全文获取类型
收费全文 | 282篇 |
免费 | 85篇 |
国内免费 | 7篇 |
出版年
2024年 | 2篇 |
2023年 | 7篇 |
2022年 | 7篇 |
2021年 | 10篇 |
2020年 | 8篇 |
2019年 | 7篇 |
2018年 | 5篇 |
2017年 | 15篇 |
2016年 | 16篇 |
2015年 | 13篇 |
2014年 | 22篇 |
2013年 | 20篇 |
2012年 | 17篇 |
2011年 | 18篇 |
2010年 | 22篇 |
2009年 | 26篇 |
2008年 | 12篇 |
2007年 | 17篇 |
2006年 | 15篇 |
2005年 | 18篇 |
2004年 | 15篇 |
2003年 | 12篇 |
2002年 | 11篇 |
2001年 | 9篇 |
2000年 | 6篇 |
1999年 | 3篇 |
1998年 | 6篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 6篇 |
1994年 | 5篇 |
1993年 | 4篇 |
1992年 | 5篇 |
1991年 | 6篇 |
1990年 | 1篇 |
1989年 | 4篇 |
排序方式: 共有374条查询结果,搜索用时 187 毫秒
21.
疲劳裂纹扩展寿命评估的关键是要有适宜的疲劳裂纹扩展公式。通过对McEvily公式的深入研究,综合考虑弹塑性行为的影响、裂纹的闭合效应,并对曲线斜率进行“最小二乘法”拟合,得到了改进的McEvily公式。采用某航天发射塔架A3钢的疲劳裂纹扩展数据进行分析验证,得出McEvily改进公式对疲劳裂纹扩展寿命具有更强的评估能力。 相似文献
22.
基于虚拟样机的坦克承载零部件疲劳寿命预测方法 总被引:1,自引:1,他引:0
坦克承载零部件的疲劳失效是其主要的失效形式,疲劳寿命的预测一直是装备设计、研制、验证和使用过程中的重要问题之一。利用虚拟样机技术,建立履带车辆刚柔体耦合模型,通过在一定任务剖面下车辆虚拟试验,测试其承载零件的载荷谱,结合疲劳寿命分析技术,进行疲劳寿命预测,并给出计算实例,预测的寿命与实际使用情况相符合,表明提出的坦克承载件疲劳寿命预测方法是一种高效、实用的新方法。 相似文献
23.
从模态识别基本原理出发,对脉冲激励下的时-频域响应、谐振激励下的时域响应的表达式进行推导,找到了其时-频域下的幅值关系,认为一定条件下谐振响应中伴随自由振动成分短时间内难以衰减,指出谐振激励力幅值与脉冲力幅值相等时,脉冲响应频谱对应频率下的幅频与谐振下的强迫振动幅值相等。在建立响应等价关系的基础上,推导了仅通过脉冲响应频谱上有限个谱线信息所确定的某阶模态阻尼比的计算公式。利用船体梁模型验证了响应预报及阻尼比估算的准确性。完成了2块不同材料典型船体板单元模型的前8阶模态阻尼比测试,通过数值计算结合试验响应频谱验证了方法的快速性、可靠性。 相似文献
24.
25.
针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。 相似文献
26.
27.
Model parameter estimation and residual life prediction for a partially observable failing system 下载免费PDF全文
We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015 相似文献
28.
29.
30.