全文获取类型
收费全文 | 278篇 |
免费 | 21篇 |
国内免费 | 9篇 |
专业分类
电工技术 | 34篇 |
综合类 | 25篇 |
化学工业 | 26篇 |
金属工艺 | 4篇 |
机械仪表 | 11篇 |
建筑科学 | 34篇 |
矿业工程 | 6篇 |
能源动力 | 8篇 |
轻工业 | 39篇 |
石油天然气 | 10篇 |
无线电 | 29篇 |
一般工业技术 | 32篇 |
冶金工业 | 22篇 |
自动化技术 | 28篇 |
出版年
2024年 | 2篇 |
2023年 | 11篇 |
2022年 | 11篇 |
2021年 | 12篇 |
2020年 | 6篇 |
2019年 | 7篇 |
2018年 | 13篇 |
2017年 | 1篇 |
2016年 | 4篇 |
2015年 | 3篇 |
2014年 | 14篇 |
2013年 | 19篇 |
2012年 | 17篇 |
2011年 | 14篇 |
2010年 | 19篇 |
2009年 | 17篇 |
2008年 | 14篇 |
2007年 | 21篇 |
2006年 | 16篇 |
2005年 | 9篇 |
2004年 | 18篇 |
2003年 | 6篇 |
2002年 | 4篇 |
2001年 | 2篇 |
2000年 | 8篇 |
1999年 | 5篇 |
1998年 | 12篇 |
1997年 | 4篇 |
1996年 | 7篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1990年 | 1篇 |
1987年 | 1篇 |
1986年 | 2篇 |
1985年 | 2篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1980年 | 1篇 |
排序方式: 共有308条查询结果,搜索用时 0 毫秒
81.
为准确识别钢管混凝土柱的脱黏,考虑脱黏削弱混凝土与钢管的界面效应,从而导致钢管混凝土柱非线性振动特性减弱的原理,提出了基于MSVAR模型和DPC聚类的脱黏识别方法,通过在钢管混凝土柱表面沿纵向布置测点采集锤击下的自由振动加速度信号,采用MSVAR模型对加速度信号的非线性特性进行分析,并采用信息熵对其进行量化,通过DPC聚类技术找到准确的信息熵中心点(即非线性系数),反映钢管混凝土柱沿纵向的非线性程度变化。对5个不同脱黏状态的钢管混凝土柱进行锤击激励下的振动试验,得到钢管混凝土柱各测点的加速度非线性系数。试验结果表明:非线性系数沿柱高从上至下单调增大,离支座越近,非线性系数越大;非线性系数斜率比能用于识别脱黏,对于混凝土密实柱,非线性系数斜率比在1.0附近波动;对于存在脱黏柱,非线性系数斜率比远远偏离1.0;当从柱脱黏区域进入非脱黏区域,非线性系数斜率比远大于1.0,反之则远小于1.0。对某在建工程钢管混凝土柱进行现场实测,分析结果表明,基于MSVAR模型和DPC聚类分析得到的加速度非线性系数可准确反映柱的非线性分布规律。 相似文献
82.
随着我国电能需求量不断提升,配电网可靠性要求逐步提高,配电网设备状态研判难度也不断增大。针对该问题,本文提出一种基于群体优化-概率神经网络的配电网设备状态研判模型。引入改进后的人工鱼群算法对概率神经网络的平滑因子进行寻优,避免其因随机设置而导致研判精度不理想的问题。基于群体优化-概率神经网络算法建立设备状态研判模型,同时利用合成少数类过采样技术改善配电网数据集不平衡的问题,采用主成分分析法对数据集进行特征属性指标提取,减少冗余指标对状态研判精度和时间的影响。实验结果表明,本文模型在状态研判的精度和计算时间上均具有一定优势,能够在配电网的状态研判过程中起到辅助作用。 相似文献
83.
84.
本文从反馈放大器的角度分析了采用运算放大器的串联型稳压电源的工作原理。特别指明了电源的稳定度、漂移、纹波、噪声等性能,基本上由运算放大器和基准电压稳压管的性能所决定。并从数学上给出了它们的关系式。实验电源中包括一级有源滤波器,它放在串联稳压级和整流滤波电路之间。在结构上采取了多种屏蔽,注意了排板和接地,为充分发挥电路特点提供了条件。我们利用现有设备,解决了微伏量级纹波的测试。该电源输出电压为12V,当输出电源在0—500mA变化时,测得纹波峰—峰值优于5μV,与理论计算结果相符合。 相似文献
85.
86.
本文介绍了HP-5390A频率稳定度测试系统的工作原理和常见问题的处理方法;为减少参考源数目和提高系统的分辨率,在系统中加入JDY-1低噪声倍频链,使得系统的秒级稳定度达到1×10~(-13)量级,1毫秒稳定度达到5×10~(-11);本文最后叙述了阿仑方差和相位噪声两种测试结果间的转换方法,以方便各种工程要求。 相似文献
87.
针对输电线路无人机巡视图像经典鸟巢检测算法权重参数范围大、识别效率低、识别精度低的缺点,提出了一种改进型YOLOv4输电线路鸟巢检测与识别方法。首先,选取Mosaic图像增强技术对图片集进行多种变换,变相增加图片集中的小目标数量。其次,在骨干特征提取网络中,通过引入深度可分离卷积来提高检测网络的速度;在YOLO头中,基于K-means++算法改进锚框的大小和比例,基于最小凸集建立回归损失函数。最后,在PANet和YOLO头之间增加2个SPP模块,进一步增强特征融合能力,提高小目标检测能力。利用某供电局无人机巡检图像制作数据集,将提出的算法与其他目标检测算法进行对比实验研究。实验结果表明,改进后的算法有更高的鸟巢检测准确度和更低的运算开销。 相似文献
88.
89.
90.