全文获取类型
收费全文 | 1622篇 |
免费 | 333篇 |
国内免费 | 200篇 |
专业分类
航空 | 1119篇 |
航天技术 | 377篇 |
综合类 | 273篇 |
航天 | 386篇 |
出版年
2024年 | 36篇 |
2023年 | 136篇 |
2022年 | 156篇 |
2021年 | 147篇 |
2020年 | 105篇 |
2019年 | 107篇 |
2018年 | 49篇 |
2017年 | 33篇 |
2016年 | 41篇 |
2015年 | 29篇 |
2014年 | 42篇 |
2013年 | 50篇 |
2012年 | 59篇 |
2011年 | 78篇 |
2010年 | 80篇 |
2009年 | 97篇 |
2008年 | 103篇 |
2007年 | 90篇 |
2006年 | 110篇 |
2005年 | 92篇 |
2004年 | 87篇 |
2003年 | 64篇 |
2002年 | 69篇 |
2001年 | 65篇 |
2000年 | 41篇 |
1999年 | 40篇 |
1998年 | 39篇 |
1997年 | 41篇 |
1996年 | 20篇 |
1995年 | 14篇 |
1994年 | 20篇 |
1993年 | 5篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1990年 | 3篇 |
排序方式: 共有2155条查询结果,搜索用时 15 毫秒
911.
912.
针对采用太阳帆、太阳电混合小推力推进的航天器,研究了其在日心悬浮轨道的保持控制问题。为解决已有控制方法中未综合考虑内部未建模动态和外部未知扰动的问题,以及进一步提高系统控制性能,设计了一种高性能滑模控制策略。首先,考虑模型不确定性,建立了混合小推力航天器在日心悬浮轨道柱面坐标系的动力学方程;其次,基于改进型条件积分滑模面和径向基(RBF)神经网络设计了控制律,结合自适应方法在线估计不确定参数;接着,将求取的虚拟控制量在推进剂最优条件下转换成实际控制量,即太阳帆姿态角和太阳电推进力;最后,数值仿真验证了上述设计方法提高了系统鲁棒性,减小了轨道位置超调,并且混合推进相比于单一太阳帆推进,在更短收敛时间内控制精度提高了4个数量级,相比于单一太阳电推进,一年可以节省约89.6%的推进剂。 相似文献
913.
914.
孙护军 《西安航空技术高等专科学校学报》2008,26(1):61-63
在恶劣的工业现场环境中,拍摄的工件图像会失真,为此提出了在一定噪声和模糊范围内能够正确识别字符标号的方法。工件在传送过程中可能发生偏移,使得被测件与摄像镜头的相对位置不确定,所获得的图像会发生偏转或平移,为此提出了解决字符的平移,缩放及旋转问题的方法;设计了神经网络识别系统。 相似文献
915.
916.
特征识别是实施STEP-NC重要的一步,也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后,基于边的凹凸性判断构建了零件最小子图。然后,将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后,通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络,实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。 相似文献
917.
夏书霞 《北华航天工业学院学报》2010,20(3):13-15
本文采用人工神经网络和模糊控制技术,结合各个车道的到车率,提出一种全新的智能交通控制方法。仿真结果表明该方法控制效果明显。 相似文献
918.
针对开展在轨服务前的资源分配非线性多目标优化问题,构建复合服务模式下的在轨资源分配模型,基于对DQN (Deep Q-Network)方法的收敛性和稳定性改进,提出了一种在轨服务资源分配方法。该方法能够应对同时包含"一对多""多对一"的复合服务模式,并在满足预期成功率的前提下优先分配重要服务对象,兼顾资源分配综合效益和总体能耗效率,达到了以期望成功率、较少资源投入尽快完成任务的综合目标。仿真实验表明,改进DQN方法能够在任务执行前依据服务对象重要程度自主分配航天器资源,收敛速度快、训练误差低,在分配效益和总体能耗的优化方面具有明显的比较优势。 相似文献
919.
飞机襟翼使用过程中存在失效判据不易确定的问题,目前襟翼机构滑轨滑轮磨损间隙许用量主要是通过试验及使用统计数据分析确定。针对新研机构缺乏试验及使用数据的问题,通过对影响磨损间隙最大许用量的因素分析,提出应用神经网络学习确定襟翼滑轨滑轮间隙最大许用量的预测方法。算例验证表明,运用神经网络方法预测得到的滑轨滑轮架的间隙最大许... 相似文献
920.
微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。 相似文献