全文获取类型
收费全文 | 55篇 |
免费 | 12篇 |
国内免费 | 3篇 |
专业分类
电工技术 | 3篇 |
综合类 | 3篇 |
化学工业 | 13篇 |
金属工艺 | 4篇 |
机械仪表 | 3篇 |
建筑科学 | 2篇 |
矿业工程 | 15篇 |
能源动力 | 1篇 |
轻工业 | 1篇 |
水利工程 | 1篇 |
石油天然气 | 2篇 |
武器工业 | 1篇 |
无线电 | 1篇 |
一般工业技术 | 3篇 |
冶金工业 | 13篇 |
自动化技术 | 4篇 |
出版年
2024年 | 1篇 |
2023年 | 8篇 |
2022年 | 14篇 |
2021年 | 8篇 |
2020年 | 7篇 |
2019年 | 3篇 |
2018年 | 5篇 |
2017年 | 1篇 |
2015年 | 4篇 |
2014年 | 4篇 |
2013年 | 3篇 |
2012年 | 3篇 |
2011年 | 1篇 |
2010年 | 2篇 |
2009年 | 1篇 |
2007年 | 3篇 |
2006年 | 1篇 |
1999年 | 1篇 |
排序方式: 共有70条查询结果,搜索用时 31 毫秒
1.
Web服务技术作为一种全新的分布式技术和网络资源共享技术已被广泛研究和使用,Tibco公司的产品BusinessWorks是用于设计实现Web服务的工具。通过BusinessWorks对Web服务的完整支持,为企业级Web服务应用提供了灵活的系统框架和完整的解决方案。在车险公估系统中,使用BusinessWorks代替传统的Axis开发Web服务,既可以快捷有效地实现配件价格共享功能,又能够提高Web服务的性能。 相似文献
2.
以陕西某地硅质钒矿为研究对象,进行了单一硫酸浸出、硫酸助浸、空白焙烧—浸出、硫酸熟化—常温水浸提钒探索试验,确定出硫酸熟化—常温水浸工艺更适用于硅质钒矿,同时考察了熟化温度、熟化时间、熟化硫酸及水用量、矿石粒度、浸出温度对钒浸出率的影响。结果表明,在熟化硫酸用量15%、熟化水用量10%、熟化温度130℃、熟化时间4 h、原矿粒度-8 mm、熟料浸出液固比1.5、常温浸出3 h的条件下,可获得78%左右的钒浸出率。该硅质钒矿经硫酸熟化后水浸,浸出温度对钒浸出率影响小,可采用"熟化-柱浸(堆浸)"工艺进行提钒。 相似文献
3.
对离子交换法从石煤钒矿酸浸液中提钒进行了研究。主要考察了原液pH、速比、交换前液钒浓度对钒吸附率的影响。结果表明,在pH=1.85、吸附速度与树脂体积比1.5 h-1、交换前液钒浓度4 g/L条件下,钒的吸附效果较佳。中试试验证明,原液V2O5含量4 g/L左右,采用“三柱串联吸附—优化调节—两柱串联再吸附”流程,当吸附尾液体积是树脂总体积约20倍,尾液钒品位稳定在约0.13 g/L,平均含钒低至约0.11 g/L时,V2O5吸附率为97.17%。以4%NaOH+4%NaCl配比的解吸剂对饱和D201进行动态解吸,解吸液中V2O5含量达到峰值为119.49 g/L,利用4倍树脂体积的解吸剂,最终得到富钒解吸液中V2O5浓度为57.36 g/L。解吸液无需净化处理,即可实现酸性铵盐一步沉钒法制备高纯V2O5产品,最终五氧化二钒品位为98.36%,产品符合YB/T 5304—2017要求,级别为粉钒V2O598.0-P级。 相似文献
4.
为了提高酸浸钒渣的利用效率,以商洛千家坪钒渣为主要原料,添加黏土和粉煤灰制备建筑用烧结陶粒。对陶粒制备过程中各物料的配比、制粒工艺参数、预热和焙烧制度进行了系统研究。结果表明,物料配比为钒渣∶粘土∶粉煤灰=6∶1∶3、制粒用水量为18%、制粒时间为15 min、预热温度为400℃、预热时间为30 min、焙烧温度为1160℃、焙烧时间为20 min的条件下,可制得筒压强度为11.58 MPa,堆积密度为1014.7 kg/m3,吸水率为5.61%的高强陶粒。SEM和XRD分析结果表明,钒渣在烧结成陶粒的过程中主要产生了石英、斜长石和钾长石相,形成了结构致密、孔骨架良好的矿物集合体,因此提高了陶粒的强度。 相似文献
5.
6.
传统芒果病虫害防治,需要人工进行识别,现引入深度学习技术,可快速准确地对芒果病虫害进行识别。以攀西地区芒果的12种病虫害为研究对象,采用的数据集一部分来自公开数据集MangoLeafBD,另一部分由爬虫技术获得的网络图片组成,共获取图片6 769张,其中4 879张为训练集,1 220张为验证集,670张为测试集。为迎合实际应用的需要,选择了MobileNetV3、MobileViT等4种不同规模的轻量级深度学习网络模型,结合迁移学习训练策略进行对比实验,比较了各个模型的参数量、精确率、召回率等参数。实验结果显示,MobileViT模型用于芒果病虫害分类识别效果最佳,该模型的精确率为96.31%,召回率为96.12%,F1为96.20%,均优于其他模型。由此表明,模型具有较好的鲁棒性和识别性能,可为芒果病虫害分类识别提供技术参考。 相似文献
7.
9.
10.