故障管理是网络管理的重要组成部分,负责检测和确认网络中出现的故障。由于现代网络系统具有规模巨大、结构复杂、高度异构和分布广泛的特点,即使是微小的故障,都会给用户带来巨大的经济损失,而在实际的网络中,一个故障的产生,通常会引发多个告警事件,这就需要对这些告警事件进行相关性分析,以确定根源告警。由于基于规则的专家系统具有一定的智能性,因此特别适合进行告警相关性分析,它也是当前使用的最多的告警相关性关系分析方法之一。但传统的专家系统高度依赖领域专家的知识和经验,而这些知识和经验通常是不精确或不完整的,且是在不断变化的,因此对告警的相关性进行分析时存在着主观和人为的因素,而利用传统的二值逻辑并不能很好地描述和理解这些主观的思维过程;另外,一个故障的产生,不仅可能引发多个告警事件,而且一个告警事件,也可以是不同的故障引起的,因此故障现象与故障原因之间通常没有一一对应的关系,而是具有一定的模糊性。本文结合模糊集合理论和模糊推理技术,充分考虑领域专家经验与知识的人为客观性和告警关联关系之间的模糊性,将网络告警进行模糊化处理转化为网络模糊告警,得到与模糊推理相容的模糊输入,并建立相应的知识表示和推理方法,以此来进行告警的相关性分析,以期最后能定位根源告警。论文的主要内容包含四个方面:1)告警信息模糊预处理:通过分析网络告警信息模型中各个字段的涵义,以及网络中存在的不确定性与模糊性的因素,通过在网络告警信息中设置与根源告警信息之间的模糊关系评价语言集合,对告警信息中的各个信息字段进行模糊化处理,其中每一个模糊评价语言即为一个模糊集合;利用模糊扩展原理,将分散在各个模糊评价语言中的模糊隶属度转换为各信息字段在模糊评价语言上的隶属度分布,可视为各个字段与根源告警之间的一个模糊关系;最后利用模糊综合评判的方法,得到整条网络告警信息为根源告警信息在模糊评价语言上的隶属度分布情况,从而将网络告警转化为网络模糊告警。2)构建模糊推理:从模糊推理需要使用的知识出发,用产生式和面向对象相结合的方法来表示本文模糊推理过程中需要使用的模糊规则和模糊告警事实知识,并结合模糊推理自身的特点,提出适合本文的模糊启发式搜索策略和基于模糊匹配的冲突消解方法;另外在推理控制策略方面,在确定性推理控制策略的基础上,详细分析了模糊推理可使用的控制策略,特别是模糊反向推理控制策略,并提出符合本文知识表示以及推理特点的模糊控制策略。3)模糊推理结论输出与解释:由于本文使用的网络模糊告警是基于综合模糊评价语言集合的,其本身含义即为与根源告警之间关系紧密的程度,只要模糊推理可以进行,总能得到最后的根源告警输出,则对输出的解释是非常容易且直观的,使用最大隶属原则即可得到满意的效果。考虑模糊规则的缺乏,模糊推理产生的输出结果可能是一组模糊告警,本文使用加权平均法对模糊推理的结果进行处理,可以快速地对用户给出建议。4)在以上三方面研究的基础上,进行了仿真试验,将R0、Mamdani和Lukasiewicz三种不同推理机,和海明算子、欧几里德匹配算子和基数匹配算子三种不同蕴涵算子分别组合后进行推理,在对仿真试验结果进行了对比分析的基础上,得出使用R0推理机和海明算子为最为合理的推理组合的结论。最后使用这种推理组合验证了系统输出的准确性。