求一个“基于小波神经网络的模拟电路故障诊断仿真程序”
。
智能网络管理系统分析与系统设计4.1需求分析随着网络技术的不断发展，5G时代的来临，网络设备数量的迅增导致网络管理难度的增大，系统管理人员的工作压力繁重，特别是目前大量的基于Web环境的各个业务系统对企业的网络提出了更高的要求，除了要保证网络的安全性、稳定性、保密性、可靠性外，还要确保网络速度、服务质量、使用方便等各个因素。
网络管理系统面临网络设备运行环境是否安全、设备运行是否平稳、设备故障能否快速发现并解决等问题。
本文采用B/S架构可以更大程度上跨平台使用此系统，结合web技术和人工智能技术根据实际情况实现具有故障诊断的智能网络管理系统，在一定程度上实现传统网络管理系统的自动化。
图4.1为系统模块用例图：4.1.1功能需求（1）从用例图中可以看到，本系统分为两种角色，超级管理员和普通用户。
超级管理员拥有最高权限，可以对普通用户进行添加、修改、删除操作，用户管理本质就是通过赋予用户角色对系统操作权限不同，使得用户角色分工不同更加网络管理工作更加细致和明确。
同时，超级管理员可以升级普通用户为超级管理员也可以根据人员不同赋予不同的权限。
（2）用户可以在系统中添加和删除网络设备，在实际企业当中网络设备资源数量众多，针对设备资源进行有针对性行的管理可以满足企业日益增加的设备需求。
用户可以通过在系统中填写设备详情添加相应网络设备；选取相应设备填写对应标签、地址、流量类型可以掌握设备端口流量流入流出情况和连接状态以及查看设备信息；选取某设备端口，输入修改后的ip地址、子网掩码、登录密码、特权密码等可以通过telnet协议对设备端口进行配置；如果某设备已经损坏或者不再需要时，可以点击删除按钮对设备进行删除；可以查看个人详细信息对个人信息进行修改。
（3）网络故障是是网络管理系统中的重要模块，网络可以平稳运行是评价网络管理系统的重要指标。
网络虚拟环境下，复杂的资源关系以及各资源之间的互相干扰，一旦某个接口发生故障，故障数据隐藏在底层网络可能会蔓延到整个网络，导致整个网络无法运行，这样无疑给网络恢复带来了更大困难，增加了企业成本。
本系统故障模块针对以太网中的接口故障，在现有智能故障诊断技术中，BP神经网络具有良好的非线性能力和自学习和自适应能力，因此，本系统故障模块引入BP神经网络，采集接口故障数据经过BP神经网络训练可以实现对目标接口进行故障诊断，并判断故障类型。
同时用户可以查看历史告警记录表对故障信息进行统计。4.1.2非功能性需求系统应具有实用性，能够满足实际业务需求，各个功能模块业务可以高效正确的运转。
要求设计简单、架构和层次设计清晰，便于维护和扩展具有一定的可靠性和易用性。
系统安全是网络管理系统的必要条件之一，防止sql注入等安全问题出现，对前后端数据传输进行验证防止前端传输不安全数据到后台服务器当中。在监控模块中系统可以对设备数据进行实时监控并展示，应具有实时性。
4.2系统总体架构设计本文研究利用Django、Vue等开发技术，并结合人工智能网络故障智能诊断技术设计并实现了智能网络网络管理系统。系统总体架构分为视图层、应用服务层和设备层三层。
系统的设计总体架构如图所示：1）视图层使用前端相关技术如Vue,ECharts开发系统界面包括界面的布局与美化、用户交互设计等。2）应用服务器层包括Web服务器和NMS两部分。
Web服务器可以处理浏览器的请求并返回相应。在此系统中接收前端传来的数据请求，经过后台程序解析处理完成对应操作。
NMS是网络管理工程当中的核心，通过代理向设备发送指令，管理被管设备，可以通过oid查询MIB库保存对应项获取目标设备网络数据。
3）在网络设备层，被管设备代理是网络上被管设备代理的集合，主要工作是采集数据和分析数据。
系统首先服务层通过Telnet协议连接网络设备，通过SNMP协议实现对网络设备运行状态的监控，将采集到的数据进行计算处理之后存储到Mysql数据库中。
4）Mysql数据库是系统开发功能模块的基础，用于存储用户数据、网络运行数据以及故障数据等。用户通过对数据库进行新增、查询、更新、删除操作对系统数据进行管理。
4.3系统主要功能模块设计本系统分为用户管理、配置管理、设备监控管理、故障诊断四个功能模块，下面将对这四个模块的设计进行详细说明。
4.3.1系统功能模块1）用户管理：系统管理员使用该模块可以完成查看、添加、修改和删除系统全体用户账号的管理操作以及用户登录功能，该模块的设计类似于RBAC（基于角色的访问控制），不同的管理员拥有不同的系统操作权限。
2）配置管理：通过web界面对设备进行相关配置即命令下发，管理员可以通过该模块远程连接目标设备并且对设备端口进行ip和子网掩码修改以及置。
