• <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 ?

    基于粒子群優(yōu)化匹配追蹤的風(fēng)機(jī)振動信號去噪處理

    2016-07-19 02:14:09甘曉曄李麗娜曾慶勛張兆剛
    關(guān)鍵詞:齒輪箱原子風(fēng)機(jī)

    甘曉曄 李麗娜 曾慶勛 張兆剛

    1(遼寧科技學(xué)院機(jī)械工程學(xué)院 遼寧 本溪 117000)2(遼寧大學(xué)物理學(xué)院 遼寧 沈陽 110036)

    ?

    基于粒子群優(yōu)化匹配追蹤的風(fēng)機(jī)振動信號去噪處理

    甘曉曄1李麗娜2*曾慶勛2張兆剛1

    1(遼寧科技學(xué)院機(jī)械工程學(xué)院遼寧 本溪 117000)2(遼寧大學(xué)物理學(xué)院遼寧 沈陽 110036)

    摘要針對風(fēng)力機(jī)振動信號采集過程中易受噪聲影響的問題,提出基于過完備原子庫的匹配追蹤算法對風(fēng)機(jī)振動信號進(jìn)行處理。該算法能自適應(yīng)提取和原子相關(guān)的信號結(jié)構(gòu),從而可實(shí)現(xiàn)噪聲抑制。在匹配追蹤算法處理過程中,利用結(jié)合梯度信息的改進(jìn)的粒子群優(yōu)化算法來尋找最佳原子。仿真結(jié)果表明,該算法比標(biāo)準(zhǔn)匹配追蹤算法具有更快的運(yùn)算效率及更高的重構(gòu)精度。利用該算法對風(fēng)力發(fā)電機(jī)齒輪箱振動信號進(jìn)行去噪處理實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,去噪后信號信噪比可提高5 dB以上,波形特征更加清晰,并且可以在降噪的同時有效保留故障信息。

    關(guān)鍵詞匹配追蹤粒子群優(yōu)化梯度信息風(fēng)機(jī)振動信號去噪處理

    0引言

    風(fēng)力發(fā)電機(jī)振動信號是對風(fēng)機(jī)運(yùn)行狀況進(jìn)行監(jiān)測及故障分析與診斷的重要依據(jù)。風(fēng)力發(fā)電機(jī)通常工作于偏遠(yuǎn)地區(qū),工作環(huán)境惡劣,非常容易受到風(fēng)力等因素的影響。加之布線復(fù)雜且長度較長,也易受到電磁及工頻干擾,使得振動信號中不可避免的混入隨機(jī)噪聲信號,源信號的信噪比較低,信號特征模糊,影響后續(xù)的振動信號分離與故障診斷的準(zhǔn)確性。因此尋找一種有效的去噪方法勢在必行。

    匹配追蹤MP(MatchingPursui)算法是90 年代初由Mallat和Zhang等提出的一種優(yōu)秀的稀疏分解重構(gòu)算法[1]。該算法是將信號表示成與信號結(jié)構(gòu)匹配原子的線性展開,能夠利用較少的原子準(zhǔn)確地描述信號特性,因此可在保留信號最主要結(jié)構(gòu)特征的前提下有效地降低信號處理的成本[2-4]。由于MP算法中,稀疏分解重構(gòu)的是信號與原子結(jié)構(gòu)特性相匹配的部分,而噪聲信號通常都是隨機(jī)的、不相關(guān)的、非預(yù)期的、沒有結(jié)構(gòu)特性。因此該算法可以很好地抑制噪聲,實(shí)現(xiàn)降噪消噪的目的[5-7]。

    MP算法是一種貪婪算法,與其他稀疏分解算法相比有著相對高效的處理速度和準(zhǔn)確的重構(gòu)精度,是目前信號稀疏分解最常的用方法。但因MP稀疏分解算法是基于過完備的原子庫的,每次迭代都要從過完備原子庫中尋找最佳匹配原子,因此導(dǎo)致其計(jì)算量非常大,使得在特定類型的信號的稀疏分解上存在處理速度不夠快,處理實(shí)時性無法滿足要求等一系列問題。對此,也有少數(shù)學(xué)者做了一些改進(jìn)嘗試,但大多集中在對原有遺傳算法的改進(jìn)方面[8-10],雖然在一定程度上提高了MP分解速度和精度,但卻帶來了復(fù)雜的編碼和解碼方式以及交叉和變異等操作,搜索效率較低。另外,因遺傳算法本身仍屬于局部尋優(yōu)算法,只能求得近似解,尤其在使用MP分解提取信號微弱特征時將受到很大限制。

    鑒于此,本文將可全局尋優(yōu)、算法簡單、計(jì)算快速、易編程實(shí)現(xiàn)的粒子群優(yōu)化算法PSO引入到MP稀疏分解過程中,并結(jié)合梯度信息對PSO算法本身進(jìn)行了改進(jìn)。利用此改進(jìn)的PSO算法來尋找最佳匹配原子,可使尋找到的原子更具有結(jié)構(gòu)特性,將在一定程度上提高算法的匹配精度,將其用于風(fēng)機(jī)振動信號處理,將獲得更好的降噪去噪效果。同時,可有效地減少M(fèi)P算法計(jì)算量、縮短計(jì)算時間。

    1基于改進(jìn)PSO優(yōu)化的MP算法實(shí)現(xiàn)

    1.1MP稀疏分解算法原理

    MP算法是傳統(tǒng)稀疏分解算法中最廣泛使用的一種。一個任意信號X,都可以表示為:

    (1)

    其中RkX為原信號X在第k次迭代之后的殘差信號,gmk是定義在參數(shù)組m上,第k次迭代在過完備原子庫中被選中的原子。而gmk必須滿足與RkX內(nèi)積絕對值最小,如下:

    (2)

