• <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
    日韩亚洲欧美综合| 嫩草影院入口| 一区二区三区四区激情视频 | 精品久久久久久久久久久久久| 亚洲av.av天堂| 亚洲成人中文字幕在线播放| 日本欧美国产在线视频| 中文字幕免费在线视频6| a级毛色黄片| 中文字幕免费在线视频6| 真实男女啪啪啪动态图| 啦啦啦韩国在线观看视频| 亚洲欧美成人精品一区二区| 久久精品国产亚洲av涩爱 | 国产视频一区二区在线看| 悠悠久久av| 黄色日韩在线| 久久精品91蜜桃| 91久久精品电影网| 成人三级黄色视频| 免费电影在线观看免费观看| 22中文网久久字幕| 久久鲁丝午夜福利片| 成人高潮视频无遮挡免费网站| 亚洲精华国产精华液的使用体验 | av在线亚洲专区| 毛片女人毛片| 我要看日韩黄色一级片| 久久久午夜欧美精品| 成人国产麻豆网| 亚洲自偷自拍三级| 午夜福利18| 村上凉子中文字幕在线| 欧美日本亚洲视频在线播放| 成人亚洲欧美一区二区av| 91午夜精品亚洲一区二区三区| 免费一级毛片在线播放高清视频| 欧美激情国产日韩精品一区| 精品一区二区三区视频在线| 欧美中文日本在线观看视频| 99久久成人亚洲精品观看| 国产一区二区激情短视频| 搡老妇女老女人老熟妇| 日日干狠狠操夜夜爽| 亚洲国产色片| 男人狂女人下面高潮的视频| 精品午夜福利视频在线观看一区| 久久久久久久亚洲中文字幕| 91精品国产九色| 淫妇啪啪啪对白视频| 日本一二三区视频观看| 麻豆国产av国片精品| 成熟少妇高潮喷水视频| 精品久久久噜噜| 久久精品国产亚洲av涩爱 | 欧美日本亚洲视频在线播放| 菩萨蛮人人尽说江南好唐韦庄 | 午夜福利成人在线免费观看| 非洲黑人性xxxx精品又粗又长| 韩国av在线不卡| 欧美xxxx黑人xx丫x性爽| 国产精品一二三区在线看| 色视频www国产| 精品人妻一区二区三区麻豆 | 女人被狂操c到高潮| 99riav亚洲国产免费| 欧美丝袜亚洲另类| 麻豆av噜噜一区二区三区| 亚洲国产精品成人久久小说 | 人妻丰满熟妇av一区二区三区| ponron亚洲| 国产毛片a区久久久久| 两个人的视频大全免费| 亚洲第一电影网av| 国产亚洲精品av在线| 亚洲性久久影院| av专区在线播放| 国产色婷婷99| 欧美成人免费av一区二区三区| 麻豆乱淫一区二区| 一本久久中文字幕| 97在线视频观看| 欧美成人a在线观看| 麻豆国产av国片精品| 免费看av在线观看网站| 久久草成人影院| 中文字幕久久专区| 天天一区二区日本电影三级| 亚洲av二区三区四区| 男人舔奶头视频| 色噜噜av男人的天堂激情| 免费高清视频大片| 99国产极品粉嫩在线观看| avwww免费| 中国国产av一级| 高清日韩中文字幕在线| 综合色丁香网| 老司机影院成人| 成人无遮挡网站| 成人二区视频| 亚洲人成网站在线观看播放| 变态另类成人亚洲欧美熟女| 国产亚洲精品综合一区在线观看| 免费观看在线日韩| 免费av不卡在线播放| 白带黄色成豆腐渣| 日韩欧美国产在线观看| 尾随美女入室| 国产毛片a区久久久久| 欧美一区二区精品小视频在线| 精品久久久久久久人妻蜜臀av| .