全文获取类型
收费全文 | 59篇 |
免费 | 1篇 |
国内免费 | 32篇 |
专业分类
电工技术 | 8篇 |
综合类 | 1篇 |
化学工业 | 5篇 |
金属工艺 | 18篇 |
机械仪表 | 5篇 |
建筑科学 | 1篇 |
能源动力 | 7篇 |
轻工业 | 7篇 |
石油天然气 | 1篇 |
无线电 | 2篇 |
一般工业技术 | 3篇 |
冶金工业 | 2篇 |
原子能技术 | 26篇 |
自动化技术 | 6篇 |
出版年
2023年 | 3篇 |
2022年 | 4篇 |
2021年 | 5篇 |
2020年 | 6篇 |
2019年 | 5篇 |
2018年 | 3篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2014年 | 7篇 |
2013年 | 1篇 |
2011年 | 7篇 |
2009年 | 7篇 |
2008年 | 4篇 |
2007年 | 2篇 |
2006年 | 4篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2003年 | 4篇 |
2002年 | 1篇 |
1999年 | 2篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1993年 | 1篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1989年 | 4篇 |
1988年 | 2篇 |
1980年 | 1篇 |
排序方式: 共有92条查询结果,搜索用时 109 毫秒
31.
32.
变电运行是一个复杂的过程,通过对变电运行危险点、危险点的操作要求和预防危险点的措施进行分析,提出了对预防和管控危险点操控时的方式方法,对于变电运行危险点预防具有一定的现实意义。 相似文献
33.
确定化合物可以通过血脑屏障进入脑中并迅速从脑中清除,是判断药物能否作为阿尔茨海默病显像剂的首要条件.为发展99Tcm标记的阿尔茨海默病早期显像诊断药物,在前期研究与DNA分子结合的荧光探针钌金属配合物的基础上,设计合成了2个邻二氮杂菲类配体2-(9-蒽基)-1氢-咪唑[4, 5-f][1, 10]邻菲咯啉(2-(9-anthryl)-1H-imidazo[4, 5-f][1, 10]phenanthroline, aip)和2-(9-蒽基)-1乙基-咪唑[4, 5-f][1, 10]邻菲咯啉(2-(9-anthryl)-1ethyl-imidazo[4, 5-f][1, 10]phenanthroline, aeip),并与99Tcm (CO)+3进行标记.采用R-HPLC、纸电泳等方法研究标记产物的理化性质.正常小鼠体内生物分布研究表明,2种化合物99Tcm (CO)3+-aip和99Tcm (CO)3+-aeip均有一定的脑初始摄取,注射后2 min,前者为(1.028±0.096)%ID/g;后者为(1.191±0 197)%ID/g,因此标记物具有进一步研究的价值. 相似文献
34.
为发展锝-99m标记的阿尔茨海默病(Alzheimer's disease, AD)早期诊断显像药物,在荧光测定法基础上,建立了体外荧光法测定羰基铼配合物与Aβ_(1~40)淀粉样纤维结合的解离常数K_d的方法.同时,合成了配体2-(1-乙基苯并咪唑)吡啶(EPBI)及其铼的配合物Re(CO)_3Cl(EPBI),测定后者与体外缠结Aβ_(1~40)结合的解离常数Kd;采用直接标记法制备EPBI的[~(99)Tc~m(CO)_3]~+配合物,并研究配合物[~(99)Tc~m (CO)_3]~+-EPBI的理化性质及生物分布.结果表明,Re(CO)_3Cl(EPBI)与Aβ_(1~40)结合的解离常数K_d=13.3 μmol/L;正常小鼠体内生物分布研究表明,化合物[~(99)Tc~m (CO)_3]~+-EPBI的脑初始(2 min内)摄取值为(0.63±0.17)%ID/g(n=3),在脑内清除较快,120 min时,摄取值为(0.27±0.03)%ID/g(n=3). 相似文献
35.
随着国内工业自动化的快速发展,在冲压行业,PLC控制已经基本成为主流控制.随着冲床周边自动化逐渐普及,设备所要具备的功能越来越多,普通的单体PLC控制已经无法满足最新的控制需求.现场总线搭配远程模块的控制方式,完美的解决了中大型以及智能型设备对于电控系统的要求.本文介绍的是西门子ET200MP分布式I/O控制系统是基于... 相似文献
36.
本文详细阐述了Modbus TCP协议的基本概念和应用,主要介绍了基于ModbusTCP协议的AB控制器和昆仑通态触摸屏的通讯方式. 相似文献
37.
本文合成和标记了一种新的心肌显像剂~(113m)In-BAT-TE,测定了它的络合常数和净电荷、研究了它在小鼠体内的分布。实验表明,它是一种较理想的新型心肌显像剂。 相似文献
38.
39.
40.
涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特点,提出了一种遗传算法优选时序卷积网络(TCN)基模型的集成方法(GASEN-TCN)的涡扇发动机剩余寿命预测模型。首先,利用TCN捕获长跨度下的数据内在关系,从而对RUL作出预测;然后,应用GASEN集成多个独立的TCN,以增强模型的泛化性能;最后,在通用的商用模块化航空推进系统模拟模型(C-MAPSS)数据集上,对所提模型与当下流行的机器学习方法和其他的深度神经网络进行了比较。实验结果表明,在多种不同的运行模式和故障条件下,与流行的双向长短期记忆(Bi-LSTM)网络相比,所提模型都有着更高的预测准确率与更低的预测误差。以FD001数据集为例,在该数据集上所提模型的均方根误差(RMSE)相较Bi-LSTM低17.08%,相对准确率(Accuracy)相较Bi-LSTM高12.16%。所提模型在设备的智能检修与维护方面有着较好的应用前景。 相似文献