XiaoMi-AI文件搜索系统
World File Search System防止事故
铁路轨道和电力生成上的对象检测
现代铁路系统需要一个可靠的框架，以优先考虑安全，效率和可持续性。这种集成的方法结合了先进的火车保护机制，智能平台技术以及通过涡轮机的可再生能源产生，以创建更安全，更环保的铁路运输环境，该系统通过控制火车速度和运动来防止事故，并在必要时自动应用制动器。安装在火车和轨道上的传感器提供有关火车性能，轨道状况和使用机器学习算法的潜在危害的连续数据，该系统可以分析数据以预测潜在的事故，从而使积极的措施可以建立一个可靠的通信网络，以连接火车，控制中心，并确保对新兴的紧急响应。小型涡轮机可以安装在火车平台或相邻区域上，以利用高速行驶的火车产生的风能。这种可持续的能源可以为平台系统供电并提高整体效率。整合电池系统以存储生成的能源可以提供可靠的电源，尤其是在高峰使用时间
自动导向车辆（AGV）-IJRPR
自动导向车辆（AGV）项目旨在通过使用自动驾驶车辆来改变行业的物料处理和物流。配备高级传感器和计算机，这些AGV可以准确有效地沿特定路径移动。该项目的成功取决于强大的导航算法，允许AGV遵循路线，同时适应环境变化。此外，智能通信设置可以使AGV与现有仓库管理系统（WMS）之间的平稳协调，有望简化材料流并提高效率。安全是AGV运行的共享工作区中的重中之重。诸如障碍物检测，避免碰撞和紧急停车之类的功能对于防止事故和伤害至关重要。进行了广泛的测试，以确保在模拟和现实世界中的AGV系统的可靠性和安全性。这个严格的过程不仅可以提高性能，还可以建立对系统受益工业运营能力的信任。AGV项目带来了几个优势。自动化可降低人工成本，最小化错误并改善吞吐量。此外，系统的可伸缩性和灵活性使其可以适应不断变化的生产需求和布局，从而确保其长期有用。最终，通过拥抱自动化和机器人技术，AGV项目旨在提高工业环境中的生产力，安全性和竞争力。
在 Z 数背景下使用 HEART 进行电力线断电中的人为可靠性分析
调查显示，很大比例的事故原因可归因于某些形式的人为失误。为了有效地防止事故发生，人为可靠性分析 (HRA) 作为一种表示操作员无意对系统可靠性贡献的结构化方法，是一个关键问题。人为错误减少和评估技术 (HEART) 是一种著名的 HRA 技术，它提供了一种基于任务分析来估计人为错误概率的直接方法。然而，它在专家为每个产生错误的条件 (EPC) 分配权重（表示为评估的情感比例 (APOA)）时面临不同程度的不确定性。为了克服这一限制并考虑专家的信心水平（可靠性或可信度），本研究旨在提出一种用于人为错误概率 (HEP) 评估的复合 HEART 方法，该方法集成了 HEART 和 Z 数（简称 Z-HEART）。Z-HEART 的适用性和有效性已在断电电力线案例研究中得到说明。此外，还进行了敏感性分析，以调查所提方法的有效性。可以得出结论，Z-HEART 可用于评估人为错误，并且除了方法论上的贡献外，它还为电力配送公司提供了许多优势。
基于扩展现实和人工智能的沉浸式漫游者控制和障碍物检测
1近几十年来，由于技术和科学的进步以及人类扩展到外太空的目标，对月球的太空任务变得无关紧要。随着太空机构和私人秘书的兴趣日益增长，需要使用流浪者来探索更多敌对和未开发的环境，例如位于月球远侧或南极的环境。然而，在这种不利地形中运营的挑战显着，尤其是在识别可能对任务构成风险的资源和障碍（如岩石或地层）时。一个小错误，例如与未发现的岩石发生碰撞，不仅会损害流动站的完整性，而且会损害整个任务。传统上，流动站的监视和远程操作是基于对地形的2D图像的解释以及各种流动站参数和环境数据的可视化[6]。但是，根据场景，该系统可能无法提供足够的细节或直觉来防止事故或准确识别感兴趣的对象。在这种情况下，建议为流浪者配备先进的技术，以确保未来的任务中的安全性和成功，旨在监视和控制距离更近距离的流浪者，例如，在月球网关或月球基地[1,3]，延迟将比地球较低。
