全文获取类型
收费全文 | 1393篇 |
免费 | 216篇 |
国内免费 | 113篇 |
出版年
2024年 | 8篇 |
2023年 | 34篇 |
2022年 | 28篇 |
2021年 | 49篇 |
2020年 | 46篇 |
2019年 | 28篇 |
2018年 | 7篇 |
2017年 | 43篇 |
2016年 | 49篇 |
2015年 | 57篇 |
2014年 | 128篇 |
2013年 | 74篇 |
2012年 | 105篇 |
2011年 | 104篇 |
2010年 | 103篇 |
2009年 | 92篇 |
2008年 | 103篇 |
2007年 | 89篇 |
2006年 | 70篇 |
2005年 | 73篇 |
2004年 | 60篇 |
2003年 | 52篇 |
2002年 | 61篇 |
2001年 | 56篇 |
2000年 | 33篇 |
1999年 | 28篇 |
1998年 | 28篇 |
1997年 | 22篇 |
1996年 | 18篇 |
1995年 | 16篇 |
1994年 | 19篇 |
1993年 | 11篇 |
1992年 | 12篇 |
1991年 | 7篇 |
1990年 | 7篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有1722条查询结果,搜索用时 0 毫秒
411.
为了分析空投气垫艇在不同重心位置和漂角下的纵摇运动响应,利用STAR-CCM+平台的重叠网格技术对气垫艇在规则波中的水动力性能进行数值模拟。研究表明,重心和漂角的变化对空投气垫艇阻力性能和航行稳定性的影响十分敏感,试验中通过改变压块来调整气垫艇重心位置,在低速段即0.4r<0.8时,重心纵向位置前移与垂向位置上移将会导致阻力增加,而当其在高速段即Fr>0.8时,重心纵向位置前移和垂向位置下移将导致阻力减少,为了满足高速船舶性能,因此重心位置布置时宜适当前移。在0°<β<30°范围内,漂角越小,气垫艇受到波浪的激励作用愈加明显,纵摇运动响应幅值越大。优化重心布置方案、漂角等组合形式能够有效提升气垫艇的航行稳定性,综合分析可知该型气垫艇在重心位置靠近艏部且以一定小角度漂角高速航行时,纵向稳定性越高且兴波阻力性能最佳。 相似文献
412.
提出只更新飞行剖面参数的航程更新方法及相应的RLV再入标准轨道制导规律;结合轨道在线生成与跟踪技术,采用Runge-Kutta-Fehlberg自适应变步长轨道快速预报方法,研究了RLV再入轨道预测制导。进一步对两种制导方法进行了比较分析研究,研究认为标准轨道制导与轨道预测制导都是可行的RLV再入制导方案,其有机结合是未来可重复使用跨大气层飞行器再入制导的发展趋势。 相似文献
413.
414.
介绍了粘性触燃迟滞剂的主要性能和引火剂的燃烧性能、囊体材料、复合粘性燃料配方中各组分对该剂触燃性、预布性、粘着性、燃烧温度、火焰大小的影响因素。 相似文献
415.
复杂战场环境中无人侦察机对干扰源的跟踪面临着信号干扰能量强、干扰源数量多、信道容量受限制、通信信道被攻击等难点。为提升无人侦察机对干扰源的跟踪能力,提出了一种从测向直接到跟踪的两段式干扰源跟踪方法。首先,对干扰源的动态、无人侦察机集群的观测模型和信道模型进行建模;其次,阐述了基于集贝叶斯滤波器的从测向直接到跟踪的两段式干扰源跟踪方法,通过规避定位过程,减少跟踪误差;再次,对通信受限信道模型进行了建模,并将其引入到所提出的方法中,实现了对通信受限时干扰源跟踪的一体化表征及求解;最后,采用仿真实验验证了所提方法的可行性与优越性。研究可为无人侦察机对干扰源的跟踪提供新思路。 相似文献
416.
为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。 相似文献
417.
针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。 相似文献
418.
419.