• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于模糊核聚類和引力搜索的風(fēng)電齒輪箱故障診斷

    2015-12-30 05:21:18李狀,馬志勇,胡亮
    中國機(jī)械工程 2015年19期
    關(guān)鍵詞:故障診斷

    基于模糊核聚類和引力搜索的風(fēng)電齒輪箱故障診斷

    李狀馬志勇胡亮柳亦兵

    華北電力大學(xué),北京,102206

    摘要:為了診斷風(fēng)電齒輪箱已知類別和未知類別的故障,提出了基于模糊核聚類和引力搜索的故障診斷方法。首先建立以訓(xùn)練樣本分類錯(cuò)誤率為目標(biāo)的聚類模型,利用模糊核聚類對訓(xùn)練樣本進(jìn)行分類;然后利用引力搜索算法求解聚類模型,獲得最優(yōu)分類結(jié)果下每個(gè)類的類心;最后根據(jù)新樣本與各類心之間的核空間樣本相似度判斷屬于已知故障或者未知故障。結(jié)果表明,該方法準(zhǔn)確度高,可有效用于風(fēng)電齒輪箱故障診斷。

    關(guān)鍵詞:模糊核聚類;引力搜索;風(fēng)電機(jī)組齒輪箱;故障診斷

    中圖分類號:TH165.3

    收稿日期:2015-03-26

    基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(51305135);中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2014XS15);中國華能集團(tuán)科技項(xiàng)目(HNKJ13-H20-05)

    作者簡介:李狀,男,1987年生。華北電力大學(xué)能源動力與機(jī)械工程學(xué)院博士研究生。主要研究方向?yàn)樾D(zhuǎn)機(jī)械設(shè)備故障診斷。發(fā)表論文6篇。馬志勇,男,1974年生。華北電力大學(xué)能源動力與機(jī)械工程學(xué)院副教授。胡亮,男,1988年生。華北電力大學(xué)能源動力與機(jī)械工程學(xué)院博士研究生。柳亦兵,男,1961年生。華北電力大學(xué)能源動力與機(jī)械工程學(xué)院教授、博士研究生導(dǎo)師。

    Fault Diagnosis of Wind Turbine Gearbox Based on Kernel Fuzzy C-means

    Clustering and Gravitational Search

    Li ZhuangMa ZhiyongHu LiangLiu Yibing

    North China Electric Power University,Beijing,102206

    Abstract:In order to diagnose known faults and unknown faults of wind turbine gearbox, a method was proposed based on kernel fuzzy c-means clustering and gravitational search. Firstly, the clustering model was built based on wrong classification rate of training samples. The training samples were classified by kernel fuzzy c-means clustering. Then the gravitational search method was introduced for solving the clustering model. The class centers of optimal clustering result were acquired. Finally, the similarity parameters in kernel space between new data samples and the class centers were calculated for diagnosing whether the new data sample belonged to the known faults. The results show that the proposed method has higher precision, which can be applied to diagnose fault of wind turbine gearbox.

    Key words:kernel fuzzy c-means clustering; gravitational search; wind turbine gearbox; fault diagnosis

    0引言

    齒輪箱是風(fēng)電機(jī)組傳動鏈的關(guān)鍵設(shè)備,風(fēng)電機(jī)組運(yùn)行環(huán)境惡劣,導(dǎo)致齒輪箱故障頻繁發(fā)生,不僅事后維修工作難度大,而且費(fèi)用高。因此對風(fēng)電機(jī)組齒輪箱進(jìn)行有效的監(jiān)測和故障診斷具有重要意義。

    故障診斷的本質(zhì)是對故障信息的模式識別與分類[1]。近年來,國內(nèi)外的許多學(xué)者將模式識別方法引入到風(fēng)電機(jī)組故障診斷中。目前,大量的研究多采用基于有監(jiān)督學(xué)習(xí)的模式識別方法,例如BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、故障樹分析法[2-6]。這些方法是通過對大量已知故障類別的訓(xùn)練樣本的學(xué)習(xí),實(shí)現(xiàn)待識別樣本的分類與診斷。但是這種方法只能識別訓(xùn)練樣本中含有的故障類別,當(dāng)有新類別的樣本數(shù)據(jù)出現(xiàn)時(shí),會給出錯(cuò)誤的識別結(jié)果,導(dǎo)致錯(cuò)誤診斷。實(shí)際故障診斷中,獲取所有已知故障的大樣本數(shù)據(jù)需要花費(fèi)大量的人力和時(shí)間,難以獲取完備的故障樣本,這使得基于有監(jiān)督學(xué)習(xí)的模式識別方法難以得到有效的應(yīng)用。

    模糊核聚類(kernel fuzzy c-means clustering,KFCM)是一種基于無監(jiān)督學(xué)習(xí)的聚類算法,它利用核函數(shù)將原始輸入空間中的樣本數(shù)據(jù)映射到高維特征空間中再進(jìn)行模糊聚類,能有效改善復(fù)雜數(shù)據(jù)集的聚類性能[7],在氣動系統(tǒng)、汽輪機(jī)、變壓器、衛(wèi)星控制系統(tǒng)[8-11]等故障診斷領(lǐng)域得到了應(yīng)用。但是在實(shí)際工程應(yīng)用中,KFCM的分類效果依賴初始聚類中心和核函數(shù)參數(shù)的選擇。本文針對上述問題,結(jié)合KFCM算法和引力搜索算法(gravitational search algorithm,GSA)[12],提出一種基于模糊核聚類和引力搜索的風(fēng)電機(jī)組齒輪箱故障診斷方法,實(shí)現(xiàn)風(fēng)電齒輪箱已知和未知類別故障的自動診斷。

