全文获取类型
收费全文 | 439篇 |
免费 | 105篇 |
国内免费 | 84篇 |
专业分类
航空 | 316篇 |
航天技术 | 96篇 |
综合类 | 99篇 |
航天 | 117篇 |
出版年
2024年 | 3篇 |
2023年 | 7篇 |
2022年 | 11篇 |
2021年 | 15篇 |
2020年 | 17篇 |
2019年 | 8篇 |
2018年 | 15篇 |
2017年 | 10篇 |
2016年 | 7篇 |
2015年 | 24篇 |
2014年 | 23篇 |
2013年 | 21篇 |
2012年 | 37篇 |
2011年 | 20篇 |
2010年 | 36篇 |
2009年 | 21篇 |
2008年 | 30篇 |
2007年 | 17篇 |
2006年 | 21篇 |
2005年 | 12篇 |
2004年 | 12篇 |
2003年 | 16篇 |
2002年 | 17篇 |
2001年 | 11篇 |
2000年 | 16篇 |
1999年 | 17篇 |
1998年 | 23篇 |
1997年 | 26篇 |
1996年 | 19篇 |
1995年 | 18篇 |
1994年 | 21篇 |
1993年 | 21篇 |
1992年 | 18篇 |
1991年 | 7篇 |
1990年 | 7篇 |
1989年 | 10篇 |
1988年 | 4篇 |
1987年 | 4篇 |
1986年 | 2篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有628条查询结果,搜索用时 15 毫秒
471.
472.
473.
474.
噪声源辐射的声波在传播过程中,由于地面的存在会引起声波的反射和衰减,并产生地表面波使得声源频谱特性发生显著的变化。为利用观察点处实测声频谱来预估实际声源自由场频谱特性,必须适当地计及地面反射和衰减效应的影响。本文采用Chien—Soroka地面反射衰减效应理论模型以及Delany—Bazley地面导纳函数,在局部反应地面假设基础上,给出了存在地面反射和衰减时实测声源频谱与实际声源自由场频谱之间的换算公式,并编制了相应的计算程序。文中给出的算例与文献[3][7]中给出的测量结果进行了比较,两者基本吻合。最后还对地面流阻和接收点高度对地面反射和衰减效应的影响进行了数值计算,结果表明,随地面流阻增加和接收点高度的降低都会使得第一个声波干涉低谷向高频移动。因此,实际测量小,若地面流阻未知,可采用紧贴地面设置传声器的方法测量声源频谱,此时地面影响的修正量,在第一声波干涉低谷以下,均为6dB。 相似文献
475.
476.
国防科技大学研制的60mm×60mm磁悬挂天平的主激磁绕组,采用了保持激磁电流不变的恒流控制系统,克服了由于温度变化而引起的系统参数变化,提高了测试系统的准确性和稳定性。对实验过程中所出现的误差源,也逐一加以分析,从而找到了减少误差的方法。在恒流系统斩波器电路中,由于使用了集成电路加晶体振荡器的斩波信号源,大大提高了开关频率的稳定精度,改善了闭环系统的滤波效果,提高了系统的稳定特性。本文还介绍了值流系统的设计方法和主要系统电路。 相似文献
477.
本文对模糊控制、自适应控制和PID控制进行了综合研究,实现了自行研制的NAIWR-1智能两足步行机器人的模糊自适应PID控制,并用模糊递阶协调方法进行关节到位协调送数,成功实现了两足步行机器人的稳定行走 相似文献
478.
机器人力控制研究综述 总被引:9,自引:0,他引:9
回顾了机器人力控制研究历史及目前的力控制研究现状;详细分析了现有的四种研究策略:阻抗控制、力/位混合控制、自适应控制策略、智能控制新策略;阐述了作者提出的“力/位并环控制”的智能新策略;提出了机器人力控制的四大关键问题:位置伺服、碰撞冲击及稳定性、未知环境的约束、力传感器;文末展望了力控制研究的发展趋势——智能控制。 相似文献
479.
基于FNN机器人擦洗玻璃的主动柔顺控制研究 总被引:1,自引:0,他引:1
综合运用了神经网络、模糊理论,详细分析了力反馈和主动柔顺控制的特点,首次提出了“力/位并环控制”的新策略,建立了相应的神经网络结构,利用基于知识的模糊规则实现模糊粗校正,消除明显的干扰信号;再利用神经网络特点将力/位有效综合,并直接输入机器人位置伺服系统,实施了力/位并环控制。并在AdeptThree精密装配机器人上进行了难度极大的擦洗平面玻璃的实验,有效地将力控制在8±0.5N的理想范围内,取得了满意的效果。 相似文献
480.
混合线性/非线性状态空间模型的边缘Rao-Blackwellized粒子滤波法(英文) 总被引:3,自引:1,他引:2
本文提出了边缘 Rao-Blackwellized 粒子滤波器(marginal Rao-Blackwellized particle filter, MRBPF)算法,算法融合了 Rao-Blackwellized 粒子滤波器(Rao-Blackwellized particle filter , RBPF)算法和边缘粒子滤波器(marginal particle filter, MPF)算法。算法中状态被分为线形和非线性两部分,分别用 MPF 和卡尔曼滤波器(Kalman Filter)进行估计。地形辅助导航(terrain aided navigation, TAN)的仿真结果表明,与 RBPF 相比,提出算法的非线性状态估计的误差均方根(root mean square error, RMSE)和误差方差分别降低了约 29%和 96%,独立粒子数提高了约80%,获得了更好的收敛结果。分析表明,现有RBPF是MRBPF的一个特例。 相似文献