全文获取类型
收费全文 | 350篇 |
免费 | 76篇 |
国内免费 | 40篇 |
专业分类
电工技术 | 64篇 |
综合类 | 38篇 |
化学工业 | 9篇 |
金属工艺 | 8篇 |
机械仪表 | 54篇 |
建筑科学 | 10篇 |
矿业工程 | 11篇 |
能源动力 | 23篇 |
轻工业 | 10篇 |
水利工程 | 11篇 |
石油天然气 | 5篇 |
武器工业 | 5篇 |
无线电 | 26篇 |
一般工业技术 | 12篇 |
冶金工业 | 6篇 |
自动化技术 | 174篇 |
出版年
2023年 | 1篇 |
2022年 | 5篇 |
2021年 | 8篇 |
2020年 | 9篇 |
2019年 | 8篇 |
2018年 | 13篇 |
2017年 | 17篇 |
2016年 | 21篇 |
2015年 | 27篇 |
2014年 | 28篇 |
2013年 | 32篇 |
2012年 | 54篇 |
2011年 | 64篇 |
2010年 | 54篇 |
2009年 | 37篇 |
2008年 | 29篇 |
2007年 | 36篇 |
2006年 | 14篇 |
2005年 | 6篇 |
2004年 | 3篇 |
排序方式: 共有466条查询结果,搜索用时 78 毫秒
111.
112.
113.
This paper presents the transient performance analysis of self excited induction generator (SEIG) during both balanced and unbalanced faults using stationary frame d–q axis. Significance of fault detection and fault classification is also investigated in this study. Current signal of SEIG is extracted. Non stationary distorted current waveforms of SEIG during fault condition are considered as superimposition of various oscillating modes. To separate out these oscillating components known as intrinsic mode functions (IMFs), empirical-mode decomposition (EMD) is used. Hilbert transform (HT) is applied on the first four IMFs to extract instantaneous amplitude and frequency. Combination of EMD and HT is known as Hilbert-Huang transform. To classify different faults of SEIG system, least square support vector machine (LSSVM) is used. Finally the superiority of the proposed SVM is established through comparison with support vector machine and probabilistic neural network. 相似文献
114.
给出一种最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)广义逆内模控制方法。利用LS-SVM辨识这类系统的广义逆,再与原被控系统串联成具有近线性伪线性的开环控制系统,引入内模控制使其变成稳定的闭环控制回路,将这种方法应用在球磨机控制系统中。经仿真分析,该方法不依赖于被控系统精确的数学模型,实现了小样本训练的准确辨识,提高了系统的动态响应,并与内模控制相结合,使其闭环控制系统鲁棒稳定性增强。 相似文献
115.
最小二乘支持向量机(LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择。笔者提出一种基于改进遗传算法(IGA)的参数寻优方法,并将其应用到变压器油中故障气体预测。IGA算法采用了编码机制,随机产生初始种群,可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。最后进行了多组现场数据的实例分析,结果表明:基于IGA进行参数优化后的预测准确率明显优于传统LS-SVM预测结果。 相似文献
116.
117.
118.
119.
基于EMD与LS-SVM的风电场短期风速预测 总被引:2,自引:0,他引:2
为了提高风电场风速短期预测的精度,提出了将经验模式分解与数据挖掘方法相结合对风速时间序列进行建模预测.对风速时间序列进行经验模式分解,使之分解为若干不同频带的本征模式分量.对不同频带的平稳分量建立相应的最小二乘支持向量机预测模型,将各模型的预测值等权求和得到最终预测值.仿真实验结果表明,风电场短期风速预测的MAPE为1.507%,提高了此类预测的精度,表明了该方法的有效性. 相似文献
120.
利用12电极电容层析成像系统(ECT)传感器和最小二乘支持向量机(LS-SVM),提出了两相流离散相浓度测量的新方法。电容传感器用来获取反应离散相分布的66个电容测量值。LS-SVM用来建立离散相浓度测量模型,模型的输入是66个独立的电容值,输出是离散相浓度值。本方法省去了传统ECT技术测量浓度时的图像重建过程。实验结果表明:该方法是有效的,测量误差在6%以内。 相似文献