全文获取类型
收费全文 | 36165篇 |
免费 | 2046篇 |
国内免费 | 1274篇 |
专业分类
电工技术 | 4304篇 |
技术理论 | 1篇 |
综合类 | 2464篇 |
化学工业 | 2563篇 |
金属工艺 | 2380篇 |
机械仪表 | 5610篇 |
建筑科学 | 3999篇 |
矿业工程 | 1651篇 |
能源动力 | 1719篇 |
轻工业 | 1330篇 |
水利工程 | 1450篇 |
石油天然气 | 1547篇 |
武器工业 | 619篇 |
无线电 | 2829篇 |
一般工业技术 | 2513篇 |
冶金工业 | 1790篇 |
原子能技术 | 532篇 |
自动化技术 | 2184篇 |
出版年
2024年 | 404篇 |
2023年 | 1223篇 |
2022年 | 1383篇 |
2021年 | 1497篇 |
2020年 | 1184篇 |
2019年 | 1068篇 |
2018年 | 478篇 |
2017年 | 772篇 |
2016年 | 948篇 |
2015年 | 1121篇 |
2014年 | 1994篇 |
2013年 | 1628篇 |
2012年 | 1838篇 |
2011年 | 1915篇 |
2010年 | 1706篇 |
2009年 | 1937篇 |
2008年 | 2442篇 |
2007年 | 1836篇 |
2006年 | 1592篇 |
2005年 | 1554篇 |
2004年 | 1268篇 |
2003年 | 1057篇 |
2002年 | 950篇 |
2001年 | 863篇 |
2000年 | 808篇 |
1999年 | 709篇 |
1998年 | 646篇 |
1997年 | 627篇 |
1996年 | 661篇 |
1995年 | 616篇 |
1994年 | 586篇 |
1993年 | 459篇 |
1992年 | 387篇 |
1991年 | 412篇 |
1990年 | 390篇 |
1989年 | 330篇 |
1988年 | 53篇 |
1987年 | 39篇 |
1986年 | 16篇 |
1985年 | 29篇 |
1984年 | 11篇 |
1983年 | 15篇 |
1982年 | 5篇 |
1981年 | 17篇 |
1980年 | 6篇 |
1979年 | 3篇 |
1959年 | 1篇 |
1951年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2.
由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。 相似文献
3.
5.
利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。 相似文献
6.
7.
针对高可靠度机载多余度EWIS各组成部分寿命服从指数分布但参数未知的情况,提出采用无失效数据可靠度分析方法评估EWIS的可靠度水平。通过Monte-Carlo仿真方法对连接形式为“先并联、后串联”EWIS各组成部分寿命进行抽样,利用“最小最大值”方法获得系统寿命的抽样值,用概率纸检验法初步判断EWIS寿命是否服从威布尔分布,再用Pearson拟合优度检验法判断EWIS寿命是否服从威布尔分布。结合无故障飞行时间的样本值与EWIS寿命服从威布尔分布的假设,采用无失效数据分析方法评估EWIS的可靠度水平。研究方法对机载多余度EWIS无失效数据可靠度分析有一定的贡献。 相似文献
9.
10.