全文获取类型
收费全文 | 215篇 |
免费 | 46篇 |
国内免费 | 14篇 |
专业分类
航空 | 120篇 |
航天技术 | 86篇 |
综合类 | 20篇 |
航天 | 49篇 |
出版年
2024年 | 3篇 |
2023年 | 10篇 |
2022年 | 18篇 |
2021年 | 30篇 |
2020年 | 13篇 |
2019年 | 19篇 |
2018年 | 7篇 |
2017年 | 19篇 |
2016年 | 12篇 |
2015年 | 12篇 |
2014年 | 8篇 |
2013年 | 7篇 |
2012年 | 9篇 |
2011年 | 18篇 |
2010年 | 7篇 |
2009年 | 10篇 |
2008年 | 9篇 |
2007年 | 13篇 |
2006年 | 2篇 |
2005年 | 5篇 |
2004年 | 5篇 |
2003年 | 5篇 |
2002年 | 2篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 6篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1989年 | 4篇 |
排序方式: 共有275条查询结果,搜索用时 31 毫秒
151.
利用2001~2021年6~9月沈阳桃仙机场地面气象观测资料和NECP/NCAR月尺度再分析数据,分析2021年沈阳桃仙机场暑期降水异常特征及成因。结果表明:6、9月降水量相比于历史同期偏多,7、8月降水量偏少,沈阳桃仙机场暑期雨季降水较不集中,降水分配异常。大尺度环流系统和水汽输送的异常配置是导致2021年沈阳桃仙机场暑期降水异常的主要原因。6月亚洲中高纬度地区500 hPa高度场与历史同期相比呈负距平,该月东北冷涡异常活跃导致降水日数长、降水量偏多。7月副热带高压北抬稳定在华北、东北一带,沈阳地区受副热带高压控制造成降水严重偏少。8月沈阳地区水汽通量散度距平场呈正距平,水汽输送较常年偏弱,而9月沈阳地区水汽通量散度距平场呈负距平,表明进入沈阳地区水汽输送较常年异常偏强,造成该月降水偏多。 相似文献
152.
航天器遥测数据异常检测是识别航天器状态、保障航天器安全可靠运行的关键技术.然而,航天器遥测数据异常检测通常面临时序数据维度大、异常不平衡、标签样本缺乏等问题.基于数据预测的异常检测思想,提出一种基于迁移学习的深度异常检测模型.根据遥测数据时序相关性强的特点,采用具有注意力机制的长短期记忆网络建立遥测数据预测模型.为了克服航天器遥测数据异常标签少、数据维度高的问题,采用微调的迁移学习方法对预测模型进行优化,同时采用全连接层统一不同数据集维度,从而提高了迁移学习模型精度,提升异常检测水平.以美国宇航局公开的两个航天器数据集为实验对象,利用提出的异常检测方法对该数据集异常状态进行识别,结果表明,与经典异常检测算法相比,引入迁移学习能明显提升模型性能,实验结果优于目前常见的异常检测模型,证明了方法的有效性. 相似文献
153.
154.
155.
基于数据关联性分析的飞轮异常检测 总被引:1,自引:0,他引:1
针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。 相似文献
156.
HDLC协议是一种面向比特的高级数据链路控制协议,由于具有高效、透明和同步传输的特点而广泛应用于数据通讯领域中。在对数据链路层功能、HDLC协议介绍的基础上,分析了基于HDLC协议开发的某型飞行记录器软件特点,提出了一种针对HDLC协议测试的异常测试设计方法。测试结果表明,测试方法能有效发现与HDLC协议不符的软件缺陷,可有力地保障基于HDLC协议开发的软件安全性、可靠性和质量。 相似文献
157.
158.
某型民机在飞行过程中多次发生右翼燃油箱油量异常变化的情况,导致左右翼燃油量差值超过警戒值,影响飞机平衡。结合系统分析、数据分析、排故试验,最终将故障定位并解决,再次进行地面试验,结果表明故障已排除。 相似文献
159.
160.
为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络(ResNet)-长短期记忆网络(LSTM)的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明:在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。 相似文献