下一代制造系统网络性能管理模型

D0I:10.13374/i.issn1001053x.2001.06.025 第23卷第6期 北京科技大学学报 VoL.23 No.6 2001年12月 Journal of University of Science and Technology Beijing Dec.2001 下一代制造系统网络性能管理模型 才力赵文清丁预展 北京科技大学资源工程学院：北京100083 摘要通过对下一代制造系统网络特点的分析，提出了一种基于Internet的分布式网络管理 系统，给出了其核心一基于人工神经网络的网络性能管理专家系统的模型.同时对此模型的核 心模块一神经网络模块进行设计，实现网络性能问题的发现和相关原因的分析，并提出优化 建议， 关繪词NGMS;网络性能管理：神经网络；专家系统 分类号TP393.07 下一代制造系统的网络是一个临时网络， 的，这几个企业一般都分散在不同的地域.因 一旦发现市场机遇，经过盟主企业的的发起和此，针对这种网络结构，采用分布的网络管理模 组织，就要在尽可能短的时间内进人一个产品 型，并且把每个Intranet都作为一个域，基本的 的生命周期.盟员企业也要尽快配合盟主企业 性能管理模型结构见图1. 的协调和指挥，开始自己的专业运作.对于这样 一个制造网络系统，它的信息传输必须可靠和 企业A Intranet PManager管理员 高效，并且在整个产品生命周期中，网络的性能 Internet 一定要确保稳定并使其处于良好状态，性能下 盟主企业 PManagerA Intranet 降和性能崩溃都是无法接受的".同时，由于它 企业B 是一个临时网络，在满足NGMS对网络管理的 管理员A Intranet PManager B 管理员B 要求下应尽量节省资金，这也是降低产品成本 图1盖本性能管理模型 的策略之一.目前的一些网络管理平台对网络 Fig.1 General performance management model 管理人员的要求不太适于对NGMS网络的管 可以看到，每个Intranet都由一个PManager 理，所以研究一种智能化的适合NGMS特点的 (性能管理器)管理，所有的PManager之间互相 网络性能管理(Performance Management)模型是 通过Internet通信.当需要了解其他intranet的 很有必要的 性能管理信息时，PManager之间可以直接经由 互联网互通信息.这样，一旦某个Intranet发生 1基本性能管理模型 性能问题，可以由其PManager给出性能调整策 性能管理有助于网络系统不发生性能问 略，还可以通过建立的信任关系，用一个Intranet 题，同时在出现问题时可以帮助管理员做出快 的PManager管理另一个Intranet.例如， 速响应.性能管理的一个方面是进行良好的容 PManager B发生了故障，那么可以用企业B的 量规划，防止发生性能危机，另一个方面是监视 Intranet域信任盟主企业的Intranet域，这样性能 网络性能，并对网络基础设施作适当的调整. 管理器PManager即可对对企业B的Intranet进 目前，半数以上企业的Intranet都采用的是 行远程监视和管理.这对于盟主企业全面地协 微软的Windows NT系统，下面就以NT系统为 调整个NGMS网络的I作具有重要的意义. 主，对NGMS的网络性能管理进行论述. NGMS的网络是由具有不同的专业生产能 2 PManager的设计 力的几个企业的Intranet通过Internet连接起来 PManager是NGMS网络性能管理系统的核 收稿日期2000-11-23才力女，33岁，博士生 心组成部分.NGMS要求网络性能管理系统对

