全文获取类型
收费全文 | 26339篇 |
免费 | 2141篇 |
专业分类
公路运输 | 7627篇 |
综合类 | 8844篇 |
水路运输 | 6778篇 |
铁路运输 | 4434篇 |
综合运输 | 797篇 |
出版年
2024年 | 129篇 |
2023年 | 305篇 |
2022年 | 1080篇 |
2021年 | 1453篇 |
2020年 | 1049篇 |
2019年 | 593篇 |
2018年 | 562篇 |
2017年 | 573篇 |
2016年 | 535篇 |
2015年 | 1115篇 |
2014年 | 1423篇 |
2013年 | 1639篇 |
2012年 | 2016篇 |
2011年 | 2220篇 |
2010年 | 2230篇 |
2009年 | 2143篇 |
2008年 | 1996篇 |
2007年 | 2002篇 |
2006年 | 1911篇 |
2005年 | 1523篇 |
2004年 | 654篇 |
2003年 | 374篇 |
2002年 | 262篇 |
2001年 | 332篇 |
2000年 | 281篇 |
1999年 | 52篇 |
1998年 | 9篇 |
1997年 | 9篇 |
1996年 | 2篇 |
1995年 | 4篇 |
1994年 | 3篇 |
1988年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
991.
基于小波和粒子群算法的HEV行驶状况辨识方法研究 总被引:1,自引:0,他引:1
针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。 相似文献
992.
993.
994.
995.
996.
在1台排量为2.8L的单缸柴油机上,通过燃烧过程不断强化,将输出功率从73kW提高到150kW。研究分为两个阶段:第一阶段通过提高进气压力、降低进气阻力、优化配气相位、优化喷油系统参数,将输出功率从73kW提高到92kW;第二阶段采用了电控单体泵供油系统,并优化喷孔参数、进一步提高进气压力、降低进气温度、提高发动机转速,将输出功率提高到150kW。放热率分析结果表明:对于高强化燃烧过程,虽然预混和扩散燃烧阶段的放热速率大幅度增加,但其放热量占总放热量的比率下降,后燃阶段的放热比率显著增加。因此加强扩散燃烧阶段的放热速率仍然是高强化燃烧过程面临的主要问题。 相似文献
997.
998.
为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性. 相似文献
999.
为准确计算航道通过能力,针对单双向通航方式并存的混合通航航道,建立了基于船种聚类的航道通过能力量化模型.根据海港航道通航管理规则,对不同船舶种类进行分类,通过聚类算法确定船舶种类特征及其分布概率.与传统航道通过能力计算方法相比,对不同种类船舶所占航道资源分别附以不同权重,同时考虑船舶通航方式改变对航道通过能力的影响,能够更加准确地量化航道通过能力.应用天津港大沽沙航道数据进行了实例分析,目前航道实际月通过船舶约为1 905艘次,计算得到大沽沙航道月通过能力为2 350艘次,并且与港口公共混合通航航道通过能力计算结果4 455艘次/月相对比,前者的结果更符合实际情况,后者的结果明显大于实际航道通过能力.结果表明,基于船种聚类的航道通过能力量化方法能更加准确地反映航道实际情况. 相似文献
1000.
针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms. 相似文献