    其中Γ為參數(shù)組m的集合。

    1.2基于梯度信息改進(jìn)PSO優(yōu)化MP算法

    由式(2)可知,MP稀疏分解算法中每次迭代都要計(jì)算殘差與每個原子投影,再取絕對值最大的原子。由于信號在高維空間中,而且原子庫是過完備的,所以進(jìn)行這種內(nèi)積計(jì)算的計(jì)算量大、效率低。針對這個致命缺陷,可以結(jié)合粒子群優(yōu)化算法,將適應(yīng)度函數(shù)選為信號或殘差信號與原子的內(nèi)積的絕對值,便可有效地提高算法計(jì)算效率。

    粒子群算法是一種模仿動物群體運(yùn)動的群體智能算法之一[11]。在d(d=1,2,…,D)維空間中有m個粒子,每個粒子均在尋找適應(yīng)度函數(shù)可能解。其中,第i個粒子的解為xid,其經(jīng)歷的自身最優(yōu)解為pid,整個種群的全局最優(yōu)解為pgd,更新的速度為vid,則第i個粒子的更新速度為式(3),解值為式(4):

    (3)

    (4)

    其中t為迭代次數(shù),c1、c2為加速常數(shù),代表了自身最優(yōu)解與全局最優(yōu)解的權(quán)重。rand1與rand2為[0,1]上的隨機(jī)數(shù)。如果建立一個合適的適應(yīng)度函數(shù)表示某一原子與原信號匹配程度,并且利用經(jīng)典PSO算法對適應(yīng)度函數(shù)的求解過程進(jìn)行優(yōu)化,則可以提升MP算法的速度。匹配追蹤是通過把原函數(shù)投影到字典的元素上,此過程中,最佳匹配與原信號的內(nèi)積最大。結(jié)合PSO算法的特性,適應(yīng)度函數(shù)可以選為原信號與字典元素的內(nèi)積的絕對值來進(jìn)行優(yōu)化迭代,可以快速尋找到最匹配原子。

    在實(shí)際應(yīng)用中,PSO算法是一種全局優(yōu)化算法,局部搜索能力比較弱,導(dǎo)致后期收斂速度變慢。其次,若算法參數(shù)設(shè)置欠妥,則很容易陷入局部極值[12-16]。鑒于這兩個缺點(diǎn),可以結(jié)合梯度信息對PSO算法加以改進(jìn)[17,18]。即先用PSO使適應(yīng)度函數(shù)的解值快速定位在極值的附近,再用梯度算法迅速找到極值。

    (5)

    由于信號是離散的,所以用求和代替積分,則一階梯度為對四個參數(shù)依次求偏導(dǎo):

    u)+φ]RkX(ti)}

    (6)

    (7)

    (8)

    (9)

    1.3仿真實(shí)驗(yàn)與分析

    為了驗(yàn)證本文基于改進(jìn)PSO優(yōu)化的MP算法的可行性及檢驗(yàn)算法改進(jìn)后的性能,在普通PC機(jī)上對一維信號進(jìn)行了稀疏分解與重構(gòu)仿真實(shí)驗(yàn)研究,對算法的運(yùn)算效率和重構(gòu)精度兩方面進(jìn)行了評估。仿真實(shí)驗(yàn)用PC機(jī)采用Inteli3 雙核CPU,主頻分別為3.40和3.39GHz,內(nèi)存容量1.86GB,安裝WindowsXPSP3操作系統(tǒng)。

    如圖2(a)所示,隨機(jī)產(chǎn)生一個一維的原始仿真信號,利用傳統(tǒng)MP算法對其進(jìn)行稀疏分解,得到稀疏系數(shù)如圖2(b)所示。

    由圖2(b)可得,其稀疏系數(shù)呈現(xiàn)明顯快速衰減,其中非零的個數(shù)遠(yuǎn)小于總長度,故體現(xiàn)出稀疏表示的稀疏性。再利用這些非零稀疏系數(shù),對原始信號重構(gòu),得到的信號如圖2(d)所示。由圖2(c)可以看出,雖然相較于原信號存在一定程度的信號冗余,但是其失真率仍在實(shí)驗(yàn)精度要求范圍之內(nèi),且重構(gòu)信號的維數(shù)遠(yuǎn)小于原信號。整個算法用時為55.94682秒。

    作為對比,輸入信號與圖1相同,利用本文所提出的改進(jìn)PSO算法對MP進(jìn)行優(yōu)化,對圖2(a)所示的原始仿真信號進(jìn)行稀疏分解與重構(gòu),迭代次數(shù)為16,原子個數(shù)為3,結(jié)果如圖3所示。對比圖2,可以看出稀疏衰減更快,信號冗余更小,重構(gòu)信號的精度更高。最重要的是整個算法的用時為11.609987秒,相較于傳統(tǒng)算法來說有了大幅減少。以上仿真實(shí)驗(yàn)表明,利用本文基于改進(jìn)PSO優(yōu)化的MP算法較基本MP算法可明顯提高運(yùn)算效率和重構(gòu)精度。

    圖2 傳統(tǒng)MP算法信號稀疏分解重構(gòu)結(jié)果

    圖3 改進(jìn)PSO優(yōu)化MP算法信號稀疏分解重構(gòu)結(jié)果

    2基于改進(jìn)MP算法的信號去噪分析

    由于MP算法能自適應(yīng)的提取和原子相關(guān)的信號結(jié)構(gòu),因此可以很好地抑制噪聲,實(shí)現(xiàn)降噪消噪的目的。

    目前公認(rèn)的去噪效果較好的方法是基于小波變換的小波去噪,連續(xù)小波變換常定義為:

    (10)

    因噪聲是常見而且不可避免的,常用線性瞬時混合模型對含有噪聲的原信號進(jìn)行建模??梢员硎鰹椋?/p>

    Xm=Asm+Nm

    (11)

    其中Xm為m維含噪觀測信號,sm為原信號,Nm為噪聲。假設(shè)原信號各分量為相互統(tǒng)計(jì)獨(dú)立,若Nm不是高斯噪聲,則觀測信號Xm是對于原信號sm的有偏估計(jì)。顯然在對混合信號做盲分離等處理時,若要提高算法精確度,去噪處理勢在必行。