第 卷 第 ‘ 期 年 月 北 京 科 技 大 学 学 报 “ 伙 盯 匕 一 下一代制造系统网络性能管理模型 才 力 赵文清 丁 预展 北京科技大学资源工程学院 北京 摘 要 通过对下 一代制造系统 网络特点 的分析 ， 提 出了一 种基于 的分布式网络管理 系统 ， 给出了其核心一基 于人工 神经 网络的 网络性 能管理专家系统 的模型 同时对此模型 的核 心模块— 神经 网络模块进行设计 ， 实现 网络性能问题的发现和相关原因 的分析 ， 并提 出优化 建议 关扭词 网络性能管理 神经 网络 专家系统 分 类号 · 下 一 代制造 系统 的 网络是 一 个 临 时网络 ， 一 旦 发 现 市场机遇 ， 经 过盟 主企业 的的发 起 和 组 织 ， 就要 在尽可能短 的时间内进入 一个产 品 的生命周期 盟 员企业也要 尽快 配合 盟 主企业 的协调 和指挥 ， 开始 自己 的专业运 作 对于这样 一 个制造 网络系统 ， 它的信息传输必 须可靠和 高效 ， 并且 在整个产 品生命周期 中 ， 网络 的性能 一 定要 确保稳定 并使其处 于 良好状 态 ， 性能下 降和性 能崩溃都是无法接受 的‘， 同时 ， 由于 它 是一 个临 时 网络 ， 在 满足 对 网络管理 的 要求下 应尽量 节省 资金 ， 这 也是降低 产品成本 的策略之一 目前 的一 些 网络管理平 台对 网络 管理人 员 的要 求不 太适 于 对 网络 的管 理 ， 所 以 研究 一 种 智能化 的适合 特点 的 网络性 能管理 模 型 是 很有 必 要 的 的 ， 这 几个企业一 般都分散在 不 同的地域 因 此 ， 针对这种 网络结构 ， 采用分布的网络管理模 型‘ ， 并且把每个 都作为一个域 ， 基本的 性能管理模 型结构见 图 管理员 管理 员 圈 甚本性能，理模型 · 基本性能管理模型 性 能 管理 有 助 于 网 络 系 统 不 发 生 性 能 间 题 ， 同时在 出现 问题时 可 以 帮助 管理员做出快 速 响应 性 能管理 的一 个方 面是进行 良好 的容 量规划 ， 防止发生性能危机 ， 另一 个 方面是监视 网络性能 ， 并对 网络基础设施作适 当的调整 目前 ， 半数 以 上企业 的 都采用 的是 微软的 系统 ， 下 面 就 以 系统为 主 ， 对 的 网络性能 管理进行论 述 的 网络是 由具有不 同的专业 生 产能 力 的几个企业 的 通 过 连接起来 收稿 日期 于 一 才力 女 ， 岁 ， 博士 生 可 以看 到 ， 每个 都由一 个 性 能管理器 管理 ， 所有 的 之间互相 通过 通 信 当需要 了解 其他 加川 的 性能管理信息时 ， 之 间可 以 直接经 由 互联 网互通 信息 这 样 ， 一 旦 某个 发生 性能 问 题 ， 可 以 由其 给 出性能调 整 策 略 ， 还 可 以 通 过建立 的信任关 系 ， 用 一个 的 管 理 另 一 个 例 如 ， 发生 了故障 ， 那么 可 以用 企业 的 域信任盟 主企业 的 域 ， 这样性能 管理器 即可对对企业 的 进 行远 程监 视和 管理 这 对 于 盟 主企业 全 面地 协 调 整 个 网络 的工 作具有 重要 的 意义 的设计 是 网络性 能管理系统 的核 心 组 成 部分 要求 网络性 能管理 系统对 DOI ：10．13374／j ．issn1001—053x．2001．06．025

