• <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
    日本一本二区三区精品| 欧美色视频一区免费| 亚洲欧美日韩东京热| 毛片女人毛片| 在线免费观看的www视频| 老熟妇乱子伦视频在线观看| 欧美极品一区二区三区四区| 欧美成人一区二区免费高清观看| 免费电影在线观看免费观看| 国产精品综合久久久久久久免费| 国产精品人妻久久久久久| 日韩 亚洲 欧美在线| 亚洲最大成人av| 欧美bdsm另类| 国产极品精品免费视频能看的| 免费看日本二区| 日韩欧美一区二区三区在线观看| av在线蜜桃| 成人高潮视频无遮挡免费网站| 国产在线精品亚洲第一网站| 亚洲一区高清亚洲精品| 九九热线精品视视频播放| 婷婷六月久久综合丁香| 亚洲成人久久性| 老司机深夜福利视频在线观看| 免费观看精品视频网站| 女人被狂操c到高潮| 亚洲av免费高清在线观看| 偷拍熟女少妇极品色| 亚洲激情在线av| 99国产极品粉嫩在线观看| 免费av不卡在线播放| 亚洲中文日韩欧美视频| 午夜久久久久精精品| 99久久精品国产亚洲精品| 亚洲黑人精品在线| 久久久久久大精品| 国产91精品成人一区二区三区| 亚洲 欧美 日韩 在线 免费| 中文字幕av在线有码专区| 国产色爽女视频免费观看| 老司机福利观看| 麻豆国产av国片精品| 岛国在线免费视频观看| www.999成人在线观看| 婷婷精品国产亚洲av在线| 黄色日韩在线| 亚洲成av人片在线播放无| 亚洲久久久久久中文字幕| 热99re8久久精品国产| 青草久久国产| 亚洲国产精品成人综合色| 88av欧美| 亚洲av.av天堂| 日本与韩国留学比较| 亚洲一区二区三区色噜噜| 亚洲国产精品999在线| 国产熟女xx| 亚洲国产日韩欧美精品在线观看| 蜜桃亚洲精品一区二区三区| 国产精品久久视频播放| 我要搜黄色片| 麻豆国产97在线/欧美| 国产欧美日韩一区二区三| 亚洲精品成人久久久久久| 三级国产精品欧美在线观看| av福利片在线观看| a级一级毛片免费在线观看| 日本在线视频免费播放| 老司机午夜福利在线观看视频| 亚洲欧美日韩高清专用| 一本久久中文字幕| 亚洲精华国产精华精| 欧美性感艳星| 国产精品日韩av在线免费观看| 美女高潮喷水抽搐中文字幕| 久久精品夜夜夜夜夜久久蜜豆| 久久久久亚洲av毛片大全| 三级国产精品欧美在线观看| 网址你懂的国产日韩在线| 怎么达到女性高潮| 人妻久久中文字幕网| 午夜精品在线福利| 免费人成视频x8x8入口观看| 久久人人爽人人爽人人片va | 99久久精品一区二区三区| 久久性视频一级片| 国产真实伦视频高清在线观看 | 国产91精品成人一区二区三区| 日日夜夜操网爽| or卡值多少钱| 夜夜看夜夜爽夜夜摸| xxxwww97欧美| 久久精品久久久久久噜噜老黄 | 深爱激情五月婷婷| 精品不卡国产一区二区三区| 日韩有码中文字幕| 亚洲国产欧洲综合997久久,| 免费无遮挡裸体视频| 少妇人妻精品综合一区二区 | 日日干狠狠操夜夜爽| or卡值多少钱| АⅤ资源中文在线天堂| 男女下面进入的视频免费午夜| 2021天堂中文幕一二区在线观| 欧美一区二区精品小视频在线| 国内精品美女久久久久久| 夜夜看夜夜爽夜夜摸| 成人特级黄色片久久久久久久| 99久久九九国产精品国产免费| 可以在线观看毛片的网站| 黄色丝袜av网址大全| 高清在线国产一区| 亚洲avbb在线观看| 如何舔出高潮| 欧美成人免费av一区二区三区| 国产日本99.