全文获取类型
收费全文 | 1103篇 |
免费 | 97篇 |
国内免费 | 60篇 |
专业分类
电工技术 | 116篇 |
综合类 | 61篇 |
化学工业 | 56篇 |
金属工艺 | 23篇 |
机械仪表 | 121篇 |
建筑科学 | 94篇 |
矿业工程 | 44篇 |
能源动力 | 61篇 |
轻工业 | 64篇 |
水利工程 | 52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 | 161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 | 12篇 |
2023年 | 44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1260条查询结果,搜索用时 15 毫秒
51.
采用分隔式封闭箱法,测定盆栽大豆植株氧化亚氮(N2O)通量以及光照度、光合速率和气孔导度的日变化。同时,观测田间大豆—土壤系统在主要生长阶段N2O释放的变化。在温室里,大豆植株N2O释放在上午10:00时出现一个高峰;中午时N2O释放量较低,此时光照度和光合速率都保持在较高的水平上;在14:00时,N2O释放量达到低谷,光照度达到最大,但光合速率却处于很低的水平;在15:00时,植株N2O的释放达到第二个高峰,但光照度和光合速率却处于快速下降期。结果表明:植物N2O的释放不仅与光合作用的光反应有关,而且也与暗反应有关。上午10:00以后植株N2O释放通量与气孔导度变化没有一致的关系。在大豆生长季,大豆—土壤系统N2O释放通量有两个高峰,第一个峰出现在6月中下旬,第二个高峰出现在9月下旬。 相似文献
52.
针对传统矢量中值滤波计算量大且复杂的问题,通过分析彩色图像滤波的一般方法,提出了彩色图像矢量中值滤波的改进算法.经与传统矢量中值滤波和理想滤波器实验结果对比可知,该算法不仅具有矢量中值滤波法去噪、保边缘和不增加新颜色的优点,而且具有计算量小、算法简单和易于实现的优点.此算法已应用于葡萄病害图像处理,并在Visual C 软件平台上进行验证,结果证明该方法可行,在完成病害图像增强的同时,对噪声有较好的抑制作用. 相似文献
53.
54.
55.
56.
自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)方法以分解得到的单分量个数最少为优化目标,以单分量的瞬时频率具有物理意义为约束条件,使得到的分量更加合理;结合盲源分离,提出了一种基于ASTFA的盲源分离方法并应用于齿轮箱复合故障诊断中。该方法首先利用ASTFA将单通道源信号进行分解,然后利用占优特征值法进行源数估计,根据源数重组观测信号,最后对观测信号进行盲源分离得到源信号的估计。实验结果表明,该方法可以有效地对齿轮箱复合故障信号进行分离进而实现齿轮箱的复合故障诊断。 相似文献
57.
用XRD、XRF、SEM-EDS等分析方法对20家钢铁企业的铁水脱硫渣、转炉钢渣、电炉氧化渣和精炼渣进行了化学成分、显微形貌及物相分析,分析结果表明脱硫渣中硫和金属铁含量较高,其化学成分和物相与脱硫剂种类有密切关系;转炉钢渣的主要物相是硅酸钙相、铁酸钙相、RO相和f-CaO相;电炉氧化渣的碱度整体比转炉渣低,因此还出现了明显的橄榄石相;精炼渣主要成分为CaO、Al2O3、MgO和SiO2,因精炼渣渣系的不同,渣中各成分含量会有较大变化.分析结果为钢渣的分类综合利用起到一定的指导作用. 相似文献
58.
提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。 相似文献
59.
总体平均经验模态分解(Ensemble EMD,EEMD)虽然能够在一定程度上抑制模态混淆,但计算量较大,添加的白噪声不能被完全中和,不具有完备性。补充的EEMD(Complementary EEMD, CEEMD)成对地添加符号相反的白噪声到目标信号,大大减小了重构误差。论文结合CEEMD和基于排列熵的信号随机性检测,提出了改进的EEMD方法(Modified EEMD,MEEMD),MEEMD方法在检测出CEEMD分解的异常分量之后,直接进行EMD分解;MEEMD不仅能够抑制EMD分解过程中的模态混淆,而且减小了计算量,缩小了重构误差。通过分析仿真信号和实测信号,结果表明,MEEMD方法有很好的分解效果,对模态混淆有一定的抑制作用。 相似文献
60.