全文获取类型
收费全文 | 93篇 |
免费 | 1篇 |
国内免费 | 2篇 |
专业分类
电工技术 | 2篇 |
综合类 | 14篇 |
金属工艺 | 4篇 |
机械仪表 | 34篇 |
矿业工程 | 7篇 |
武器工业 | 10篇 |
无线电 | 6篇 |
一般工业技术 | 14篇 |
自动化技术 | 5篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 3篇 |
2018年 | 3篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 7篇 |
2013年 | 1篇 |
2012年 | 6篇 |
2011年 | 6篇 |
2010年 | 9篇 |
2009年 | 7篇 |
2008年 | 8篇 |
2007年 | 2篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 2篇 |
2003年 | 5篇 |
2002年 | 3篇 |
2001年 | 2篇 |
2000年 | 6篇 |
1999年 | 4篇 |
排序方式: 共有96条查询结果,搜索用时 0 毫秒
1.
2.
该文为研究某风机旋转叶片的断裂原因,利用振动试验台悬臂梁进行类似的振动分析,首先利用弹性体一维振动理论得到悬臂梁的振动数学模型。通过伯努利-欧拉梁理论计算得到悬臂梁振动微分方程,并且对悬臂梁设定与风机叶片相似的边界约束条件计算得到各阶模态参数,利用Workbench有限元仿真分析得到悬臂梁前5阶固有频率与振型,最后用基于Poly IIR算法进行悬臂梁EMA参数识别,得到悬臂梁弯曲与扭转模态频率与振型,验证仿真值、实验值的一致性,可为后续动力旋转机械叶片的设计选型以及结构优化分析提供一定的参考。 相似文献
3.
4.
目的 研究大系统理论在引信系统设计中的应用 .方法 提出了引信大系统的构成形式及模型化方法 ,并讨论了大系统理论在引信设计中的一些应用 .结果 提出了引信智能化设计的基本思想 .结论 这种理论和方法对引信系统的设计具有普遍意义 . 相似文献
5.
针对条件深度卷积生成式对抗网络(conditional deep convolutional generative adversarial network ,简称C-DCGAN)在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则(two time-scale update rule,简称TTUR)用于C-DCGAN机械故障诊断模型训练中,在判别器和生成器具有单独学习速率的情况下提高模型的稳定性。首先,给出了TTUR在C?DCGAN模型中收敛性证明;其次,在西储大学轴承数据集(Case Western Reserve University,简称CWUR)和实验室行星齿轮箱数据集上验证其有效性;最后,引入Jensen-Shannon 散度(Jensen-Shannon divergence,简称JSD)指标评估模型捕获到的真实数据和生成数据之间的相似度。实验结果表明,TTUR提高了C-DCGAN的学习能力,优于传统的C-DCGAN。 相似文献
6.
7.
大功率发动机机体与曲轴组合结构自由模态分析 总被引:3,自引:0,他引:3
应用有限元法分析软件,建立了某大功率发动机机体与曲轴组合结构的有限元模型,并进行了动态特性研究,得到了组合结构的自由模态参数;与实验结果基本吻合,证明了所建模型的正确性。在建立有限元模型时,利用模拟试验,定性分析了曲轴与机体结合部的连接特性,提出了用弹簧单元来模拟油膜接触刚度的方案。分析得到,对于机体与曲轴这类组合结构,其刚度主要取决于机体,曲轴相对于机体是柔性的。因此,在以避免共振为设计目的时,应主要考虑优化机体的刚度。 相似文献
8.
将人工免疫算法用于盲源分离算法,阐述了盲源分离过程,提出了免疫优化盲源分离算法(AIS-ICA算法),针对4组特定信号的混合与分离进行了仿真试验。仿真试验结果表明,该算法具有收敛速度快、分离精度高和稳定性好等优点。将该算法用于齿轮箱振动信号的盲源分离及其故障诊断,增强了振动信号所携带的故障信息,结果表明该算法用于齿轮箱振动信号分离可增强故障信息,降低齿轮箱故障诊断难度。 相似文献
9.
改进的神经网络和灰色理论在故障诊断中的应用 总被引:1,自引:0,他引:1
在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的BP神经网络和ABO灰色关联度诊断法。应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数。讨论了特征参数的无量纲化处理方法,并结合ABO灰色关联度诊断法简单易于实现和BP神经网络法诊断精度较高的特点,完成了齿轮箱的故障模式识别和诊断决策。 相似文献
10.
针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。 相似文献