全文获取类型
收费全文 | 188篇 |
免费 | 2篇 |
国内免费 | 12篇 |
专业分类
电工技术 | 4篇 |
综合类 | 12篇 |
化学工业 | 3篇 |
金属工艺 | 68篇 |
机械仪表 | 5篇 |
建筑科学 | 1篇 |
石油天然气 | 2篇 |
无线电 | 1篇 |
冶金工业 | 84篇 |
自动化技术 | 22篇 |
出版年
2024年 | 1篇 |
2023年 | 8篇 |
2022年 | 10篇 |
2021年 | 6篇 |
2020年 | 3篇 |
2019年 | 7篇 |
2018年 | 1篇 |
2017年 | 2篇 |
2016年 | 4篇 |
2015年 | 11篇 |
2014年 | 6篇 |
2013年 | 6篇 |
2012年 | 9篇 |
2011年 | 8篇 |
2010年 | 10篇 |
2009年 | 14篇 |
2008年 | 19篇 |
2007年 | 11篇 |
2006年 | 9篇 |
2005年 | 5篇 |
2004年 | 7篇 |
2003年 | 8篇 |
2002年 | 6篇 |
2001年 | 8篇 |
2000年 | 6篇 |
1999年 | 8篇 |
1998年 | 1篇 |
1995年 | 1篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1988年 | 3篇 |
1987年 | 1篇 |
排序方式: 共有202条查询结果,搜索用时 15 毫秒
11.
12.
13.
14.
在热轧现场轧制规格切换或工况异常的情况下板凸度控制模型偏差较大,为了提高模型精度,提出了一种基于深度森林的热轧带钢凸度预测模型。深度森林模型融合了集成学习和深度学习的思想,采用了多粒度扫描增加数据特征多样性,采用级联森林逐层处理,使得模型具备强大数据拟合能力。将热轧数据经前期预处理导入模型,并对模型参数进行了网格搜索寻优,对比随机森林模型,深度森林模型的效果更优。基于深度森林的热轧带钢凸度预测模型得到了MSE值为6.537,MAE值为1.587,MAPE值为2.903%和R值为0.985的预测性能。 相似文献
15.
针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1 450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。 相似文献
16.
17.
18.
19.
20.
针对热轧带钢头部厚度精度较低的问题,提出了一种基于深度学习的热轧带钢头部厚度的命中预测方法。在精轧过程中,带钢头部张力较小,且通常温度较低;同时轧机工艺参数复杂,精准设定存在困难,轧制带钢头部经常会出现厚度不合格的现象。利用深度神经网络的非线性拟合能力,设计带钢头部厚度预测模型,给轧机的参数设定提供参考、提高头部厚度命中率、减少钢材浪费。深度神经网络(DNN)包含输入层、隐藏层、输出层,使用TensorFlow开源机器学习框架设计预测模型并用程序实现。调整神经网络各参数,通过研究它们对模型性能的影响,优化预测模型。最后使用多种厚度的带钢测试数据训练并检验头部厚度预测模型,结果显示,分类预测命中准确率在80%以上。 相似文献