，使推理结果更为准确可靠，适用于有条件地依赖多种控制因素的决策，从而可以利用贝叶斯网络准确定位故障点，具有很强的可操作性。上述步骤SlOl中的设定网络，是指被管理网络，所采集的告警信息可以包括多个字段，例如告警发生时间、告警清除时间、告警发生的位置信息、告警级别、告警内容描述等等，所采集的配置信息包含有网元层信息和连接层信息，其中，网元层描述的是设定网络中物理或者逻辑上的网元，例如子网、局站、基槽、机盘、端口等等，网络连接层信息描述的是网元之间的连接关系。在采集到告警信息和配置信息后，可转换为适用于数据库存储的格式进行存储。具体的采集方式、格式转换方式可以是与现有技术中已有的方式相同，在此不予赘述。
根据上述采集到的配置信息，可以得到该设定网络的故障传播模型，该故障传播模型中描述了各网元、网络连接层等发生故障时与其直接或者间接相关的其他网元、网络连接层的关联关系。根据该故障传播模型，可以构造得到贝叶斯网络模型，具体的构造过程可以如下所述首先，对应故障传播模型中的每个节点(这里的节点可以是网元层中的网元、也可以是网元连接层中的连接关系)，定义贝叶斯网络的一组变量Vi,变量Vi中的各元素分别代表该节点的一个状态，其中变量的值域等于{fault，normal}。当Vi = fault时，表示对应的故障传播模型中的子网出现故障，无法向上层子网提供正确的服务，当Vi =Iiormal 时，表示对应的故障传播模型中的子网处于正常状态，没有出现故障。随后，对应故障传播模型中的每一条有向边X —Y，定义贝叶斯网络的一条有向边 Y — X，表示节点Y是节点X的父节点，X与Y之间存在功能依赖关系。然后对贝叶斯网络中各根节点的先验概率与各有向边的条件概率进行初始化，其中，这里的“根节点”表示底层子网，“叶子节点”表示高层子网，在贝叶斯网络中，根节点的先验概率和有向边的条件概率的初始值可以根据历史数据统计得出，也可以是根据通信专家的经验进行估计得到，或者也可以是采用其他的方式得到。然后，可以根据告警信息，基于上述构造的贝叶斯网络模型进行概率推理。采用X表示查询变量，E表示证据变量E1, E2, ...，En, e表示一个观察到的特定事件，具体指代所接收到的告警信息，Y表示非证据变量集(也可称之为隐变量)Y1, Y2,..., Yn。基于贝叶斯网络的概率推理的基本任务是在给定一组证据变量E的观察值e，计算一组查询变量X的后验概率分布P (XI e)。具体可通过下述贝叶斯公式计算
权利要求
1.一种传输网故障诊断方法，其特征在于，包括步骤采集设定网络的告警信息和配置信息，所述配置信息包括网元层信息和网络连接层信息；根据由配置信息确定的故障传播模型构造贝叶斯网络模型，所述构造过程包括对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化贝叶斯网络中各根节点的先验概率与各有向边的条件概率；根据所述告警信息，基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率，根据各待查询变量的条件概率状态确定故障点。
2.根据权利要求1所述的传输网故障诊断方法，其特征在于，在采集了告警信息和配置信息之后、基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率之前，还包括步骤对所采集的告警信息进行压缩处理，所述压缩处理包括去除告警信息中冗余的告警 fn息ο
3.根据权利要求1或2所述的传输网故障诊断方法，其特征在于，采用下式推理判断待查询变量的各状态出现的条件概率
4.根据权利要求1或2所述的传输网故障诊断方法，其特征在于，各根节点的先验概率与各有向边的条件概率根据历史统计数据得出。
5.一种传输网故障诊断装置，其特征在于，包括采集单元，用于采集设定网络的告警信息和配置信息，所述配置信息包括网元层信息和网络连接层信息；模型构建单元，用于根据由配置信息确定的故障传播模型构造贝叶斯网络模型，所述构造过程包括对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化贝叶斯网络中各根节点的先验概率与各有向边的条件概率；故障诊断单元，用于根据所述告警信息，基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率，根据各待查询变量的条件确定故障点。
6.根据权利要求5所述的传输网故障诊断装置，其特征在于，还包括与采集单元、故障诊断单元连接的预处理单元，用于对所采集的告警信息进行压缩处理，所述压缩处理包括 去除告警信息中冗余的告警信息。
7.根据权利要求5或6所述的传输网故障诊断装置，其特征在于，故障诊断单元采用下式推理判断待查询变量的各状态出现的概率
8.根据权利要求5或6所述的传输网故障诊断装置，其特征在于，各根节点的先验概率与各有向边的条件概率根据历史统计数据得出。
全文摘要
一种传输网故障诊断方法及装置，该方法包括步骤采集设定网络的告警信息和配置信息，所述配置信息包括网元层信息和网络连接层信息；根据由配置信息确定的故障传播模型构造贝叶斯网络模型，所述构造过程包括对应故障传播模型中的每个节点，定义贝叶斯网络的一组变量，对应故障传播模型中的每一条有向边，定义贝叶斯网络的一条有向边，并初始化贝叶斯网络中各根节点的先验概率与各有向边的条件概率；根据所述告警信息，基于所述贝叶斯网络模型推理判断各待查询变量的各状态出现的条件概率，根据各待查询变量的条件概率状态确定故障点。本发明方案可以准确定位故障点，具有很强的可操作性。
文档编号H04L12/24GK102255764SQ20111026006
公开日2011年11月23日 申请日期2011年9月2日 优先权日2011年9月2日
发明者何杰, 李伟坚, 李溢杰, 林斌, 蒋康明 申请人:广东省电力调度中心