全文获取类型
收费全文 | 19701篇 |
免费 | 3438篇 |
国内免费 | 2491篇 |
学科分类
工业技术 | 25630篇 |
出版年
2024年 | 145篇 |
2023年 | 697篇 |
2022年 | 809篇 |
2021年 | 986篇 |
2020年 | 957篇 |
2019年 | 1317篇 |
2018年 | 799篇 |
2017年 | 931篇 |
2016年 | 1068篇 |
2015年 | 1245篇 |
2014年 | 1608篇 |
2013年 | 1391篇 |
2012年 | 1688篇 |
2011年 | 1768篇 |
2010年 | 1633篇 |
2009年 | 1708篇 |
2008年 | 1579篇 |
2007年 | 1406篇 |
2006年 | 1060篇 |
2005年 | 769篇 |
2004年 | 544篇 |
2003年 | 336篇 |
2002年 | 253篇 |
2001年 | 167篇 |
2000年 | 123篇 |
1999年 | 75篇 |
1998年 | 78篇 |
1997年 | 56篇 |
1996年 | 63篇 |
1995年 | 67篇 |
1994年 | 57篇 |
1993年 | 41篇 |
1992年 | 45篇 |
1991年 | 36篇 |
1990年 | 46篇 |
1989年 | 51篇 |
1988年 | 6篇 |
1987年 | 5篇 |
1986年 | 11篇 |
1985年 | 3篇 |
1983年 | 1篇 |
1981年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 78 毫秒
101.
多孔质节流器表面孔隙分布的不均匀性会导致多孔质气体轴承的倾斜。为寻找一种合适的方法来评价渗透率分布对多孔质轴承倾斜的影响,通过图像采集得到多孔质节流器表面孔隙的局部分形维数,然后利用局部分形维数的分布情况来评价渗透率的不均匀性,并提出分形维数分布向量来评估多孔质轴承的倾斜。通过实验测量多孔质轴承工作状态下的倾斜角度和方向。实验结果表明,该方法可以在不破坏多孔质节流器的情况下很好地预测多孔质轴承的倾斜:局部分形维数分布越集中则表明多孔质节流器的渗透率越均匀;根据分形维数分布向量的模可判断出轴承倾斜的角度大小,轴承倾斜的方向和分形维数分布向量的方向和达到了很好的吻合。 相似文献
102.
103.
104.
105.
106.
为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。 相似文献
107.
针对大型数据库中进行匹配识别时存在识别速度慢、时间长、影响实时应用效果的问题,提出了一种树形层次结构的粗分类方法。通过k-means得到两类粗分类的样本,用这两类粗分类数据训练SVM分类器,找到分类超平面,再不断调整分类超平面,最后构建二叉树型结构达到粗分类的目的。三个方法相结合很好地缩小目标的搜索范围,提高了识别时候的效率。 相似文献
108.
退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能. 相似文献
109.
110.
为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测.结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高. 相似文献