全文获取类型
收费全文 | 254篇 |
免费 | 29篇 |
国内免费 | 9篇 |
专业分类
电工技术 | 16篇 |
综合类 | 24篇 |
化学工业 | 24篇 |
金属工艺 | 8篇 |
机械仪表 | 28篇 |
建筑科学 | 26篇 |
矿业工程 | 8篇 |
能源动力 | 12篇 |
轻工业 | 34篇 |
水利工程 | 13篇 |
石油天然气 | 16篇 |
无线电 | 36篇 |
一般工业技术 | 16篇 |
冶金工业 | 9篇 |
自动化技术 | 22篇 |
出版年
2024年 | 4篇 |
2023年 | 7篇 |
2022年 | 15篇 |
2021年 | 5篇 |
2020年 | 22篇 |
2019年 | 25篇 |
2018年 | 22篇 |
2017年 | 6篇 |
2016年 | 11篇 |
2015年 | 18篇 |
2014年 | 21篇 |
2013年 | 20篇 |
2012年 | 28篇 |
2011年 | 15篇 |
2010年 | 7篇 |
2009年 | 7篇 |
2008年 | 9篇 |
2007年 | 15篇 |
2006年 | 9篇 |
2005年 | 4篇 |
2004年 | 8篇 |
2003年 | 1篇 |
2000年 | 1篇 |
1999年 | 3篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1994年 | 1篇 |
1993年 | 3篇 |
1992年 | 1篇 |
排序方式: 共有292条查询结果,搜索用时 33 毫秒
101.
为了加强金属基复合材料电沉积制备技术的基础理论研究,分别考察了硫酸盐和氯化物两种体系镀液中SiO2微粒浓度对镀层成分的影响,以研究Zn-Fe-SiO2复合材料电沉积过程的控制步骤.结果表明:Zn-Fe-SiO2复合电沉积过程存在两步吸附过程,随着镀液中微粒浓度的不断增加,将逐渐由弱吸附控制转为强吸附控制,控制步骤发生转换所对应的临界微粒浓度也不固定,硫酸盐体系为10 g/L,氯化物体系为4 g/L;由于流体力学因素的作用,弱吸附控制阶段并不符合Guglielmi模型;工艺优化时应针对具体的控制步骤采取不同的措施. 相似文献
103.
精品课程建设是高等学校教学质量和教学改革工程的重要组成部分。以培养国家和地方发展需要的高素质人才为目标,整理合并了各个地方的教学改革成果,建立了各门类、专业的校、省、国家三级精品课程体系。 相似文献
104.
105.
106.
氟吡菌胺与吡唑醚菌酯混合物对黄瓜霜霉病菌的毒力增效及其抗药性的影响 总被引:1,自引:0,他引:1
[方法]采用植株喷雾-叶盘法测定氟吡菌胺与吡唑醚菌酯混合物对黄瓜霜霉病菌的联合毒力,采用叶盘漂浮法测定黄瓜霜霉病菌经氟吡菌胺、霜霉威、吡唑醚菌酯、氟吡菌胺+吡唑醚菌酯(1:4)和氟吡菌胺+霜霉威(1:10)连续驯化3、5、7代后对氟吡菌胺、霜霉威和吡唑醚菌酯的敏感性。[结果]氟吡菌胺与吡唑醚菌酯以(5:1)、(3:1)、(1:1~7)混合对黄瓜霜霉病菌的毒力表现增效。黄瓜霜霉病菌经氟吡菌胺与霜霉威混合物或与吡唑醚菌酯混合物连续驯化后的抗药性均比经3种单剂连续驯化后的抗药性发展缓慢,黄瓜霜霉病菌经2种混合药剂连续驯化7代获得的抗性菌株对氟吡菌胺的抗性水平为12.0~13.4倍,对吡唑醚菌酯和霜霉威的抗性水平分别为9.6、4.2倍,而经氟吡菌胺、吡唑醚菌酯和霜霉威3种单剂驯化7代获得的抗性菌株对氟吡菌胺、吡唑醚菌酯和霜霉威抗性水平分别为16.3、11.6、5.1倍,均高于混合药剂驯化所得抗性菌株的抗性水平。[结论]在氟吡菌胺与吡唑醚菌酯9个配比混合物中,1:4混合物对黄瓜霜霉病菌的毒力增效最明显;氟吡菌胺与吡唑醚菌酯1:4混合物及其与霜霉威1:10混合物的使用可延缓黄瓜霜霉病菌对氟吡菌胺抗性的发展。 相似文献
107.
该文以某20 t挖掘机为例,在simulatioX仿真环境下搭建了动臂-转台联合节能的仿真平台,此平台可以把动臂下降产生的势能转换为电能储存在超级电容中,待转台回转时释放,用于驱动转台工作。以保证转台旋转最佳转速和最佳旋转加速度为前提,根据超级电容荷电状态(SOC)把转台分为电机-液压马达联合驱动和液压马达单独驱动两种工况,制定了两种工况的转换策略。对动臂的下降速度进行了回油流量反馈控制,确保了动臂下降速度的恒定,进一步阻止了动臂势能向动能的转化,提高了能量回收率并且降低了动臂下降末时的冲击。研究结果表明,在一标准周期内该系统在转台回转工况下可最多节省燃油3.98%,具有一定的节能效果。 相似文献
108.
109.
针对水下无线传感网络能量效率低、生命周期短的问题,提出了一种负载均衡且能量高效的水下分簇(load balanced and energy efficient underwater clustering,LBEEUC)协议。该算法在分簇过程中首先根据节点的经验负载来确定节点所在区域簇头的比例,使经验负载大的区域分布较多的簇头,分担数据转发的任务,均衡网络的能耗;其次在节点入簇时,在簇内设置中继节点,用于均衡远离簇头节点的传输能耗,并提前进行数据融合,减少数据冗余;最后在建立簇间路由时,利用Q 学习算法根据路径消耗的总能量最小的原则选择最优传输路径。仿真结果表明,本算法有效地均衡了网络的能耗,提高了能量利用效率,进而提高了网络的生存时间。 相似文献
110.