全文获取类型
收费全文 | 83篇 |
免费 | 4篇 |
国内免费 | 13篇 |
专业分类
电工技术 | 2篇 |
综合类 | 9篇 |
化学工业 | 4篇 |
金属工艺 | 28篇 |
机械仪表 | 24篇 |
矿业工程 | 1篇 |
石油天然气 | 1篇 |
无线电 | 3篇 |
一般工业技术 | 11篇 |
冶金工业 | 1篇 |
自动化技术 | 16篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 6篇 |
2021年 | 10篇 |
2020年 | 11篇 |
2019年 | 8篇 |
2018年 | 13篇 |
2017年 | 1篇 |
2016年 | 3篇 |
2015年 | 7篇 |
2014年 | 3篇 |
2013年 | 3篇 |
2012年 | 6篇 |
2011年 | 2篇 |
2010年 | 4篇 |
2009年 | 4篇 |
2008年 | 3篇 |
2007年 | 6篇 |
2006年 | 2篇 |
2005年 | 1篇 |
2004年 | 1篇 |
排序方式: 共有100条查询结果,搜索用时 3 毫秒
1.
为了对加工过程中刀具的磨损状态进行监测,针对麻花钻的磨损形式,提出基于机器视觉的加工刀具磨损监测方法. 根据磨损刀具图像的灰度分布特点,提出基于积分图加速和Turky bi-weight核函数的非局部均值去噪方法;采用单、双阈值大津法获取磨损区域的灰度区间,实现对图像的自适应对比度增强;提出基于形态学重构方法的磨损区域局部极值点提取方法,有效完成对磨损区域的检测和边界提取. 该刀具磨损检测方法成功应用于麻花钻头磨损状态的监测过程,实验结果表明,相较于目前已有的机器视觉监测方法,所提出的方法具有更高的检测精度和效率,准确地提取磨损轮廓,从而有效实现对刀具磨损状态的监测和自动化监控加工过程,达到降低人工成本和产品不合格率的目的. 相似文献
2.
深度神经网络是具有复杂结构和多个非线性处理单元的模型, 通过模块化的方式分层从数据提取代表性特征, 已经在晶圆缺陷识别领域得到了较为广泛的应用. 但是, 深度神经网络在应用过程中本身存在“黑箱”和过度依赖数据的问题, 显著地影响深度神经网络在晶圆缺陷识别的工业可应用性. 提出一种基于堆叠降噪自编码器的神经–符号模型. 首先, 根据堆叠降噪自编码器的网络特点采用了一套符号规则系统, 规则形式和组成结构使其可与深度神经网络有效融合. 其次, 根据 网络和符号规则之间的关联性提出完整的知识抽取与插入算法, 实现了深度网络和规则之间的知识转换. 在实际工业晶圆表面图像数据集WM-811K上的试验结果表明, 基于堆叠降噪自编码器的神经–符号模型不仅取得了较好的缺陷探测与识别性能, 而且可有效提取规则并通过规则有效描述深度神经网络内部计算逻辑, 综合性能优于目前经典的深度神经网络. 相似文献
3.
一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(D... 相似文献
4.
基于局部与非局部线性判别分析和高斯混合模型动态集成的晶圆表面缺陷探测与识别 总被引:1,自引:0,他引:1
在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时判断制造过程故障源并进行在线调整,降低晶圆成品率损失.本文提出了基于一种流形学习算法与高斯混合模型动态集成的晶圆表面缺陷在线探测与识别模型.首先该模型开发了一种新型流形学习算法——局部与非局部线性判别分析法(Local and nonlocal linear discriminant analysis, LNLDA),通过融合数据局部/非局部信息以及局部/非局部惩罚信息,有效地提取高维晶圆特征数据的内在流形结构信息,以最大化数据不同簇样本的低维映射距离,保持特征数据中相同簇的低维几何结构.针对线上晶圆缺陷产生的随机性和复杂性,该模型对每种晶圆缺陷模式构建相应的高斯混合模型(Gaussian mixture model, GMM),提出了基于高斯混合模型动态集成的晶圆缺陷在线探测与识别方法.本文提出的模型成功地应用到实际半导体制造过程的晶圆表面缺陷在线探测与识别,在WM-811K晶圆数据库的实验结果验证了该模型的有效性与实用性. 相似文献
5.
