全文获取类型
收费全文 | 17976篇 |
免费 | 1382篇 |
国内免费 | 925篇 |
专业分类
航空 | 10955篇 |
航天技术 | 2537篇 |
综合类 | 1388篇 |
航天 | 5403篇 |
出版年
2024年 | 90篇 |
2023年 | 296篇 |
2022年 | 305篇 |
2021年 | 466篇 |
2020年 | 428篇 |
2019年 | 395篇 |
2018年 | 223篇 |
2017年 | 316篇 |
2016年 | 405篇 |
2015年 | 416篇 |
2014年 | 674篇 |
2013年 | 725篇 |
2012年 | 1140篇 |
2011年 | 1106篇 |
2010年 | 844篇 |
2009年 | 1023篇 |
2008年 | 1270篇 |
2007年 | 1310篇 |
2006年 | 1041篇 |
2005年 | 1062篇 |
2004年 | 904篇 |
2003年 | 877篇 |
2002年 | 569篇 |
2001年 | 692篇 |
2000年 | 496篇 |
1999年 | 394篇 |
1998年 | 383篇 |
1997年 | 396篇 |
1996年 | 330篇 |
1995年 | 263篇 |
1994年 | 271篇 |
1993年 | 221篇 |
1992年 | 225篇 |
1991年 | 174篇 |
1990年 | 189篇 |
1989年 | 214篇 |
1988年 | 51篇 |
1987年 | 58篇 |
1986年 | 23篇 |
1985年 | 8篇 |
1984年 | 3篇 |
1983年 | 1篇 |
1982年 | 4篇 |
1981年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
741.
针对非线性欠驱动不稳定系统的控制问题,提出了一种基于自耦PID(auto-coupling proportional-integration-differential, ACPID)控制理论的虚拟全驱动控制方法.该方法将每个输入通道的已知或未知内部动态定义为一个总扰动,并在第一个输入通道引入相应的虚拟控制力,从而将非线性欠驱动不稳定系统等价映射为虚拟全驱动的线性扰动系统,并根据ACPID控制理论建立第一个输入通道的虚拟控制器,形成虚拟指令,再根据获得的虚拟指令与ACPID控制理论建立下一个输入通道的控制器,以实现非线性欠驱动不稳定系统的有效控制.仿真结果验证了本文控制理论方法的有效性,在非线性欠驱动不稳定系统控制领域有广泛的应用前景. 相似文献
742.
743.
744.
745.
746.
747.
748.
可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计 总被引:1,自引:0,他引:1
针对具有强非线性、多变量耦合特性的可重复使用飞行器(RLV),同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响,提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先,建立飞行器再入动态模型,并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次,将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次,采用区间二型模糊系统逼近子系统非线性项,并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外,引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性,且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后,利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令,且对外界干扰有较强的鲁棒性。 相似文献
749.
ASF网格是提高增强型罗兰(Enhanced Long Range Navigation,eLoran)系统精度的重要方法。根据所在网格四个顶点的附加二次时延(Added Secondary Factor,ASF)值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论:反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。 相似文献
750.
目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括:基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪. 相似文献