全文获取类型
收费全文 | 68篇 |
免费 | 7篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 18篇 |
综合类 | 2篇 |
化学工业 | 3篇 |
金属工艺 | 4篇 |
机械仪表 | 10篇 |
建筑科学 | 2篇 |
矿业工程 | 2篇 |
能源动力 | 5篇 |
轻工业 | 8篇 |
水利工程 | 4篇 |
石油天然气 | 2篇 |
无线电 | 4篇 |
一般工业技术 | 2篇 |
冶金工业 | 1篇 |
自动化技术 | 9篇 |
出版年
2023年 | 2篇 |
2022年 | 1篇 |
2021年 | 11篇 |
2019年 | 6篇 |
2018年 | 4篇 |
2016年 | 1篇 |
2015年 | 3篇 |
2014年 | 5篇 |
2013年 | 6篇 |
2012年 | 2篇 |
2011年 | 6篇 |
2010年 | 2篇 |
2009年 | 9篇 |
2008年 | 5篇 |
2007年 | 2篇 |
2006年 | 3篇 |
2005年 | 1篇 |
2003年 | 2篇 |
2001年 | 1篇 |
1998年 | 3篇 |
1997年 | 1篇 |
排序方式: 共有76条查询结果,搜索用时 15 毫秒
2.
大孔树脂分离纯化葡萄籽原花青素的研究 总被引:1,自引:0,他引:1
本文研究了大孔树脂分离纯化葡萄籽提取物中原花青素的方法。先对5种大孔吸附树脂用静态筛选方法选择HPD100和HPD400树脂,进一步以动态吸附与解吸附实验比较了两种树脂对葡萄籽提取物原花青素的吸附与洗脱效果。结果表明:HPD100、HPD400树脂对葡萄籽提取物中原花青素的动态饱和吸附量分别为101.2和92.1mg·g-1,乙醇洗脱的总洗脱率分别为96.5%和92.0%;其中30%乙醇洗脱样品中原花青素含量分别为74.8%和85.0%;50%乙醇洗脱样品中原花青素含量分别为70.0%和73.9%。与HPD100相比较,HPD400更适合葡萄籽原花青素的分离与富集。 相似文献
3.
为克服机理建模方法的不足,对利用现场数据建立过热汽温模型进行了研究。通过对过热器运行机理的分析,确定了影响过热汽温变化的主要因素,及其对过热汽温影响的延迟时间。在论述了神经网络建模原理的基础上,建立神经网络模型。通过大量现场数据的训练,使所建模的输出与实际系统的输出基本吻合。最后,用部分现场数据对所建模型进行了仿真试验,证明了该建模方法的可行性。基于神经网络建模计算速度快及模型精度高,模型输出基本上反映了过热汽温的实际运行情况。 相似文献
4.
5.
有效检测控制啤酒中的双乙酰 总被引:4,自引:0,他引:4
双乙酰是衡量啤酒风味成熟与否的决定性指标,其含量超过其味阈值,会给啤酒带来不愉快的馊饭味,影响啤酒风味。两种检测方法比较,以方法二为好。选择的检测点有:(1)酵母对双乙酰的还原性能;(2)冷麦汁、压缩空气、接种酵母、发酵容器、管道等生产环节的微生物;(3)冷麦汁α-氨基氮;(4)冷麦汁pH值和发酵液pH值;(5)接种麦汁溶解氧;(6)酵母接种量;(7)发酵液补加酵母量;(8)清酒及成品双乙酰含量。 相似文献
6.
为提高燃气轮机研制过程中的风险管理能力,针对果蝇算法(Fruit Fly Optimization Algorithm,FOA)及BP神经网络的缺陷,构建了自适应果蝇算法(Adaptive Fruit Fly Optimization Algorithm,AFOA),提出基于自适应果蝇算法优化BP神经网络的风险预测模型,利用自适应果蝇算法优化BP神经网络的阈值和权值。挖掘燃气轮机研制风险因素及风险事件之间的关系,并根据风险因素的权重预测风险事件的权重。利用燃气轮机研制风险的相关历史数据进行验证,表明该模型具有较高的预测精度和应用价值。 相似文献
7.
8.
当我们还在惊叹背投大电视的浅薄身躯、 102英寸大屏幕PDP显示器带给我们的视觉震撼之际,一项崭新的技术规范也开始悄悄降临显示业界,它就是新一代的xvYCC技术规范。不仅SONY 相似文献
9.
为了提高光伏发电功率预测精度,根据不同天气类型下光伏输出功率特点,确定光伏发电功率预测模型的输入量。针对狼群算法(wolf pack algorithm,WPA)缺陷,对狼群游走位置和奔袭步长进行改进,得到改进狼群算法(improved wolf pack algorithm,IWPA),并通过IWPA对最小二乘支持向量机(least squares support vector machine,lSSVM)进行优化,建立了考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测模型。采用不同天气类型下的光伏发电功率数据进行仿真,结果表明:无论是晴天、多云还是阴雨天气,所提方法预测精度更高,回归拟合时的误差波动更小。 相似文献
10.
针对故障特诊复杂多样和故障样本类别不平衡,使用传统故障诊断算法对机械设备进行故障预测时预测结果正确率和可靠性偏低的问题,提出一种改进的Stacking集成学习结构,一方面对数据集进行降采样来重构数据集,另一方面使用贝叶斯优化和网格搜索来调节单个机器学习模型参数,最后通过改进的Stacking集成学习框架将训练好的强机器学习模型融合在一起,实现对机械设备故障的预测.在斯堪尼亚卡车空压系统故障数据集上进行实验,获得了比LightGBM、CatBoost等任一单模型更好的效果,较适用于复杂工况下的机械设备的故障诊断,为准确率和可靠性要求高的场景提供一种解决方案,具有较强的应用价值. 相似文献