以氧化铝粉末为基体,添加具有粘结性和一定陶瓷产率的硅树脂粉末,通过干压成型和无压烧结制备出氧化铝基陶瓷型芯,重点研究了硅树脂添加量对氧化铝基陶瓷型芯性能的影响。结果表明:硅树脂在裂解过程中会形成二氧化硅,二氧化硅与氧化铝基体发生反应形成新相莫来石。由于硅树脂在交联和裂解过程中会释放大量气体,导致烧结体失重,且气体的逸出会抑制由烧结引起的收缩,因此,随着硅树脂添加量增加,产生的气体量增加,烧结体的失重率增加,收缩率降低。硅树脂含量的增加使得烧结体的气孔率变大和体积密度减小,烧结体的室温抗弯强度逐渐减小。硅树脂的添加虽然降低了其室温强度,但是保证了陶瓷型芯的尺寸精度。 相似文献
6.
为了有效识别晶圆图缺陷模式并及时诊断制造过程的故障源,提出基于迁移学习和深度森林集成的DenseNet-GCForest晶圆图缺陷模式识别模型. 为了解决深度学习模型训练困难和晶圆图缺陷类型数目不平衡的问题,利用迁移学习将深度卷积神经网络DenseNet在ImageNet上预训练的网络权重参数迁移至本模型并重新设计分类层,以减少深度网络模型的训练时间并提高模型的特征提取能力;基于DenseNet网络提取的高维抽象晶圆图特征,引入深度森林模型进行晶圆图特征缺陷模式识别. 工业案例的实验验证结果表明,该方法的识别准确率达到了96.8%,并提高了识别效率,其性能优于典型的卷积神经网络以及其他常用识别方法. 相似文献
7.
为了实现稀土单晶高温合金中稀土含量的稳定控制,明确稀土元素在熔炼过程中参与的坩埚界面反应机理,研究了熔炼时间对含Y高温合金CMSX-4与Al2O3陶瓷坩埚在真空感应熔炼过程中的界面反应和稀土Y收得率的影响。实验结果表明:随着熔炼时间的延长界面反应加剧,熔炼过程中Y首先与Al2O3陶瓷基体发生反应生成Y2O3,生成的Y2O3会继续与Al2O3发生反应生成Y、Al原子比不同的铝酸钇反应层,最终坩埚表面形成的界面反应产物由外层的YAlO3、内层的Y3Al5O12(Y3Al2(AlO4)3) 以及附着的高温合金组成。熔炼10~30min时合金中稀土Y收得量为41.023、4.566和5.368ppm。 相似文献
8.
基于DMAIC流程,全面分析手机摄像头模组的生产流程,找出影响良率的关键因素,即摄像头模组在点胶过程中溢胶出现黑点.对点胶的生产过程进行分析,利用Pareto图、因果矩阵、FAMA等找出产生溢胶的主要原因,运用Gage R&R确保测量胶高和粘合力的系统的稳定性,通过正态性检验、CPK等进行过程能力分析,通过残差分析找出... 相似文献
9.
主要研究了静磁场和交流电复合产生的电磁振荡在薄带坯水平连铸上的应用.以纯Sn与Sn-10Pb合金为对象,通过热态物理模拟试验,研究金属薄带坯水平连铸的凝固组织,及其与电磁振荡强度的相互关系.结果显示,在电磁振荡作用下,纯Sn的凝固组织明显细化,并且细化效果随所施加电流的增大而增强;Sn-10Pb合金的凝固组织显示,在凝固前沿施加电磁振荡作用将显著地促进等轴晶组织的形成,使薄带坯中心出现等轴晶区,而且该等轴晶区随电磁振荡的强度增大而扩大.在低强度电磁振荡条件下,凝固组织细化和等轴晶化的原因是:电磁振荡力对金属初生晶的周期性拉伸、压缩、剪切、折弯、扭转等机械作用,使其出现断裂和剥落,增加形核数量;电磁振荡的局部搅拌作用使固/液界面前沿的温度和成分趋于均匀化,导致梯度降低,抑制了柱状晶的生长. 相似文献
10.
复杂零部件生产通常需要经过混合式多阶段加工,加工过程中的误差种类多样且在多道工序间传递累积。为确保复杂产品的加工质量,提出了一种加权自调节偏差传递网络模型与误差溯源方法。该方法首先基于实际误差信息、质量特征信息与加工工艺构建加权自调节偏差传递网络。通过引入加权LeaderRank排序算法,识别混合式多阶段加工过程中易导致产品质量失控的关键加工特征。然后采用遍历回溯算法识别误差传播路径并提出ContributionIndex指标识别导致关键加工特征质量偏差的关键误差源,确定需要重点监测的加工工序及设备节点。以有代表性的具有多阶段加工过程的主轴承盖为研究对象,验证了该方法能有效建模复杂加工过程偏差流,辨别加工过程中的关键薄弱节点及其误差源。 相似文献