全文获取类型
收费全文 | 539篇 |
免费 | 15篇 |
专业分类
公路运输 | 466篇 |
综合类 | 19篇 |
水路运输 | 43篇 |
铁路运输 | 14篇 |
综合运输 | 12篇 |
出版年
2024年 | 20篇 |
2023年 | 57篇 |
2022年 | 57篇 |
2021年 | 75篇 |
2020年 | 70篇 |
2019年 | 16篇 |
2018年 | 9篇 |
2017年 | 3篇 |
2016年 | 4篇 |
2015年 | 10篇 |
2014年 | 35篇 |
2013年 | 39篇 |
2012年 | 39篇 |
2011年 | 43篇 |
2010年 | 17篇 |
2009年 | 20篇 |
2008年 | 8篇 |
2007年 | 10篇 |
2006年 | 4篇 |
2005年 | 5篇 |
2004年 | 6篇 |
2003年 | 4篇 |
2002年 | 2篇 |
1996年 | 1篇 |
排序方式: 共有554条查询结果,搜索用时 15 毫秒
101.
锂离子电池在充放电过程中会产生大量热量,若温度过高,可能会导致电池失效或发生安全问题。锂离子电池冷板式散热作为电池冷却系统重要技术之一,对保障电池安全至关重要。首先系统地分析了冷板式液冷设计的相关方法,并对不同方法优缺点进行了对比。当前,锂离子电池热管系统主流冷却方式仍是液体冷却,其具有更高的散热效率,随着电池能量密度的提高,未来电动汽车热管理系统的发展趋势可能朝向混合冷却、系统化设计和智能化管理的方向发展。 相似文献
102.
近些年来,随着我国环保观念的增强,新能源汽车行业得到了较为迅速的发展,作为其中关键的动力电池有着非常关键的作用。但是,从现实情况来进行分析,可以发现动力电池行业仍然存在着诸多问题,特别是标准体系的建立还并不完善,不利于新能源汽车行业的长期稳定发展。本篇文章简要分析了动电池标准体系的发展情况,研究了新能源汽车动力电池标准体系,并探究了新能源汽车动力电池标准体系今后的发展方向,希望能够为新能源汽车行业的稳定发展提供支持。 相似文献
103.
在零排放动力电池技术开发尚不够成熟的情况下,使用低排放的混合动力汽车已成为过渡时期减少大气污染最好的解决办法。本文着重介绍了日本混合动力轿车的发展状况。 相似文献
104.
105.
动力电池在低温环境中功率特性变差和充放电效率下降是制约电动汽车发展的因素之一。为提升动力电池低温动力性,基于AMESim的1D仿真模型对不同热管理方案下动力电池目标功率的持续时间进行了研究。结果表明,动力电池预加热方案在一定程度上提升了动力电池低温动力性,但是预加热方案不仅受预加热电量来源、动力电池初始SOC以及环境温度的影响,还会在动力电池初始SOC较高时造成电量浪费;动力电池预加热+行驶加热方案不仅能提升动力电池低温动力性,还可以避免动力电池在初始SOC较高时进行预加热造成电量浪费。通过不同热管理方案下动力电池低温动力性的研究,对电动汽车低温行车过程中热管理方案提供一定的指导。 相似文献
106.
我国锂电池在电动自行车上的运用有七八年了。七八年来,行业里举办过多次这样的高峰论坛,这对锂电自行车产业的发展起到了良好的推动与促进作用。今天我们再次围绕锂电自行车产业发展这个主题,各抒己见,仁者见仁,智者见智。下面我对锂电池与锂电自行车发展现状与未来谈谈个人的看法。一、我国电动自行车用锂电池产业的现状。谈到我国锂电自行车产业,不得不谈锂电池,因为它是电动自行车最核心的部件之一。锂离子动力电池是目前最有潜力的车载电池,主要由正极材料、负极材料、隔膜、电解质等部分组成。目前我国负极材料的研发和生产已比较成熟。正极材料、隔膜和电解质是锂离子电池的核心材料,占据电池成本的 相似文献
107.
108.
当下美国和欧洲都相继放缓了电动汽车产业化的脚步,原因是还有关键核心技术没有突破,充电等基础设施还有待完善。而中国仍按原计划继续推进新能源汽车产业化发展的进程,目前,新能源汽车已经成为了七大新兴战略产业,已被业界作为一个目标转入实施。而市场化也被定性为导入期,以示范的方式推动。地方政府行业机构和企业更以此由头,大上项目 相似文献
109.
整车以及对应系统的平台化开发是新能源汽车行业的共识和重要的技术趋势,有利于统筹各项目的开发,提升系统共用性,节约成本。基于整车平台的电池系统平台化开发需要明确整车与电池的相关变量,主要包括整车空间、整备质量、续航、电耗、动力性,以及电池尺寸、质量、电量、功率性能。本文以某混动平台的电池系统开发为例,通过各变量的分布与边界条件求解出包含2~3款电芯的平台化方案,通过每款电芯串联节数和电池包Y向尺寸的带宽设计来兼容16款平台车型,为后续产业界各平台的电池方案开发提供了基础的策略参考。 相似文献
110.
锂离子动力电池剩余使用寿命(RUL)预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法,本质上是一个递推的过程,每一次预测的误差会随预测次数增加而累积,难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论,建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法,使用编码器-解码器(ED)框架改进长短时记忆神经网络模型(LSTM)构建从序列到序列预测的EDLSTM模型,并融合ARIMA模型预测误差趋势,进而修正最终预测结果。理论分析和实车采集数据验证表明,该方法在预测比例超过历史数据总量35%的情况下,仍然能较好地拟合实车SOH衰退曲线,有效提高锂电池剩余使用寿命的预测精度。 相似文献