全文获取类型
收费全文 | 66篇 |
免费 | 6篇 |
国内免费 | 3篇 |
专业分类
电工技术 | 16篇 |
综合类 | 5篇 |
化学工业 | 1篇 |
金属工艺 | 1篇 |
机械仪表 | 7篇 |
建筑科学 | 4篇 |
矿业工程 | 3篇 |
无线电 | 15篇 |
一般工业技术 | 3篇 |
冶金工业 | 1篇 |
自动化技术 | 19篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 2篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2018年 | 2篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 2篇 |
2013年 | 1篇 |
2012年 | 2篇 |
2011年 | 11篇 |
2010年 | 8篇 |
2009年 | 14篇 |
2008年 | 6篇 |
2007年 | 1篇 |
2006年 | 1篇 |
2005年 | 8篇 |
2004年 | 4篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2000年 | 1篇 |
1998年 | 2篇 |
排序方式: 共有75条查询结果,搜索用时 15 毫秒
1.
基于深度置信网络技术,使用C++编程语言设计了发电机旋转整流器故障诊断平台,实现了对故障信号特征的提取与分类。选择三级式发电机进行了实验验证,结果表明,该设计具有良好的故障诊断效果。 相似文献
2.
蓄电池荷电状态(state of charge,SOC)是电池管理系统最为重要的参数之一,由于飞机蓄电池工作环境恶劣复杂,具有较强的非线性,给蓄电池的在线 SOC估计带来较大的困难。以提高复杂应力条件下飞机蓄电池在线 SOC估计精度为目的,采用性能测试实验对蓄电池性能参数的温度、放电率特性进行研究,并提出递推最小二乘法与扩展卡尔曼滤波算法结合的改进 EKF方法,实现蓄电池等效电路模型参数的在线辨识以及蓄电池在线 SOC 的估计。上述方法通过物理实验进行了验证,实验结果表明,改进后 EKF方法的 SOC 估计误差小于0.5%,估计精度获得明显提高。 相似文献
3.
结合某滨海大型互通工程的海域海洋环境条件,充分考虑施工环境的变化,有针对性地对海上互通立交架设钢箱梁施工进行研究分析,结合钢箱梁在互通区域下穿、曲率半径、施工条件等限制因素,提出以“架桥机架设为主,履带吊+重载栈桥吊装为辅”的海洋环境中架设钢箱梁的施工技术,并对钢箱梁架设风险进行分析并提出有针对的措施。 相似文献
4.
提出了一种基于混杂系统建模和粒子滤波预测算法的电力电子电路故障预测方法。针对电力电子电路混杂特性,建立了描述电力电子电路故障变化的状态空间模型,同时采用粒子滤波预测算法,通过粒子迭代估计当前时刻系统状态和缓变参数的变化趋势。通过分析BUCK电路的工作状态,阐述了选择输出纹波电压作为电路故障判据的理由。仿真实验证明了本文方法的有效性。 相似文献
5.
针对数字电路测试矢量生成复杂、数量庞大的问题,研究了采用遗传算法进行优化选择的数字电路动态电流测试矢量生成方法.利用遗传算法全局优化、并行处理结构等特性来获得冗余度较小的精简测试集.将得到的测试集施加至电路中,并检测数字电路动态电源电流,再采用小波包分析提取故障特征信息,用BP神经网络来进行故障定位.以ISCA85'基准电路C432为例,验证了文中方法的有效性和可行性.实验结果表明所提出的新方法可以在较小的测试集下达到100%的故障诊断率. 相似文献
6.
根据**飞机上,CW-1002和Ⅱ-5的试飞结果,对两种产品的性能做了对比分析;对飞行中大气温度的获取方法提出了的新意见。 相似文献
7.
8.
9.
为了选择电路故障诊断中的特征样本,提出了产生云样本的方法,并用于神经网络的训练和识别.首先采用逆向云理论对初始特征样本进行统计以获取数字特征,其次采用正向云理论产生扩展训练样本,并用新产生的样本训练两种神经网络.仿真结果表明,采用云样本训练的神经网络要比采用常规样本训练的性能稳健,具有较好的抗噪卢性能,在模拟电路故障诊断中达到了较好的诊断效果. 相似文献
10.
基于高阶谱与支持向量机的电力电子电路故障诊断技术 总被引:3,自引:0,他引:3
针对现有电力电子电路故障诊断方法存在的不足,研究了采用高阶谱分析和支持向量机(support vector machine,简称SVM)的电力电子电路故障诊断和定位方法。首先利用高阶谱中的双谱技术分析、处理和提取电路状态的故障信息特征;然后设计和采用多类层次支持向量机分类器作为故障模式的训练和识别器,其中,分类器的结构利用模糊C-均值算法(fuzzy C-means,简称FCM)进行了优化;最后采用一个实际的Buck功率电路进行了建模、仿真和验证。结果表明,采用该方法对电力电子电路故障的诊断和定位率可达99%以上,达到了较为理想的诊断精度。 相似文献