全文获取类型
收费全文 | 96篇 |
免费 | 2篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 2篇 |
综合类 | 26篇 |
金属工艺 | 6篇 |
机械仪表 | 40篇 |
矿业工程 | 2篇 |
石油天然气 | 1篇 |
武器工业 | 1篇 |
一般工业技术 | 10篇 |
冶金工业 | 10篇 |
自动化技术 | 1篇 |
出版年
2023年 | 1篇 |
2022年 | 1篇 |
2021年 | 4篇 |
2020年 | 3篇 |
2019年 | 2篇 |
2018年 | 5篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 3篇 |
2014年 | 1篇 |
2013年 | 4篇 |
2012年 | 5篇 |
2011年 | 1篇 |
2010年 | 6篇 |
2009年 | 8篇 |
2008年 | 5篇 |
2007年 | 3篇 |
2006年 | 3篇 |
2005年 | 5篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2002年 | 5篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1999年 | 3篇 |
1997年 | 1篇 |
1996年 | 6篇 |
1991年 | 1篇 |
1990年 | 1篇 |
排序方式: 共有99条查询结果,搜索用时 15 毫秒
61.
62.
无人机群在协同作战中具有独特的作战优势,基于目标战术价值和编队防御优势等因素,建立目标舰队动态防御威胁数学模型,用于无人机群多目标分配;在传统蚁群算法的基础上,通过改进其搜索机制及信息素更新范围,提出一种基于信息素范围约束条件下的随机蚁群(RRSACS)搜索算法,采用12架无人机对抗5艘舰船以1批次和2次突防的模式,模... 相似文献
63.
64.
并联机器人的理论及应用研究 总被引:4,自引:0,他引:4
并联机构刚度大,承载能力强,精度高,运动惯性小,备受人们关注。对并联机器人的理论、应用研究及国内外发展现状进行了详尽综述,指出并联机器人理论及应用研究领域有待深入开展的研究工作方向。 相似文献
65.
66.
67.
基于经验模态分解的小波阈值滤波去噪 总被引:2,自引:0,他引:2
经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,首先对带噪信号做EMD分解,得到各阶本征模函数(IMF)分量,然后对高频的IMF分量用小波去噪中的阈值方法进行处理,把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。通过三次样条包络分离数据的高阶成份和趋势项。利用EMD的这种特性,提出一种基于EMD变换的阈值去噪算法。仿真实验表明基于EMD变换的去噪具有较好的自适应能力,形式简单,应用方便灵活,不受傅立叶变换及小波函数选择的限制等。 相似文献
68.
针对变转速滚动轴承故障特征提取较难的问题,提出一种基于参数优化变分模态分解(parameter optimized variational mode decomposition,简称POVMD)与包络阶次谱的变工况滚动轴承故障诊断方法。首先,采用POVMD对变转速滚动轴承振动信号进行分解,得到若干个本征模态函数之和;其次,对各个分量的时域信号进行角域重采样,将时变信号转化为平稳信号处理,再利用Hilbert变换估计重采样后的平稳信号的包络;最后,对得到的包络信号进行阶比分析,从谱图中读取故障特征信息。将POVMD方法与经验模态分解进行了对比,仿真信号分析结果表明了POVMD方法的优越性。将提出的变转速滚动轴承故障诊断方法应用于试验数据分析,分析结果表明,所提出的方法能够实现变转速滚动轴承的故障诊断,而且诊断效果优于现有方法。 相似文献
69.
为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集成经验模态分解(mean-optimized ensemble empirical mode decomposition with adaptive noise, MEEMDAN)。MEEMDAN在迭代筛分过程中引入不同的权重,以正交性指标最小为依据,从不同权重下的分解结果中选取最优模态函数(IMF),确保了每一阶的IMF分量都是整体最优。通过仿真分析验证了MEEMDAN方法在分解能力和分解精度方面优于CEEMDAN方法。同时,将MEEMDAN和最大相关峭度反褶积相结合,并应用于滚动轴承仿真数据和实测数据分析,结果表明,与现有方法相比,所提方法能够更为准确地提取出故障特征频率,且在分解能力和抑制干扰频率方面更具有优越性。 相似文献
70.
针对变工况下滚动轴承不易获取带标签的振动信号,导致故障诊断准确率低等问题,提出一种基于自适应噪声完整经验模态分解(CEEMDAN)与流形嵌入分布对齐的滚动轴承迁移故障诊断方法。采用CEEMDAN对不同工况下滚动轴承振动信号进行分解,得到若干内禀模态分量(IMF);提取峭度较大的IMF分量的时域和频域特征构造多特征样本集,将所提特征嵌入流形空间进行流形特征变换,同时,对变换后的流形特征动态分布对齐;利用源域数据和目标域数据训练分类模型,以获得未知标签的滚动轴承故障诊断结果。实验表明,所提方法能够最小化域间特征分布差异,有效提高滚动轴承状态识别的准确率。 相似文献