全文获取类型
收费全文 | 24560篇 |
免费 | 602篇 |
国内免费 | 306篇 |
专业分类
电工技术 | 2424篇 |
综合类 | 1074篇 |
化学工业 | 1152篇 |
金属工艺 | 1444篇 |
机械仪表 | 12003篇 |
建筑科学 | 412篇 |
矿业工程 | 770篇 |
能源动力 | 744篇 |
轻工业 | 618篇 |
水利工程 | 654篇 |
石油天然气 | 549篇 |
武器工业 | 165篇 |
无线电 | 402篇 |
一般工业技术 | 1304篇 |
冶金工业 | 982篇 |
原子能技术 | 56篇 |
自动化技术 | 715篇 |
出版年
2024年 | 187篇 |
2023年 | 588篇 |
2022年 | 589篇 |
2021年 | 690篇 |
2020年 | 572篇 |
2019年 | 473篇 |
2018年 | 246篇 |
2017年 | 392篇 |
2016年 | 492篇 |
2015年 | 596篇 |
2014年 | 1299篇 |
2013年 | 886篇 |
2012年 | 1222篇 |
2011年 | 1156篇 |
2010年 | 1090篇 |
2009年 | 1009篇 |
2008年 | 1231篇 |
2007年 | 950篇 |
2006年 | 951篇 |
2005年 | 989篇 |
2004年 | 1007篇 |
2003年 | 981篇 |
2002年 | 813篇 |
2001年 | 684篇 |
2000年 | 719篇 |
1999年 | 602篇 |
1998年 | 620篇 |
1997年 | 562篇 |
1996年 | 545篇 |
1995年 | 575篇 |
1994年 | 517篇 |
1993年 | 480篇 |
1992年 | 416篇 |
1991年 | 431篇 |
1990年 | 386篇 |
1989年 | 433篇 |
1988年 | 47篇 |
1987年 | 23篇 |
1986年 | 15篇 |
1985年 | 1篇 |
1984年 | 1篇 |
1982年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
991.
992.
993.
基于声发射检测技术的转炉耳轴轴承故障诊断 总被引:1,自引:0,他引:1
以转炉耳轴轴承为研究对象,将声发射技术应用于转炉耳轴轴承的故障诊断中,提出了应用主成分分析(PCA)和最小二乘支持向量机(LS-SVM)相结合的故障诊断方法。首先,对声发射信号的特征量进行主成分分析,得到更能反映设备状态的综合特征参数,然后将新的特征参数输入到最小二乘支持向量机中进行状态识别。利用在实际生产过程中采集到的转炉耳轴轴承声发射数据进行方法验证。结果表明,新方法能够有效区分出转炉耳轴轴承的故障模式,识别的总体正确率可达97.8%。 相似文献
994.
995.
变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。 相似文献
996.
针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。 相似文献
997.
998.
针对在实际工况中风电机组滚动轴承发生复合故障时,多个故障间相互作用,彼此干扰,造成复合故障特征难以分离问题,提出了基于谱峭度(spectral kurtosis,简称SK)与多点最优调整的最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的风电机组滚动轴承复合故障特征分离提取方法。首先,对复合故障信号进行谱峭度分析,选出能量较大的共振频带,并通过构建带通滤波器对相应的共振频带进行滤波,对滤波信号进行包络谱分析,对单一故障特征进行分离提取;其次,对未能实现单一故障特征提取的滤波信号进行多点峭度谱分析并确定故障周期,应用MOMEDA完成后续分离提取过程。仿真信号和工程应用分析结果表明,该方法能够准确且有效地实现轴承复合故障特征的分离提取。 相似文献
999.
1000.
齿轮箱复合故障中,较弱的故障特征往往被较强的故障信号所淹没,传统方法较难实现对较弱故障特征的提取。为解决上述问题,提出一种基于离散随机分离的齿轮箱复合故障振动分析法。该方法首先使用快速谱峭度算法获取对齿轮箱振动信号的共振带参数,依据该共振带参数设计带通滤波器及结合Hilbert变换实现对振动信号包络提取;之后应用角域重采样将时域包络信号转换到角域以消除转速波动影响;再应用离散随机分离对角域包络信号进行分离,分别得到齿轮故障和轴承故障对应的角域包络信号;最后,分别对角域包络信号进行包络谱分析获得齿轮、轴承故障的特征频率信息。试验结果表明,该方法可实现齿轮箱齿轮及轴承复合故障特征的有效提取。 相似文献