免费观看| 在线免费观看不下载黄p国产 | 午夜福利在线观看吧| 观看美女的网站| 亚洲精品粉嫩美女一区| 久久久久久国产a免费观看| 国产精品一区二区三区四区久久| 久久久久久久久大av| 婷婷六月久久综合丁香| www日本黄色视频网| 亚洲精品在线观看二区| 午夜福利高清视频| 色哟哟哟哟哟哟| 欧美三级亚洲精品| 亚洲电影在线观看av| 国产乱人伦免费视频| 国产精品一区二区三区四区免费观看 | 亚洲最大成人av| 哪里可以看免费的av片| 99国产精品一区二区三区| 真人做人爱边吃奶动态| 少妇的逼水好多| 在线国产一区二区在线| 国产在线男女| 国产av麻豆久久久久久久| 麻豆一二三区av精品| 9191精品国产免费久久| 麻豆一二三区av精品| 真人做人爱边吃奶动态| 波多野结衣巨乳人妻| 中文字幕av在线有码专区| 在线观看舔阴道视频| 国产在线男女| 国产在线男女| 国产伦精品一区二区三区四那| 国产v大片淫在线免费观看| 日韩欧美国产一区二区入口| 国产精品1区2区在线观看.| 成年免费大片在线观看| 麻豆成人av在线观看| 精品国内亚洲2022精品成人| 国内久久婷婷六月综合欲色啪| 老司机福利观看| 99久国产av精品| aaaaa片日本免费| 中文字幕精品亚洲无线码一区| 国产欧美日韩一区二区精品| 欧美日韩福利视频一区二区| 成人无遮挡网站| 两个人视频免费观看高清| 国产黄a三级三级三级人| 免费高清视频大片| 在线免费观看的www视频| 欧美黄色片欧美黄色片| 日本精品一区二区三区蜜桃| 久久中文看片网| 久久99热这里只有精品18| 丁香欧美五月| 国内揄拍国产精品人妻在线| 久久这里只有精品中国| 国产伦精品一区二区三区视频9| 男人舔女人下体高潮全视频| av欧美777| 日本 av在线| 国产免费av片在线观看野外av| 亚洲国产精品999在线| 深夜a级毛片| 亚洲国产精品999在线| 午夜福利欧美成人| 亚洲美女视频黄频| 久久久久久久久大av| 久久人人爽人人爽人人片va | 日本一二三区视频观看| 久久亚洲真实| 天美传媒精品一区二区| 一夜夜www| 色播亚洲综合网| 色精品久久人妻99蜜桃| 中国美女看黄片| 欧美在线一区亚洲| 99国产精品一区二区蜜桃av| 丝袜美腿在线中文| 亚洲最大成人手机在线| 久99久视频精品免费| 美女 人体艺术 gogo| 18禁黄网站禁片午夜丰满| 久久久久性生活片| 欧美黄色淫秽网站| 老司机福利观看| 国产aⅴ精品一区二区三区波| 亚洲在线自拍视频| 观看免费一级毛片| 成人欧美大片| 欧美绝顶高潮抽搐喷水| 国产黄片美女视频| 欧美最新免费一区二区三区 | 久久热精品热| 精品不卡国产一区二区三区| 国产探花在线观看一区二区| 免费在线观看亚洲国产| av视频在线观看入口| 久久久久久久久大av| 亚洲成人久久性| 91九色精品人成在线观看| 一级av片app| 嫩草影院入口| 免费高清视频大片| 国产乱人视频| 老熟妇乱子伦视频在线观看| av在线老鸭窝| 狂野欧美白嫩少妇大欣赏| 12—13女人毛片做爰片一| 午夜福利在线观看免费完整高清在 | 亚洲黑人精品在线| 99国产精品一区二区蜜桃av| 亚洲精华国产精华精| 能在线免费观看的黄片| 99久国产av精品| 尤物成人国产欧美一区二区三区| 亚洲欧美日韩高清在线视频| 日日摸夜夜添夜夜添小说| 亚洲国产日韩欧美精品在线观看| 国产精品乱码一区二三区的特点| 国产视频一区二区在线看| 久久精品久久久久久噜噜老黄 | 亚洲第一欧美日韩一区二区三区| 色av中文字幕| 国产aⅴ精品一区二区三区波| 看免费av毛片| 