全文获取类型
收费全文 | 2640篇 |
免费 | 377篇 |
国内免费 | 179篇 |
专业分类
航空 | 1486篇 |
航天技术 | 571篇 |
综合类 | 339篇 |
航天 | 800篇 |
出版年
2024年 | 57篇 |
2023年 | 192篇 |
2022年 | 193篇 |
2021年 | 222篇 |
2020年 | 166篇 |
2019年 | 122篇 |
2018年 | 44篇 |
2017年 | 52篇 |
2016年 | 88篇 |
2015年 | 79篇 |
2014年 | 94篇 |
2013年 | 114篇 |
2012年 | 132篇 |
2011年 | 152篇 |
2010年 | 137篇 |
2009年 | 143篇 |
2008年 | 134篇 |
2007年 | 150篇 |
2006年 | 135篇 |
2005年 | 145篇 |
2004年 | 100篇 |
2003年 | 120篇 |
2002年 | 72篇 |
2001年 | 74篇 |
2000年 | 47篇 |
1999年 | 38篇 |
1998年 | 43篇 |
1997年 | 31篇 |
1996年 | 20篇 |
1995年 | 23篇 |
1994年 | 17篇 |
1993年 | 8篇 |
1992年 | 18篇 |
1991年 | 9篇 |
1990年 | 7篇 |
1989年 | 8篇 |
1988年 | 3篇 |
1987年 | 6篇 |
1981年 | 1篇 |
排序方式: 共有3196条查询结果,搜索用时 15 毫秒
231.
基于RBF神经网络的FADS系统及其算法研究 总被引:1,自引:0,他引:1
以典型的十字形布局的大气数据传感系统及其跨声速应用为研究对象,基于RBF神经网络,设计了新的FADS算法和故障检测处理方法。将测压点按不同功能进行精细的划分和组合,形成更加精简、目的性更强且相互独立的RBF网络处理子模块,利用各子网络模块提供的冗余特性,使用基于故障特征向量表的方法,实施简单而有效的故障检测与处理。仿真验证表明,迎角与侧滑角的测量误差不大于0.5°,且故障检测是有效的。 相似文献
232.
233.
针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速ng、输出轴转速nr和涡轮后温度T4都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。 相似文献
234.
随着频谱信息资源愈发紧张,信号的调制处理方式也愈发多样化.由于通信信号的调制识别广泛应用于民用和军用领域,所以,对调制方式进行识别的研究具有极其重要的意义与战术价值.首先,根据大量文献,对基于最大似然函数和特征提取的经典调制识别方法进行了系统地梳理;其次,从常用数据集、深度神经网络结构和现有识别算法等方面,着重介绍了深... 相似文献
235.
针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题,提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征,从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上,使用K维树搜索完成局部几何特征描述子的关联工作。最后,通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明,该方法的配准成功率达到92.5%,配准精度达到0.0434m,配准时间相对最邻点迭代配准算法缩短了74.7%,实验结果验证了该方法的有效性、实时性和鲁棒性。 相似文献
236.
237.
238.
监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。 相似文献
239.
240.