全文获取类型
收费全文 | 3516篇 |
免费 | 235篇 |
国内免费 | 123篇 |
专业分类
系统科学 | 272篇 |
丛书文集 | 116篇 |
教育与普及 | 25篇 |
理论与方法论 | 4篇 |
现状及发展 | 14篇 |
综合类 | 3443篇 |
出版年
2024年 | 4篇 |
2023年 | 65篇 |
2022年 | 64篇 |
2021年 | 58篇 |
2020年 | 69篇 |
2019年 | 59篇 |
2018年 | 32篇 |
2017年 | 41篇 |
2016年 | 57篇 |
2015年 | 84篇 |
2014年 | 154篇 |
2013年 | 174篇 |
2012年 | 217篇 |
2011年 | 202篇 |
2010年 | 208篇 |
2009年 | 223篇 |
2008年 | 234篇 |
2007年 | 217篇 |
2006年 | 169篇 |
2005年 | 155篇 |
2004年 | 149篇 |
2003年 | 163篇 |
2002年 | 140篇 |
2001年 | 156篇 |
2000年 | 103篇 |
1999年 | 116篇 |
1998年 | 106篇 |
1997年 | 91篇 |
1996年 | 80篇 |
1995年 | 75篇 |
1994年 | 42篇 |
1993年 | 54篇 |
1992年 | 31篇 |
1991年 | 17篇 |
1990年 | 19篇 |
1989年 | 18篇 |
1988年 | 12篇 |
1987年 | 8篇 |
1986年 | 7篇 |
1940年 | 1篇 |
排序方式: 共有3874条查询结果,搜索用时 15 毫秒
1.
针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故障特征数据集经归一化处理后送入集成极限学习机进行识别.研究结果表明:云-集成极限学习机方法可以有效地实现轴承故障模式识别,与传统神经网络识别方法相比,该方法拥有更高的识别准确率和稳定性,并且集成极限学习机在抗噪性方面有较好的表现. 相似文献
2.
为提升轴承故障特征提取精度和运行状态评估准确性,提出一种基于小波包散布熵与Meanshift概率密度估计的诊断方法.首先,采用小波包变换对轴承振动信号数据进行升维,通过计算每个子带的散布熵构建特征矩阵;然后,利用PCA对多维矩阵进行可视化降维,采用Meanshift无参估计得到训练样本的概率密度最大位置作为聚类中心;最后,通过计算测试样本散布熵坐标与各聚类中心的欧式距离判定测试样本类别归属.采用CWRU和QPZZ-II轴承实验台不同故障类型和故障程度样本数据对所提方法进行验证,结果表明,得益于小波包完备的理论模型和信号频带分解稀疏性,结合散布熵指标对数据样本良好的鲁棒性,所构造的特征矩阵具有较好的类内聚集性和较大的类间距离,同时,Meanshift以概率密度最大化为目标自适应迭代聚类中心和隶属度,可以有效实现对不同数据样本的分类识别. 相似文献
3.
针对茶园拖拉机传统故障诊断对故障信息的采集存在严重滞后性的问题,提出一种基于模糊神经网络(fuzzy neural network,FNN)的茶园拖拉机远程故障诊断系统(remote fault diagnosis system,RFDS).该方法融合模糊算法和神经网络的优点,通过对车辆运行的实时监控,远程处理车辆信息,获取车辆潜在的故障和实时故障信息,避免了传统方式需进行的大量检测,为维修争取到了更多的时间,提高了生产效率.该系统以仿真软件Carsim为基础,利用Carsim实时模拟车辆运行情况,通过训练集和测试集对算法模型进行训练和验证,结果表明:FNN诊断算法满足系统性能要求,准确率可以达到90%以上,可远程准确诊断茶园拖拉机故障.此外,RFDS技术对于车辆的开发也有重要的作用,可以在车辆的研发阶段通过远程故障诊断系统进行车辆性能评估,节省了大量的人力资源. 相似文献
4.
针对不完备信息提出一种新的基于矩阵方法的极大相容块求取算法与属性约简方法,结合智能分类器给出不完备信息条件下的故障诊断方法 .首先,通过矩阵方法计算不完备决策表中的极大相容块;然后,利用所求得的极大相容块,提出一种新的属性约简算法,并与其他方法做对比;最后,将所提出的基于极大相容块的属性约简方法与智能分类器(支持向量机、随机森林、决策树等)结合,建立优化的智能故障分类器,将它应用于不完备信息条件下的故障诊断.以汽轮机组的故障诊断为例进行仿真实验,实验结果表明提出的针对不完备信息条件下的故障诊断方法可行、有效. 相似文献
5.
6.
受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点(MPP)的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络(LSTM)的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络(BPNN)和循环神经网络(RNN)。 相似文献
7.
《江汉大学学报(自然科学版)》2021,(1):57-65
由于汽车标定系统软件难以普遍适用于不同应用场景,按照国家标准,设计了一种基于CAN协议的动力转向系统方向盘角度标定诊断软件。根据通信协议类型配置初始参数,建立诊断设备与汽车ECU之间的数据通信连接,再对汽车ECU进行数据采样并对采样数据进行分析提取,建立标定模拟数据库,通过设计标定功能函数运行程序,最终实现诊断仪标定功能。经测试运行,显示该软件可以实现预期标定功能,降低标定工作的复杂程度。 相似文献
8.
基于数据驱动方法诊断滚动轴承故障时,不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题,提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失,实现源域和目标域之间的域分布对齐,从而实现无标记目标域样本的故障诊断.实验结果表明,所提方法与主流的域适应方法相比具有更高故障诊断准确率,验证了该方法的合理性和可行性. 相似文献
9.
变速工况下的机械故障诊断逐渐成为旋转机械监控领域的一个热门课题,在变转速下故障更容易发生且伴随更大的噪声,而相应的降噪问题目前却没有可靠的解决方法。因此提出一种基于分数阶傅里叶变换(FrFT)滤波和最小均方算法(LMS)降噪的故障诊断方法,对变转速工况下轴承振动信号进行降噪,进而提取非平稳故障特征。首先,同时获得滚动轴承振动加速度信号和转速信号;然后对Hilbert解调后的振动信号进行峰值搜索FrFT,按照搜索得到的最佳阶次和分数阶域聚集位置进行FrFT滤波;再将FrFT滤波得到的信号作为参考信号,原包络信号作为输入信号,进行LMS自适应降噪;最后对降噪后的信号按照转速重采样进行阶次分析,将包络阶次谱中的突出特征与故障特征阶次对比,判断故障。该方法可成功应用于变转速工况下滚动轴承的试验数据处理,证明了方法的有效性。 相似文献
10.
针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解(ILMD)和数学形态学分形理论的特征提取算法,并结合概率神经网络(PNN)完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6%,平均识别时间0.21s. 相似文献