全文获取类型
收费全文 | 113篇 |
免费 | 25篇 |
国内免费 | 19篇 |
专业分类
电工技术 | 6篇 |
综合类 | 22篇 |
化学工业 | 25篇 |
金属工艺 | 1篇 |
机械仪表 | 15篇 |
轻工业 | 5篇 |
武器工业 | 3篇 |
无线电 | 8篇 |
冶金工业 | 4篇 |
自动化技术 | 68篇 |
出版年
2022年 | 2篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 2篇 |
2017年 | 2篇 |
2016年 | 5篇 |
2015年 | 3篇 |
2014年 | 6篇 |
2013年 | 6篇 |
2012年 | 7篇 |
2011年 | 4篇 |
2010年 | 7篇 |
2009年 | 11篇 |
2008年 | 14篇 |
2007年 | 9篇 |
2006年 | 14篇 |
2005年 | 10篇 |
2004年 | 6篇 |
2003年 | 8篇 |
2002年 | 13篇 |
2001年 | 11篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 4篇 |
1991年 | 1篇 |
1951年 | 1篇 |
排序方式: 共有157条查询结果,搜索用时 15 毫秒
1.
2.
复杂化工过程的观测数据往往同时包含非线性和强动态特性,而传统的化工过程软测量方法无法准确提取观测数据的非线性动态特征,以至影响数据建模和质量预报的准确性。提出了一种基于变分自编码器的深度融合特征提取网络(deep fusion features extraction network, DFFEN)。在变分自编码器框架下,通过构建潜隐特征信息传递通道,提取非线性动态潜隐变量。并利用自注意力机制(self-attention)融合关键的隐层信息,优化因信息传递通道过长而导致的潜在特征被遗忘的问题。此外,在后端网络构建潜隐变量和关键质量变量之间的回归模型,以实现关键质量变量的预报。最后,通过数值案例和实际的合成氨过程验证了所提出的DFFEN模型的可行性和有效性。 相似文献
3.
4.
5.
对周界防范系统的功能和技术要求进行了分析,提出了应用无线传感器网络以提高入侵报警准确率并降低误报、错报率的策略.主要讨论了系统的分层要求、信息传输和数据融合.给出了一种满足实时性和自组织要求的系统网络拓扑结构和智能定位方法,为实现周界防范的智能化提供了一种新的思路. 相似文献
6.
化工过程通常具有非线性、时变以及多产品等特性。针对上述特点,在集成学习框架下建立自适应软测量模型。首先,面向具有多个产品的化工对象,借助k近邻法,以统计假设检验理论为依据,提出一种自适应局部化方法,获得多样性程度高的局部模型集合。然后,根据未知样本量化局部模型的泛化能力,通过选择性集成方法获得主导变量的估计值。此外,为了对主导变量估计值的精度进行评估,基于局部模型泛化误差,给出一种通用性高的模型性能评价方法。在仿真的盘尼西林生产过程上的运行结果验证了所提方法的有效性。 相似文献
7.
纸机定量横向分布控制是一个高维多变量工业控制系统,直接设计控制器存在着控制算法在线计算量大、难以实时实现的困难.本文通过引入新型的控制变量约束,对系统进行分块解耦,提出了控制算法的一种分散化并行实现策略,并给出了相应的多微处理机系统并行实现结构. 相似文献
8.
一种新的多工况过程在线监测方法 总被引:3,自引:3,他引:0
针对复杂工业过程中的多工况和非高斯信息问题,提出一种基于外部分析的ICA-PCA(independent component analysis and principal component analysis)在线统计监测新方法。首先把过程变量分为外部变量和主要变量,通过偏最小二乘(PLS)回归方法分离外部变量对主要变量的影响,然后利用ICA-PCA两步信息提取策略,完整地提取过程的信息,最后用3个统计量对过程进行监测,建立了一种具有非高斯特性的多工况过程在线监测算法。通过对一个数值例子和连续搅拌槽(CSTR)过程的仿真研究,说明提出的方法是可行、有效的。 相似文献
9.
为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性. 相似文献
10.