全文获取类型
收费全文 | 220篇 |
免费 | 74篇 |
国内免费 | 33篇 |
专业分类
电工技术 | 42篇 |
综合类 | 24篇 |
化学工业 | 15篇 |
金属工艺 | 7篇 |
机械仪表 | 27篇 |
建筑科学 | 1篇 |
矿业工程 | 11篇 |
能源动力 | 10篇 |
轻工业 | 2篇 |
水利工程 | 10篇 |
石油天然气 | 22篇 |
武器工业 | 1篇 |
无线电 | 19篇 |
一般工业技术 | 16篇 |
冶金工业 | 4篇 |
原子能技术 | 1篇 |
自动化技术 | 115篇 |
出版年
2024年 | 2篇 |
2023年 | 5篇 |
2022年 | 11篇 |
2021年 | 15篇 |
2020年 | 13篇 |
2019年 | 16篇 |
2018年 | 16篇 |
2017年 | 20篇 |
2016年 | 25篇 |
2015年 | 22篇 |
2014年 | 23篇 |
2013年 | 38篇 |
2012年 | 31篇 |
2011年 | 18篇 |
2010年 | 28篇 |
2009年 | 13篇 |
2008年 | 13篇 |
2007年 | 9篇 |
2006年 | 4篇 |
2005年 | 4篇 |
2004年 | 1篇 |
排序方式: 共有327条查询结果,搜索用时 0 毫秒
11.
针对螺栓出现松动故障信号产生非线性、非平稳的现象,提出一种基于VMD与LSSVM模型相结合的螺栓松动状态识别方法。搭建螺栓松动实验平台采集螺栓松动状态下4种工况的振动信号;利用VMD分解对螺栓松动状态各个工况下的振动信号进行分解,并计算VMD分解后各模态分量的能量熵,最后以各工况下VMD分解的各模态分量能量熵为特征构造特征向量矩阵,通过LSSVM模型进行训练与状态识别。实验结果表明:该方法可以有效的识别出的螺栓松动状态,并通过与EMD-LSSVM模型进行对比,验证了该方法用于螺栓松动状态识别的有效性、可行性与相较其EMD分解方法的优越性。 相似文献
12.
基于变异CPSO算法的LSSVM蒸发过程软测量 总被引:1,自引:0,他引:1
在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估。 相似文献
13.
14.
针对直接拟合得到的磨煤机一次风量黑箱软测量模型收敛性差、预测准确度较低的问题,在对风量测量进行机理特性分析的基础上,建立了一种以黑箱建模为主的结构逼近式混合软测量模型。黑箱模型部分采用最小二乘支持向量机(LSSVM)算法,并将机理特性融入到LSSVM模型中,经过输入变量类变换层的整合,将辅助变量中的压力信号转换为差压类、压力与温度的比值作为密度类、与一次风管路阻力相关的测点信号转换为风门风阻类,作为LSSVM模型的输入变量。应用电厂实际运行数据对一次风量进行预测,与直接拟合的预测效果相比,所建立的混合软测量模型收敛性好、预测精度高(引用误差波动0.54%),可为电厂生产中控制合理的风煤配比关系提供准确度更高的一次风量预测值。 相似文献
15.
利用核独立成分分析(KICA)进行非线性特征提取,然后用最小二乘支持向量机建立故障分类模型。研究表明,不同核函数对模型的性能有很大影响。利用已有核函数构造混合核函数,提出基于混合核函数的KI-CA-LSSVM故障分类方法,并应用到某石化企业的润滑油生产过程。实验结果表明该方法具有很高的分类和泛化能力。 相似文献
16.
针对土石坝渗透参数和测压管水位间复杂的非线性关系,应用最小二乘支持向量机于土石坝渗透系数的反演。首先利用有限元模型得到最小二乘支持向量机的训练样本,建立坝体水压分量相对值和渗透系数间复杂的非线性关系,并将其输入到训练好的最小二乘支持向量机模型,即可得到大坝渗透系数的反演值。以某土石坝为例经对比分析,该方法是可行的。 相似文献
17.
排汽焓是汽轮发电机组热经济性诊断必不可少的一个参数。通过汽轮机功率方程与灰色关联分析(grey correlation analysis,GCA)理论确定了模型的输入变量,利用万有引力搜索算法(gravitational search algorithm,GSA)优化了最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子μ以及核径向范围σ2个参数。通过比较分析,选用RBF_kernel为LSSVM的核函数。以GCA-GSA-LSSVM为基础,建立了预测汽轮机排汽焓的数学模型,并将其与BP神经网络、RBF神经网络进行对比,同时分析了该数学模型的鲁棒性。结果表明基于GCA-GSA-LSSVM的汽轮机排汽焓预测模型具有精度高、泛化能力强、鲁棒性强等优点,该方法为精确预测机组节能潜力提供了一种有力的工具。 相似文献
18.
提出一种基于混沌高斯局部吸引点量子粒子群(CGAQPSO)优化最小二乘支持向量机(LSSVM)的短期风电功率预测模型。首先,混沌算法初始化粒子种群,提高初始粒子在搜寻空间遍历性,将局部吸引点改进为高斯分布局部吸引点,增强粒子全局搜索能力,从而得到混沌高斯局部吸引点量子粒子群优化算法。对基于不同类型核函数(Linear、POLY、Sigmoid及RBF)进行比较,选择RBF核函数来构建LSSVM风电预测模型。最后,以安徽某风电场实测风电、温度及湿度的历史数据作为CGAQPSO-LSSVM(RBF)模型的训练数据。实验表明,与GA、PSO和QPSO优化LSSVM预测模型相比,所提出的CGAQPSO-LSSVM模型能够有效提高风电功率预测精确度。 相似文献
19.
基于最小二乘支持向量机和粒子群算法的两相流含油率软测量方法 总被引:6,自引:0,他引:6
为提高油水两相流含油率的测量精度,提出基于最小二乘支持向量机(least squares support vector machine,LSSVM)和改进的粒子群算法(particle swarm optimization,PSO)的含油率建模方法。该方法将测量的油水总流量和加热器上下游温差作为LSSVM输入,含油率作为输出,对含油率与温差和总流量的关系进行训练,通过改进的PSO优化LSSVM的参数,建立了含油率的优化模型,并用测试数据对含油率的模型进行了比较。实验结果表明,基于改进的PSO-LSSVM含油率模型比PSO-LSSVM和遗传算法–最小二乘支持向量机模型运算速度快,比理论修正模型测量精度高,含油率在4%~60%时,平均测量误差为0.93%。 相似文献
20.
根据物质的辐射能量特性,利用微波辐射计可以测量绝缘子表面污秽的天线温度。绝缘子污秽的主要成分是盐分和灰分,而天线温度和等值附盐密度及等值灰密度有着复杂的非线性关系。为了更精确表达其非线性关系,文章提出了基于粒子算法优化最小二乘支持向量机(LSSVM)的数学模型来描述这种关系。仿真结果表明,利用LSSVM构建的数学模型预测精度很高,且可由模型通过变步长迭代法对绝缘子污秽的等值附盐密度及等值灰密度进行反演,绝缘子污秽的等值附盐密度指标是确定污秽等级和绘制电网污区分布图的主要依据,因此具有很高的工程实际应用价值。 相似文献