全文获取类型
收费全文 | 5479篇 |
免费 | 248篇 |
国内免费 | 59篇 |
专业分类
电工技术 | 210篇 |
综合类 | 291篇 |
化学工业 | 124篇 |
金属工艺 | 249篇 |
机械仪表 | 3457篇 |
建筑科学 | 71篇 |
矿业工程 | 255篇 |
能源动力 | 48篇 |
轻工业 | 71篇 |
水利工程 | 12篇 |
石油天然气 | 40篇 |
武器工业 | 20篇 |
无线电 | 47篇 |
一般工业技术 | 575篇 |
冶金工业 | 121篇 |
原子能技术 | 1篇 |
自动化技术 | 194篇 |
出版年
2024年 | 72篇 |
2023年 | 345篇 |
2022年 | 252篇 |
2021年 | 297篇 |
2020年 | 206篇 |
2019年 | 169篇 |
2018年 | 99篇 |
2017年 | 123篇 |
2016年 | 122篇 |
2015年 | 161篇 |
2014年 | 264篇 |
2013年 | 192篇 |
2012年 | 240篇 |
2011年 | 234篇 |
2010年 | 280篇 |
2009年 | 266篇 |
2008年 | 260篇 |
2007年 | 275篇 |
2006年 | 258篇 |
2005年 | 252篇 |
2004年 | 144篇 |
2003年 | 131篇 |
2002年 | 111篇 |
2001年 | 121篇 |
2000年 | 95篇 |
1999年 | 110篇 |
1998年 | 82篇 |
1997年 | 76篇 |
1996年 | 74篇 |
1995年 | 75篇 |
1994年 | 72篇 |
1993年 | 68篇 |
1992年 | 57篇 |
1991年 | 75篇 |
1990年 | 61篇 |
1989年 | 61篇 |
1988年 | 3篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有5786条查询结果,搜索用时 156 毫秒
51.
针对练泥减速机滚动轴承运转速度低、响应弱、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析滚动轴承故障诊断方法。利用小波变换对振动信号进行分解和重构处理,获得了振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,从而实现对轴承故障诊断。试验结果显示该方法对真空练泥机轴承故障诊断有很好的效果。 相似文献
52.
油勺润滑是将几个油勺固定在转轴上,油勺随轴旋转,转至下面时在油池中舀油,转至上面时将油倒人布油盘中,润滑油通过布油盘中的许多小孔淋在轴上,对轴及轴瓦进行润滑(图10—6)。油勺润滑装置在回转窑托轮支承轴瓦和球磨机中空轴轴瓦润滑中均有所应用。但因油勺易搅浑润滑油,产生不良后果,故新设计的球磨机不再采用;在回转窑托轮支承中,因轴瓦被滚动轴承替换,其润滑方式也随之改变。 相似文献
53.
朱晓钢 《安徽冶金科技职业学院学报》2010,20(1):18-19
Φ650轧机减速机原设计为滑动轴承,为适应生产需要改为滚动轴承。阐述了滚动轴承选型的设计校核计算。 相似文献
54.
基于威布尔分布和支持向量机的滚动轴承故障诊断方法 总被引:2,自引:2,他引:0
提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振动信号建立威布尔分布模型,提取其形态参数和尺度参数构建表征轴承运行状态的特征向量,然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较,结果表明,基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。 相似文献
55.
56.
针对实值阴性选择(RNS)算法的检测器尺寸不能自适应变化的问题,提出基于变检测半径的RNS算法(V detector)的轴承故障诊断方法.将计算轴承振动信号局域波分解后各基本模式分量的关联维数作为特征向量,并根据故障模式将其划分为多个自体样本集,采用V detector算法训练多个检测器集,用其对轴承故障进行诊断.结果表明:自体半径过小则误诊率高,自体半径过大则检测器灵敏度低,这都将导致准确率减小;覆盖率越高,则准确率越高、计算花费越大,当覆盖率≥95%时,覆盖率对准确率的影响远小于其对计算花费的影响;相对于基于RNS的诊断方法,V detector算法具有同样高的准确率,且计算花费显著减小、稳定性更高,可有效地识别轴承故障. 相似文献
57.
58.
滚动轴承是旋转机械内常出现问题的重要部件,其故障情况复杂且难以诊断.基于小样本故障数据学习环境,针对小样本学习在提取真实特征值与目标特征值时有较大差异且泛化能力较弱的问题,提出一种采用半监督变分自编码器与LightGBM分类模型相结合的小样本学习模型LSVAE,并利用基于高斯过程的贝叶斯优化改进算法对LightGBM的超参数进行了优化处理,有效地解决了小样本学习性能不稳定,提取特征能力弱,过拟合等问题,并在凯斯西储大学发布的轴承实验数据集上进行了对比实验,结果表明LSVAE模型在面向小样本数据空间时有着更优的诊断准确率. 相似文献
59.
赵一瑾 《计算机测量与控制》2021,29(9):23-28
针对当前诊断方法对滚动轴承故障特征表征困难以及在噪声干扰大的环境中检测性能下降的问题,提出了一种基于加权密集连接网络和注意力机制的滚动轴承故障诊断的方法,该方法由特征提取和故障分类两部分组成;在特征提取部分,首先采用加权密集连接网络从轴承振动信号中提取特征,并将不同空间级别的特征进行组合以增强信息的多样性,然后利用注意力机制突出重要信息,获得准确的表征故障特征;故障分类模型以表征的特征信息作为输入,经过Softmax函数输出每种故障类型的诊断结果;实验结果表明,所提模型在加性噪声干扰的情况下具有良好的诊断性能,比其他方法更具优势。 相似文献
60.
EEMD-PE与M-RVM相结合的轴承故障诊断方法 总被引:2,自引:0,他引:2
滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%. 相似文献