全文获取类型
收费全文 | 444篇 |
免费 | 135篇 |
国内免费 | 75篇 |
专业分类
航空 | 419篇 |
航天技术 | 66篇 |
综合类 | 39篇 |
航天 | 130篇 |
出版年
2024年 | 3篇 |
2023年 | 14篇 |
2022年 | 31篇 |
2021年 | 27篇 |
2020年 | 30篇 |
2019年 | 36篇 |
2018年 | 34篇 |
2017年 | 34篇 |
2016年 | 22篇 |
2015年 | 37篇 |
2014年 | 26篇 |
2013年 | 24篇 |
2012年 | 29篇 |
2011年 | 47篇 |
2010年 | 32篇 |
2009年 | 31篇 |
2008年 | 30篇 |
2007年 | 42篇 |
2006年 | 26篇 |
2005年 | 25篇 |
2004年 | 25篇 |
2003年 | 13篇 |
2002年 | 17篇 |
2001年 | 9篇 |
2000年 | 8篇 |
1999年 | 2篇 |
排序方式: 共有654条查询结果,搜索用时 15 毫秒
61.
在分析已有的Sage-Husa自适应滤波算法的基础上,本文首先推导了两种量测噪声自适应估计方法的等价性。为充分利用组合系统中已知的部分量测噪声参数,提高滤波稳定性和精度,研究了基于序贯结构的Sage-Husa自适应滤波算法;当组合系统测量噪声参数均为已知时,为降低算法复杂度,提高Sage-Husa自适应滤波的鲁棒性,加入协方差匹配的方法对序贯结构的Sage-Husa自适应滤波算法进行改进;通过在序贯结构下采用相应的信息融合策略,充分利用组合系统的输出信息。将两种算法分别应用于MIMU/GPS/磁强计组合系统中,基于跑车实验的离线数据分析表明,第一种滤波算法的滤波稳定性较标准自适应算法在滤波稳定性上有明显提高;第二种改进的滤波算法既降低了算法复杂度,又提高了抗野值效果,有效保持了组合系统在干扰状态下的导航精度。 相似文献
62.
航空发动机叶片柔性抛光技术 总被引:3,自引:2,他引:1
基于发动机叶片结构特点及其抛光工艺要求,为实现叶片型面及阻尼台自动化抛光,满足其型面及进排气边尺寸、粗糙度等质量要求,消除叶片型面波纹对抛光工艺的影响,对砂带柔性抛光工艺装备技术进行研究,提出基于抛光力控制的砂带柔性磨头抛光工艺方法,并对其抛光工艺过程、抛光力控制进行研究,通过对叶片自动化抛光编程及抛光轨迹路径规划技术研究,最终实现发动机叶片高效柔性抛光工艺。抛光试验结果表明,柔性自动化抛光后叶片型面尺寸精度可达±0.06 mm,粗糙度低于Ra0.4,与传统手工抛光方法相比,大大提高其抛光效率及表面质量稳定性,降低劳动强度,且减少粉尘污染。 相似文献
63.
64.
65.
66.
67.
段东东 《西安航空技术高等专科学校学报》2010,28(1)
Kruskal算法和Prim算法是求最小生成树的常用算法,设计了这两种算法的C语言程序,并通过实例研究了这两种算法的实际应用价值。 相似文献
68.
电动螺旋桨无人机应用越来越普及,但普遍续航时间较短,提高电动力系统效率、降低功率消耗是提高航时的主要措施。电机-变距螺旋桨动力系统(以下简称变距电动力系统)可同时改变转速、桨距两个量,存在桨距和转速的最佳组合,使系统功率最小。相比电机-定距螺旋桨动力系统,其在耗能方面具有特殊优势,但如何达到最小功率点,目前研究较少。针对上述问题,为提高计算效率,便于控制研究工作的开展,首先基于改进天牛须算法的BP神经网络训练得到变距电动力系统的神经网络代理模型。接着提出了一种变距电动力系统功率优化控制策略:在一定入流速度、拉力需求下,基于自适应扩展卡尔曼滤波-牛顿法实时优化桨距,并在一定桨距下利用模糊PID控制系统转速以达目标拉力,实现目标拉力需求下的最小功率控制。仿真验证结果表明,提出的功率优化控制策略鲁棒性更强、优化速度更快、收敛效果更好。 相似文献
69.
为了对适合小卫星使用的电弧加热推进系统的优化设计提供一定的参考,自行设计了输入电功率数瓦至数十瓦的小功率电弧等离子体推力器及其运行性能实验系统,包括一种气动小推力的间接测量系统。对四种不同喷管结构和尺寸的小功率电弧推力器,实验检测了所产生的推力随着弧电流和推进剂流量的变化。结果显示:在气流量4.5~10.5mg/s,输入功率3~35W的条件下,推力器产生的最大推力约为9.7mN,最大比冲约为110s;减小喉道直径,适当增加扩张比有助于提高小功率Arcjet的性能;当弧电流在10~110mA范围内变化时,弧电压的变化范围约为210~280V,气体的放电形式有别于传统的电弧加热推力器。 相似文献
70.
针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。 相似文献