国产伦精品一区二区三区四那| 久久久久免费精品人妻一区二区| 国产老妇女一区| 色哟哟哟哟哟哟| av中文乱码字幕在线| 国产精品av视频在线免费观看| 男女床上黄色一级片免费看| 色综合站精品国产| 亚洲性夜色夜夜综合| 97热精品久久久久久| 美女 人体艺术 gogo| 国产精品亚洲av一区麻豆| 欧美成人免费av一区二区三区| 国产成人啪精品午夜网站| 午夜视频国产福利| 欧美精品啪啪一区二区三区| 欧美区成人在线视频| 少妇熟女aⅴ在线视频| 亚洲在线自拍视频| x7x7x7水蜜桃| 日韩欧美精品免费久久 | 亚洲aⅴ乱码一区二区在线播放| 国产国拍精品亚洲av在线观看| 国内揄拍国产精品人妻在线| 熟女电影av网| 欧美日韩国产亚洲二区| 十八禁国产超污无遮挡网站| 少妇人妻精品综合一区二区 | 狠狠狠狠99中文字幕| 亚洲精品色激情综合| 国产爱豆传媒在线观看| 99国产精品一区二区三区| 国产又黄又爽又无遮挡在线| 麻豆成人午夜福利视频| 亚洲性夜色夜夜综合| 国产精品久久久久久精品电影| 国产爱豆传媒在线观看| 男人舔奶头视频| www日本黄色视频网| АⅤ资源中文在线天堂| 色播亚洲综合网| 亚洲人与动物交配视频| 尤物成人国产欧美一区二区三区| 窝窝影院91人妻| 国内精品一区二区在线观看| 亚洲中文字幕一区二区三区有码在线看| 午夜福利18| 99热只有精品国产| 狠狠狠狠99中文字幕| 真人一进一出gif抽搐免费| 中出人妻视频一区二区| 国产熟女xx| 精品一区二区三区人妻视频| 搡老岳熟女国产| a级毛片免费高清观看在线播放| 午夜福利在线观看吧| 美女 人体艺术 gogo| 怎么达到女性高潮| 国产精品一区二区三区四区免费观看 | 日韩欧美 国产精品| 国产不卡一卡二| 亚洲国产欧美人成| 男女视频在线观看网站免费| 三级毛片av免费| 国产在线精品亚洲第一网站| 国产精品98久久久久久宅男小说| 99久久久亚洲精品蜜臀av| 亚洲精品成人久久久久久| 国产精品日韩av在线免费观看| 最近最新免费中文字幕在线| 99精品久久久久人妻精品| 又爽又黄a免费视频| 国产伦一二天堂av在线观看| 日韩免费av在线播放| www.999成人在线观看| 成人无遮挡网站| 老熟妇乱子伦视频在线观看| 91av网一区二区| 99久久无色码亚洲精品果冻| 亚洲欧美日韩高清专用| 国产v大片淫在线免费观看| 成人永久免费在线观看视频| 好男人电影高清在线观看| 国产成年人精品一区二区| av在线天堂中文字幕| 久久久久国内视频| 97超级碰碰碰精品色视频在线观看| 国产av一区在线观看免费| 美女被艹到高潮喷水动态| 国产白丝娇喘喷水9色精品| 999久久久精品免费观看国产| 亚洲精品日韩av片在线观看| 亚洲综合色惰| 亚洲狠狠婷婷综合久久图片| 日本 欧美在线| 精品无人区乱码1区二区| 久久久精品大字幕| 亚洲色图av天堂| 精品人妻偷拍中文字幕| 亚洲熟妇中文字幕五十中出| 亚洲精品影视一区二区三区av| 亚洲av电影不卡..在线观看| 熟妇人妻久久中文字幕3abv| 日本黄大片高清| 在线观看一区二区三区| 欧美黑人欧美精品刺激| 国产精品精品国产色婷婷| 色播亚洲综合网| 又爽又黄无遮挡网站| 九色国产91popny在线| 欧美精品啪啪一区二区三区| 国产精品影院久久| 黄片小视频在线播放| 99riav亚洲国产免费| www.www免费av| 别揉我奶头~嗯~啊~动态视频| 亚洲欧美精品综合久久99| 欧美激情国产日韩精品一区| 成人三级黄色视频| 岛国在线免费视频观看| 如何舔出高潮| 精品福利观看| 