全文获取类型
收费全文 | 2315篇 |
免费 | 223篇 |
国内免费 | 139篇 |
专业分类
航空 | 1291篇 |
航天技术 | 435篇 |
综合类 | 299篇 |
航天 | 652篇 |
出版年
2024年 | 28篇 |
2023年 | 96篇 |
2022年 | 111篇 |
2021年 | 125篇 |
2020年 | 94篇 |
2019年 | 88篇 |
2018年 | 33篇 |
2017年 | 40篇 |
2016年 | 74篇 |
2015年 | 70篇 |
2014年 | 88篇 |
2013年 | 104篇 |
2012年 | 128篇 |
2011年 | 140篇 |
2010年 | 131篇 |
2009年 | 139篇 |
2008年 | 134篇 |
2007年 | 153篇 |
2006年 | 136篇 |
2005年 | 136篇 |
2004年 | 102篇 |
2003年 | 120篇 |
2002年 | 71篇 |
2001年 | 72篇 |
2000年 | 47篇 |
1999年 | 36篇 |
1998年 | 43篇 |
1997年 | 30篇 |
1996年 | 16篇 |
1995年 | 22篇 |
1994年 | 15篇 |
1993年 | 8篇 |
1992年 | 17篇 |
1991年 | 8篇 |
1990年 | 6篇 |
1989年 | 7篇 |
1988年 | 2篇 |
1987年 | 6篇 |
1981年 | 1篇 |
排序方式: 共有2677条查询结果,搜索用时 500 毫秒
241.
智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。 相似文献
242.
最困扰全球航空公司业的一个问题就是:为何它在一个完整的商业周期里不能盈利?在2000-2009年期间,全球航空公司业净亏损估计超过520亿美元;在更长的一个时期(1980-2009年期间),行业范围的净亏损估计约为160亿美元。对于航空公司业在本商业周期不能盈利的一个普遍解释就是:它太分散,运 相似文献
243.
王灏 《郑州航空工业管理学院学报(管理科学版)》2012,30(5)
光电子技术具有复杂性和融合性特征,光电子产业将引领未来高技术产业的发展,技术创新需要借助外部合作的方式实现.欧美光电子产业发达国家的经验表明,光电子产品特色各异,但创新网络发展初期的核心节点成长很重要.商业氛围浓厚和科研实力强劲的地区适合发展弱联系网络;技术后进地区适合发展以中介组织为核心的强联系网络. 相似文献
244.
从机场网络的角度研究延误传播问题.贝叶斯网络是一种分析传播问题的有效方法,基于贝叶斯网络的延误模型,构造出延误传播的机场网络模型.通过计算网络中条件概率,最终得到联合概率,用于分析机场之间延误传播的影响.实验数据表明,当某一机场产生离场延误时,这一延误不会消失,而是经过时间的推移传播到其他机场,造成其他机场的延误. 相似文献
245.
针对我军综合保障分析设计的需求,建立了一个概率活动网络模型,用于模拟真实的维修和使用保障活动,并介绍了任务模型和保障资源模型。用实例验证了该方法的可行性。 相似文献
246.
247.
248.
剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度. 相似文献
249.
250.
滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。 相似文献