    如前文所述,匹配追蹤每次迭代之后都會留下殘差。一般來說,迭代次數(shù)越多,殘差越小,算法精度也就越高。但是在去噪處理中,經(jīng)過多次迭代,殘差信號的信噪比比較低,噪聲的匹配系數(shù)會很大,會被當(dāng)成有用信號被保留,這樣對于去噪處理是不利的。實(shí)驗(yàn)中如果放棄衡量殘差的大小而選用較為合適的迭代次數(shù)為算法停止條件,這樣在損失部分信號能量的情況下能使噪聲得到很好的抑制。

    3風(fēng)機(jī)齒輪箱振動信號去噪實(shí)驗(yàn)研究

    3.1去噪實(shí)驗(yàn)

    為進(jìn)一步驗(yàn)證算法的可行性及實(shí)用性,利用本文算法還進(jìn)行了風(fēng)機(jī)齒輪箱振動信號的去噪處理實(shí)驗(yàn)。信號采集自內(nèi)蒙古自治區(qū)賽漢塔拉龍?jiān)达L(fēng)場的風(fēng)機(jī)齒輪箱,該風(fēng)場風(fēng)機(jī)投入運(yùn)行兩年,運(yùn)行時發(fā)現(xiàn)某風(fēng)機(jī)齒輪箱高速端振動劇烈,并伴有較大的噪音。實(shí)驗(yàn)時,在該齒輪箱高速端及低速端風(fēng)別布置兩個傳感器,采集到的振動信號如圖4所示。

    圖4 故障風(fēng)機(jī)齒輪箱振動信號

    針對風(fēng)機(jī)齒輪箱振動信號特點(diǎn),采用離散余弦基建立原子庫,利用本文改進(jìn)PSO優(yōu)化MP算法對圖4所示振動信號進(jìn)行去噪處理。采用固定迭代次數(shù),得到去噪后風(fēng)機(jī)齒輪箱混合信號如圖5所示。與圖4相比,應(yīng)用本文算法進(jìn)行MP去噪后的風(fēng)機(jī)混合信號顯然平滑、清晰許多,信號的特征規(guī)律更加明顯。

    圖5 PSO優(yōu)化MP去噪后故障風(fēng)機(jī)齒輪箱振動信號

    為檢驗(yàn)去噪后故障信息是否得以保留,又以相同方式布置測點(diǎn),采集同一風(fēng)場已確定為運(yùn)行正常的某風(fēng)機(jī)的齒輪箱振動信號。同樣應(yīng)用本文改進(jìn)PSO優(yōu)化MP算法進(jìn)行去噪處理,得到去噪后的振動信號如圖6所示。

    圖6 PSO優(yōu)化MP去噪后正常運(yùn)行風(fēng)機(jī)齒輪箱振動信號

    對去噪后的故障風(fēng)機(jī)及正常運(yùn)行風(fēng)機(jī)齒輪箱振動信號利用文獻(xiàn)[19]方法分別進(jìn)行欠定盲源分離后各得到4路信號,對比分離結(jié)果,初步判斷故障點(diǎn)在風(fēng)機(jī)齒輪箱高速端。限于篇幅,在此只給出分離出的高速端振動信號分別如圖7及圖8所示,對其進(jìn)行功率譜分析,結(jié)果分別如圖9及圖10所示。根據(jù)風(fēng)力機(jī)齒輪箱各級齒輪的齒數(shù)及正常工作狀態(tài)下的轉(zhuǎn)速可以計(jì)算各級齒輪的嚙合主頻率如下:輸入級即低速端53.71Hz,中間級197.23Hz,輸出級即高速381.62Hz,對比功率譜分析結(jié)果可以看出,在故障風(fēng)機(jī)齒輪嚙合頻率峰值約380Hz處的左側(cè)邊頻帶顯著加強(qiáng),而在800Hz左右的高頻段出現(xiàn)了異常頻率成分。參閱齒輪箱故障診斷文獻(xiàn)可知,此為齒輪疲勞點(diǎn)蝕所表現(xiàn)的典型故障特征。隨后對該風(fēng)機(jī)齒輪箱進(jìn)行拆機(jī)檢修,確認(rèn)中低速端各零部件工作正常,高速端齒輪副疲勞,因此,經(jīng)本文算法去噪后,很好地保留了故障信息。

    圖7 故障風(fēng)機(jī)齒輪箱高速端振動信號

    圖8 正常運(yùn)行風(fēng)機(jī)齒輪箱高速端振動信號

    圖9 故障風(fēng)機(jī)齒輪箱高速端振動信號功率譜分析

    圖10 正常風(fēng)機(jī)齒輪箱高速端振動信號的功率譜分析

    3.2去噪實(shí)驗(yàn)結(jié)果分析

    風(fēng)機(jī)齒輪箱為旋轉(zhuǎn)機(jī)械結(jié)構(gòu),參考齒輪箱相關(guān)的故障原因及資料可知,其中齒輪故障、軸承故障與軸故障所占比例接近總故障率的90%,而其故障特征均具備周期性,即具有結(jié)構(gòu)特征。因此,用本文MP算法對風(fēng)機(jī)齒輪箱振動信號進(jìn)行去噪處理,由于稀疏分解重構(gòu)的是信號與原子結(jié)構(gòu)特性相匹配的部分,所以具備周期性的、具有結(jié)構(gòu)特征的信號信息,包括正常的風(fēng)機(jī)振動信號與有用的故障信息,都將得以保留;而例如白噪聲、風(fēng)力等原因產(chǎn)生的隨機(jī)噪聲將被去除,從而可有效提高信號信噪比。對去噪效果進(jìn)行定量分析可知,兩路振動信號去噪前后其信噪比分別提升5.7430dB和6.0411dB。

