全文获取类型
收费全文 | 190篇 |
免费 | 7篇 |
国内免费 | 10篇 |
学科分类
工业技术 | 207篇 |
出版年
2024年 | 2篇 |
2023年 | 14篇 |
2022年 | 8篇 |
2021年 | 10篇 |
2020年 | 7篇 |
2019年 | 14篇 |
2018年 | 5篇 |
2017年 | 2篇 |
2016年 | 4篇 |
2015年 | 6篇 |
2014年 | 19篇 |
2013年 | 5篇 |
2012年 | 7篇 |
2011年 | 6篇 |
2010年 | 8篇 |
2009年 | 8篇 |
2008年 | 7篇 |
2007年 | 10篇 |
2006年 | 6篇 |
2005年 | 4篇 |
2004年 | 2篇 |
2003年 | 5篇 |
2002年 | 4篇 |
2001年 | 3篇 |
2000年 | 8篇 |
1999年 | 7篇 |
1998年 | 7篇 |
1996年 | 4篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 6篇 |
1991年 | 4篇 |
1989年 | 1篇 |
排序方式: 共有207条查询结果,搜索用时 626 毫秒
201.
202.
203.
204.
滚动轴承是机械设备中广泛使用的关键部件,其故障特征的准确提取对设备稳定运行至关重要。轴承的初始故障很微弱,容易被背景噪声掩盖,这使故障特征的提取较为困难,需要对轴承故障特征与噪声的特性进行准确刻画。针对上述问题,为了深入探究轴承故障特征及噪声在时频域中的低秩与稀疏特性及其内在关联,对轴承故障特征提取低秩稀疏分解框架下的两种代表性方法开展对比研究,以便充分利用故障特征与噪声成分的性质,为噪声干扰下的轴承故障提取方法选择提供一定的依据。利用周期性瞬态冲击信号在时频域中的稀疏与低秩特性建立矩阵分解模型,对比了Go分解(go-decomposition, Go-Dec)和非负矩阵分解(non-negative matrix factorization, NMF)两种具有代表性的分解方法,并将其应用于时频域中滚动轴承的故障特征提取。首先,基于短时傅里叶变换(short time Fourier transform, STFT)生成振动信号的时频矩阵,并揭示了轴承故障脉冲在时频域中具有的稀疏性和低秩性。利用Go-Dec和NMF两种矩阵分解方法,分解出表征故障特征的矩阵。最后,对分解的故障矩阵采用逆... 相似文献
205.
早期轴承故障特征的有效提取对于避免严重机械事故具有重要的意义。表征轴承故障的脉冲信号往往淹没在强背景噪声干扰中,并且轴承常常在变转速工况下运行,这使故障特征的提取较为困难。针对这一问题,提出一种用于变转速工况下滚动轴承故障特征提取的组稀疏低秩矩阵估计算法。首先,根据变转速工况下轴承故障脉冲信号的角度时间循环平稳特性,利用阶频谱相关(order-frequency spectral correlation, OFSC)将测量信号转换至阶频域中;其次,揭示了轴承故障脉冲在阶频域中的组稀疏性和低秩性,并据此构建一种凸优化问题来增强这两种特性,引入非凸罚函数来提高故障特征的稀疏性;再次,在交替方向乘子法(alternating direction method of multipliers, ADMM)和优化最小化(majorization-minimization, MM)框架下求解该凸优化问题,推导出组稀疏低秩(group sparse low-rank, GSLR)矩阵估计算法;最后,通过构建增强包络阶次谱(enhanced envelope order spectrum, EEOS)对求解得到的目标分量进行故障特征检测。仿真和试验信号的分析验证了该方法在故障特征提取中的有效性。 相似文献
206.
207.