基于贝叶斯网络的光传输设备可靠性分析

《基于贝叶斯网络的光传输设备可靠性分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北电力大学（保定）硕士学位论文基于贝叶斯网络的光传输设备可靠性分析姓名：王晓媛申请学位级别：硕士专业：通信与信息系统指导教师：高会生2011-03华北电力大学硕士学位论文摘要电力通信网是服务于电力系统的通信专网，是一个综合了多种业务子网的复杂 网络系统。电力通信网的各种业务子网都是基于电力通信传输网实现的。电力通信传输网的核心部分是以SDH设备为基础的SDH光传输网，SDH设备的可靠性是电 力系统各种通信业务安全稳定运行的保证。随着SDH技术的飞速发展和通信网络的迅速扩张，近二十年来，SDH设备的种类和功能越来越多，研发周期越来越短，对于设备的

2、可靠性数据收集越来越困难，可靠性分析数据存在不完备、不确定等特点，使得对设备的可靠性分析更加困难。本文以基于贝叶斯网络的证据网络推理为基础，对SDH设备的可靠性进行了分析。首先，由于SDH设备的可靠性分析中存在不确定性，所以本文选择用基于贝叶斯网络的证据网络推理进行可靠性分析。证据网络推理是由贝叶斯网络和D-S证据理论结合而成的，是为解决传统概率理论的不足而提出的不确定性推理方 法，能够解决由于数据不确切、不完备引起的不确定性等问题。其次，对SDH设 备的物理及逻辑结构进行分析，给出了各种逻辑功能块的可靠性框图。SDH标准是先制定后应用的，目前市

3、场上各种SDH设备的内部结构存在多样化、不统一化的特点，给可靠性分析增加了困难。因此，本文选择从设备的逻辑组成出发，运用逻辑分割方法，以功能块来描述SDH设备，给出了各种逻辑功能块的可靠性 框图，使分析简化并且通用化。最后，利用证据网络推理对SDH设备进行可靠性 分析。证据网络兼具了贝叶斯网络与D-S证据理论两者的优势，不但能够进行双向推理，而且能够解决复杂系统的不确定性问题，通过实例分析，找出了系统的薄弱环节，并分析了证据网络中各结点对设备的可靠性影响，为光传输网的可靠性分析提供依据。关键词：SDH设备；可靠性；贝叶斯网络；D-S证据理论；证据

4、网络推理-I-华北电力大学硕士学位论文AbstractElectricpowercommunicationnetworkisaprivatecommunicationnetworkfor thepowersystem.Itisacomplexnetworkintegratingvarietykindsofservice subnets,whicharebasedontheelectricpowercommunicationtransportnetwork. TheSDHopticaltransportnetwork,whichisonthebas

5、isoftheSDHequipments,is themostimportantpartoftheelectricpowercommunication.Thesafetyand stabilityofthepowersystemcommunicationservicesdependonthereliabilityof theSDHequipments.SincethefastdevelopmentoftheSDHtechnologyandthe rapidgrowthofthecommunicationnetwork,duringthelastt

6、wentyyears,moreand morekindsandusesoftheSDHequipmenthavebeendesignedanddeveloped.Asa result,theproductdesigncycleisshortenedandthecollectionofthereliabilitydata becomesmoredifficult.Becauseoftheincompletenessanduncertaintyofthe reliabilitydata,itisdifficulttoanalyzethereliabi

7、lityoftheequipment.Inthispaper,theevidentialnetworkinferencewhichisbasedontheBayesian networkisusedtoanalyzethereliabilityoftheSDHequipment.Firstofall,because ofthereliabilitydataoftheSDHequipmentisuncertainty,weusetheevidential networkinferencefortheSDHequipmentreliabilityan

8、alysis.Theevidential networkinferenceiscombinedbyBayesiannetworkandD