• <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
    国产精华一区二区三区| 99久久精品一区二区三区| 九草在线视频观看| 亚洲激情五月婷婷啪啪| 久久中文看片网| 国产高清有码在线观看视频| 亚洲最大成人手机在线| 99久久成人亚洲精品观看| 国产免费男女视频| 亚洲欧美日韩无卡精品| 久久久久久大精品| 精品无人区乱码1区二区| 亚洲天堂国产精品一区在线| 国产亚洲精品久久久久久毛片| www日本黄色视频网| or卡值多少钱| 一本一本综合久久| 可以在线观看毛片的网站| 九九在线视频观看精品| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 小说图片视频综合网站| 精品久久久久久久久亚洲| 18禁在线播放成人免费| 免费看av在线观看网站| 国内精品一区二区在线观看| 日韩中字成人| 国产成人a∨麻豆精品| 男人狂女人下面高潮的视频| 两性午夜刺激爽爽歪歪视频在线观看| 精品久久国产蜜桃| 国产老妇伦熟女老妇高清| 久久人妻av系列| 国产精品1区2区在线观看.| 亚洲自拍偷在线| 国产一区二区亚洲精品在线观看| 中文字幕精品亚洲无线码一区| 真实男女啪啪啪动态图| av福利片在线观看| 亚洲欧洲国产日韩| 亚洲精品久久国产高清桃花| 国产又黄又爽又无遮挡在线| 国产成人精品久久久久久| 国产私拍福利视频在线观看| 亚洲av免费高清在线观看| 老师上课跳d突然被开到最大视频| 国产精品.久久久| eeuss影院久久| 日本爱情动作片www.在线观看| 啦啦啦啦在线视频资源| 看十八女毛片水多多多| 少妇丰满av| 69人妻影院| 成人鲁丝片一二三区免费| 中文资源天堂在线| 久久精品国产自在天天线| а√天堂www在线а√下载| 国产69精品久久久久777片| 人人妻人人看人人澡| 国内少妇人妻偷人精品xxx网站| 中文精品一卡2卡3卡4更新| 午夜福利视频1000在线观看| 成人一区二区视频在线观看| 日韩欧美 国产精品| 欧美精品国产亚洲| 午夜激情欧美在线| 欧美激情国产日韩精品一区| 午夜a级毛片| 亚洲av熟女| 晚上一个人看的免费电影| 伊人久久精品亚洲午夜| av免费观看日本| 国产精品,欧美在线| av国产免费在线观看| 激情 狠狠 欧美| 中文字幕精品亚洲无线码一区| 欧美高清成人免费视频www| 22中文网久久字幕| 91久久精品国产一区二区三区| 乱系列少妇在线播放| 国产高清三级在线| 99热精品在线国产| 久久亚洲国产成人精品v| 久久精品国产鲁丝片午夜精品| 欧美变态另类bdsm刘玥| 免费人成在线观看视频色| 国产午夜精品一二区理论片| 日韩国内少妇激情av| 久久久久久久久久久免费av| 成人特级黄色片久久久久久久| 一进一出抽搐gif免费好疼| 欧美又色又爽又黄视频| 国产精品久久久久久精品电影| 免费不卡的大黄色大毛片视频在线观看 | 久久久久九九精品影院| 亚洲精品国产av成人精品| 欧美色欧美亚洲另类二区| 亚洲国产日韩欧美精品在线观看| 日韩精品有码人妻一区| 久久午夜亚洲精品久久| 高清日韩中文字幕在线| 悠悠久久av| 精品久久国产蜜桃| 国产精品蜜桃在线观看 | 亚洲欧洲日产国产| 成人二区视频| 亚洲电影在线观看av| 国产高清视频在线观看网站| 麻豆精品久久久久久蜜桃| 亚洲性久久影院| 久久99蜜桃精品久久| 观看美女的网站| 如何舔出高潮| 精品熟女少妇av免费看| 国产精品精品国产色婷婷| 日本黄色片子视频| 天天一区二区日本电影三级| 色吧在线观看| 麻豆国产av国片精品| 成人欧美大片| 国产三级中文精品| 日本av手机在线免费观看| 精品久久久久久成人av| 国产一级毛片七仙女欲春2| 国产成人福利小说| 亚洲欧美精品综合久久99| 老熟妇乱子伦视频在线观看| 国产一区二区激情短视频| 麻豆精品久久久久久蜜桃| 欧美激情久久久久久爽电影| 亚洲熟妇中文字幕五十中出| 91精品国产九色| 国产精品不卡视频一区二区| 网址你懂的国产日韩在线| 亚洲av电影不卡..