男人舔女人下体高潮全视频| 在线观看美女被高潮喷水网站 | 国产 一区 欧美 日韩| 国产精品国产高清国产av| 2021天堂中文幕一二区在线观| 亚洲av电影在线进入| 99热这里只有是精品在线观看 | 国产黄a三级三级三级人| 亚洲av免费高清在线观看| 精品久久久久久久久久免费视频| 国产精品久久久久久久电影| 亚洲综合色惰| 久久天躁狠狠躁夜夜2o2o| 国产精品久久久久久久久免 | 三级国产精品欧美在线观看| 亚洲熟妇熟女久久| 日韩有码中文字幕| 人人妻人人看人人澡| 自拍偷自拍亚洲精品老妇| 在线观看美女被高潮喷水网站 | 国产av麻豆久久久久久久| 亚洲av成人不卡在线观看播放网| 18禁在线播放成人免费| 美女高潮的动态| 久久精品国产亚洲av涩爱 | 在线观看av片永久免费下载| 精品午夜福利在线看| 18禁裸乳无遮挡免费网站照片| 又爽又黄无遮挡网站| 日韩欧美在线二视频| 日韩欧美免费精品| 夜夜躁狠狠躁天天躁| 午夜亚洲福利在线播放| 免费av不卡在线播放| 精品福利观看| 国产野战对白在线观看| 久久久久久国产a免费观看| 中文字幕精品亚洲无线码一区| 欧美最黄视频在线播放免费| 国产老妇女一区| 国产欧美日韩精品亚洲av| 非洲黑人性xxxx精品又粗又长| 国产探花在线观看一区二区| 国产黄片美女视频| 3wmmmm亚洲av在线观看| 我要看日韩黄色一级片| 能在线免费观看的黄片| 麻豆一二三区av精品| 永久网站在线| 舔av片在线| 18禁黄网站禁片午夜丰满| 啦啦啦韩国在线观看视频| .国产精品久久| 88av欧美| 日韩高清综合在线| 国产大屁股一区二区在线视频| 日本成人三级电影网站| 香蕉av资源在线| 好男人在线观看高清免费视频| 丁香六月欧美| 男人舔奶头视频| 观看美女的网站| 欧美黄色淫秽网站| 白带黄色成豆腐渣| 国产一区二区在线观看日韩| 日韩av在线大香蕉| 精品人妻一区二区三区麻豆 | 午夜a级毛片| 18禁裸乳无遮挡免费网站照片| 久久亚洲精品不卡| 一个人免费在线观看电影| 久久久久精品国产欧美久久久| 欧美日韩黄片免| 免费高清视频大片| 欧美xxxx性猛交bbbb| 欧美激情国产日韩精品一区| eeuss影院久久| 高清毛片免费观看视频网站| 国产探花在线观看一区二区| 2021天堂中文幕一二区在线观| 午夜亚洲福利在线播放| 日本三级黄在线观看| 91久久精品电影网| 日韩欧美免费精品| 国产精品一及| 精品人妻视频免费看| 午夜福利在线观看吧| 窝窝影院91人妻| 少妇被粗大猛烈的视频| 亚洲欧美日韩高清专用| 两性午夜刺激爽爽歪歪视频在线观看| 国产伦精品一区二区三区视频9| 成人av在线播放网站| 成人高潮视频无遮挡免费网站| 深夜精品福利| 女人被狂操c到高潮| 在线观看免费视频日本深夜| 久久精品综合一区二区三区| 亚洲avbb在线观看| 91久久精品电影网| 一区二区三区四区激情视频 | 观看免费一级毛片| 婷婷精品国产亚洲av在线| 亚洲国产精品成人综合色| 免费一级毛片在线播放高清视频| 久久精品久久久久久噜噜老黄 | 日本五十路高清| 日韩欧美精品免费久久 | 国产欧美日韩精品亚洲av| 国产精品伦人一区二区| 久久精品91蜜桃| 免费观看人在逋| 亚洲欧美日韩高清在线视频| 美女大奶头视频| 午夜精品久久久久久毛片777| 亚洲欧美日韩东京热| 十八禁网站免费在线| 亚洲av电影不卡..