传统IP网络是基于分布式的设计思想,网络中的路由器等网络设备一般都需要具有自主学习能力,在一定程度上限制了网络技术的发展,而SDN网络的集中控制架构正是解决这一难题的新一代网络。最近几年神经网络的广泛应用,可以很好的跟SDN网络相结合,解决SDN网络中的关键问题,使SDN网络变得更加智能化。主要工作可分为以下三点:第一,SDN网络具有全局网络信息的优势,在性能监测方面具有先天优越性。主要针对转发层的网络设备以及链路状况进行监测。首先搭建了SDN网络平台,然后在SDN控制器中添加相应模块功能,实现了数据的采集以及存储功能,最后实现对网络中的链路时延、链路吞吐量、丢包率、流表项等重要参数进行监测的功能。第二,以性能监测为基础,设计并实现了用BP神经网络算法对SDN网络进行故障诊断的功能,针对BP神经网络容易陷入极小值的问题,实现了使用遗传算法对BP神经网络优化的GA-BP算法。在此基础之上,提出并实现了基于粗糙集约简的RS-GA-BP混合算法,先对样本进行约简,然后再用GA-BP算法进行训练和诊断,达到缩短训练和诊断时间目的。第三,设计并实现了性能监测以及故障诊断的页面显示功能,拓展了原有的基于REST API的页面显示方式,添加了基于JDBC的页面显示功能。对性能监测模块和故障诊断模块分别进行实验,通过实验验证,性能监测功能可以正确的在页面中动态显示。GA-BP算法可以对网络的端口、链路以及流表是否丢失进行有效诊断和定位并可以达到96%以上的正确率。RS-GA-BP算法可以有效降低故障训练以及诊断时间并且可以达到95%以上的诊断正确率。与其他文献中算法的正确率进行比较,验证了本文算法在诊断正确率方面的优势。