全文获取类型
收费全文 | 1517篇 |
免费 | 331篇 |
国内免费 | 153篇 |
专业分类
航空 | 1101篇 |
航天技术 | 202篇 |
综合类 | 156篇 |
航天 | 542篇 |
出版年
2023年 | 31篇 |
2022年 | 70篇 |
2021年 | 65篇 |
2020年 | 84篇 |
2019年 | 89篇 |
2018年 | 44篇 |
2017年 | 52篇 |
2016年 | 58篇 |
2015年 | 58篇 |
2014年 | 77篇 |
2013年 | 71篇 |
2012年 | 111篇 |
2011年 | 106篇 |
2010年 | 95篇 |
2009年 | 89篇 |
2008年 | 102篇 |
2007年 | 117篇 |
2006年 | 60篇 |
2005年 | 82篇 |
2004年 | 60篇 |
2003年 | 49篇 |
2002年 | 60篇 |
2001年 | 38篇 |
2000年 | 45篇 |
1999年 | 30篇 |
1998年 | 27篇 |
1997年 | 41篇 |
1996年 | 28篇 |
1995年 | 23篇 |
1994年 | 33篇 |
1993年 | 25篇 |
1992年 | 16篇 |
1991年 | 19篇 |
1990年 | 16篇 |
1989年 | 15篇 |
1988年 | 1篇 |
1987年 | 7篇 |
1986年 | 2篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有2001条查询结果,搜索用时 16 毫秒
1.
2.
复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络,以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数,建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程,得到最大固化度差值作为试验样本数据,对BP神经网络进行训练,训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高,为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。 相似文献
3.
为探究低温环境下单组元300N发动机的工作特性,揭示影响发动机低温性能的主要影响因素,以300N发动机为试验对象,开展了模拟飞行工况的发动机低温试验。给出了低温试验研究方法,分别从温度差异对发动机性能影响、催化剂活性差异对发动机低温启动特性影响和低温对电磁阀响应特性影响等方面获得研究结果。结果表明,低温是影响发动机低温性能的主要影响因素,-48℃条件催化剂无法完成推进剂的催化分解,发动机发生爆炸;-30℃条件下起活时间为80.5~87.5ms,发动机可正常启动,且启动温度与起活时间呈指数关系;催化剂批次差异也对发动机低温工作性能产生一定影响,不同批次催化剂低温起活时间的差异可达91ms;低温试验过程中,电磁阀的关闭受到低温推进剂粘性和背压的影响,产生了明显的迟滞现象,延迟时间约100ms,对发动机在轨的精准控制存在一定影响。 相似文献
4.
随着能源需求的日益高涨,锂离子电池(LIB)在各个领域内的应用愈发广泛。为满足极端气候等特殊应用环境对储能器件的需求,LIB需拓宽其工作温度范围。从材料和电池结构角度详细总结了应用于低温条件LIB的最新研究进展。首先,分析了限制LIB低温性能的根本原因;然后,分别从电解液的研发与优化、电极材料的改性和开发、新型电池体系的开发、电池热管理系统(BTMS)设计4个方面归纳并讨论了在低温情况下改善LIB性能的途径和方法;最后,总结了低温LIB研究亟待解决的问题,并为新一代低温LIB的发展提出了可行的研究方向。 相似文献
5.
7.
由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流(HVDC)系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换(HHT)提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换(FFT)方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。 相似文献
8.
10.
近年来,卷积神经网络(CNN)已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先,研究了适用于三维运算的Winograd算法一维展开过程;然后,通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法,优化算法每个卷积层的时钟周期数减少了7倍左右,相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究,证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度,并改善在FPGA运行CNN的性能。 相似文献