    1模糊核聚類算法

    模糊核聚類算法利用核函數(shù),通過非線性映射將原始特征空間X映射至高維特征空間F后再進(jìn)行聚類。非線性映射Ф可表示為

    Φ∶xk∈X→Φ(xk)∈F

    (1)

    式中,xk為原始特征空間樣本,xk∈X。

    KFCM算法的聚類目標(biāo)函數(shù)為

    (2)

    式中,vi為原始特征空間中第i類的聚類中心,i=1,2,…,c;c為類別數(shù);n為原始特征空間樣本數(shù)量;μik為第k個(gè)樣本xk對第i類的隸屬度,μik∈[0,1];m為加權(quán)指數(shù)。

    如果直接將樣本映射到高維空間后再進(jìn)行聚類,則存在確定非線性映射函數(shù)的形式和參數(shù)、特征空間維數(shù)等問題,但采用核函數(shù)可以有效地解決該問題。定義核函數(shù)K(x,y)=ΦT(x)Φ(y),這樣式(2)中高維空間的歐氏距離可表示為

    ‖Φ(xk)-Φ(vi)‖2=K(xk,xk)+

    K(vi,vi)-2K(xk,vi)

    (3)

    常見的核函數(shù)有高斯核函數(shù)、多項(xiàng)式核函數(shù)、Sigmoid核函數(shù)等,本文選用高斯核函數(shù):

    K(x,y)=exp[-‖x-y‖2/(2σ2)]

    (4)

    式中,σ為高斯核參數(shù)。

    根據(jù)約束條件,結(jié)合式(3)、式(4),運(yùn)用拉格朗日乘子法求式(2)的極小值,可求得隸屬度和聚類中心:

    (5)

    (6)

    2引力搜索算法

    假設(shè)在一個(gè)d維搜索空間中有N個(gè)粒子,定義第l個(gè)粒子位置Ql=(ql1,ql2,…,qld),l=1,2,…,N。

    根據(jù)牛頓引力定理,在第t次迭代中,第r維上第l個(gè)粒子受到第j個(gè)粒子的引力為

    (7)

    G(t)=G0e-αt/T

    (8)

    式中,ε為一個(gè)非常小的常量;MPl(t)為第l個(gè)粒子的被動引力質(zhì)量;MAj(t)為第j個(gè)粒子的主動引力質(zhì)量;G(t)為引力常數(shù);G0=100,α=20;T為最大迭代次數(shù)。

    所以在第t次迭代,第l個(gè)粒子受到來自其他粒子引力合力為

    (9)

    式中,ωj為區(qū)間[0,1]內(nèi)的一個(gè)隨機(jī)數(shù)。

    根據(jù)牛頓第二定理,粒子Ql在第t次迭代時(shí)產(chǎn)生的加速度為

    alr(t)=Flr(t)/MIl(t)

    (10)

    式中,MIl(t)為粒子Ql的慣性質(zhì)量。

    在第t次迭代中,定義粒子Ql的質(zhì)量為Ml(t),假設(shè)引力質(zhì)量與慣性質(zhì)量相等,則有MAl(t)=MPl(t)=MIl(t)=Ml(t)。定義

    (11)

    (12)

    (13)

    (14)

    式中,fl(t)為在第t次迭代時(shí)的適應(yīng)度值。

    在每一次迭代過程中,粒子Ql根據(jù)計(jì)算得到的加速度來更新粒子的速度和位置,更新公式為

    vlr(t+1)=τlvlr(t)+alr(t)

    (15)

    qlr(t+1)=qlr(t)+vlr(t+1)

    (16)

    式中,vlr、alr分別為粒子Ql的速度和加速度;τl為區(qū)間[0,1]內(nèi)的一個(gè)隨機(jī)數(shù)。

    3基于KFCM和GSA故障診斷方法的實(shí)現(xiàn)

    3.1GSA求解KFCM聚類模型

    本文首先利用KFCM法對已知類別的訓(xùn)練樣本進(jìn)行分類。定義一個(gè)含有c類、樣本特征維數(shù)為d的訓(xùn)練樣本X,以訓(xùn)練樣本的分類錯(cuò)誤率評價(jià)聚類有效性,并以此為聚類目標(biāo)建立聚類模型,根據(jù)文獻(xiàn)[13],訓(xùn)練樣本的分類錯(cuò)誤率為

    (17)

    式中,Ci為數(shù)據(jù)集X經(jīng)過KFCM聚類運(yùn)算后分在第i類的樣本集;Ui、|Ui|分別為數(shù)據(jù)集X中第i類的樣本集和所含樣本數(shù)量;|Ci∩Ui|為Ci和Ui的交集所含元素?cái)?shù)量。

    利用GSA求解聚類模型,以初始聚類中心和核函數(shù)參數(shù)為優(yōu)化變量,定義初始聚類中心Zi=(zi1,zi2,…,zid),i=1,2,…,c,高斯核參數(shù)σ。GSA搜索算法粒子的編碼為

    Ql=(z11,z12,…,z1d,z21,z22,…,z2d,…,

    zc1,zc2,…,zcd,σ)

    (18)

    以式(17)為目標(biāo)函數(shù),以聚類中心和高斯核參數(shù)為優(yōu)化變量,搜索W的極小值,則定義適應(yīng)度函數(shù)f=W。GSA求解KFCM聚類模型流程如圖1所示。

    圖1 GSA求解KFCM聚類模型流程圖

    3.2故障診斷流程

    基于KFCM和GSA的故障診斷步驟如下:

    (1)將已知c類故障的歷史數(shù)據(jù)作為訓(xùn)練樣本集X;

    (2)利用KFCM對訓(xùn)練樣本集進(jìn)行分類,利用GSA求解KFCM聚類模型,獲得最優(yōu)分類結(jié)果的第i類的類心oi;

