基于Kohonen网络的交通大气环境影响评价新方法

为了综合评价多因素对城市交通环境大气的影响,建立了城市交通环境大气影响评价指标体系,即考虑了不同污染物的差异,又突出主要污染物在污染评价中的主要分担作用,采用了新的赋权方法;并根据Kohonen网络理论提出了一种评价交通环境大气影响的新方法.     

网络数字矩阵与DVR的应用与分析

目前,视频监控技术正在朝着数字化、网络化、智能化的方向发展,通过Internet,世界任何一个角落都可以进行监控。视频监控系统从第一代模拟系统(VCR)到第二代部分数字化系统(DVR/NVR),再到第三代完全数字化系统(网络摄像机,网络视频服务器),     

企业视窗

推动智能抄表技术发展,泰利特推出全新高能效169MHZ无线M-BUS模块近日,全球领先的机器对机器(M2M)无线技术提供商泰利特无线解决方案公司,推出了采用无线M-Bus传输技术的新模块。全新ME50-169模块使用169MHz频带,非常适合智能燃气表、智能水表、智能热量表或智能电表等应用。这些智能仪表可自动将计量数据传输至公用事业公司,从而提高账单的准确性和透明度,提供更好的客户服务,并有利于提高能源效率。     

袋式除尘器中清灰控制模式的应用与分析

通过介绍矩阵控制、脉冲控制仪和网络清灰控制器3种清灰控制模式在网络、功能、调试和维护4个方面的性能和工程应用,提出清灰控制模式的安全性和智能化是清灰控制模式的发展趋势.     

信息化提升作业安全性

梅山矿业结合井下安全避险＂六大系统＂的要求,充分利用已有的信息网络平台,先后建设了＂井下通讯系统＂＂井下人员定位系统＂,完善了＂多级机站通风计算机远程监控系统＂和＂视频网络监控系统＂等子系统,提高了井下采矿的安全性和自动化水平。     

网络数字矩阵与DVR的发展现状及关键技术分析

本文从视频监控系统的发展历程开始,介绍了DVR的技术发展现状及其优缺点,接着引出网络视频监控的发展趋势与网络数字矩阵。网络数字矩阵是专门针对安防监控市场中所要求的网络远程监控录像、显示功能而开发的监控系统,是DVR本地监控的有力补充。随着数字监控系统的日趋完善,特别是对切换矩阵的全面控制。网络数字矩阵真正促进了矩阵系统数字化和网络化的发展进程。网络数字矩阵融合数字矩阵、硬盘录像、网络传输为一体,是节约成本、创建节约型社会的使命所需。也是大势所趋。     

科达为北川灾后平安校园建设献力

近日,北川市教育局采用科达监控产品建设了一套平安校园系统,系统覆盖了灾后重建的全市40余所中小学,共计上千个监控点。北川教育局平安校园系统采用两级联网架构,在各中小学采用科达网络摄像机、NVR以及报警设备进行     

安讯士推出具有出色宽动态捕捉功能的固定网络摄像村

全球网络视频领先厂商——安讯士网络通讯有限公司日前推出两款具有优异性能的固定网络摄像机——AXISQ1604gDAXISQ1604-E网络摄像机。AXISQ1604／-E网络摄像机为在不断变化的照明环境下的监控应用提供完美的解决方案。尤其是在灯光透过玻璃窗或入口而产生明暗相间区域的苛刻环境下,AXISQ1604／-E网络摄像机让用户能够轻松且清晰地分辨人和物。     

2011年安防软件市场发展现状与前景展望

年关将近,又到了对一年来的市场发展状况进行盘点,对来年市场进行展望和预测的时候了。记得在2008年,某杂志在杭州召集业内企业家们开席畅谈,讨论和预测在国际金融危机背景下,安防产业的市场走向问题,虽然席间不乏豪言壮语,但悲观的情绪仍是主流,认为安防的冬天还是要到来的,要"备好棉衣好过冬"。有的还预言,由于受到经济危机的影响,硬件采购的增长将会放缓,而软件的需求会有很大的上升空间,将会给安防软件企业的发展带来一个难得的发展机遇,"迎来安防软件的春天"。作为从事安防软件开发的企业代表,笔者当时也是持这种观点。转眼三年过去了,金融危机不断演化,但预言中的安防的冬天没有到来,有的也仅仅是几场南下的冷空气而已。安防软件市场的需求确实有了很大的增长,但安防软件企业的春天并没有到来。     

基于在线检测信息的储罐底板腐蚀状态智能评价方法

为了解决利用声发射在线检测技术对储罐底板腐蚀状态进行评价时,主要依赖检测人员经验的问题,使该项技术能更好地推广和应用,利用储罐底板在线检测的声发射信息和外观检查信息,并根据相关标准及专家经验,确定与储罐底板腐蚀状态相关的表征因素。采用遗传算法(GA)改进贝叶斯网络(BN)搜索方法,建立基于GA的BN智能评价方法。针对声发射在线检测信息和外观检查信息,分别建立基于标准用声发射因素、基于声发射因素和综合考虑声发射因素和外观检查因素的基于在线检测信息的储罐底板腐蚀状态评价模型。通过对测试样本的评价,对比声发射检测专家评价结果,其中基于在线检测信息的储罐底板腐蚀状态评价模型的准确率为96%,该模型能够对储罐底板腐蚀状态进行可靠的智能评价。