* [X]《基于隱馬爾科夫模型的故障診斷和預報綜述》
* [X]《An Alarm Correlation Algorithm for Network Management Based on Root Cause Analysis 2011》
* [X]《SOFM網絡》
* [X]《A Survey of Fault Detection, Isolation, and Reconfiguration Methods 2010》
《基于隱馬爾科夫模型的故障診斷和預報綜述》
1.介紹了基于HMM算法在故障診斷與故障預報領域的應用成果。
2.將數據驅動的故障診斷與預報方法分成三類：基于隨機模型、基于統計方法、基于人工智能與機器學習方法。HMM模型屬于第一種典型方法之一。
3.HMM運用到設備故障診斷中是，利用對退化過程建模，可以進行退化狀態的識別。
4.HMM的故障診斷存在的問題：
（1）故障預報需要全壽命數據，故障數據的成本大，多個傳感器帶來數據冗余
（2）計算量大，計算有效性問題
（3）缺乏有效的模型參數估計/重估計，在龐大和復雜的系統中，穩定性和可靠性需要應用實時數據進行系統的故障在線診斷和預報，因而尋找有效的在線參數估計方法是目前研究的重點和熱點。
《An Alarm Correlation Algorithm for Network Management Based on Root Cause Analysis 2011》
基于網絡管理根本原因分析的告警關聯算法
摘要：告警關聯性是網絡管理系統提供電信網絡不尋常的操作行為的檢測、隔離和關聯的必要功能。然而，現有的告警關聯方法仍依賴于人工處理和取決于網絡運營者所掌握的知識。由于電信網產生許多被稱為告警洪流的警報，導致網絡運營者很難在短時間內檢測出問題的根源。因此，我們提出一種能夠在短時間內分離和關聯根源問題的告警關聯算法。另外，這個算法在告警分析的有效性和確認根源問題的準確性效果不錯。
關鍵詞： Network Management, Alarm Floods, Alarm Correlation, Root Cause Analysis
1.告警關聯的目的是減少減少一部分告警，從告警信息中確認根源警報。目前的告警關聯方法可分為： Rule-Based approach基于規則判斷方法、 Codebook-Based approach基于碼本判斷方法、 Case-Based approach基于實例判斷方法和 Mining-Based approach基于數據挖掘方法四種。本文指出這四種方法各自的缺陷，從而作者提出基于TCP/IP模型的告警關聯算法，可以在因特網上任何類型的環境和拓撲結構運行。
2.基于TCP/IP模型的告警關聯算法中，告警是根據每一個TCP/IP協議層的一個標識符進行分類（如TCP和UDP的端口數目，IP地址，協議類型等等），然后不基于經驗知識前提下，根據告警信息的原因和之間的影響關系確認根源告警。原因和影響關系就是當告警A發生，另一個告警B很可能會出現。算法的主要思想是在每一層出現的錯誤可以被這個標識符區分，這個標識符是找到上層和下層TCP/IP層之間原因和影響關系。大體上，下層的問題會影響上一層問題和相鄰的節點。換句話說，底層的告警會比上一層的告警更頻繁地出現為根源告警。
3.（1）Rule-Based approach：規則集基于人們的經驗，因而需要較多的專業知識。
（2）Codebook-Based approach：用一個矩陣來代表問題和癥狀之間的關系（用0和1表示是否有關聯），碼本的關聯性用來檢測一個根源問題，就速度和準確性而言來判斷網絡的問題很有效。但是，要求專業的知識來構建電報密碼本，而且，當網絡中有變化就要求重構密碼本，這個需要消耗時間成本。
（3） Case-Based approach：根據過去的案例經驗來解決已經出現過的問題，但是無法在短時間內解決未知的案例。因此需要經驗知識來構造解決辦法數據庫，同樣也是耗時的過程。
（4） Mining-Based approach：頻繁事件集可以被擊中挖掘算法檢測，再收集的告警信息中確認一個根源告警很有用。但是很多已經提出過的算法在短時間呃逆對分析頻繁事件集是不合適的因為處理運算時間很長。
4.在一個節點里的兩個相鄰協議層，高層是服務使用者，低一層是服務供應者。將有相同特質和關聯關系的告警進行聚類，如圖14，形成根源告警生成器，從而推算出根源告警。
《A Survey of Fault Detection, Isolation, and Reconfiguration Methods 2010》
故障檢測、隔離和重構方法的研究
摘要：本文呈現了過去基于FDIR方法的不同模型，FDIR問題分為錯誤檢測和隔離(FDI)步驟，還有控制器重構步驟。對于FDI，我們討論了不同基于模型的方法來生成殘差，可以健全滴考慮噪聲，未知干擾和模型的不確定性；而且還有各種統計技術的測試殘差的突然變化(或錯誤)，然后討論各種實現重構控制策略的技術來應對各種故障。
關鍵詞：分析冗余 故障檢測 故障隔離 故障重構
1.要確保這樣的系統能夠滿足飛機嚴格安全的操作要求，一個高級冗余設計加上一個健壯的故障診斷方案是必須的。
硬件的冗余和分析的冗余其實是用來寬容硬件和軟件故障
3.對于故障隔離，產生的殘差不只是
《An overview on fault diagnosis and nature-inspired optimal control of industrial process applications 2015》
《SOFM 網絡及其在 MATLAB 中的實現》
摘要： 自組織映射網絡的原理、算法及其在 Matlab 中實現， SOFM 的現存問題和未來研究趨勢作了分析和展望
- 自組織特征映射網絡（SOFM）:是自組織網絡中的一種，所謂的自組織過程是指學習的結果總是使聚類區內各神經元的權重向量保持向輸入向量逼近的趨勢， 從而使具有相近特性的輸入向量聚集在一起。這種結構的網絡能夠從輸入信息中找出規律以及關系，并且根據這些規律來相應地調整網絡，使得以后的輸出與之相適應。
- SOFM 結構：SOFM 神經網絡是一個兩層網絡，即由輸入層和競爭層組成，輸入層接收樣本，競爭層對樣本進行分類，這兩層的神經元進行完全相互連接，競爭層的神經元按二維形式排列成一個節點矩陣，一般輸入層節點數等于能夠代表分類問題模式的維數，輸出節點數根據具體問題來決定。
- MATLAB 中 SOFM 網絡的實現:MATLAB 的 NN Toolbox 提供了豐富的函數建立神經網絡，主要包括神經網絡函數、權值函數、網絡的輸入函數、傳遞函數、初始化函數、性能函數、學習函數、自適應函數、以及訓練函數等。