飞行安全标准部 - CAAN
第 1 章：总则 1.1 引言 在航空业，培训一直是提高人员效率的关键因素，既包括操作性能，也包括安全性。培训的有效性还取决于培训是否能够在安全和性能这两个主要组成部分之间取得平衡。客舱安全是整体飞行安全不可分割的一部分，在培训中涵盖了广泛的领域。与之前侧重于发生事故时飞机的疏散相反，如今的客舱安全意味着： 有助于防止事故和事件， 保护飞机上的乘客免受客舱内可能存在的安全隐患的伤害 在发生紧急情况时将伤害降到最低，提高生存能力 毋庸置疑，安全只有通过主动的安全管理才能实现，包括识别隐患和降低安全风险，并且需要特定的知识和技能。因此，考虑到机组人员在管理安全方面的作用，有必要引入一个有效的培训系统，以便培养出有能力的机组人员，使他们在正常的日常飞行中履行与安全相关的职责，并在任何异常或紧急情况下自信地采取行动。这本名为“机组人员培训手册，2015”的手册旨在建立机组人员培训课程和程序的一致性
被动侧杆和硬着陆 - 有联系吗？
一名飞行员能够感知来自另一名飞行员的飞行控制输入。在多机组驾驶舱中，有一项任务是“飞行飞行员”(PF)，负责驾驶飞机，还有一项是“监控飞行员”(PM)，负责主动监控飞行。美国联邦航空管理局 (FAA) 对 PM 任务的定义是：“监控包括观察和建立心理模型的过程，通过寻找可用信息来比较飞机的实际状态和预期状态。”[2]。在某些情况下，有效的监控是防止事故发生的最后一道防线。然而，在配备了被动侧杆的驾驶舱中，当 PM 不能直接获得飞行控制输入时，很难预测飞机状态。本研究重点关注被动侧杆对商用喷气式飞机硬着陆事故的影响。空中客车于 1987 年在空客 A320 上推出了第一款商用航空被动侧杆[3]。从那时起，被动侧杆逐渐被引入公务机航空领域，2005 年首次引入达索猎鹰 7X。那时，空客已经在商用喷气式飞机航空市场占据了很大份额。2007 年，全球 18% 的商用喷气式飞机都是被动侧杆飞机，全部由空客制造。然而，在过去 10 年里，越来越多的制造商转向被动侧杆系统。2017 年，除了空客之外，还有 3 家制造商
自动检测和警报系统
摘要。在印度，有80％的死亡是由于事故造成的，以防止这种车辆到车辆技术。这种V2V技术不仅可以防止事故，而且可以检测到它们。此V2V是其的子集。v2v是车辆到车辆通信，在该通信中，车辆交换有关速度，位置和旅行方向的信息，从各个方向近距离靠近驾驶员的车辆对车辆的全面意识。当前系统既包括预防（通过振动传感器）和检测（通过Google Maps Integration）。在拟议的论文中解决了预防和检测。在预防方面，DSRC是用于通信的无线网络。V2V的操作范围为250m。这项技术在丘陵地区特别有用，在丘陵地区，驾驶员可能无法检测到盲点中的车辆。而不是DSRC，我们可以使用Zigbee或蓝牙进行通信。使用UV传感器检测到障碍物，并由蜂鸣器提醒；当它超出范围时，车辆会自动停止。在检测方面，这主要基于检测事故的加速度计。将使用GPS和GSM来实现事故位置的识别和创建以及消息和位置的发送。该系统的主要优点是成本效益，确保安全性，能够迅速挽救受害者的生命，有效的时间消耗的能力以及减少人为错误的可能性。
亚洲遥感会议（ACRS 2024）
