全文获取类型
收费全文 | 335篇 |
免费 | 127篇 |
国内免费 | 51篇 |
专业分类
航空 | 347篇 |
航天技术 | 57篇 |
综合类 | 12篇 |
航天 | 97篇 |
出版年
2024年 | 6篇 |
2023年 | 10篇 |
2022年 | 21篇 |
2021年 | 26篇 |
2020年 | 24篇 |
2019年 | 24篇 |
2018年 | 22篇 |
2017年 | 22篇 |
2016年 | 17篇 |
2015年 | 31篇 |
2014年 | 27篇 |
2013年 | 17篇 |
2012年 | 25篇 |
2011年 | 35篇 |
2010年 | 34篇 |
2009年 | 38篇 |
2008年 | 23篇 |
2007年 | 24篇 |
2006年 | 27篇 |
2005年 | 15篇 |
2004年 | 8篇 |
2003年 | 8篇 |
2002年 | 8篇 |
2001年 | 13篇 |
2000年 | 7篇 |
1997年 | 1篇 |
排序方式: 共有513条查询结果,搜索用时 187 毫秒
441.
442.
碳纤维增强塑料(CFRP)中树脂基体和纤维增强相两种异质材料的性能存在巨大差异,使得其在航空航天领域的广泛应用受到现有加工能力的制约。因此,具有热损伤小、加工深度能力强等优势的水导激光加工技术在特种加工领域展现出优越的加工能力。基于有限元法中的单元生死技术,建立了水导激光加工非均质纤维树脂基体的三维瞬态温度场模型。在该模型下,利用双向循环扫描的加工方式对切面的微观形貌进行仿真与实验研究。研究表明:水导激光加工时水射流对材料的强对流换热效果显著,使材料的去除率和排屑率保持在一个较高的水平。在深槽加工时,铺层为90°的表层碳纤维会出现断裂现象,这成为断面损伤的主要来源。通过对切面不同侧边、不同深度的表面形貌进行分析,认为水射流高效的排屑率是实现水导激光高精度加工的关键因素。因此,改变扫描深宽比能有效减少深槽处的纤维损伤,切面可以获得较小的粗糙度和锥度。当扫描深宽比减少一倍时,损伤区域缩小46%。 相似文献
444.
将基于部件匹配技术的涡扇发动机非设计点性能计算模型和基于李亚普诺夫稳定性理论的压缩部件气动稳定性评定模型有机地耦合,实现了发动机整机环境下的压缩部件气动稳定性评定,使得该模型成为一种实用的涡扇发动机压缩部件气动稳定性分析模型。以某型涡扇发动机为例,计算比较了畸变进气时发动机整机环境和单独部件评定时风扇和压气机稳定工作边界的异同,从计算结果可以看到,对于风扇,畸变进气条件下,无论在高转速,还是低转速时,同样的进口畸变度,发动机环境下风扇的稳定裕度损失比单独部件下风扇的稳定裕度损失都小,即在发动机环境下评定风扇稳定性时,风扇对进气温度畸变不敏感,而在单独部件环境下评定时,风扇对进气畸变比较敏感。对于压气机,进口气流存在压力畸变时,采用高压涡轮导向器变化对压气机逼喘过程中,风扇的共同工作线向喘振边界靠近,而进口气流存在温度畸变时,逼喘过程中,风扇的共同工作线基本不变。 相似文献
445.
446.
基于运动嵌套网格的前飞旋翼绕流N-S方程数值计算 总被引:6,自引:3,他引:6
通过求解 Navier-Stokes方程数值模拟了直升机旋翼前飞非定常流场。为了模拟包括旋转、周期性变距和周期性挥舞的非定常运动,采用了一种能够快速完成重叠网格间流场信息交换的运动嵌套网格方法。空间上采用中心平均的有限体积法进行离散,时间方向应用含隐式子迭代的双时间法推进求解。为了验证程序的正确性,数值计算了一有升力悬停流场,旋翼桨叶表面压力分布的计算值与实验值吻合很好。 相似文献
447.
地球静止轨道成像式遥感卫星的光学成像相机在轨工作期间需要避免阳光的照射,针对现有滚动轴姿态机动算法存在规避开始时初始角速度过大的问题,提出一种改进的滚动轴机动太阳规避算法。该算法在规避开始与结束时,设计一定的规避角度余量,将建立机动初始状态的过程由达到规避角度的瞬间延伸到角度余量区间中,延长建立初始状态的时间,减小初始角速度。系统数学仿真和测试验证证明该算法简单可靠,在开始规避时,初始角速度由0.2(°)/s减小到0.014(°)/s,整个规避过程平稳,具有良好的工程应用价值。 相似文献
448.
449.
在研究IEEE1149.1标准和JTAG调试原理的基础上,以SPARC处理器内嵌调试体系结构为核心,设计实现一种JTAG仿真器.JTAG仿真器通过以太网和串口与上位机通信,利用FPGA发送JTAG协议时序完成用户调试任务.该系统设计可扩展性好,成本低,且JTAG数据发送速率可达到8Mbit/s、性价比高.经测试,该系统能稳定、可靠工作. 相似文献
450.
本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。 相似文献