全文获取类型
收费全文 | 232篇 |
免费 | 202篇 |
国内免费 | 26篇 |
专业分类
航空 | 315篇 |
航天技术 | 65篇 |
综合类 | 8篇 |
航天 | 72篇 |
出版年
2023年 | 8篇 |
2022年 | 19篇 |
2021年 | 23篇 |
2020年 | 12篇 |
2019年 | 15篇 |
2018年 | 7篇 |
2017年 | 9篇 |
2016年 | 4篇 |
2015年 | 8篇 |
2014年 | 13篇 |
2013年 | 23篇 |
2012年 | 20篇 |
2011年 | 13篇 |
2010年 | 12篇 |
2009年 | 13篇 |
2008年 | 16篇 |
2007年 | 16篇 |
2006年 | 24篇 |
2005年 | 22篇 |
2004年 | 11篇 |
2003年 | 14篇 |
2002年 | 11篇 |
2001年 | 14篇 |
2000年 | 7篇 |
1999年 | 19篇 |
1998年 | 20篇 |
1997年 | 11篇 |
1996年 | 16篇 |
1995年 | 8篇 |
1994年 | 10篇 |
1993年 | 11篇 |
1992年 | 8篇 |
1991年 | 4篇 |
1990年 | 4篇 |
1989年 | 6篇 |
1988年 | 7篇 |
1987年 | 2篇 |
排序方式: 共有460条查询结果,搜索用时 15 毫秒
431.
432.
根据TYC-1涂层材料在加热过程中所出现的物理化学变化,提出了三层物理模型,建立了相应的守恒方程和边界条件,并给出具有空间和时间二阶精度的差分离散公式,并按稳态和轨道模拟二类试验工况,预测了TYC-1防热涂层的内部温度分布,且与测量结果符合很好。 相似文献
433.
434.
变几何涡扇发动机几何调节对性能的影响 总被引:6,自引:3,他引:6
本文以高推重比涡扇发动机为研究对象,利用所建立的以变几何部件特性为基础的变几何加力涡扇发动机性能模型,详细计算和分析了风扇和高压压气机静子叶片角度、高压和低压涡轮导向器喉道面积4个几何参数的调节对发动机性能的影响。结果表明,在本文计算条件下调节风扇静子叶片角度对发动机性能有显着影响,调节其它3个参数对性能影响不大,但可在控制主要部件在其高效率工作点方面发挥作用。 相似文献
435.
436.
437.
支撑板结构设计直接影响燃气轮机排气扩压器的流场结构和气动性能。本文在验证数值方法可靠的基础上,采用求解三维Reynolds-Averaged Navier-Stokes(RANS)和 湍流模型的方法对带进气导叶和支撑板的排气扩压器模型进行了研究,探究在四种进气预旋下,支撑板截面型线以及本文提出的支撑板径向倾斜设计方案对排气扩压器气动性能的影响。结果表明:进气预旋和支撑板设计方式相同时,截面型线更薄的支撑板更易导致流体在支撑板附近的分离及更大范围的尾迹流,从而增大总压损失;支撑板截面形状相同时,与径向垂直设计相比,支撑板采用径向倾斜设计使得排气扩压器通道面积变化更加平缓,从而使得在四种进气预旋下,排气扩压器的总压损失系数下降7%-20%。当支撑板截面型线宽长比为0.2时,相对于径向垂直设计,支撑板采用径向倾斜设计方式的排气扩压器静压恢复系数在进气预旋 和 时分别提升了4.7%和3.8%;但在支撑板截面型线宽长比为0.12和0.175时,支撑板采用径向倾斜设计方式会降低排气扩压器在进气预旋 和 时的静压恢复性能。 相似文献
438.
为了快速可靠地评估旋转爆震冲压发动机的总体性能,针对冲压模态下的旋转爆震发动机建立了性能分析模型。模型以飞行条件和冲压发动机关键几何参数作为输入参数,结合气体动力学和C-J爆震理论,获得旋转爆震燃烧室的流场参数分布以及发动机喷管排气参数,输出发动机推力以及燃料比冲,建立了基于连续旋转爆震的冲压发动机性能评估方法。模型参与反应的燃料和氧化剂分别为煤油以及空气,主要研究了燃料温度、喷管喉部面积、燃烧室环面面积、反应物当量比、飞行马赫数以及飞行高度对发动机燃料比冲、推力的影响趋势。研究结果表明,控制其它变量不变,发动机推力与燃料比冲随燃料温度上升而提高;随喷管喉部面积、燃烧室环面面积减小而增大;随飞行高度增加而降低;燃料比冲随当量比、马赫数增大而减小,而推力随当量比、马赫数增大而增大。在高度为25 km、马赫数为4、当量比为0.6的工况下,发动机燃料比冲可达到1 740 s。分析结果表明,模型计算方法可靠,可快速计算出旋转爆震冲压发动机的推力性能,为旋转爆震冲压发动机的设计提供可靠参考。 相似文献
439.
针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。 相似文献
440.