Vol.23 才力等：下·代制造系统树络性能管理模甲 567 网络的性能变化做出反应，帮助网络管理员及 心部分.专家系统的任务就是要通过网络系统 时地对网络进行调整，防止因网络性能下降而 监视工具获取的计数器信息找寻问题及其产生 影响整个NGMS的运行. 的可能原因.这些计数器信息包括性能监视器 传统的智能专家系统存在“知识获取瓶 中的：处理器对象的处理器时间和中断时间；最 颈”，推理能力弱，实时性差等问题.而神经网络 高编号处理器的DPC时间和处理器时间；系统 的学习功能、分布式并行信息处理功能以通 对象的处理器队列长度；物理磁盘对象的磁盘 过专家系统的知识表示，获取和并扩推理等解 时间，磁盘队列长度、平均磁盘队列长度和每秒 决上述问题.将PManager设计成一个基F神 读磁盘数：内存对象的每秒调贞数、每秒读贞 经网络的专家系统.它可以随时根据网络的情 数、可用内存，每秒输入贞数、每秒缺负数、可调 况给出判断和调整策略，使管理贞根据策略对 贞内衫池字节数和不调贞内作池学节数.还 网络的基础设施进行适当的调整，使树络平稳 包括网络监视器中的：网络使用率，每秒广播字 运彳i.PManager的模型小示意见图2 节数、每秒传输字段数、连接失收和连接复位 等.这此信息经过处理后，形成学习样本数据库 t 树络状态 输入转换器 并被用丁于神纶网络模块的学习.性能管理的对 象是整个网络系统的处理器，内存，磁盘系统和 监视器 神约树络模块 网络资源.为提高效率，将整个网络性能管理神 纶树络模块分成4个相对独立的神经网络子模 识4 输出转换器 块一处理器子模块、内斥子模块、磁盘子模块 管理员卜一人机接1： 和网络子模块.它」之间是并行的关系，构成一 个完整的神经网络系统. 图2 PManager模型示意图 Fig.2 PManager model 本文的神绘网络子模块都采用3层BP网， 以保证在收敛速度不明显降低前提下，比2层 监视器包括WINDOWS NT的性能监视器 BP网形成更为复杂的分类边界面，提高分类精 网络监视器、任务管理器等，它们主要对网络系 统的内存、处理器、磁盘系统和网络进行监测， 度，使神经网络模块可以史精确地确定网络的 性能问题.输入及输出单元的数目已电领域问 取得实时数据信息，然后将这些监测数据输出 题的特点本身给定，而确定隐含层的单元数日， 到知识库中或直接输入到输入转换器 输入转换器以网络系统的性能基线为标 1前缺芝明确的理论依据.作这里，本文通过试 算的办法来确定， 准，将得到的网络系统性能数据转换成神经网 以内仟子模块为例，其神纶网络子模块的 络的数'字格式，并将转换格式的数据输人到神 3层BP网结构如图3.输人为9个与内存问题 经网络模块.神经网络模块对输人的信息进行 行关的计数器监视总，心为神纶元m,(1,2, 处理.事实上.，这个过程是一个推理过程，通过 …,9).根据专家知识，网络的内存问题大致有 对网络性能数据的分析处理，判断网络系统 前的状态是否良好，瓶领在哪甲，并给出性能调 5类，因此输出神经心的数日为5个，记为M(k 整策略，将处理结果输出到输出转换器，并将所 =1,2,…,5).隐含层所含神经元个数有待进一 步确定 得数据转换成用户能够识别的字符串信息， 第1层的i神经儿： 知识库的功能主要是储存由监视器获取的 总输人P=Σ(w,m,+b) 网络性能数据，网络系统性能基线，神经网络输 出数字信息的字符串表达以及训练神经网络所 其中，i为第1的任意一个神经元，1,2，，9； 需要的学习样本和神经网络块中的权值矩阵 w,为i神经元的输人权值，b为i神经心的阈值 等.管理员通过人机接口得到网络系统的性能 总输出 O=(P)=tanh(-P). 信息和调整策略，然后对树络及时进彳维护，保 其中，￡为第】的传递函数 证NGMS网络系统处于良好的运彳状态 第2层的j神经元： 总输入P=(wO,+b). 3神经网络模块的设计 其中，j为中间隐层的任意一个神经元，为第 神约网络模块是所要构建的专家系统的核 1居的i神纶元与第2层的神经元的连接权值

