全文获取类型
收费全文 | 31678篇 |
免费 | 1774篇 |
国内免费 | 1389篇 |
专业分类
电工技术 | 1827篇 |
综合类 | 2692篇 |
化学工业 | 568篇 |
金属工艺 | 2585篇 |
机械仪表 | 9296篇 |
建筑科学 | 897篇 |
矿业工程 | 749篇 |
能源动力 | 113篇 |
轻工业 | 724篇 |
水利工程 | 184篇 |
石油天然气 | 179篇 |
武器工业 | 354篇 |
无线电 | 2055篇 |
一般工业技术 | 1490篇 |
冶金工业 | 151篇 |
原子能技术 | 24篇 |
自动化技术 | 10953篇 |
出版年
2024年 | 252篇 |
2023年 | 1233篇 |
2022年 | 1142篇 |
2021年 | 1599篇 |
2020年 | 1472篇 |
2019年 | 1539篇 |
2018年 | 671篇 |
2017年 | 799篇 |
2016年 | 867篇 |
2015年 | 1013篇 |
2014年 | 2156篇 |
2013年 | 1643篇 |
2012年 | 1919篇 |
2011年 | 1859篇 |
2010年 | 1693篇 |
2009年 | 1795篇 |
2008年 | 1763篇 |
2007年 | 1570篇 |
2006年 | 1329篇 |
2005年 | 1229篇 |
2004年 | 1112篇 |
2003年 | 965篇 |
2002年 | 705篇 |
2001年 | 699篇 |
2000年 | 544篇 |
1999年 | 389篇 |
1998年 | 349篇 |
1997年 | 352篇 |
1996年 | 311篇 |
1995年 | 315篇 |
1994年 | 280篇 |
1993年 | 235篇 |
1992年 | 251篇 |
1991年 | 265篇 |
1990年 | 253篇 |
1989年 | 218篇 |
1988年 | 49篇 |
1987年 | 3篇 |
1986年 | 2篇 |
1984年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
31.
连续油管钻井机器人利用机身内外的钻井液压力差作为动力源,可在牵引连续油管的同时加载钻压。以钻井机器人为基础,建立连续油管钻柱动力学模型,并推导出通过钻井液排量控制钻压和钻速的单参数控制数学模型;对钻井机器人引入调速回路,建立具有调速功能的钻柱动力学模型;在溢流阀调定压力大于机身内外压差时,推导出利用钻井液排量和节流阀流通面积两种参数控制钻压、钻速的数学模型,在溢流阀调定压力小于机身内外压差时,推导出利用钻井液排量、节流阀流通面积和溢流阀调定压力3种参数控制钻压、钻速的数学模型;以11.43 cm(4.5英寸)井眼为例,对上述3种数学模型进行了分析。分析结果表明:钻压、钻速随钻井液排量的增加基本呈线性增加,在钻井液排量大于0.005 m3/s时,钻井机器人能够向前爬行,在钻井液排量大于0.005 7 m3/s时,钻头能够正常钻进;调节节流阀流通面积和溢流阀调定压力,可以在一定范围内无级调钻压和钻速;3种控制方法相结合,可以实现小排量、大钻压,及大排量、小钻压等钻井参数的控制。以控制模型为基础,针对不同井下工况建立钻进工艺的专家数据库,以钻井机器人为"大脑",结合井下随钻测量数据就能够实现闭环控制,自动钻进。 相似文献
32.
基于排爆机器人的作业需求,提出了一款可更换末端执行器的实现方案。分别设计了机械臂腕部搭载平台、四款末端执行工具和快速更换接头以满足排爆作业中可能需要的夹持、打孔、剪线、切割等工作要求。使用有限元软件校核了连接头的强度以及末端执行器与平台手动插拔的可行性。 相似文献
33.
针对作业型飞行机器人执行抓取、投放等作业任务时飞行机器人与被抓取目标之间难以相对定位的问题,提出了一种视觉引导的作业型飞行机器人设计方法.首先,介绍作业型飞行机器人系统的整体机构设计,建立飞行器和空中作业装置的运动学和动力学模型.然后,根据针孔成像模型,在ArUco标记尺寸已知的前提下,通过机载的单目摄像头检测被抓目标上的ArUco标记,利用n点透视(PnP)算法解算摄像头位姿,进而利用摄像头位姿信息对飞行器和作业装置进行分级控制.最后,通过静止实验和户外悬停实验验证了位姿估计算法的有效性,并通过自主抓取直径2 cm、质量100 g的管状物体进一步验证视觉引导的有效性和合理性. 相似文献
36.
37.
39.
40.
目的 为了提高扫地机器人的自主性和智能化程度,为扫地机器人配备视觉传感器,使其获得视觉感知能力,通过研究有效的垃圾检测分类模型与算法,实现对垃圾的定位与识别,引导扫地机器人对垃圾进行自动识别与按类处理,提高工作的目的性和效率,避免盲动和减少能耗。方法 选择检测速度较快的YOLOv2作为主网络模型,结合密集连接卷积网络,嵌入深层密集模块,对YOLOv2进行改进,提出一种YOLOv2-dense网络,该网络可以充分利用图像的高分辨率特征,实现图像浅层和深层特征的复用与融合。结果 测试结果表明,智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别,在真实场景中,测试识别准确率为84.98%,目标检测速度达到26帧/s。结论 实验结果表明,本文构建的YOLOv2-dense网络模型具有实时检测的速度,并且在处理具有不同背景、光照、视角与分辨率的图片时,表现出较强的适应和识别性能。在机器人移动过程中,可以保证以较高的准确率识别出垃圾的种类,整体性能优于原YOLOv2模型。 相似文献