全文获取类型
收费全文 | 39篇 |
免费 | 11篇 |
国内免费 | 1篇 |
专业分类
综合类 | 2篇 |
金属工艺 | 3篇 |
机械仪表 | 26篇 |
建筑科学 | 1篇 |
轻工业 | 2篇 |
水利工程 | 8篇 |
武器工业 | 2篇 |
无线电 | 1篇 |
一般工业技术 | 2篇 |
自动化技术 | 4篇 |
出版年
2023年 | 4篇 |
2022年 | 3篇 |
2021年 | 5篇 |
2020年 | 2篇 |
2019年 | 1篇 |
2018年 | 4篇 |
2017年 | 5篇 |
2016年 | 3篇 |
2015年 | 3篇 |
2014年 | 1篇 |
2013年 | 1篇 |
2012年 | 6篇 |
2011年 | 2篇 |
2010年 | 3篇 |
2009年 | 1篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 2篇 |
2005年 | 1篇 |
1999年 | 1篇 |
排序方式: 共有51条查询结果,搜索用时 15 毫秒
1.
提出了一种利用声光调谐方法进行滤波的扫频光源来提高它的输出稳定性。阐述了实现光源稳定输出的原理和方法,研究和分析了光源的相关参数。该系统采用声光调谐的方法代替机械滤波的方式。在一个环形腔内,使用半导体光放大器(SOA)作为增益介质,声光可调谐滤波器(AOTF)作为波长选择元件,利用声光调谐的原理对腔内的光进行选频滤波。在280mA的注入电流下,得到了1 294~1 368nm的扫频光源,其中心波长为1 328nm,半高全宽为51nm,扫频速度为3 731Hz,环形腔内直接输出的光功率为1.14mW。由于AOTF是电控制元件,波长的调谐不需要机械移动部件,故提高了系统的稳定性,输出光谱的重复性也很好。实验显示:通过这种方法获得的扫频光源输出稳定,基本满足扫频相干层析成像系统对扫频光源工艺参数的要求。 相似文献
2.
回顾近年来国内外滨海火、核电厂温排放数值模拟研究的进展,着重讨论现有温排放数值计算模型的发展以及存在的问题,主要包括温排放系统模式的选取和模型边界控制等。认为三维数值模型在一定程度上代表温排放数值模拟的发展方向,并应考虑斜压效应,且将水动力场与物质扩散场耦合求解。 相似文献
3.
根据隧道掘进机(TBM)工程对前方地质条件的超前预警需求,开展围岩识别算法研究。针对原始VGG16网络结构待定参数过多以及知识蒸馏训练模式准确率不足的问题,提出一种基于改进VGG16网络的围岩识别方法。基于原始VGG16网络结构,优化其分类层结构,并减少网络复杂度,大幅降低网络待定参数量。基于传统知识蒸馏训练模式,优化其训练逻辑,提升网络对目标任务的特征提取能力。采用某隧道掘进工程的岩渣图像数据集,对上述方法进行验证。试验结果表明,该方法可在小幅提升准确率的同时,大幅减少网络的待确定权值参数。综上所述,该方法创新性地同时改进模型结构和训练模式,更适用于硬岩掘进条件下的围岩识别任务。 相似文献
4.
5.
螺栓连接是飞机复合材料零件连接的主要方式,已有研究主要考虑复合材料细观结构、失效准则、接触属性和螺栓螺纹细节等方面,对于复合材料制孔中制孔垂直度偏差缺乏相应的研究。本文依据ASTM标准建立有限元仿真模型,研究制孔垂直度对连接强度的影响规律,并通过单向拉伸实验进行了对比验证。结果表明,复合材料制孔垂直度偏差会对螺栓连接强度产生影响。 相似文献
6.
为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进:重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明:所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。 相似文献
7.
8.
从物质输运时间概念、研究方法及应用方面综述了近年来河口海岸物质输运时间尺度的研究进展,论述了目前物质输运时间尺度主要数学模型的优点和局限性,着重讨论了基于物质组成的年龄和存留时间(CART)理论的研究进展。针对当前非保守性物质输运时间尺度研究中存在的不足,指出易被泥沙吸附的污染物的输运时间尺度需要考虑其与泥沙的相互作用过程,加强非保守性物质、泥沙和易被泥沙吸附的污染物输运时间尺度研究有助于全面了解复杂物质的输运规律;CART理论应拓展应用于计算非保守性物质、泥沙和考虑泥沙影响的污染物输运时间尺度的研究。 相似文献
9.
10.
针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法.首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型.为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比.在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征.相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好. 相似文献