    (3)對于待診斷的新樣本xnew,首先根據(jù)式(19)計(jì)算新樣本xnew與類心oi之間的核空間樣本相似度[11]:

    (19)

    davg=∑d(x,oi)/|Ci|,x∈Ci

    (20)

    式中,d(xnew,oi)為xnew與類心oi在核空間上的歐氏距離;davg為第i類中所有樣本與類心oi在核空間上的平均歐式距離;|Ci|為分在第i類的樣本數(shù)量。

    圖2 基于KFCM和GSA的故障診斷流程圖

    4實(shí)例分析

    4.1風(fēng)電機(jī)組齒輪箱測試描述

    以某風(fēng)電場1.5MW雙饋風(fēng)力發(fā)電機(jī)組為研究對象,風(fēng)輪工作轉(zhuǎn)速范圍為11~21r/min,齒輪箱采用一級行星輪與兩級平行軸結(jié)合的傳動方案,如圖3所示。所選的風(fēng)電機(jī)組齒輪箱在運(yùn)行過程中曾出現(xiàn)中速級小齒輪裂紋故障(記為F1)、高速級小齒輪點(diǎn)蝕故障(記為F2)和高速輸出軸軸承內(nèi)圈故障(記為F3)。在齒輪箱高速軸軸承座位置安裝了壓電加速度傳感器,采集了風(fēng)輪工作轉(zhuǎn)速下的正常運(yùn)行狀態(tài)(記為N)和3種故障狀態(tài)的加速度信號,信號采樣頻率為8192Hz,圖4為4種狀態(tài)下的部分原始時(shí)域波形圖。

    圖3 風(fēng)電機(jī)組齒輪箱結(jié)構(gòu)示意圖

    4.2特征值提取

    考慮風(fēng)電齒輪箱振動信號具有非平穩(wěn)性,本文選用相對小波包能量作為風(fēng)電機(jī)組齒輪箱振動信號特征值。小波包變換能夠?qū)Ψ瞧椒€(wěn)信號進(jìn)行有效的分析,相對小波包能量能夠反應(yīng)信號在不同頻帶內(nèi)的能量分布,文獻(xiàn)[14]給出了相對小波包能量能特征值提取方法,定義如下。

    (a)正常

    (b)中速級小齒輪裂紋故障

    (c)高速級小齒輪點(diǎn)蝕故障

    (d)高速輸出軸軸承內(nèi)圈故障 圖4 四種狀態(tài)振動加速度信號時(shí)域波形

    離散時(shí)間信號x(t)經(jīng)過J層小波包變換后,可以得到2J個(gè)頻率段的小波包系數(shù)CL(k),L=0,1,…,2J-1,某一頻段上的小波包能量定義為該頻率段的小波系數(shù)的平方和:

    (21)

    因此,所有頻段的總能量為

    (22)

    相對小波包能量為

    εL=EL/E

    (23)

    為了驗(yàn)證本文提出的方法能夠?qū)σ阎收线M(jìn)行識別,本文將N、F1和F2作為已知故障,分別編號為1、2、3,并分別從3種狀態(tài)信號中選取30組樣本作為訓(xùn)練樣本,總共獲得90組訓(xùn)練樣本,同時(shí)每個(gè)狀態(tài)選取3組樣本作為測試樣本。為了驗(yàn)證提出的方法能夠?qū)ξ粗收线M(jìn)行判斷,將狀態(tài)F3作為未知故障,并從對應(yīng)的振動信號中提取3組樣本作為測試樣本。每個(gè)樣本采樣點(diǎn)數(shù)為2048。對每個(gè)訓(xùn)練樣本和測試樣本進(jìn)行3層小波包變換,根據(jù)式(21)~式(23)計(jì)算每個(gè)頻段上的相對小波包能量,并將其作為每個(gè)樣本信號的特征值,部分訓(xùn)練樣本和測試樣本數(shù)據(jù)如表1和表2所示。利用KFCM對訓(xùn)練樣本進(jìn)行分類,運(yùn)用GSA求解最優(yōu)分類結(jié)果,獲得最優(yōu)分類結(jié)果對應(yīng)的各個(gè)類的聚類中心,最終按照圖2所示的故障診斷流程對測試樣本進(jìn)行故障分類。

    4.3KFCM和GSA參數(shù)設(shè)置

    KFCM和GSA的參數(shù)設(shè)置如下:類別數(shù)量c=3,特征維數(shù)d=8,加權(quán)指數(shù)m=2,群體粒子個(gè)數(shù)N=50,最大迭代次數(shù)T=100,第k個(gè)粒子的初始速度vk=0,k=1,2,…,50。運(yùn)用GSA求解KFCM聚類模型后,得到最優(yōu)分類結(jié)果以及最優(yōu)分類結(jié)果對應(yīng)的每個(gè)類別的聚類中心和核函數(shù)參數(shù)σ,如表3所示。

    表1 風(fēng)電齒輪箱部分訓(xùn)練樣本特征值

    表2 風(fēng)電齒輪箱測試樣本特征值

    表3 最優(yōu)分類結(jié)果對應(yīng)的每個(gè)類的聚類中心矢量

    4.4診斷結(jié)果與分析

    根據(jù)圖2所示的診斷流程,對表2中的測試樣本進(jìn)行分類診斷。根據(jù)文獻(xiàn)[13]給出的λ取值范圍,本文選取閾值常數(shù)λ=0.2,診斷結(jié)果如表4所示。從表4可以看出,前9個(gè)樣本中,每個(gè)樣本到各個(gè)聚類中心的核空間樣本相似度的最大值均大于λ,這表明樣本1~9屬于已知類別的故障。進(jìn)一步觀察樣本1~9與各個(gè)聚類中心的核空間歐氏距離可以看出,樣本1~3與第1類聚類中心之間的核空間歐氏距離最小,所以樣本1~3分為第1類;樣本4~6與第2類聚類中心之間的核空間歐氏距離最小,所以樣本4~6分為第2類;樣本7~9與第3類聚類中心之間的核空間歐氏距離最小,所以樣本7~9分在為第3類。樣本10~12每個(gè)樣本到各個(gè)聚類中心的核空間樣本相似度的最大值均小于λ,表明這3個(gè)樣本類別不屬于訓(xùn)練樣本中的已知故障類別,屬于未知故障,因此將樣本10~12編號為“4”,診斷結(jié)果與實(shí)際情況相符。

