全文获取类型
收费全文 | 1540篇 |
免费 | 311篇 |
国内免费 | 191篇 |
专业分类
航空 | 1082篇 |
航天技术 | 346篇 |
综合类 | 262篇 |
航天 | 352篇 |
出版年
2024年 | 28篇 |
2023年 | 121篇 |
2022年 | 146篇 |
2021年 | 135篇 |
2020年 | 99篇 |
2019年 | 98篇 |
2018年 | 46篇 |
2017年 | 33篇 |
2016年 | 39篇 |
2015年 | 27篇 |
2014年 | 36篇 |
2013年 | 47篇 |
2012年 | 55篇 |
2011年 | 75篇 |
2010年 | 76篇 |
2009年 | 95篇 |
2008年 | 102篇 |
2007年 | 90篇 |
2006年 | 106篇 |
2005年 | 87篇 |
2004年 | 85篇 |
2003年 | 64篇 |
2002年 | 69篇 |
2001年 | 64篇 |
2000年 | 40篇 |
1999年 | 38篇 |
1998年 | 37篇 |
1997年 | 40篇 |
1996年 | 18篇 |
1995年 | 14篇 |
1994年 | 18篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1990年 | 3篇 |
排序方式: 共有2042条查询结果,搜索用时 171 毫秒
311.
312.
神经网络在旋翼/机身气动干扰模型中的应用 总被引:2,自引:1,他引:1
由于直升机自身的特点,旋翼/机身气动干扰呈现非线性,且受多种因素的影响,用神经网络来解决这一非线性问题是一个很好的办法。将旋翼/机身气动干扰试验数据构造的学习样本,对网络参数进行学习,可以得到旋翼/机身气动干扰神经网络模型,进而可以用该神经网络模型研究直升机机身受旋翼气流干扰时的空气动力特性。参数训练好的旋翼/机身气动干扰神经网络模型可直接用于直升机气动设计和实时仿真。笔者在对旋翼/机身气动干扰神 相似文献
313.
314.
风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。 相似文献
315.
针对运载火箭姿态系统跟踪问题,考虑干扰、执行器故障和模型不确定因素的影响,设计了一种基于自适应神经网络的非线性容错控制律。该控制算法结合了连续的终端滑模控制,径向基神经网络和自适应控制方法。首先,基于滑模控制理论,设计了一种快速终端滑模面,保证系统跟踪误差能够在有限时间收敛至零。然后,在终端滑模面基础上,提出了一种基于自适应径向基神经网络估计的终端滑模控制律。利用自适应参数的神经网络逼近系统参数并提高抗干扰性能,采用平滑连续控制策略消除了终端滑模中的颤动现象。通过李雅普诺夫的分析方法证明了闭环系统的收敛性和全局稳定性。采用数值仿真,验证了提出的基于自适应径向基神经网络的终端滑模控制律具有较好的跟踪性能和精度。 相似文献
316.
在BP算法和数字图像处理技术的基础上,本文在MATLAB软件环境下提取Word文档中26种字体的0-9十个数字的图像,使用MATLAB神经网络工具箱及图像处理工具箱进行数字的识别,给出了较详细的处理步骤及相关程序,并比较了各种识别算法的收敛速度和识别率。 相似文献
317.
针对无人机(UAV)视频中目标易受到遮挡、形变、复杂背景干扰等问题,提出一种基于自适应深度网络的无人机目标跟踪算法。首先,基于主成分分析(PCA)和卷积神经网络(CNN)算法,设计3阶的自适应深度网络进行目标特征提取,该网络对图像的H、S、I通道分别进行主成分分析学习,将得到的特征向量输入网络进行分层卷积,优化了网络结构,提高了网络的收敛速度和精度。其次,将目标深度特征输入核相关滤波算法进行目标跟踪,通过分析相邻2帧图像的变化率,采用分段自适应调整学习率的算法进行目标模板更新,有效地改善目标遮挡问题。仿真实验结果表明,该算法有效地避免了复杂因素干扰导致的跟踪精度下降,具有较好的鲁棒性,相较于全卷积跟踪(FCNT)算法平均跟踪精度提高了9.62%,平均跟踪成功率提高了11.9%。 相似文献
318.
针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。 相似文献
319.
320.
基于CMAC神经网络导弹的气动参数辨识 总被引:1,自引:0,他引:1
本文利用CMAC神经网络辨识了几个重要的空气动力参数,证明了估计误差,权误差有界,仿真结果显示了本文算法的有效性。 相似文献