摘要：尽管高速公路在该国的经济中起着重要作用，但使用量的增加通常会导致事故增加。关于斯里兰卡高速公路事故的研究受到限制，强调了调查其原因并积极确定易于识别事故的地区的必要性。这项研究旨在利用地理信息系统（GIS）和机器学习（ML）技术来建模高速公路事故，并特别关注斯里兰卡的南方高速公路。使用的数据集是从Southern Expressway操作维护和管理部（EOMMD）中收集的，并进行了预处理，包括编码，过采样和功能选择。机器学习算法 - 兰多森林（RF），支持向量分类器（SVC）和决策树（DT） - 用于识别容易发事故的位置并评估事故的严重性。使用诸如接收器操作特征（ROC）曲线，ROC曲线（AUC），平均绝对误差（MAE）和均方误差（MSE）等指标进行评估三个模型的性能。RF的精度表现为81.19％，其精度得分为81.19％，其次是SVC，为79.8％，DT为69.7％。rf也具有最低的MAE和MSE值，令人印象深刻的AUC值为0.86，表明卓越的预测准确性和强大的歧视能力。地图以可视化结果，并开发了操作仪表板，以促进数据分析并改善高速公路上的安全管理。这项研究为使用GIS和机器学习技术对高速公路事故进行建模提供了宝贵的见解，该技术可用于增强安全管理实践并防止事故。
视觉排序算法
摘要：车辆事故通常是由于驾驶时突然出现障碍物而发生的。驾驶员的不同响应时间可能会导致制动延迟或无法及时停止，从而导致碰撞。为了解决此问题，我们提出了一个使用高级机电技术技术的自主制动系统（ABS），该系统在车辆前部使用超声波发射器来发送超声波波。当这些波撞到障碍物时，它们会向后反弹并被超声接收器检测到。通过分析这些反射信号，系统可以通过微处理器计算到障碍物的距离，并通过微处理器相应地调整车辆的速度。在紧急情况下，微控制器可以控制并激活制动系统以快速有效地施加制动器，从而提高安全性。对该系统的重要增强是使用烧瓶的基于Python的应用程序的集成。此应用程序可以动态确定事件的位置，并使用实时地理数据将其传达给最近的紧急服务。通过GSM技术来促进此通信，该技术将警报信号和车辆的GPS位置发送给适当的当局，以确保迅速的响应和帮助，此外，可以扩展该系统以包括车间间通信功能。此功能使汽车可以共享有关其位置和速度的信息，从而提高道路合作和意识。这不仅减少了碰撞，而且有助于创造流量流畅。总体而言，自动制动系统旨在通过减少响应时间和停止距离来提高道路安全性，从而防止事故并显着增强紧急响应能力。
使用节点 MCU 和 IoT 为家庭构建智能 LPG 监控和警报系统 Shweta Suryavanshi 1,*、Vaishnavi Tarade 2、Prajwal Dawbhat
摘要 “带气体泄漏检测的智能 LPG 和 MNGL 气体监控系统”项目旨在提高液化石油气 (LPG) 和马哈拉施特拉邦天然气有限公司 (MNGL) 配送系统的安全性和效率。LPG 和 MNGL 广泛用于烹饪和取暖，因此确保其安全处理和配送至关重要。气体泄漏可能导致危及生命的情况和环境危害。该项目提出了一种全面的解决方案，用于监控天然气供应、检测泄漏并提供实时警报以防止事故发生。该系统还集成了安装在 MNGL 仪表上的摄像头模块，以特定间隔捕捉图像以进行准确计费，并通过专用移动应用程序实现自动预订。结合气体泄漏检测功能和实时警报以及主电源和调节器的自动关闭，为拟议系统增加了安全性。这有助于防止潜在危险并确保用户安全。这项安全措施旨在防止潜在危险并保护用户和财产。该移动应用程序为用户提供有关天然气消耗、仪表读数和账单详细信息的实时信息，并通过集成网关提供无缝账单支付平台。关键词：节点 MCU、物联网 (IoT)、LPG、MQ3 传感器、人工智能简介