全文获取类型
收费全文 | 35篇 |
免费 | 13篇 |
国内免费 | 3篇 |
专业分类
电工技术 | 2篇 |
化学工业 | 8篇 |
机械仪表 | 6篇 |
矿业工程 | 3篇 |
轻工业 | 5篇 |
石油天然气 | 2篇 |
武器工业 | 2篇 |
无线电 | 3篇 |
一般工业技术 | 2篇 |
冶金工业 | 2篇 |
自动化技术 | 16篇 |
出版年
2023年 | 1篇 |
2022年 | 1篇 |
2021年 | 3篇 |
2019年 | 8篇 |
2018年 | 1篇 |
2017年 | 2篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 3篇 |
2012年 | 5篇 |
2011年 | 3篇 |
2010年 | 9篇 |
2009年 | 1篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有51条查询结果,搜索用时 405 毫秒
11.
为解决靶标图像全局和局部离焦模糊问题,提出一种基于自适应模糊映射图估计的快速盲复原方法。首先,根据尺度空间图像边缘的连续性,自适应选择二次模糊量参考矩阵,并对离焦模糊靶标图像进行二次模糊,然后基于图像边缘差比计算稀疏模糊映射图,利用引导滤波进行插值获取模糊映射图,最后基于光学离焦退化模型建立模糊映射图和模糊退化图像之间的物理关系,实现离焦模糊靶标图像快速复原。实验结果表明,本文方法能够有效恢复离焦模糊靶标图像,增强靶标图像边缘特征,在算法运行效率上有极大优势,避免了迭代算法的高时耗问题,适合实际工业应用。 相似文献
12.
13.
支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述问题提出了一种基于SVDD的多时段间歇过程故障检测方法,利用SVDD的超球体半径值与支持向量个数的变化划分间歇过程的多时段,并建立了不同时段的SVDD故障检测模型,使用待检测样本点的球心距与对应时段的超球体半径之差检测过程故障,实现了多时段间歇过程的时段划分与过程故障检测。发酵过程仿真实验和实际生产实验结果表明,该方法能够准确地划分间歇过程的多时段,并且能够针对不同时段进行故障检测,具有较高的检测率。 相似文献
14.
集成电路测试在集成电路生产中具有重要的作用,针对集成电路测试软件不易跨平台使用的问题,基于Qt设计实现了一款采用视图/委托/模型框架的集成电路测试软件,给出了测试参数配置、测试程序运行及测试结果管理3部分功能的设计与实现方法;使用Lua开发了软件二次接口,利用多线程技术设计了软件运行引擎,并且采用标准测试数据格式实现了测试数据的存储;实验表明,所设计的软件能够进行集成电路测试并且具有良好的可扩展性和通用性. 相似文献
15.
采用不同的挤压速度和挤压温度对机械外壳用6061-0.8V新型含钒铝合金试样进行了挤压成型,并进行了力学性能的测试与分析。结果表明:随挤压速度由2 m/min提升至4.5 m/min,挤压温度由375℃升高到475℃,机械外壳用6061-0.8V新型含钒铝合金试样的抗拉、屈服强度先增大后减小,断后伸长率变化幅度较小,力学性能表现为先优化后下降。相比于2 m/min,3.5m/min速度挤压时的抗拉强度和屈服强度各增大了18、16 MPa;相比于375℃,425℃温度挤压时的抗拉强度和屈服强度各增大了20、24 MPa。机械外壳用6061-0.8V新型含钒铝合金挤压成型较佳的工艺参数选择为:挤压速度3.5 m/min、挤压温度425℃。 相似文献
16.
色差和条花是涤棉织物染色过程中易出现的疵病,分析了棉花品质和纺织工艺对染色成品质量的影响,详细介绍了在生产浅蓝、深蓝、艳蓝、绿色、深紫色和紫色及砖红色等品种时,染料和助剂的选择,生产工艺的制定,并提出了有效的预防措施。 相似文献
17.
18.
甲醇制烯烃(MTO)装置使用的催化剂SAPO-34分子筛具有较强的酸性催化特征,利用该性质对C_4和C_5进行裂解实验,文中通过实验得出在甲醇制烯烃催化剂的作用下能够部分裂解C_4和C_5,裂解产物中有目的产物质量分数约25%,不同的再生定碳对C_4和C_5的裂解程度也有差异,当再生催化剂定碳控制在1.3%—1.6%时,C_4和C_5的裂解程度最优。C_5回炼时,乙烯和丙烯的收率能提高0.49%;同时,未反应的C_4/C_5进入反应器后抑制了甲醇制烯烃反应中C_4/C_5的生成,进一步提高烯烃的收率。 相似文献
19.
20.
针对间歇过程时段的切换存在过渡区域,同时,间歇过程数据有着强非线性的特点,提出一种基于时段及过渡区域的KICA间歇过程监测方法。该方法基于MPCA及k-means聚类算法对间歇过程进行子时段划分,并基于第一主元贡献率差值识别时段间的过渡区域,在此基础上,对稳定时段建立统一KICA监测模型,而过渡区域针对各时刻滑动窗口进行KICA建模监测。将该方法应用于青霉素发酵过程在线监测,实验结果表明,相比sub..PCA监测方法,本文基于时段及过渡区域的KICA监测方法能更及时、准确的检测到过渡区域的异常。 相似文献