全文获取类型
收费全文 | 2216篇 |
免费 | 40篇 |
专业分类
公路运输 | 446篇 |
综合类 | 313篇 |
水路运输 | 674篇 |
铁路运输 | 770篇 |
综合运输 | 53篇 |
出版年
2024年 | 17篇 |
2023年 | 64篇 |
2022年 | 67篇 |
2021年 | 72篇 |
2020年 | 55篇 |
2019年 | 55篇 |
2018年 | 31篇 |
2017年 | 39篇 |
2016年 | 51篇 |
2015年 | 55篇 |
2014年 | 88篇 |
2013年 | 96篇 |
2012年 | 117篇 |
2011年 | 113篇 |
2010年 | 102篇 |
2009年 | 117篇 |
2008年 | 124篇 |
2007年 | 125篇 |
2006年 | 106篇 |
2005年 | 79篇 |
2004年 | 83篇 |
2003年 | 84篇 |
2002年 | 78篇 |
2001年 | 52篇 |
2000年 | 49篇 |
1999年 | 63篇 |
1998年 | 42篇 |
1997年 | 38篇 |
1996年 | 27篇 |
1995年 | 25篇 |
1994年 | 33篇 |
1993年 | 27篇 |
1992年 | 19篇 |
1991年 | 25篇 |
1990年 | 19篇 |
1989年 | 11篇 |
1988年 | 2篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1965年 | 4篇 |
排序方式: 共有2256条查询结果,搜索用时 218 毫秒
81.
由于行星排功率分流式混合动力汽车的结构优势,双行星排功率分流式混合动力汽车已经成为各机构的研究重点。由纯电动模式到混合驱动模式切换的过程中存在发动机起动和发动机转矩引入,而发动机转矩瞬态响应存在迟滞,导致切换过程中动力系统的输出转矩会有较大波动。为减小波动,降低模式切换过程中的动态冲击度,本文中提出补偿滑模控制方法,对双行星排功率分流式混合动力汽车模式切换进行协调控制。首先,建立整车动力学模型,对切换过程每个模式进行分析;之后,针对发动机拖转阶段和混合驱动阶段分别采用补偿控制和基于固定边界层的自适应滑模控制,并对滑模控制进行稳定性分析;最后,结合Matlab/Simulink软件平台进行仿真验证。仿真结果表明,补偿滑模协调控制策略能够有效地减小从纯电动到混合驱动模式切换过程中的转矩波动和冲击度。 相似文献
82.
分布式驱动电动汽车各驱动轮转速和转矩可以单独精确控制,便于实现整车动力学控制和制动能量回馈,从而提升车辆的主动安全性和行驶经济性。但车辆在回馈制动过程中,一旦1台电机突发故障,其他电机产生的制动力矩将对整车形成附加横摆力矩,从而造成车辆失稳,此时虽可通过截断异侧对应电机制动力矩输出来保证行驶方向,但会使车辆制动力大幅衰减或丧失,同样不利于行车安全。为了解决此问题,提出并验证一种基于电动助力液压制动系统的制动压力补偿控制方法,力图有效保证整车制动安全性。以轮毂电机驱动汽车为例,首先建立了整车动力学模型以及轮毂电机模型,通过仿真验证了回馈制动失效的整车失稳特性以及电机转矩截断控制的不足;然后,建立了电动助力液压制动系统模型,并通过原理样机的台架试验验证了模型的准确性;接着,基于滑模控制算法设计了制动压力补偿控制器,并在单侧电机再生制动失效后的转矩截断控制基础上完成了液压制动补偿控制效果仿真验证;最后,通过实车试验证明了所提控制方法的有效性和实用性。研究结果表明:在分布式驱动电动汽车单侧电机再生制动失效工况下,通过异侧电机转矩截断控制和制动系统的液压主动补偿,能够使车辆快速恢复稳定行驶并满足制动强度需求。 相似文献
83.
84.
85.
86.
87.
接触网检测车振动补偿研究 总被引:5,自引:0,他引:5
针对接触检测车实际工况,分析了检测车车体振动的动力学特性,建立了基于运动规律的数学模型,论述了训练样本得出检测车拉出值振动补偿函数的原理和方法。 相似文献
88.
同相牵引供电系统平衡补偿的最优模型 总被引:2,自引:1,他引:2
为消除同相牵引供电系统中的三相不平衡、滤除谐波、补偿无功,讨论了平衡变换的两种最优补偿模型:以波形质量最优为目标的波形畸变最小模型和以获得最佳负载为目标的最佳负载模型.通过仿真分析了系统电压畸变时两种补偿模型的补偿效果.结果表明,波形畸变最小模型使系统只提供负载所需要的基波有功电流,最佳负载模型将不对称的单相负载变成三相(或两相或四相)对称纯阻性负载.在三相系统电压对称无谐波时,两者补偿特性一致;当三相系统电压不对称有谐波时,两者补偿特性有区别. 相似文献
89.
为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法(Adaptive Lasso)进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明:Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效. 相似文献
90.