匕 才 力等 代制造 系统 网络性 能竹理 模 划 · 网络 的性 能 变 化做 出反 应 ， 帮助 网络管理 员 及 时地 对 网络进 行 调 整 ， 防 止因 网 络 性 能 卜降 而 影 响 整个 的 运 行 传统 的 钾 能 专 家 系 统 存 在 “ 知 识 获 取 瓶 颈 ” ， 推理 能 力弱 ， 实时性差 等问题 而神经 网络 的学 习 功 能 、 分布式 并行 信息处 理 功 能 叮以 通 过专家 系统 的 知 识 表示 、 获取 和 井行 推 理 等解 决 卜述 问题 ’ 将 设 计成 一 个基 于神 经 网络 的 专家 系统 它 口 以 随 时 根 据 网络 的情 况 给 出判断 和 调整 策略 ， 使管理 员根 据 策略对 网络的 基础 设施进 行适 当的 调 整 ， 使 网络平稳 运 行 的模 烈 示 意 图 见图 网络犷 态 十 一 叫 输 入 转换 器 初 或 ‘二 ， 竹理 员 卜 一朴人机于寒 图 模型 示 意 图 · 监视 器 包括 的 性 能 监视 器 、 网络监视 器 、 任务管理 器等 ， 它们 卜要 对 网络 系 统 的 内存 、 处理 器 、 磁 盘 系统 和 网络进 行监测 ， 取 得 实 时 数据 信息 ， 然 后 将这 些 监 测 数据 输 出 到知识 库 中或 直接 输 人 到输 人转 换 器 输 人 转 换 器 以 网 络 系统 的 性 能 基 线 为 标 准 ， 将 得 到 的 网络 系统性 能 数据 转 换 成 神经 网 络 的 数 字 格 式 ， 并将转 换 格 式 的 数据 输 人 到神 经 网络模 块 神经 网络模块 对输 人 的 信息进 布’ 处 理 事 实 卜 ， 这 个过 程 是 一 个推理 过 程 ， 通 过 对 网络性 能 数 据 的 分 析 处 理 ， ，断 网络 系统 当 前的状态是否 良好 ， 瓶颈在哪 甲 ， 并给 出性能调 整 策略 ， 将处 理 结 果输 出到输 出转换 器 ， 井将 所 得 数据 转换 成用 户能够 识 别的字 符 串信息 、 知 识库的功 能 主要 是储存 由 监视 器 获取 的 网络性 能数据 、 网络 系统性能基 线 、 神经 网络输 出数字 信息 的 字 符 串表达 以 及 练 神经 网络所 需 要 的 学 习 样 本 和 神经 网 络块 中的权 值矩 阵 等 管理 员通 过 人 机 接 日 得 到 网络 系统 的性 能 信息和 调 整 策略 ， 然后 对 网络 及时 进 行 维 护 ， 保 证 网络 系统处 于良好的运 行状 态 神经网络模块的设计 神经 网络 模块 是 所 要构 建 的 专家 系统 的 核 心 部分 专家 系统 的 任 务就是 要通 过 网络 系统 监视 工 具 获取 的 计数 器 信息 找 寻 问题 及其产 生 的 可能原 因 ‘，， 这 些计数器信息包括性能 监视器 中的 处理 器 对 象 的处 理 器 时 间 和 中断 时 间 最 高编 号 处理 器 的 时 间 和 处 理 器 时 间 系统 对 象的处 理 器 队 列 长 度 物 理 磁 盘 对 象 的磁 盘 时 间 、 磁 盘 队 列 长 度 、 平 均 磁 盘 队 列 长 度 和 每秒 读磁 盘数 内存对 象的每秒调 贞数 、 每秒读页 数 、 可用 内存 、 每秒输 入 贞数 、 每秒缺 页数 、 可调 贞内存池 ‘ 补节数 和 不 可调 贞 内存池 字 节数 还 包括网络 监视 器 中的 网络 使用 率 、 每秒广播字 节数 、 每秒 传输字段 数 、 连 接 失 败 和 连 接 复位 等 这 此 信息 经 过 处 理后 ， 形 成学 习 样 本数据 库 井被 用 丁神经 网络模块 的 学 习 性 能 管理 的 对 象是 整 个网络 系统 的处理 器 、 内存 、 磁 盘 系统 和 网络 资 源 为提 高效 率 ， 将 整 个 网络性 能 管理 神 经 网络模块 分成 个相 对独 立的神经 网络子模 块— 处 理 器 子模块 、 内存 子 模块 、 磁 盘子模块 和 网络 朴模块 它 们之 间 是 并行 的 关 系 ， 构成一 个完整 的神经 网络 系统 本 文的 神经 网络子 模 块 都 采用 层 网 ， 以 保 证 在 收 敛 速 度 不 明 显 