全文获取类型
收费全文 | 70256篇 |
免费 | 6243篇 |
国内免费 | 4363篇 |
学科分类
工业技术 | 80862篇 |
出版年
2024年 | 698篇 |
2023年 | 2586篇 |
2022年 | 2739篇 |
2021年 | 3152篇 |
2020年 | 2834篇 |
2019年 | 2896篇 |
2018年 | 1356篇 |
2017年 | 1898篇 |
2016年 | 2139篇 |
2015年 | 2564篇 |
2014年 | 4498篇 |
2013年 | 3364篇 |
2012年 | 4188篇 |
2011年 | 4144篇 |
2010年 | 3854篇 |
2009年 | 3882篇 |
2008年 | 4497篇 |
2007年 | 4049篇 |
2006年 | 3313篇 |
2005年 | 3033篇 |
2004年 | 2720篇 |
2003年 | 2334篇 |
2002年 | 1999篇 |
2001年 | 1718篇 |
2000年 | 1498篇 |
1999年 | 1318篇 |
1998年 | 1121篇 |
1997年 | 1033篇 |
1996年 | 906篇 |
1995年 | 880篇 |
1994年 | 774篇 |
1993年 | 698篇 |
1992年 | 646篇 |
1991年 | 604篇 |
1990年 | 419篇 |
1989年 | 414篇 |
1988年 | 36篇 |
1987年 | 23篇 |
1986年 | 13篇 |
1985年 | 5篇 |
1984年 | 3篇 |
1983年 | 4篇 |
1982年 | 2篇 |
1981年 | 3篇 |
1980年 | 3篇 |
1965年 | 1篇 |
1959年 | 1篇 |
1951年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
23.
现有短路电流过零点预测算法存在计算复杂、误差大等问题。针对煤矿供电系统三相短路故障,提出了一种矿用相控开关短路电流过零点预测算法。该算法利用三相短路故障发生后1个基波周期内短路电流采样数据,通过累加和的方法计算短路电流的直流分量,可减小计算量、消除谐波干扰;将采样数据与直流分量相减,得到短路电流的交流分量;利用交流分量周期性的特点,可预测1个基波周期后任意采样时刻的交流分量;将1个基波周期后任意采样时刻的直流分量与交流分量相加,即可重构出任意采样时刻的短路电流,从而预测短路电流过零点。仿真和实验结果验证了该算法的准确性。 相似文献
24.
针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题,提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法,利用SA的全局寻优能力对BP神经网络的模型参数进行优化,使参数迭代过程始终保持较高的“温度”和“能量”,从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证,结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度,并且在小样本和低信噪比条件下优势更加明显。 相似文献
25.
26.
煤与瓦斯突出是一种复杂的动力现象,突出的类型不同、引起突出的危险因素不同,预测指标对其的敏感性也就不同,选择适应的突出危险性预测敏感指标及突出敏感指标的临界值,研究可靠的突出预测手段和方法来实现对突出危险性的准确预测,是指导突出防治工作的重要技术基础,而为了获得突出敏感指标的临界值就必须对煤的多元物性参数进行实验研究,掌握煤层的各项物化性质,是有效确定防治突出方法体系的关键基础。 相似文献
27.
广西乐业县岩旦—岩堂金矿是滇黔桂"金三角"新发现的一处大型卡林型金矿,为探究该矿床深部及外围找矿潜力,明确下一步找矿方向,开展了详细的矿床地质特征研究,并结合土壤地球化学和地球物理勘探异常,建立了该矿床的找矿模型,从而对深部成矿进行预测。研究表明:矿床中分布的矿体主要为受断层破碎带控制的脉状矿体,其次为受地层控制的层状和似层状矿体;背斜核部的NEE向断层F_1是主要的控矿构造,矿体有沿断层向东侧伏的趋势;土壤地球化学异常以Au-As为主,沿断层分布,且断层东部地表以As异常为主,具矿体前缘晕特征;地球物理激电测深表明金矿体具有低阻高极化的特点,在断层东部的高极化异常明显增强,暗示存在隐伏金矿体。综合地质与物化探研究成果认为,沿NEE向F_1断层及其与近SN向断层的交会处具有较好的找矿潜力,为优先找矿靶区。 相似文献
28.
29.
在预测轴承剩余使用寿命时,数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测,提出了一种基于并行多通道卷积长短时记忆网络(PMCCNN-LSTM)的剩余使用寿命预测模型。该模型主要由两部分组成:前端为并行多通道卷积网络(PMCCNN),提取信号特征,挖掘数据的时序特性,并采用逐层训练和微调的方式提升参数的收敛性;后端为长短时记忆(LSTM)网络,基于特征进行剩余使用寿命预测,并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性,实验结果表明:所提模型的平均误差与最大误差分别比传统的卷积神经网络(CNN)低23.38%和15.84%,比传统的LSTM低24.14%和19.01%,比卷积长短时记忆网络(CNN-LSTM)低30.32%和23.09%。 相似文献
30.