    表4 KFCM+GSA診斷結(jié)果

    最后,本文分別采用BP神經(jīng)網(wǎng)絡(luò)和KFCM方法進(jìn)行故障診斷,診斷結(jié)果如表5所示。從表5可以看出,基于有監(jiān)督學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)可以對已知類別的測試樣本1~9給出正確的分類結(jié)果,但是對未知類別的測試樣本10~12進(jìn)行分類時(shí),BP神經(jīng)網(wǎng)絡(luò)將測試樣本分類在已知的故障類別中,與實(shí)際結(jié)果不符。這是因?yàn)锽P神經(jīng)網(wǎng)絡(luò)只記憶了訓(xùn)練樣本中的類別,因此給出了錯(cuò)誤的診斷結(jié)果。而本文提出的方法將未知類別樣本分在第4類,即不屬于原有訓(xùn)練樣本中的已知故障類別。直接利用KFCM算法由于受到初始聚類中心和核函數(shù)參數(shù)選取的影響,在對已知類別和未知類別的測試樣本分類時(shí)均出現(xiàn)了錯(cuò)誤分類。與表4的診斷結(jié)果進(jìn)行對比,可以看出本文提出的故障診斷方法更加準(zhǔn)確。

    表5 BP神經(jīng)網(wǎng)絡(luò)和KFCM診斷結(jié)果

    5結(jié)語

    本文提出了一種基于模糊核聚類和引力搜索的風(fēng)電齒輪箱故障診斷方法,結(jié)合實(shí)際風(fēng)電齒輪箱故障樣本數(shù)據(jù)對提出的方法進(jìn)行了驗(yàn)證,并與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和KFCM分類方法進(jìn)行了比較。結(jié)果表明,本文提出的方法不僅能夠準(zhǔn)確地識別診斷出已知類別的故障樣本,而且能有效地識別判斷出未知類別的故障樣本,為風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測與故障診斷提供了一種新的思路。

    參考文獻(xiàn):

    [1]Su Zuqiang,Tang Baoping,Deng Lei,et al. Fault Diagnosis Method Using Supervised Extended Local Tangent Space Alignment for Dimension Reduction[J]. Measurement,2015,62:1-14.

    [2]李勝,張培林,李兵,等. 量子BP神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)故障診斷中的應(yīng)用[J]. 中國機(jī)械工程,2014,25(16):2159-2163.

    Li Sheng,Zhang Peilin,Li Bing,et al. Applications of Quantum BP Neural Network in Engine Fault Diagnosis[J]. China Mechanical Engineering,2014,25(16):2159-2163.

    [3]龍泉,劉永前,楊勇平. 基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法[J]. 太陽能學(xué)報(bào),2012,33(1):120-125.

    Long Quang,Liu Yongqian,Yang Yongping. Fault Diagnosis Method of Wind Turbine Gearbox Based on BP Neural Network Trained by Particle Swarm Optimization Algorithm[J]. Acta Energiae Solaris Sinica,2012,33(1):120-125.

    [4]劉麗娟,陳果,郝騰飛. 基于流形學(xué)習(xí)與一類支持向量機(jī)的滾動軸承早期故障識別方法[J]. 中國機(jī)械工程,2013,24(5):628-633.

    Liu Lijuan,Chen Guo,Hao Tengfei. Incipient Fault Recognition of Rolling Bearings Based on Manifold Learning and One-class SVM[J]. China Mechanical Engineering,2013,24(5):628-633.

    [5]Tang Baoping,Song Tao,Li Feng,et al. Fault Diagnosis for a Wind Turbine Transmission System Based on Manifold Learning and Shannon Wavelet Support Vector Machine[J]. Renewable Energy,2014,62(3):1-9.

    [6]Yang Zhiling,Wang Bin,Dong Xinghui,et al. Expert System of Fault Diagnosis for Gearbox in Wind Turbine[J]. Systems Engineering Procedia,2012,4:189-195.

    [7]Liu Jingwei,Xu Meizhi. Kernelized Fuzzy Attribute C-means Clustering Algorithm[J]. Fuzzy Sets and Systems,2008,159(18):2428-2445.

    [8]蔣全勝,賈民平,胡建中,等. 一種基于人工免疫的模糊核聚類算法[J]. 中國機(jī)械工程,2008,19(5):594-597.

    Jiang Quansheng,Jia Minping,Hu Jianzhong,et al. A New Artificial Immunity Based Fuzzy Kernel Clustering Algorithm[J]. China Mechanical Engineering,2008,19(5):594-597.

    [9]黃保海,李巖,王東風(fēng),等. 基于KPCA和KFCM集成的汽輪機(jī)故障診斷[J]. 電力自動化設(shè)備,2010,30(7):84-87.

    Huang Baohai,Li Yan,Wang Dongfeng,et al. Steam Turbine Fault Diagnosis Based on KPCA and KFCM Ensemble[J]. Electric Power Automation Equipment,2010,30(7):84-87.

    [10]Ma Hui,Ekanayake, C,Saha, T K. Power Transformer Fault Diagnosis under Measurement Originated Uncertainties[J]. IEEE Transactions on Dielectrics and Electrical Insulation,2012,19(6):1982-1990.

