基于小波神经网络的网络故障诊断方法、设备及存储介质

发明授权有效专利

申请号：
CN202111479699.0
IPC分类号：H04L41/0631; H04L41/0677; G06N3/04; G06N3/08
申请日期：
2021-12-07
申请人：
南京信息工程大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于小波神经网络的网络故障诊断方法、设备及存储介质
申请号	CN202111479699.0	申请日期	2021-12-07
法律状态	授权	申报国家	中国
公开/公告日	2022-03-11	公开/公告号	CN113923104B
优先权	暂无	优先权号	暂无
主分类号	H04L41/0631	IPC分类号	H;0;4;L;4;1;/;0;6;3;1;;; ;H;0;4;L;4;1;/;0;6;7;7;;; ;G;0;6;N;3;/;0;4;;; ;G;0;6;N;3;/;0;8查看分类表>
申请人	南京信息工程大学	申请人地址	江苏省南京市江北新区宁六路219号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京信息工程大学	当前权利人	南京信息工程大学
发明人	潘成胜; 金爱鑫; 杨雯升; 张艳艳
代理机构	南京经纬专利商标代理有限公司	代理人	施昊

摘要

本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供