全文获取类型
收费全文 | 575篇 |
免费 | 86篇 |
国内免费 | 101篇 |
专业分类
航空 | 386篇 |
航天技术 | 128篇 |
综合类 | 71篇 |
航天 | 177篇 |
出版年
2024年 | 2篇 |
2023年 | 34篇 |
2022年 | 24篇 |
2021年 | 41篇 |
2020年 | 47篇 |
2019年 | 34篇 |
2018年 | 13篇 |
2017年 | 33篇 |
2016年 | 28篇 |
2015年 | 26篇 |
2014年 | 32篇 |
2013年 | 31篇 |
2012年 | 33篇 |
2011年 | 37篇 |
2010年 | 40篇 |
2009年 | 45篇 |
2008年 | 35篇 |
2007年 | 20篇 |
2006年 | 22篇 |
2005年 | 21篇 |
2004年 | 22篇 |
2003年 | 20篇 |
2002年 | 20篇 |
2001年 | 14篇 |
2000年 | 17篇 |
1999年 | 15篇 |
1998年 | 7篇 |
1997年 | 7篇 |
1996年 | 7篇 |
1995年 | 6篇 |
1994年 | 2篇 |
1993年 | 5篇 |
1992年 | 5篇 |
1991年 | 7篇 |
1990年 | 4篇 |
1989年 | 4篇 |
1988年 | 2篇 |
排序方式: 共有762条查询结果,搜索用时 0 毫秒
261.
262.
汪艳孙培杰耑锐匡以武王文 《南京航空航天大学学报》2017,49(6):845-850
采用三维模型数值模拟液氧储箱预增压上升过程,对液氧相变特征以及温度分层发展规律进行了分析。从计算结果可以看出:在气动加热影响下,气液界面液氧蒸发速率在0.012 6kg/s附近振荡;近壁面液氧沸腾速率随时间变化规律与外界漏热量一致,整个过程相变速率平均值为0.086kg/s。随着高温增压气体通过散流器喷射进入气枕空间,液氧温度分层逐渐明显,温度不断升高,预增压183s气液界面处液氧温度从89.51K升高至93.61K,平均温升速率0.022K/s。 相似文献
263.
X-cor泡沫夹层结构是一种通过Z-pin技术增强泡沫夹芯的新型高性能夹层结构。在低速冲击下,X-cor夹层结构损伤失效机制复杂,通过在不同能量阶段对X-cor夹层结构失效行为进行分析,讨论Z-pin植入体积分数和泡沫芯材密度对失效行为的影响。低速冲击试样规格为Z-pin直径0.5 mm、植入角度为22°,分别改变泡沫类型和Zpin植入体积分数进行实验,结果表明:6 J冲击能量下,冲击能量主要由面板分层承担,相对于未植入Z-pin试样,随着Z-pin植入体积分数的升高,面板分层面积最多减少了45.1%,而泡沫密度对分层面积影响不大;12 J冲击能量下,部分Z-pin发生失效,通过剩余压缩强度比发现,随着Z-pin植入体积分数的增加,剩余压缩强度比先增大后减小,植入体积分数为0.42%时最高,而此时泡沫密度增加,剩余压缩强度比也随之增加;当能量到达18 J时,芯材开始出现剪切裂纹,同时吸收大部分能量,较弱的芯材剩余压缩强度比大,而Z-pin植入体积分数越大,剩余压缩强度比反而越小。采用数值模拟的方法建立低速冲击模型,并将冲击后的结果直接传递应用于剩余压缩强度模型中,得到的结果比实验值偏高25%~29%。 相似文献
264.
265.
多变量线性时变系统的特征模型及自适应模糊控制方法 总被引:1,自引:0,他引:1
对于阶数及参数未知的高阶系统,如何设计一个工程上易于实现的低阶控制器,以实现有效的高性能控制,这是目前航天等领域亟待解决的问题。该文采用将对象特征和控制性能要求相结合的方法,对多输入一多输出高阶线性时变系统和一类非线性时变系统从理论上详细推导出了其特征模型,在此基础上设计了基于特征模型的稳定的自适应模糊广义预测控制方案。由于控制结构中使用了分层模糊系统,从而减少了模糊规则数目。通过对一个挠性航天器控制的仿真实验验证了所给方法的有效性。 相似文献
266.
267.
在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。 相似文献
268.
随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。 相似文献
269.
270.