全文获取类型
收费全文 | 206篇 |
免费 | 69篇 |
国内免费 | 12篇 |
学科分类
工业技术 | 287篇 |
出版年
2023年 | 6篇 |
2022年 | 14篇 |
2021年 | 15篇 |
2020年 | 21篇 |
2019年 | 8篇 |
2018年 | 11篇 |
2017年 | 11篇 |
2016年 | 20篇 |
2015年 | 5篇 |
2014年 | 14篇 |
2013年 | 21篇 |
2012年 | 17篇 |
2011年 | 13篇 |
2010年 | 8篇 |
2009年 | 7篇 |
2008年 | 5篇 |
2007年 | 7篇 |
2006年 | 11篇 |
2005年 | 8篇 |
2004年 | 6篇 |
2003年 | 7篇 |
2002年 | 7篇 |
2001年 | 10篇 |
2000年 | 11篇 |
1999年 | 9篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
排序方式: 共有287条查询结果,搜索用时 15 毫秒
131.
132.
采用对金属蒸汽图像特征进行分类的方法来评估焊接过程的稳定性。使用高速摄像机实时获取大功率盘形激光焊接过程中金属蒸汽和飞溅图像,定义并提取飞溅面积和个数、飞溅灰度图像平均灰度和熵、金属蒸汽质心与焊接点的坐标比以及金属蒸汽质心的极坐标(矢径和极角)等7个金属蒸汽和飞溅特征。为实现降维,使用Karhunen-Loeve变换法将7维特征向量转换为3维特征向量,同时使用K近邻法将图像分成焊接质量较好与较差两类。实验结果表明,金属蒸汽及飞溅与焊接稳定性有密切的联系,使用K近邻法对Karhunen-Loeve变换后的图像进行分类可以获得较好的效果,实现焊接状况的评估。 相似文献
133.
X光对于焊件具有很强的穿透性,可以利用其观测和分析激光深熔焊过程焊件内部熔池形态以及匙孔能量传递效果,实现对焊接过程有效地实时监测.在大功率光纤激光焊接304不锈钢过程中,由于X光图像采集过程中的噪声干扰,导致熔池X光图像存在严重退化现象,清晰度不高,识别性较差.为此研究一种图像恢复和增强算法,对熔池X光退化图像进行恢复和增强处理,使其在处理后能够更好地被识别.以盲去卷积法试验估计出熔池X光图像退化的点扩散函数,并以此函数为参数对熔池X光图像进行维纳滤波恢复,再进行灰度变换以增强图像,进而对熔池动态特性进行分析.结果表明,所提出的方法能够有效改善激光焊过程熔池X光图像质量,突出熔池边缘轮廓特征. 相似文献
134.
大功率碟形激光焊接作为一种重要的新型激光加工技术在制造业领域得到日益广泛的应用.针对焊接过程多变量强耦合性以及反馈的实时性要求,提出了用支持向量机(SVR)对焊接过程中熔宽变化量进行预测的新方法,并根据焊接试验数据对其性能进行验证.同时分析对比了支持向量机与BP神经网络的预测效果.结果表明,BP神经网络和支持向量机的训练和单步预测效果良好,均可以应用在大功率碟形激光焊接过程中,但SVR模型要更加适应于大功率碟形激光焊接过程的样本训练和预测.当采样点数N值取10时预测效果最优. 相似文献
135.
采用0.6μm SOI SONOS工艺技术平台研制了0.6μm SOI SONOS EEPROM管,分析其擦写特性。辐射前,SONOS EEPROM管的阈值窗口电压为5.04 V。利用Co-60γ源研究存储管的电离总剂量辐射特性,给出了SONOS EEPROM管擦除态、编程态的Id-Vg曲线及阈值窗口随辐射总剂量的变化关系,在辐射总剂量达到500 Krad(Si)时,EEPROM管仍有0.7 V的阈值窗口,可以实现存储电路的设计,并对总剂量辐射引起存储管阈值漂移的机理进行了探讨。 相似文献
136.
激光焊接偏差识别是保证激光焊接质量的关键技术,本文研究一种用于识别激光束与焊缝位置偏差的BP神经网络模型。在大功率光纤激光焊接试验条件下,利用高速红外摄像机摄取焊接区域熔池图像,分析激光束与焊缝对中及偏离所对应的红外辐射瞬态特征。通过图像处理增强熔池图像,计算熔池特征参数(熔池匙孔特征参数、匙孔质心值、热堆积效应参数)以及相对应的焊缝与激光束之间的偏差值,将其输入所设计的神经网络进行网络权值参数的训练,建立基于BP神经网络且具有一定环境适应能力的焊缝偏差模型。试验结果表明,该模型能够反映熔池特征参数与焊缝偏差之间的规律,可实现较精确的焊缝偏差识别。 相似文献
137.
138.
139.
140.
由于多传感匙孔特征参数可以有效地反映大功率激光焊接质量状态,本文研究了匙孔特征信息的提取方法并建立了焊缝成形预测模型。以大功率盘形激光焊接304不锈钢为试验对象,应用近红外高速摄像机和X射线视觉成像系统同时提取了焊接过程中的熔池动态图像,并分割出匙孔区域。针对近红外图像,应用矩方法导出匙孔的不变矩特征,同时定义并提取匙孔面积和最前端点纵坐标两个特征;针对X射线图像则提取匙孔深度和熵两个特征。在不同激光功率条件下得到匙孔特征并进行特征融合分析,然后建立了3个BP神经网络焊缝成形预测模型。探索了匙孔形态、焊接条件和焊接状态三者之间的联系,实现了对焊接过程的在线监测。试验结果表明,将两个传感器获取的匙孔特征信息融合并进行主成分分析变换后,熔宽和熔深的预测绝对误差平均值分别为0.18mm和0.57mm,比基于单个传感器获取匙孔特征建立的BP神经网络分别减小了0.03mm和0.31mm,显示提出的方法能够有效在线监测大功率盘形激光焊接状态。 相似文献