全文获取类型
收费全文 | 1107篇 |
免费 | 97篇 |
国内免费 | 61篇 |
专业分类
电工技术 | 116篇 |
综合类 | 61篇 |
化学工业 | 58篇 |
金属工艺 | 23篇 |
机械仪表 | 121篇 |
建筑科学 | 95篇 |
矿业工程 | 44篇 |
能源动力 | 61篇 |
轻工业 | 64篇 |
水利工程 | 53篇 |
石油天然气 | 79篇 |
武器工业 | 1篇 |
无线电 | 187篇 |
一般工业技术 | 162篇 |
冶金工业 | 21篇 |
原子能技术 | 27篇 |
自动化技术 | 92篇 |
出版年
2024年 | 14篇 |
2023年 | 47篇 |
2022年 | 32篇 |
2021年 | 29篇 |
2020年 | 42篇 |
2019年 | 39篇 |
2018年 | 55篇 |
2017年 | 30篇 |
2016年 | 30篇 |
2015年 | 41篇 |
2014年 | 77篇 |
2013年 | 61篇 |
2012年 | 60篇 |
2011年 | 91篇 |
2010年 | 93篇 |
2009年 | 86篇 |
2008年 | 71篇 |
2007年 | 55篇 |
2006年 | 50篇 |
2005年 | 58篇 |
2004年 | 59篇 |
2003年 | 43篇 |
2002年 | 29篇 |
2001年 | 17篇 |
2000年 | 15篇 |
1999年 | 12篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1996年 | 7篇 |
1995年 | 3篇 |
1994年 | 3篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1988年 | 2篇 |
1983年 | 2篇 |
1982年 | 3篇 |
1980年 | 2篇 |
排序方式: 共有1265条查询结果,搜索用时 15 毫秒
21.
我国河流地貌丰富多样,分汊河流较多,渠化工程布置困难.多汊河流在进行河道通航渠化过程中,需要在枢纽布置、航线规划和通航水流条件等方面进行综合考虑.本研究以浙江衢江安仁铺航电枢纽为例,采用整体物理模型试验,研究多汊河流上航电枢纽的航线规划、航道整治及枢纽运行调度等关键技术难题.比较了枢纽上游多条航线的通航水流条件,给出了最佳航线和船舶航行安全条件;针对下游航道两岸过渡的特点,提出了下游航道优化布置方案和整治范围.结合枢纽合理运行调度,较好地解决了该枢纽的整体通航问题,可为类似工程提供借鉴. 相似文献
22.
采用离子束溅射方法在Si衬底上制备Si/Ge多层膜,通过改变生长温度、溅射速率等因素得到一系列Si/Ge多层膜样品;通过X射线衍射、Raman散射等表征方法研究薄膜结构与生长条件的关系。在小束流(10mA)、室温条件下制备出界面清晰、周期完整的Si/Ge多层膜。 相似文献
23.
24.
基于EMD与神经网络的滚动轴承故障诊断方法 总被引:27,自引:17,他引:27
针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)和神经网络的滚动轴承故障诊断方法。该方法首先对原始信号进行了经验模态分解,将其分解为多个平稳的固有模态函数(Intrinsic Mode function,简称IMF)之和,再选取若干个包含主要故障信息的IMF分量进行进一步分析,由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,因而可从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障信号的分析结果表明,以EMD为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有更高的故障识别率,可以准确、有效地识别滚动轴承的工作状态和故障类型。 相似文献
25.
基于EMD的时频熵在齿轮故障诊断中的应用 总被引:4,自引:5,他引:4
提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。 相似文献
26.
无线扩频通信在配电自动化中的应用 总被引:1,自引:0,他引:1
讨论通信在配电自动化系统中的重要性的同时,对配电自动化中常用的各种通信方式进行比较,重点介绍无线扩频通信方式的特点,并通过实例介绍无线扩频通信方式及其在配电自动化中的应用。 相似文献
27.
28.
提出了基于EMD(Empirical mode decomposition)和奇异值分解技术的滚动轴承故障诊断方法。采用EMD方法将滚动轴承振动信号分解成若干个基本模式分量(Intrinsic mode function,IMF)之和,并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的状态特征向量,通过建立Mahalanobis距离判剐函数判断滚动轴承的工作状态和故障类型。实验数据的分析结果表明,本文方法能有效地应用于滚动轴承故障诊断。 相似文献
29.
30.