全文获取类型
收费全文 | 132篇 |
免费 | 21篇 |
国内免费 | 3篇 |
学科分类
工业技术 | 156篇 |
出版年
2023年 | 3篇 |
2022年 | 3篇 |
2021年 | 1篇 |
2020年 | 6篇 |
2019年 | 7篇 |
2018年 | 6篇 |
2017年 | 9篇 |
2016年 | 8篇 |
2015年 | 15篇 |
2014年 | 3篇 |
2013年 | 6篇 |
2012年 | 2篇 |
2011年 | 6篇 |
2010年 | 5篇 |
2009年 | 2篇 |
2008年 | 8篇 |
2007年 | 12篇 |
2006年 | 4篇 |
2005年 | 7篇 |
2004年 | 8篇 |
2003年 | 2篇 |
2002年 | 11篇 |
2001年 | 9篇 |
2000年 | 1篇 |
1999年 | 3篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1995年 | 2篇 |
1993年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有156条查询结果,搜索用时 15 毫秒
51.
液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布熵(refined composite multiscale fluctuation dispersion entropy, RCMFDE)引入到液压泵的故障特征提取中,提出了一种基于RCMFDE和粒子群优化支持向量机结合的液压泵故障诊断方法。计算不同故障振动信号的RCMFDE,并选取合适尺度下的多个RCMFDE值作为特征向量形成特征样本,输入粒子群优化支持向量机中进行故障分类识别。通过仿真信号和液压泵故障实测信号进行分析,并将所提出的方法与基于多尺度样本熵(multiscale sample entropy, MSE)、多尺度排列熵(multiscale permutation entropy, MPE)、多尺度符号动态熵(multiscale symbolic dynamic entropy, MSDE)、多尺度散布熵(multiscale disp... 相似文献
52.
针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征提取方法。首先,使用完备总体经验模态分解方法对液压泵振动信号进行分解,得到若干个固有模态函数分量。其次,求取各个分量与原始信号的相关性,选取相关性较高的前几个分量作为有效分量并求其模糊熵,实现液压泵的退化特征提取,形成特征向量。最后,以液压泵不同退化状态下的实测数据为例,使用基于变量预测模型的模式识别方法对提取的特征向量进行验证。实验结果表明,该液压泵退化特征提取方法具有较高的精度,使退化状态识别的准确率提高到了100%。 相似文献
53.
利用换模小车液压系统功率质量比和扭矩惯量比大的优点,采用了液压马达作为动力元件,去驱动模具链条和小车行走。对换模小车驱动系统进行了深入的研究,并利用面向工程设计的高级建模软件AMESim对小车驱动系统建模,对其行走过程动态特性进行了仿真分析,最后设计了小车驱动的电气控制系统。 相似文献
54.
针对不同故障类型下的液压泵振动信号具有不同复杂性的特点,将多尺度熵引入到液压泵故障识别中。多尺度熵是在样本熵的基础上通过引入尺度因子,从而能够分析信号在不同尺度因子下的复杂性。在多尺度熵的基础上定义一个同时考虑多尺度熵熵值大小和熵值变化趋势的指标--多尺度熵偏均值(PMMSE),该指标定量地刻画故障信号的复杂性。将该指标用于液压泵的故障识别中。通过对液压泵4种不同运行状态的实测振动信号进行分析,结果表明PMMSE能够很好地区分出液压泵的不同故障类型,验证了该指标在故障特征提取中的有效性。 相似文献
55.
56.
在对旋转机械进行故障诊断时,通常要从时域、频域或时频域提取故障特征参数,组成原始的故障特征向量,然而在众多的故障特征当中并不是每个特征对于故障分类都是敏感且有效的。为此,本研究提出了基于ReliefF算法和相关度计算结合的故障特征降维方法。采用ReliefF加权特征选择算法对原始各特征的分类能力进行评价,选择出分类能力较强的特征;再通过特征相关度算法剔除其中分类能力相近的冗余特征,将剩余的分类能力较强的特征组成最终的降维特征向量用于故障分类和诊断,实现原始特征的降维。通过液压泵和滚动轴承的故障诊断实验,并与传统的主元分析(PCA)方法对比,结果表明该方法能够用较少的降维后的信号特征获得更高的故障正确识别率。 相似文献
57.
58.
59.
60.
研究了传统分类算法在故障诊断中的不足,融合人工免疫系统中的实值否定选择(RNS)算法和支持向量机(SVM)算法提出了一种复合的故障诊断方法。在新方法中使用RNS算法产生检测器(非己集合)当作故障样本,这些样本再作为SVM算法的输入进行训练,这样就能解决分类算法所面临的训练样本不足的难题。轴向柱塞泵发生故障时,由于滑靴对斜盘冲击产生的振动信号被高频谐振信号调制,通过小波簇包络解调方法将调制信号解调出来,然后对包络信号用小波包分解子带特征能量法进行特征提取。最后用轴向柱塞泵多松靴和配流盘磨损多故障模式样本进行诊断测试,正确率可达90%以上,验证了复合诊断方法的有效性。 相似文献