全文获取类型
收费全文 | 402篇 |
免费 | 126篇 |
国内免费 | 11篇 |
专业分类
安全科学 | 112篇 |
废物处理 | 2篇 |
环保管理 | 87篇 |
综合类 | 256篇 |
基础理论 | 3篇 |
污染及防治 | 13篇 |
评价与监测 | 7篇 |
灾害及防治 | 59篇 |
出版年
2024年 | 3篇 |
2023年 | 11篇 |
2022年 | 21篇 |
2021年 | 31篇 |
2020年 | 29篇 |
2019年 | 19篇 |
2018年 | 21篇 |
2017年 | 14篇 |
2016年 | 30篇 |
2015年 | 19篇 |
2014年 | 20篇 |
2013年 | 24篇 |
2012年 | 37篇 |
2011年 | 40篇 |
2010年 | 45篇 |
2009年 | 31篇 |
2008年 | 12篇 |
2007年 | 18篇 |
2006年 | 29篇 |
2005年 | 18篇 |
2004年 | 10篇 |
2003年 | 16篇 |
2002年 | 7篇 |
2001年 | 5篇 |
2000年 | 5篇 |
1999年 | 5篇 |
1998年 | 8篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1992年 | 1篇 |
排序方式: 共有539条查询结果,搜索用时 31 毫秒
81.
基于Hilbert谱信息熵的煤矸放落振动特征分析 总被引:3,自引:2,他引:1
针对煤矿安全生产中的综放工作面煤矸界面探测问题,提出利用煤矸下落冲击钢板的振动特征来探测煤矸界面的方法。煤矸振动信号表现出非平稳特征,采用经验模态分解方法将复杂矿井环境下的煤矸振动信号分解成固有模态分量。选择包含煤矸振动特征的前7个本征模函数(IMF)分量,通过Hilbert变换得到Hilbert谱。分析不同放煤状态下钢板振动信号的Hilbert谱发现,顶煤下落时的Hilbert谱分布较均匀,而煤矸混放时的Hilbert谱呈现不均匀分布。根据信息熵理论,提出了基于Hilbert谱信息熵的煤矸振动特征提取方法。试验结果表明,顶煤下落时的Hilbert谱信息熵要大于煤矸混放时的Hilbert谱信息熵,因此,煤矸振动的Hilbert谱信息熵特征能够准确地反映放煤状态。 相似文献
82.
隧道爆破振动影响因素的灰色关联分析 总被引:1,自引:1,他引:0
为优化隧道爆破方案,降低爆破振动危害,采用灰色关联分析法(GRA)对爆破振动的影响因素进行分析。首先确定振动速度、主振频率和振动持续时间作为系统特征变量,确定总药量、最大段药量、掏槽孔最大段药量、雷管段数、爆心距、最小延期间隔时间、临空面数等作为相关因素变量;再结合厦门某隧道爆破实测数据,进行灰色关联计算;然后对计算结果进行排序和优势分析,得到爆破振动影响因素的主次顺序,其中准优因素为爆心距,可控准优因素为雷管段数和掏槽眼最大段药量;最后对隧道爆破参数进行优化,测点爆破振速由1.2 cm/s减小到0.74 cm/s,降振率达38.3%。结果表明,采用GRA确定爆破振动主要影响因素,为有效控制爆破振动提供理论依据。 相似文献
83.
84.
85.
86.
预应力拉杆弯曲刚度较小,其振动频率近似于绳索,故可借用绳索振动原理对拉杆轴力进行测定.以某游泳馆拱下预应力拉杆检测为例,应用振动法测试拉杆的工作内力. 相似文献
87.
目的 解决LKJ主机的超高斯振动试验问题。方法 基于LKJ主机的实测振动环境数据,提出一种超高斯振动数据归纳方法,并应用该方法归纳出LKJ主机x、y、z向的实测PSD,同时按5.66的加速因子构建出超高斯加速振动试验剖面,其中x、y、z向PSD的RMS分别为3.34、6.28、3.85 m/s2,峰度分别为6.48、6.58、6.81,频率范围均为2~350 Hz。最后,采用超高斯加速试验剖面分别对2个LKJ主机进行超高斯振动试验验证。结果 试验共激发出7类故障模式,这与特定线路运行LKJ主机现场故障模式高度吻合。结论 该试验方法验证了LKJ主机超高斯加速振动试验的有效性。 相似文献
88.
89.
内燃机曲轴系振动响应的多体系统动力学分析方法 总被引:9,自引:0,他引:9
介绍了运用多体系统动力学进行内燃机曲轴系振动响应分析的方法.通过综合运用CAD建模、有限元分析以及机械系统仿真等技术,可以建立包括曲轴柔性体以及随曲轴一起转动的零件刚性体在内的整个曲轴系的模型,计算零件间的相互作用,分析曲轴的动态变形.建立了某车用内燃机曲轴系的多体系统动力学模型,并对其振动响应进行了计算. 相似文献
90.
针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5%以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性. 相似文献