3）设备监控管理：对通讯设备接口进行实时流量监控，返回数据便于管理员及时查看设备运行状态查看资源并且统计流量数据。
4）故障诊断：及时发现通讯网络接口中发生的故障，并判断故障类型便于管理员及时处理故障，以免造成更大损失。
4.3.2用户管理模块设计用户管理模块是管理系统中较基础同时也是非常重要的一个模块，主要负责对该系统用户进行统一有效管控，用户管理模块活动图如图4.4所示：1）用户登录：系统部署在服务器之后，Django框架可以使用命令创建一个超级管理员。
超级管理员和普通用户可以通过用户名和密码登录到该系统当中。
2）用户添加：超级管理员拥有该系统的最高权限，可以添加普通用户无需注册，添加信息主要包括，用户名、密码、头像、邮箱等信息，普通用户可以根据超级管理员分配的权限参与管理系统。
3）用户删除：超级管理员界面可以删除当前普通用户角色，删除之后原普通用户用户名好密码作废。
4）用户信息修改：超级管理员和普通用户都可以对自己信息进行修改包括密码、个人资料，超级管理员可以赋予普通用户权限等。
4.3.3配置管理模块设计网络设备配置模块主要用于对设备参数进行设置和修改和对设备进行添加和删除，从而对设备进行管理。
该系统主要针对设备端口ip地址和子网掩码进行修改，配置管理结构示意图如下：1）设备参数配置：首先在被管设备开启端口并配置Telnet协议，同时设置登录名和登录密码以及特权密码，用户在浏览器通过表单填写相关目标设备信息，通过HTTP协议传输给服务器，服务将前端传过来的信息解析成设备可以识别的指令，代替管理员在终端直接对设备的操作，自动下发对应指令到设备上完成配置。
2）设备添加：用户可以添加某个设备，并给予相应标识，网络设备列表当中就会出现当前所有设备，设备信息也会存储在数据库当中。3）设备删除:当某一项设备不再使用管理员可以在浏览器的设备列表当中将其删除。
4.3.4设备监控模块设备监控模块主要监控设备运行状态以及资源消耗情况，存储到Mysql数据库当中，通过前端组件以图表的格式将其可视化，可以让管理员更加直观的观测到网络设备的运行状态。
设备监控模块结构示意图如下：展示设备是否在线，以及展示当前运行设备列表，通过SNMP协议可以判断目标设备是否在线，如果在线前端提示目标设备当前正在运行，否在提示当前设备不在运行或者未正确安装SNMP协议，因为监控模块主要通过SNMP协议访问设备获取MIB变量得到目标值并测试其连通性。
1）实时展示目标设备端口流量流入和流出情况，管理员在前端添加监控目标，通过SNMP协议和目标设备通信，如果当前设备在线也就是服务器可以通过SNMP和目标设备通信，服务器查询目标设备的MIB对象，找到请求的数据，将返回的网络数据存入数据库，前端利用Echarts进行绘图，为了更加直观，流量图采用曲线图的方式展示时间段内某端口流入或者流出网络总流量，单位按照每秒总传输量来计算。
此外，管理员可以切换目标设备查看。4.3.5故障诊断模块故障诊断模块就是协助管理员及时发现并处理网络设备突发的故障，本模块引入了BP神经网络故障诊断技术，目的是高效快速的判断网络设备接口故障类型。
基于BP神经网络的网络故障诊断流程示意图如图4.6所示：故障发现及时与否对网络设备能否持续提供服务至关重要。
通过SNMP协议主动轮询和异步警告可以获取到设备发生的故障信息，服务器获取到网络状态故障信息后，经过分析，如果可以直接判断故障类型，则直接发送到前端界面，这类故障类型一般具有较明显的特征。
如果某接口发生故障不可以直接判断其故障类型则通过基于BP神经网络的故障诊断模型进行判断，将获取到的接口相关数据自动进行预处理后作为故障诊断模型的输入数据，故障诊断模型会输出相应结果对应相应故障可视化到前端提示管理员，管理员可以通过前端查看故障信息进行修复。
4.4数据库设计4.4.1系统E-R图系统数据库包含多个实体，实体之间具体包含一对多和对多对的关系。
系统E-R图如图4.8所示：4.4.2数据库表结构设计根据需求分析的结果数据库表设计如下：（1）用户表用于记录用户相关信息，其中用户ID（userId）作为用户表的主键自增。
（1）设备监控表，存储监控的目标设备信息。
4.5本章小结本章节主要内容：首先对基于用例图进行系统需求分析，对系统整体总结构进行了设计，其次根据需求设计了系统整体功能模块图，接着针对各个功能模块结合活动图进行详述，最后对整个系统的数据库表设计进行了简要概述。
什么是“小波神经网络”？能干什么用呀
小波神经网络（Wavelet Neural Network， WNN）是在小波分析研究获得突破的基础上提出的一种人工神经网络爱发猫 www.aifamao.com。
