全文获取类型
收费全文 | 354篇 |
免费 | 99篇 |
国内免费 | 65篇 |
专业分类
航空 | 306篇 |
航天技术 | 52篇 |
综合类 | 39篇 |
航天 | 121篇 |
出版年
2024年 | 3篇 |
2023年 | 13篇 |
2022年 | 27篇 |
2021年 | 31篇 |
2020年 | 17篇 |
2019年 | 28篇 |
2018年 | 17篇 |
2017年 | 20篇 |
2016年 | 11篇 |
2015年 | 16篇 |
2014年 | 17篇 |
2013年 | 29篇 |
2012年 | 36篇 |
2011年 | 31篇 |
2010年 | 36篇 |
2009年 | 24篇 |
2008年 | 21篇 |
2007年 | 27篇 |
2006年 | 25篇 |
2005年 | 27篇 |
2004年 | 12篇 |
2003年 | 10篇 |
2002年 | 7篇 |
2001年 | 8篇 |
2000年 | 6篇 |
1999年 | 8篇 |
1998年 | 3篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1988年 | 1篇 |
排序方式: 共有518条查询结果,搜索用时 15 毫秒
451.
452.
探讨了直升机旋翼下洗流的形成、分布和影响。首先研究了空空导弹发射后最初阶段,穿越该下洗流区域的运动特性和弹道轨迹变化;其次研究了这种变化对空中攻击精度的影响。在此基础上还研究了降低这种影响、提高直升机空中攻击精度的方法。用某型直升机空中攻击的仿真证明,该方法是有效的。上述结论对直升机火控系统设计具有重要的参考价值。 相似文献
453.
454.
455.
Psp ice是一个功能强大的模拟电路系统设计和分析的EDA工具。用此工具可方便精确地分析计算基准电压源设计中的温度特性及电源电压抑制比等参数,大大提高设计效率。温度曲率补偿型CMOS带隙基准电压源电路采用了有效的曲率补偿技术,温度稳定性高,结构简单。 相似文献
456.
针对无尾布局超声速航向静稳定性不足的问题,提出一种基于超声速压缩/膨胀流动的后体超声速航向气动增稳设计方法。首先通过无尾布局扁平后体和常规后体方案航向静稳定性和表面流场差异的对比,明确了后体超声速航向增稳设计思路。然后基于后体参数化外形分析了后体型面对于布局超声速航向静稳定性的影响规律。最后通过评估典型后体方案的综合气动特性验证了后体超声速航向增稳设计方法的可行性。研究表明:重心后侧向投影面积增量、后体脊线以及后体截面曲线是影响后体型面超声速航向增稳能力的3个主要参数。与常规后体型面相比,通过超声速航向增稳设计获得的后体型面能够在布局阻力变化不大的情况下,显著改善无尾布局在跨声速和超声速状态的航向静不稳定性。 相似文献
457.
458.
针对飞机管路失效问题整体分析中存在的困难,提出了一种飞机管路强度快速分析方法,采用CAEPIPE软件与ABAQUS软件相结合的有限元方法对飞机管路的强度进行模拟分析。对于飞机管路系统中因柔性接头存在而引起的分析困难问题,首先利用CAEPIPE软件对管路系统进行整体分析,避免了传统分析方法中对于柔性接头的复杂迭代计算;在整体分析的基础上,针对危险区域利用ABAQUS软件进行进一步的局部分析,以保证强度分析的准确性。所提出的分析方法在保证强度分析可靠性的基础上,相对于传统分析方法大幅度提高了分析效率。研究工作对明确飞机管路受载后的变化情况、研究管路失效形式、校核管路强度、优化管路系统结构具有参考价值。 相似文献
459.
基于深度学习的翼型反设计方法 总被引:1,自引:1,他引:0
建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。 相似文献
460.
针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。 相似文献