全文获取类型
收费全文 | 180篇 |
免费 | 6篇 |
国内免费 | 12篇 |
学科分类
工业技术 | 198篇 |
出版年
2023年 | 8篇 |
2022年 | 7篇 |
2021年 | 6篇 |
2020年 | 3篇 |
2019年 | 7篇 |
2018年 | 1篇 |
2017年 | 2篇 |
2016年 | 4篇 |
2015年 | 11篇 |
2014年 | 6篇 |
2013年 | 6篇 |
2012年 | 9篇 |
2011年 | 8篇 |
2010年 | 10篇 |
2009年 | 14篇 |
2008年 | 19篇 |
2007年 | 11篇 |
2006年 | 9篇 |
2005年 | 5篇 |
2004年 | 7篇 |
2003年 | 8篇 |
2002年 | 6篇 |
2001年 | 8篇 |
2000年 | 6篇 |
1999年 | 8篇 |
1998年 | 1篇 |
1995年 | 1篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1988年 | 3篇 |
1987年 | 1篇 |
排序方式: 共有198条查询结果,搜索用时 15 毫秒
191.
192.
193.
194.
195.
针对传统热连轧出口板凸度预测方法存在的模型精度低、解释性差等缺陷,提出了一种将机理与数据驱动相结合的热连轧板凸度组合预测模型。通过热连轧板凸度机理预测模型得到热连轧板凸度基准值,将该基准值与实际值之间的偏差量作为机器学习模型的预测变量,再将偏差量预测值与基准值进行求和得出组合预测模型的板凸度预测值,并将该组合预测策略应用至多个神经网络进行方法验证。研究结果表明,提出的热连轧板凸度组合预测模型相较于传统预测模型具有更好的预测性能,其中有97%以上预测数据的绝对误差小于0.02 mm,82%以上预测数据的绝对误差小于0.01 mm,同时该组合预测方法具有较好的可行性与普适性,所提出的模型能够实现机理模型与数据驱动模型的优势互补,使得模型更加符合实际物理意义,该组合模型既缓解了神经网络预测结果由于过程黑箱导致解释性差、可信度低的问题,又弥补了机理模型预测结果偏离生产工况、无法实时修正的缺陷,对热连轧板带钢的板形控制以及热连轧产品质量的改善具有重要意义。 相似文献
196.
目前国内外转炉炼钢厂主流的“自动化炼钢”多为传统静态固定模型框架的转炉“一键式炼钢”,因其高度依赖入炉原辅料的稳定性、静态模型的准确性、枪位模型的适应性等客观因素,在实际生产应用中存在较多弊端,从而限制了转炉自动化炼钢的发展。为实现更高智能化程度的转炉自动化炼钢,研发团队近几年在多座大型转炉试验开发基于炉气分析、音频化渣、火焰监测、副枪检测等综合应用技术的实时数据驱动、动态模型架构的智能吹炼控制系统。研发团队对吹炼期间的渣况运行、喷溅返干、氧枪操控等工艺难点持续深入研究,经过长期的数据积累和观察实践,围绕“信息感知、科学分析、智慧决策、反馈赋能”的数据驱动理念,提炼总结出一整套“机理模型+经验公式+数据决策”的数据驱动模型,实现在转炉复杂工况下对氧枪枪位、吹炼流量、造渣加料、副枪检测等参数的自适应调整,从而实现转炉冶炼过程“无人为干预”的“智能化”吹炼模式,基本解决了炼钢厂转炉工序过分依赖入炉原材料、依赖现场操作工经验等“痛点”问题。数据驱动架构的转炉智能吹炼系统应用后,转炉吹炼过程氧枪枪位、流量和实时渣况形成联动,化渣效果更加平稳,脱磷率、溢渣喷溅率、一倒合格率、渣中FeO、钢水自由... 相似文献
197.
头部弯曲是热轧粗轧过程中常见的缺陷,生产过程中严重影响板带产品质量和轧制稳定性。实际生产中由于轧件上下表面温降和轧制工艺参数的不对称,轧件在经过粗轧后容易出现头部弯曲现象。为实现头部弯曲规律的模型化描述,基于传热学理论及刚塑性变分原理,利用ABAQUS软件建立了粗轧轧制过程热力耦合有限元模型。系统分析了在轧制线不对中的情况下轧件温度分布对头部弯曲的影响,及在轧制线不对中且轧件上下表面存在温差的情况下辊速比、压下率和入口厚度对头部弯曲的影响,最后通过拟合得到了各工艺因素对轧件头部弯曲的影响规律,实现了轧件头部弯曲的预测。仿真研究结果表明,随着上下表面温差的增加,轧件下扣逐渐加重;辊速比、压下率和入口厚度均对头部弯曲有影响,且相互耦合;随着辊速比的增加,弯曲角度逐渐变大,轧件头部由扣转翘;随着厚度的增加,轧件头部逐渐趋于平直;随着压下率的增加,弯曲角度在一定范围内波动;现场实测数据表明,基于所建立的预测模型,预测角度偏差在±5°之内的比例达到90.10%,验证了所建立模型的有效性,实现了头部弯曲的准确预测,能够为粗轧过程工艺优化提供参考。 相似文献
198.
宽厚板产线装备和自动化技术已经达到较高水平,但进一步提升产品成材率遇到瓶颈。开发了基于深度学习算法融合的钢板图像处理和轮廓特征提取算法,研制出基于机器视觉的高精度宽幅钢板的轮廓在线检测装置,实现了钢板轮廓高精度在线检测,宽度感知精度±2 mm,长度感知误差小于0.5%,侧弯量检测精度±5 mm,头尾不规则变形区剪切精度±5 mm。基于机器视觉测量数据,以轧件尺寸、轧制工艺参数和钢板平面形状控制参数作为输入变量,以钢板头部变形区域的金属体积作为输出变量,建立了基于随机配置网络的平面形状数字孪生模型,根据不同展宽比和延伸比条件下的钢板进行可控点平面形状曲线设定。最后,基于平面形状设定模型以及基于机器视觉的平面形状反馈数据,计算得出头部可控点设定模型对应的体积变化量,并将该变化量计算出3条高斯曲线函数相应的调整值,最终建立了基于机器视觉的平面形状模型滚动优化模型,实现了可控点平面形状(plan view pattern control, PVPC)的智能预测、动态设定和反馈优化。实际应用结果表明,基于传统平面形状控制方法的综合成材率为92.28%,采用基于机器视觉反馈的平面形状CPS优化系统... 相似文献