    4結(jié)語

    本文提出了利用改進(jìn)PSO算法在匹配追蹤過程中尋找最佳原子的方法,不僅使算法的計(jì)算復(fù)雜度下降,計(jì)算效率提高,并且也在一定程度上提高了算法的匹配精度,將算法用于信號去噪,可獲得更高的信噪比。

    對風(fēng)機(jī)齒輪箱振動信號的去噪實(shí)驗(yàn)結(jié)果表明,本文算法可在有效去噪的同時,很好地保留故障信息。除此之外,因風(fēng)機(jī)齒輪箱振動信號不是真正的稀疏信號,而利用MP在去噪的同時,實(shí)現(xiàn)了信號的稀疏表示,這也是基于信號稀疏特性的欠定盲源分離算法所需要的[20,21],并且去噪后信號信噪比提高,更有助于提高后續(xù)欠定盲源分離算法的重構(gòu)概率。

    參考文獻(xiàn)

    [1]MallatS,ZhangZ.Matchingpursuitwithtime·frequencydictionaries[J].IEEETrans.OnSignalProcessing,1993,41(12):3397-3415.

    [2]NeedellD,VershyninR.Uniformuncertaintyprincipleandsignalrecoveryviaregularizedorthogonalmatchingpursuit[J].FoundationsofComputationalMathematics,2009,9(3):317-334.

    [3]RathG,GuillemotC.Sparseapproximationwithanorthogonalcomplementarymatchingpursuitalgorithm[C]//ProceedingoftheInternationalConferenceonAcoustics,Speech,andSignalProcessing(ICASSP),Taibei,Taiwan,2009:3325-3328.

    [4]LiuYX,ZhaoRZ,HuSH.Regularizedadaptivematchingpursuitalgorithmforsignalreconstructionbasedoncompressivesensing[J].JournalofElectronics&InformationTechnology,2010,32(11):2713-2717.

    [5]GillPR,WangA,MolnarA.Thein-crowdalgorithmforfastbasispursuitde-noising[J].IEEETransactionsonSignalProcessing,2011,59(10):4595-4605.

    [6]LiS,FangL.Signalde-noisingwithrandomrefinedorthogonalmatchingpursuit[J].IEEETransactionsonInstrumentationandMeasurement,2012,61(1):26-34.

    [7] 杜秀麗,沈毅.匹配追蹤方法在超聲檢測信號去噪中的應(yīng)用[J].無損檢測,2006,28(8):406-412.

    [8] 高瑞,徐華楠,胡鋼.基于GA和過完備原子庫劃分的MP信號稀疏分解算法[J].科學(xué)技術(shù)與工程,2008,8(4):914-916.

    [9] 李恒建,尹忠科,王建英.基于量子遺傳優(yōu)化算法的圖像稀疏分解[J].西南交通大學(xué)學(xué)報(bào),2007,42(1):19-23.

    [10] 李明,李應(yīng).基于遺傳算法優(yōu)化匹配追蹤的自然環(huán)境聲音分類[J].福州大學(xué)學(xué)報(bào):自然科學(xué)版,2012,40(6):719-725.

    [11]KennedyJ,EberhartRC.Particleswarmoptimization[C]//Proc.IEEEInternationalConferenceonNeuralNetworks,PiscatawayNJ:IEEEServiceCenter,1995:1942-1948.

    [12] 熊南,劉百芬.基于自適應(yīng)粒子群優(yōu)化LSSVM的網(wǎng)絡(luò)流量在線預(yù)測[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(9):21-24,127.

    [13] 安晶,徐森.一種結(jié)合粒子群優(yōu)化理論改進(jìn)的郭濤算法及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件,2014,31(2):296-299,320.

    [14] 陳志敏,薄煜明,吳盤龍,等.收斂粒子群全區(qū)域自適應(yīng)粒子濾波算法及其應(yīng)用[J].南京理工大學(xué)學(xué)報(bào),2012,36(5):861-868.

    [15]ZhangLP,YuHJ,HuSX.Optimalchoiceofparametersforparticleswarmoptimization[J].JournalofZhejiangUniversity:NaturalScience,2005,6(6):528-534.

    [16]JansonS,MartinM.Ahierarchicalparticleswarmoptimizationfordynamicoptimizationproblems[C]//EvoWorkshops,2004,LNCS3005,2004:513-524.

    [17] 王俊偉,汪定偉.一種帶有梯度加速的粒子群算法[J].控制與決策,2004,19(11):1298-1300,1304.

    [18] 肖健梅,李軍軍,王錫淮.梯度微粒群優(yōu)化算法及其收斂性分析[J].控制與決策,2009,24(4):560-564.

    [19] 李麗娜,曾慶勛,甘曉曄,等.基于勢函數(shù)與壓縮感知的欠定盲源分離[J].計(jì)算機(jī)應(yīng)用,2014,34(3):658-662.

    [20] 何繼愛,何勇,肖丹丹.基于KM-PCA稀疏信號的盲源分離算法[J].蘭州理工大學(xué)學(xué)報(bào),2012,38(4):80-84.

    [21] 董天寶,楊景曙.稀疏盲源分離快速算法[J].活力與指揮控制,2012,37(7):84-87.

    WIND TURBINE VIBRATION SIGNAL DENOISING PROCESSING BASEDONMATCHINGPURSUITOPTIMISEDBYPSO

    Gan Xiaoye1Li Li’na2*Zeng Qingxun2Zhang Zhaogang1

    1(School of Mechanical Engineering,Liaoning Institute of Science and Technology,Benxi 117000,Liaoning,China)2(School of Physics,Liaoning University,Shenyang 110036,Liaoning,China)

    AbstractAiming at the problem that in the process of wind turbine vibration signal collection it is easily to be affected by noise, we proposed an over-complete atom dictionary-based matching pursuit algorithm to process the wind turbine vibration signal. The algorithm can adaptively extract the signal structure correlated with the atom, so that the noise suppression can be achieved. And in the process of matching pursuit algorithm operation, it uses an improved particle swarm optimisation algorithm in combination with the gradient information to search optimal atoms. Simulation result showed that the proposed algorithm had higher computation efficiency and signal reconstruction accuracy than the basic matching pursuit algorithm. Moreover, based on this algorithm, we carried out the experiment of denoising processing on the vibration signal of wind turbine gearbox, experimental result showed that the signal-to-noise ratio of the denoised signal could be improved to 5 dB and higher, the waveform features were more clearly, and while denoising, the fault information could be effectively reserved as well.

