全文获取类型
收费全文 | 5033篇 |
免费 | 700篇 |
国内免费 | 295篇 |
出版年
2024年 | 48篇 |
2023年 | 130篇 |
2022年 | 99篇 |
2021年 | 171篇 |
2020年 | 217篇 |
2019年 | 104篇 |
2018年 | 30篇 |
2017年 | 109篇 |
2016年 | 145篇 |
2015年 | 145篇 |
2014年 | 295篇 |
2013年 | 297篇 |
2012年 | 390篇 |
2011年 | 377篇 |
2010年 | 346篇 |
2009年 | 332篇 |
2008年 | 412篇 |
2007年 | 318篇 |
2006年 | 252篇 |
2005年 | 271篇 |
2004年 | 213篇 |
2003年 | 209篇 |
2002年 | 179篇 |
2001年 | 218篇 |
2000年 | 108篇 |
1999年 | 81篇 |
1998年 | 99篇 |
1997年 | 101篇 |
1996年 | 65篇 |
1995年 | 61篇 |
1994年 | 41篇 |
1993年 | 34篇 |
1992年 | 42篇 |
1991年 | 35篇 |
1990年 | 18篇 |
1989年 | 31篇 |
1988年 | 4篇 |
1987年 | 1篇 |
排序方式: 共有6028条查询结果,搜索用时 15 毫秒
191.
针对目前卫星导航接收机码环多径抑制技术在二进制偏移副载波类信号下鉴别曲线可能出现多个稳定跟踪位置,导致接收机存在伪距测量的系统性误差的问题,提出最优鉴别曲线设计技术,采用奇异值优化的最小二乘方法,设计无多余跟踪点的本地码相关参考波形。从多径误差包络和跟踪精度两方面,对基于最优鉴别曲线的二进制偏移副载波信号码相关参考波形的设计性能进行验证评估。仿真结果表明:该方法可实现二进制偏移副载波信号在有限接收带宽下的无模糊鉴别曲线设计。以前端带宽为8.184 MHz时的BOC(1,1)信号为例,设计的码相关参考波形相比W2波形,多径误差包络面积增加了61.8%,而跟踪精度提高了4~5 dB。 相似文献
192.
为了提高风扇外涵和核心机驱动风扇级外涵流体的掺混效率,提出一种采用射流掺混增强的前可调面积引射器设计方案。通过数值模拟的手段对流量特性、流动掺混和总压损失等方面进行了研究,并同基准模型进行了对比分析,结果表明:采用波瓣混合器结构的前可调面积引射器设计,显著地增加了较高出口背压工况下风扇外涵的流通能力;新的设计方案不仅没有增加低出口背压工况下的总压损失,还减小了高背压出口工况下的流动损失;流向涡的特征尺度是提高掺混效率的关键,可以进一步优化波瓣混合器几何轮廓,以满足调节机构对结构设计的要求。 相似文献
193.
采用Duffing振子实现对微弱二进制相移键控(Binary Phase Shift Keying, BPSK)信号的盲检测时,Duffing系统输出的周期态和混沌态转换之间存在过渡带。针对这一问题,推导出过渡带时长和Duffing系统内置频率之间的关系表达式;指出内置频率越高,过渡带时间越短;仿真实验给出时间频率响应曲线。内置频率的提高,会降低系统检测微弱信号的灵敏度。针对这一问题,推导出周期态下Duffing系统输出幅度作为因变量、内置频率作为自变量的表达式;仿真实验给出幅频响应曲线。针对微弱BPSK信号盲检测,建立变尺度方法和检测阵列相结合的基于S变换提取Duffing系统输出幅度包络的微弱BPSK信号盲检测模型,仿真实验验证了模型方法的有效性。 相似文献
194.
模糊Petri网对专家知识库的模糊规则具有较强的表达能力,但其缺乏学习能力使得模型参数的确定较为困难,针对此问题提出一种适合于模糊Petri网参数确定的自适应粒子群优化算法。分析了模糊Petri网对专家知识库的模糊规则建模方法;研究了粒子群优化算法及其各种改进算法;在此基础上,提出适合于模糊Petri网参数确定的自适应粒子群优化算法。最后,以无向网络可靠性估计为例,通过实例分析并与基本粒子群优化算法进行比较,证明了所提方法的有效性和优越性。 相似文献
195.
196.
为了提高磁流变阻尼器的振动控制效果,在磁流变阻尼器力学特性试验的基础上,首先建立了基于BP神经网络的磁流变阻尼器的逆向模型,并通过试验试选的方法对模型中隐含层节点数目、期望误差等相关参数的确定进行了探讨;然后,针对BP网络在学习过程中表现出的学习速率慢、容易陷入局部极小等问题,进行了相应的算法改进。结果表明:利用改进算法建立的模型能够更准确、更快速地对控制电流进行预测,证明了改进算法的合理性,同时也进一步验证了利用BP神经网络方式建立磁流变阻尼器逆向模型方法的有效性。 相似文献
197.
针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。 相似文献
198.
199.
200.