全文获取类型
收费全文 | 27535篇 |
免费 | 1954篇 |
国内免费 | 980篇 |
专业分类
电工技术 | 4858篇 |
综合类 | 2053篇 |
化学工业 | 739篇 |
金属工艺 | 1073篇 |
机械仪表 | 6871篇 |
建筑科学 | 589篇 |
矿业工程 | 1497篇 |
能源动力 | 1171篇 |
轻工业 | 412篇 |
水利工程 | 347篇 |
石油天然气 | 491篇 |
武器工业 | 574篇 |
无线电 | 1687篇 |
一般工业技术 | 2351篇 |
冶金工业 | 632篇 |
原子能技术 | 135篇 |
自动化技术 | 4989篇 |
出版年
2024年 | 24篇 |
2023年 | 958篇 |
2022年 | 806篇 |
2021年 | 868篇 |
2020年 | 945篇 |
2019年 | 1118篇 |
2018年 | 419篇 |
2017年 | 653篇 |
2016年 | 707篇 |
2015年 | 899篇 |
2014年 | 1599篇 |
2013年 | 1288篇 |
2012年 | 1494篇 |
2011年 | 1508篇 |
2010年 | 1506篇 |
2009年 | 1460篇 |
2008年 | 1531篇 |
2007年 | 1542篇 |
2006年 | 1433篇 |
2005年 | 1251篇 |
2004年 | 1314篇 |
2003年 | 1151篇 |
2002年 | 938篇 |
2001年 | 863篇 |
2000年 | 690篇 |
1999年 | 662篇 |
1998年 | 524篇 |
1997年 | 454篇 |
1996年 | 449篇 |
1995年 | 396篇 |
1994年 | 294篇 |
1993年 | 244篇 |
1992年 | 148篇 |
1991年 | 84篇 |
1990年 | 108篇 |
1989年 | 114篇 |
1988年 | 17篇 |
1987年 | 4篇 |
1986年 | 2篇 |
1959年 | 1篇 |
1951年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。 相似文献
2.
保护轴承是电磁轴承结构的最后一道安全屏障。由于拆机检查成本较高,且因为保护轴承的特殊性,拆机后单独对保护轴承检查难以判断其还能否继续工作,迫切需要一种在线评估方法。本文首先开展电磁轴承高速跌落试验,直到某型号保护轴承完全失效。记录每次高速跌落前转子低速跌落过程中的位移数据。基于上述数据,分别应用多尺度排列熵、马氏距离、多尺度模糊熵等方法,研究保护轴承随着高速跌落次数增加的衰退规律。研究发现,应用多尺度模糊熵指标可反映多次高速跌落后保护轴承性能的衰退,实现对保护轴承性能在线评估。马氏距离指标也可用于辅助判断,但效果不如多尺度模糊熵方法。而多尺度排列熵指标不适合这一应用。 相似文献
3.
针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于Adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明Adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于Adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。 相似文献
4.
针对现有滚动轴承故障诊断方法过度依赖于有监督学习算法的问题,提出一种基于堆栈稀疏自编码和支持向量机(SSAE-SVM)的滚动轴承故障诊断方法。利用堆栈稀疏自编码(SSAE)的频域深层特征学习能力,对轴承故障特征进行快速傅里叶变换和批归一化处理,再输入到SSAE网络。所构建的SSAE网络通过贪婪算法逐层训练,使用梯度下降法反向微调,基于无监督式深层学习输出深层特征向量。利用构造简单、泛化性能好、分类速度较快的支持向量机(SVM)分类器,基于深层特征向量进行故障识别,实现滚动轴承故障类型的准确分类。利用美国凯斯西储大学滚动轴承数据集进行对比验证。验证结果显示,相较于对比模型,SSAE-SVM滚动轴承故障诊断模型具有更高的准确率和更快的收敛速度。应用无监督学习建立轴承故障诊断模型将成为轴承故障诊断的重要发展方向之一。 相似文献
5.