    KeywordsMatching pursuitParticle swarm optimisationGradient informationWind turbine vibration signalDe-nosing processing

    收稿日期:2015-01-10。遼寧省自然科學(xué)基金項(xiàng)目(201102093);遼寧省教育廳科學(xué)技術(shù)研究項(xiàng)目(L2013489)。甘曉曄,教授,主研領(lǐng)域:信號處理及故障診斷技術(shù)。李麗娜,副教授。曾慶勛,碩士生。張兆剛,副教授。

    中圖分類號TP301.6

    文獻(xiàn)標(biāo)識碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.064

    猜你喜歡
    齒輪箱原子風(fēng)機(jī)
    風(fēng)電齒輪箱軸承用鋼100CrMnSi6-4的開發(fā)
    山東冶金(2022年3期)2022-07-19 03:24:36
    原子究竟有多???
    原子可以結(jié)合嗎?
    帶你認(rèn)識原子
    風(fēng)機(jī)折翼“倒春寒”
    能源(2018年5期)2018-06-15 08:56:02
    風(fēng)機(jī)倒塔事故為何頻發(fā)?
    能源(2017年9期)2017-10-18 00:48:27
    提高齒輪箱式換檔機(jī)構(gòu)可靠性的改進(jìn)設(shè)計(jì)
    節(jié)能技術(shù)EPU在AV71風(fēng)機(jī)上的應(yīng)用
    杭州前進(jìn)齒輪箱集團(tuán)股份有限公司
    風(fēng)能(2016年12期)2016-02-25 08:45:56
    TS3000系統(tǒng)防喘振控制在 AV80-14風(fēng)機(jī)中的應(yīng)用
    1024视频免费在线观看| 日本五十路高清| 国产不卡av网站在线观看| 超色免费av| av天堂在线播放| aaaaa片日本免费| 亚洲精品在线美女| 夜夜夜夜夜久久久久| 丁香欧美五月| 中文字幕色久视频| 99在线人妻在线中文字幕 | 欧美国产精品va在线观看不卡| 日本黄色日本黄色录像| 婷婷丁香在线五月| 日韩免费高清中文字幕av| 美女视频免费永久观看网站| 欧美日韩福利视频一区二区| 国产老妇伦熟女老妇高清| 国产精品自产拍在线观看55亚洲 | 欧美乱妇无乱码| 成年人午夜在线观看视频| 中文亚洲av片在线观看爽 | 亚洲av国产av综合av卡| 丝袜喷水一区| 中文字幕高清在线视频| 免费人妻精品一区二区三区视频| 一个人免费看片子| av国产精品久久久久影院| 久久久精品免费免费高清| 国产精品九九99| 精品少妇内射三级| 午夜福利在线观看吧| 在线永久观看黄色视频| 欧美 亚洲 国产 日韩一| 男人操女人黄网站| 人妻一区二区av| 成年人午夜在线观看视频| 日本vs欧美在线观看视频| 国产在线视频一区二区| 狠狠精品人妻久久久久久综合| 久久人人爽av亚洲精品天堂| 18禁观看日本| www.精华液| 国产xxxxx性猛交| 91九色精品人成在线观看| 蜜桃在线观看..| xxxhd国产人妻xxx| 亚洲熟女精品中文字幕| 欧美国产精品va在线观看不卡| 母亲3免费完整高清在线观看| 国产精品久久久久久精品古装| 国产亚洲午夜精品一区二区久久| 免费女性裸体啪啪无遮挡网站| 亚洲精品成人av观看孕妇| 69av精品久久久久久 | 性色av乱码一区二区三区2| 中文字幕制服av| 国产深夜福利视频在线观看| 后天国语完整版免费观看| 国产一区二区三区综合在线观看| 久久久久久久久免费视频了| 亚洲中文av在线| 欧美亚洲日本最大视频资源| 天天操日日干夜夜撸| 日韩免费av在线播放| 看免费av毛片| 最近最新免费中文字幕在线| 中文字幕制服av| 日本av手机在线免费观看| 男女边摸边吃奶| 涩涩av久久男人的天堂| 色播在线永久视频| 免费在线观看黄色视频的| 亚洲欧美激情在线| 欧美日韩一级在线毛片| 国产精品麻豆人妻色哟哟久久| 午夜91福利影院| 99久久精品国产亚洲精品| 日韩欧美三级三区| 欧美成人午夜精品| 桃红色精品国产亚洲av| 欧美av亚洲av综合av国产av| bbb黄色大片| 蜜桃在线观看..| 无限看片的www在线观看| 国产在线免费精品| 大型黄色视频在线免费观看| 老司机午夜十八禁免费视频| 国产精品自产拍在线观看55亚洲 | 新久久久久国产一级毛片| 亚洲欧美一区二区三区久久| 日本wwww免费看| 18禁观看日本| 18禁裸乳无遮挡动漫免费视频| 国产又爽黄色视频| 国产成人精品久久二区二区免费| 无人区码免费观看不卡 | 国内毛片毛片毛片毛片毛片| 建设人人有责人人尽责人人享有的| 两性夫妻黄色片| 变态另类成人亚洲欧美熟女 | avwww免费| 99国产精品一区二区蜜桃av | 日韩免费高清中文字幕av| 日本wwww免费看| 亚洲精品乱久久久久久| 国产极品粉嫩免费观看在线| 国产欧美日韩一区二区三| 久久久久国产一级毛片高清牌| 日韩视频一区二区在线观看| 国产日韩欧美在线精品| 国产日韩欧美视频二区| 精品少妇久久久久久888优播| 午夜老司机福利片| 少妇裸体淫交视频免费看高清 | 中文字幕人妻熟女乱码| 91av网站免费观看| www.