全文获取类型
收费全文 | 3496篇 |
免费 | 637篇 |
国内免费 | 224篇 |
专业分类
航空 | 1788篇 |
航天技术 | 857篇 |
综合类 | 187篇 |
航天 | 1525篇 |
出版年
2024年 | 28篇 |
2023年 | 131篇 |
2022年 | 128篇 |
2021年 | 156篇 |
2020年 | 171篇 |
2019年 | 147篇 |
2018年 | 118篇 |
2017年 | 105篇 |
2016年 | 146篇 |
2015年 | 155篇 |
2014年 | 172篇 |
2013年 | 191篇 |
2012年 | 232篇 |
2011年 | 259篇 |
2010年 | 244篇 |
2009年 | 220篇 |
2008年 | 218篇 |
2007年 | 176篇 |
2006年 | 171篇 |
2005年 | 154篇 |
2004年 | 141篇 |
2003年 | 136篇 |
2002年 | 98篇 |
2001年 | 113篇 |
2000年 | 89篇 |
1999年 | 72篇 |
1998年 | 50篇 |
1997年 | 60篇 |
1996年 | 59篇 |
1995年 | 37篇 |
1994年 | 37篇 |
1993年 | 30篇 |
1992年 | 26篇 |
1991年 | 37篇 |
1990年 | 8篇 |
1989年 | 20篇 |
1988年 | 8篇 |
1987年 | 8篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有4357条查询结果,搜索用时 15 毫秒
91.
本文描述了使用高偏心轨道的新型卫星系统,分析了轨道特性,分析了如何用于第三代国际海事卫星,提出了不仅可用于通信,而且可用于定位导航的问题。 相似文献
92.
93.
为进行奥米伽导航系统地面仿真试飞实验,设计了奥米伽导航系统的信号模拟器,它可模拟静态和动态的奥米伽信号,介绍了其工作原理及组成;分析了模拟器误差;给出了实测误差。最后进行了仿真试飞实验,并经空中试飞验证了该仿真方案。 相似文献
94.
INS/GPS组合导航系统的容错研究 总被引:1,自引:0,他引:1
本文研究了INS/GPS组合导航系统的容错问题,并提出了一个两级故障检测及分离方案。通过采用该方案,INS/GPS组合导航系统将具有较高的容错能力,并能为用户提供连续、精确的导航信息。 相似文献
95.
卡尔曼滤波定轨算法的研究进展 总被引:16,自引:2,他引:16
本文对国外卡尔曼滤波定轨算法的研究与试验进行了综述。80年代关于地球引场模型误差的研究,有大地改善了滤波的稳定性,在滤波的同时加进卡尔曼平滑,又显著提高了卡尔曼滤波的定轨精度。90年代美国、法国继研制成功卡尔曼波滤定轨软件,并投入试验运行,NASA的TONS软件(中继星星上导航系统)从1992年7月14日开始,在EUVE星上连续运行了320天,定轨精度(RMS)为25m。法国的DIODE(DORIS实时轨道确定)软件从1998年3月26日开始在SPOT4上运行的两年中,最长连接运行12个月,定轨精度(RMS)为6m。 相似文献
96.
针对Lagrange插值法无法处理连续野值的问题,提出了一种基于改进支持向量回归(Support Vector Regression, SVR)的导航传感器自适应野值检测方法。该方法结合了支持向量回归利用小样本数据就能够准确建模和3σ准则计算简易的优点,利用支持向量回归在线建立舰船的运动模型对测量值进行实时预测,并利用3σ准则自适应地计算阈值,然后通过比较阈值与预测残差来判别测量值是否为野值点。该方法可以自动地学习舰船的运动趋势,建立舰船的真实运动模型,而且不受连续野值点的影响,能够在没有其他传感器辅助的条件下完成野值检测。海试实测数据表明,提出的方法对离散和连续的野值点均具有较好的检测效果,同时可以更好地估计传感器的真实测量值。 相似文献
97.
通过应变等效假设在本文提出的具有过应力特征的统一粘塑性本构模型[5]中引入了描述材料损伤的内变量。并且给出了一个基于组合功密度概念的新的损伤模型。同以往的唯象模型相比,该损伤模型具有较明确的细观物理意义,能反映应变率和应力状态对损伤演化发展的影响。 相似文献
98.
为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。 相似文献
99.