在线观看| 日韩制服骚丝袜av| 日韩欧美三级三区| 91在线精品国自产拍蜜月| 亚洲精品色激情综合| 免费电影在线观看免费观看| 欧美一区二区国产精品久久精品| 国产黄片视频在线免费观看| 一个人观看的视频www高清免费观看| 好男人在线观看高清免费视频| 久久精品国产鲁丝片午夜精品| 内射极品少妇av片p| 国产一区二区在线观看日韩| 麻豆成人午夜福利视频| 国产精品.久久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 一本精品99久久精品77| 亚洲欧美精品专区久久| 久久韩国三级中文字幕| 免费一级毛片在线播放高清视频| 一区福利在线观看| 国产成人aa在线观看| 91狼人影院| 男人舔女人下体高潮全视频| 亚洲欧美中文字幕日韩二区| 精品少妇黑人巨大在线播放 | 午夜福利在线观看吧| 老女人水多毛片| 三级国产精品欧美在线观看| 18禁在线播放成人免费| 99久久人妻综合| 悠悠久久av| 18禁在线播放成人免费| 国产在线精品亚洲第一网站| 日韩欧美 国产精品| 少妇裸体淫交视频免费看高清| 亚洲美女搞黄在线观看| 亚洲精品自拍成人| 日韩高清综合在线| 欧美人与善性xxx| 国产蜜桃级精品一区二区三区| 国产淫片久久久久久久久| 久久久久久久久久久丰满| 久久久精品大字幕| 亚洲精品日韩av片在线观看| 99久久精品一区二区三区| 亚洲经典国产精华液单| 久久精品人妻少妇| 波多野结衣高清作品| 偷拍熟女少妇极品色| 一本久久中文字幕| 亚洲精品456在线播放app| 久久久久免费精品人妻一区二区| 人妻夜夜爽99麻豆av| 99久久精品热视频| 男女视频在线观看网站免费| 99热6这里只有精品| 免费一级毛片在线播放高清视频| 日韩中字成人| 久久精品夜色国产| 婷婷精品国产亚洲av| 男女边吃奶边做爰视频| 午夜精品国产一区二区电影 | 综合色av麻豆| 亚洲aⅴ乱码一区二区在线播放| 村上凉子中文字幕在线| av又黄又爽大尺度在线免费看 | 一个人看的www免费观看视频| 亚洲经典国产精华液单| 亚洲激情五月婷婷啪啪| 成人特级av手机在线观看| 国产成人aa在线观看| 国产色婷婷99| 成年女人看的毛片在线观看| 亚洲国产高清在线一区二区三| 日本av手机在线免费观看| 一边摸一边抽搐一进一小说| 乱系列少妇在线播放| 欧美另类亚洲清纯唯美| 天堂网av新在线| 亚洲欧美日韩东京热| 午夜福利高清视频| 国产蜜桃级精品一区二区三区| 国产一区二区激情短视频| 欧美激情在线99| 日本欧美国产在线视频| 少妇熟女欧美另类| 亚洲在线观看片| 在线观看66精品国产| 欧美+亚洲+日韩+国产| 亚州av有码| 91在线精品国自产拍蜜月| 美女 人体艺术 gogo| 亚洲天堂国产精品一区在线| 久久久久国产网址| 亚洲激情五月婷婷啪啪| 波多野结衣高清作品| 卡戴珊不雅视频在线播放| 日本黄色片子视频| 大香蕉久久网| 日韩制服骚丝袜av| 亚洲aⅴ乱码一区二区在线播放| 成年免费大片在线观看| 美女大奶头视频| 黄色一级大片看看| 18禁黄网站禁片免费观看直播| 国产精品爽爽va在线观看网站| 亚洲成人久久爱视频| 成人午夜精彩视频在线观看| 一进一出抽搐gif免费好疼| 