在线观看| 一区二区三区高清视频在线| 欧美一区二区亚洲| 欧美一级a爱片免费观看看| 亚洲精品成人久久久久久| 成人性生交大片免费视频hd| 免费无遮挡裸体视频| 九九热线精品视视频播放| 午夜久久久久精精品| 又粗又爽又猛毛片免费看| 毛片一级片免费看久久久久 | 久久久色成人| 免费看光身美女| 国产成人福利小说| 直男gayav资源| 国产真实伦视频高清在线观看 | 18禁裸乳无遮挡免费网站照片| 久久久久久久久久成人| 日本精品一区二区三区蜜桃| 人妻久久中文字幕网| 两个人的视频大全免费| 亚洲精华国产精华精| 亚洲欧美日韩东京热| 色综合站精品国产| 国产久久久一区二区三区| 久久国产乱子伦精品免费另类| 精品一区二区三区视频在线| 成人高潮视频无遮挡免费网站| 淫秽高清视频在线观看| 欧美一级a爱片免费观看看| 久久精品国产亚洲av香蕉五月| 日本黄色片子视频| 1000部很黄的大片| 国产精品久久久久久人妻精品电影| 天堂av国产一区二区熟女人妻| 九九久久精品国产亚洲av麻豆| 首页视频小说图片口味搜索| 日韩欧美 国产精品| 夜夜爽天天搞| 欧美日韩国产亚洲二区| 国产三级黄色录像| 老女人水多毛片| 黄色女人牲交| 免费看日本二区| 99国产极品粉嫩在线观看| 午夜精品久久久久久毛片777| 欧美区成人在线视频| 一夜夜www| 国产伦精品一区二区三区四那| 高清日韩中文字幕在线| 女人被狂操c到高潮| 国产精品综合久久久久久久免费| 久久天躁狠狠躁夜夜2o2o| 一个人看视频在线观看www免费| 国产精品日韩av在线免费观看| av黄色大香蕉| 精品国产三级普通话版| 又爽又黄无遮挡网站| 中文字幕av成人在线电影| 久9热在线精品视频| 夜夜看夜夜爽夜夜摸| 成人午夜高清在线视频| 9191精品国产免费久久| 亚洲内射少妇av| 亚洲av成人精品一区久久| 国产私拍福利视频在线观看| 精品99又大又爽又粗少妇毛片 | 国产午夜福利久久久久久| 一边摸一边抽搐一进一小说| 国产精品国产高清国产av| 天美传媒精品一区二区| 中文资源天堂在线| 国产一区二区在线av高清观看| 欧美一级a爱片免费观看看| 我的女老师完整版在线观看| 亚洲久久久久久中文字幕| 欧美在线黄色| 如何舔出高潮| 亚洲欧美日韩无卡精品| 在线看三级毛片| 亚洲精品在线观看二区| 国产中年淑女户外野战色| 在线观看av片永久免费下载| av女优亚洲男人天堂| 不卡一级毛片| 毛片女人毛片| 999久久久精品免费观看国产| 俺也久久电影网| 久久香蕉精品热| 又黄又爽又免费观看的视频| 亚洲国产精品成人综合色| 成人特级黄色片久久久久久久| 国模一区二区三区四区视频| 婷婷亚洲欧美| 99久久无色码亚洲精品果冻| 精品福利观看| 久久亚洲真实| 变态另类成人亚洲欧美熟女| 免费人成视频x8x8入口观看| 欧美激情久久久久久爽电影| 亚洲aⅴ乱码一区二区在线播放| 亚洲国产精品合色在线| 久久6这里有精品| 欧美不卡视频在线免费观看| 国产精品久久久久久人妻精品电影| 成人国产综合亚洲| 欧美成人性av电影在线观看| 欧美日韩瑟瑟在线播放| 成人午夜高清在线视频| 亚洲av五月六月丁香网| 色播亚洲综合网| 在线观看免费视频日本深夜| 俺也久久电影网| 午夜福利在线观看免费完整高清在 | 一级黄色大片毛片| 日韩欧美精品免费久久 | 免费观看人在逋| 日本熟妇午夜| 夜夜爽天天搞| 久久国产精品影院| 午夜福利视频1000在线观看| 国内精品美女久久久久久| 国产人妻一区二区三区在| 97碰自拍视频| 日本撒尿小便嘘嘘汇集6| 午夜福利18| 一卡2卡三卡四卡精品乱码亚洲| 少妇被粗大猛烈的视频| 校园春色视频在线观看| 色综合亚洲欧美另类图片| 十八禁国产超污无遮挡网站|