全文获取类型
收费全文 | 858篇 |
免费 | 136篇 |
国内免费 | 93篇 |
学科分类
工业技术 | 1087篇 |
出版年
2024年 | 6篇 |
2023年 | 58篇 |
2022年 | 52篇 |
2021年 | 65篇 |
2020年 | 55篇 |
2019年 | 51篇 |
2018年 | 36篇 |
2017年 | 28篇 |
2016年 | 47篇 |
2015年 | 47篇 |
2014年 | 79篇 |
2013年 | 67篇 |
2012年 | 75篇 |
2011年 | 74篇 |
2010年 | 72篇 |
2009年 | 66篇 |
2008年 | 73篇 |
2007年 | 55篇 |
2006年 | 37篇 |
2005年 | 19篇 |
2004年 | 13篇 |
2003年 | 5篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1997年 | 1篇 |
1992年 | 1篇 |
1989年 | 2篇 |
排序方式: 共有1087条查询结果,搜索用时 31 毫秒
1.
2.
粒子群算法因其形式比较简洁,参数设置灵活,操作简便易行,并且能够快速收敛,从而引起广泛关注。但是传统的粒子群算法也有缺陷:收敛速度慢以及容易陷入局部最优等。针对这些问题,本文借鉴小生境的方法,在进化初始阶段,对种群进行划分,将初始种群分为子种群,对不同的子种群进行不同的变异策略;在进化过程中,针对不同的子种群,设置不同的惯性权重因子ω,用来增强全局搜索能力与局部搜索能力。实验结果表明,本文提出的算法较传统的粒子群算法具有较快的收敛性以及找寻的全局最优解更接近真实解集,收敛精度比较高。 相似文献
3.
4.
5.
6.
目的 构建埋地管道腐蚀深度预测模型,预测腐蚀管道的剩余使用寿命。方法 依据ASME B31G剩余强度评价标准,给出管道的最大允许腐蚀深度计算方法,引入广义回归神经网络(GRNN),构建埋地管道腐蚀深度预测模型,采用粒子群算法(PSO)优化GRNN的网络参数,结合管道腐蚀发展趋势预测方法,对埋地薄弱管道进行腐蚀剩余寿命预测。以陕西省某埋地输油管道为例,选取8个主要外腐蚀因素,构建外腐蚀指标体系,借助Pycharm编程仿真,结合埋片试验,对该模型预测结果进行验证分析,并预测各腐蚀管段剩余使用寿命。结果 与BP模型相比,PSO-GRNN模型的管道腐蚀深度预测结果最大相对误差控制在13.77%以内,平均相对误差仅为6.63%。寿命预测结果显示,部分管段的剩余使用寿命未能达到其预期服役寿命。结论 所建模型预测性能要明显优于BP模型,预测精度更高,能够较好地预测埋地管道的最大腐蚀深度和未来的腐蚀发展规律,剩余寿命预测结果贴近实际,为管道的维修和更换提供了指导依据,在实际工程中,具有一定的应用价值。 相似文献
7.
在低压断路器的低能耗设计中,参数设置通常采用经验方式选取,因而很难实现能耗最低化。为此,在分析HSW6低压断路器能耗的数学物理模型的基础上,提出一种采用粒子群算法(PSO)进行低能耗参数优化设计的方法。首先对断路器的额定电流和内部功耗、铜耗、触头数、触头电阻等影响因素进行分析与建模,并转换成求解这一组参数的最优值问题;然后采用自适应PSO算法进行全局寻优得到参数最优解。实际应用表明,该文提出的基于PSO算法的低能耗参数优化设计方法不仅能实现断路器低能耗设计要求,而且提高了设计效率。 相似文献
8.
基于变量选择与高斯过程回归的短期负荷预测 总被引:1,自引:0,他引:1
提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。 相似文献
9.
盾构掘进过程中开挖面压力失衡易导致地表塌陷或隆起的灾难性事故。由于密封舱土压的变化情况与开挖面压力密切相关,因此精确预测及控制密封舱土压是有效预防开挖面压力失衡的关键技术之一。为建立密封舱土压的预测模型,首先从机理上对密封舱土压与掘进参数的关系,特别是刀盘扭矩对土压的影响,做了详细分析,以此为基础确定了密封舱土压模型新的输入输出参数。然后建立了依据密封舱压力传感器数据、基于最小二乘支持向量机(LS-SVM)的土压预测模型。并且基于此预测模型,以密封舱内四点土压预测值与设定值偏差最小为优化指标,采用粒子群算法(PSO)对控制参数进行在线优化,实时控制密封舱土压平衡。最后结合现场施工数据进行了仿真对比分析,验证了模型的有效性和准确性,为准确预测和控制密封舱土压,保证掘进过程安全提供了技术支持。 相似文献
10.