    [11]Hu Di,Sarosh A,Dong Fengyun. A Novel KFCM Based Fault Diagnosis Method for Unknown Faults in Satellite Reaction Wheels[J]. ISA Transactions,2012,51(2):309-316.

    [12]Rashedi E, Nezamabadi-Pour H, Saryazdi S. GSA: a Gravitational Search Algorithm[J]. Information Sciences,2009,179(13):2232-2248.

    [13]Li Chaoshun, Zhou Jianzhong. Semi-supervised Weighted Kernel Clustering Based on Gravitational Search for Fault Diagnosis[J]. ISA Transactions,2014,53(5):1534-1543.

    [14]Shao Renping,Hu Wentao,Wang Yayun,et al. The Fault Feature Extraction and Classification of Gear Using Principal Component Analysis and Kernel Principal Component Analysis Based on the Wavelet Packet Transform[J]. Measurement,2014,54(6):118-132.

    (編輯張洋)

    猜你喜歡
    故障診斷
    基于包絡(luò)解調(diào)原理的低轉(zhuǎn)速滾動軸承故障診斷
    ILWT-EEMD數(shù)據(jù)處理的ELM滾動軸承故障診斷
    凍干機(jī)常見故障診斷與維修
    基于EWT-SVDP的旋轉(zhuǎn)機(jī)械故障診斷
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動軸承故障診斷
    基于量子萬有引力搜索的SVM自駕故障診斷
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    改進(jìn)的奇異值分解在軸承故障診斷中的應(yīng)用
    基于LCD和排列熵的滾動軸承故障診斷
    基于KPCA和PSOSVM的異步電機(jī)故障診斷
    日本 av在线| 国产高清三级在线| 757午夜福利合集在线观看| 日韩精品青青久久久久久| 久久精品国产清高在天天线| 久久久久久久精品吃奶| 狂野欧美白嫩少妇大欣赏| 高潮久久久久久久久久久不卡| av福利片在线观看| 国产伦精品一区二区三区视频9 | 十八禁网站免费在线| 亚洲五月天丁香| 国产v大片淫在线免费观看| 韩国av一区二区三区四区| 国产熟女xx| 黄色 视频免费看| 美女黄网站色视频| 亚洲欧美日韩高清专用| 国产探花在线观看一区二区| 亚洲成人久久性| 99精品欧美一区二区三区四区| 国模一区二区三区四区视频 | 日韩欧美三级三区| 国产精华一区二区三区| 精品久久久久久久久久免费视频| 熟女电影av网| 黄片小视频在线播放| 亚洲精华国产精华精| 一卡2卡三卡四卡精品乱码亚洲| 国产成+人综合+亚洲专区| 亚洲精品在线观看二区| 亚洲性夜色夜夜综合| 精品熟女少妇八av免费久了| 99久久精品一区二区三区| 999精品在线视频| 久久99热这里只有精品18| 男女之事视频高清在线观看| 国产亚洲欧美98| 亚洲国产欧美网| 大型黄色视频在线免费观看| 精品久久久久久久毛片微露脸| 女警被强在线播放| 久久精品国产综合久久久| 伊人久久大香线蕉亚洲五| 哪里可以看免费的av片| 久9热在线精品视频| 国产在线精品亚洲第一网站| 精品一区二区三区视频在线观看免费| 日韩欧美三级三区| 亚洲国产色片| 看黄色毛片网站| 国产乱人视频| 日韩欧美免费精品| 欧美一级毛片孕妇| 亚洲午夜精品一区,二区,三区| 18禁黄网站禁片免费观看直播| 精品国产乱码久久久久久男人| 成年免费大片在线观看| 一个人看视频在线观看www免费 | 99久久无色码亚洲精品果冻| xxx96com| 国产一区二区三区视频了| 国产精品免费一区二区三区在线| 别揉我奶头~嗯~啊~动态视频| 午夜精品一区二区三区免费看| 国产精品久久久久久久电影 | 青草久久国产| 一级毛片精品| 2021天堂中文幕一二区在线观| 亚洲九九香蕉| 色av中文字幕| 国产精品久久久久久久电影 | 99在线视频只有这里精品首页| 午夜精品一区二区三区免费看| 免费在线观看影片大全网站| 国产高清视频在线观看网站| 久久久久性生活片| 免费看光身美女| 国产不卡一卡二| 欧美在线一区亚洲| 久久午夜综合久久蜜桃| 国产午夜福利久久久久久| 美女高潮喷水抽搐中文字幕| 一进一出抽搐动态| 欧美乱色亚洲激情| 国产精品久久久久久精品电影| 一边摸一边抽搐一进一小说| 国内精品久久久久精免费| 日本黄大片高清| 长腿黑丝高跟| 热99re8久久精品国产| 免费一级毛片在线播放高清视频| 欧美日本亚洲视频在线播放| 中亚洲国语对白在线视频| 高清在线国产一区| 久久久久久九九精品二区国产| 琪琪午夜伦伦电影理论片6080| 国产麻豆成人av免费视频| 亚洲国产欧美网| 日韩欧美精品v在线| 成人午夜高清在线视频| 国产高清videossex| 国产精品1区2区在线观看.