自偷自拍.com| 欧美日韩av久久| 丝袜美足系列| 国产精品秋霞免费鲁丝片| 国产免费现黄频在线看| 久久国产精品男人的天堂亚洲| 老司机深夜福利视频在线观看| av网站在线播放免费| 美女高潮到喷水免费观看| 国产又爽黄色视频| 一边摸一边做爽爽视频免费| 亚洲精品av麻豆狂野| 伦理电影免费视频| 午夜久久久在线观看| 国产成人啪精品午夜网站| 成人三级做爰电影| 中文字幕色久视频| 免费不卡黄色视频| 国产精品一区二区在线观看99| 日韩制服丝袜自拍偷拍| 成人精品一区二区免费| 成人国产av品久久久| 国产精品熟女久久久久浪| 欧美亚洲 丝袜 人妻 在线| 久久精品人人爽人人爽视色| 国产精品一区二区精品视频观看| 黄色丝袜av网址大全| 最黄视频免费看| 亚洲精品一二三| 老汉色∧v一级毛片| 国产aⅴ精品一区二区三区波| 18禁黄网站禁片午夜丰满| 欧美激情极品国产一区二区三区| 十八禁高潮呻吟视频| 美女福利国产在线| 国产成人免费观看mmmm| 男女下面插进去视频免费观看| 精品一品国产午夜福利视频| 女性被躁到高潮视频| e午夜精品久久久久久久| 狠狠狠狠99中文字幕| 极品少妇高潮喷水抽搐| 一本久久精品| 欧美成人免费av一区二区三区 | 久久精品国产综合久久久| 丝袜人妻中文字幕| a级片在线免费高清观看视频| 老司机在亚洲福利影院| 国产精品秋霞免费鲁丝片| 久久免费观看电影| 丁香六月天网| 国产日韩欧美视频二区| 黑人欧美特级aaaaaa片| 交换朋友夫妻互换小说| 亚洲成av片中文字幕在线观看| 国产高清视频在线播放一区| 欧美大码av| 老鸭窝网址在线观看| 男女无遮挡免费网站观看| 国产无遮挡羞羞视频在线观看| 一本色道久久久久久精品综合| 久久天躁狠狠躁夜夜2o2o| 一个人免费在线观看的高清视频| 国产一区二区三区视频了| 成年人午夜在线观看视频| 一级片'在线观看视频| 国产成人影院久久av| 国产欧美亚洲国产| 午夜福利,免费看| 黑人巨大精品欧美一区二区蜜桃| 亚洲欧美精品综合一区二区三区| av电影中文网址| 精品久久久久久电影网| a级毛片在线看网站| 狠狠婷婷综合久久久久久88av| 久久久精品免费免费高清| 日韩精品免费视频一区二区三区| 亚洲三区欧美一区| 少妇精品久久久久久久| 精品一区二区三区av网在线观看 | 涩涩av久久男人的天堂| 纯流量卡能插随身wifi吗| 不卡一级毛片| 亚洲va日本ⅴa欧美va伊人久久| 国产99久久九九免费精品| 成人影院久久| 国产成人一区二区三区免费视频网站| 国产精品九九99| 亚洲精品一二三| 日韩精品免费视频一区二区三区| 亚洲 国产 在线| 91老司机精品| 自拍欧美九色日韩亚洲蝌蚪91| 汤姆久久久久久久影院中文字幕| 性色av乱码一区二区三区2| 国产亚洲av高清不卡| 国产视频一区二区在线看| 午夜精品国产一区二区电影| 精品亚洲成国产av| 久久狼人影院| 亚洲精品美女久久久久99蜜臀| 99国产精品免费福利视频| 国产午夜精品久久久久久| 成人免费观看视频高清| 亚洲av日韩在线播放| a在线观看视频网站| 久久精品91无色码中文字幕| 亚洲一区二区三区欧美精品| 一区二区三区精品91| 99久久国产精品久久久| 久久精品亚洲av国产电影网| 国产精品美女特级片免费视频播放器 | 老鸭窝网址在线观看| 制服诱惑二区| 国产单亲对白刺激| 免费在线观看日本一区| 天天躁日日躁夜夜躁夜夜| 国产精品98久久久久久宅男小说| 亚洲精品在线美女| 涩涩av久久男人的天堂| 久久天堂一区二区三区四区| 国产一区二区激情短视频| 亚洲欧美一区二区三区黑人| 青草久久国产| 国产单亲对白刺激| 黄片播放在线免费| 美国免费a级毛片| 在线观看66精品国产| 好男人电影高清在线观看| 日韩欧美一区视频在线观看| 极品教师在线免费播放| 国产色视频综合| www.熟女人妻精品国产| 女性被躁到高潮视频| 极品少妇高潮喷水抽搐| 欧美老熟妇乱子伦牲交| 久久人妻熟女aⅴ| av福利片在线| 免费av中文字幕在线| netflix在线观看网站| 婷婷成人精品国产| 午夜福利一区二区在线看| 亚洲人成77777在线视频| 亚洲五月婷婷丁香| 午夜激情久久久久久久| 少妇猛男粗大的猛烈进出视频| 女同久久另类99精品国产91| 狠狠精品人妻久久久久久综合| 久久中文看片网| 亚洲av第一区精品v没综合| 人成视频在线观看免费观看| 国产精品秋霞免费鲁丝片| 久久午夜综合久久蜜桃| 色老头精品视频在线观看| 日韩免费av在线播放| 亚洲中文av在线| 如日韩欧美国产精品一区二区三区| 91老司机精品| 国产精品免费视频内射| 