10.3 路边危险分析与处理 路边危险分析与处理的程度将取决于改进策略。以下为各种策略提供了指导。在确定改进的道路典型横截面和路面结构需求时,不要降低现有道路走廊沿线的路边安全性。路面表面高程增加应仅限于现有前坡或其他横截面特征(例如路肩坡度和宽度)可以在设计标准的所需范围内改变的程度。所有延续和许多修复改进项目的前坡调整都将限制在现有路基路肩点(即路肩前坡)内。路边危险包括陡峭的道路前坡和设施沿线的固定物体,如 FDM 11-45-20 中进一步所述。如果需要实施较低范围的路肩宽度和横坡,请遵守 FDM 11-40 下的延续和修复指导及其设计灵活性。如果采取了对策,请在最终范围认证 (FSC) 中提供文件。请参阅 FDM 11-4-3 了解 FSC 指南。对于所有改进项目,请在 DSR 中记录最终决策和结果以及路边危害分析和处理。
摘要 在本文中,我们提出了一种用于 (正交频分复用) OFDM 调制器的 HDL IP 生成器。这种调制在许多电信标准中都有使用。但是,每个标准都需要一个特定的 OFDM 调制器,其特点是具有不同的载波数和循环前缀。这些 OFDM 参数差异对 RTL 硬件设计产生了负面影响。这种多样性使得难以重复使用已为涉及不同通信标准的不同项目设计的调制器。为此,作者提出了一种自动 IP HDL 生成器,该生成器能够以 VHDL 或 Verilog 语言生成 OFDM 调制器的 RTL 代码,其中载波数和循环前缀可由用户设置。生成的 IP 具有最大频率、硬件资源和功耗等特点。作者在 XILINX xc7z030 FPGA 上执行了硬件实现。
在本文中,我们引入了一种深度脉冲延迟反馈储存器 (DFR) 模型,将 DFR 与脉冲神经元相结合:DFR 是一种新型的循环神经网络 (RNN),能够捕捉时间序列中的时间相关性,而脉冲神经元是节能且符合生物学原理的神经元模型。引入的深度脉冲 DFR 模型具有节能的特点,并且能够分析时间序列信号。介绍了这种深度脉冲 DFR 模型的相应现场可编程门阵列 (FPGA) 硬件实现,并评估了底层的节能和资源利用率。探索了各种脉冲编码方案,并确定了用于分析时间序列的最佳脉冲编码方案。具体来说,我们利用动态频谱共享 (DSS) 网络中基于 MIMO-OFDM 的认知无线电 (CR) 中的频谱占用时间序列数据来评估所引入模型的性能。在 MIMO-OFDM DSS 系统中,可用频谱非常稀缺,高效利用频谱至关重要。为了提高频谱效率,第一步是确定现有用户未使用的频段,以便次要用户 (SU) 可以使用它们进行传输。由于信道相关性以及用户活动,不同时隙中频带的频谱占用行为存在显著的时间相关性。所引入的深度尖峰 DFR 模型用于捕获频谱占用时间序列的时间相关性,并预测未来时隙中潜在的频谱接入的空闲/繁忙子载波。评估结果表明,与传统的基于能量检测的策略和基于学习的支持向量机(SVM)相比,我们引入的模型在接收者操作特性(ROC)曲线上实现了更高的曲线下面积(AUC)。
传统的储存器计算 (RC) 是一种浅层循环神经网络 (RNN),具有固定的高维隐藏动态和一个可训练的输出层。它具有只需要有限训练的优点,这对于训练数据极其有限且获取成本高昂的某些应用至关重要。在本文中,我们考虑了两种将浅层架构扩展为深度 RC 的方法,以在不牺牲潜在优势的情况下提高性能:(1)将输出层扩展为三层结构,促进对神经元状态的联合时频处理;(2)顺序堆叠 RC 以形成深度神经网络。利用深度 RC 的新结构,我们重新设计了具有正交频分复用 (MIMO-OFDM) 信号的多输入多输出物理层接收器,因为 MIMO-OFDM 是第五代 (5G) 蜂窝网络的关键支持技术。 RNN 动态特性与 MIMO-OFDM 信号时频结构的结合,使深度 RC 能够处理非线性 MIMO-OFDM 信道中的各种干扰,从而实现比现有技术更高的性能。同时,与依赖大量训练的深度前馈神经网络不同,我们引入的深度 RC 框架可以使用与 5G 系统中基于传统模型的方法相同数量的导频提供不错的泛化性能。数值实验表明,基于深度 RC 的接收器可以提供更快的学习收敛,并有效减轻未知的非线性射频 (RF) 失真,与浅层 RC 结构相比,误码率 (BER) 提高了 20%。
频率范围: 10W 时为 1.3 至 1.55 GHz 输出功率: 5W 时为 4.4 至 5 GHz 10W 时为 5.0 至 5.3 GHz 2W 时为 6.8 至 7.3 GHz 控制模式: 手动:3 个输出功率级别 远程:通过 HDT 发射器 输入电平:+13 dBm 至 +20 dBm 连接器: 电源:MS3112E12-3P 远程:D38999/24 2 x N 型母头(50 欧姆) 电源电压:9 - 36 V DC 保护功能:反向电压反向 RF 外壳:铣削铝 功耗:取决于输出功率 工作温度范围:-20 至 50 ºC 机械尺寸:251 x 127.5 x 94.5 mm 重量:约2.5 公斤
