全文获取类型
收费全文 | 3286篇 |
免费 | 972篇 |
国内免费 | 644篇 |
专业分类
航空 | 2955篇 |
航天技术 | 634篇 |
综合类 | 337篇 |
航天 | 976篇 |
出版年
2024年 | 29篇 |
2023年 | 74篇 |
2022年 | 205篇 |
2021年 | 213篇 |
2020年 | 205篇 |
2019年 | 174篇 |
2018年 | 173篇 |
2017年 | 187篇 |
2016年 | 147篇 |
2015年 | 200篇 |
2014年 | 192篇 |
2013年 | 240篇 |
2012年 | 252篇 |
2011年 | 251篇 |
2010年 | 219篇 |
2009年 | 263篇 |
2008年 | 257篇 |
2007年 | 221篇 |
2006年 | 205篇 |
2005年 | 189篇 |
2004年 | 141篇 |
2003年 | 111篇 |
2002年 | 123篇 |
2001年 | 117篇 |
2000年 | 98篇 |
1999年 | 55篇 |
1998年 | 38篇 |
1997年 | 39篇 |
1996年 | 36篇 |
1995年 | 30篇 |
1994年 | 38篇 |
1993年 | 41篇 |
1992年 | 22篇 |
1991年 | 29篇 |
1990年 | 25篇 |
1989年 | 24篇 |
1988年 | 12篇 |
1987年 | 7篇 |
1986年 | 6篇 |
1985年 | 5篇 |
1984年 | 1篇 |
1982年 | 4篇 |
1981年 | 2篇 |
1980年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有4902条查询结果,搜索用时 15 毫秒
991.
针对GNSS-R进行海面风速反演过程中时频域相关物理量较多,数据耦合性强等问题,提出了基于反向传播(BP)神经网络反演海面风速的方法。建立反演过程中相关观测量与风速的对应关系,选取多观测量作为输入,对输入数据进行处理,设置神经元与激励函数,使用BP神经网络自适应调整拟合参数,将风速作为神经网络输出端的特征量提取。反演结果,风速≤ 20 m/s时,反演均方根误差RMSE=1.21 m/s,风速>20 m/s时反演均方根误差RMSE=2.54 m/s,反演结果优于使用时延相关曲线前沿斜率(LES)和时延多普勒相关功率均值(DDMA)方法得到的反演结果,且迭代次数较少,复杂度较低,证明该方法可以应用于GNSS-R海面风速反演。 相似文献
992.
针对目前隐身飞行器外形雷达散射截面(RCS)难以准确计算的问题,提出了一种基于目标外形几何特征和矩量法的飞行器RCS算法.通过对矩量法阻抗矩阵元的理论分析,研究了物面感应电流随散射体表面曲率的变化规律,指出感应电流之间的耦合已成为影响隐身飞行器物面电流分布的重要因素,并且指出根据飞行器物面曲率分布可以预知强的感应电流耦合区域,利用这些强的电流耦合能够组成稀疏化的阻抗矩阵,从而实现飞行器RCS的快速求解.以金属双弧柱和典型隐身飞机外形为例,分析验证了物面曲率几何信息对计算结果精度的影响以及在提高计算效率方面的作用.数值结果表明该方法保持了与传统矩量法基本一致的计算精度,但计算时间仅为矩量法的7.2%. 相似文献
993.
并联机床的模态分析有着重要的意义。本文针对3—HSS型并联机床,利用大型有限元软件ANSYS,对此并联机床进行了模态分析,分别获得了该机床的低阶固有频率及其对应的振型图,通过振动动画,分析了六阶模态的振动规律,找到了机床的薄弱环节,为机床的结构设计和动力学分析提供了依据。 相似文献
994.
996.
运用广义随机Petri网的方法,得到了测试性参数指标与保障性参数可用度Ao之间的关系,另外还推导出了测试性参数指标与维修性MTTR之间的关系。以A0和MTTR为目标,进行测试性参数指标的寻优求解,从而得到测试性参数指标的选取方法,并举例验证了该选取方法的正确性、可行性。 相似文献
997.
针对执行器饱和约束下的一类离散多智能体系统,设计了一种基于线性矩阵不等式的一致性控制律,并对线性矩阵不等式解的存在性进行了分析。由于饱和环节的影响,导致多智能体系统的一致性与个体的初始状态有关,不同的控制律所能允许的个体之间的初始偏差的范围不同。为了定量分析控制律所对应的初始偏差范围,引入吸引域的概念对所设计的控制律进行评估,并对控制律参数进行优化以扩大吸引域的范围。最后,通过数值仿真说明了所设计控制律的有效性。 相似文献
999.
Zheng Li Peng Chen Naiquan Zheng Hang Liu 《Advances in Space Research (includes Cospar's Information Bulletin, Space Research Today)》2021,67(4):1317-1332
In recent years, with the continuous development of Global Navigation Satellite System (GNSS), it has been applied not only to navigation and positioning, but also to Earth surface environment monitoring. At present, when performing GNSS-IR (GNSS Interferometric Reflectometry) snow depth inversion, Lomb-Scargle Periodogram (LSP) spectrum analysis is mainly used to calculate the vertical height from the antenna phase center to the reflection surface. However, it has the problem of low identification of power spectrum analysis, which may lead to frequency leakage. Therefore, Fast Fourier Transform (FFT) spectrum analysis and Nonlinear Least Square Fitting (NLSF) are introduced to calculate the vertical height in this paper. The GNSS-IR snow depth inversion experiment is carried out by using the observation data of P351 station in PBO (Plate Boundary Observatory) network of the United States from 2013 to 2016. Three algorithms are used to invert the snow depth and compared with the actual snow depth provided by the station 490 in the SNOTEL network. The observations data of L1 and L2 bands are respectively used to find the optimal combination between different algorithms further to improve the accuracy of GNSS-IR snow depth inversion. For L1 band, different snow depths correspond to different optimal algorithms. When the snow depth is less than 0.8 m, the inversion accuracy of NLSF algorithm is the highest. When the snow depth is greater than 0.8 m, the inversion accuracy of FFT algorithm is higher. Therefore, according to the different snow depth, a combined algorithm of NLSF + FFT is proposed for GNSS-IR snow depth inversion. Compared with the traditional LSP algorithm, the inversion accuracy of the combined algorithm is improved by 10%. For L2 band data, the results show that the accuracy of snow depth inversion of various algorithms do not change with the variations of snow depth. Among the three single algorithms, the inversion accuracy of FFT algorithm is better than that of LSP and NLSF algorithms. 相似文献