全文获取类型
收费全文 | 354篇 |
免费 | 30篇 |
国内免费 | 6篇 |
专业分类
系统科学 | 6篇 |
丛书文集 | 17篇 |
教育与普及 | 6篇 |
综合类 | 361篇 |
出版年
2023年 | 14篇 |
2022年 | 18篇 |
2021年 | 18篇 |
2020年 | 9篇 |
2019年 | 14篇 |
2018年 | 5篇 |
2017年 | 10篇 |
2016年 | 8篇 |
2015年 | 5篇 |
2014年 | 25篇 |
2013年 | 20篇 |
2012年 | 19篇 |
2011年 | 20篇 |
2010年 | 18篇 |
2009年 | 15篇 |
2008年 | 14篇 |
2007年 | 17篇 |
2006年 | 11篇 |
2005年 | 16篇 |
2004年 | 9篇 |
2003年 | 14篇 |
2002年 | 11篇 |
2001年 | 4篇 |
2000年 | 7篇 |
1999年 | 15篇 |
1998年 | 8篇 |
1997年 | 7篇 |
1996年 | 6篇 |
1995年 | 6篇 |
1994年 | 1篇 |
1993年 | 6篇 |
1992年 | 7篇 |
1991年 | 7篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1988年 | 1篇 |
排序方式: 共有390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.
《西安交通大学学报》2019,(12)
以滚动轴承为研究对象,根据性能退化曲线的现实意义定义了对性能退化特征提取具有指导意义的评价方法,该方法由初始退化点、初始敏感性、失效突变性和趋势一致性4个指标构成,并根据性能退化曲线的物理特性设计了性能退化特征评价的定量化指标;利用时间序列线性化突变点检测的方法给出了评价指标的计算过程,为性能退化特征的选取提供了更为直观的依据。使用国际通用的Swiss数据集进行验证,实验结果表明该评价方法可以全面评价各个性能退化特征对性能退化过程的表征效果。为了更好地保持原始高维数据的空间位置关系,提出了基于邻域参数自适应选取的局部线性嵌入(LLE)算法,通过自适应局部权值向量来保存高维空间数据的局部线性结构,将多个局部线性进行叠加来不断地逼近全局的非线性,有效提高直接使用高维数据反映原始状态性能的可靠性和稳定性。使用滚动轴承加速寿命试验数据,对比邻域参数自适应LLE算法和常规LLE算法所提取的性能退化特征,验证了邻域参数自适应LLE算法可以保留更多原始高维数据的信息。 相似文献
4.
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
5.
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
6.
针对非平稳工况下常规时域统计特征对滚动轴承早期微弱故障不敏感的问题,提出一种对早期微弱故障敏感且能表征性能退化趋势的性能退化评估指标,即特征相似比(FSI)。首先,对4种变工况轴承振动信号进行测试,分析统计特征对径向载荷、转速波动和故障程度的敏感性;然后,选择对工况不敏感但对故障程度敏感的特征作为最佳特征;最后,通过计算相邻两样本最佳特征的相似比构建FSI指标。采用所构建的FSI指标对轴承仿真故障数据和全寿命疲劳试验数据进行试验验证,结果表明:轴承发生早期故障时,最佳特征幅值增加9.4%,高于均方根值的4.7%、绝对均值的5.2%;全寿命轴承出现微弱故障时,FSI幅值增加21.8%,高于均方根值的6.5%,且FSI准确表征了轴承性能退化趋势。 相似文献
7.
针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(MRVM)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%. 相似文献
8.
针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。 相似文献
9.
滚动轴承是精密机床、特种车辆等重大装备的关键支撑零部件,其润滑性能直接决定了轴承的稳定服役性能,进而影响到重大装备的工作性能指标.基于理论仿真及实验研究,开展了油气润滑滚动轴承宽域润滑参数下的运行特性研究.结合多相流动分析技术,研究了高速角接触球轴承内部油气的流动状态,揭示了轴承内部油气流动基本规律.在此基础上,设计了滚动轴承润滑性能试验验证平台,实验分析了不同润滑参数对轴承温度的影响规律,获取了特定转速下温升最小的轴承润滑参数,证实了滚动轴承不同润滑参数对其服役性能的影响程度.研究工作对于滚动轴承宽域润滑状态下的服役性能分析提供基础依据. 相似文献
10.
根据提取的滚动轴承特征信号实现对故障缺陷尺寸的准确估计,提出了一种基于双脉冲特征的滚动轴承缺陷尺寸估计方法.采用AR模型对采集到的振动信号进行预白化处理,对预白化处理后的信号进行VMD分解,得到一系列固有模态函数.根据峭度值和互信息最大,分别选取包含有阶跃成分与冲击成分的分量,并采用平方包络增强信号的特征.根据双脉冲特征,确定滚动体进入和退出缺陷时所对应的时间,提出了故障轴承的缺陷尺寸估计方法.研究了转速和缺陷尺寸对该方法精度的影响,分析了造成误差的原因.通过实验验证该提取方法的有效性,经过估计得到的缺陷尺寸误差在5%以内,验证了该缺陷尺寸估计方法具有较高的精度. 相似文献