全文获取类型
收费全文 | 544篇 |
免费 | 26篇 |
国内免费 | 6篇 |
专业分类
电工技术 | 158篇 |
综合类 | 29篇 |
化学工业 | 36篇 |
金属工艺 | 52篇 |
机械仪表 | 39篇 |
建筑科学 | 19篇 |
矿业工程 | 15篇 |
能源动力 | 109篇 |
轻工业 | 10篇 |
水利工程 | 6篇 |
石油天然气 | 4篇 |
武器工业 | 1篇 |
无线电 | 3篇 |
一般工业技术 | 15篇 |
冶金工业 | 63篇 |
原子能技术 | 1篇 |
自动化技术 | 16篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 10篇 |
2021年 | 9篇 |
2020年 | 7篇 |
2019年 | 11篇 |
2018年 | 4篇 |
2017年 | 9篇 |
2016年 | 11篇 |
2015年 | 11篇 |
2014年 | 26篇 |
2013年 | 29篇 |
2012年 | 36篇 |
2011年 | 31篇 |
2010年 | 39篇 |
2009年 | 29篇 |
2008年 | 41篇 |
2007年 | 29篇 |
2006年 | 17篇 |
2005年 | 42篇 |
2004年 | 33篇 |
2003年 | 16篇 |
2002年 | 19篇 |
2001年 | 19篇 |
2000年 | 17篇 |
1999年 | 10篇 |
1998年 | 5篇 |
1997年 | 10篇 |
1996年 | 7篇 |
1995年 | 5篇 |
1994年 | 4篇 |
1993年 | 5篇 |
1992年 | 8篇 |
1991年 | 8篇 |
1990年 | 2篇 |
1989年 | 6篇 |
1988年 | 1篇 |
1985年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有576条查询结果,搜索用时 312 毫秒
1.
针对锅炉飞灰含碳置影响因素复杂.实时测量难度大.精度低,提出了一种基于遗传神经网络的预测方法,并用于某电厂,结果表明,该方法是有效的。 相似文献
2.
赵听 《安徽电力科技信息》2005,(3):11-13
淮北发电厂^#5炉为东方锅炉厂生严的DG670/13.7—4型自然循环汽包炉,锅炉喷燃器为直流四角切园布置。每只喷燃器装有一次风口四只,二次风口六只,三次风口两只,喷口自上而下的风口顺序为3、3、2、2、1、1、2、2、2、1、1、2。制粉系统为中间储仓,热风送粉方式。 相似文献
3.
4.
含碳量对Fe—20%Cr合金高温耐磨性的影响 总被引:6,自引:1,他引:5
本文用自制的高温磨损试验机对碳含量0.82~2.94%的Fe-20%Cr合金进行了800℃下的高温磨损试验,并用扫描电镜观察了磨损面和磨损面亚表面的情况。主要结论:(1)在本试验的磨损条件下增加碳含量将有益于提高800℃下材料的耐磨性。(2)由于在高温下基体的塑性变形使碳化物产生了碎裂,因此,提高基体抵抗塑性变形的能力将对支撑碳化物并使材料的高温磨损耐磨性的提高起到重要的作用。 相似文献
5.
本文全面论述了渗碳件的表面含碳量及渗层的碳浓度分布对硬度、耐磨性、弯曲、扭转、冲击强度及抗疲劳性的影响,指出它的最佳范围。为达此目的最好用计算机对炉气碳势进行控制及对渗层碳浓度分布进行实时摸拟处理。 相似文献
6.
锅炉飞灰含碳量是影响锅炉运行效率的重要因素,对机组总体性能也有着很大的影响.对锅炉飞灰含碳量的成因进行分析,并提出改善措施,有利于指导运行人员及时进行锅炉燃烧和制粉系统的调整,提高锅炉燃烧效率及控制水平,降低发电煤耗,提高竞价上网能力. 相似文献
7.
8.
针对目前锅炉飞灰含碳量难以准确测量的问题,应用支持向量回归和粒子群算法相结合建立了飞灰含碳量软测量模型;建模中以某电厂提供的1 000 MW超超临界机组的测试数据为研究对象,对数据进行了预处理,对各种变量进行了关联度分析,采用粒子群算法优化了模型的惩罚参数C和核函数参数g,建立了飞灰含碳量软测量模型;同时利用测试数据和另选的随机数据验证了模型的准确性和泛化能力;仿真结果表明,飞灰含碳量软测量模型的预测精度较高,相对误差被控制在±1%以内,而且泛化能力较强,为锅炉飞灰含碳量的测量提供了一种有效的途径。 相似文献
9.
北京工业大学材料学院采用化学镀的方法在碳纤维表面镀覆了一层金属镍,将镀镍后的碳纤维与羰基铁粉混合制备吸波涂层。并对吸波涂层吸波性能进行测试。实验所用碳纤维是低温处理的聚丙烯腈基短切碳纤维,含碳量大于96%,平均直径为7μm,截面形状为近似圆形。长度为3mm,密度为1.74g/cm^3。短切碳纤维的所用羰基铁粉粉体Fe的含量≥97%,其平均粒度为4.5μm,粒径范围为1.5~7.0μm,分布不均匀,有效磁导率(μ)≥2.85。 相似文献
10.
火电机组变工况运行使数据呈现多模态特征,导致基于浅层网络结构的回归软测量模型的预测精度下降。研究一种改进的BP神经网络(back propagation neural network,BPNN)软测量方法:首先利用堆叠稀疏自编码器(stacked sparse autoencoder,SSAE)强大的深度学习能力提取原始数据特征,然后再利用BPNN对提取特征进行回归分析。经实验验证,SSAE+BPNN软测量方法的均方误差为0.135 8×10–3,平方相关系数为0.983 2,其预测精度和泛化能力显著优于BPNN。将其应用于某台灵活调峰的超超临界660 MW发电机组飞灰含碳量软测量中,预测结果的平均相对误差为0.91%,总体相对误差控制在±5%以内,具有良好的工程应用价值。 相似文献