通过对某电科院阀门关闭测试报告中汽轮机阀门不合格原因和描述的历史信息进行分类整理,将不合格原因评估转为文本分类任务。建立基于自然语言分词处理与朴素贝叶斯分类算法结合的不合格原因评估模型,实现对新增阀门关闭不合格原因的准确判断。通过验证与对比改进,朴素贝叶斯分类模型能够对新增不合格原因进行评估分类。测试中,控制器和网络相关原因准确率能够达到98%以上,其他原因高于85%。该方法有效结合传统纸质报告信息与贝叶斯分类技术的优势,能够对汽轮机阀门复杂的关闭不合格因素进行有效判断。通过贝叶斯分类模型实现对汽轮机阀门不合格原因的判断,可减少人员依赖、加快评估速度、提升评估准确度,并且对智慧电厂中的智能运维与检修起到一定示范作用。 相似文献
6.
在计算机视觉领域中,卷积神经网络取得了举世瞩目的成就,但其能耗问题一直未能得到很好解决.基于此问题,本文主要研究无监督学习范式下的Spike-CNN分类性能以及计算力.首先,本文设计了一种基于CNN和SNN的混合结构,在层级结构上实现脉冲机制;其次,为减少模型训练时间,本文提出了ReLU-ROC编码方案;最后,为使兴奋性神经元快速做出决策,本文提出了具有决策能力的RP-STDP学习方案:计算每对突触前与突触后兴奋性神经元的相对时间差.实验结果表明:以工业机器人采集到多元时间序列数据解决机械臂不同工作状态的3分类、4分类、5分类问题,在没有引入其他分类器的情况下,本文提出的具有奖罚机制的STDP的Spike-CNN方法平均准确率为LP1(91.07%)、LP2(96.66%)、LP4(93.95%). 相似文献
7.
E级计算机系统规模巨大,使得故障异常总量随之增多,导致诊断发现的难度增加,因此,迫切需要一套更加准确高效的实时维护故障诊断系统,对硬件系统进行全面的异常及故障信息实时检测、故障诊断及故障预测。传统故障诊断系统在面对数万节点规模的诊断时存在执行效率低、异常检测误报率高的问题,异常检测及故障诊断的覆盖率不足。对异常及故障检测、故障诊断与故障预测相关技术进行研究,分析技术原理及适用性,并结合E级高性能计算机实际工程需求,设计一套满足数E级高性能计算机需求的维护故障诊断系统。基于维护系统的结构组成设计可扩展的边缘诊断架构,将高性能计算机系统知识、专家知识与数理统计、机器学习相融合给出故障检测、诊断及预测算法,并针对专用场景建立预测模型。实验结果表明,该系统具有较好的可扩展性,能在10 s内完成对十万个节点规模系统的故障诊断,与传统故障诊断系统相比,异常检测某特定指标误报率从3.3%降低到几乎为0,硬件故障检测覆盖率从90.2%提升至96%以上,硬件故障诊断覆盖率从71%提升至约94%,能较准确地预测多个重要应用场景下的故障。 相似文献
8.
基于机器视觉的列车部件故障诊断方法提高了人工巡检的速度和准确率,是近年来机器视觉技术的研究热点之一。通过对机器视觉技术在列车故障诊断方面的研究成果的回顾,对其中的图像配准和故障诊断等关键技术进行综述,总结相关原理、优缺点、国内外发展现状。3D技术的发展为列车故障诊断提供了新的研究方向。对3D检测技术的原理及其在列车部件故障诊断方面的应用进行详细介绍。对目前列车部件故障诊断研究中存在的问题和未来发展趋势进行总结和展望。 相似文献
9.
10.
针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法。BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能力。通过开源的UCI数据集对该算法的性能进行了测试,相较于RF以及合成少数类过采样(Synthetic Minority Over-sampling Technique,SMOTE)与RF的组合算法SMOTE-RF,BRF算法在少数类分类精确率方面有所提升。最后,将BRF算法应用于轴向柱塞泵的故障诊断中。结果表明,在类间数据不均衡的条件下,相较于RF及SMOTE-RF算法,BRF算法能够取得更高的故障分类精确率。 相似文献