全文获取类型
收费全文 | 1141篇 |
免费 | 177篇 |
国内免费 | 211篇 |
专业分类
航空 | 1012篇 |
航天技术 | 225篇 |
综合类 | 152篇 |
航天 | 140篇 |
出版年
2024年 | 9篇 |
2023年 | 17篇 |
2022年 | 19篇 |
2021年 | 47篇 |
2020年 | 41篇 |
2019年 | 53篇 |
2018年 | 56篇 |
2017年 | 58篇 |
2016年 | 98篇 |
2015年 | 54篇 |
2014年 | 72篇 |
2013年 | 60篇 |
2012年 | 71篇 |
2011年 | 117篇 |
2010年 | 49篇 |
2009年 | 82篇 |
2008年 | 95篇 |
2007年 | 65篇 |
2006年 | 69篇 |
2005年 | 61篇 |
2004年 | 49篇 |
2003年 | 39篇 |
2002年 | 53篇 |
2001年 | 31篇 |
2000年 | 22篇 |
1999年 | 25篇 |
1998年 | 25篇 |
1997年 | 18篇 |
1996年 | 8篇 |
1995年 | 17篇 |
1994年 | 5篇 |
1993年 | 9篇 |
1992年 | 6篇 |
1991年 | 12篇 |
1990年 | 5篇 |
1989年 | 8篇 |
1988年 | 3篇 |
1987年 | 1篇 |
排序方式: 共有1529条查询结果,搜索用时 15 毫秒
51.
基于健康蜕化的航空发动机传感器故障诊断(英文) 总被引:2,自引:1,他引:2
改进在线故障诊断算法使其能适应发动机健康蜕化是目前故障诊断所面临的困难,如果诊断算法没有自适应能力,在发动机健康蜕化后将失去其诊断功能。为了解决此问题,提出在线故障诊断算法,采用跟踪滤波器估计发动机的健康状况,机载模型根据跟踪滤波器的估计结果进行更新。更新后的机载模型能够与真实的发动机相匹配。这使得当发动机健康蜕化后在线故障诊断仍能保持其有效性。最后采用一组卡尔曼滤波器来对航空发动机传感器故障进行诊断与隔离。通过设计好的一组卡尔曼滤波器,能够诊断并隔离出故障。本文使用非线性发动机模型来验证此方法,仿真结果表明本文提出的在线诊断方法在发动机健康蜕化后仍能保持其有效性。 相似文献
52.
53.
发动机性能状态监控是保证飞行安全的重要手段.航空专用数据链通信系统(ACARS)和快速数据存取记录器(QAR)已经越来越普遍地被各航空公司所采用.介绍了多个综合利用ACARS、QAR译码巡航报告等信息对V2500发动机进行性能故障诊断的案例,对如何利用多种手段和EHM软件对V2500发动机进行故障诊断作了总结. 相似文献
54.
故障星分布对星座PDOP可用性影响的建模及评价 总被引:1,自引:1,他引:1
导航星座定位精度衰减因子(PDOP)可用性是卫星导航系统顶层设计的重要指标。研究了不同故障星分布状况对全球导航星座PDOP可用性的影响。首先,从概率角度并采用组合方法建立了全球导航星座PDOP可用性指标的统计评价模型。进而对给定数量的故障星分布在单个或多个轨道面内的不同状况下,典型的Walker δ构型导航星座的PDOP可用性如何变化进行了仿真计算和比较分析。仿真结果表明,故障星分布状况和轨道平面数对星座PDOP可用性有较显著影响,适当地减少轨道平面数对于改善星座的PDOP可用性是有利的。提出的评价模型物理意义明确,避免了主观性和局限性,且可以保证较高的指标评价效率。 相似文献
55.
系统可靠性的贝叶斯网络评估方法 总被引:11,自引:1,他引:11
针对现有组合法与状态法在可靠性评估方法中的局限性,对基于贝叶斯网络的系统可靠性评估新方法进行了研究。运用该方法进行可靠性评估,不但能计算出系统的可靠性指标,而且能方便地给出一个或几个部件对系统可靠性影响的大小,识别系统的薄弱环节。结合故障树方法建立系统可靠性评估的贝叶斯网络模型,并用实例阐述了贝叶斯网络方法进行系统可靠性评估的有效性。同时通过对贝叶斯网络的条件失效概率与系统可靠性评估中常用重要度指标的对比分析表明,贝叶斯网络的推理算法更便于查找系统的薄弱环节。 相似文献
56.
57.
人工神经元网络(ANN)具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法:首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。 相似文献
58.
59.
60.
基于小波神经网络的齿轮系统故障诊断 总被引:1,自引:0,他引:1
通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断. 相似文献