全文获取类型
收费全文 | 21329篇 |
免费 | 2273篇 |
国内免费 | 1133篇 |
专业分类
电工技术 | 3950篇 |
技术理论 | 1篇 |
综合类 | 1708篇 |
化学工业 | 867篇 |
金属工艺 | 851篇 |
机械仪表 | 3932篇 |
建筑科学 | 374篇 |
矿业工程 | 935篇 |
能源动力 | 933篇 |
轻工业 | 170篇 |
水利工程 | 231篇 |
石油天然气 | 699篇 |
武器工业 | 415篇 |
无线电 | 1480篇 |
一般工业技术 | 1515篇 |
冶金工业 | 579篇 |
原子能技术 | 225篇 |
自动化技术 | 5870篇 |
出版年
2024年 | 120篇 |
2023年 | 344篇 |
2022年 | 650篇 |
2021年 | 727篇 |
2020年 | 668篇 |
2019年 | 504篇 |
2018年 | 450篇 |
2017年 | 618篇 |
2016年 | 717篇 |
2015年 | 789篇 |
2014年 | 1204篇 |
2013年 | 996篇 |
2012年 | 1369篇 |
2011年 | 1601篇 |
2010年 | 1183篇 |
2009年 | 1252篇 |
2008年 | 1185篇 |
2007年 | 1576篇 |
2006年 | 1480篇 |
2005年 | 1258篇 |
2004年 | 1099篇 |
2003年 | 933篇 |
2002年 | 749篇 |
2001年 | 627篇 |
2000年 | 503篇 |
1999年 | 471篇 |
1998年 | 329篇 |
1997年 | 301篇 |
1996年 | 218篇 |
1995年 | 212篇 |
1994年 | 141篇 |
1993年 | 119篇 |
1992年 | 77篇 |
1991年 | 69篇 |
1990年 | 44篇 |
1989年 | 39篇 |
1988年 | 27篇 |
1987年 | 11篇 |
1986年 | 13篇 |
1985年 | 10篇 |
1984年 | 6篇 |
1982年 | 4篇 |
1981年 | 6篇 |
1980年 | 3篇 |
1977年 | 3篇 |
1966年 | 3篇 |
1963年 | 2篇 |
1961年 | 3篇 |
1956年 | 2篇 |
1955年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
981.
针对石化机组轴承振动信号难以自动区分的问题,提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)与关联维数的石化轴承故障特征提取方法。选取某故障诊断重点实验室实测的轴承故障数据中4种工况下的轴承振动信号进行测试分析,采用改进的CEEMDAN分解测得的振动信号得到多个模态分量IMF,对得到的高频分量进行叠加求和后求取数据的嵌入维数和延迟时间并进行相空间重构,结合G-P算法求不同嵌入维数下的关联维数进行特征提取。通过极限学习机进行实验,准确率达到92.5%,证明了方法的有效性。 相似文献
982.
针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题,提出一种基于小波阈值去噪(WTD)、AR谱和思维进化算法(MEA)优化反向传播神经网络(BPNN)的轴承故障诊断方法。以原始振动信号为输入,采用小波方法分解重构原始信号滤除高频噪声,然后采用Burg算法估计AR模型参数提取降噪信号功率谱特征,最后将特征向量与对应标签分别作为MEA-BPNN神经网络的输入、输出进行训练,最终实现诊断。将该方法与一些先进的人工神经网络诊断方法作比较,测试该诊断模型的性能。研究结果表明:WTD-AR谱-MEA-BPNN诊断模型能够有效降低轴承振动信号的噪声干扰,实现特征增强,分辨率更高;相较于传统神经网络训练速度更快,在更短时间内甄别故障类型且识别率高。 相似文献
983.
针对滚动轴承振动信号易受到非平稳噪声的影响,提出一种改进注意力机制的多尺度内核网络(IA-MKNet),以从含噪振动信号中提取更敏感的特性信号。首先提出一种改进的多尺度卷积注意力机制(IAM),自适应提取有意义的故障特征并自动抑制噪声;然后针对振动信号固有的多时间特征,设计基于IAM的自适应多尺度核残差块来捕获振动信号的多时间尺度故障特征;最后提出一种基于自适应集成学习器的组合策略,通过融合多个IA-MKNets的输出来增加特征的多样性,从而进一步提高诊断的准确性和稳定性。实验结果表明:该方法提高了噪声环境下滚动轴承的故障诊断精度,性能优于其他5种基准方法。 相似文献
984.
985.
针对风电机组齿轮箱的故障诊断中特征提取过分依赖人为经验和准确率不高的问题,提出一种基于长短时记忆网络(LSTM)与支持向量机(SVM)相结合的方法。对原始时域振动信号作傅里叶变换,利用LSTM神经网络自适应智能提取特征的优势,结合SVM的分类功能,实现对风电机组齿轮箱更加准确的故障诊断。仿真结果显示,该网络模型在经过16轮训练后准确率可以达到100%,使用测试集数据准确率也可以达到99.1%。 相似文献
986.
987.
液压系统组成结构复杂且维修难度高,因此进行液压系统的可靠性评估对企业生产安全有着重要作用。结合故障树和动态贝叶斯网络建立评估模型对液压系统进行可靠性分析。利用动态贝叶斯网络的推理功能得出液压系统可靠度和可用度随时间推移的变化规律,并实现液压系统故障诊断,识别关键故障因素源。液压系统的可靠度会随时间推移而逐渐降低,但定期的维修可以使液压系统的可用度在较长一段时间内维持在很高水平。实验结果为液压系统的日常维护和修理策略提供了借鉴。 相似文献
988.
针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题,结合深度学习理论强大的感知与自我学习能力,提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性,同时在训练过程采用ReLu激活函数和加入Batch Normalization,减少过拟合出现概率的同时提高了网络收敛的速度。将此方法运用到复杂数控加工中心刀具的故障诊断中,结果表明该方法相比传统BPNN算法和采用Sigmoid激活函数的深度神经网络算法准确率更高。 相似文献
989.
990.