全文获取类型
收费全文 | 137篇 |
免费 | 43篇 |
国内免费 | 10篇 |
专业分类
航空 | 135篇 |
航天技术 | 10篇 |
综合类 | 12篇 |
航天 | 33篇 |
出版年
2024年 | 5篇 |
2023年 | 9篇 |
2022年 | 6篇 |
2021年 | 11篇 |
2020年 | 10篇 |
2019年 | 16篇 |
2018年 | 6篇 |
2017年 | 11篇 |
2016年 | 7篇 |
2015年 | 7篇 |
2014年 | 14篇 |
2013年 | 15篇 |
2012年 | 9篇 |
2011年 | 7篇 |
2010年 | 2篇 |
2009年 | 5篇 |
2008年 | 7篇 |
2007年 | 1篇 |
2006年 | 4篇 |
2005年 | 1篇 |
2004年 | 4篇 |
2002年 | 3篇 |
2001年 | 3篇 |
2000年 | 6篇 |
1999年 | 3篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 6篇 |
1995年 | 7篇 |
1991年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有190条查询结果,搜索用时 15 毫秒
71.
航空发动机滑片泵数值模拟 总被引:1,自引:1,他引:0
利用计算流体力学软件Star-cd二次开发功能模拟了某一航空发动机滑片泵的内部流场,分析了计算中是否引入空化模型对计算结果的影响,以及滑片泵定子和滑片间隙大小对滑片泵性能的影响,预测了不同工况下,滑片泵内出现空化的位置和区域大小.计算结果表明:由于滑片泵叶片转动,从而引起空化区域范围的缩小和增大,泵油量也相应地增加和减小,使得滑片泵进口瞬时流量较为平稳,而出口瞬时流量有较大的脉动,进、出口周期平均流量与计算总平均流量的误差小于1.5%,计算总平均流量与该滑片泵样件的台架实验测试结果之间的误差小于3%;滑片泵转子叶片与定子壁面间隙增大,泄漏量增加,滑片泵的平均流量减小;间隙为0.07mm的滑片泵计算总平均流量相对于间隙为0.02mm的计算总平均流量减小3.1%.从计算结果可以推断,滑片泵的进口流道应与吸油腔正对,可以减少进口流道内空化区域和流动阻力. 相似文献
72.
73.
为了研究熵层的不稳定性,首先选择马赫数为4.5、前缘为圆头的0°钝板模型,利用直接数值模拟得到基本流场,然后在此基础上进行线性稳定性分析,同时通过经验方法确定熵层和边界层区域。研究发现,对于某一流向站位的基本流剖面,存在两个广义拐点,分别位于边界层和熵层。针对熵层的广义拐点,进行稳定性分析研究了熵层中不稳定模态特性,得出该模态的不稳定区域集中在前缘附近,且扰动增长率很小。通过直接数值模拟熵层扰动的演化,发现在前缘附近扰动幅值也是缓慢上升,之后缓慢下降。另外,距离前缘较远处的数值模拟得到的扰动幅值与LST结果比较,二者吻合得很好,说明熵层在下游具有很好的平行性。 相似文献
74.
75.
提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。 相似文献
76.
77.
基于反馈线性化的H-V返回轨道跟踪方法 总被引:2,自引:1,他引:1
高度-速度(H-V)剖面是亚轨道飞行器(SLV)返回轨道的可选方案之一。应用反馈线 性化方法设计了一种H-V标准轨道的跟踪方法。跟踪方法以倾斜角作为主要控制变量,以高 度作为输出,通过状态反馈将输入输出非线性特性变为简单的线性双积分器关系,再通过极 点配置,将跟踪误差动态特性设计为二阶阻尼振荡环节,使其可以指数收敛于0。系统内动 态特性显示,跟踪方法可以实现标准轨道的稳定跟踪。 相似文献
78.
79.
80.
针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。 相似文献