全文获取类型
收费全文 | 58篇 |
免费 | 7篇 |
国内免费 | 2篇 |
专业分类
电工技术 | 2篇 |
综合类 | 5篇 |
金属工艺 | 13篇 |
机械仪表 | 19篇 |
矿业工程 | 4篇 |
能源动力 | 2篇 |
轻工业 | 13篇 |
无线电 | 1篇 |
一般工业技术 | 4篇 |
冶金工业 | 1篇 |
自动化技术 | 3篇 |
出版年
2023年 | 3篇 |
2022年 | 2篇 |
2021年 | 5篇 |
2020年 | 6篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2012年 | 5篇 |
2011年 | 6篇 |
2010年 | 4篇 |
2009年 | 7篇 |
2008年 | 2篇 |
2007年 | 5篇 |
2006年 | 3篇 |
2005年 | 1篇 |
2004年 | 2篇 |
2003年 | 2篇 |
排序方式: 共有67条查询结果,搜索用时 15 毫秒
61.
研究时效前预拉伸对Al-Cu-Mg-Ag合金析出相和力学性能的影响。结果表明:165℃时效前的预拉伸可提高合金的峰值硬度及强度,延长峰值时效的时间;合金的主要强化相是Ω相和θ′相,预拉伸引入的位错抑制了Ω相的析出与长大,细化Ω相的尺寸,同时促进θ′相的析出;时效前未经变形时,合金出现峰值的时间是10h,对应的σb为492MPa;时效前经4%预拉伸变形后,合金出现峰值的时间是18h,对应的σb为508MPa。 相似文献
62.
研究了Al-5.2Cu-0.4Mg-1.02Ag合金在不同时效制度下的力学性能和显微组织,并详细分析了合金的主要析出相Ω的形核与粗化,同时提出了浓度台阶粗化机制.结果表明:合金的主要强化相是Ω相和θ'相.欠时效时出现了大量细小的Ω相和少量的θ'相;峰时效时Ω相和θ'相的体积分数大大增加,且Ω相与基体呈半共格关系;过时效时出现了球状的平衡θ相,Ω相略为长大,而θ'相的长度和厚度明显增大.Mg/Ag原子簇是时效初期Ω相的形核核心;Mg,Ag和Cu的浓度差异引起的台阶迁移是Ω相粗化的驱动力.由于Mg和Ag原子在Ω相与基体界面存在时降低了晶格的畸变能,使得Cu原子向Ω相迁移的速率受到限制,因此Ω相能够在长时间下保持片状而不发生共格失稳. 相似文献
63.
64.
65.
针对轴承故障诊断中知识难以获取的问题,提出了一种GA-CFS(Genetic Algorithm and Correlation-Based Feature Selection,GA-CFS)结合案例推理的轴承故障诊断方法。利用案例推理技术(Case-Based Reasoning,CBR)建立轴承故障案例库进行故障诊断。又针对案例推理技术中案例检索时遇到的属性冗余问题,以及难以人工确定关键属性及其权重的问题,采取GA-CFS方法对属性集合进行筛选,初步确定特征子集,再根据遗传算法确定各个子集中的特征的权重,最后根据特征子集及其权重选取符合要求的最佳特征子集,再用该特征子集构建轴承故障案例库,并通过实验验证了该方法的可行性。 相似文献
66.
针对传统的机器学习算法在应对工业系统中样本不均衡现象时难以获得较高的异常检测性能的问题,提出一种基于深度动态密度估计的轴承信号异常检测方法(DCEN)。首先,训练该压缩网络时只需要从正常样本中提取特征,得到原始数据的低维表示;接着将其进一步输入到高斯混合模型(GMM)中,对正常数据进行动态密度估计;然后,利用估计网络来促进模型的参数学习,以端到端的方式多次迭代同时优化深度自动编码器和混合模型的参数;最后,采用高斯混合模型的预测能量值作为异常分数,模型在没有学习异常样本分布的情况下将故障样本输入到本文模型中产生更高的异常分数来检测异常。通过在3个不同轴承数据集上的实验和对比分析,验证了该方法的有效性和优越性。 相似文献
67.