全文获取类型
收费全文 | 1028篇 |
免费 | 276篇 |
国内免费 | 132篇 |
专业分类
航空 | 924篇 |
航天技术 | 154篇 |
综合类 | 68篇 |
航天 | 290篇 |
出版年
2024年 | 6篇 |
2023年 | 31篇 |
2022年 | 58篇 |
2021年 | 49篇 |
2020年 | 62篇 |
2019年 | 51篇 |
2018年 | 53篇 |
2017年 | 65篇 |
2016年 | 42篇 |
2015年 | 76篇 |
2014年 | 65篇 |
2013年 | 78篇 |
2012年 | 78篇 |
2011年 | 108篇 |
2010年 | 108篇 |
2009年 | 86篇 |
2008年 | 62篇 |
2007年 | 91篇 |
2006年 | 69篇 |
2005年 | 51篇 |
2004年 | 44篇 |
2003年 | 33篇 |
2002年 | 35篇 |
2001年 | 18篇 |
2000年 | 10篇 |
1999年 | 6篇 |
1987年 | 1篇 |
排序方式: 共有1436条查询结果,搜索用时 318 毫秒
421.
软件测试的控制论方法 总被引:7,自引:0,他引:7
软件测试被认为是软件开发过程中理解最为不清的一环。部分原因是虽然有很多策略被定义和分析,但很少有策略被设计和优化。软件测试的反馈机制迄今尚未形成。基于此种情况,软件测试的控制论方法将软件测试问题当作控制问题,被测软件当作被控对象,软件测试策略当作相应的控制器,被测软件和测试策略构成一个闭环反馈控制系统。软件控制论是一门探讨软件理论和工程与控制理论和工程交叉的学科,软件测试的受控马尔可夫链方法利用受控马尔可夫链理论设计和优化软件测试策略,是软件控制论思想的体现。在受控马尔可夫链方法的框架内讨论软件系统的自适应测试,并与随机测试进行比较,发现自适应测试方法相对于传统的随机测试方法具有较大的优越性。 相似文献
422.
一种高效的多重网格三维N-S方程计算方法及其应用 总被引:3,自引:0,他引:3
介绍一种基于 Jameson中心差分和 Runge-Kutta时间推进的三维 N-S方程计算的有限体积方法 ,计算点选取体积单元中心 ,为了提高收敛效率和程序稳定性 ,采用了当地时间步长和多重网格方法 ,特别是针对粘性计算中计算网格形状比高的特点 ,隐式残差光顺采用当地变系数的方法 ,并专门设计了考虑计算网格形状比的人工粘性模型。应用本文方法对收扩喷管的三维流场和NACA0 0 1 2翼型二维流场进行了计算 ,结果表明程序具有良好的收敛能力和较高的稳定性。 相似文献
423.
424.
在N-S方程基础上,考虑网格移动,建立了适用于固体火箭发动机内流场的湍流控制方程组,并对带装药裂纹的固体的火箭发动机内流场进行了数值模拟,分析了推进剂中裂纹深度,宽度、位置、角度等多种因素对发动机内流场的影响,计算结果表明:(1)裂纹出口处流速高,大于主通道流速,在裂纹出口附近存在回流区;(2)当裂纹紧靠发动机前封头时,裂纹出口附近回流强度减弱,裂纹对发动机内的流动影响较小;(3)当裂纹深度与裂纹宽度比大于240时,裂纹内压强急剧升高,对发动机装药结构完整性具有重要影响。 相似文献
425.
426.
求解常微分方程组的小波技术 总被引:1,自引:0,他引:1
研究发展一种新的求解常微分方程的数值方法—快速小波配置法 (FWCM) ,该方法与传统的时间推进或频率区间方法完全不同。快速小波配置法是将任意函数展开为小波基函数 ,用快速离散小波转换技术 (DWT) ,有效地构造常微分方程的近似解。计算过程中 ,在小波展开层次和自变量区间两个不同方面采用了多层自适应和多区间自适应处理技术 ,提高了计算过程的稳定性和收敛性 ,并且具有均匀的误差分布。特别是在常微分方程的长时间解方面 ,与Runge-Kutta方法比较 ,具有稳定的长时间性态。 相似文献
427.
板材最优路径成形理论与方法 总被引:7,自引:0,他引:7
按最优路径成形板材将获得理想的成形效果,这种最优成形路径可通过多点成形技术来实现。本文基于理想路径(最小塑性功路径)成形理论,提出了板材最优路径成形的概念。最优成形路径可由初始构形、目标构形以及一系列中间构形描述出来,根据理想路径成形的变形及本构关系,文中建立了计算初始构形的有限元方法;建立了确定中间构形的泛函,给出了求解中间构形的数值方法。根据给出的方法设计了近似最优路径成形──多道次多点成形实验,实验结果表明,采用近似最优路径成形,球面目标形状的最大变形曲率提高了11%~40%;马鞍面目标形状的最大变形曲率提高了15%-50%。 相似文献
428.
429.
430.
为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。 相似文献