全文获取类型
收费全文 | 862篇 |
免费 | 75篇 |
专业分类
公路运输 | 263篇 |
综合类 | 240篇 |
水路运输 | 259篇 |
铁路运输 | 154篇 |
综合运输 | 21篇 |
出版年
2024年 | 3篇 |
2023年 | 13篇 |
2022年 | 32篇 |
2021年 | 52篇 |
2020年 | 29篇 |
2019年 | 25篇 |
2018年 | 16篇 |
2017年 | 20篇 |
2016年 | 25篇 |
2015年 | 31篇 |
2014年 | 66篇 |
2013年 | 70篇 |
2012年 | 68篇 |
2011年 | 87篇 |
2010年 | 85篇 |
2009年 | 65篇 |
2008年 | 59篇 |
2007年 | 50篇 |
2006年 | 47篇 |
2005年 | 43篇 |
2004年 | 11篇 |
2003年 | 12篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 13篇 |
1999年 | 2篇 |
1997年 | 1篇 |
排序方式: 共有937条查询结果,搜索用时 15 毫秒
921.
根据当前基层学校运动会的开展组织情况,结合运动会的组织原则和相关规定,运用现代计算机技术,以全新的模式设计开发了适合全国各类学校、基层单位开展田径运动会的运动会管理信息系统。该系统实现了运动会中各环节的组织和编排工作,使大量繁琐的人工编排任务通过简单方便的操作便可以实现,大大减轻了运动会组织人员的劳动强度、提高了工作效率,保证了数据的准确性、安全性。 相似文献
922.
汽车防盗系统是为了防范整车被盗或车上的零部件如轮胎、蓄电池、汽车音响等被盗而设置的,最初使用转向盘锁、变速器锁、制动踏板锁等。但对于汽车零部件及车内物品被盗无能为力。 相似文献
923.
3.4无钥匙接收器(主机)工作原理遥控发射机由驾驶员随身携带;遥控(无钥匙)接收器(主机)则安装在汽车驾驶室内隐蔽的地方。为了接线方便,常用若干导线与汽车的熔断丝、继电器盒相接。四环Q BJ-868遥控防盗系统的主机电路原理图如图3所示。主机由电源电路、遥控接收电路、滚动码解码处理电路、C PU程序控制电路、报警检测电路、报警执行电路及一些终端负载组成。3.4.1电源电路主机电源来自汽车上的蓄电池。经降压和稳压电路形成3种电压、3条支干线:第一路为 12V,直接从蓄电池正极供给,为报警执行电路、中控锁、危险报警灯、切断点火继电器… 相似文献
924.
开展经营性公路的收益监管是完善政府行业监管、宏观调控职能的重要举措。通过对合理回报、项目风险、收益监管措施、收益监管合理性等因素的分析而提出的经营性公路收益的动态监管模式,既能体现经营期内政府与经营者双方对项目风险的合理分担,又可依据科学地确定的合理收益率,通过动态调整收费期限来灵活调控项目的收益水平,具有很强的可操作性与适用性。 相似文献
925.
汉江雅口航运枢纽工程二期围堰是以粉细砂为主要填筑材料,并辅以土工复合材料和素混凝土板抵抗水流冲刷的过水围堰。围堰经2021年洪水过流后,过流面混凝土板出现了局部脱空、板间连接钢筋断裂等局部破坏现象,采用非线性有限元方法对过水围堰的应力-变形情况进行数值模拟,进而分析围堰局部破坏原因,提出预防措施。结果表明,在重力及水荷载共同作用下,围堰过流坝坡面不均匀沉降变形过大,致使抗冲刷混凝土板与堰体填筑料间存在不同程度的脱空,板间连接钢筋受力状态由受拉转变为受剪,局部因强度不足发生剪断破坏,最终导致混凝土板的整体性降低,抗水流冲刷能力不足。减小不均匀沉降是预防此类破坏的关键所在,为此可加强填筑碾压,提高材料的密实度,进而增强坝体的抗沉降变形能力;在混凝土板下方设置土工膜反滤,提高材料的抗渗透变形和抗水力冲刷的能力。 相似文献
926.
927.
928.
雅口航运枢纽二期围堰是采用河砂填筑、管袋砂护坡、复合土工膜防渗、土工布反滤、丙纶布防冲的新型复合结构,过水条件下易诱发围堰失稳问题。以试验数据为支撑,从渗流、应力变形、稳定性角度分析复杂工况下围堰稳定安全性,对比土工布、丙纶布与管袋砂层间稳定性。结果表明:围堰过水对坡脚处渗透梯度影响明显,加固后可增强局部抗渗透破坏的能力;过水条件对围堰基坑侧边坡稳定最不利,加固后应力变形、整体稳定性满足规范要求;丙纶布与管袋界面摩擦作用小,存在层间滑动的可能,在丙纶布与管袋砂间布置土工布可有效提高层间稳定性。经2021秋季汉江特大洪水考验,围堰在挡、过水工况下均能稳定安全运行。 相似文献
929.
基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素;裂缝检测模型集成于机器人平台,从而实现对土木基础设施的全自动裂缝检测。为此,从以上4个方面对当前研究进行了系统梳理。首先,回顾了深度学习的发展历程,重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着,详细介绍了3类基于深度学习的裂缝检测主流算法,包括分类算法、目标检测算法和语义分割算法。然后,对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后,总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明:基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类,而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取;由于像素级标注的成本和专业性高,大型的裂缝语义分割数据集相对缺乏,致使当前基于语义分割算法的裂缝检测模型鲁棒性较差;目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价,缺乏统一的基准测试数据集和评价指标体系,无法对不同模型的性能进行平行比较;目前针对不同基础设施已相应开发了一些裂缝检测机器人,提高裂缝检测机器人的多场景适应性,并降低其应用成本是未来的发展方向。 相似文献
930.