全文获取类型
收费全文 | 83篇 |
免费 | 11篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 10篇 |
综合类 | 4篇 |
化学工业 | 3篇 |
金属工艺 | 3篇 |
机械仪表 | 7篇 |
建筑科学 | 7篇 |
矿业工程 | 1篇 |
能源动力 | 1篇 |
轻工业 | 4篇 |
水利工程 | 3篇 |
石油天然气 | 7篇 |
无线电 | 6篇 |
一般工业技术 | 7篇 |
冶金工业 | 13篇 |
自动化技术 | 19篇 |
出版年
2023年 | 6篇 |
2022年 | 12篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2019年 | 1篇 |
2018年 | 4篇 |
2016年 | 2篇 |
2015年 | 1篇 |
2014年 | 4篇 |
2013年 | 5篇 |
2012年 | 8篇 |
2011年 | 3篇 |
2010年 | 2篇 |
2009年 | 3篇 |
2008年 | 3篇 |
2007年 | 8篇 |
2006年 | 10篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 3篇 |
1995年 | 2篇 |
1991年 | 1篇 |
1985年 | 1篇 |
1976年 | 1篇 |
排序方式: 共有95条查询结果,搜索用时 62 毫秒
41.
42.
川崎取向硅钢存在热轧板边裂问题。针对此问题,日本川崎公司采取了板坯在1200℃以上加热时控制保护气氛中氧的质量分数及保持时间;调整粗轧压下率及轧制温度;实施宽压下及边部加热;变化材料的变形能,抑制边部鱼鳞状缺陷的发生等一系列措施,取得了缓解热轧板边裂的明显效果。 相似文献
43.
6061铝合金在空气中易产生氧化膜,氧化膜吸附的水分在TIG焊熔焊的同时产生氢气,这些氢气来不及析出,会影响零件机械性能.激光清洗技术能有效去除铝合金表面的氧化膜,对于6061铝合金航空薄壁焊接件,首先要确定激光清洗对6061铝合金材料的损伤以及性能影响,同时提出激光清洗对比化学清洗对焊缝质量的影响.结果 表明:激光清洗在焊接接头深度方面的传递未造成接头材料下部组织和结构的改性,未对焊接接头产生性能损伤. 相似文献
44.
45.
46.
47.
针对变速变桨风速发电机组如何在低风速时最大限度地捕获风能,提出了一种基于风速预测的改进爬山法最大功率追踪策略。首先搭建由模糊粗糙集(FRS)和神经网络预测(LSTM)两部分组成的预测模型,利用模糊粗糙集对噪声的敏感性,对风机多传感器采集的自然特性时间序列参数进行分析,通过属性约简,将输入信息的空间维数简化,确定神经网络的输入参数,作为后者LSTM神经网络预测模型部分的输入。利用LSTM在时间深度上有效避免梯度传播消失的特性,通过训练学习,抽取逼近隐含的输入输出的非线性关系,捕获时间序列风速上各个信息的关联度和时间延展度,得到风速的提前一步预测。然后依靠预测的风速信息,从搜索方向确定,搜索区间优化,避免最大功率点附近频繁波动3个方面改进了传统爬山法,避免传统方法的不足。通过GH bladed软件实验仿真表明:提出的最大功率追踪控制策略能够有效避免了风速变化情况下错误的搜索方向,提高追踪速度,明显减少风机在MPP点处的振荡,有效提高了风能捕获效率。 相似文献
48.
49.
为了实现高精度的风速预测,提出一种基于深度学习的模糊粗糙集(FRS)-神经网络(CLSTM)风速预测模型,该模型由FRS和CLSTM深度学习模型2部分组成。首先由FRS对自然特性时间序列参数进行属性约简,对庞大的数据集进行数据降维;然后结合风电机组风速软测量理论,优化确定CLSTM深度学习模型的输入参数;最后CLSTM深度学习利用卷积神经网络提取短期的多维度时间变量的依赖关系,利用循环神经网络捕获输入时间序列时间跨度上的长期特性,进而得到最终的预测风速。以某风电场实测数据为例进行仿真测试,结果表明所提出的FRS-CLSTM风速预测方法可有效提高风速的预测精度。 相似文献
50.
线性回归分类器(Linear Regression Classifier,LRC)是一种有效的图像分类算法,然而LRC未关注数据的局部结构信息,忽略了类内样本之间的差异性,因此当人脸图像存在表情、光照、角度、遮挡等变化时分类性能不佳.针对此问题,文中提出了一种基于局部加权表示的线性回归分类器(Local WeightedRepresentation based Linear Regression Classifier,LWR-LRC).LWR-LRC首先以测试样本与所有样本的相似性为度量,构建每类样本的加权代表样本;然后将测试样本分解为加权代表样本的线性组合;最后将测试样本分类到重构系数最大的类别.LWR-LRC考虑了样本的局部结构,构建了每类样本的最优代表样本,使用代表样本进行计算,在提高鲁棒性同时,大幅缩短了计算时间.在AR,CMU PIE,FERET和GT数据集上的实验的结果表明,LWR-LRC与NNC,SRC,LRC,CRC,MRC,LMRC等算法相比,在性能上有很强的优越性. 相似文献