少妇精品久久久久久久| 人人妻人人澡人人爽人人夜夜| 欧美乱妇无乱码| 精品午夜福利视频在线观看一区 | 美国免费a级毛片| 每晚都被弄得嗷嗷叫到高潮| 久久久精品免费免费高清| 亚洲性夜色夜夜综合| 高清毛片免费观看视频网站 | 国产亚洲午夜精品一区二区久久| 91精品国产国语对白视频| 亚洲欧美日韩另类电影网站| 精品一品国产午夜福利视频| 国产精品九九99| 午夜福利在线观看吧| 精品一区二区三区四区五区乱码| 可以免费在线观看a视频的电影网站| 久久ye,这里只有精品| 99久久99久久久精品蜜桃| 飞空精品影院首页| av欧美777| 久久精品人人爽人人爽视色| 亚洲av欧美aⅴ国产| 一本色道久久久久久精品综合| 99国产精品99久久久久| 女同久久另类99精品国产91| 无遮挡黄片免费观看| 午夜福利,免费看| 欧美精品一区二区大全| 亚洲综合色网址| 午夜日韩欧美国产| 国产精品亚洲一级av第二区| 国产免费av片在线观看野外av| 男女之事视频高清在线观看| 首页视频小说图片口味搜索| 日本av手机在线免费观看| 亚洲欧美精品综合一区二区三区| 午夜两性在线视频| 精品视频人人做人人爽| 精品国产一区二区三区久久久樱花| 波多野结衣一区麻豆| 午夜成年电影在线免费观看| 色婷婷久久久亚洲欧美| 美女午夜性视频免费| 精品免费久久久久久久清纯 | 人成视频在线观看免费观看| 大码成人一级视频| 午夜日韩欧美国产| 18禁观看日本| 久久久久精品人妻al黑| 在线观看免费日韩欧美大片| 伦理电影免费视频| 一级黄色大片毛片| 久久国产精品男人的天堂亚洲| 亚洲性夜色夜夜综合| 国产国语露脸激情在线看| 精品国产乱子伦一区二区三区| 在线观看免费视频日本深夜| 国产不卡一卡二| 肉色欧美久久久久久久蜜桃| 18禁黄网站禁片午夜丰满| 精品少妇久久久久久888优播| 建设人人有责人人尽责人人享有的| 国产av一区二区精品久久| a级毛片在线看网站| 国产成人啪精品午夜网站| 色婷婷久久久亚洲欧美| 女人高潮潮喷娇喘18禁视频| 久久久国产精品麻豆| 国产精品美女特级片免费视频播放器 | 日日摸夜夜添夜夜添小说| 欧美日韩黄片免| 午夜福利,免费看| 中亚洲国语对白在线视频| 免费久久久久久久精品成人欧美视频| 少妇被粗大的猛进出69影院| 男女床上黄色一级片免费看| 久久精品91无色码中文字幕| 中文字幕最新亚洲高清| 激情视频va一区二区三区| 国产亚洲欧美在线一区二区| 99久久精品国产亚洲精品| 国产成+人综合+亚洲专区| 丁香欧美五月| 纵有疾风起免费观看全集完整版| 久久国产精品人妻蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲黑人精品在线| √禁漫天堂资源中文www| 美女国产高潮福利片在线看| 久久精品熟女亚洲av麻豆精品| 国产成人精品无人区| 一级片'在线观看视频| 国产精品国产高清国产av | 亚洲中文字幕日韩| 亚洲成人国产一区在线观看| 桃红色精品国产亚洲av| 亚洲情色 制服丝袜| 国产日韩欧美视频二区| 亚洲第一青青草原| 后天国语完整版免费观看| 免费在线观看日本一区| 婷婷成人精品国产| 19禁男女啪啪无遮挡网站| 99精品久久久久人妻精品| 国产高清国产精品国产三级| 麻豆成人av在线观看| 国产成人精品在线电影| 亚洲第一欧美日韩一区二区三区 | 亚洲三区欧美一区| 日韩欧美三级三区| 电影成人av| 色尼玛亚洲综合影院| 黄网站色视频无遮挡免费观看| 日韩欧美三级三区| tocl精华| 国产精品电影一区二区三区 | 亚洲成人免费电影在线观看| 亚洲男人天堂网一区| 亚洲一卡2卡3卡4卡5卡精品中文| 一级毛片精品| 嫩草影视91久久| 黑丝袜美女国产一区| 精品久久蜜臀av无| 免费日韩欧美在线观看| avwww免费| 久久精品亚洲av国产电影网| 高清av免费在线| 啦啦啦视频在线资源免费观看| 韩国精品一区二区三区| 国产伦人伦偷精品视频| 中文字幕最新亚洲高清| 天天躁夜夜躁狠狠躁躁| 成在线人永久免费视频| 大码成人一级视频| 少妇 在线观看| 国产在线免费精品| 一级片'在线观看视频| 精品少妇一区二区三区视频日本电影| www.999成人在线观看| 精品一区二区三区四区五区乱码| 欧美性长视频在线观看| 99国产精品免费福利视频| 在线av久久热| 手机成人av网站| 精品乱码久久久久久99久播| 国产精品美女特级片免费视频播放器 | 成年人午夜在线观看视频| 在线永久观看黄色视频| 国产成人影院久久av| 91精品国产国语对白视频| 丁香欧美五月| 亚洲五月婷婷丁香| 9191精品国产免费久久| tube8黄色片| 母亲3免费完整高清在线观看| 国产欧美日韩一区二区精品| 午夜激情久久久久久久| 久久久久久人人人人人| 高清毛片免费观看视频网站 | 欧美黑人精品巨大| 波多野结衣一区麻豆| 又黄又粗又硬又大视频| 欧美午夜高清在线| 一区二区av电影网| 国产精品国产高清国产av | 国产又色又爽无遮挡免费看| 久久久久国内视频| 一级毛片精品| 999久久久国产精品视频| 在线观看免费视频网站a站| 国产精品成人在线| 一本—道久久a久久精品蜜桃钙片| 夜夜骑夜夜射夜夜干| 国产免费av片在线观看野外av| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品亚洲熟妇少妇任你| 国产一卡二卡三卡精品| 日韩有码中文字幕| 色老头精品视频在线观看| 黄片小视频在线播放| aaaaa片日本免费| 亚洲午夜精品一区,二区,三区| 天堂动漫精品| 国产成人欧美在线观看 | 精品高清国产在线一区| 久久久久久免费高清国产稀缺| 日韩视频一区二区在线观看| 高清在线国产一区| 午夜精品国产一区二区电影| 亚洲性夜色夜夜综合| www.