降低 前提 「 ， 比 层 网 形 成 更为 熨 杂 的 分 类边 界面 ， 提 高分类精 度 ， 使 神经 网络 模 块 可 以 更精 确 地 确 定 网络 的 性 能问题曰 输人 及输 出单元 的数 目已 由领域问 题 的特点 本 身给定 ， 而 确 定 隐 含层 的 单元数 目 ， 日前缺乏 明确的理 论依据 在这 里 ， 本文通过 试 算 的办 法 来 确定 以 内存 子模 块 为例 ， 其神经 网络子模块 的 层 网结 构如 图 ， 输 人 为 个 与内存问题 有 关的 计数 器 监 视 信 息 、 ， 记 为神 经 元 沃 司 ， ， … ， 根据 专家 知 识 ， 网 络 的 内存 问题 大 致 有 类 ， 囚此输 出 神经 元 的 数 日 为 个 ， 记 为从 ， ， … ， 隐含 层 所 含 神经 元个 数 有待进 一 步确 定 第 层 的 神经 元 总输 人 州 习 胡声州 ， 其 中 ， 为第 层 的 毛意一 个神经 元 ， 习 ， ，… ， 、 为 神经 元 的输 人 权值 ， 州为 神经 元 的 阑值 总 输 出 侧 二 ，’ 二 一 州， 其 中 ， 为第 层 的传递 函 数 第 层 吻神经 元 总 输 人 居 一 酬 ，创十材， 其 ‘ ， ， 为中问 隐层 的 任 意 一 个 神经 元 ， ，为第 层 的 神经 元 与第 层 脚神经 元 的连接权 值

568· 北京科技大学学报 2001年第6期 SIxR SZ×R S3×R 输入 M 0 M 传 递 传递 SI×1 S2×1 数 S3×1 传递函数 第1估 一第2层 第3层 图33层BP网络结构 Fig.3 Three-layers-BP neural network architecture b为神经元的阈值. 102 总输出 O=g(P:)=tanh(-P), 其中，g为第2层的传递函数. 第2层的k神经元： 树 总输人PE(wO+b), 10 其中，k为第3层的任意一个神经元，1,2,3,4,5， 0, w为第2层的神经元与第3层的k神经元的连 a 学习率调整曲线 接权值，为k神经元的阈值. 爱 总输出M=hMP)=i+ex(-P西 1 误差曲线 10 其中，h为第3层的传递函数. 各层的训练采用动量法和学习率自适应调 10* 节的策略，提高学习速度并增加算法的可靠性 0 20 40.6080100 120 神经网络模块的实现采用了Matlab5.3作 训练步数 为开发工具).隐层神经元数目的确定：在输人 图4训练误差曲线 Fig.4 Train error curved line 和输出层神经元数确定的情况下，隐层的神经 元数S的取值范围是1到7之间的整数，实验结 经网络模块对系统性能监视数据的处理，可以 果表明，在S,=5时，训练速度大大加快，与S,=6, 实现网络性能问题的分析和判断 7时的训练结果比较，精度和训练速度没有显著 参考文献 的提高.所以S,定为5个.图4给出了隐含层神 1 Mohsen Kahani H W,Peter Beadle.Decentralised Approa- 经元数目等于5时神经网络的误差曲线.其中， ches for Network Management.Computer Communica- tion Review,1997,27(3):36 上方的图为训练误差曲线，下方的图为学习率 2 Mark T Edmead Paul Hinsberg.金甄平译.Windows NT 调整曲线与误差曲线的对照. 一一性能监视、测试和调整北京：电子工业出版社， 1997 4结论 3胡上序，程翼宇.人工神经元计算导论.北京：科学出版 本文提出下一代制造系统的网络智能管理 杜，1994.56 专家系统的核心一一神经网络模块的设计思想， 4娄颗天，施阳.基于MATLAB的系统分析与设计一 通过实验给出了隐含层神经元的数目.