全文获取类型
收费全文 | 735篇 |
免费 | 131篇 |
国内免费 | 212篇 |
专业分类
航空 | 586篇 |
航天技术 | 164篇 |
综合类 | 109篇 |
航天 | 219篇 |
出版年
2024年 | 5篇 |
2023年 | 15篇 |
2022年 | 34篇 |
2021年 | 36篇 |
2020年 | 37篇 |
2019年 | 42篇 |
2018年 | 42篇 |
2017年 | 52篇 |
2016年 | 61篇 |
2015年 | 40篇 |
2014年 | 42篇 |
2013年 | 32篇 |
2012年 | 47篇 |
2011年 | 51篇 |
2010年 | 44篇 |
2009年 | 40篇 |
2008年 | 34篇 |
2007年 | 43篇 |
2006年 | 47篇 |
2005年 | 35篇 |
2004年 | 31篇 |
2003年 | 37篇 |
2002年 | 24篇 |
2001年 | 31篇 |
2000年 | 24篇 |
1999年 | 23篇 |
1998年 | 21篇 |
1997年 | 21篇 |
1996年 | 13篇 |
1995年 | 11篇 |
1994年 | 10篇 |
1993年 | 13篇 |
1992年 | 6篇 |
1991年 | 9篇 |
1990年 | 11篇 |
1989年 | 7篇 |
1988年 | 5篇 |
1987年 | 2篇 |
排序方式: 共有1078条查询结果,搜索用时 235 毫秒
201.
用于识别两颗故障卫星的RAIM算法 总被引:3,自引:1,他引:2
提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现. 相似文献
202.
利用不同时刻系统测量噪声具有独立同分布的特点,对脉冲响应进行相关处理,可以提高信噪比。为解决传统的基于脉冲响应的模态辨识算法的辨识精度问题,用某点脉冲响应同参考点响应之间的相关函数代替该点的脉冲响应以形成基于脉冲响应相关函数的模态辨识算法,并从理论上证明脉冲响应相关函数算法的辨识精度优于传统的脉冲响应算法。通过对一个四自由度系统模态频率和阻尼比的仿真辨识,验证了脉冲响应相关函数辨识算法的有效性。 相似文献
203.
航空发动机神经网络自适应控制研究 总被引:6,自引:6,他引:0
本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。 相似文献
204.
205.
基于L-M网络的涡扇发动机动态过程辨识 总被引:4,自引:0,他引:4
介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模. 相似文献
206.
振动结构的多输入/多输出实时辨识控制与试验研究 总被引:1,自引:0,他引:1
发展了一种多输入/多输出、具有实时辨识和控制能力的自适应控制方法和控制系统,并将其应用于某自由-自由结构的振动控制。采用最小均方算法统一处理系统的实时辨识与控制问题,在没有任何受控结构特征信息的情况下,实现了对结构振动的自适应控制。控制系统由TMS320C30数字信号处理器和多通道数据采集卡构成,辨识与控制方法由TMS320C30数字信号处理器实现。对周期激励,在激励信号恒频率/恒振幅、变频率、变振幅时,受控结构的振动显著减小,各传感器测得加速度的平方和为无控时的1%或更小。 相似文献
207.
208.
209.
针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速ng、输出轴转速nr和涡轮后温度T4都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。 相似文献
210.
《中国航空学报》2021,34(2):104-123
Plastic forming is one of enabling and fundamental technologies in advanced manufacturing chains. Design optimization is a critical way to improve the performance of the forming system, exploit the advantages of high productivity, high product quality, low production cost and short time to market and develop precise, accurate, green, and intelligent (smart) plastic forming technology. However, plastic forming is quite complicated, relating to multi-physics field coupling, multi-factor influence, multi-defect constraint, and triple nonlinear, etc., and the design optimization for plastic forming involves multi-objective, multi-parameter, multi-constraint, nonlinear, high-dimensionality, non-continuity, time-varying, and uncertainty, etc. Therefore, how to achieve accurate and efficient design optimization of products, equipment, tools/dies, and processing as well as materials characterization has always been the research frontier and focus in the field of engineering and manufacturing. In recent years, with the rapid development of computing science, data science and internet of things (IoT), the theories and technologies of design optimization have attracted more and more attention, and developed rapidly in forming process. Accordingly, this paper first introduced the framework of design optimization for plastic forming. Then, focusing on the key problems of design optimization, such as numerical model and optimization algorithm, this paper summarized the research progress on the development and application of the theories and technologies about design optimization in forming process, including deterministic and uncertain optimization. Moreover, the applicability of various modeling methods and optimization algorithms was elaborated in solving the design optimization problems of plastic forming. Finally, considering the development trends of forming technology, this paper discusses some challenges of design optimization that may need to be solved and faced in forming process. 相似文献