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统,该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是,罕见事件最难手动检测,因为模式通常无法一目了然。专家一致认为,进近和起飞程序都更容易发生安全事故。在本文中,我们进行了描述性和预测性分析,以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看,聚类技术有助于在数据中发现模式和相关性,并识别类似观察的聚类。此外,这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子,因为它们通常是大多数情况。之后,如果我们处理异常飞行,由于与训练数据的偏差,模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统,该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是,罕见事件最难手动检测,因为模式通常无法一目了然。专家一致认为,进近和起飞程序都更容易发生安全事故。在本文中,我们进行了描述性和预测性分析,以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看,聚类技术有助于在数据中发现模式和相关性,并识别类似观察的聚类。此外,这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子,因为它们通常是大多数情况。之后,如果我们处理异常飞行,由于与训练数据的偏差,模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
摘要:采用熔融沉积成型工艺的增材制造机器可以快速生产各种零件。3D 计算机模型被划分为指令,FDM 机器使用这些指令逐层生产零件。可以修改许多参数来改进生成的指令,并且正在进行大量研究以确定最佳参数。由于工艺的复杂性以及影响因素的可用数据有限,这些影响因素可能会在制造过程中发生变化,因此一些生产的零件质量不佳或根本无法生产。早期自动检测出生成的零件不在预设的质量公差范围内,可以节省大量资源,因为无需完成这些零件的生产。此外,可能可以利用机器学习技术(如 XCS)在打印过程中自适应地更改指令,以使零件返回到可接受的参数范围内。
该原则涉及使用临时和永久的最佳管理实践。应审慎规划和实施这些实践,以防止沉积物进入环境和客户敏感区域。实践包括利用: - 平坦的边坡,将其磨圆并与自然地形融合,并为施工设备提供足够的通行权或临时地役权以进行工作; - 排水渠的设计充分考虑了宽度、深度、坡度、边坡、对齐、能量耗散和防护处理; - 防护性地面覆盖物,如植被、覆盖物、侵蚀垫或护堤,有助于防止发生侵蚀; - 堤坝和拦截堤坝等分流措施,有助于将片流转移出受干扰区域; - 斜坡排水沟或水槽,用于将径流引导到适当的位置; - 沉积物控制装置,如陷阱、水池、石头或岩石沟渠检查站、侵蚀包或淤泥栅栏(不得用于渠道),有助于过滤掉沉积物; - 地下水拦截设施的位置和间距; - 特殊的平整方法,如使等高线斜坡变粗糙或用带防滑钉的推土机平整,以降低径流速度并使沉积物沉淀下来; - 可用的技术援助。
简介 飞行甲板运动系统 (FDMS) 是一种主动操作员指导系统,用于在公海降落直升机时协助船上着陆安全官 (LSO)。使用现有系统和程序,直升机飞行员和 LSO 始终能够成功识别船舶横摇运动是否在安全着陆的“限制范围内”,但无法可靠地识别船舶垂直运动是否在限制范围内。FDMS 的主要功能是提供“静止期指示器”(QPI),用于识别船舶运动是否在限制范围内以及是否不在限制范围内。 结果 本报告详细记录了 FDMS 操作概念和系统参数,以建立工程规范。讨论了重要的新概念,包括如何实时量化静止期,以及哪些系统功能可用于警告操作员有关当前船舶运动的操作限制。描述了系统组件位置,并总结了操作模式。讨论了所需船舶运动参数的获取和计算,并描述了定义合适运动标准的程序。意义 提倡发展 FDMS 的主要原因是提高操作安全性和效率,但它也将为 CF 舰船上现有的许多问题提供解决方案。FDMS 将消除目前对城市级船舶运动“操作范围”的人为限制