全文获取类型
收费全文 | 398篇 |
免费 | 80篇 |
国内免费 | 86篇 |
专业分类
航空 | 373篇 |
航天技术 | 88篇 |
综合类 | 76篇 |
航天 | 27篇 |
出版年
2024年 | 4篇 |
2023年 | 9篇 |
2022年 | 19篇 |
2021年 | 32篇 |
2020年 | 24篇 |
2019年 | 24篇 |
2018年 | 14篇 |
2017年 | 22篇 |
2016年 | 31篇 |
2015年 | 20篇 |
2014年 | 21篇 |
2013年 | 16篇 |
2012年 | 27篇 |
2011年 | 31篇 |
2010年 | 13篇 |
2009年 | 18篇 |
2008年 | 18篇 |
2007年 | 24篇 |
2006年 | 17篇 |
2005年 | 14篇 |
2004年 | 12篇 |
2003年 | 11篇 |
2002年 | 19篇 |
2001年 | 14篇 |
2000年 | 15篇 |
1999年 | 11篇 |
1998年 | 20篇 |
1997年 | 8篇 |
1996年 | 5篇 |
1995年 | 6篇 |
1994年 | 7篇 |
1993年 | 8篇 |
1992年 | 10篇 |
1991年 | 4篇 |
1990年 | 6篇 |
1989年 | 1篇 |
1988年 | 5篇 |
1987年 | 2篇 |
1986年 | 2篇 |
排序方式: 共有564条查询结果,搜索用时 15 毫秒
11.
12.
13.
以固定翼式微型飞行器为研究背景,针对小展弦比机翼,将遗传算法与Navier-Stokes方程数值解法相结合,提出了一种以实数编码为基础的数值优化模型.流场数值模拟采用人工压缩方法,遗传算法采用锦标赛选择、自适应交叉和变异操作算子,对微型飞行器机翼选取五个设计点分别进行了升阻比优化设计.优化结果表明,本文的优化模型具有较高的搜索效率和显著的优化效果,五个设计点机翼的升阻比均提高30%以上.优化后的翼面接近椭圆形状,翼型前缘钝厚,尾缘向上拱起,这种形状能大大增加升力,降低诱导阻力,从而显著提高机翼的气动性能. 相似文献
14.
涡轮叶片粗糙度对其性能衰退的影响研究 总被引:5,自引:0,他引:5
涡轮是航空发动机核心部件之一,对整个发动机性能的发挥产生重大影响。导致航空发动机性能衰退的形式有很多种,其中由积垢沉淀因素造成的叶片粗糙度增大是具有代表性的原因。利用叶型基本数据进行两级涡轮建模,与传统建模方法相比,提高了模型精度。将所有导致涡轮性能衰退的因素都等价为叶片表面粗糙度的变化,并基于等价雷诺数修正原理,通过仿真方法定量研究了涡轮叶片由于积垢沉淀引起粗糙度增大从而导致其性能的衰退情况。仿真结果表明,当涡轮叶片表面粗糙度增大时,两级涡轮主要的特性参数都发生不同程度的减小,使涡轮总体性能下降。 相似文献
15.
基于CST方法的高空低雷诺数吸附式叶型耦合优化设计 总被引:1,自引:1,他引:1
研究了一种基于类别形状函数变换(CST)方法的吸附式叶型优化设计方法,该方法可以在高空低雷诺数条件下对叶型和抽吸方案耦合优化.结果表明:优化之后在20km高空低雷诺数条件下总压损失降低了65%,静压升提高了0.02,气动性能得到较大提升.而且由于优化过程中罚函数的引入使得优化后吸附式叶型在地面条件下性能也有所提高.对于高空低雷诺数条件下吸附式叶型在抽吸位置之前适当的增加叶型负荷,再通过抽吸来控制附面层,效果最优.并且最佳抽吸位置位于层流分离泡作用区域内.在层流分离泡作用区域内抽吸可以完全消除层流分离泡对叶型性能的影响,并且可以较好控制附面层位移厚度和动量厚度的增加,有效地减小附面层内的动量损失. 相似文献
16.
基于BP人工神经网络的离心压气机叶轮多目标优化设计方法 总被引:1,自引:3,他引:1
利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP(back propagation)人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型. 相似文献
17.
18.
综合考虑了轮齿接触几何、啮合点法向载荷、齿向参数、真实表面粗糙度、润滑剂流变特性等因素,建立了滤波减速器轮齿混合润滑数值分析模型,采用复合迭代法和快速傅里叶变换(FFT)方法分别求解Reynolds方程和弹性变形方程,获得了轮齿接触表面混合润滑分析完全数值解,得到了滤波减速器在啮入点、节点和啮出点的压力与平均油膜厚度,以及转速对轮齿接触表面平均油膜厚度和接触比的影响.结果表明:在啮入点、啮出点及节点处,沿齿宽方向的压力分布不相等,两侧压力较大,而在啮入点处的两侧压力突变相对较小,且平均油膜厚度最大;对于粗糙轮齿接触表面,随着滤波减速器转速逐渐降低,啮入点、节点及啮出点的平均油膜厚度随之减小,接触比增加,润滑效果变差,并且在同一工况下粗糙轮齿接触表面的啮合点平均油膜厚度小于光滑轮齿表面的平均油膜厚度. 相似文献
19.
Nanoparticles with the anti-wear and friction reducing features were applied as cooling lubricant in the grinding fluid. Dry grinding, flood grinding, minimal quantity of lubrication(MQL), and nanoparticle jet MQL were used in the grinding experiments. The specific grinding energy of dry grinding, flood grinding and MQL were 84, 29.8, 45.5 J/mm3, respectively. The specific grinding energy significantly decreased to 32.7 J/mm3 in nanoparticle MQL. Compared with dry grinding, the surface roughness values of flood grinding, MQL, and nanoparticle jet MQL were significantly reduced with the surface topography profile values reduced by 11%, 2.5%, and 10%,respectively, and the ten point height of microcosmic unflatness values reduced by 1.5%, 0.5%,and 1.3%, respectively. These results verified the satisfactory lubrication effects of nanoparticle MQL. MoS2, carbon nanotube(CNT), and ZrO2 nanoparticles were also added in the grinding fluid of nanoparticle jet MQL to analyze their grinding surface lubrication effects. The specific grinding energy of MoS2 nanoparticle was only 32.7 J/mm3, which was 8.22% and 10.39% lower than those of the other two nanoparticles. Moreover, the surface roughness of workpiece was also smaller with MoS2 nanoparticle, which indicated its remarkable lubrication effects. Furthermore,the role of MoS2 particles in the grinding surface lubrication at different nanoparticle volume concentrations was analyzed. MoS2 volume concentrations of 1%, 2%, and 3% were used.Experimental results revealed that the specific grinding energy and the workpiece surface roughness initially increased and then decreased as MoS2 nanoparticle volume concentration increased.Satisfactory grinding surface lubrication effects were obtained with 2% MoS2 nanoparticle volume concentration. 相似文献
20.