全文获取类型
收费全文 | 76篇 |
免费 | 4篇 |
国内免费 | 4篇 |
专业分类
电工技术 | 64篇 |
综合类 | 7篇 |
机械仪表 | 5篇 |
矿业工程 | 2篇 |
轻工业 | 1篇 |
无线电 | 4篇 |
一般工业技术 | 1篇 |
出版年
2024年 | 1篇 |
2023年 | 8篇 |
2022年 | 7篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2016年 | 4篇 |
2014年 | 8篇 |
2013年 | 8篇 |
2012年 | 5篇 |
2011年 | 3篇 |
2010年 | 2篇 |
2009年 | 3篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 5篇 |
2005年 | 3篇 |
2004年 | 4篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1996年 | 2篇 |
排序方式: 共有84条查询结果,搜索用时 0 毫秒
1.
电容器是电力系统重要的无功补偿设备,并联电容器组频繁投切补偿电网无功过程中会产生严重的涌流和谐波,母线上瞬间大电流也对电容器单元运行安全威胁极大.设计一种基于无线传感技术的并联电容器母线电流在线 监测传感器,通过取能电路、测量电路、保护外壳分析,确定传感器采用铁心直接在母线进行高压取能、罗氏线圈测量的结构,并封装于一体式铝壳体系统中,利用内置 A/D、ZigBee通信协议栈的 CC2530芯片以及专用信号处理电路实现电容器母线大电流测量,并在实验室进行验证.该装置解决了铁心磁性饱和下高位取能、大电流准确测量问题, 实现了传感器现场高压绝缘、抗干扰和无线组网设计的整体性能优化. 相似文献
2.
高压断路器操动过程中,声波信号的变化反映了断路器机械状态,声波信号特征提取直接关系到故障诊断的准确性和实用性。提出一种基于经验模态分解(empirical mode decomposition,EMD)的状态特征提取方法,根据高压断路器分闸过程的物理特点,将分闸声波信号分为分闸前期、分闸中期、分闸后期三个阶段,各阶段声波信号等时间分段,形成等时间分段能量熵以反映声波信号的时间、频率和能量变化。将能量熵输入支持向量机(support vector machine,SVM),采用"一对其余"策略进行多级分类,可诊断出断路器的正常运行状态和典型故障。通过对ZN28A型真空断路器正常状态、拐臂润滑不足、缓冲器有多余无效撞击和其它故障的测试实验,基于EMD和SVM相结合的诊断方法,有效提高了小样本下诊断断路器机械故障的准确性。 相似文献
3.
为有效抵御相空间重构和参数估计方法的攻击,提出了一种变参数,非耦合的混沌同步方法。 相似文献
4.
针对华北电力大学开设的电磁测量课程中存在教学内容陈旧,教学方法单一,学生缺乏学习主动性和创造性等问题,提出了基于网络技术课程辅助教学的方案.采用Internet技术在校园网上建立电磁测量辅助教学网站,并介绍了基于校园网电磁测量教学站点的结构,最后举例说明如何设计各种仪表的内容. 相似文献
5.
6.
正针对无人值守变电站巡检机器人导航定位的问题,介绍了一种基于引导线的单目视觉导航方案。方案中提出一种基于先验模板的四边检测路径导航算法,通过对采集到的图像的边界信息进行分析处理,控制机器人的运动方向。并设计了一种用QR码承载主要待检设备信息的编码方法,变电站新增监控区域时只需更换QR码,巧妙地避开了整个巡检策略变更的繁杂。视觉导航方案是在Windows操作系统下用LabVIEW虚拟仪器软件平台提供的IMAQ Vision模块和MATLAB联合编程实现的,仿真结果显示导航效果理想,简洁可靠,提高了路径识别速度,增强了方案的可移植性和灵活性,具有现实意义。 相似文献
7.
针对复杂运行环境下大功率电动机故障诊断准确率不高、算法泛化能力差的问题,提出一种声振信号联合一维卷积神经网络(1D-CNN)故障诊断方法. 首先对采集到的声信号采用背景噪声库联合稀疏表示去除噪声,然后将声音信号进行带通滤波(7~20 kHz),叠加低频振动信号(7 kHz内)形成频带更完整的电动机状态表征信息. 再对经过滤波提纯处理后的信息进行重叠式数据扩容,获取1D-CNN训练所需大量数据. 最后将数据样本输入1D-CNN进行学习训练,采用局部均值归一化(local response normalization,LRN)和核函数去相关性改进1D-CNN模型结构,降低抽油机正负半周工况波动对电动机诊断准确性的影响. 诊断结果表明:声振信号联合分析的卷积神经网络故障诊断总体诊断准确率达到了97.75%,泛化能力好,与传统的电动机故障诊断方法相比优势明显. 相似文献
8.
9.
10.
弹簧势能的可靠储存是保障断路器后续分合闸操作正确的前提。通过分析控制回路、电机、传动部件和弹簧之间的能量转换和传递关系,提出一种电—振信号熵权特征联合的断路器储能机构故障类型辨识方法。首先利用希尔伯特变换(Hilbert transform)提取储能电机电流信号包络时域特征并计算峭度;然后由局部均值分解(LMD)处理断路器储能过程伴随的振动信号得到乘积函数分量(PF),并提取PF能量谱频域的盒维数特征;进而采用熵权法对电流和振动信号待分类样本进行剪辑,按照样本信息量和重要性赋予对应的权重;最后把熵权特征作为KNN算法的输入,辨识储能机构运行状态。实验结果表明:采用联合电—振信号的熵权特征量,KNN算法能更准确地诊断断路器储能机构发生的故障类型。 相似文献