全文获取类型
收费全文 | 157篇 |
免费 | 32篇 |
国内免费 | 11篇 |
专业分类
电工技术 | 7篇 |
综合类 | 5篇 |
化学工业 | 25篇 |
金属工艺 | 13篇 |
机械仪表 | 16篇 |
建筑科学 | 3篇 |
矿业工程 | 1篇 |
能源动力 | 4篇 |
轻工业 | 12篇 |
水利工程 | 5篇 |
石油天然气 | 1篇 |
无线电 | 23篇 |
一般工业技术 | 18篇 |
冶金工业 | 37篇 |
自动化技术 | 30篇 |
出版年
2024年 | 5篇 |
2023年 | 8篇 |
2022年 | 18篇 |
2021年 | 7篇 |
2020年 | 6篇 |
2019年 | 16篇 |
2018年 | 4篇 |
2017年 | 3篇 |
2016年 | 5篇 |
2015年 | 12篇 |
2014年 | 13篇 |
2013年 | 15篇 |
2012年 | 14篇 |
2011年 | 8篇 |
2010年 | 7篇 |
2009年 | 9篇 |
2008年 | 7篇 |
2007年 | 7篇 |
2006年 | 5篇 |
2005年 | 3篇 |
2004年 | 6篇 |
2003年 | 3篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
1989年 | 4篇 |
排序方式: 共有200条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
5.
基于声发射检测技术的转炉耳轴轴承故障诊断 总被引:1,自引:0,他引:1
以转炉耳轴轴承为研究对象,将声发射技术应用于转炉耳轴轴承的故障诊断中,提出了应用主成分分析(PCA)和最小二乘支持向量机(LS-SVM)相结合的故障诊断方法。首先,对声发射信号的特征量进行主成分分析,得到更能反映设备状态的综合特征参数,然后将新的特征参数输入到最小二乘支持向量机中进行状态识别。利用在实际生产过程中采集到的转炉耳轴轴承声发射数据进行方法验证。结果表明,新方法能够有效区分出转炉耳轴轴承的故障模式,识别的总体正确率可达97.8%。 相似文献
6.
以机械设备的运行状态为研究对象,提出一种基于高维空间流形变化的趋势分析方法.该方法将一维时间序列重构到高维相空间中,利用相点邻域的切空间信息逼近流形的局部几何结构,从而得到描述流形变化的切方向矩阵;通过多向主元分析方法对不同状态下的流形切方向矩阵进行计算,获得各个状态的权重得分,从而实现对设备状态变化的趋势分析.对混沌信号添加幅值大小不同的冲击进行数值仿真试验,与LYAPUNOV指数、近似熵等传统非线性分析方法相比,该方法能够更有效地描述系统状态变化的过程.将该方法应用于轴承外圈故障的振动信号分析中,成功地刻画了轴承疲劳劣化的趋势. 相似文献
7.
8.
目的确定高强双相钢表面Si、Mn元素选择性氧化行为对磷化性能的影响,以改善高强双相钢的磷化性能。方法在具备不同表面选择性氧化行为的试样表面制备磷化膜。采用X射线光电子能谱仪(XPS)、辉光光谱仪(GDS)、透射电镜(TEM)等手段,分析高强双相钢表面Si、Mn元素的选择性氧化行为,通过扫描电镜观察磷化膜的结晶状态,并采用电化学技术分析钢板在磷化液中的反应过程。结果当高强钢表面Si含量较少时,表面氧化物主要以弥散分布的小颗粒状Mn Al_2O_4形态存在,能够加快在磷化液中酸蚀反应速度,磷化晶粒均匀、致密,尺寸小于4mm,覆盖率为100%。当高强钢表面Si含量较高时,形成的Mn_2SiO_4容易在晶界聚集,颗粒尺寸较大,减慢了酸蚀反应速度,磷化晶粒尺寸大于8mm,均匀致密性差。而提高材料表面Mn元素的富集程度,可以减轻Mn_2SiO_4聚集的现象,提高酸蚀反应速度,磷化晶粒均匀、致密,尺寸小于4mm,覆盖率100%。结论减轻双相高强钢表面Si元素的富集程度,而提升Mn元素的富集程度,可以加快钢板在磷化液中的酸蚀反应,进而改善磷化性能。 相似文献
9.
邻域自适应选取的局部投影非线性降噪方法 总被引:1,自引:1,他引:1
局部投影降噪算法已广泛应用于非线性时间序列的分析中,但受邻域选取的影响较大。提出了一种按照自适应方式选取邻域大小的局部投影降噪算法。首先用时间延迟方法将一维时间序列重构到高维相空间。然后逐步增大每个待分析相点的领域大小,根据领域最大主方向变化过程中首次出现平稳阶段时,自适应地确定该相点的最优领域,最后再用局部几何投影的方法去除噪声成分。对洛伦兹信号和杜芬信号分别添加不同噪声水平的高斯白噪声,对领域自适应选取的局部投影算法与标准局部投影算法的降噪效果进行了比较。实验结果表明,自适应邻域选取方法,提高了局部投影算法的降噪能力和对领域参数的鲁棒性。 相似文献
10.
基于自适应稀疏表示的宽带噪声去除算法 总被引:3,自引:0,他引:3
为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声. 相似文献