全文获取类型
收费全文 | 626篇 |
免费 | 40篇 |
国内免费 | 42篇 |
专业分类
电工技术 | 27篇 |
综合类 | 46篇 |
化学工业 | 64篇 |
金属工艺 | 60篇 |
机械仪表 | 49篇 |
建筑科学 | 40篇 |
矿业工程 | 39篇 |
能源动力 | 11篇 |
轻工业 | 53篇 |
水利工程 | 13篇 |
石油天然气 | 74篇 |
武器工业 | 3篇 |
无线电 | 44篇 |
一般工业技术 | 52篇 |
冶金工业 | 56篇 |
原子能技术 | 22篇 |
自动化技术 | 55篇 |
出版年
2024年 | 10篇 |
2023年 | 31篇 |
2022年 | 13篇 |
2021年 | 38篇 |
2020年 | 28篇 |
2019年 | 38篇 |
2018年 | 23篇 |
2017年 | 4篇 |
2016年 | 21篇 |
2015年 | 23篇 |
2014年 | 30篇 |
2013年 | 41篇 |
2012年 | 34篇 |
2011年 | 36篇 |
2010年 | 27篇 |
2009年 | 28篇 |
2008年 | 29篇 |
2007年 | 29篇 |
2006年 | 25篇 |
2005年 | 22篇 |
2004年 | 22篇 |
2003年 | 27篇 |
2002年 | 15篇 |
2001年 | 14篇 |
2000年 | 12篇 |
1999年 | 14篇 |
1998年 | 11篇 |
1997年 | 7篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 6篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1986年 | 3篇 |
1985年 | 9篇 |
1984年 | 6篇 |
1983年 | 10篇 |
1982年 | 2篇 |
1980年 | 1篇 |
1976年 | 1篇 |
1960年 | 1篇 |
排序方式: 共有708条查询结果,搜索用时 0 毫秒
1.
2.
3.
为了掌握高Al2O3条件下(w(Al2O3)为15%以上)高炉渣系的熔化特性,利用差式扫描量热仪分析了不同w(MgO)/w(Al2O3)、碱度(R)以及w(Al2O3)对高铝高炉渣的熔化温度及熔化热的影响。试验结果表明,炉渣熔化开始温度为1 248~1 291 ℃、熔化结束温度为1 432~1 485 ℃、熔化热为137~211 J/g;当w(Al2O3)=15%、高w(MgO)/w(Al2O3)时,发生了共晶逆反应,导致高炉炉渣熔化开始温度逐渐降低,但由于高炉炉渣的液相线温度基本未变,所以炉渣熔化结束温度基本未发生改变;w(Al2O3)为20%时,随着w(MgO)/w(Al2O3)的增加,炉渣中易生成熔点较高的镁铝尖晶石,导致高炉炉渣熔化开始温度逐渐增大,与此同时,炉渣液相线温度逐渐降低,导致炉渣熔化结束温度逐渐降低;随着碱度R的增加,高炉炉渣中生成了具有高熔点的化合物、炉渣的液相线温度升高,使得高炉炉渣的熔化开始温度逐渐增加、炉渣熔化结束温度逐渐升高;随着w(Al2O3)的增加,发生了共晶逆反应,故炉渣的熔化开始温度逐渐降低,而随着w(Al2O3)的增加,炉渣中键能较大的Al—O键增多,需要在更高温度下才能实现炉渣的最终熔化,即熔化结束温度逐渐增加;随着w(MgO)/w(Al2O3)、R以及w(Al2O3)的增加,炉渣熔化热逐渐增多。分析认为,随着R的增加,炉渣中有高熔点化合物的生成,熔化热增加;随着炉渣中w(Al2O3)的增加,炉渣中Al—O键增多,解聚破坏熔渣结构消耗的热量增多;而随着w(MgO)/w(Al2O3)增加,高熔点化合物的生成或熔化开始温度降低,造成熔化热增加。 相似文献
4.
研究了催化光度返滴定微量锰的原理,拟定了反应的最佳条件,建立了测定微量锰的新方法。该法线性范围为1×10-7~1×10-5mol·L-1,具有较高的灵教度和准确度.用于测定人发中的微量锰(Ⅱ),结果令人满意。 相似文献
5.
6.
7.
海洋立管-海床土体接触作用数值分析 总被引:1,自引:0,他引:1
钢悬链线立管(SCR)与海床土体的接触问题会使立管疲劳寿命急剧减少因而受到广泛关注。引入包含土体吸力效应的简化帽盖型P-y曲线,据此利用等效弹簧单元模拟土体并建立了立管与弹簧的有限元接触模型,计算并分析了不同立管竖向位移荷载和土体吸力最值下管道形态和弯矩的变化规律,讨论了着陆点(TDP)位置和着陆区(TDZ)深度与土体受力变化之间的关系。结果表明,立管弯矩在着陆点处变化最剧烈,在其两侧分别达到正负弯矩峰值,同时土体在相应位置出现吸力和承载力最大值,着陆区以后管土各变量基本无变化。 相似文献
8.
9.
10.
一种基于混合神经网络的浮选pH值预测模型 总被引:1,自引:0,他引:1
矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量。目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值。为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立pH值预测模型。最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率。 相似文献