全文获取类型
收费全文 | 722篇 |
免费 | 107篇 |
国内免费 | 21篇 |
专业分类
电工技术 | 47篇 |
综合类 | 61篇 |
化学工业 | 10篇 |
金属工艺 | 56篇 |
机械仪表 | 323篇 |
建筑科学 | 8篇 |
矿业工程 | 58篇 |
能源动力 | 67篇 |
轻工业 | 4篇 |
水利工程 | 2篇 |
石油天然气 | 17篇 |
武器工业 | 29篇 |
无线电 | 10篇 |
一般工业技术 | 88篇 |
冶金工业 | 24篇 |
自动化技术 | 46篇 |
出版年
2024年 | 8篇 |
2023年 | 18篇 |
2022年 | 45篇 |
2021年 | 43篇 |
2020年 | 44篇 |
2019年 | 20篇 |
2018年 | 20篇 |
2017年 | 28篇 |
2016年 | 53篇 |
2015年 | 40篇 |
2014年 | 51篇 |
2013年 | 51篇 |
2012年 | 67篇 |
2011年 | 73篇 |
2010年 | 36篇 |
2009年 | 32篇 |
2008年 | 17篇 |
2007年 | 37篇 |
2006年 | 35篇 |
2005年 | 25篇 |
2004年 | 23篇 |
2003年 | 18篇 |
2002年 | 14篇 |
2001年 | 11篇 |
2000年 | 11篇 |
1999年 | 10篇 |
1998年 | 1篇 |
1997年 | 4篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 3篇 |
1988年 | 2篇 |
1983年 | 1篇 |
排序方式: 共有850条查询结果,搜索用时 15 毫秒
131.
132.
提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。 相似文献
133.
134.
135.
本文介绍一种新型齿轮箱一多级行星齿轮箱,和一般卷板机比较,它的驱动结构简单,这种齿轮箱易于制造、传动性能良好。 相似文献
136.
齿轮箱故障信号通常是具有多标度行为的非平稳信号,去趋势波动分析(Detrended Fluctuation Analysis, DFA)不能准确揭示隐藏在这类信号中的动力学行为。多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analysis, MF-DFA)是DFA方法的拓展,能够有效地揭示隐藏在多标度非平稳信号中的动力学行为。利用MF-DFA计算齿轮箱故障信号的多重分形奇异谱,而多重分形奇异谱的宽度、最大奇异指数、最小奇异指数和极值点对应的奇异指数都具有明确的物理意义,能够表征齿轮箱故障信号的内在动力学机制,适合作为齿轮箱振动信号的故障特征。提出一种基于MF-DFA的齿轮箱故障特征提取方法,将该方法用于包含正常、轻度磨损、中度磨损和断齿故障齿轮箱的故障诊断,并与DFA方法的结果进行了对比。结果表明,提出的方法对齿轮箱故障状态的变化非常敏感,能够完全分离相近的故障模式,有效地克服了传统DFA方法存在的缺陷,为齿轮箱的故障特征提取提供了一种新方法。 相似文献
137.
针对变速齿轮箱中复合故障的故障特征提取,提出了一种基于阶次解调谱的变速齿轮箱复合故障诊断方法。变速齿轮箱中的转速具有时变的特性,而故障特征往往与转速相关,亦具有时变特性。本文方法先用线调频小波路径追踪算法从原始振动信号中提取转频曲线,再根据转频曲线对原始振动信号进行等角度重采样,将时域非平稳信号转化为角域周期平稳信号,最后对角域周期平稳信号进行能量算子解调分析,根据阶次解调谱中的调制信息进行变速齿轮箱复合故障诊断。通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变速齿轮箱复合故障进行了分析,结果表明,本文方法在无转速计的情况下能有效地提取变速齿轮箱复合故障的故障特征。 相似文献
138.
139.
变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。 相似文献
140.
基于VMD-DE的坦克行星变速箱故障诊断方法研究 总被引:1,自引:0,他引:1
为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。 相似文献