全文获取类型
收费全文 | 1539篇 |
免费 | 309篇 |
国内免费 | 189篇 |
专业分类
航空 | 1078篇 |
航天技术 | 345篇 |
综合类 | 262篇 |
航天 | 352篇 |
出版年
2024年 | 28篇 |
2023年 | 121篇 |
2022年 | 146篇 |
2021年 | 135篇 |
2020年 | 99篇 |
2019年 | 98篇 |
2018年 | 46篇 |
2017年 | 32篇 |
2016年 | 39篇 |
2015年 | 27篇 |
2014年 | 36篇 |
2013年 | 47篇 |
2012年 | 55篇 |
2011年 | 75篇 |
2010年 | 75篇 |
2009年 | 94篇 |
2008年 | 101篇 |
2007年 | 90篇 |
2006年 | 105篇 |
2005年 | 87篇 |
2004年 | 85篇 |
2003年 | 64篇 |
2002年 | 69篇 |
2001年 | 64篇 |
2000年 | 40篇 |
1999年 | 38篇 |
1998年 | 37篇 |
1997年 | 40篇 |
1996年 | 18篇 |
1995年 | 14篇 |
1994年 | 18篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1990年 | 3篇 |
排序方式: 共有2037条查询结果,搜索用时 234 毫秒
401.
采用神经网络方法对翼型表面的积冰进行了预测研究.建立了一种型面曲线坐标系,通过坐标变换将积冰外形转化为几何曲线.利用傅立叶级数对此曲线进行拟合,实现积冰外形的参数化.以结冰条件作为输人,冰形参数作为输出构建神经网络,对NACA 0012翼型表面的积冰进行预测.通过将预测结果与实验结果以及数值模拟结果进行对比,说明所提出... 相似文献
402.
403.
基于人工神经网络的柔性机翼挠度预测 总被引:1,自引:0,他引:1
为实现对承载后柔性机翼挠度的准确预测,在全面分析柔性机翼挠度的影响因素基础上,应用正交试验法确定的影响柔性机翼挠度的主要因子作为输入变量,挠度作为输出变量,以大量试验数据为训练样本,通过多次试取隐含层和各隐含单元,并选取trainlm作为最优训练函数,最终建立了预测柔性机翼挠度的BP(Back Propagation)人工神经网络模型.在此基础上,随机选取试验结果中的12组试验样本,连续进行10次挠度预测,预测结果和试验实测值最大相对误差和标准方差分别为4.481%,1.033 7.解析结果表明:柔性机翼挠度预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度. 相似文献
404.
对于复杂的非线性导弹制导系统 ,很难求得其解析的最优制导律 ,只能求得开环的数字解 ,不能适用于具有时变不确定性的导弹制导系统。利用神经网络的学习和推广能力 ,对开环的数字最优制导律进行离线的学习 ,作为闭环的神经最优制导律在线应用。研究分别选择系统状态变量和视线角速率等不同的神经网络输入对制导系统性能的影响 ,以及各种制导律的鲁棒性问题 ,并采用模块化神经网络结构提高神经网络的学习和推广能力 ,仿真结果得到一些有益的结论。 相似文献
405.
基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。 相似文献
406.
为了实现全面、实时的在轨卫星充放电风险分析,基于在相同环境下,不同材料表面充电的关联性,利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入,其他介质材料的表面电位作为模型输出,使用COMSOL建立的表面充电模型对神经网络进行训练,将反演误差降低到10%以下,并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性,结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。 相似文献
407.
应用神经网络信息融合诊断航空发动机故障 总被引:5,自引:3,他引:2
研究了基于神经网络信息融合技术,同时结合模糊集合论对发动机气路部件进行故障诊断的方法,并以某型涡轴发动机为对象进行了仿真分析.研究结果表明该方法的故障诊断过程相对简单,对模型的精度要求不高,能够降低虚警、误报、漏报等情况的发生. 相似文献
408.
409.
410.
一种小波神经网络与遗传算法结合的优化方法 总被引:3,自引:3,他引:0
提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强. 相似文献