全文获取类型
收费全文 | 942篇 |
免费 | 54篇 |
专业分类
公路运输 | 144篇 |
综合类 | 240篇 |
水路运输 | 478篇 |
铁路运输 | 112篇 |
综合运输 | 22篇 |
出版年
2024年 | 7篇 |
2023年 | 14篇 |
2022年 | 30篇 |
2021年 | 39篇 |
2020年 | 39篇 |
2019年 | 26篇 |
2018年 | 17篇 |
2017年 | 30篇 |
2016年 | 26篇 |
2015年 | 37篇 |
2014年 | 73篇 |
2013年 | 42篇 |
2012年 | 101篇 |
2011年 | 84篇 |
2010年 | 70篇 |
2009年 | 73篇 |
2008年 | 58篇 |
2007年 | 70篇 |
2006年 | 68篇 |
2005年 | 34篇 |
2004年 | 21篇 |
2003年 | 4篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 5篇 |
1999年 | 5篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有996条查询结果,搜索用时 0 毫秒
901.
废旧沥青混合料热再生的关键是设计出的再生混合料要具有优良的路用性能。通过阐述再生沥青混合料的设计内容和设计流程,应用马歇尔设计方法对再生沥青混合料AC-20进行目标配合比设计,并进行路用性能验证,研究结果表明:用马歇尔设计方法进行设计.再生沥青混合料具有优良的路用性能。 相似文献
902.
多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明:所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。 相似文献
903.
为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制(MMPC)系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制(SMPC)系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明:当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。 相似文献
904.
905.
基于蒙特卡洛模拟的粒子滤波算法被广泛地应用于目标追踪领域。传统的粒子滤波算法在其追踪过程中所使用的粒子数通常是固定不变的,而在实际应用中,这会使算法缺乏高效性。针对这个问题,提出了一种自适应性粒子滤波器,它可以根据实际调整算法运行过程中使用的粒子数目,以使算法在保持对目标进行有效追踪的同时节省计算资源。仿真结果显示了算法的高效性。 相似文献
906.
907.
In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper, based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectral features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation. 相似文献
908.
909.
910.