熟女人妻精品国产| 黑人巨大精品欧美一区二区蜜桃| 人成视频在线观看免费观看| 中文字幕av电影在线播放| 久久精品国产a三级三级三级| 国产av精品麻豆| 最新美女视频免费是黄的| 亚洲少妇的诱惑av| 亚洲人成电影观看| 国产精品久久久久成人av| 亚洲av美国av| 大码成人一级视频| 超碰97精品在线观看| 一夜夜www| 免费在线观看日本一区| 国产精品香港三级国产av潘金莲| 最黄视频免费看| 777久久人妻少妇嫩草av网站| 视频区欧美日本亚洲| 亚洲精品国产色婷婷电影| 老熟女久久久| 久久性视频一级片| 岛国在线观看网站| videosex国产| 天天躁日日躁夜夜躁夜夜| 国内毛片毛片毛片毛片毛片| 免费日韩欧美在线观看| 成年人免费黄色播放视频| 午夜激情久久久久久久| www.自偷自拍.com| 久久久久国内视频| 欧美人与性动交α欧美软件| 亚洲精品美女久久久久99蜜臀| 一本—道久久a久久精品蜜桃钙片| 极品少妇高潮喷水抽搐| 精品久久久久久电影网| 亚洲熟女毛片儿| 91av网站免费观看| 人人妻人人添人人爽欧美一区卜| 国产真人三级小视频在线观看| 欧美日韩福利视频一区二区| 午夜激情av网站| 俄罗斯特黄特色一大片| 黄色怎么调成土黄色| 一区福利在线观看| 免费不卡黄色视频| 欧美亚洲日本最大视频资源| 夜夜爽天天搞| 国产亚洲精品一区二区www | 日韩精品免费视频一区二区三区| 午夜老司机福利片| 在线观看www视频免费| 久久久久久久久久久久大奶| 精品久久久精品久久久| 日本黄色日本黄色录像| 在线播放国产精品三级| 国产淫语在线视频| 老司机午夜福利在线观看视频 | 十八禁网站网址无遮挡| 婷婷丁香在线五月| 极品教师在线免费播放| 精品国内亚洲2022精品成人 | 一级a爱视频在线免费观看| 中文字幕人妻丝袜制服| 国产精品电影一区二区三区 | a级片在线免费高清观看视频| 国产亚洲午夜精品一区二区久久| 搡老岳熟女国产| 久久精品国产99精品国产亚洲性色 | aaaaa片日本免费| 久久久久久久国产电影| 欧美日韩视频精品一区| 国产日韩欧美视频二区| 老鸭窝网址在线观看| 色婷婷久久久亚洲欧美| 99国产综合亚洲精品| 一区二区三区国产精品乱码| 老汉色av国产亚洲站长工具| 制服人妻中文乱码| 蜜桃在线观看..| 男女高潮啪啪啪动态图| 日韩欧美一区视频在线观看| 法律面前人人平等表现在哪些方面| 天天影视国产精品| 最新在线观看一区二区三区| 精品人妻1区二区| 午夜老司机福利片| 三上悠亚av全集在线观看| 波多野结衣一区麻豆| 在线观看www视频免费| 又大又爽又粗| 97人妻天天添夜夜摸| 欧美在线一区亚洲| 色老头精品视频在线观看| 大型av网站在线播放| 亚洲自偷自拍图片 自拍| 俄罗斯特黄特色一大片| 99久久99久久久精品蜜桃| 一个人免费在线观看的高清视频| 国产1区2区3区精品| 久久精品人人爽人人爽视色| 中文字幕av电影在线播放| 国产亚洲欧美在线一区二区| 中文字幕高清在线视频| 老司机影院毛片| 一区二区三区国产精品乱码| 女人久久www免费人成看片| 啦啦啦在线免费观看视频4| 久久久水蜜桃国产精品网| 亚洲欧美日韩高清在线视频 | 亚洲精品国产色婷婷电影| 欧美午夜高清在线| 久久影院123| 精品少妇黑人巨大在线播放| 国产av国产精品国产| 国产一区二区三区在线臀色熟女 | 午夜福利免费观看在线| 国产精品电影一区二区三区 | 亚洲,欧美精品.| svipshipincom国产片| 久热这里只有精品99| www.熟女人妻精品国产| 亚洲视频免费观看视频| 国产高清国产精品国产三级| 久久久久精品人妻al黑| 精品国内亚洲2022精品成人 | 亚洲精品在线美女| 日韩大码丰满熟妇| 国产亚洲一区二区精品| 国产精品偷伦视频观看了| 亚洲中文字幕日韩| 欧美亚洲 丝袜 人妻 在线| 亚洲三区欧美一区| 久久九九热精品免费| 婷婷成人精品国产| 国产欧美日韩综合在线一区二区| 伊人久久大香线蕉亚洲五| 精品一区二区三区四区五区乱码| 亚洲少妇的诱惑av| 久久久国产一区二区| 另类亚洲欧美激情| 久久人人爽av亚洲精品天堂| 99国产精品免费福利视频| 亚洲精品久久午夜乱码| 一二三四社区在线视频社区8| 丁香六月欧美| 亚洲av日韩精品久久久久久密| 久久 成人 亚洲|