全文获取类型
收费全文 | 802篇 |
免费 | 175篇 |
国内免费 | 126篇 |
专业分类
航空 | 723篇 |
航天技术 | 146篇 |
综合类 | 84篇 |
航天 | 150篇 |
出版年
2024年 | 4篇 |
2023年 | 10篇 |
2022年 | 25篇 |
2021年 | 26篇 |
2020年 | 27篇 |
2019年 | 33篇 |
2018年 | 35篇 |
2017年 | 27篇 |
2016年 | 39篇 |
2015年 | 34篇 |
2014年 | 33篇 |
2013年 | 36篇 |
2012年 | 42篇 |
2011年 | 78篇 |
2010年 | 31篇 |
2009年 | 54篇 |
2008年 | 58篇 |
2007年 | 57篇 |
2006年 | 53篇 |
2005年 | 51篇 |
2004年 | 46篇 |
2003年 | 40篇 |
2002年 | 48篇 |
2001年 | 33篇 |
2000年 | 19篇 |
1999年 | 35篇 |
1998年 | 27篇 |
1997年 | 29篇 |
1996年 | 12篇 |
1995年 | 17篇 |
1994年 | 13篇 |
1993年 | 10篇 |
1992年 | 3篇 |
1991年 | 7篇 |
1990年 | 2篇 |
1989年 | 6篇 |
1988年 | 3篇 |
排序方式: 共有1103条查询结果,搜索用时 968 毫秒
91.
92.
93.
余汇 《民用飞机设计与研究》2018,(3)
该文对面向飞机健康诊断的几种大数据技术进行了综述。并行聚类分析方法可以抽取飞机维护系统并行计算机的基本特征,形成飞机各系统历史数据的抽象计算模型;而针对全机状态监控参数中如何从大量飞机参数中挖掘出有价值的信息问题,参数场域挖掘技术发挥了很大的作用;然而在实际应用过程中,经常会遇到多种复杂的故障,这些故障通常具有复杂的非线性关系,而要确定这些非线性相关规则,需要依托大数据技术确定相关的关系;而对于由某一部件失效形成飞机级联故障的链式效应,可利用可视化数据挖掘技术,描述故障数据,结合人类视觉感知能力,加强数据结果处理。 相似文献
94.
95.
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
96.
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
97.
98.
针对航空发动机失稳时的重要表征——喘振信号开展检测、判别和处理方法的研究。通过失稳信号处理器实时获取压气机压力脉动数据,采用时域诊断分析方法完成对失稳信号的在线检测和预警。经压缩部件台架试验验证,失稳信号处理器能成功分离出喘振状态下的失稳信号特征,实现对失稳信号较为准确的捕获,采用的失稳判定方法有效。研究结果表明:失稳特征信号的实时、准确甄别,是发动机失稳主动控制的先决条件,提高失稳特征信号判别的正确率,可有效避免发动机失稳过程中信号的误判、漏判。 相似文献
99.
为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。 相似文献
100.