全文获取类型
收费全文 | 232篇 |
免费 | 16篇 |
国内免费 | 9篇 |
专业分类
电工技术 | 44篇 |
综合类 | 69篇 |
化学工业 | 4篇 |
机械仪表 | 8篇 |
建筑科学 | 5篇 |
矿业工程 | 42篇 |
能源动力 | 5篇 |
轻工业 | 4篇 |
水利工程 | 2篇 |
石油天然气 | 1篇 |
无线电 | 6篇 |
一般工业技术 | 3篇 |
冶金工业 | 2篇 |
自动化技术 | 62篇 |
出版年
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 5篇 |
2020年 | 3篇 |
2019年 | 7篇 |
2018年 | 4篇 |
2017年 | 4篇 |
2016年 | 6篇 |
2015年 | 6篇 |
2014年 | 12篇 |
2013年 | 4篇 |
2012年 | 9篇 |
2011年 | 13篇 |
2010年 | 12篇 |
2009年 | 15篇 |
2008年 | 8篇 |
2007年 | 14篇 |
2006年 | 15篇 |
2005年 | 21篇 |
2004年 | 27篇 |
2003年 | 9篇 |
2002年 | 9篇 |
2001年 | 15篇 |
2000年 | 9篇 |
1999年 | 3篇 |
1998年 | 2篇 |
1997年 | 5篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 6篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1987年 | 1篇 |
1981年 | 2篇 |
排序方式: 共有257条查询结果,搜索用时 15 毫秒
1.
2.
光伏序列具有的较高复杂性对光伏发电功率的预测精度产生了极大影响,对此提出一种基于VMD-LSTM与误差补偿的光伏发电超短期功率预测模型。该模型第1阶段采用VMD算法将原始功率序列分解为若干个不同的模态,并对其建立对应的LSTM网络模型进行预测,通过对各模态的预测结果求和得到初始预测功率;第2阶段采用LSTM网络对误差序列进行误差补偿预测,然后将初始预测功率和误差预测功率求和得到最终预测结果。仿真结果表明,该预测模型对天气具有较高的适应性,预测精度达到97%以上。 相似文献
3.
在全国大学生智能车竞赛中,光电四轮组的单车竞速项目取得优异成绩的关键就是最大限度地提高车速,但是由于赛道元素的多元化(如增加圆环、环岛和十字回环等),简单的赛道图像处理和传统的PID控制算法已不能很好地控制智能车在最短的时间内实现加速与减速。本文提出一种图像与速度关联的串级控制方式,首先利用逆透视变换对赛道图像做优化处理,然后对优化后的赛道图像进行中心推算,并将速度环与转向环构成串级控制,最后由人工蜂群算法实时整定控制系统的PID参数,在最短时间内将车速调节至动态的设定值,使车速时刻动态保持最优状态。试验结果表明,该算法不仅提高了智能车的车速和车速控制的稳定性,而且增强了智能车对光照环境的适应能力。 相似文献
4.
针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO) 优化径向基函数(RBF)神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点,提出基于集合经验模态分解(EEMD)能量熵和模拟退火粒子群混合算法(SAPSO)优化RBF神经网络的提升机电机轴承故障诊断方法。基于EEMD求取振动信号各固有模态函数分量的能量熵,并使用相关性分析方法剔除虚假的分量,把筛选后的有效数据作为故障识别的特征向量;利用模拟退火(SA)算法具有局部概率突跳的特性,将SA算法和PSO算法相结合,在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补。仿真结果表明,使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度。 相似文献
5.
为了准确评估矿用提升机电气传动系统的健康状态,及时实施状态维修,保障提升机系统能够安全可靠运行,提出了基于模糊综合评价的矿用提升机电气传动系统状态评估方法。在对该传动系统各组成部分故障分析的基础上,构建了状态评估的指标体系,采用层次分析法计算指标的权重,并引入劣化度分析对指标标准化处理。最后对河南某矿型号为JKMD-4?4(Z)的提升机电气传动系统进行多层次模糊综合评价。结果表明:通过仿真分析验证,所建立的状态评估模型能准确地判断矿用提升机电气传动系统的运行状态。 相似文献
6.
光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。 相似文献
7.
8.
9.
10.