全文获取类型
收费全文 | 102篇 |
免费 | 18篇 |
国内免费 | 12篇 |
专业分类
航空 | 69篇 |
航天技术 | 27篇 |
综合类 | 6篇 |
航天 | 30篇 |
出版年
2024年 | 3篇 |
2023年 | 15篇 |
2022年 | 8篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2019年 | 7篇 |
2018年 | 4篇 |
2017年 | 6篇 |
2016年 | 7篇 |
2015年 | 8篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 5篇 |
2011年 | 5篇 |
2010年 | 4篇 |
2009年 | 4篇 |
2008年 | 5篇 |
2007年 | 2篇 |
2006年 | 4篇 |
2005年 | 4篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2002年 | 2篇 |
2001年 | 6篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 1篇 |
1992年 | 1篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有132条查询结果,搜索用时 15 毫秒
91.
基于改进型YOLO算法的遥感图像舰船检测 总被引:1,自引:1,他引:0
目标检测算法在PASCAL VOC等数据集中取得了非常好的检测效果,但是在大尺度遥感图像中舰船目标的检测准确率却很低。因此,针对可见光遥感图像的特点,在YOLOv3-Tiny算法的基础上增加了特征映射模块,为预测层提供丰富的语义信息,同时在特征提取网络中引用残差网络,提高了检测准确率,从而有效提取舰船特征。实验结果表明:优化后的M-YOLO算法检测准确率为94.12%。相比于SSD和YOLOv3算法,M-YOLO算法的检测准确率分别提高了11.11%和9.44%。 相似文献
92.
针对碳/碳(C/C)复合材料力学性能离散的特点,开展穿刺C/C复合材料压缩强度分布与可靠性评估研究。首先通过残差分析确定用于强度分布分析的样本数量,然后通过线性回归分析获得两参数Weibull分布、正态分布及对数正态分布模型的参数,进而探究穿刺C/C复合材料的压缩强度分布规律,最后通过Kolmogorov-Smirnov检验、Anderson-Darling检验和极大似然方法对3种强度分布模型进行拟合优度检验。结果表明:用于获得穿刺C/C复合材料压缩强度分布的最少样本数量应不少于30;Weibull分布、正态分布和对数正态分布模型均可表征穿刺C/C复合材料的压缩强度分布,其中Weibull分布的拟合优度最高;基于强度分布模型可得到不同可靠度所对应的穿刺C/C复合材料的设计强度参考值。 相似文献
93.
目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。 相似文献
94.
提出一种新的适用于多种故障类型的故障检测滤波器设计方法,该方法基于故障输出空间,通过配置在特征向量来设计检测增益阵以实现对系统参数的小范围变化,具有较好的鲁棒性,避免了采用多个检测滤波器对不同的故障进行检测。同时,研究了残差与控制输入和故障程度的关系,提出了自适应检测阈值设计方法,并将其应用于歼击机的结构故障检测。 相似文献
95.
96.
滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。 相似文献
97.
为实现航天器控制力矩陀螺(CMG)性能退化状态评估,提出了一种基于卷积神经网络(CNN)与功耗残差的CMG退化特征提取方法。由于CMG控制系统对高速转子运动状态的高精准控制,CMG退化特征难以从转子运动状态数据中直接提取。针对该问题,从转子系统的能量损耗角度出发,通过分析CMG工作机理确定了影响单位时间内转子电机功耗的变量,并通过CNN建立了CMG运行状态参数与电机功耗之间的映射。将退化状态下电机实际功耗与模型输出的残差作为退化特征对CMG退化状态进行评价。通过某型号CMG的加速寿命实验数据进行验证,结果表明:构建的退化特征能够表征CMG转子轴承的性能退化情况,从而为CMG状态监测和故障预警提供参考。 相似文献
98.
99.
100.