| 婷婷六月久久综合丁香| 国产精品久久久久久人妻精品电影| 成年女人毛片免费观看观看9| 又黄又粗又硬又大视频| 欧美在线黄色| 国模一区二区三区四区视频 | 欧美黄色片欧美黄色片| 男人和女人高潮做爰伦理| 久久热在线av| 12—13女人毛片做爰片一| 一二三四社区在线视频社区8| 毛片女人毛片| 高潮久久久久久久久久久不卡| 1000部很黄的大片| 国产一区二区在线av高清观看| 国产淫片久久久久久久久 | 美女高潮喷水抽搐中文字幕| 久久久国产成人免费| 窝窝影院91人妻| 国内少妇人妻偷人精品xxx网站 | 中文资源天堂在线| 亚洲自拍偷在线| 免费观看人在逋| 首页视频小说图片口味搜索| 久久久久国产精品人妻aⅴ院| 啦啦啦免费观看视频1| 日本a在线网址| 久久草成人影院| 天天一区二区日本电影三级| 精品国产三级普通话版| 禁无遮挡网站| 久久久久久久久免费视频了| ponron亚洲| 久久这里只有精品中国| 国产一区二区三区在线臀色熟女| 国产97色在线日韩免费| 精品久久久久久久久久免费视频| 午夜福利高清视频| 亚洲狠狠婷婷综合久久图片| 亚洲国产中文字幕在线视频| 久久久久久久精品吃奶| 天堂网av新在线| 久久精品人妻少妇| 欧美在线一区亚洲| 日日夜夜操网爽| 亚洲乱码一区二区免费版| 成人午夜高清在线视频| 两个人看的免费小视频| 日本与韩国留学比较| 欧美成人性av电影在线观看| 制服人妻中文乱码| 97碰自拍视频| 日本 欧美在线| 精品国产乱子伦一区二区三区| 国产三级中文精品| 免费搜索国产男女视频| 可以在线观看毛片的网站| 久久精品人妻少妇| 亚洲国产精品成人综合色| 观看免费一级毛片| 欧美又色又爽又黄视频| 日本 欧美在线| 国产精品电影一区二区三区| 国内揄拍国产精品人妻在线| 久9热在线精品视频| 特级一级黄色大片| 久久精品影院6| 欧美黄色淫秽网站| 国产一区二区三区视频了| 天天添夜夜摸| 国产高清三级在线| 美女大奶头视频| 午夜免费激情av| 国产成人精品久久二区二区免费| av欧美777| 精品欧美国产一区二区三| 国产亚洲精品综合一区在线观看| 免费av毛片视频| 精品熟女少妇八av免费久了| 欧美精品啪啪一区二区三区| 国产高清视频在线观看网站| 一卡2卡三卡四卡精品乱码亚洲| 三级国产精品欧美在线观看 | 黑人巨大精品欧美一区二区mp4| 亚洲精品粉嫩美女一区| 在线播放国产精品三级| 最好的美女福利视频网| 久久九九热精品免费| 午夜日韩欧美国产| 亚洲,欧美精品.| 精品一区二区三区四区五区乱码| 国产精品1区2区在线观看.| 成年女人永久免费观看视频| 特大巨黑吊av在线直播| 男人舔女人的私密视频| 这个男人来自地球电影免费观看| 成人精品一区二区免费| 99热只有精品国产| 亚洲av电影不卡..在线观看| 国产三级中文精品| 久久九九热精品免费| 特级一级黄色大片| 国产精品一区二区三区四区久久| 美女扒开内裤让男人捅视频| 国内精品美女久久久久久| 搡老妇女老女人老熟妇| 午夜激情欧美在线| 欧美绝顶高潮抽搐喷水| 女生性感内裤真人,穿戴方法视频| e午夜精品久久久久久久| 一级黄色大片毛片| 亚洲七黄色美女视频| 91老司机精品| 亚洲国产看品久久| x7x7x7水蜜桃| 我的老师免费观看完整版| 51午夜福利影视在线观看| 怎么达到女性高潮| 他把我摸到了高潮在线观看| 老司机午夜福利在线观看视频| 成年女人看的毛片在线观看| 夜夜爽天天搞| 亚洲专区字幕在线| 欧美日韩中文字幕国产精品一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 国产爱豆传媒在线观看| 国产精华一区二区三区| 亚洲专区国产一区二区| 午夜亚洲福利在线播放| 天堂av国产一区二区熟女人妻| 久久婷婷人人爽人人干人人爱| 久久这里只有精品19| 亚洲成人免费电影在线观看| 亚洲av熟女| 麻豆一二三区av精品| 国产精品久久久人人做人人爽| 久久这里只有精品19| 全区人妻精品视频| 一个人观看的视频www高清免费观看 | 精品不卡国产一区二区三区| 亚洲欧美日韩卡通动漫| 国产成+人综合+亚洲专区| 亚洲熟妇中文字幕五十中出| 午夜久久久久精精品| 成人三级黄色视频| 一进一出抽搐动态| 免费在线观看影片大全网站| 一本久久中文字幕| 超碰成人久久| 国产午夜精品久久久久久| 91麻豆av在线| 亚洲成人精品中文字幕电影| 国产成人av教育| 九九在线视频观看精品| 亚洲黑人精品在线| 亚洲自偷自拍图片 自拍| 国产午夜精品久久久久久| 日本三级黄在线观看| 99国产极品粉嫩在线观看| 男插女下体视频免费在线播放| www日本在线高清视频| 麻豆国产97在线/欧美| 国产av一区在线观看免费| 