全文获取类型
收费全文 | 517篇 |
免费 | 135篇 |
国内免费 | 79篇 |
专业分类
航空 | 383篇 |
航天技术 | 118篇 |
综合类 | 38篇 |
航天 | 192篇 |
出版年
2024年 | 13篇 |
2023年 | 14篇 |
2022年 | 47篇 |
2021年 | 52篇 |
2020年 | 37篇 |
2019年 | 29篇 |
2018年 | 18篇 |
2017年 | 21篇 |
2016年 | 35篇 |
2015年 | 17篇 |
2014年 | 35篇 |
2013年 | 40篇 |
2012年 | 28篇 |
2011年 | 46篇 |
2010年 | 37篇 |
2009年 | 23篇 |
2008年 | 34篇 |
2007年 | 24篇 |
2006年 | 35篇 |
2005年 | 33篇 |
2004年 | 24篇 |
2003年 | 18篇 |
2002年 | 8篇 |
2001年 | 9篇 |
2000年 | 6篇 |
1999年 | 2篇 |
1998年 | 12篇 |
1997年 | 4篇 |
1996年 | 6篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1992年 | 4篇 |
1991年 | 4篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1986年 | 2篇 |
1985年 | 4篇 |
排序方式: 共有731条查询结果,搜索用时 93 毫秒
391.
本文对有逆压力梯度下的自由流湍流度对湍流边界层特性的影响做了较为仔细的测量,做了边界层内平均速度分布、壁面摩擦系数、压力梯度、边界层内三个方向脉动速度以及脉动总压的测量。试验结果指出:自由流湍流度的增加可大大削弱逆压力梯度对湍流边界层的不利影响,可使边界层速度分布饱满,尾迹强度减弱,从而延迟边界层分离。试验还首次得出自由流湍流度的增加可使边界层内的速度脉动和压力脉动分布均匀以及流动趋于稳定,因而可同时改善扩压器出口的静、动态特性。 相似文献
392.
现代小卫星的重力梯度姿态稳定系统 总被引:4,自引:0,他引:4
本文首先论述现代小卫星重力梯度稳定系统组成,其次建立数学模型,最后进行计算机仿真,研究初始姿态角速度、惯量比、飞轮角动量和伸杆时间等因素对姿态动态特性的影响。 相似文献
393.
394.
一种基于UPF的月球车自主天文导航方法 总被引:2,自引:4,他引:2
介绍了月球车自主天文导航原理和传统的迭代解析高度差方法,提出了一种基于月球车运动模型和UPF(Unscented粒子滤波)的自主天文导航新方法。该方法仅需利用由星敏感器和惯性测量单元测量得到的恒星的天体高度,结合月球车的运动模型,通过UPF滤波,即可获得高精度的月球车实时位置信息。计算机仿真结果表明该方法与传统方法相比,定位精度有了大幅提高,同时对几个关键的精度影响因素的仿真分析显示该方法可以有效的减弱量测噪声,星历误差等对系统性能的影响,使系统具有更高的适应能力。 相似文献
395.
自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。 相似文献
396.
397.
RSS飞机深失速走廊特性分析 总被引:1,自引:0,他引:1
以放宽静稳定性战斗机F-16为例,讨论了深失速走廊特性,利用具有非线性气动力的简化运动方程,分析了飞机深失速特性;应用反应积分技术确定出了深失速走廊-深失速平稳点的收敛区域。 相似文献
398.
为了对磁偶极子进行高精度的磁性定位,文章从磁偶极子模型出发,推导出磁偶极子的空间坐标与其产生的磁场及磁场梯度之间的关系式;针对模型及关系式,设计了一种全张量磁场梯度传感器,能够一次测量出精确定位所需的9个磁场梯度值和3个磁场强度值;对比仿真结果和实验结果,发现二者具有较好的一致性,证明了该理论模型的有效性。对于磁偶极子,用半径为0.05 m的梯度传感器对磁矩为2 A·m~2的磁偶极子进行定位测量,在0.5~1 m距离内定位误差不大于10%。文章还对定位测量误差的原因进行了分析,包括梯度测量基线距离及传感器半径对定位误差的影响。 相似文献
399.
400.
随着网络加密协议的广泛使用,传统的网络流量分类技术面临很大的挑战。目前的方法具有以下局限性:一是模型高度依赖深度特征,这要求有标注训练数据集的规模足够大,否则模型难以在新的数据上进行泛化;二是模型仅专注于流量的一个模态特征,不同类别流量的同一模态的特征区分度可能不够明显。针对这些问题,本文提出了一种基于深度学习的加密流量分类模型Parallel Transformer Net(并行转换网络,PTNet)。该模型基于预训练-微调的半监督思想,充分利用网络中大量无标签流量数据进行预训练,然后在少量有标签数据的基础上进行微调。此外,该模型并行提取了载荷和包长序列两个模态的流量特征,进行多模态的特征融合,并在三种不同的流量分类任务与相应的数据集(Android、USTC-TFC和CSTNET-TLS1.3,均为公开的数据集)上都表现出很好的效果,分类准确率分别达到95%、98%和97%。 相似文献