多鏈路定位技術在大規(guī)模通信網絡故障檢測中的應用

摘 要：研究提出一種多鏈路故障定位算法，以解決通信網絡中復雜的鏈路故障定位問題。研究對當前的鏈路故障定位算法進行分析，對多鏈路故障定位問題中使用自適應探測技術的可能性進行探討，采用一種基于2個探測站之間進行端到端測量的多鏈路故障定位算法。通過隨機生成的網絡拓撲結構與真實網絡拓撲結構進行實驗驗證。結果顯示，在隨機生成的網絡拓撲結構中，提出的算法具有0.90的成功定位率、1 050元的探測成本。在真實網絡拓撲結構中，算法的最高成功定位率為0.98。最低探測成本為28元。研究提出的多鏈路故障定位算法具有更高的成功定位率、更低的探測成本。

關鍵詞：多鏈路；通信；故障；定位；自適應；探測

中圖分類號：TP393 文獻標識碼：A 文章編號：1001-5922（2024）11-0147-04

Application of multilink localization algorithm in faultlocation of large scale communication networks

HUANG Yuanhang，ZHANG Hanyi，DU Qinghua，JIA Dachang，XU Zheng（State Grid Wuxi Power Supply Company of Jiangsu Electric Power Co.，Ltd.，Wuxi 214000，Jiangsu China）

Abstract：A multilink fault localization algorithm was proposed to solve the complex link fault location problem incommunication networks. In this paper，the current link fault location algorithm is analyzed，and the possibility ofusing adaptive detection technology in multi-link fault location problem is discussed，and a multi-link fault locationalgorithm based on end-to-end measurement between two detection stations is adopted. The randomly generated net?work topology is verified by experiments with the real network topology. The results showed that the proposed algo?rithm had a successful localization rate of 0.90 and a detection cost of 1 050 yuan in the randomly generated net?work topology. In a real network topology，the highest successful localization rate of the algorithm was 0.98. The min?imum detection cost was 28 yuan. The results indicate that the proposed multi link fault location algorithm has ahigher success rate and lower detection cost.

Key words：multilink；communication；fault；positioning；adaptive；detect

隨著信息技術的飛速發(fā)展，大規(guī)模通信網絡已成為當今社會信息交換和資源共享的主要支柱。然而，這種進步和網絡的擴展不可避免地帶來了一系列復雜的挑戰(zhàn)，包括通信網絡中多鏈路故障定位的問題，以及潛在成本和信息丟失的風險 [1-3] 。因此，尋找網絡故障定位的優(yōu)化解決方案以防止大量信息和經濟損失已變得至關重要。研究強調了當前大規(guī)模通信網絡中故障鏈路定位的必要性 [4-5] 。探討自適應探測策略的多鏈路故障定位（MNFL）算法的可能性，提出基于端到端測量的多鏈路故障定位新算法的知識應用體系結構，為解決網絡故障定位問題提供了新的視角。研究將自適應探測技術與端到端測量方法相結合，使得該算法具有較高的定位成功率和較低的探測成本，為相關研究開辟了新的途徑。并通過實證研究和仿真實驗驗證了該方法在實際應用中的有效性。

1 大規(guī)模通信網絡中多鏈路故障定位算法

1. 1 鏈路指標識別與故障定位

在大規(guī)模通信網絡中，數據傳輸的速度對通信鏈路持續(xù)造成負荷，進而導致鏈路故障的出現(xiàn) [6] 。為深入分析鏈路故障檢測與定位，研究將原始網絡構建為無相連通圖，并以式（1）進行表示。

式中： V 表示節(jié)點集； E 表示鏈路集。鏈路狀態(tài)識別依賴探針在探測路徑上收集測量值，而這一過程需要在網絡節(jié)點上布設探測站 [7-9] 。探測路徑可以呈現(xiàn)環(huán)狀，允許探測點多次經過相同節(jié)點，但不允許多次經過相同鏈路。鏈路識別主要包括鏈路指標和鏈路故障定位，核心在于探測站的設置和探測路徑的規(guī)劃。目前，針對端到端鏈路探測，存在一種最少監(jiān)視器布置算法，通過圖分割技術將網絡拓撲劃分為多個子圖，實現(xiàn)有效監(jiān)測。在鏈路故障定位中，研究采用隨機游走算法，在2個探測站之間進行隨機游走，以確定最優(yōu)探測路徑 [10] 。該算法生成的多條探測路徑形成路徑集合，若集合中包含故障鏈路，便能直接定位故障。因此在算法中，將探測路徑與鏈路之間的關系以分離矩陣表示，并記作 M ，矩陣中數據均有鏈路狀態(tài)組成?？赏ㄟ^圖2對隨機游走算法思想進行表示。

圖2（a）中，研究給定的探測站節(jié)點為節(jié)點1與節(jié)點5，通過隨機游走算法能生成如式（2）的探測路徑。

{p 1 （1-3-2-5） p 2 （1-2-5） p 3 （1-2-3-5）p 4 （1-4-3-5） p 5 （1-4-5） p 6 （1-3-4-5） （2）