通过神 神经网络.西安：西安电子科技大学出版社，1999 Network Performanc Model of Next Generation Manufacturing System CAI Li.ZHAO Wenqing, DING Yuzhan Information Engineeing School.UST Beijing.Beijing 100083,China ABSTRACT Describes the research of network management system of the Next Generation Manufacturing System(NGMS)network and proposes the model of network performance management Expert System based on Neural Network.The key of the model,Neural Network module,is designed to analyze and optimize the network performance. KEY WORDS NGMS;network performance management;expert system;neural network

北 京 科 技 大 学 学 报 年 第 期 输入 阻、 第 少舒一省一一 肇、 ‘ 一一 第 层 叮一一 、 ‘ 一》一第 疙沁 一犷一 圈 层 网络幼构 啥 五 肠 一 加 代 能 翎乓长唯除 材匆神经元 的 阑值 总输 出 研喝衅 卜对 ， 其 中 ， 为第 层 的传递 函数 第 层 的 神经 元 总 输 人 代一 影 ，研 醒， 其 中 ， 为第 层 的任意一个神经元 ， 扮 ，， ，， ， 叭为第 层 物神经元 与第 层 的 神经元 的连 接权值 ， 配为 神经 元 的 阑值 总输 出 从 似召 一 、一牛丽 ， ‘助 稍 ‘ 月 ‘ ’ ‘ ” 从” ， 一代 ’ 其 中 ， 从为第 层 的传递 函数 各层 的训 练采用 动量法 和学 习率 自适 应 调 节 的策略 ， 提高学习速度并增加算法的可靠性 神经 网络模块 的实现采用 了 作 为开 发工具 ‘ 隐层 神经元 数 目的确定 在 输人 和输 出层 神经元数确定 的情况 下 ， 隐层 的神经 元数及的取值范 围是 到 之间 的整 数 ， 实验结 果 表明 ， 在又 时 ， 训 练速度大大加 快 ， 与凡 ， 时的训练结果 比较 ， 精度 和训练速度没有显 著 的提高 所 以凡定为 个 图 给 出 了 隐含 层 神 经 元数 目等于 时神经 网络 的误差 曲线 其 中 ， 上 方 的 图 为训 练误 差 曲线 ， 下 方 的 图 为学 习率 调 整 曲线与误差 曲线的对照 一 匕一一一‘ 一一 ’少 尺 一， 二一， 。一曲 。 号 一 一一‘ 捉二艺二二 尺 除 卜 、 。 ， 、 一产尸尸一一 绷 】 译至举舜一 残 一 防烈丁 …… 结论 本文提 出下 一 代制造 系统的 网络智能管理 专家系统的核心— 神经 网络模块的设计思想 ， 通 过 实验给出了隐含层神经元 的数 目 通 过神 一 弓 ， ， 峪 圈 介 训 训 。 恤 练 蛛 步 误 数 理 曲线 … 互 经 网络模块对 系统性 能监视数据 的处理 ， 可 以 实现 网络性 能问题的分析和判断 今 考 文 献 咖 ， 加 卜刀。 ， ， 阴 金 甄平译 — 性能监视 、 测试和调 整 北 京 电子工业 出版社 胡上序 ， 程冀宇 人工 神经 元计算导论 北京 科学 出版 社 ， 娄顺天 施 阳 基 于 州叭 的 系统分析与设计 神经 网络 西安 西安 电子科技大学 出版社 ， — ， 刀侧 环乞” ， 石 儿‘ ， 侧 ， 伽 七那。 改 铭 ， ， 七刀