摘要：针对地铁折返道岔设备锁闭卡阻故障易发生但不易预判的问题,以S700K转辙机为研究对象,从统计学角度,基于锁闭功率建立自适应的锁闭卡阻临界态判别新机制。对锁闭卡阻故障前的锁闭功率变化行为进行了统计分析;提出基于循环Otsu的卡阻临界功率阈值自适应分割模型,依据临界阈值设计锁闭卡阻临界态判别应用场景方案;利用武汉地铁不同线路的多组道岔锁闭卡阻故障前后锁闭功率数据进行实证测试,验证了所提模型和方案的有效性。

摘要：sniffer被广泛地用来诊断网络联接和故障分析,随着技术的不断发展,sniffer已经从原来只能用于共享网络发展到可以用于交换网络。但是对于不同的网络环境,绝大多数sniffer不能自适应判别,往往需要人工指定。文章阐述了ARP欺骗的原理,通过ARP欺骗和IP欺骗技术设计了自适应判别工作环境的思想,并给出了部分核心代码的实现。

摘要：遥感图像内容复杂,类别丰富,存在较多难以判别的图像,导致遥感图像检索性能不佳。为此,提出自适应样本类型判别方法(ASTD),将样本类型动态地分为简单样本、普通样本和困难样本,网络依据样本的类型进行不同程度的学习,从而有效提高特征的判别能力。设计了一个SHash网络,该网络以Swin Transformer为骨干,在网络的最后加上哈希层,该网络能够在全局上捕获图像的语义信息,提高特征的表达能力和检索效率;为了让同一类别图像更加聚集,并更好地区分不同类别的图像,给每个类别定义一个哈希中心,规定输入样本自身类别所对应的中心为该样本的正中心,其他中心为该样本的负中心;提出样本类型判别损失STDLoss,根据样本与正负中心的距离关系自适应判别样本的类型,从而提高网络对各类型样本的学习能力。在UC-Merced和AID两个遥感数据集上与DSH、CSQ、SHC等五种哈希方法进行了比较,实验结果表明,基于ASTD方法训练的网络可以更好地学习样本的特征,提高检索性能。

摘要：常规地铁环网进出开关配置的后备过流保护无法很好地满足保护速动性。文章开发一套数字化线路保护测控装置,通过GOOSE通信网对故障区域进行自适应逻辑判别,实现德黑兰地铁供电系统的“故障快速定位、快速切除”,为间隔层保护设备信息交换提供快速可靠的方法;GOOSE通信网中断时,采用常规检测与新型实时检测相结合的方式快速诊断并告警,有效降低GOOSE网络负荷;分析数字通信电流保护的实际案例,为伊朗德黑兰地铁四号线及三号线北段项目工程应用提供参考。