国产精品人妻久久久影院| 国产精品久久久久久精品电影小说 | 性欧美人与动物交配| 国产亚洲精品久久久久久毛片| 我要搜黄色片| 精品久久久噜噜| www日本黄色视频网| 日韩 亚洲 欧美在线| 亚洲成人av在线免费| 欧美日韩乱码在线| 国产精品不卡视频一区二区| 国国产精品蜜臀av免费| 天堂影院成人在线观看| 人妻夜夜爽99麻豆av| av免费在线看不卡| 免费观看在线日韩| 久久精品夜夜夜夜夜久久蜜豆| 亚洲aⅴ乱码一区二区在线播放| 成熟少妇高潮喷水视频| 亚洲经典国产精华液单| 国产精品免费一区二区三区在线| 欧美色视频一区免费| 国产探花在线观看一区二区| 2022亚洲国产成人精品| 国产黄片视频在线免费观看| 别揉我奶头 嗯啊视频| 亚洲精品久久久久久婷婷小说 | 亚洲在线观看片| 精品不卡国产一区二区三区| 听说在线观看完整版免费高清| 亚洲国产高清在线一区二区三| 亚洲国产精品国产精品| 国产黄片美女视频| 丰满人妻一区二区三区视频av| 最近2019中文字幕mv第一页| 99久久精品一区二区三区| 97人妻精品一区二区三区麻豆| 最近视频中文字幕2019在线8| 狂野欧美白嫩少妇大欣赏| 人人妻人人看人人澡| 日产精品乱码卡一卡2卡三| 国产视频首页在线观看| 亚洲精品456在线播放app| 在线观看66精品国产| 丰满人妻一区二区三区视频av| 免费在线观看成人毛片| 日日摸夜夜添夜夜添av毛片| 亚洲精品亚洲一区二区| 搡老妇女老女人老熟妇| 最近最新中文字幕大全电影3| .国产精品久久| 国产成人福利小说| 久久精品国产99精品国产亚洲性色| 久久鲁丝午夜福利片| 伦理电影大哥的女人| 熟妇人妻久久中文字幕3abv| 男女啪啪激烈高潮av片| 久久精品综合一区二区三区| 精品无人区乱码1区二区| 免费看光身美女| eeuss影院久久| 两个人视频免费观看高清| 天堂影院成人在线观看| 神马国产精品三级电影在线观看| 一个人观看的视频www高清免费观看| 成人美女网站在线观看视频| 悠悠久久av| АⅤ资源中文在线天堂| 非洲黑人性xxxx精品又粗又长| 欧美+日韩+精品| 成人三级黄色视频| 亚洲高清免费不卡视频| 国产成人a区在线观看| 久久久午夜欧美精品| 岛国在线免费视频观看| 99久久成人亚洲精品观看| 国内少妇人妻偷人精品xxx网站| 天美传媒精品一区二区| 十八禁国产超污无遮挡网站| 亚洲精品乱码久久久久久按摩| 亚洲av熟女| 国产色婷婷99| 欧美bdsm另类| 亚洲人成网站在线播| 亚洲欧美精品专区久久| 欧美xxxx性猛交bbbb| 99久久久亚洲精品蜜臀av| 国产亚洲精品久久久com| 人体艺术视频欧美日本| 久久久久九九精品影院| 天堂中文最新版在线下载 | 尤物成人国产欧美一区二区三区| 国产成人91sexporn| 成人亚洲精品av一区二区| 亚洲国产精品sss在线观看| 久久精品国产亚洲网站| 日产精品乱码卡一卡2卡三| 一区二区三区免费毛片| 99久久精品一区二区三区| 欧美一区二区精品小视频在线| 亚洲最大成人av| 成人二区视频| 婷婷亚洲欧美| 在线免费观看的www视频| 亚洲最大成人手机在线| 在线播放无遮挡| 欧美性猛交黑人性爽| 欧美潮喷喷水| 亚洲精品粉嫩美女一区| 日韩一区二区视频免费看| 国产国拍精品亚洲av在线观看| 内地一区二区视频在线| 国产成人精品久久久久久| 噜噜噜噜噜久久久久久91| 在线播放无遮挡| 九九热线精品视视频播放| 少妇人妻精品综合一区二区 | 久久99蜜桃精品久久| videossex国产| 在线播放无遮挡| 久久中文看片网| 久久久国产成人精品二区| 免费观看在线日韩| 亚洲av第一区精品v没综合| 