全文获取类型
收费全文 | 240篇 |
免费 | 34篇 |
国内免费 | 31篇 |
专业分类
航空 | 140篇 |
航天技术 | 50篇 |
综合类 | 38篇 |
航天 | 77篇 |
出版年
2024年 | 5篇 |
2023年 | 18篇 |
2022年 | 18篇 |
2021年 | 31篇 |
2020年 | 29篇 |
2019年 | 11篇 |
2018年 | 1篇 |
2017年 | 9篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 3篇 |
2013年 | 1篇 |
2012年 | 3篇 |
2011年 | 2篇 |
2010年 | 1篇 |
2009年 | 1篇 |
2008年 | 4篇 |
2007年 | 7篇 |
2006年 | 1篇 |
2005年 | 3篇 |
2004年 | 6篇 |
2003年 | 5篇 |
2002年 | 6篇 |
2001年 | 10篇 |
2000年 | 7篇 |
1999年 | 12篇 |
1998年 | 14篇 |
1997年 | 10篇 |
1996年 | 10篇 |
1995年 | 5篇 |
1994年 | 7篇 |
1993年 | 11篇 |
1992年 | 12篇 |
1991年 | 8篇 |
1990年 | 9篇 |
1989年 | 11篇 |
1988年 | 6篇 |
1987年 | 3篇 |
1986年 | 3篇 |
排序方式: 共有305条查询结果,搜索用时 15 毫秒
41.
研究用Tank-Hopfield神经网络(THNN)求解AR模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对THNN方法和Burg方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着VLSI技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。 相似文献
42.
43.
智能诊断的定量推理机制和最优推理环境 总被引:1,自引:0,他引:1
描述和分析了一种新的基于智能信息处理的故障检诊方法,可以处理复杂动态系统故障检诊面临的复杂故障组合模式和时间特性。从推理机制的量化和推理环境的优选两方面完善了该理论,使其诊断能力、实时性和适用范围都得到提高。推理机制的量化是通过引入概率信息实现的。考虑到诊断过程中可能出现新的故障。又进一步引入了候选项集合扩张机制描述该现象,并提供了相关的概率计算公式。推理机制定量化使得诊断结果可以精确度量,检诊过程也可精确控制。推理环境优选则是通过引入熵信息实现的,由此提高了诊断效率。 相似文献
44.
国外先进无损检测技术的发展及应用 总被引:5,自引:1,他引:4
介绍了国外先进的无损检测技术的发展和应用现状,概述了定量无损检测技术(QNDE)在生产阶段、使用阶段和使用寿命评估中的作用。并介绍了应用NDE技术的材料的智能处理技术和人工智能技术。 相似文献
45.
星载反射式遥感成像系统的结构集成度高、光学面型复杂,面临光学初始结构难以求解和像质优化难以收敛的设计难题。综述着重探讨星载反射式成像系统中的计算光学设计方法。星载反射式成像系统计算光学设计,包括复杂曲面反射镜、曲面反射型光栅等硬件设计,以及计算成像图像解码等算法设计。面对星载遥感成像的不同应用,文章从深度学习光学结构设计、合成孔径计算成像、景深延拓计算成像、主动光学计算像差补偿和曲面光栅计算光谱成像等几个方面进行系统性地分类讨论。本综述结论为:基于计算光学的设计方法,无论在光学结构与面型求解方面,还是图像信号非线性逆问题求解方面,都具有强大的设计能力。在发展趋势上,计算光学在航天光学系统的设计潜力刚刚被挖掘。在“人工智能时代”的软、硬件算力支持下,计算光学方法将大大提升星载反射式成像系统设计的便捷性。 相似文献
46.
面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效. 相似文献
47.
48.
空间小推力轨道最优Bang-Bang控制的两类延拓解法综述 总被引:1,自引:0,他引:1
介绍了空间小推力轨道优化问题中的最优Bang-Bang控制问题,对两类延拓解法给出了描述:第一类解法首先求解能量最优解,然后采用能量–燃耗同伦得到最优Bang-Bang控制;第二类解法引入推力开关切换准则,以双脉冲解作为初解,通过参数延拓得到最优Bang-Bang控制。对两类延拓解法进行了比较,指出了各自的优势与特点。对延拓方法应用于求解更加复杂的小推力轨道设计问题进行了展望,提出了包含初解、延拓与拼接三要素的人工智能轨道优化概念。 相似文献
49.
50.
智能赋能流体力学展望 总被引:1,自引:0,他引:1
人工智能(AI)是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。 相似文献