全文获取类型
收费全文 | 52179篇 |
免费 | 7084篇 |
国内免费 | 5521篇 |
学科分类
工业技术 | 64784篇 |
出版年
2024年 | 853篇 |
2023年 | 3331篇 |
2022年 | 3699篇 |
2021年 | 4204篇 |
2020年 | 3655篇 |
2019年 | 3519篇 |
2018年 | 1460篇 |
2017年 | 1502篇 |
2016年 | 1360篇 |
2015年 | 1468篇 |
2014年 | 2281篇 |
2013年 | 2007篇 |
2012年 | 2462篇 |
2011年 | 2683篇 |
2010年 | 2655篇 |
2009年 | 2967篇 |
2008年 | 3117篇 |
2007年 | 2932篇 |
2006年 | 2686篇 |
2005年 | 2546篇 |
2004年 | 2212篇 |
2003年 | 1830篇 |
2002年 | 1511篇 |
2001年 | 1342篇 |
2000年 | 1237篇 |
1999年 | 1059篇 |
1998年 | 896篇 |
1997年 | 803篇 |
1996年 | 775篇 |
1995年 | 583篇 |
1994年 | 377篇 |
1993年 | 277篇 |
1992年 | 247篇 |
1991年 | 111篇 |
1990年 | 70篇 |
1989年 | 41篇 |
1988年 | 5篇 |
1987年 | 4篇 |
1986年 | 9篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1977年 | 1篇 |
1959年 | 1篇 |
1951年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 175 毫秒
21.
针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断. 相似文献
22.
23.
随着海洋资源勘探和海洋污染物监控工作的开展,水文数据的监测和采集等已经成为重要的研究方向。其中,水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中,传感器节点数据采集的问题,其设计方法是通过自组织映射(Self-organizing mapping,SOM)对传感器节点进行路径最优化处理,结合优化的路径图形和K-means算法找到路径内部聚合点,利用聚合点和传感器的节点得到传感器通信半径内的数据采集点,最后通过SOM得到水下机器人(Autonomous underwater vehicle,AUV)到各个数据采集点采集数据的最优路径。经过实验验证,在水下1 200 m × 1 750 ![]()
![]()
m范围内布置52个传感器节点的情景下,数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%;对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量,其结果也大致相同,因此采用该方法可以提高水下机器人采集数据的效率。 相似文献
24.
25.
滚动轴承的故障智能诊断研究多是针对同源数据进行,而不同型号、不同工况下的滚动轴承,由于时、频特征差异,加之背景噪声的影响,导致识别准确率偏低。为了解决这一问题,笔者以6307和6205两类深沟球轴承为研究对象,建立了以深度信念网络(deep belief network,简称DBN)为核心的迁移诊断模型,构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径(共振频带差异)和背景噪声的影响,引入最大相关峭度反卷积(maximum correlated kurtosis deconvolution,简称MCKD)方法,并对其关键参数实施了自适应选取。结果表明,由MCKD与DBN联合组成的迁移诊断模型,在3类不同数据源之间的诊断准确率均超过了95%,为滚动轴承的迁移特征诊断提供了一条可行的途径。 相似文献
26.
27.
28.
针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题,提出了基于卷积深度置信网络(convolutional deep belief network,简称CDBN)与改进核极限学习机 (improved Kernel?based extreme learning machine,简称IKELM)的滚动轴承故障智能识别方法。首先,由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取;其次,利用等距特征映射对提取的多维特征进行降维,去除冗余特征信息;然后,采用改进的核极限学习机对特征进行分类,使用粒子群(particle swarm optimization, 简称PSO)对模型重要参数进行优化,实现滚动轴承变工况下的故障识别;最后,将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明,该方法能够智能有效地识别变工况的轴承故障,诊断结果优于已有的智能故障诊断方法。 相似文献
29.