全文获取类型
收费全文 | 268篇 |
免费 | 114篇 |
国内免费 | 36篇 |
专业分类
航空 | 273篇 |
航天技术 | 46篇 |
综合类 | 11篇 |
航天 | 88篇 |
出版年
2024年 | 2篇 |
2023年 | 16篇 |
2022年 | 25篇 |
2021年 | 38篇 |
2020年 | 18篇 |
2019年 | 26篇 |
2018年 | 18篇 |
2017年 | 29篇 |
2016年 | 17篇 |
2015年 | 26篇 |
2014年 | 24篇 |
2013年 | 12篇 |
2012年 | 16篇 |
2011年 | 23篇 |
2010年 | 14篇 |
2009年 | 10篇 |
2008年 | 17篇 |
2007年 | 17篇 |
2006年 | 11篇 |
2005年 | 23篇 |
2004年 | 6篇 |
2003年 | 15篇 |
2002年 | 6篇 |
2001年 | 7篇 |
2000年 | 2篇 |
排序方式: 共有418条查询结果,搜索用时 15 毫秒
411.
派瑞林(Parylene)薄膜主要用于功率电刷的三防,确保电功率的稳定传输。本文对两种规格(17和27 μm)Parylene薄膜的厚度、热性能、绝缘性能、在铍青铜上的附着性能以及耐空间辐照性进行了研究。结果表明:通过真空气相沉积法制备的Parylene-C涂覆材料厚度误差可控在2 μm内;膜层在铍青铜上的附着力等级为1级,薄膜热分解温度为453 ℃,两种厚度薄膜击穿电压分别为3.65 kV(17 μm)和5.27 kV(27 μm);经2.5×1015 p/cm2质子辐照后,膜层外观均完好,附着性能、热性能、绝缘性能仍满足工程使用需求;经2.5×1016 e/cm2电子辐照后,膜层出现严重开裂、起皮现象。对电子辐照前后膜层的热性能、红外结构等进行了进一步的研究,分析了电子辐照后膜层的失效机理并获得了Parylene-C涂覆材料膜层耐空间电子辐照上限为1×1014 e/cm2。 相似文献
412.
本文以Al-50wt%Si高硅铝合金为研究对象,采用单因素试验方法进行无涂层硬质合金刀具干式铣削试验,分析切削参数对刀具磨损和表面粗糙度的影响。结果表明:表面粗糙度受每齿进给量的影响最显著,随每齿进给量的增加而增加,当每齿进给量从0.07 mm/z增加到0.16 mm/z时,表面粗糙度增加2倍;刀具磨损受切削速度的影响最显著,随切削速度的增加而增加,当切削速度从140 m/min增加到260 m/min时,切削总长度降低3倍,而刀具后刀面磨损量仅是260 m/min速度下的0.8倍;表面粗糙度随刀具磨损的增加呈现先增加后降低的变化趋势,切削长度从350 mm增加到1 750 mm,刀具磨损量平均增加4.5倍,而表面粗糙度却下降2倍;硬质合金刀具主要的磨损形式为磨粒磨损、崩刃。 相似文献
413.
414.
基于Abaqus软件建立了金属板裂纹复合材料补片修复结构的有限元模型。以应力强度因子(SIF)为判据,利用L9(34)型正交实验考察了各补片参数对修复效果的影响。结果表明:在99%置信度水平下,补片厚度的贡献率为68.77%,铺层顺序的贡献率为29.59%,而补片长度对修复效果的影响不明显。结合工程应用实际与正交分析结果,利用设计好的补片对含中心贯穿裂纹的铝合金板进行了修复,并对修复结构进行了静强度测试。结果表明:修补后静强度为未修复裂纹板的1.32倍,恢复至完好板的97.2%,延伸率为未修复裂纹板的2.24倍,恢复至完好板的50.7%。结论:选用长度为40 mm,厚度为1.2 mm,铺层顺序为[0°/90°]s的正方形补片时修补效果最好。 相似文献
415.
为探究碳纤维复合材料(CFRP)微观切削机理,通过有限元法,采用零厚度内聚力单元模拟界面相,碳纤维建模呈圆柱状并随机分布于基体中,以此来真实反应CFRP的微观结构。通过对各组成相设置不同的材料本构、材料失效和演化准则,对4种典型角度(0°、45°、90°、135°)进行直角切削仿真,探究不同纤维角度下单向碳纤维增强树脂基复合材料(UD-CFRP)在切削过程中的微观切削机理。结果表明:不同纤维角度下CFRP的微观破坏形式不同,切削0°CFRP时破坏主要以界面开裂和纤维折断为主,切削45°和90°CFRP时主要是刀具的侵入破坏,切削135°CFRP时则发生纤维的断裂和沿纤维方向的裂纹,纤维断裂点在刀刃下方。最后,通过实验验证了微观模型的准确性。 相似文献
416.
417.
418.
深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。 相似文献