全文获取类型
收费全文 | 1100篇 |
免费 | 172篇 |
国内免费 | 210篇 |
专业分类
航空 | 988篇 |
航天技术 | 220篇 |
综合类 | 149篇 |
航天 | 125篇 |
出版年
2024年 | 9篇 |
2023年 | 17篇 |
2022年 | 19篇 |
2021年 | 48篇 |
2020年 | 43篇 |
2019年 | 52篇 |
2018年 | 53篇 |
2017年 | 60篇 |
2016年 | 100篇 |
2015年 | 52篇 |
2014年 | 70篇 |
2013年 | 57篇 |
2012年 | 68篇 |
2011年 | 116篇 |
2010年 | 48篇 |
2009年 | 79篇 |
2008年 | 93篇 |
2007年 | 59篇 |
2006年 | 62篇 |
2005年 | 57篇 |
2004年 | 49篇 |
2003年 | 38篇 |
2002年 | 48篇 |
2001年 | 30篇 |
2000年 | 21篇 |
1999年 | 24篇 |
1998年 | 23篇 |
1997年 | 16篇 |
1996年 | 8篇 |
1995年 | 17篇 |
1994年 | 4篇 |
1993年 | 9篇 |
1992年 | 6篇 |
1991年 | 12篇 |
1990年 | 4篇 |
1989年 | 8篇 |
1988年 | 2篇 |
1987年 | 1篇 |
排序方式: 共有1482条查询结果,搜索用时 765 毫秒
101.
发动机故障隔离技术的主特征量模型 总被引:1,自引:0,他引:1
本文提出了发动机气路分析故障隔离技术的主特征量模型。主特征量模型的基本原理如下:发动机征兆量和发动机特征量之间存在着特殊的函数关系,即 n 个征兆量小偏差方程可以被少于 n 的 t 个故障量偏差所满足。利用这一特性可以对多于征兆量数目的 m 个特征量进行故障隔离。与目前广泛采用的影响系数矩阵法比较,主特征量模型不仅具有更广泛的实用意义,而且数学模型更加严格,并且能提供较多的故障诊断信息。文中给出了主持征量模型的两种求解方法,即最小征兆量偏差残差模法和最小特征量偏差法。文中还给出了主特征量模型的计算例题,并对计算结果进行了分析。 相似文献
102.
详细介绍了BIT和ATE组合测试技术及其在机载电子设备测试与故障诊断的具体应用。应用表明BIT和ATE组合测试技术可有效提高设备的测试性。 相似文献
103.
104.
105.
106.
107.
卷积神经网络和峭度在轴承故障诊断中的应用 总被引:1,自引:1,他引:1
针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。 相似文献
108.
由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流(HVDC)系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换(HHT)提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换(FFT)方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。 相似文献
109.
110.
基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用 总被引:2,自引:9,他引:2
滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性. 相似文献