国内精品久久久久精免费| av国产免费在线观看| 国产精品久久久久久精品电影小说 | 26uuu在线亚洲综合色| 国产成人aa在线观看| 精品人妻偷拍中文字幕| 最近的中文字幕免费完整| 国产高潮美女av| 精品欧美国产一区二区三| 日本-黄色视频高清免费观看| 亚洲四区av| 亚洲中文字幕日韩| 国产亚洲精品久久久com| 永久网站在线| 能在线免费观看的黄片| av在线观看视频网站免费| 夜夜夜夜夜久久久久| 村上凉子中文字幕在线| 午夜福利成人在线免费观看| 久久久成人免费电影| 天堂影院成人在线观看| 亚洲国产欧洲综合997久久,| 赤兔流量卡办理| 国产亚洲91精品色在线| 美女被艹到高潮喷水动态| 亚洲国产欧美人成| 十八禁国产超污无遮挡网站| 亚洲精品日韩av片在线观看| 麻豆国产av国片精品| 欧美+日韩+精品| 91麻豆精品激情在线观看国产| 日本免费a在线| a级毛片a级免费在线| 老师上课跳d突然被开到最大视频| 高清日韩中文字幕在线| 国产探花在线观看一区二区| 国产精品爽爽va在线观看网站| 久久亚洲国产成人精品v| 亚洲av一区综合| 亚洲欧美日韩东京热| 卡戴珊不雅视频在线播放| .国产精品久久| 午夜免费激情av| 亚洲第一区二区三区不卡| 久久久国产成人免费| 12—13女人毛片做爰片一| 欧美xxxx性猛交bbbb| 久久99精品国语久久久| 久久草成人影院| 亚洲欧美成人综合另类久久久 | 伦理电影大哥的女人| 欧美成人一区二区免费高清观看| 永久网站在线| 国产精品美女特级片免费视频播放器| 亚洲欧美精品专区久久| 九九爱精品视频在线观看| 久久久久久久久大av| 最近最新中文字幕大全电影3| 国产成人精品婷婷| 午夜免费男女啪啪视频观看| 国产黄片视频在线免费观看| 网址你懂的国产日韩在线| 一本久久中文字幕| 中文字幕av成人在线电影| 亚洲人与动物交配视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲精品久久国产高清桃花| 精品一区二区三区人妻视频| 三级毛片av免费| 久久欧美精品欧美久久欧美| 老司机福利观看| www.色视频.com| 男女那种视频在线观看| 久久久久久国产a免费观看| 亚洲性久久影院| а√天堂www在线а√下载| 欧美最新免费一区二区三区| 精品一区二区三区视频在线| 久久人人精品亚洲av| 晚上一个人看的免费电影| 精品一区二区免费观看| 国产欧美日韩精品一区二区| 欧美性感艳星| 亚洲国产精品合色在线| 午夜福利视频1000在线观看| 国产三级中文精品| 亚洲人成网站在线播| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日日撸夜夜添| 亚洲在线观看片| 狂野欧美激情性xxxx在线观看| 欧美+日韩+精品| 亚洲五月天丁香| 精品熟女少妇av免费看| 免费在线观看成人毛片| 久久亚洲精品不卡| 国产探花在线观看一区二区| 亚洲av一区综合| av福利片在线观看| 精品人妻熟女av久视频| 精品久久久久久久久亚洲| 中文在线观看免费www的网站| 亚洲内射少妇av| 国产伦在线观看视频一区| 99国产精品一区二区蜜桃av| 不卡一级毛片| 干丝袜人妻中文字幕| 男人舔女人下体高潮全视频| 午夜精品一区二区三区免费看| a级毛片a级免费在线| www.av在线官网国产| 99riav亚洲国产免费| 22中文网久久字幕| 亚洲av电影不卡..