亚洲乱码一区二区免费版| 欧美色视频一区免费| 网址你懂的国产日韩在线| 国产精品爽爽va在线观看网站| 99久久成人亚洲精品观看| 日韩成人在线观看一区二区三区| 免费在线观看成人毛片| 国内少妇人妻偷人精品xxx网站 | 成人三级黄色视频| 免费在线观看亚洲国产| 91字幕亚洲| 午夜免费激情av| 成人国产综合亚洲| 俄罗斯特黄特色一大片| 黑人操中国人逼视频| 欧美黑人欧美精品刺激| 九色国产91popny在线| 国产又色又爽无遮挡免费看| 美女 人体艺术 gogo| 午夜福利在线观看免费完整高清在 | 国产野战对白在线观看| av女优亚洲男人天堂 | 18禁黄网站禁片午夜丰满| 国产精品久久久久久久电影 | 99久久成人亚洲精品观看| 国产精品久久久av美女十八| 美女高潮的动态| 大型黄色视频在线免费观看| 国产成人aa在线观看| 国产精品久久久久久久电影 | 精品久久久久久久久久久久久| 国产精品久久久av美女十八| 亚洲人成伊人成综合网2020| 18禁美女被吸乳视频| 99精品在免费线老司机午夜| 波多野结衣高清作品| 高清在线国产一区| 国产精品久久久人人做人人爽| 国产v大片淫在线免费观看| 午夜福利在线在线| 女警被强在线播放| 男人舔女人的私密视频| 黄色片一级片一级黄色片| 久久香蕉精品热| 啪啪无遮挡十八禁网站| 老熟妇乱子伦视频在线观看| 亚洲七黄色美女视频| 91在线观看av| 国产精品av久久久久免费| 一级毛片高清免费大全| 成人特级av手机在线观看| 亚洲av成人精品一区久久| 99久久精品热视频| 国产精品久久电影中文字幕| 久久精品aⅴ一区二区三区四区| 久久草成人影院| 男女午夜视频在线观看| e午夜精品久久久久久久| 大型黄色视频在线免费观看| 狂野欧美白嫩少妇大欣赏| 每晚都被弄得嗷嗷叫到高潮| 久久午夜亚洲精品久久| 亚洲中文字幕一区二区三区有码在线看 | 日韩欧美一区二区三区在线观看| 香蕉国产在线看| 麻豆成人av在线观看| 亚洲欧美日韩卡通动漫| 日韩国内少妇激情av| 久久中文字幕一级| 亚洲一区二区三区不卡视频| 91av网站免费观看| 超碰成人久久| 国产成人精品无人区| 免费看光身美女| 精品国产乱码久久久久久男人| 亚洲成av人片在线播放无| 亚洲精品粉嫩美女一区| 一级毛片高清免费大全| 舔av片在线| 久久久久久久久中文| 国产精品日韩av在线免费观看| 久久久精品大字幕| 长腿黑丝高跟| 亚洲av中文字字幕乱码综合| 久久精品综合一区二区三区| 成人精品一区二区免费| 最近视频中文字幕2019在线8| 国产成人精品久久二区二区免费| 亚洲性夜色夜夜综合| 欧美高清成人免费视频www| 床上黄色一级片| 免费在线观看日本一区| 日韩三级视频一区二区三区| 少妇的逼水好多| 欧美性猛交黑人性爽| 一级毛片精品| or卡值多少钱| 成人永久免费在线观看视频| 最近最新中文字幕大全免费视频| 国产黄片美女视频| 欧美成人一区二区免费高清观看 | 欧美日韩福利视频一区二区| 午夜福利高清视频| 亚洲欧美激情综合另类| 欧美av亚洲av综合av国产av| 99久久综合精品五月天人人| 国产主播在线观看一区二区| 天堂影院成人在线观看| 美女高潮喷水抽搐中文字幕| 日日夜夜操网爽| 国产黄a三级三级三级人| 亚洲 欧美一区二区三区| 国产欧美日韩精品亚洲av| 高潮久久久久久久久久久不卡| 亚洲国产欧洲综合997久久,| 国产精品野战在线观看| 精品久久久久久久毛片微露脸| 欧美高清成人免费视频www| 亚洲狠狠婷婷综合久久图片| 亚洲自偷自拍图片 自拍| 亚洲av第一区精品v没综合| 国产免费男女视频| 久久亚洲真实| 亚洲电影在线观看av| 真人一进一出gif抽搐免费| 免费在线观看影片大全网站| 中文字幕精品亚洲无线码一区| 久久欧美精品欧美久久欧美| 国产69精品久久久久777片 | 久久久精品大字幕| 九九热线精品视视频播放| 99久久99久久久精品蜜桃| 国产一区二区三区在线臀色熟女| 免费在线观看视频国产中文字幕亚洲| 母亲3免费完整高清在线观看| 一级黄色大片毛片| 1024手机看黄色片| 国产三级中文精品| 少妇的丰满在线观看| 一级a爱片免费观看的视频| 一卡2卡三卡四卡精品乱码亚洲| 久久这里只有精品中国| 亚洲在线自拍视频| 九九热线精品视视频播放| 韩国av一区二区三区四区| 观看美女的网站| 岛国在线观看网站| www.www免费av| 亚洲电影在线观看av| 久9热在线精品视频| 大型黄色视频在线免费观看| 国产单亲对白刺激| 国产又色又爽无遮挡免费看| 久久午夜综合久久蜜桃| 亚洲精品国产精品久久久不卡| 天堂av国产一区二区熟女人妻| 久久久精品欧美日韩精品| 成人永久免费在线观看视频| 天天躁日日操中文字幕| 亚洲国产高清在线一区二区三| 香蕉国产在线看| 18禁观看日本| 国产69精品久久久久777片 | 国产激情偷乱视频一区二区| 午夜福利免费观看在线| 99国产精品一区二区三区| 一个人观看的视频www高清免费观看 | 精品国产美女av久久久久小说| 天堂av国产一区二区熟女人妻| 久久久久久大精品| 757午夜福利合集在线观看| 色精品久久人妻99蜜桃| 