全文获取类型
收费全文 | 3445篇 |
免费 | 468篇 |
国内免费 | 351篇 |
专业分类
航空 | 2491篇 |
航天技术 | 454篇 |
综合类 | 507篇 |
航天 | 812篇 |
出版年
2024年 | 24篇 |
2023年 | 120篇 |
2022年 | 152篇 |
2021年 | 155篇 |
2020年 | 144篇 |
2019年 | 148篇 |
2018年 | 97篇 |
2017年 | 128篇 |
2016年 | 156篇 |
2015年 | 140篇 |
2014年 | 169篇 |
2013年 | 172篇 |
2012年 | 191篇 |
2011年 | 197篇 |
2010年 | 198篇 |
2009年 | 234篇 |
2008年 | 222篇 |
2007年 | 190篇 |
2006年 | 195篇 |
2005年 | 186篇 |
2004年 | 157篇 |
2003年 | 134篇 |
2002年 | 116篇 |
2001年 | 125篇 |
2000年 | 76篇 |
1999年 | 55篇 |
1998年 | 66篇 |
1997年 | 57篇 |
1996年 | 44篇 |
1995年 | 27篇 |
1994年 | 25篇 |
1993年 | 42篇 |
1992年 | 34篇 |
1991年 | 24篇 |
1990年 | 15篇 |
1989年 | 31篇 |
1988年 | 4篇 |
1987年 | 7篇 |
1986年 | 3篇 |
1985年 | 3篇 |
1979年 | 1篇 |
排序方式: 共有4264条查询结果,搜索用时 15 毫秒
971.
972.
973.
974.
基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法 总被引:1,自引:0,他引:1
真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。 相似文献
975.
976.
基于有限元软件ABAQUS,分别建立了无损伤和含板芯脱粘缺陷的边缘闭合蜂窝壁板的三维有限元模型。利用3种建模方法对比研究了边缘闭合蜂窝壁板在压缩载荷作用下的屈曲载荷规律和失稳模式。采用夹芯板理论将蜂窝芯等效为正交各向异性结构,板芯之间的胶层使用cohesive单元进行模拟。研究结果表明:随着脱粘尺寸的增加,蜂窝壁板的屈曲载荷呈现下降趋势;当30 mm≤D≤80 mm时结构由混合屈曲过渡到局部屈曲;两种等效模型发生局部屈曲后,无论是结构的屈曲载荷规律和屈曲载荷值还是失稳模式,均近似接近原始模型结果。 相似文献
977.
航空铆钉连接件的抗冲击性能 总被引:2,自引:2,他引:0
以分离式Hopkinson拉杆装置为基础,设计了特殊的铆接试验件,对MS20615铆钉的铆接结构开展了动态加载下不同加载角度、不同加载速率的力学性能试验。结合其准静态试验结果,获得了铆接结构在纯剪切、30°拉剪耦合、45°拉剪耦合、60°拉剪耦合和纯拉伸试验下的力学性能参数。试验结果表明,加载角度、加载速率对铆接结构的失效载荷与失效模式有显著的影响。在试验结果的基础上,使用有限元软件LS-Dyna建立了铆接结构的简化模型,对比了试验和数值模拟得到的铆接结构载荷-位移曲线,并对简化数值模型进行了网格相关性分析,验证了简化的铆钉单元模型的可行性。 相似文献
978.
979.
通过低速轴流压气机失速实验,结合压气机失速仿真云图以及实验中所测得的叶片径向压力脉动图,发现失速后为部分叶高失速,而不是全叶高失速。基于失速预测Moses模型,通过比较不同径向截面计算得到的总压损失,发现沿径向叶片截面安装角的变化对模型的计算结果有影响,通过引入参数B对模型中的参数k进行改进。经过改进后的模型所预测的结果较原模型能够更加准确地预测压气机失速后的情况,改进后的模型可以为压气机设计提供良好的参考设计数据。对高亚声速轴流压气机进行改进,将高速可压这一因素考虑到模型推导中,对模型进行改进,改进后的模型相较于原模型在预测计算高亚声速轴流压气机压比特性上准确度提升了30%。 相似文献
980.
基于机匣信号的滚动轴承故障卷积神经网络诊断方法 总被引:1,自引:1,他引:0
针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。 相似文献