全文获取类型
收费全文 | 103篇 |
免费 | 31篇 |
国内免费 | 3篇 |
学科分类
工业技术 | 137篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 5篇 |
2021年 | 6篇 |
2020年 | 6篇 |
2019年 | 4篇 |
2018年 | 5篇 |
2016年 | 4篇 |
2015年 | 3篇 |
2014年 | 8篇 |
2013年 | 15篇 |
2012年 | 4篇 |
2011年 | 10篇 |
2010年 | 12篇 |
2009年 | 2篇 |
2008年 | 7篇 |
2007年 | 1篇 |
2006年 | 2篇 |
2005年 | 6篇 |
2004年 | 3篇 |
2003年 | 9篇 |
2002年 | 3篇 |
2000年 | 2篇 |
1999年 | 5篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1993年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有137条查询结果,搜索用时 484 毫秒
51.
在我们外出游玩的时候,拍照能够记录下我们难忘的瞬间。但是热爱摄影的你有没有遇到过被小小的镜头盖困扰过的时候?当我们看到一处美丽的景色,想将其记录下来,往往会是急急忙忙的,结果一会儿就忘记了将镜头盖塞到哪里了。如果你还在为这个小问题苦恼,今天就传授给你一个独门秘笈,帮助你保护好你的镜头盖。 相似文献
52.
采用Ti-Zr-Ni-Cu钎料对ZrB2-SiC陶瓷的真空钎焊工艺进行研究。借助SEM,EDS和XRD等分析测试手段,分析了接头的界面组织结构及性能。实验结果表明:接头界面产物主要有TiC,ZrC,Ti5Si3,Zr2Si,Zr(s,s),(Ti,Zr)(Ni,Cu)等。随着钎焊温度和钎焊保温时间的增加,钎焊接头中的Zr(s,s)层厚度不断增加,焊缝两侧灰色相Ti5Si3+Zr2Si的体积和数量逐渐增加并向焊缝中部生长伸展,焊缝接头中的黑色相TiC+ZrC的体积和数量明显增加,其分布贯穿整个焊缝。当钎焊温度为920℃,钎焊时间为10min时,钎焊接头的抗剪切强度最高,达到143.5MPa。 相似文献
53.
锡青铜—镍—钢扩散连接工艺研究 总被引:5,自引:0,他引:5
采用Ni作中间层对QSn4-4-2.5锡青铜与45#钢进行了扩散连接,研究了扩散连接温度、扩散连接压力、扩散连接时间等工艺参数对接头性能的影响,确定了锡青铜与钢扩散连接的最佳工艺参数,并用扫描电镜、电子探针对接头进行了微观分析,确定了合理的连接工艺参数,接头质量良好 相似文献
54.
玻璃与金属连接技术已广泛应用于传感器的制造、包装及密封,因此研究玻璃与金属的连接有重要的科学意义和极大的工程价值。综述了玻璃-金属连接的基本问题:玻璃-金属连接的热应力与残余应力、玻璃表面的润湿及界面反应问题;较全面地介绍了几种连接工艺—匹配封接、阳极键合、钎焊、激光辅助连接、超声波摩擦焊、半固态连接及胶接;并提出了采用低温连接工艺来解决由于界面残余应力所引起的接头强度不高而失效是未来研究的重点。 相似文献
55.
采用Ag-Cu钎料与Ti-Zr-Ni-Cu钎料,对TiAl与Ti合金进行了真空钎焊试验,主要研究了采用两种钎料时的界面反应以及钎焊温度对界面组织及性能的影响.研究发现,采用Ag-Cu钎料时界面结构为:Ti/Ti(Cu,Al)2/TiCux Ag(s,s)/Ag(s,s)/Ti(Cu,Al)2/TiAl,当钎焊温度T=1 223 K,保温时间t=10 min时接头的剪切强度达到223.3 MPa;采用Ti-Zr-Ni-Cu钎料时在界面出现了Ti2Ni,Ti(Cu,Al)2等多种金属间化合物,当钎焊温度T=1 123 K,保温时间t=10 min时接头的剪切强度达到139.97 MPa. 相似文献
56.
57.
采用Ti-Zr-Ni-Cu钎料对SiC陶瓷进行了真空钎焊,研究了SiC陶瓷真空钎焊接头的界面显微组织和界面形成机理.试验中采用扫描电子显微镜(SEM)对接头组织进行了观察,并进行了局部能谱分析.结果表明,接头界面产物主要有TiC,Ti5Si3,Zr2Si,Zr(s,s),Ti(s,s)+Ti2(Cu,Ni)和(Ti,Zr)(Ni,Cu)等.接头的界面结构可以表示为:SiC/TiC/Ti5Si3+Zr2Si/Zr(s,s)/Ti(s,s)+Ti2(Cu,Ni)/(Ti,Zr)(Ni,Cu).钎焊过程分为五个阶段:钎料与母材的物理接触;钎料熔化和陶瓷侧反应层开始形成;钎料液相向母材扩散、陶瓷侧反应层厚度增加,钎缝中液相成分均匀化;陶瓷侧反应层终止及过共晶组织形成;钎缝中心金属间化合物凝固.在钎焊温度960℃,保温时间10 min时,接头抗剪强度可达110 MPa. 相似文献
58.
59.
60.
对于网络中拥有的复杂信息,需要更多的方式抽取其中的有用信息,但现有的单特征图神经网络(GNN)无法完整地刻画网络中的相关特性。针对该问题,提出基于混合特征的图卷积网络(HDGCN)方法。首先,通过图卷积网络(GCN)得到节点的结构特征向量和语义特征向量;然后,通过改进基于注意力机制或门控机制的聚合函数选择性地聚合语义网络节点的特征,增强节点的特征表达能力;最后,通过一种基于双通道图卷积网络的融合机制得到节点的混合特征向量,将节点的结构特征和语义特征联合建模,使特征之间互相补充,提升该方法在后续各种机器学习任务上的表现。在CiteSeer、DBLP和SDBLP三个数据集上进行实验的结果表明,与基于结构特征训练的GCN相比,HDGCN在训练集比例为20%、40%、60%、80%时的Micro?F1值平均分别提升了2.43、2.14、1.86和2.13个百分点,Macro?F1值平均分别提升了1.38、0.33、1.06和0.86个百分点。用拼接或平均值作为融合策略时,准确率相差不超过0.5个百分点,可见拼接和平均值均可作为融合策略。HDGCN在节点分类和聚类任务上的准确率高于单纯使用结构或语义网络训练的模型,并且在输出维度为64、学习率为0.001、2层图卷积层和128维注意力向量时的效果最好。 相似文献