7篇关于故障处理的计算机毕业论文

今天分享的是关于故障处理的7篇计算机毕业论文范文, 如果你的论文涉及到故障处理等主题,本文能够帮助到你

某电信企业网络管理运营平台的设计与实现

这是一篇关于网络管理,运维管理,流量监控,故障处理的论文, 主要内容为随着科技的发展,社会的进步,现今的网络规模持续的扩大。通讯、教育、交通、企业、金融、政府等各个行业的快速发展都越来越紧密的依赖于现代化的网络管理平台。现代社会网络技术发达,各种网络设备层出不穷,包括各种业务系统以及数据库、中间件、应用、主机、存储甚至网络本身都存在着超常的多元性特征,多个不同的供货商分别组成的某个子系统,又或者同一设备承载了多个互不相关联的业务进程或子进程,并且其操作方式和协议都存在着本质上的不同。现有各行业采用的网络管理系统大都是从传统的网络网元监测出发,如 EMS(Element Management System,单一设备网管系统)与NMS(Network Management System,网络管理系统)相结合的管理形态。这些管理系统拥有着自身独自的管理方式,就算处在同一网络下,也有可能因区域不同而存在着不同的管理方式,在同一机房服务器的运行过程当中,也可能存在着多套监控系统,根本无法从宏观分析的角度来了解整体的网络。现代社会伴随着现代网络技术发展水平的逐步提高,基于云计算形态的网络以及各类应用系统也已经逐步开始应用到各种领域,各类基于云计算的信息中心或数据中心也逐渐建立起来,云计算数据中心能否最优高效运行,与云计算数据中心的运维管理密切相关。基于 J2EE(Java 2 Platform Enterprise Edition,Java 2 平台企业版)技术的跨平台、扩展性强、安全性高、自适应等特点,本文提出了采用客户机/服务器/代理的分布式多层架构的网络管理运营平台,开发使用Angular、Spring Boot、Spring MVC、MyBatis 等开源开发框架,平台模块采用基于微服务的分布式开发技术,模块间采用一致开放的接口,能够很好的适应网元广泛分布、管理集中、系统间互联要求较高的需求。本文首先阐释了网络资源管理的现状及研究意义,接着介绍了网管运营平台的技术架构,根据调研和总结国内各行业网络管理需求进行了功能与非功能需求分析,然后进行平台系统设计,对软件层次架构、功能模块、数据库以及界面设计进行了论述,之后给出了平台部分功能模块的详细设计与实现,最后组织实施了平台测试,并总结了相关工作,提出了还存在的一些问题和解决方案。目前本平台已完成了部署并成功上线运行,为企业提供了覆盖广域网、客户网络在内的全程端到端网络管理,成为企业安全、专业、智能化的网络流量监控及故障处理平台。

风力发电机组智能故障诊断系统的研究与实现

这是一篇关于风力发电,专家系统,智能故障诊断,故障处理的论文, 主要内容为随着风电技术的不断发展,系统的故障分析、维护的要求也越来越高,加之风力发电机组的工作环境恶劣,信号采集、处理复杂,产生的数据量多,使得整个风力发电机组的维护成本和要求越来越高。为更好的解决风力发电机组故障诊断问题,提高故障诊断的准确度和减少故障停机时间,辅助故障处理技术人员更快速的定位、解决故障问题。论文研究、设计了一种针对风力发电机组电气系统的智能故障诊断模型,能够快速准确的识别出故障的类型,给出故障排查指导和诊断报告。在此基础上设计的智能故障诊断系统,实现了实时故障和离线故障诊断分析功能,当故障发生时,能及时播报故障信息,辅助故障处理技术人员更快速的定位、解决问题。论文的主要工作和贡献如下:(1)研究、分析风力发电机组的故障诊断现状,挖掘当前存在的问题,明确改进需求,根据实际需求进行有针对性的研究。(2)研究、设计风力发电机组智能故障诊断模型。该模型以目前较成熟和先进的专家系统理论为基础,通过学习既定规则和历史故障案例,建立知识库和案例库,然后设计了推理算法、解释算法和案例学习算法。该模型能够通过对已知故障案例的学习,获得新的故障知识,不断丰富知识库,具备一定的自我学习能力。在应用时通过不断分析当前产生的日志数据,实时为监控人员提供风力发电机组的状态信息,当故障发生时及时通知,并能同时给出故障分析报告和处理意见。(3)设计、实现智能故障诊断应用系统。在智能故障诊断模型的基础上,基于B/S架构设计、实现了一套风力发电机组智能故障诊断系统。根据需求说明,设计了系统的架构、数据库表和主要的功能模块。包括了用户管理模块,综合管理模块,实时故障模块,离线故障模块,资料库模块和数据统计模块,最后通过编码实现了系统原型。风力发电机组智能故障诊断系统可较好的辅助工作人员分析、定位和解决风力发电机组故障,对提升整个运维团队的工作效率和工作质量有较大的应用价值。

