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 890 毫秒
711.
为了研究压电驱动狭缝喷口自耦合射流的流动特性,采用PIV、热线风速仪测试手段,对自耦合射流激发器在不同激励因素下的流场和速度场分布进行了实验和分析.结果显示,自耦合射流在狭缝出口处产生了反向涡对,随着自耦合射流的发展,射流呈现出在喷口短轴方向急剧向两侧扩展、而在喷口长轴方向先收缩后缓慢扩展的流动特征;自耦合射流的速度分布在法线方向呈现先上升后下降的趋势,在z/b=10左右速度达到最大值;在射流展向上,短轴方向速度呈规律的对称分布和速度自模的特征,而长轴方向速度近喷口区域呈现马鞍状分布,随着法向距离增加这种趋势消失.研究中发现,激发器存在两个谐振频率,在谐振频率激发下自耦合射流的速度和涡量比较大.与常规射流相比,自耦合射流显示出了独特的流动特性. 相似文献
712.
由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM. 相似文献
713.
714.
715.
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
716.
为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明:优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。 相似文献
717.
718.
719.
无人机栖落机动飞行是一种无需跑道的降落方法,能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程,提出了一种基于模仿深度强化学习的控制策略设计方法。首先,建立了固定翼无人机栖落机动的纵向非线性动力学模型,并设计了无人机栖落机动的强化学习环境。其次,针对栖落机动状态动作空间大的特点,为了提高探索效率,通过模仿专家经验的方法对系统进行预训练。然后,以模仿学习得到的权重为基础,采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后,通过仿真验证了上述控制策略设计方法的有效性。 相似文献
720.