简介：晶宽屏SSD2845长条形面板晶达光电股份有限公司晶宽屏SSD2825，是专为轨道运用量身定做的28时长条型面板。拥有1000nits高亮度，FullHD高解析，采用晶达领先业界的高亮度核心技术，1000nits高亮度在户外日照强烈的环境下影像清晰可见，FHD高清晰分辨率，超高的对比度，色彩明暗对比丰富逼真。

简介：HT131-C整体式手动液压钳;UPort12501和UPort14501;MorsSmitt继电器系列;多径技术电缆、管道密封封件

简介：上海中电罗莱数码技术有限公司．是一家从事国内外产品代理．销售及技术支持的科贸一体公司．本公司是法国罗兰集团（Carbonelorraine）及意大利MS公司（MicroelettricaScientifica）在中国铁路的独家代理．德国（Epcos）公司．（Harting）公司．瑞典（camfil）公司的代理，德国凤凰（Phoenix）、德国西门子（Siemens）公司．（Schleichar）公司的分销商。公司员工80％具有大专以上学历．拥有一支懂技术．有经验．善服务的骨干队伍．为众多外资．合资，轨道运输及国营大中型企业提供优质可靠的产品．专业的技术支持及完善．快速的服务．公司本着”讲信誉．重服务“的宗旨，尽全力满足广大客户的不阿要求。

简介：

简介：据了解，地铁污染源主要来自于车站建筑、装修材料和列车装饰材料释放出来的甲醛等危害气体。为解决这一问题，许多装饰品牌纷纷推出了环保型产品。譬如来自世界著名地材品牌意大利盟多（Mondo）拥有自己的实验室，并集合了公司大批人才力量，与苏黎士大学、罗马大学、佛大学、米兰工学院、都灵大学以及巴伦西亚生物力学研究所、卡加立人类行为实验室等科研机构建立长期合作，

简介：

简介：大跨径斜拉桥施工控制中，影响参数的识别是判别实际值与理论值误差的有效途径，是通过调整参数使结构受力均衡的关键。在各施工梁段中，根据状态变量的实测值与相应理论值的判别，利用最小二乘法和引入加权矩阵，对影响参数进行误差识别，据此可作为对未施工梁段的相应参数进行误差预测和调整分析的依据。以广州鹤洞大桥为工程算例，说明了该方法的运用。

简介：包装是产品最好的广告，在竞争激烈的销售中，好的包装设计是销售成功的关键组成部分。现代包装是沟通生产者与消费者的最好桥梁，购物者在购物时，往往会通过包装设计的外在形象去推测产品质量，因此，包装设计被提到了一个十分重要的地位。

简介：论文分析了铁路信号防雷的重要性，介绍了信号设备雷电灾害的原理，并对雷电防护的一般方法进行了论述。

简介：介绍PCI的配置空间,分析PCI配置空间的两种访问机制和各自的工作原理,并给出DOS模式下识别PCI板卡的工作流程和具体实现方法.

简介：

简介：德国Stemam-TechikGmbH——隶属于总部位于英国伦敦．全资控股的芬斯坦电气有限公司（FandstanElectricLimited）。

简介：CSEE运输公司目前在铁路信号领域处于领先地位，业务主要覆盖以下4个方面：高速铁路、常规铁路、城市轨道交通、监控。

简介：中国加入WTO以后，建筑企业已经从单纯的国内竞争逐步转向国际竞争，在这样的情况下，要想在两个市场都能站住脚，实现自身的发展目标，就必须培育和提升核心竞争力。

简介：阐述识别性的概念和重要作用。将道路识别性划分为道路可识别、方位可识别、环境可识别。通过对广州、深圳2座城市道路识别性的介绍，研究加强道路识别性的方法：设置路名标志，强化道路特征，完善行人标识系统，优化路网结构。提出标识系统的设置原则为：完整性、连贯性、适地性、简约性，并探讨路网优化方法，

简介：结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1～5].本文主要研究了小波神经网络在路面破损识别中的应用,并与传统的BP神经网络作了对比.试验结果表明,在相同的训练样本情况下,小波神经网络的精度高于BP神经网络.为开发更为高效的路面破损自动检测系统提供新的思路.

简介：近日，中联重科宣布了2012年的全年业绩：2012年中联重科实现营业收入480.71亿元人民币，同比增长377％：实现归属于母公司股东的净利润73.30亿元人民币，基本每股收益为0.95元人民币，经营活动产生的现金流量净额为29.60亿人民币，同比增长41.42％。董事会建议以总股本为基数，向全体股东每10股派发现金红利人民币2元（含税）。

简介：运用TFDS自动识别预警系统，以机控替代人控。实现车辆运行中故障的自动识别预警，可有效缩短机检时间，提高列检作业效率。分析TFDS自动识别预警系统原理以及系统运用中存在的问题，并提出改进建议。

简介：针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。

简介：大城市轨道交通的迅猛发展令轨道客流逐年攀升,换乘站点已成为城市大规模客流的主要集散地,由此带来了客流拥塞的安全隐患.本文旨在研究轨道换乘站客流拥塞风险的识别方法.基于实时回传的AFC数据,提取轨道换乘站客流,并在时变特征分析的基础上将客流划分为3类:进站客流、出站客流和换乘客流,将对应的客流量选取为客流拥塞风险评价指标.将轨道的运营时间(05:00—23:00)以15min为最小单元细分为72个时段,基于灰色聚类构建轨道换乘站客流拥塞风险评价模型,实现对轨道换乘不同时段客流拥塞风险等级的识别.应用该方法对北京市东直门轨道换乘站的客流拥塞风险进行评价,验证了该方法的有效性.