某电信企业网络管理运营平台的设计与实现

多指标融合的扩缩容预测及服务故障处理方法研究

这是一篇关于容器集群,弹性伸缩,指标融合,预测模型,故障处理的论文, 主要内容为自容器技术诞生以来,就迅速成为微服务架构体系中不可或缺的组成成分。相应的,基于容器技术的云平台也越来越受到广泛应用,其不但提高了集群资源的使用率,也降低了维护成本。目前,国内外各大云厂商都相继在容器平台领域进行了大量的实验和应用,各种容器云系统也如雨后春笋般发布到各大社区,而其中则以Kubernetes容器集群平台最受瞩目,从诞生初一路披荆斩棘不断战胜对手,以至如今成为行业内的标准。随着容器集群的广泛应用,以容器的扩缩容作为实际表现的弹性伸缩技术愈发重要,越优秀的伸缩策略,则越能保障集群的稳定和可靠。现有研究为提高集群资源的利用水平,多聚焦于对集群负载变化的预测,这些研究对提高容器集群伸缩能力具有极为关键的意义,但在一定程度上仍存在一些不足。首先,现有的容器集群预测方法通常只考虑单一的负载指标数据,在真实的容器集群环境中,要么难以保证预测精度,要么为适应多指标场景而同时设置多重预测模型,从而消耗大量的集群资源,并产生部分无效计算。针对这一问题,本文提出基于负载距离的多指标融合高影响因子选取算法,充分整合多指标并计算服务实际类型,改进多指标批量建模预测方式为仅一次有效计算的高效模式。其次,现有研究的负载预测算法在面对负载抖动、数据复杂多变的场景时,预测准确度偏低。针对这一问题,本文提出VMDF-BiLSTM预测模型,充分结合VMD信号分解算法的非平稳数据处理能力和BiLSTM模型的预测能力。最后,现有研究的弹性伸缩技术缺乏服务故障处理能力,无法避免故障服务的异常数据流入预测模型,使得预测精度严重降低,进而导致集群进行错误的弹性调整。针对这一问题,本文提出服务故障自动弹性处理算法,实时抓取集群访问请求的成功失败数,动态判断集群服务运行状态,对运行状态达到故障判定阈值的服务进行动态扩容调整。此外,为了使得上述算法能更好的适应集群在线场景,本文设计实现了面向在线场景的集群资源指标预测和面向资源指标预测的自动伸缩机制。综上,本文基于Google集群追踪数据和真实Kubernetes容器集群环境进行实验,实验结果表明,本文算法能够精确实现集群多指标融合的负载预测,且对故障服务具有屏蔽和处理能力,进一步提升预测精度,实现了资源的高效利用,维护了集群的稳定。

某电信企业网络管理运营平台的设计与实现

小型固定翼无人机飞行控制软件设计与开发

这是一篇关于飞行控制软件,小型固定翼无人机,模块化,安全可靠,故障处理的论文, 主要内容为随着无人机在众多领域开展的广泛应用,对其提出的要求也越来越高,作为“大脑”的飞行控制系统也越来越受到重视。飞行控制软件是无人机飞行控制系统的重要组成部分,其性能直接关系到无人机的飞行安全。因此在飞行控制软件的设计中既要满足基本的飞行功能,又要提高软件本身的安全性能。本课题正是在这个研究背景和实际工程的需求下提出的。首先,论文采用模块化思想设计开发了一种小型固定翼无人机飞行控制软件,在使整个软件可维护和可扩展的同时,针对软件多任务动态运行、内存保护等要求,设计了数据区轮换读写机制及软件看门狗,解决了多任务对内存读写冲突的问题,保障了飞行控制软件运行的可靠性。其次,结合飞行控制计算机的资源配置,完成了目标硬件的初始化、串口驱动、脉宽调制接口驱动、模拟量驱动和离散量驱动软件设计与开发。完成底层驱动环境开发后,对飞行控制软件进行了任务划分和优先级分配。在综合考虑飞行控制软件性能和功能需求的基础上,设计开发了传感器采集、控制律解算、遥控遥测和导航制导等9个任务,实现了自主导航、指令导航和人工导航三种飞行模态,并通过事件触发的方式对多任务进行调度管理,实现了不同飞行模态间的平滑切换。再次,针对机载设备的配置情况,设计了传感器信息源故障和测控系统链路故障的处理逻辑。给出了传感器的通信状态、数据安全范围和测控系统链路等故障诊断机制,设计了传感器高度信息源、定位信息源、测控链路等故障处置逻辑,确保了无人机的空中安全飞行。最后,在实时仿真环境下,对飞行控制软件进行了半物理飞行仿真验证,测试了传感器故障和测控链路故障逻辑,仿真结果表明本文所设计的软件满足了小型固定翼无人机飞行控制的需求。