在线观看| 中文精品一卡2卡3卡4更新| 午夜免费男女啪啪视频观看| 国产成人a∨麻豆精品| 国产精品一区二区性色av| 久久99热6这里只有精品| 久久婷婷人人爽人人干人人爱| 联通29元200g的流量卡| 嫩草影院新地址| 亚洲人成网站在线播放欧美日韩| 99热6这里只有精品| avwww免费| 日韩大尺度精品在线看网址| 校园人妻丝袜中文字幕| 亚洲电影在线观看av| 国产日本99.免费观看| 亚洲美女视频黄频| 成人午夜精彩视频在线观看| 国产伦精品一区二区三区视频9| 国产一级毛片在线| 丰满的人妻完整版| 国产激情偷乱视频一区二区| 日本免费a在线| 亚洲中文字幕日韩| 桃色一区二区三区在线观看| 91麻豆精品激情在线观看国产| 欧美变态另类bdsm刘玥| 夜夜爽天天搞| 日韩av不卡免费在线播放| 亚洲欧美精品综合久久99| 深夜精品福利| 久久精品国产亚洲av涩爱 | 亚洲精品自拍成人| 日本三级黄在线观看| 成年女人永久免费观看视频| 黄色配什么色好看| 好男人在线观看高清免费视频| 少妇人妻一区二区三区视频| 久久久a久久爽久久v久久| 综合色av麻豆| 在线观看66精品国产| 三级毛片av免费| 国产精品av视频在线免费观看| 免费观看精品视频网站| 亚洲av熟女| 国产高潮美女av| 成熟少妇高潮喷水视频| 亚洲精品粉嫩美女一区| 成年版毛片免费区| 精品人妻熟女av久视频| 久久这里只有精品中国| 在线国产一区二区在线| 一区二区三区免费毛片| 亚洲真实伦在线观看| 乱码一卡2卡4卡精品| 淫秽高清视频在线观看| 99视频精品全部免费 在线| 青春草国产在线视频 | 欧美极品一区二区三区四区| 有码 亚洲区| 久久久久久久久久久免费av| 三级毛片av免费| www.色视频.com| 91精品一卡2卡3卡4卡| 一本久久精品| 亚洲国产精品sss在线观看| 国产色婷婷99| 色播亚洲综合网| 一区二区三区高清视频在线| 中文字幕制服av| 国产av不卡久久| 国产精品.久久久| 久久精品夜色国产| 亚洲av.av天堂| 欧美日韩国产亚洲二区| 男人的好看免费观看在线视频| 亚洲成人精品中文字幕电影| 黄色欧美视频在线观看| 亚洲国产精品成人综合色| 91午夜精品亚洲一区二区三区| 国产乱人偷精品视频| 深爱激情五月婷婷| 精品一区二区三区人妻视频| 精品99又大又爽又粗少妇毛片| 亚洲成av人片在线播放无| 久久午夜福利片| av在线观看视频网站免费| 99热这里只有是精品50| 最近中文字幕高清免费大全6| 日韩欧美 国产精品| 日本三级黄在线观看| 最近视频中文字幕2019在线8| 欧美日韩一区二区视频在线观看视频在线 | 国产成人午夜福利电影在线观看| 国产成人影院久久av| 久久国产乱子免费精品| 亚洲三级黄色毛片| 国产成人a∨麻豆精品| 午夜福利在线在线| 久久久久久久亚洲中文字幕| 成人午夜高清在线视频| 亚洲精品亚洲一区二区| 最近最新中文字幕大全电影3| 嫩草影院新地址| 日韩一本色道免费dvd| 国内久久婷婷六月综合欲色啪| 我要看日韩黄色一级片| 成人特级黄色片久久久久久久| 国产精品久久久久久久久免| 哪里可以看免费的av片| 看十八女毛片水多多多| 国产精品一二三区在线看| 亚洲熟妇中文字幕五十中出| 三级经典国产精品| 夜夜夜夜夜久久久久| 国产国拍精品亚洲av在线观看| 人人妻人人澡人人爽人人夜夜 | 日本av手机在线免费观看| 午夜福利高清视频| 国产大屁股一区二区在线视频| 在线观看美女被高潮喷水网站| 12—13女人毛片做爰片一| 高清在线视频一区二区三区 | 给我免费播放毛片高清在线观看| 欧美bdsm另类| 国产亚洲精品av在线| 精品一区二区三区视频在线| 国产成人91sexporn| 日本熟妇午夜| 一级黄片播放器| 中文精品一卡2卡3卡4更新| av福利片在线观看| 免费看日本二区| 综合色av麻豆| 色哟哟哟哟哟哟|