全文获取类型
收费全文 | 65篇 |
免费 | 2篇 |
国内免费 | 2篇 |
专业分类
综合类 | 2篇 |
化学工业 | 5篇 |
金属工艺 | 7篇 |
机械仪表 | 24篇 |
建筑科学 | 9篇 |
矿业工程 | 2篇 |
轻工业 | 5篇 |
无线电 | 4篇 |
一般工业技术 | 3篇 |
自动化技术 | 8篇 |
出版年
2023年 | 4篇 |
2022年 | 3篇 |
2021年 | 1篇 |
2020年 | 7篇 |
2019年 | 7篇 |
2018年 | 8篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 1篇 |
2014年 | 7篇 |
2013年 | 6篇 |
2012年 | 3篇 |
2011年 | 3篇 |
2010年 | 1篇 |
2009年 | 2篇 |
2008年 | 2篇 |
2007年 | 3篇 |
2006年 | 1篇 |
2005年 | 3篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2002年 | 1篇 |
排序方式: 共有69条查询结果,搜索用时 15 毫秒
51.
环戊二烯加氢制环戊烯的研究 总被引:2,自引:0,他引:2
研究了环戊二烯加氢制环戊烯的工艺技术,重点考察了氢气压力,搅拌速度,催化剂投入量,反应温度和催化剂活性稳定性等加氢工艺条件,环戊二烯加氢的条件为:催化剂投料量0.3%-0.6%,氢气压力为0.8-1.5MPa,搅拌速度大于600转/分,加氢温度小于32℃,在理想的条件下,使用细颗粒Pd/C催化剂,环戊二烯转化率大于95%,环戊烯选择性大于90%。 相似文献
52.
53.
为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。 相似文献
54.
针对柔性生产碳排放量和作业时间的耦合,文章以碳排放量和最大完工时间为优化目标,建立了柔性作业车间调度模型,并提出了一种基于改进模拟退火算法的调度策略。为了提高算法的运行速度,采用了随机位置和轮盘赌的两种编码方式。为了避免算法陷入早熟,采用了个体调换和局部颠倒两种不同的搜索方式。最后以车间生产实际案例为背景,通过设置碳排放量和最大完工时间不同的权重系数代表不同的工厂对生产目标的不同要求,生成不同的调度方案。实验结果表明文中所提出的基于改进模拟退火算法的调度策略在加入低碳要求的车间调度中是可行和有效的。 相似文献
57.
空调外机作为空调重要换热的部件,其温度过高会造成外机运行故障,从而导致系统瘫痪,所以针对空调外机温度场进行数值模拟,计算和仿真温度较高区域,便于对空调外机高温处进行温度控制,优化外机运行环境。通过外机内部流体的换热,热传递及其对流,建立流体内部导热方程,同时建立空气与风扇的控制方程,设置边界条件,完成空调外机理论建模,利用Fluent软件,模拟正常换热过程,来观察外机内部流体不同时刻温度变化,空气出口温度,得到不同时刻空调内部流场温度分布图。通过Fluent分析能较准确地得到空调外机温度场分布,为实际空调外机温度控制及其监测提供理论支撑。 相似文献
58.
在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播(BP)神经网络相结合的算法.BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化.为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能.试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目.实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27 m. 相似文献
59.
60.
针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合考虑样本距离、近邻域密度对"疑似噪声点"进行识别、剔除,并将剩余样本按信息量进行排序;紧接着,在每个簇中采用K^*-信息量近邻域(K^*INN)过采样算法合成新样本,以使得数据集平衡;模拟3种不同失衡比下的轴承故障情况,并采用粒子群算法优化了SVM分类器的参数。经试验证明:相比已有算法,OABSC算法能更好地适用于数据呈多簇分布且失衡的轴承故障诊断领域,拥有更高的G-mean值与AUC值以及更强的算法鲁棒性。 相似文献