全文获取类型
收费全文 | 122篇 |
免费 | 61篇 |
国内免费 | 12篇 |
专业分类
电工技术 | 108篇 |
综合类 | 12篇 |
化学工业 | 1篇 |
机械仪表 | 7篇 |
建筑科学 | 2篇 |
矿业工程 | 3篇 |
能源动力 | 1篇 |
石油天然气 | 33篇 |
武器工业 | 1篇 |
无线电 | 4篇 |
一般工业技术 | 1篇 |
自动化技术 | 22篇 |
出版年
2024年 | 2篇 |
2023年 | 2篇 |
2022年 | 6篇 |
2021年 | 9篇 |
2020年 | 15篇 |
2019年 | 19篇 |
2018年 | 7篇 |
2017年 | 10篇 |
2016年 | 11篇 |
2015年 | 17篇 |
2014年 | 10篇 |
2013年 | 7篇 |
2012年 | 9篇 |
2011年 | 14篇 |
2010年 | 11篇 |
2009年 | 22篇 |
2008年 | 5篇 |
2007年 | 6篇 |
2006年 | 9篇 |
2005年 | 4篇 |
排序方式: 共有195条查询结果,搜索用时 15 毫秒
121.
122.
针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全S变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全S变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升树对各个特征的重要性进行度量,选取重要特征。最后根据选取的特征集训练和构建梯度提升树,得到扰动分类器。仿真实验表明,对于包括8种复合扰动在内的共17种扰动类型,该方法的分类准确率高于CART决策树、随机森林(RF)、多层感知机(MLP)等现有方法。不同噪声条件下的分类结果表明,该方法具有良好的抗噪性能和算法鲁棒性,展现出良好的应用前景。 相似文献
123.
124.
由于传统S变换(S-Transform,ST)在检测电压骤降问题时存在时频分辨率不高,计算量大的问题,深入研究传统S变换(Modified S-Transform,MST),给出了一种基于改进S变换的电压骤降自适应检测方法,可以准确、快速地实现电压骤降参数的准确提取。首先给出MST中调节因子的取值依据,并用实验分析法给出调节因子的取值范围;而后依据调节因子的取值分布情况,提出分段的调节因子;最后基于调节因子取值函数,建立自适应检测方法。在MATLAB上对算法进行仿真,能够准确的检测出电压骤降参数,且抑制噪声和谐波影响的效果好。实际构建的硬件测试平台验证了该算法的正确性和可行性。 相似文献
125.
短时电能质量扰动特征取决于其频率特征和持续时间,S变换被认为是最适合于分析短时扰动的方法之一。提出了基于S变换的不同类型扰动标杆相似度识别不同持续时间扰动的方法。基于双线性插值的尺度变换建立同类扰动不同持续时间的标杆,该扰动标杆涵盖了同类扰动的不同特征;对被测扰动信号进行S变换,经过尺度变换后统一为与标杆维数相同的矩阵,依据相似度最大原则对扰动类型进行识别。该方法无需额外的分类器,过程简单有效。仿真证明,该方法对噪声不敏感,能较好地解决不同持续时间的电能质量扰动信号的识别问题。 相似文献
126.
This paper presents an S-transform based modular neural network (NN) classifier for recognition of power quality disturbances. The excellent time—frequency resolution characteristics of the S-transform makes it an attractive candidate for the analysis of power quality (PQ) disturbances under noisy condition and has the ability to detect the disturbance correctly. On the other hand, the performance of wavelet transform (WT) degrades while detecting and localizing the disturbances in the presence of noise. Features extracted by using the S-transform are applied to a modular NN for automatic classification of the PQ disturbances that solves a relatively complex problem by decomposing it into simpler subtasks. Modularity of neural network provides better classification, model complexity reduction and better learning capability, etc. Eleven types of PQ disturbances are considered for the classification. The simulation results show that the combination of the S-transform and a modular NN can effectively detect and classify different power quality disturbances. 相似文献
127.
基于S变换标准模板相似度的电压暂降分类 总被引:3,自引:0,他引:3
提出了一种基于S变换的标准模板相似度的电压暂降分类方法。采用双线性插值尺度变换形成各类持续时间不同暂降的全局模板;提取全局模板中最能反映该类暂降特征的特定部分建立该类暂降的唯一标准模板。将未知暂降信号的模时频矩阵经尺度变换和局部化提取后的实测局部模板与标准模板做相似度对比,依据模板相似度最大原则进行分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力强,解决了持续时间不同的暂降信号需建立不同模板的问题,分类过程简洁直观。Matlab仿真和实际试验结果显示,该方法在噪声情况下可准确对所考查的暂降信号进行分类,是一种有效的电压暂降分类方法。 相似文献
128.
This paper presents new features and a novel decision-making system for automated classification of power quality disturbances. The most common types of disturbances including flickers, harmonics, impulses, notches, outages, sags, swells, and switching transients are studied. Disturbances consisting of both sag and harmonic, or both swell and harmonic are also considered. It is assumed that the analyzed waveforms are available in sampled form. The signal processing techniques utilized to extract the distinctive features of the waveforms are Fourier and S-transform. A new method based on binary feature matrix is designed for making a decision regarding the disturbance type. Evaluation studies for verifying the accuracy of the method are presented. 相似文献
129.
结合国内外采用S变换应用于电能质量扰动分析的现状,对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足,介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。 相似文献
130.