全文获取类型
收费全文 | 291篇 |
免费 | 29篇 |
国内免费 | 13篇 |
学科分类
工业技术 | 333篇 |
出版年
2024年 | 2篇 |
2023年 | 14篇 |
2022年 | 18篇 |
2021年 | 17篇 |
2020年 | 18篇 |
2019年 | 15篇 |
2018年 | 14篇 |
2017年 | 5篇 |
2016年 | 10篇 |
2015年 | 9篇 |
2014年 | 23篇 |
2013年 | 12篇 |
2012年 | 18篇 |
2011年 | 16篇 |
2010年 | 20篇 |
2009年 | 28篇 |
2008年 | 8篇 |
2007年 | 12篇 |
2006年 | 10篇 |
2005年 | 11篇 |
2004年 | 8篇 |
2003年 | 8篇 |
2002年 | 6篇 |
2001年 | 10篇 |
2000年 | 2篇 |
1999年 | 4篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1988年 | 2篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1981年 | 2篇 |
1980年 | 2篇 |
排序方式: 共有333条查询结果,搜索用时 296 毫秒
31.
随着经济的不断发展,公路建设的重要性逐渐凸显,国家对公路、桥梁等基础设施的建设更加重视,在当前的基础设施建设中大量的应用了浇箱梁及预制箱梁的施工技术。本文主要分析了现浇箱梁及预制箱梁的技术要点,并分析了30m小箱梁施工和质量监控,以期为提高公路质量提供一些建议。 相似文献
32.
针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题,
提出了以多种群差分进化(multiple population differential evolution, MPDE) 算法来改进集合经验模式分解( ensemble empirical
mode decomposition, EEMD) 的 MPDE-EEMD 消噪方法,并与自适应共振解调技术( adaptive resonance demodulation technique,
ARDT)相结合实现故障特征提取。 首先,为了解决 EEMD 中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布
特性评价函数,利用 MPDE 来寻优获取最佳白噪声幅值,实现 EEMD 自适应分解。 然后,采用峭度与相关性相结合的准则对分
解后的 IMF 分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。 最后,采用 ARDT 自动确
定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。 将轴承仿真故障信号与实际故
障信号用于算法的验证,结果表明 MPDE-EEMD+ARDT 能有效提取出轴承故障特征。 相似文献
33.
考虑齿轮的时变啮合刚度、传动误差和轴承支撑刚度的影响,建立含齿根裂纹故障的齿轮系统多自由度力学模型,基于动力学方法对其故障机理进行研究。通过材料力学的方法计算齿轮在正常和含裂纹两种情况下的啮合刚度,对比两种刚度曲线的变化趋势,便于进行精确的动力学特性分析;对建立的模型求解系统的动态响应,结果表明当齿根存在裂纹时,其时域波形中会出现周期性的冲击现象,频谱中在啮合频率的基频及其倍频等地方形成一系列等间隔的边频谱线,其间隔大小等于故障齿轮的转频;这些边频成分幅值较低,能量分散且分布不均匀,在不同频带的幅值大小存在差异。针对上述特点,通过正交小波包方法对信号的频带进行分解,应用倒频谱分析各子频带信号的边频成分;结果表明,该方法能够有效的提高信号的信噪比,有助于识别和提取信号中由裂纹故障引起的边频成分。 相似文献
34.
以引文网络为例,分析了某一领域引文网络的结构和特征,结果表明,以引用关系构建的科研网络具有无标度特征。在此基础上,利用SNA研究文献科研合作者结构,通过分析引文网络整体密度、网络中心度、点度中心度等指标,揭示该科学领域内的发展、学科之间的关系,以及该领域内的核心专家、学科领军人物等相关信息,为科研管理和知识传播提供理论支持。 相似文献
35.
36.
37.
从参量互作用基本方程出发,导出微扰形式的光纤耦合模方程;视超声波为微扰,推导出光纤声光互作用耦合波方程组,它包括前向波和后向波两个方程.通过求解耦合波方程组,得到后向波效率计算公式,并证明在弱声光互作用的条件下,后向波的光强与超声波功率近似成正比.该研究为光纤声光强度调制器的研制打下了理论基础,这种新型调制器将在光纤通信领域中有广泛的应用前景. 相似文献
38.
39.
深度学习无需先验特征提取的优点使其受到了工业设备的智能故障诊断领域研究的青睐,但深度学习的低鲁棒性和较高的数据要求阻碍其实际应用。为适应在工业现场复杂多变的工况,该文提出了一种基于谱归一化(spectral normalization, SN)和循环一致对抗网络(cycle-consistent adversarial networks, CycleGAN)的SN-1DCycleGAN网络用于变工况条件下的故障数据迁移生成和诊断。首先,搭建一种适应振动数据生成的1DCycleGAN网络,用于获得同种工况下正常信号与故障信号的映射关系。使用谱归一化对网络进行改进,有效的防止CycleGAN网络训练过程中训练不稳定情况。其次,通过不同工况的正常数据生成自适应的故障数据,实现变工况迁移生成的目的。最后,3种评价指标以及分类器准确率对数据生成质量进行定量评估,并使用仿真与试验信号进行验证。试验结果表明,SN-1DCycleGAN在一维振动信号上具备一定迁移效果,可对变工况数据进行增强,提升分类器的准确率。 相似文献
40.