全文获取类型
收费全文 | 247篇 |
免费 | 24篇 |
国内免费 | 7篇 |
专业分类
电工技术 | 13篇 |
综合类 | 62篇 |
化学工业 | 7篇 |
金属工艺 | 7篇 |
机械仪表 | 37篇 |
建筑科学 | 37篇 |
矿业工程 | 6篇 |
能源动力 | 13篇 |
轻工业 | 2篇 |
水利工程 | 14篇 |
石油天然气 | 3篇 |
武器工业 | 1篇 |
无线电 | 20篇 |
一般工业技术 | 26篇 |
冶金工业 | 2篇 |
自动化技术 | 28篇 |
出版年
2024年 | 3篇 |
2023年 | 2篇 |
2022年 | 3篇 |
2021年 | 4篇 |
2020年 | 12篇 |
2019年 | 14篇 |
2018年 | 6篇 |
2017年 | 2篇 |
2016年 | 8篇 |
2015年 | 9篇 |
2014年 | 24篇 |
2013年 | 10篇 |
2012年 | 14篇 |
2011年 | 17篇 |
2010年 | 24篇 |
2009年 | 21篇 |
2008年 | 18篇 |
2007年 | 16篇 |
2006年 | 5篇 |
2005年 | 3篇 |
2004年 | 10篇 |
2003年 | 4篇 |
2002年 | 4篇 |
2001年 | 2篇 |
2000年 | 8篇 |
1999年 | 13篇 |
1998年 | 7篇 |
1997年 | 4篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 3篇 |
1993年 | 1篇 |
1989年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有278条查询结果,搜索用时 519 毫秒
41.
在精密空调控制中,由于环境温度、相对湿度等因素的相关影响,基于模糊控制PID、神经网络PID算法实现的控制系统在环境调节过程中,可能使执行机构陷入往复操作的震荡局面,从而浪费能源;另一方面,上述算法存在实现复杂、系统资源需求大、控制系统成本高的缺点.结合精密空调控制系统的特点,提出了基于模糊评判与状态预测的控制模型,该模型基于模糊控制的基本原理和控制要求设计一模糊控制规则表,将精密空调对环境的调节看成执行机构从初态到终态一系列的状态变化过程,根据检测机制当前检测到的温湿度,利用规则表和模糊评判函数决定对执行机构的控制操作.该模型在单片机上得到了实现.实验表明:基于模糊评判与状态预测的控制模型有效克服了模糊控制PID、神经网络PID模型的不足,开发的控制系统成本低,节能效果良好. 相似文献
42.
面对配电检修现场与故障情况复杂、故障处置时效要求高等情况,为提高配电检修质量、缩短检修所需时间,给出了一种基于3G网络的智能配电检修支持系统设计方案.该系统以面向服务的架构为基本构架模式,专家系统为支撑核心,智能手机等移动平台为应用终端,基于3G网络,构成一个分布式智能系统,为处于检修现场的检修人员,提供完备及时的检修... 相似文献
43.
结合DSM的需要和电力负荷管理 (以下简称电力负管 )发展的历史和现状 ,提出了充分利用现有资源 ,完善和发展电力负管的几项新功能 :远方抄表、负荷分析预测、反窃电、谐波监测、配变监测和集抄功能等 ,探讨充分利用现有资源发展电力负管的方法和方向。 相似文献
44.
在数字音频里,由于LMS算法具有低计算复杂度、在平稳环境中的收敛性好和利用有限精度实现算法时的稳定性等特性,使LMS算法成为自适应算法中应用最广泛的算法。本文对LMS算法及其改进算法进行了研究,探讨了步长因子μ(n)对各种算法收敛性、稳定性的影响。结果表明,变步长μ(n)的取值尤为重要,如果μ(n)取较大值则具有较快的收敛速度,如果μ(n)取值很小,则NLMS算法近似等效于LMS算法。它们的自适应过程较快,性能有了很大改进。 相似文献
45.
46.
为了从细观角度揭示胶凝砂砾石(CSG)材料损伤演变机制和裂纹的分类演化规律,结合声发射测试技术,采用Geiger时差定位法、上升角-平均频率法和高斯混合模型,对CSG材料的裂纹类型进行识别.结果表明:CSG材料的破坏过程可分为原始裂纹闭合、新生裂纹扩展、裂纹聚结和峰后破坏4个阶段;声发射事件的三维定位直观反映了裂纹萌生、扩展直至贯通的动态演化过程;通过裂纹类型识别,加载前期试件以剪切裂纹为主,后期拉伸裂纹占比增加,在临近破坏前,高水胶比时剪切裂纹与拉伸裂纹比约为2∶1,低水胶比时约为1∶1. 相似文献
47.
48.
49.
非侵入式负荷监测仅依靠测量得到的总负荷的电压、电流与功率等承载电力信息的信号就实现负荷监测,无需额外的计量装置和线路改造,因此得到广泛研究。针对传统深度神经网络分解模型准确度仍不能满足实际需求的现状,本文提出了一种基于多层多核卷积深度神经网络分解模型。为体现不同设备的特性,模型在数据分割时采用不同的序列长度。然后,模型将分割后的数据先通过高维映射将输入的功率时间序列映射到高维向量,再利用多层卷积法与多核卷积法共同构建出的深度神经网络对生成的信息向量进行特征提取,经多次迭代学习生成负荷分解模型。与多种用于非侵入式负荷分解的深度学习方法相比,本模型对负荷识别准确率提升效果显著,在REDD数据集上的识别准确率达到99.41%。 相似文献