全文获取类型
收费全文 | 32220篇 |
免费 | 4698篇 |
国内免费 | 2841篇 |
专业分类
电工技术 | 4176篇 |
综合类 | 4011篇 |
化学工业 | 477篇 |
金属工艺 | 667篇 |
机械仪表 | 3343篇 |
建筑科学 | 747篇 |
矿业工程 | 847篇 |
能源动力 | 547篇 |
轻工业 | 534篇 |
水利工程 | 862篇 |
石油天然气 | 607篇 |
武器工业 | 584篇 |
无线电 | 7397篇 |
一般工业技术 | 2370篇 |
冶金工业 | 171篇 |
原子能技术 | 237篇 |
自动化技术 | 12182篇 |
出版年
2024年 | 157篇 |
2023年 | 753篇 |
2022年 | 825篇 |
2021年 | 864篇 |
2020年 | 1008篇 |
2019年 | 1127篇 |
2018年 | 664篇 |
2017年 | 1055篇 |
2016年 | 1188篇 |
2015年 | 1366篇 |
2014年 | 1935篇 |
2013年 | 1793篇 |
2012年 | 2230篇 |
2011年 | 2436篇 |
2010年 | 2527篇 |
2009年 | 2657篇 |
2008年 | 2860篇 |
2007年 | 2806篇 |
2006年 | 2367篇 |
2005年 | 2084篇 |
2004年 | 1685篇 |
2003年 | 1382篇 |
2002年 | 937篇 |
2001年 | 825篇 |
2000年 | 646篇 |
1999年 | 483篇 |
1998年 | 360篇 |
1997年 | 282篇 |
1996年 | 148篇 |
1995年 | 93篇 |
1994年 | 58篇 |
1993年 | 49篇 |
1992年 | 32篇 |
1991年 | 20篇 |
1990年 | 13篇 |
1989年 | 18篇 |
1988年 | 8篇 |
1987年 | 2篇 |
1986年 | 8篇 |
1985年 | 3篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1980年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
102.
针对加权平均方法计算得到动态阈值准确度不高的问题,利用正常数据概率密度和不同故障类型数据概率密度的特点,提出一种基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法。首先,采用奇异值分解对振动信号进行预处理,滤除噪声对动态阈值计算结果的影响;其次,采用故障频率能量特征提取方法,分别提取正常数据和内圈、外圈、滚珠故障数据的特征;最后,采用贝叶斯推理方法分别计算正常数据与内圈、外圈、滚珠故障数据的动态阈值。利用故障植入的方法获取数据,开展动态阈值计算试验,结果表明,方法能够正确找到正常数据和不同故障类型数据概率密度曲线的分界点,具有较高的正确率,较低的漏报率,方法提高了动态阈值的计算准确度。 相似文献
103.
105.
针对传统谐波在线监测系统存的结果不准确,无法描述谐波动态变化特点,设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块,然后谐波在线监测系统的软件模块,依据小波变换分析谐波信号特征,得到的谐波变化率,从而谐波在线监测系统的监测结果,最后采用具体实验进行了谐波在线监测系统性能的仿真实验,由实验结果可知,该系统的谐波监测精度高,可以有效检测各种谐波分量,保证电力系统稳定运行。 相似文献
107.
108.
脑电波是一种复杂的生物电信号,可反应出大脑内部的活动及注意力等精神状态。基于此,论文设计了注意力相关的脑电实验,并完成了受试者脑电数据的采集,对所采集的脑电数据分别从以下两种角度进行研究:从时频分析的角度,采用db4小波基对原始脑电信号进行7层小波包分解,提取了β波/θ波能量占比作为特征量;从非线性动力学的角度,提取脑电信号的样本熵作为特征,并分别对各受试者进行注意力的分级研究。通过对比分析,结果表明两者都能从一定程度上表征注意力水平的状况,但样本熵对于多级注意力的区分度更好。 相似文献
109.
滚动轴承作为长期处于高速、高负荷运行状态下的零部件,其再制造的质量将极大地影响再制造产品的寿命周期。对再制造后滚动轴承的4种状态进行测试,分析其产生的质量问题,并提出了一种基于小波包分解和BP神经网络相结合的滚动轴承再制造质量评价方法。首先对再制造后的滚动轴承进行不同状态下的振动信号采集,利用小波包分解对信号进行预处理,得到信号的能量特征;接着将此能量特征转化为特征向量并作为BP神经网络的输入,在经过训练后的网络中对其进行测试,从而来对信号进行识别,达到确定再制造轴承的质量状况的目的。 相似文献
110.
以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。 相似文献