它是基于小波分析理论以及小波变换所构造的一种分层的、多分辨率的新型人工神经网络模型。 即用非线性小波基取代了通常的非线性Sigmoid 函数，其信号表述是通过将所选取的小波基进行线性叠加来表现的。
它避免了BP 神经网络结构设计的盲目性和局部最优等非线性优化问题，大大简化了训练，具有较强的函数学习能力和推广能力及广阔的应用前景。
“小波神经网络”的应用：1、在影像处理方面，可以用于影像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。2、在信号分析中的应用也十分广泛。
它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘侦测等。3、在工程技术等方面的应用。
包括电脑视觉、电脑图形学、曲线设计、湍流、远端宇宙的研究与生物医学方面。扩展资料：小波神经网络这方面的早期工作大约开始于1992 年，主要研究者是Zhang Q、Harold H S 和焦李成等。
其中，焦李成在其代表作《神经网络的应用与实现》中从理论上对小波神经网络进行了较为详细的论述。近年来，人们在小波神经网络的理论和应用方面都开展了不少研究工作。
小波神经网络具有以下特点：首先，小波基元及整个网络结构的确定有可靠的理论根据，可避免BP 神经网络等结构设计上的盲目性；其次，网络权系数线性分布和学习目标函数的凸性，使网络训练过程从根本上避免了局部最优等非线性优化问题；第三，有较强的函数学习能力和推广能力。
小波神经网络的优势是什么？谢谢
小波神经网络相比于前向的神经网络,它有明显的优点:首先小波神经网络的基元和整个结构是依据小波分析理论确定的,可以避免BP神经网络等结构设计上的盲目性;其次小波神经网络有更强的学习能力,精度更高。
总的而言，对同样的学习任务,小波神经网络结构更简单,收敛速度更快，精度更高。
小波神经网络比一般神经网络的优势是什么？
小波神经网络的建模怎么确定隐含层的神经元个数
确定隐层节点数的方法为“试凑法”。隐含神经元的数目是非常重要的，它的选取结果直接影响到网络的性能好坏。
如果隐含层的神经元数量太少，网络就不能够很好的学习，即便可以学习，需要训练的次数也非常多，训练的精度也不高。
当隐含层神经元的数目在一个合理的范围内时，增加神经元的个数可以提高网络训练的精度，还可能会降低训练的次数。
但是，当超过这一范围后，如果继续增加神经元的数量，网络训练的时间又会增加，甚至还有可能引起其它的问题。
那么，究竟要选择多少个隐含层神经元才合适呢?遗憾的是，至今为止还没有理论规定该如何来确定网络隐含层的数目。所以，只能用尝试的方法来寻找最适宜的隐含层神经元数目。
本文采取的做法是:构建多个BP网络，它们除了隐含层神经元个数不同外，其它一切条件都相同，通过比较它们训练的循环次数和网络精度，找到最佳的神经元个数。小波神经网络的隐层设计原则也遵循这个方法。
也有一些经验公式，可以作为参考。
神经网络以及小波分析法在汽车发动机故障检修中有什么应用？
汽车是我们生活中常用的将交通工具，那么神经网络和小波分析法在汽车发动机故障检修中有什么应用呢？大家请看我接下来详细地讲解。一，小波分析在故障检修中的应用小波包分解与故障特征提取。
缸盖表面的振动信号由一系列瞬态响应信号组成，分别代表气缸的振动源响应信号:1为气缸的燃烧激励响应;2是排气阀打开时的节流阀冲击。
气门间隙异常时,振动信号的能量大于目前冲击力作用时,振动信号的主要组件目前离冲击力稳定的振动信号和噪声,信号能量相对较小。
因此，可以利用每个频带的能量变化来提取故障特征，通过小波包分解系数{4]得到频带的能量。二，神经网络在故障检修中的作用神经网络与故障识别的基本原理。
人工神经网络以其大规模并行处理、分布式存储、自组织、自适应和自学习的能力，以及适合于处理不准确或模糊的信息而备受关注5]。其中，最成熟的是BP神经网络。值，直到输出接近理想输出信号6。
因此，BP神经网络可以以任意精度逼近任意有限维函数，适用于模式识别。现在对每个工况信号取5个样本，按照⒉部分所述步骤对35组样本信号进行编程，提取样本信号的能量特征向量。
三，小波分析法和神经网络应用总结为了实现柴油机气门机构的非解体故障诊断，本文将对测量的气缸盖振动信号进行小波阈值降噪预处理。然后根据信号的频率特性，对信号进行时频分析后进行小波包分解。
所构造的能量特征向量准确地反映了气门间隙状态下缸盖振动信号能量的变化。
实验表明，利用能量特征向量，BP神经网络能更准确地完成从振动信号空间到气门间隙状态空间的非线性映射，能更好地满足柴油机状态检测和故障诊断的要求。