式中：數字表示探測站節(jié)點； p 表示探測路徑。圖2（b）中，探測路徑與鏈路之間的聯(lián)系是由分離矩陣進行表示，矩陣由數字“1”和“0”組成，這些數組分別表示經過或不經過當前鏈路的狀態(tài)。將探針發(fā)送至上述路徑中，則能對任意單個鏈路故障進行定位 [11-12] 。

1. 2 多鏈路故障定位算法構建

在多鏈路故障定位中，大規(guī)模通信網絡的故障定位是主要難點，因為網絡中的鏈路數量多且復雜，相較于節(jié)點探測，定位難度更大 [13-15] 。雖然每個節(jié)點易于覆蓋，但鏈路的覆蓋則相對困難，因此一些研究為提高鏈路探測覆蓋率而增加開銷，導致探測成本上升。由于通信網絡故障具有強隨機性，研究需要在有利于故障探測的節(jié)點上布設探測站，并減少探測站數量，以降低探測開銷 [16-18] 。為此，研究提出了一種基于自適應探測策略的多鏈路故障定位算法，通過優(yōu)化探測路徑選擇，每次探測結果更新，從而確保鏈路的覆蓋率得到提升。鏈路根據狀態(tài)可分為三類形式，其分別為正常鏈路集，并記作 L n ；故障鏈路集，并記作 L f ；可疑鏈路集，并記作 L s 。路故障定位的探測路徑選擇算法流程開始時，通信網絡中的所有鏈路狀態(tài)均為待探測。為確保每條鏈路都能被探測，未被探測的鏈路成為優(yōu)先目標。探測路徑的選擇根據目標鏈路與探測節(jié)點之間的公共點數量進行分類，具體流程如下：公共點數量為2時，可以直接將目標鏈路設置為探測路徑；公共點數量為1時，將探測路徑分為2段，第一段為非公共節(jié)點與探測站之間的最短路徑；第二段為目標鏈路的路徑；公共點數量為0時，需計算所有探測節(jié)點到目標鏈路的最短路徑，并與目標鏈路結合，最終選擇距離最短的方案作為探測路徑。通過這種方式，確保鏈路得到有效覆蓋。研究采用上述算法進行探測路徑分析，研究設置一個包含網絡結構具體如圖2所示。

圖2中，研究設置的網絡結構圖包含了10個節(jié)點與15條鏈路。在圖2（a）中，鏈路與探測站節(jié)點存在2個公共節(jié)點，因此算法以此探測路徑作發(fā)送探針確定鏈路狀態(tài)。圖2（b）中，鏈路與節(jié)點之間只存在一個公共節(jié)點，算法計算鏈路端點到探測站節(jié)點的最短路徑，然后選擇 p 36 （3-8-6） 路徑發(fā)送探針，利用探針對 l 38 （3-8） 與 l 86 （8-6） 的狀態(tài)進行評估判斷。圖2（c）則表示沒有公共部分，即不存在公共邊也不存在公共點，因此說明探測站節(jié)點不在鏈路上，此 時 分 別 計 算 各 點 之 間 的 最 短 路 徑 ，將p 36 （3-2-4-6） 作為探測路徑發(fā)送探針，則可對3條鏈路進行故障檢測。

2 大規(guī)模通信網絡故障定位中多鏈路定位算法的應用

2. 1 隨機網絡拓撲實驗

為驗證提出的多鏈路故障定位算法的有效性，通過BA無標度網絡進行仿真實驗，檢測該算法在隨機網絡拓撲上的性能。采用MATLAB軟件進行BA無標度網絡模擬，該網絡隨機生成鏈路數量為300～1 200，平均節(jié)點度為3的網絡拓撲。實驗通過成功定位率、探測成本以及探測路徑長度作為衡量算法性能的指標，并且每次實驗均進行20次重復試驗后取其平均值。最后研究采用當前現(xiàn)有的遞歸見證位置算法進行對比分析，2種算法的成功定位率與探測成本結果如圖3所示。

圖3（a）表示不同鏈路故障率下的成功定位率結果，研究生成的網絡平均度為 3，鏈路數量為500與1 000。從結果可以看出，在相同鏈路數量的情況下，研究提出的算法相較于RWL算法具有更高成功定位率，鏈路故障率不超過0.04時，2種算法之間的成功定位率差距較?。绘溌饭收下食^0.04時，2種算法之間的成功率差距在0.05左右。

圖3（b）表示不同鏈路故障率下的探測成本，探測成本是在相同鏈路故障率下進行的，此時鏈路故障率的設置為0.1。研究提出的算法與RWL算法的探測成本均與鏈路數數量成正比，在鏈路數量為300時，RWL方法的探測成本為300元，研究提出的算法探測成本為250元；在鏈路數量為1 200時，RWL方法的探測成本為1750元，研究提出的算法探測成本為1050元。

2. 2 真實網絡拓撲的性能分析

研究采用8種網絡拓撲結構來驗證兩種算法在真實網絡拓撲上的性能，8種網絡拓撲結構信息分別來自阿德萊德大學開發(fā)的網絡拓撲結構數據集和華盛頓大學的火箭燃料項目中的網絡拓撲結構。實驗采用成功定位率、探測成本與故障區(qū)段定位三種指標對模型性能進行驗證，將故障率設置為0.1。研究將提出的方法、RWL、貪婪故障定位（GFL）在真實網絡拓撲結構上的成功定位率結果如表1所示，不同算法的探測成本結果如表2所示。

