全文获取类型
收费全文 | 107篇 |
免费 | 16篇 |
国内免费 | 3篇 |
专业分类
电工技术 | 4篇 |
综合类 | 5篇 |
机械仪表 | 56篇 |
能源动力 | 1篇 |
武器工业 | 1篇 |
无线电 | 4篇 |
一般工业技术 | 37篇 |
自动化技术 | 18篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 2篇 |
2018年 | 7篇 |
2017年 | 4篇 |
2016年 | 8篇 |
2015年 | 6篇 |
2014年 | 6篇 |
2013年 | 8篇 |
2012年 | 13篇 |
2011年 | 11篇 |
2010年 | 10篇 |
2009年 | 11篇 |
2008年 | 6篇 |
2007年 | 4篇 |
2006年 | 1篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2002年 | 2篇 |
2001年 | 2篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1996年 | 2篇 |
排序方式: 共有126条查询结果,搜索用时 15 毫秒
31.
信号在二进小波分解中相位产生变化,特别是低频段,直接影响信号检测结果的频域分析。在分析二进小波变换的低频移相特性后,提出了二进小波二次变换的理论方法,论述了其可行性,并通过多频信号小波分解细节图示给出了任何一层二进小波分解使相位后移90°的说明。通过线性多频和非线性两个实例分析,验证了振动信号的二进小波二次变换的相位保持能力。 相似文献
32.
传递路径分析是在振动噪声控制领域被广泛应用的一种有效方法。传递路径分析中将振动系统分成主动部分、被动部分以及连接主、被动部分的若干传递路径。在传递路径分析中需要对被动部分的频响函数进行测量。传统的传递路径分析需要先拆除子结构然后再测量频响函数,测试过程十分繁琐。提出了一种全新的方法来计算子系统的频响函数,直接由整个系统的频响函数矩阵推导得到子系统的频响函数矩阵的计算公式。该方法不需要对子系统进行物理解耦,大大缩短了测量子系统频响函数所需要的时间。数值算例和实验均验证了该方法的正确性和有效性。 相似文献
33.
提高子系统激励源的区分度对准确识别出主振动源有重要意义,而去趋势波动分析法(DFA)被认为是一种有效的方法。为更准确地提高子系统激励源的区分度,本文将DFA法与极值增量序列结合,提出了超阶分析新方法。首先建立了两相关子系统输入单输出系统模型,然后介绍了DFA法和超阶分析法的相关理论,接着分别用这两个方法分析了实验所得的相关信号的区分度,最后将所得的差异指数进行比较。结果表明,对于完全相关信号,超阶分析方法所得的差异指数远远小于DFA得到的,准确识别出信号差异仅为0.08%;对于部分相关信号,超阶分析法所得的差异指数比DFA得到的大了36.5%,更能提高相关信号的区分度,从而验证了超阶分析方法是一种区分相关子系统激励源的优秀方法。 相似文献
34.
为了有效控制旋转机械噪声,利用信号处理技术对整机或部件进行噪声源识别是十分必要的,噪声源准确识别可以为故障诊断和结构优化提供依据。首先论述建立均匀线性近场声阵列模型以获得空间声场数据的方法。其次,在传统波束形成结果基础上,利用反卷积法从中提取所需声场信息以实现对声源面可视化重构。接着,在所搭建转子噪声试验台上,利用近场声阵列提取各种工况下噪声信号,并识别出轴承以及盘轴连接处为转子主要噪声源,验证了基于声源成像反卷积法均匀线性近场声阵列在旋转机械噪声源识别方面的可行性。 相似文献
35.
36.
37.
碰摩转子弯扭耦合振动特性分析 总被引:11,自引:0,他引:11
在给出单盘转子弯扭耦合振动的一般理论模型后 ,对碰摩转子的弯扭耦合振动动力特性进行了理论分析。在给出几个基本概念和碰摩转子弯扭耦合振动的激振力形式、刚度与阻尼的变化后 ,建立了碰摩转子的非线性弯扭耦合振动微分方程。然后对弯扭耦合振动转子的碰摩特性进行了数值分析 ,得出了若干结论 ,找出了扭转对弯曲的影响特征。 相似文献
38.
针对不同顶端结构的声屏障对绕射声衰减量的影响,对四种常见的顶端结构利用国标GB/T17247.2-1998中规定的绕射声衰减量公式进行计算分析,根据0-5 000 Hz频域段内四种结构的绕射量变化曲线选择出最佳构型,结果表明Y形和T形结构绕射声衰减量最多,且几乎相等;然后通过声学软件Virtual Lab对Y形和T形结构进行隔声效果仿真分析,根据声影区内声压级分布情况判断降噪效果,结果显示Y形结构的声压级较T形降低覆盖面积更广,并计算这两种结构的插入损失,结果显示Y形结构较T形障板的降噪效果更好。 相似文献
39.
摘 要:为了提高齿轮箱轴承故障识别率,提出基于核独立分量分析(KICA)、广义辨别分析(GDA)与最小二乘支持向量机(LSSVM)的轴承故障识别方法。首先将轴承故障振动信号的谱峭度、信息熵等故障特征作为原始特征向量,通过KICA方法将原始特征向量映射到核特征空间,从而去掉不同故障特征间的冗余并消除原始特征向量间的相关性。然后利用GDA方法对故障特征进行非线性融合,并构造新的特征向量。最后,将新的特征向量作为LSSVM分类器的输入,并实现轴承的故障分类。齿轮箱滚动轴承故障诊断试验结果表明:KICA-GDA和LSSVM的故障诊断方法可以识别出更多的轴承故障信息,且提高了LSSVM的分类性能,该方法相对于直接采用LSSVM进行分类的轴承故障方法具有更优秀的分类性能。 相似文献
40.