全文获取类型
收费全文 | 278篇 |
免费 | 77篇 |
国内免费 | 34篇 |
专业分类
航空 | 249篇 |
航天技术 | 52篇 |
综合类 | 41篇 |
航天 | 47篇 |
出版年
2024年 | 8篇 |
2023年 | 29篇 |
2022年 | 19篇 |
2021年 | 29篇 |
2020年 | 23篇 |
2019年 | 30篇 |
2018年 | 17篇 |
2017年 | 19篇 |
2016年 | 17篇 |
2015年 | 15篇 |
2014年 | 14篇 |
2013年 | 17篇 |
2012年 | 15篇 |
2011年 | 18篇 |
2010年 | 6篇 |
2009年 | 14篇 |
2008年 | 7篇 |
2007年 | 11篇 |
2006年 | 9篇 |
2005年 | 5篇 |
2004年 | 8篇 |
2003年 | 7篇 |
2002年 | 3篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1999年 | 8篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1994年 | 7篇 |
1993年 | 3篇 |
1992年 | 4篇 |
1991年 | 7篇 |
1989年 | 1篇 |
1988年 | 5篇 |
排序方式: 共有389条查询结果,搜索用时 15 毫秒
11.
12.
13.
转子振动故障的小波能谱熵SVM诊断方法 总被引:5,自引:2,他引:5
融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的. 相似文献
14.
转子振动故障的过程功率谱熵特征分析与定量诊断 总被引:1,自引:0,他引:1
针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。 相似文献
15.
采用多通道合成的方法来增加信号带宽,是提高合成孔径雷达(SAR)系统距离分辨率的一种有效技术手段。针对多通道间相位失配的问题,建立了通道相位误差的频域多项式模型,提出了一种基于最小熵的通道相位误差估计与补偿方法。以距离向压缩脉冲图像的信息熵作为目标函数,误差多项式系数为估计变量,基于最小熵准则建立了相位误差的最优化估计模型。该方法能有效弥补内定标或外定标方法的不足,且不依赖于成像场景的地物类型,只需抽取少量回波数据作为误差估计的样本,具有耗费存储空间少、收敛速度快、不损失信噪比的优点。对不同场景的八通道实测数据进行了处理,实验结果验证了本文方法的有效性和稳健性。 相似文献
16.
17.
《燃气涡轮试验与研究》2013,(3):38-42
针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。 相似文献
18.
19.
为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。 相似文献
20.
研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断. 相似文献