强震动冲击环境下的网络异常信号检测仿真

强震动冲击环境下的网络异常信号检测,可保证网络安全稳定的运行。在强震动冲击环境下,网络异常信号检测过程中存在较强的振荡波动和随机噪声,使得真实的异常信号特征与振动信号的频率及其相似。传统的基于核数据的网络异常信号检测方法,针对强震动冲击环境下的干扰,无法提取稳定的异常网络信号特征,不能够准确完成网络信号特征的分类,使得获取的网络异常信号检测结果存在较大的偏差。提出了一种采用敏感性分析的网络异常信号检测方法,在强震动冲击环境下的影响,网络异常信号与振动信号相比,存在一定的异常敏感性,先采用频率敏感性的检测方法初步检测网络异常信号,塑造网络结构有限元模型和敏感性矩阵,最后通过粒子群算法的模糊神经网络,选择模糊优选模型函数作为激励函数,能够根据强震动冲击的强度来确定各个影响因子的隶属度,确定了异常信号发生和损伤的精确位置,实现了网络异常信号的精确检测。实验结果表明,改进方法比传统方法更具有优越性,在强震动冲击环境下具有较高的网络异常信号检测效率和精度。