全文获取类型
收费全文 | 3885篇 |
免费 | 417篇 |
国内免费 | 253篇 |
专业分类
航空 | 2111篇 |
航天技术 | 647篇 |
综合类 | 328篇 |
航天 | 1469篇 |
出版年
2024年 | 12篇 |
2023年 | 72篇 |
2022年 | 102篇 |
2021年 | 119篇 |
2020年 | 182篇 |
2019年 | 130篇 |
2018年 | 78篇 |
2017年 | 117篇 |
2016年 | 123篇 |
2015年 | 126篇 |
2014年 | 193篇 |
2013年 | 222篇 |
2012年 | 291篇 |
2011年 | 305篇 |
2010年 | 197篇 |
2009年 | 247篇 |
2008年 | 270篇 |
2007年 | 255篇 |
2006年 | 194篇 |
2005年 | 190篇 |
2004年 | 168篇 |
2003年 | 154篇 |
2002年 | 99篇 |
2001年 | 100篇 |
2000年 | 79篇 |
1999年 | 71篇 |
1998年 | 72篇 |
1997年 | 58篇 |
1996年 | 61篇 |
1995年 | 45篇 |
1994年 | 44篇 |
1993年 | 33篇 |
1992年 | 42篇 |
1991年 | 23篇 |
1990年 | 18篇 |
1989年 | 19篇 |
1988年 | 15篇 |
1987年 | 15篇 |
1986年 | 5篇 |
1985年 | 3篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有4555条查询结果,搜索用时 15 毫秒
1.
振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂,对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点,在轴承智能故障诊断中引起了广泛的关注。然而,由于航空发动机内声信号所处的环境噪声较强,传统的轴承故障诊断方法无法实现精确的特征提取。为此,研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点,在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取,可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法,能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取,然后采用权值归一化方法约束训练得到的权值矩阵。最后,通过仿真和实验数据验证了所提方法的优越性。结果表明,并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类,可用于声学信号下的轴承智能故障诊断。 相似文献
2.
在多颗卫星测试中,连接在功分网络上的设备在各自加断电的瞬间,会造成锁相环电路输入信号的相位瞬时变化,引发锁相环电路的相位跟踪,导致瞬时失锁。文章通过理论推导和公式仿真,明确了产生干扰的各设备时钟信号入口的反射系数和功分网络各输出端口的隔离度是影响干扰强弱的主要因素。提出了使各设备时钟信号入口的驻波不相等,且反射系数相位趋于同相,同时提高网络各输出端口的隔离度的消除干扰方法,并通过设备的系统联试进行了验证。结果表明:此方法可以有效抑制此类干扰,可为卫星时钟信号功分网络设计提供参考。 相似文献
3.
对倾角回转误差的算法和公式进行了积极探讨,对GJB1801-1993中倾角回转误差算法进行改进尝试并通过对测试方法进行理论分析和一组典型数据的计算结果对此予以进行证明。在此基础上对倾角回转误差算法进行了修正,增加约束条件:消除的一阶谐波分量必须幅值相同,相位相差90°,从而得到修正公式。再从基本误差定义出发,重新对倾角回转误差进行推导,得到了相同的结果。 相似文献
4.
5.
6.
8.
客流密度是影响地铁列车客室内热舒适性环境的重要因素,传统的地铁列车客室温度控制主要是根据UIC-553标准,以室内外温差作为控制核心.本文通过构建全尺寸地铁列车客室-乘客-空调送风耦合的一体化模型,利用实车试验与数值模拟相结合的方法,对地铁列车客室内的热舒适性展开研究.探讨客流密度对地铁列车客室内热舒适环境的影响规律以及不同客流密度下客室平均温度与空调送风温度之间的关系,得到了不同客流密度下能满足人体热舒适性体验的空调送风温度,提出了一种基于客流密度的地铁列车空调夏季送风温度控制模型. 相似文献
9.
10.
电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。 相似文献