SWITCHDOG – AN INTELLIGENT HEALTH MONITOR FOR POWER SWITCHES
Notice bibliographique
Résumé
To improve reliability and reduce repair costs related to power switches in the Centralized Traffic Control (CTC) plant, especially the equipment in remote areas, Canadian National Railway (CNR) has embarked on an experimental project to monitor the health condition of power switches using a microprocessor-based embedded system. This system is designated ‘SwitchDog ’ because it is designed to ‘sniff out ’ and ‘alarm’ any abnormalities of the power switch as well as certain track-point conditions before the problem deteriorates. SwitchDog is an intelligent system which ‘learns ’ what a healthy motor current signature is and then uses it as a yardstick to measure all subsequent throws. SwitchDog can also recognize certain abnormal motor current behaviour that reflects the changing track point conditions such as ice and snow blockages or lack of lubrication. The analyzed results are consolidated into a two-bit signal that is easy to transmit on code line to a central office. As a result, the statistics of the number of switch throws and their corresponding health condition can be used to determine when and where an inspection and/or maintenance will be required. In addition, SwitchDog also acts as a black-box recorder that can store up to 50 signatures with full details to assist the maintainer in the case of troubleshooting. An easy to use interface program has also been developed so that all data on the SwitchDog can be uploaded to a PC and the signature waveforms can be displayed and analyzed. It is concluded that the development and deployment of SwitchDogs in the CTC plant will greatly enhance our observability of the performance of power switches on a continuous basis and will build up our confidence towards a proactive maintenance schedule and practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».