全文获取类型
收费全文 | 1001篇 |
免费 | 14篇 |
专业分类
公路运输 | 365篇 |
综合类 | 159篇 |
水路运输 | 331篇 |
铁路运输 | 140篇 |
综合运输 | 20篇 |
出版年
2024年 | 5篇 |
2023年 | 28篇 |
2022年 | 27篇 |
2021年 | 34篇 |
2020年 | 16篇 |
2019年 | 21篇 |
2018年 | 8篇 |
2017年 | 11篇 |
2016年 | 15篇 |
2015年 | 27篇 |
2014年 | 39篇 |
2013年 | 57篇 |
2012年 | 63篇 |
2011年 | 59篇 |
2010年 | 78篇 |
2009年 | 76篇 |
2008年 | 71篇 |
2007年 | 43篇 |
2006年 | 43篇 |
2005年 | 43篇 |
2004年 | 45篇 |
2003年 | 38篇 |
2002年 | 22篇 |
2001年 | 20篇 |
2000年 | 15篇 |
1999年 | 13篇 |
1998年 | 16篇 |
1997年 | 9篇 |
1996年 | 8篇 |
1995年 | 13篇 |
1994年 | 7篇 |
1993年 | 11篇 |
1992年 | 9篇 |
1991年 | 6篇 |
1990年 | 10篇 |
1989年 | 7篇 |
1988年 | 2篇 |
排序方式: 共有1015条查询结果,搜索用时 954 毫秒
321.
4 燃料电池发动机(Fuel Cell Engine)
内燃机是在气缸与活塞之间将燃料的化学能燃烧后的热能转变,使气体膨胀.,然后依靠活塞-曲柄连杆机构,使气体膨胀的直线运动转换为曲轴的旋转运动,来带动汽车行驶。为了保证内燃机的正常运转,内燃机装有进气系统、排气系统、燃料供给系统、点火系统、冷却系统、润滑系统和起动系统等辅助装置。[第一段] 相似文献
322.
323.
旋转压实仪比对试验评价方法研究 总被引:1,自引:0,他引:1
准确的试验数据是路面质量控制的基础,比对试验是保证不同试验数据之间比较的重要途径。根据美国材料与试验协会(ASTM)E691,采用实验室间合作研究来确定试验精密度的方法,对旋转压实仪比对试验方案进行了设计。结合沪宁高速公路扩建工程旋转压实仪比对试验,采用100次旋转压实度比对试验结果,对比对试验评价方法进行了研究,得出稳健统计法比ASTM E691法有更高的灵敏性,更能明确地分析各实验室结果的一致性程度。 相似文献
324.
离合器是主、从动部分在同轴上传递扭矩和旋转运动时,在不停机状态下实现分离和接合的装置。其主要用途就是传递或切断发动机的动力,有踏板车的自动离心蹄块式离合器(也称CVT),骑式车的手动摩擦片式离合器。本文针对骑式车手动摩擦片式离合器的拆装及维修保养作一介绍,供读者参考。 相似文献
325.
326.
327.
二次扩展复数旋转码及其对偶码 总被引:2,自引:0,他引:2
扩展复数旋转的基础上,提出了二次扩展复数旋转码及其对偶码的概念。就它们的特性作了初步的讨论,并给出了它们的生成矩阵的构造方式及主要参数。经过与扩展复数旋转码和其对偶码相比较,可以看出它们也是一类码率高、纠错能力强的差错控制码。 相似文献
328.
329.
连接壳结构广泛应用于船舶推进系统中,其边界条件复杂,而且在旋转运动下会产生行波模态,对推进器的动力学性能具有重要影响。为了推进功能梯度材料在船舶海洋工程中的应用,本文通过弹簧模拟壳体结构的边界条件,建立旋转功能梯度锥-柱连接壳的动力学模型,探讨旋转功能梯度锥-柱连接壳的行波模态特性。基于Love薄壳理论,运用弹簧模拟结构两端的边界条件以及圆锥壳和圆柱壳连接界面的连续性条件,推导考虑旋转运动引发的科氏力和离心力的功能梯度连接壳能量方程;以Chebyshev多项式为基底构造位移函数,建立旋转功能梯度连接壳的模态频率方程;利用Rayleigh-Ritz法求解连接壳的行波模态频率;通过收敛性分析确定边界弹簧和接触弹簧的刚度取值范围以及Chebyshev多项式所需要展开的项数;分析环向波数、陶瓷体积分数指数、圆锥角、转速以及任意边界对行波模态频率的影响。结果表明:旋转转速越大,连接壳的前后行波分叉行为越明显;轴向弹簧刚度对行波模态频率影响最大;相比于传统的能量法,采用弹簧模拟边界提高了计算效率,而且连接壳在弹性边界下的行波特性变化较大,说明了采用弹簧模拟任意边界的必要性。 相似文献
330.
大数据时代的到来导致简单机器学习所建立起来的单一模型往往不能充分挖掘大样本数据所承载的丰富信息,同时在学习能力上也略显不足.在此背景下,文中将旋转森林算法(rotation-forest, ROF)与极限学习机(extreme learning machine, ELM)相结合,构建一个基础神经元单元,然后通过栈式泛化原理进行逐层构建,形成一种快速保持源域空间特征的深度学习模型(D-R-ELM).D-R-ELM由多个基础神经元构成,这些基础神经元通过一种特殊的栈式构造方式,既保证了较好的学习能力,同时也减少了训练成本.实验结果表明:D-R-ELM的深层结构模型,在大样本数据上相比于Adaboosting、Bagging、ELM、ROF和Rotboost传统分类器表现出更好的分类性能、稳定性与泛化性能. 相似文献