表1、表2結果中，反映出研究提出算法具有較好的綜合性能。研究選取AS3257與GEANT網絡結構進行故障區(qū)段定位，其結果如圖4所示。

由圖4可知，在AS3257 與GEANT網絡結構區(qū)域中，研究提出算法的通信網絡故障區(qū)段定位更接近實際定位位置；RWL算法的定位精度與實際定位位置稍遠；GFL算法的定位精度不穩(wěn)定，具有較大的誤差。研究使用算法的可行性在上述實驗中已得到驗證，并在真實通信網絡結構中具有較好的應用效果，因此該方法可用于對大規(guī)模通信網絡的故障定位。

3 結語

針對現(xiàn)有的鏈路故障定位在多鏈路故障中存在的局限性，提出一種基于MNFL的算法。該方法以一種自動探測路徑的方式生成鏈路中的最佳探測路徑，并對該路徑中的鏈路進行識別，在下一次探測路徑的選擇時，根據當前故障定位結果對新探測路徑進行自適應調整。研究通過仿真實驗與對比實驗對提出算法的可行性進行驗證，實驗結果顯示，MNFL算法較RWL算法的成功率差距能達到0.05；探測成本差距能達到700元；通信路徑差距能達到16 Hops。在真實網絡結構的檢驗中，研究提出算法的成功定位率達到0.98；探測成本最低28元。提出的算法能成功提高鏈路故障的定位成功率，相較于現(xiàn)有的方法具有更低的探測成本，該方法更能滿足實際應用的需求。

【參考文獻】

[1] 牟小令. 光纖通信網絡中節(jié)點故障定位方法研究[J]. 激光雜志，2023，44（2）：143-148.

[2] 王毅，李曙，李松濃，等. 基于自校驗孿生神經網絡的故障區(qū)段定位方法[J]. 電子技術應用，2022，48（7）：60-66.

[3] 饒強. 基于貝葉斯網絡的無線通信網絡故障節(jié)點自動定位方法研究[J]. 自動化與儀器儀表，2022，（12）：258-262.

[4] 張明，符瑜科，鄧巽江，等. 基于灰色聚類的配網線路跳閘信息快速采集方法[J]. 粘接，2023，50（8）：175-179.

[5] 汪莞喬，蘇劍，潘娟，等. 虛擬電廠通信網絡架構及關鍵技術研究展望[J]. 電力系統(tǒng)自動化，2022，46（18）：15-25.

[6] 張海龍，李博，賈娜娟. 基于Dijkstra算法的電力光通信網絡智能運維設備脫網故障區(qū)段定位方法[J]. 電信科學，2023，39（1）：92-99.

[7] 高陽，呂默，崔光武. 列車通信網絡故障處置及故障模式分析[J]. 城市軌道交通研究，2023，26（4）：140-144.

[8] 朱圳，劉立芳，齊小剛. 基于數據挖掘的通信網絡故障分類研究[J]. 智能系統(tǒng)學報，2022，17（6）：1228-1234.

[9] 賈珺，馮春燕，夏海輪，等. 基于樣本均衡與特征交互的通信網絡故障預測方法[J]. 北京郵電大學學報，2021，44 （6）：8.

[10] 盛忠明. 地鐵列車FIP網絡通信故障起因判別及解決方法[J]. 城市軌道交通研究，2021，24（S01）：132-136.

[11] 謝同玲. 面向5G的醫(yī)院大規(guī)模機器類通信能效優(yōu)化模型構建及仿真[J]. 粘接，2020，43（9）：102-105.

[12] 張靜，黃庭培，李世寶. 反向散射通信網絡中的能量優(yōu)化路由協(xié)議[J]. 計算機工程與設計，2023，44（5）：1281-1287.

[13] 郭瑜，童麗娜，倪旭明. 基于改進卷積神經網絡的電力通信網故障診斷研究[J]. 計算機測量與控制，2022，30（2）：24-30.

[14] 繆巍巍，吳海洋，陳鵬，等. 基于深度強化學習的通信網故障智能感知與預警模型研究[J]. 機械設計與制造工程，2021，50（6）：102-104.

[15] 劉博，王艷. 基于大數據分析的通信網絡阻塞故障檢測方法[J]. 自動化與儀器儀表，2021， （1）：43-46.

[16] 韓寶虎，趙亮，韓希君. 應用巡檢機器人的分布式基站布局及網絡互聯(lián)[J]. 粘接，2022，50（008）：155-159：.

[17] 趙雄文，張鈺，秦鵬，等. 空天地一體化無線光通信網絡關鍵技術及其發(fā)展趨勢[J]. 電子學報，2022，50（1）：1-17.

[18] 蔡睿妍，潘蕓，魏德賓，等. 基于QoS的衛(wèi)星網絡端-端通信可靠性分析[J]. 航空學報，2022，43（1）：254-262.