全文获取类型
收费全文 | 2704篇 |
免费 | 537篇 |
国内免费 | 308篇 |
专业分类
航空 | 1887篇 |
航天技术 | 555篇 |
综合类 | 433篇 |
航天 | 674篇 |
出版年
2024年 | 51篇 |
2023年 | 191篇 |
2022年 | 220篇 |
2021年 | 218篇 |
2020年 | 164篇 |
2019年 | 168篇 |
2018年 | 90篇 |
2017年 | 87篇 |
2016年 | 100篇 |
2015年 | 74篇 |
2014年 | 86篇 |
2013年 | 93篇 |
2012年 | 108篇 |
2011年 | 120篇 |
2010年 | 117篇 |
2009年 | 146篇 |
2008年 | 153篇 |
2007年 | 162篇 |
2006年 | 158篇 |
2005年 | 144篇 |
2004年 | 132篇 |
2003年 | 108篇 |
2002年 | 94篇 |
2001年 | 108篇 |
2000年 | 71篇 |
1999年 | 70篇 |
1998年 | 67篇 |
1997年 | 68篇 |
1996年 | 39篇 |
1995年 | 34篇 |
1994年 | 31篇 |
1993年 | 17篇 |
1992年 | 17篇 |
1991年 | 16篇 |
1990年 | 10篇 |
1989年 | 10篇 |
1988年 | 5篇 |
1987年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有3549条查询结果,搜索用时 359 毫秒
421.
基于改进PSO-SVM参数优化的发动机起动过程辨识 总被引:2,自引:0,他引:2
针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具... 相似文献
422.
基于神经网络模型的动态非线性气动力辨识方法 总被引:1,自引:0,他引:1
在标准径向基函数(RBF)神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。 相似文献
423.
424.
425.
426.
为研究低温推进剂在常温下的自增压过程,设计了以液氮为模拟介质可视化低温玻璃贮箱自增压实验系统,研究了自增压过程压力和温度的变化规律及体积充填率对压力和温度变化的影响。实验结果表明:气枕区和液体区存在显著的轴向温度分层,液体区温度的上升速率低于压力引起饱和温度的上升速率。压力上升分为有典型意义的三段:初始段、过渡段和稳定段,稳定段的压力上升速率随体积充填率增加而增加。液体区的对流运动在自增压过程受到抑制,气液界面逐渐进入准静止状态。并以实验测得温度作为边界条件,采用流体体积(VOF)模型对整个自增压过程进行了175 s的数值仿真。仿真得到的压力曲线变化规律与实验结果基本一致,稳定段的压力上升速率是实验值的1.58倍。本文得到的自增压物理参数变化规律,为低温推进剂的贮存和贮箱的热防护设计提供参考。 相似文献
427.
428.
利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明:该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。 相似文献
429.
430.
基于分层神经网络的航天器故障诊断技术 总被引:2,自引:1,他引:2
为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。 相似文献