全文获取类型
收费全文 | 3207篇 |
免费 | 411篇 |
国内免费 | 286篇 |
专业分类
航空 | 2031篇 |
航天技术 | 572篇 |
综合类 | 423篇 |
航天 | 878篇 |
出版年
2024年 | 43篇 |
2023年 | 135篇 |
2022年 | 161篇 |
2021年 | 175篇 |
2020年 | 137篇 |
2019年 | 156篇 |
2018年 | 69篇 |
2017年 | 84篇 |
2016年 | 132篇 |
2015年 | 129篇 |
2014年 | 132篇 |
2013年 | 156篇 |
2012年 | 188篇 |
2011年 | 211篇 |
2010年 | 191篇 |
2009年 | 191篇 |
2008年 | 178篇 |
2007年 | 218篇 |
2006年 | 170篇 |
2005年 | 185篇 |
2004年 | 118篇 |
2003年 | 152篇 |
2002年 | 90篇 |
2001年 | 100篇 |
2000年 | 60篇 |
1999年 | 55篇 |
1998年 | 57篇 |
1997年 | 53篇 |
1996年 | 26篇 |
1995年 | 27篇 |
1994年 | 23篇 |
1993年 | 21篇 |
1992年 | 26篇 |
1991年 | 14篇 |
1990年 | 10篇 |
1989年 | 16篇 |
1988年 | 2篇 |
1987年 | 9篇 |
1984年 | 1篇 |
1981年 | 2篇 |
1979年 | 1篇 |
排序方式: 共有3904条查询结果,搜索用时 187 毫秒
581.
针对空间信息网络体系结构设计和其使命任务的多重性、多维性的问题,提出了一种体系结构可重组设计方法。首先,介绍了空间信息网络及其体系结构的国内外发展现状,分析了研究空间信息网络体系结构可重组设计的需求。其次,结合空间信息网络的概念、结构和特征,建立了松耦合、兼容性、隔离性和可解构的可重组设计原则。同时,定义了管理中心(RMC)和资源中心(RRC)的内涵,分析了RMC和RRC的运行机制,从目标、拓扑、实体、数据、方案5个维度出发提出了一种形式化的可重组网络体系结构模型,并给出了可重组网络体系结构的实现算法流程。最后,以某反导作战活动为例进行了体系结构可组构设计的案例分析,基于STK平台进行可重组网络的仿真演示,着重展示和验证了可重组设计思想在实践中的具体应用,达到了预期目的。 相似文献
582.
584.
针对云制造环境下机床装备资源具有数量大、异质异构、服务制约因素多等问题,提出了基于多准则决策的机床装备资源选择方法。首先,利用本体论对机床装备资源建模,将物理资源虚拟化封装,实现虚拟资源与物理资源的逻辑映射。进一步地,使用语言变量量化决策者评估信息,采用模糊决策与试验评价实验室(FDEMATEL)和熵值法(EW)相结合的组合赋权法,引入模糊VIKOR(FVIKOR)多属性决策方法对机床装备资源进行综合评估,建立FDEMATEL-EW-FVIKOR的多准则混合决策模型。最后,将该方法应用于某生产制造企业,实验对比决策结果验证了多准则混合决策模型的可行性和有效性。 相似文献
587.
高雷诺数壁湍流是工程设计和应用中非常重要的问题之一,其高效高精度的模拟方法一直是湍流研究的重要研究方向。约束大涡模拟方法(CLES)是近些年提出的新模拟方法之一,和传统的RANS/LES混合方法不同,CLES在全场做LES计算:在靠近壁面的内区,它采用带约束的亚网格模型,而在外区,它使用传统的亚网格模型。经过近10年的努力,CLES方法已经在不可压/可压缩附着流、不可压缩/可压缩分离流等经典算例中得到了验证,并成功应用于航空气动中复杂流动的模拟。本文在介绍CLES方法基本原理的基础上,对CLES方法应用中的一些问题进行了讨论,最后对CLES方法的未来研究方向也做了一些概括。 相似文献
589.
人为因素作为人机关系中的重要环节,是影响民航安全的关键因素。定量分析机务人因可靠性水平对于减少无意识犯错、保障飞行安全具有重要意义。根据NASA建议开发出一套THERP+CREAM结合的模型,针对民航特点对THERP数据表进行优化处理,采用模糊贝叶斯网络与CREAM结合的方法确定机务维修人员的认知控制模式,利用平均权重因子将THERP的预测值嵌入CREAM,实现两代方法的结合,以提高机务人因可靠性预测的精度。研究结果表明:通过对某航空公司某维修小组的调查,证实了所提的THERP+CREAM预测模型能够较好地预测机务人因可靠性水平,实现了依据维修手册中的维修任务,即可进行人因可靠性分析,为研制单位维修任务分析中的人素分析提供了一个定量评估方法。 相似文献
590.
基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。 相似文献