全文获取类型
收费全文 | 21087篇 |
免费 | 2917篇 |
国内免费 | 1770篇 |
专业分类
电工技术 | 2593篇 |
综合类 | 2245篇 |
化学工业 | 3718篇 |
金属工艺 | 735篇 |
机械仪表 | 1983篇 |
建筑科学 | 1077篇 |
矿业工程 | 411篇 |
能源动力 | 544篇 |
轻工业 | 606篇 |
水利工程 | 448篇 |
石油天然气 | 719篇 |
武器工业 | 238篇 |
无线电 | 2741篇 |
一般工业技术 | 1644篇 |
冶金工业 | 590篇 |
原子能技术 | 98篇 |
自动化技术 | 5384篇 |
出版年
2024年 | 220篇 |
2023年 | 952篇 |
2022年 | 951篇 |
2021年 | 984篇 |
2020年 | 992篇 |
2019年 | 1021篇 |
2018年 | 629篇 |
2017年 | 848篇 |
2016年 | 889篇 |
2015年 | 954篇 |
2014年 | 1366篇 |
2013年 | 1130篇 |
2012年 | 1300篇 |
2011年 | 1380篇 |
2010年 | 1207篇 |
2009年 | 1290篇 |
2008年 | 1353篇 |
2007年 | 1304篇 |
2006年 | 954篇 |
2005年 | 912篇 |
2004年 | 793篇 |
2003年 | 688篇 |
2002年 | 512篇 |
2001年 | 458篇 |
2000年 | 378篇 |
1999年 | 336篇 |
1998年 | 294篇 |
1997年 | 241篇 |
1996年 | 274篇 |
1995年 | 245篇 |
1994年 | 203篇 |
1993年 | 126篇 |
1992年 | 147篇 |
1991年 | 129篇 |
1990年 | 119篇 |
1989年 | 105篇 |
1988年 | 18篇 |
1987年 | 23篇 |
1986年 | 12篇 |
1985年 | 6篇 |
1984年 | 6篇 |
1983年 | 8篇 |
1982年 | 8篇 |
1981年 | 6篇 |
1979年 | 1篇 |
1965年 | 1篇 |
1948年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 78 毫秒
81.
85.
为了在非线性、非平稳的滚动轴承故障振动信号中有效提取出敏感的故障特征,提出了基于变分模态分解(VMD)与时间序列分析相结合的特征提取方法。首先通过VMD将原始信号分解为不同预设尺度的本征模态分量(IMF),对各个IMF分量建立时间序列预测模型,通过叠加重构得到最终的预测模型,比较评价指标确定最优参数的选取。最后,通过仿真信号与滚动轴承实际故障数据分析,并与经验模式分解(EMD)进行对比,结果表明该方法能够有效的提取到故障特征频率。 相似文献
86.
针对滚动轴承早期故障的有效识别,提出了一种基于VMD瞬时能量与GA优化的RBF神经网络的滚动轴承故障诊断方法,可以有效对滚动故障做出诊断。首先,VMD将滚动轴承振动信号进行分解成合适数目的本证模态函数;其次,计算本证模态函数分量的瞬时能量并组成特征向量;最后,将特征向量输入到GA优化的RBF神经网络实现轴承故障识别。通过滚动轴承故障诊断实验对该方法进行验证。结果表明,该方法识别滚动轴承故障的准确率为96.43%,较默认参数的RBF神经网络和EEMD瞬时能量与GA-RBF神经网络有明显的提高,证明了所提方法的可行性。 相似文献
87.
针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题,
提出了以多种群差分进化(multiple population differential evolution, MPDE) 算法来改进集合经验模式分解( ensemble empirical
mode decomposition, EEMD) 的 MPDE-EEMD 消噪方法,并与自适应共振解调技术( adaptive resonance demodulation technique,
ARDT)相结合实现故障特征提取。 首先,为了解决 EEMD 中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布
特性评价函数,利用 MPDE 来寻优获取最佳白噪声幅值,实现 EEMD 自适应分解。 然后,采用峭度与相关性相结合的准则对分
解后的 IMF 分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。 最后,采用 ARDT 自动确
定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。 将轴承仿真故障信号与实际故
障信号用于算法的验证,结果表明 MPDE-EEMD+ARDT 能有效提取出轴承故障特征。 相似文献
88.
89.