首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  免费   0篇
综合类   5篇
  2022年   3篇
  2010年   1篇
  2005年   1篇
排序方式: 共有5条查询结果,搜索用时 7 毫秒
1
1.
铁路信号设备在运营维护过程中积累了大量以文本方式记录的维护数据,为了实现高效准确分类,提出将Word2vec、SMOTE算法与卷积神经网络(Convolutional Neural Networks, CNN)相结合的铁路信号设备故障文本自动分类方法.首先,对故障文本使用自然语言方法完成预处理,并采用Word2vec训练词向量;其次,通过SMOTE算法自动生成小类别文本向量数据,嵌入至CNN的输入层;再次,利用CNN的卷积层和池化层提取故障文本的局部上下文高层特征;最后,通过softmax分类器对故障文本自动分类.依据某铁路局所记录的信号设备故障文本数据进行实验分析并与其他方法对比,实验结果表明新方法可使各评价指标得到明显提升,其中分类准确率和召回率分别达到95.26%和94.32%,可以作为铁路信号设备故障自动分类的有效方法.  相似文献   
2.
城市轨道交通信号工程建设过程中,信号设备供应商需要将业主设定的总体运营安全指标分配给信号系统的各个子系统。首先分析城市轨道交通信号系统的体系架构、安全功能和安全指标,然后针对设计的三种安全指标分配方法,分析这些方法的具体要求和原则,结合系统架构、安全逻辑模型和具体工程建设参数,利用三种不同方法,将整个系统总体安全指标分配到各个设备,最后比较不同分配方法计算出的分配结果。从分配结果的比较来看,三种分配方法得出的结果均处于同一数量级,均为可行的分配方法,但从系统安全性的角度而言,基于系统复杂度的分配方法最优,更适合信号系统设计和制造的需求。  相似文献   
3.
针对轨道交通运行信号系统安全风险定量化辨识问题,首先将原始的信号事故按照海因里希法则分为不同类型事故数据,再考虑事故多因素影响,在一般统计法、统计识别法基础上,提出Management-Machine-Man-Media-Mission factor,即管理-设备-人员-环境-功能5M要素模型的因子分析安全风险辨识方法,分别辨识254件较大伤亡事故和220件较小伤亡事故的主因素。实验结果表明,自然灾害、材质不良、施工管理不善、防护不力造成电务人员伤亡是导致轨道交通信号系统事故的最主要因素。基于5M的因子分析法可在多尺度综合计量下计算得到事故因素重要性排序,与一般统计法和统计识别法相比,基于5M的因子分析法辨识效果最优,覆盖率适中,影响率提高了106%。  相似文献   
4.
通过分析基于霍尔元件的线性霍尔传感器的测量原理,提出该传感器在铁路信号微机监测系统中的工程测量方法,并对其工程设计进行了举例说明。  相似文献   
5.
林海香  董昱 《甘肃科技》2005,21(4):51-53
本文介绍基于Linux的工业嵌入式控制系统在工业控制中的特点,对控制系统的实时性进行阐述,并对Linux嵌入式系统的内核结构和系统编程进行了论述。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号