全文获取类型
收费全文 | 141篇 |
免费 | 8篇 |
国内免费 | 5篇 |
专业分类
电工技术 | 18篇 |
综合类 | 1篇 |
机械仪表 | 66篇 |
建筑科学 | 1篇 |
能源动力 | 5篇 |
轻工业 | 1篇 |
水利工程 | 5篇 |
武器工业 | 2篇 |
无线电 | 1篇 |
一般工业技术 | 46篇 |
自动化技术 | 8篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 1篇 |
2020年 | 4篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2016年 | 5篇 |
2015年 | 3篇 |
2014年 | 4篇 |
2013年 | 8篇 |
2012年 | 6篇 |
2011年 | 4篇 |
2010年 | 4篇 |
2009年 | 10篇 |
2008年 | 18篇 |
2007年 | 7篇 |
2006年 | 11篇 |
2005年 | 12篇 |
2004年 | 10篇 |
2003年 | 8篇 |
2002年 | 14篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 5篇 |
1998年 | 1篇 |
排序方式: 共有154条查询结果,搜索用时 31 毫秒
1.
2.
考虑不确定性因素的齿轮系统动力学研究综述 总被引:5,自引:0,他引:5
齿轮系统应用广泛,并在风力发电、航空航天、汽车和盾构机等机械设备中发挥关键作用。其动力学特性的优劣将直接影响设备整机的工作性能。然而齿轮传动的结构形式多样、内外部激励和非线性因素丰富,同时工作环境复杂多变,这使其动力学分析相比较于其他机械系统更加复杂。另外,制造、加工、装配等的误差、磨损、润滑和运行环境等因素将导致齿轮系统的内外部激励和系统参数具有不确定性。齿轮系统动力学分析需要考虑这些不确定性因素。目前,针对齿轮系统动力学特性的不确定性分析,国内外学者已开展了广泛的研究工作。从不确定性因素的描述方式、动力学方程的求解方法、动力学特性分析、可靠性与优化设计、以及不确定性分析的试验研究等方面系统地评述国内外学者对齿轮传动系统不确定性动力学特性的研究现状,并给出需要进一步研究的问题。 相似文献
3.
基于双参数方法的水轮发电机组故障诊断规则表示和推理问题研究 总被引:1,自引:0,他引:1
基于知识的故障诊断系统在水轮发电机组故障诊断研究工作中是重要的课题,需要解决故障诊断规则表示及故障诊断推理2方面的不确定性问题。文中介绍了水轮发电机组故障诊断规则基于双参数方法的规则表示方法及其推理诊断评价和咨询评价方法。在总结水轮发电机组故障诊断规则相关关键问题的基础上,将双参数方法应用到水轮机组故障诊断不确定性规则表示及不确定性诊断推理问题中。通过实例介绍了双参数方法在获取故障诊断规则不确定性参数方面的应用及其在故障诊断推理过程中的应用。 相似文献
4.
5.
6.
7.
构建二叉树支持向量机时,如果随机地将分类器分布在二叉树的各个结点上,是不能充分发挥其性能的。考虑到样本的分布情况对分类器推广能力具有较大影响,提出一种次序二叉树支持向量机多类算法,采用样本分布半径和样本分布距离估算各个类别的样本在高维特征空间中的分布情况,把分布半径较大的类别或者分布距离较大的类别较早地分出来,并且在特征空间中给其划分较大的分类区域。转子多故障诊断实验表明,该算法的诊断速度快,故障识别率高,推广能力强,更加适合于实际故障诊断应用。 相似文献
8.
本文设计的便携式位移-加速度振动信号测试系统其硬件体系由传感器、信号采集装置、笔记本电脑组成,将信号前置处理电路、信号采集电路、自带电源电路集成,形成信号采集装置,位移传感器与加速度传感器可置放于信号采集装置内,笔记本电脑可固定于信号采集装置上.系统的软件体系采用Delphi与Matlab混合编程,Innosetup制作安装程序.整个系统软硬件有机结合、体积小、重量轻、携带操作使用方便,特别适用于现场测试. 相似文献
9.
基于小波尺度谱的转子系统碰摩声发射特性 总被引:2,自引:0,他引:2
针对转子系统动静件间发生碰摩时会引起弹性应变而产生声发射,进而可利用声发射来辨识和诊断碰摩故障的特点,首先对碰摩声发射和碰摩振动信号进行了试验对照研究,讨论基于声发射的碰摩辨识别方法的独特优越性.然后,着重对碰摩声发射的特性进行了试验研究,并借助于小波尺度谱优越的时频分析性能,利用小波尺度谱对碰摩声发射的时频特性、传播特性和频散特性等进行了详细分析.分析结果显示小波尺度谱非常适合碰摩声发射这种频率丰富、非平稳和非线性的多模态波,是模态声发射分析的有力方法. 相似文献
10.
主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显. 相似文献