人妻夜夜爽99麻豆av| 中文字幕精品亚洲无线码一区| 日韩欧美精品v在线| 国产激情久久老熟女| 宅男免费午夜| 一区二区三区国产精品乱码| 日日干狠狠操夜夜爽| 变态另类成人亚洲欧美熟女| 久9热在线精品视频| av天堂在线播放| 99久国产av精品| 国产蜜桃级精品一区二区三区| 国产在线精品亚洲第一网站| 一个人免费在线观看的高清视频| 亚洲欧美日韩东京热| 母亲3免费完整高清在线观看| 一区二区三区激情视频| 在线免费观看不下载黄p国产 | 久久国产精品人妻蜜桃| 成人特级av手机在线观看| 熟妇人妻久久中文字幕3abv| 丝袜人妻中文字幕| 久久久久久九九精品二区国产| 日本黄色片子视频| 男女做爰动态图高潮gif福利片| 最近最新中文字幕大全电影3| 女生性感内裤真人,穿戴方法视频| 欧美日韩国产亚洲二区| 18美女黄网站色大片免费观看| 国产午夜福利久久久久久| 久久这里只有精品19| 中文字幕人成人乱码亚洲影| 久久热在线av| 嫩草影院精品99| 久久久久国产精品人妻aⅴ院| 一本久久中文字幕| 久久久久亚洲av毛片大全| 老司机午夜福利在线观看视频| 一进一出好大好爽视频| 国产伦精品一区二区三区四那| 制服丝袜大香蕉在线| 欧美日韩精品网址| 欧美色视频一区免费| 国产三级在线视频| 在线播放国产精品三级| 欧美日韩中文字幕国产精品一区二区三区| www日本在线高清视频| 日本一二三区视频观看| 国产精品久久久久久亚洲av鲁大| 欧美日韩亚洲国产一区二区在线观看| 国产精品一区二区三区四区久久| 成年版毛片免费区| 一本一本综合久久| 精品久久久久久,| 天堂影院成人在线观看| a级毛片a级免费在线| 激情在线观看视频在线高清| 国产淫片久久久久久久久 | 国产精品国产高清国产av| 久久久久九九精品影院| 99国产极品粉嫩在线观看| 蜜桃久久精品国产亚洲av| 国产av不卡久久| 欧美乱色亚洲激情| 最近最新免费中文字幕在线| 日本黄大片高清| 成人鲁丝片一二三区免费| 欧美午夜高清在线| 日韩欧美在线乱码| 欧美成人一区二区免费高清观看 | 熟女少妇亚洲综合色aaa.| 日韩欧美三级三区| 欧美日韩国产亚洲二区| 亚洲五月婷婷丁香| 国产三级在线视频| 国产又黄又爽又无遮挡在线| 哪里可以看免费的av片| 亚洲国产精品合色在线| 国产淫片久久久久久久久 | 欧美不卡视频在线免费观看| 99精品久久久久人妻精品| 欧美在线黄色| 国产探花在线观看一区二区| 亚洲av熟女| 每晚都被弄得嗷嗷叫到高潮| 午夜福利成人在线免费观看| 国产黄a三级三级三级人| 又黄又爽又免费观看的视频| 99精品久久久久人妻精品| 18禁黄网站禁片免费观看直播| 精品一区二区三区av网在线观看| 国产精品女同一区二区软件 | 老司机午夜十八禁免费视频| 香蕉av资源在线| 色综合婷婷激情| 国模一区二区三区四区视频 | 蜜桃久久精品国产亚洲av| 国产午夜精品久久久久久| 婷婷亚洲欧美| 国产麻豆成人av免费视频| 热99在线观看视频| 亚洲中文日韩欧美视频| 国模一区二区三区四区视频 | 久久久久精品国产欧美久久久| 视频区欧美日本亚洲| 黄色成人免费大全| 亚洲人成伊人成综合网2020| 色吧在线观看| 搞女人的毛片| 午夜精品久久久久久毛片777| 少妇丰满av| 国产激情欧美一区二区| 日韩av在线大香蕉| 日韩免费av在线播放| 午夜成年电影在线免费观看| 精品久久久久久久毛片微露脸| 黑人巨大精品欧美一区二区mp4| 欧美色欧美亚洲另类二区| 国产精品免费一区二区三区在线| 国产免费男女视频| 亚洲国产色片| 久久精品国产亚洲av香蕉五月| 真人做人爱边吃奶动态| 免费看十八禁软件| 国产男靠女视频免费网站| 国产又黄又爽又无遮挡在线| 一个人免费在线观看电影 | 欧美3d第一页| 免费高清视频大片| 网址你懂的国产日韩在线| 精品无人区乱码1区二区| 久久中文看片网| 日韩国内少妇激情av| 国产真实乱freesex| 一a级毛片在线观看| 小蜜桃在线观看免费完整版高清| 性色avwww在线观看| 亚洲欧美日韩无卡精品| 国产精品电影一区二区三区| 中亚洲国语对白在线视频| 女人高潮潮喷娇喘18禁视频| 亚洲人成网站高清观看| 成人午夜高清在线视频| 97碰自拍视频| 久久热在线av| 久久久久久久精品吃奶| 午夜福利在线在线| 91老司机精品| 一个人观看的视频www高清免费观看 | 露出奶头的视频| 日本黄色视频三级网站网址| 成人鲁丝片一二三区免费| 亚洲精品美女久久av网站| 黄色日韩在线| 欧美黄色淫秽网站| 国产成人福利小说| 国产精品亚洲一级av第二区| 成年女人毛片免费观看观看9| 亚洲国产欧美人成| 亚洲熟女毛片儿| 99久国产av精品| 欧美性猛交黑人性爽| 亚洲电影在线观看av| 一卡2卡三卡四卡精品乱码亚洲| 国产精品爽爽va在线观看网站| 精品一区二区三区视频在线观看免费| 熟女少妇亚洲综合色aaa.| 天天添夜夜摸| 每晚都被弄得嗷嗷叫到高潮| www.熟女人妻精品国产| 久久中文字幕一级| 欧美一区二区精品小视频在线| 日韩欧美国产在线观看| 两个人视频免费观看高清| 欧美又色又爽又黄视频| 高潮久久久久久久久久久不卡| 亚洲精华国产精华精|