全文获取类型
收费全文 | 17302篇 |
免费 | 2439篇 |
国内免费 | 1928篇 |
学科分类
工业技术 | 21669篇 |
出版年
2024年 | 280篇 |
2023年 | 1026篇 |
2022年 | 1042篇 |
2021年 | 956篇 |
2020年 | 882篇 |
2019年 | 964篇 |
2018年 | 469篇 |
2017年 | 674篇 |
2016年 | 749篇 |
2015年 | 872篇 |
2014年 | 1235篇 |
2013年 | 962篇 |
2012年 | 1217篇 |
2011年 | 1144篇 |
2010年 | 1063篇 |
2009年 | 1116篇 |
2008年 | 1135篇 |
2007年 | 1096篇 |
2006年 | 894篇 |
2005年 | 719篇 |
2004年 | 628篇 |
2003年 | 513篇 |
2002年 | 379篇 |
2001年 | 330篇 |
2000年 | 255篇 |
1999年 | 217篇 |
1998年 | 163篇 |
1997年 | 138篇 |
1996年 | 116篇 |
1995年 | 92篇 |
1994年 | 71篇 |
1993年 | 54篇 |
1992年 | 64篇 |
1991年 | 65篇 |
1990年 | 38篇 |
1989年 | 27篇 |
1988年 | 11篇 |
1987年 | 3篇 |
1985年 | 3篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1951年 | 4篇 |
排序方式: 共有10000条查询结果,搜索用时 109 毫秒
1.
对于供输弹系统早期故障信息易被湮没难以识别的问题,提出了基于多尺度特征融合的早期故障识别方法。首先通过变分模态分解(VMD)对振动信号进行分解得到不同时间尺度的分量信号,然后对各分量信号分别提取盒维数、信息熵特征,并进一步通过主分量分析(PCA)对上述两种特征进行融合,得到累计贡献率的前3个主分量组成的融合特征,最后通过概率神经网络PNN分别对上述三种特征进行分类比较,结果表明融合后的特征对供输弹系统3种工况有更高的正判率,对供输弹系统早期故障预兆更敏感,能对供输弹系统早期故障作出有效诊断。 相似文献
2.
《中国石油和化工标准与质量》2019,(20):144-145
当前重介煤炭具备极强的处理能力以及高效性、自动化等诸多方面的优势,因此在我国煤炭生产当中获得了广泛的应用。但在重介煤制造过程中,由于设备损耗极为严重,磁铁矿粉消耗亦是极为显著,因此,需加强重介选煤介耗问题分析,并在此基础上制定有效的解决措施,从而更好的促进行业的稳定发展。 相似文献
4.
采用传统固相烧结法合成了Mn掺杂改性BNT基复合体系无铅压电陶瓷,并对其微观结构和电学性能进行了表征和研究.结果表明,Mn掺杂量小于0.6wt%时,样品均保持钙钛矿结构.掺杂量为0.30wt%时,陶瓷样品综合性能最佳,压电常数d33=174 pC/N,介电常数εr=9800,介电损耗tanδ=0.04,剩余极化强度Pr高达36μC/cm2,矫顽场强度Ec降至25 kV/cm,样品具有良好的温度稳定性.并通过扫描电镜中的成份面扫,探讨了Mn掺杂的占位分布和掺杂机制. 相似文献
6.
7.
实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20%,误检率降低了3%. 相似文献
8.
针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合,以提高特征表达能力;此外,还采用基于中心损失函数与Softmax损失函数联合学习的策略,在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心,在训练过程中新增加样本时,网络会约束样本的分类中心距离,以提高多角度情况下的车型识别的能力。实验结果显示,该车型识别模型在CompCars数据集上的正确率达到了93.63%,验证了模型在多角度情况下的准确性和鲁棒性。 相似文献
9.
10.