全文获取类型
收费全文 | 1273篇 |
免费 | 161篇 |
国内免费 | 145篇 |
专业分类
航空 | 752篇 |
航天技术 | 246篇 |
综合类 | 167篇 |
航天 | 414篇 |
出版年
2024年 | 8篇 |
2023年 | 36篇 |
2022年 | 39篇 |
2021年 | 51篇 |
2020年 | 45篇 |
2019年 | 65篇 |
2018年 | 34篇 |
2017年 | 49篇 |
2016年 | 44篇 |
2015年 | 49篇 |
2014年 | 65篇 |
2013年 | 72篇 |
2012年 | 92篇 |
2011年 | 117篇 |
2010年 | 88篇 |
2009年 | 83篇 |
2008年 | 85篇 |
2007年 | 95篇 |
2006年 | 76篇 |
2005年 | 79篇 |
2004年 | 49篇 |
2003年 | 25篇 |
2002年 | 26篇 |
2001年 | 32篇 |
2000年 | 23篇 |
1999年 | 20篇 |
1998年 | 17篇 |
1997年 | 19篇 |
1996年 | 19篇 |
1995年 | 13篇 |
1994年 | 13篇 |
1993年 | 8篇 |
1992年 | 8篇 |
1991年 | 5篇 |
1990年 | 11篇 |
1989年 | 7篇 |
1988年 | 5篇 |
1987年 | 3篇 |
1986年 | 3篇 |
1985年 | 1篇 |
排序方式: 共有1579条查询结果,搜索用时 15 毫秒
111.
目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法. 相似文献
112.
基于民用飞机后勤保障相关使用任务分析(LROA)的意义及分类,重点研究了LROA分析的具体分析方法,并且结合目前民用客机LROA分析的实际工作,给出了民用飞机后勤保障相关使用分析的具体示例和建议。 相似文献
113.
磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。 相似文献
114.
115.
基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制 总被引:2,自引:0,他引:2
基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。 相似文献
116.
117.
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
118.
119.
为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型. 相似文献
120.