全文获取类型
收费全文 | 812篇 |
免费 | 104篇 |
国内免费 | 42篇 |
专业分类
电工技术 | 271篇 |
综合类 | 47篇 |
化学工业 | 58篇 |
金属工艺 | 54篇 |
机械仪表 | 56篇 |
建筑科学 | 47篇 |
矿业工程 | 24篇 |
能源动力 | 21篇 |
轻工业 | 50篇 |
水利工程 | 22篇 |
石油天然气 | 22篇 |
武器工业 | 7篇 |
无线电 | 108篇 |
一般工业技术 | 44篇 |
冶金工业 | 13篇 |
原子能技术 | 1篇 |
自动化技术 | 113篇 |
出版年
2024年 | 13篇 |
2023年 | 69篇 |
2022年 | 76篇 |
2021年 | 75篇 |
2020年 | 49篇 |
2019年 | 52篇 |
2018年 | 53篇 |
2017年 | 18篇 |
2016年 | 25篇 |
2015年 | 37篇 |
2014年 | 33篇 |
2013年 | 46篇 |
2012年 | 50篇 |
2011年 | 49篇 |
2010年 | 59篇 |
2009年 | 56篇 |
2008年 | 41篇 |
2007年 | 42篇 |
2006年 | 18篇 |
2005年 | 20篇 |
2004年 | 21篇 |
2003年 | 14篇 |
2002年 | 1篇 |
2001年 | 10篇 |
2000年 | 10篇 |
1999年 | 4篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1994年 | 4篇 |
1992年 | 1篇 |
1951年 | 2篇 |
排序方式: 共有958条查询结果,搜索用时 0 毫秒
91.
92.
93.
94.
目的:比较山豆根、苦刺花、苦参中黄酮类成分,紫外-可见分光光度法建立苦刺花总黄酮成份含量测定方法,采用 HPLC建立三味药材总黄酮特征指纹图谱。方法:采用铝盐络合显色分光光度法,以芦丁为对照品,NaNO2-AI(NO3)3-NaOH 为显色剂,在 505 nm波长处测定吸光度,计算山豆根、苦参与苦刺花植物不同部位的总黄酮含量;采用 AKasil-C18 色谱柱,以乙腈-水为流动相进行梯度洗脱,检测波长 295 nm,柱温 35 ℃,流速 1.0 mL/min,建立 HPLC 特征指纹图谱。结果:在浓度 0.2134~0.9957 mg/mL 范围内,芦丁吸光度与浓度线性关系良好,R2=0.9996;苦刺花不同部位总黄酮的含量:种子 1.37 %,果实 1.17 %,根 1.18 %,花 0.38 %,叶 0.78 %;不同采收时期以 9 月中旬采收的根中总黄酮含量较高;放置 5 年后根与叶中含量均有增加;山豆根 1.85 %,苦参 0.79 %;三味药材 HPLC 指纹特征图谱各有特征。结论 该方... 相似文献
95.
96.
制浆工艺是豆干生产过程中重要环节,采用熟浆工艺制备传统豆干,以硬度、咀嚼性、胶着性、弹性、内聚性、黏性为质构指标,研究豆水比例、MgCl_2添加量、煮浆时间、点脑温度对传统豆干质构特性的影响。结果表明:豆水比例对传统豆干的咀嚼性、胶着性的影响差异性显著;MgCl_2添加量对传统豆干的硬度、咀嚼性、胶着性的影响差异性显著;煮浆时间对传统豆干的硬度、咀嚼性、胶着性、弹性、内聚性的影响差异性不显著,而对黏性的影响差异性显著;点脑温度对传统豆干的硬度、咀嚼性、胶着性的影响差异性显著。通过正交试验得出传统豆干最佳工艺条件为:豆水比例1∶10,MgCl_2添加量3.0%,煮浆时间7 min,点脑温度85℃,得到的豆干呈淡黄色,有光泽,豆香味纯正且持续时间长,外观完整,硬度适中,弹滑柔软。 相似文献
97.
98.
基于算法只有适应优化问题的特性才能表现出优异性能的观点,在探索与利用平衡的理论框架下将灾变机制引入粒子群算法。在对灾变的强度和范围进行深入研究的基础上,提出4种控制灾变的方法,并通过多组正交实验研究最佳的灾变触发方式。通过实验分析得出如下结论:灾变对高维问题的作用有限;灾变强度控制在15%以下为宜;以种群多样性作为灾变的触发条件,能得到较好效果。以上述结论为基础提出自适应灾变粒子群算法,并通过与其他算法对比验证文中算法具有较好性能。 相似文献
99.
在高维多目标优化中, 不同的优化问题存在不同形状的Pareto前沿(PF), 而研究表明大多数多目标进化算法(Multi-objective evolutionary algorithms, MOEAs) 在处理不同的优化问题时普适性较差. 为了解决这个问题, 本文提出了一个基于R2指标和参考向量的高维多目标进化算法(An R2 indicator and reference vector based many-objective optimization evolutionary algorithm, R2-RVEA). R2-RVEA基于Pareto支配选取非支配解来指导种群进化, 仅当非支配解的数量超过种群规模时, 算法进一步采用种群分解策略和R2指标选择策略进行多样性管理. 通过大量的实验证明, 本文提出的算法在处理不同形状的PF时具有良好的性能. 相似文献
100.