全文获取类型
收费全文 | 2358篇 |
免费 | 316篇 |
国内免费 | 200篇 |
专业分类
航空 | 1714篇 |
航天技术 | 329篇 |
综合类 | 221篇 |
航天 | 610篇 |
出版年
2024年 | 11篇 |
2023年 | 57篇 |
2022年 | 74篇 |
2021年 | 125篇 |
2020年 | 118篇 |
2019年 | 103篇 |
2018年 | 51篇 |
2017年 | 95篇 |
2016年 | 97篇 |
2015年 | 69篇 |
2014年 | 101篇 |
2013年 | 98篇 |
2012年 | 122篇 |
2011年 | 173篇 |
2010年 | 98篇 |
2009年 | 134篇 |
2008年 | 128篇 |
2007年 | 128篇 |
2006年 | 89篇 |
2005年 | 100篇 |
2004年 | 80篇 |
2003年 | 113篇 |
2002年 | 102篇 |
2001年 | 94篇 |
2000年 | 64篇 |
1999年 | 62篇 |
1998年 | 57篇 |
1997年 | 60篇 |
1996年 | 50篇 |
1995年 | 47篇 |
1994年 | 47篇 |
1993年 | 27篇 |
1992年 | 14篇 |
1991年 | 29篇 |
1990年 | 30篇 |
1989年 | 16篇 |
1988年 | 4篇 |
1987年 | 5篇 |
1985年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有2874条查询结果,搜索用时 109 毫秒
1.
针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。 相似文献
2.
阐述了故障模式影响分析的简要内容,介绍了基于S3000L的维修工程分析技术体系及FMEA在S3000L中的应用,为民用飞机维修工程分析技术体系提供技术支持。 相似文献
3.
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
4.
5.
6.
7.
液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。 相似文献
8.
对一起因电池设计缺陷引发装备战训失利的故障进行分析,重点对电池工作机理和设计缺陷展开解析,明确故障定位,并对国内外装备弹上不同体系电池的优缺点进行比较,旨在为产品维护保障、国产化科研等工作提供参考。 相似文献
9.
基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。 相似文献
10.