全文获取类型
收费全文 | 219篇 |
免费 | 15篇 |
国内免费 | 14篇 |
学科分类
工业技术 | 248篇 |
出版年
2024年 | 2篇 |
2022年 | 6篇 |
2021年 | 3篇 |
2020年 | 4篇 |
2019年 | 4篇 |
2018年 | 6篇 |
2017年 | 6篇 |
2016年 | 5篇 |
2015年 | 5篇 |
2014年 | 10篇 |
2013年 | 12篇 |
2012年 | 9篇 |
2011年 | 16篇 |
2010年 | 16篇 |
2009年 | 28篇 |
2008年 | 16篇 |
2007年 | 13篇 |
2006年 | 12篇 |
2005年 | 4篇 |
2004年 | 15篇 |
2003年 | 8篇 |
2002年 | 12篇 |
2001年 | 8篇 |
2000年 | 1篇 |
1998年 | 3篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1994年 | 4篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1990年 | 2篇 |
1989年 | 1篇 |
1988年 | 2篇 |
1987年 | 2篇 |
1986年 | 3篇 |
1984年 | 3篇 |
排序方式: 共有248条查询结果,搜索用时 500 毫秒
71.
两电机变频系统的支持向量机广义逆内模解耦控制 总被引:1,自引:0,他引:1
针对两电机变频系统非线性强耦合的特点,提出基于支持向量机广义逆内模控制的方法。对工作在矢量控制方式下的两电机变频系统数学模型进行广义逆存在性分析,从而得出系统广义逆数学表达式。通过支持向量机来辨识原系统的广义逆系统,然后对复合后所得到的伪线性系统引入了内模控制。该方法结合了支持向量机在小样本上具有良好的非线性建模能力和泛化能力,以及内模控制器易于在线设计的优点,同时兼顾系统的鲁棒稳定性,从而可以有效提高系统的控制效果。仿真和实验结果表明,该方法具有良好的动静态解耦性能,对外界扰动亦有很强的鲁棒稳定性。 相似文献
72.
73.
随机降维映射稀疏表示的电能质量扰动多分类研究 总被引:7,自引:0,他引:7
提出一种随机降维映射特征提取与稀疏表示分类相结合的电能质量扰动信号识别方法.首先将扰动信号测试样本表示为训练样本集的过完备字典稀疏线性组合,然后使用随机测量矩阵获取测试样本降维特征量和稀疏表示感知矩阵,应用最小L1范数解决方案求取扰动信号测试样本的稀疏解,由冗余误差最小值确定目标归属类,实现对电能质量扰动的稀疏表示多分类识别.研究表明随机矩阵降维映射特征提取不依赖于电能扰动样本特性,构造简单,运算快速,具有普适性;稀疏表示分类法与支持向量机相比无需组合多个二分类器来实现多分类器.仿真和实验结果表明该方法能有效提取各种电能扰动特征,抗噪声鲁棒性好,在信噪比20dB以上的噪声环境中电能质量扰动分类准确率达95%以上. 相似文献
74.
应用计算机辅助程序控制焊枪,达到模拟人工操作,完成焊接过程中焊缝自动填充,从而实现焊接效率高、质量好的目的.详细阐述了该机的主要结构、技术特征及创新点. 相似文献
75.
76.
基于自抗扰控制器的两电机变频调速系统最小二乘支持向量机逆控制 总被引:2,自引:0,他引:2
针对多输入多输出(multiple input multiple output,MIMO)非线性强耦合的两电机变频调速系统,对其数学模型进行可逆性存在分析,进一步设计最小二乘支持向量机(least squares support vector machines,LSSVM)逆系统,串联于两电机系统之前,组成基于阶逆的伪线性复合系统,实现MIMO系统的线性化与解耦。在此基础上,采用自抗扰控制器(active disturbances rejection control,ADRC)抑制伪线性复合系统中非线性因素的作用,引入扩张状态观测器对不确定性的估计,使之参与LSSVM逆模型的构造。仿真和实验结果表明,新型控制策略可以有效减小负载扰动和LSSVM建模误差的影响,具有良好的解耦控制效果和鲁棒性。 相似文献
77.
针对小功率光伏并网系统,提出了一种基于两级式无变压器光伏并网系统,具有单相有源滤波功能。该系统不仅能将有功功率注入到电网,而且能起到有源滤波器的作用消除非线性负载产生的谐波和无功。在光伏系统中去除变压器结构可以有效地减少损耗,降低成本,缩小体积。但是由于在太阳能电池阵列和地之间存在寄生电容,变化的共模电压产生的共模电流(也称漏电流)将会通过虚拟的寄生电容流入大地,给人身安全带来威胁。本系统采用不会产生变化的共模电压的H5拓扑结构。仿真和实验结果证明了本文控制方法和拓扑结构的可行性。 相似文献
78.
针对神经网络逆系统方法实现复杂非线性系统解耦存在训练时间长、实时控制较差的缺陷,提出一种改进的RELM(正则极限学习机)训练算法,根据输出权值的特点,采用不带平方根的乔累斯基分解,提高了计算效率,减少了训练时间,具有较高的学习精度及更好的泛化能力;进一步将此神经网络应用到3输入3输出多变量离散系统的解耦控制,仿真实验结果表明,所提出的方法具有较快的实时控制速度,具有较高的实用价值. 相似文献
79.
80.