国产精品久久| 天堂av国产一区二区熟女人妻| 国产精品亚洲一级av第二区| 校园春色视频在线观看| 午夜视频国产福利| 欧美绝顶高潮抽搐喷水| 亚洲精品一卡2卡三卡4卡5卡| 欧美三级亚洲精品| 亚洲中文字幕一区二区三区有码在线看| 亚洲,欧美,日韩| 人人妻人人看人人澡| 日韩欧美在线乱码| 看十八女毛片水多多多| 人妻制服诱惑在线中文字幕| 精品熟女少妇av免费看| 男女那种视频在线观看| 国产精品1区2区在线观看.| 日本一本二区三区精品| 日日摸夜夜添夜夜添小说| 国产熟女欧美一区二区| 久久精品国产鲁丝片午夜精品| 精品久久久久久久久久免费视频| 一个人看视频在线观看www免费| 欧美日韩国产亚洲二区| 老熟妇仑乱视频hdxx| 午夜免费男女啪啪视频观看 | 床上黄色一级片| 午夜福利高清视频| 黄片wwwwww| av在线天堂中文字幕| 男女下面进入的视频免费午夜| 三级男女做爰猛烈吃奶摸视频| 午夜福利在线在线| 丰满的人妻完整版| 日本免费a在线| 最好的美女福利视频网| 色哟哟·www| 国产精品久久久久久av不卡| 午夜福利视频1000在线观看| 成年av动漫网址| 青春草视频在线免费观看| 国产亚洲精品久久久久久毛片| 国产高清视频在线播放一区| 精品久久久久久久人妻蜜臀av| 日韩欧美在线乱码| 国产高潮美女av| 国产一区二区激情短视频| 日产精品乱码卡一卡2卡三| 久久精品影院6| 97在线视频观看| 国产成人aa在线观看| 中文字幕人妻熟人妻熟丝袜美| 午夜福利成人在线免费观看| 成人美女网站在线观看视频| 欧美人与善性xxx| 免费看a级黄色片| 国产色爽女视频免费观看| 熟女电影av网| 嫩草影视91久久| 综合色av麻豆| 久久九九热精品免费| 最近的中文字幕免费完整| 欧美一级a爱片免费观看看| 精品久久久久久久久亚洲| 长腿黑丝高跟| a级毛片a级免费在线| av女优亚洲男人天堂| 久久久久久久久久久丰满| 久久久久国产精品人妻aⅴ院| 91午夜精品亚洲一区二区三区| 日韩人妻高清精品专区| 国产亚洲91精品色在线| 91在线精品国自产拍蜜月| 美女大奶头视频| 欧美一区二区亚洲| 亚洲国产精品成人久久小说 | 69人妻影院| 偷拍熟女少妇极品色| 99热全是精品| av在线老鸭窝| 免费看日本二区| 国产午夜精品论理片| 全区人妻精品视频| 最新中文字幕久久久久| 国产亚洲91精品色在线| 夜夜爽天天搞| 热99re8久久精品国产| 国产大屁股一区二区在线视频| 日本成人三级电影网站| 成人特级av手机在线观看| 久久久久久久午夜电影| 亚洲av免费高清在线观看| 亚洲av电影不卡..在线观看| 国产人妻一区二区三区在| 久久久精品大字幕| 人妻夜夜爽99麻豆av| 黄色一级大片看看| 久久这里只有精品中国| 欧美在线一区亚洲| 在线免费观看不下载黄p国产| 老司机午夜福利在线观看视频| 久久久久久久午夜电影| 热99re8久久精品国产| 亚洲av成人精品一区久久| 亚洲精品影视一区二区三区av| 91精品国产九色| 亚洲在线观看片| 全区人妻精品视频| 91av网一区二区| 欧美zozozo另类| 日本一二三区视频观看| 大又大粗又爽又黄少妇毛片口| 成人亚洲欧美一区二区av| 国产伦精品一区二区三区四那| 日本免费一区二区三区高清不卡| 97碰自拍视频| 国产精品女同一区二区软件| 国产淫片久久久久久久久| 美女 人体艺术 gogo| 亚洲人成网站在线观看播放| 1000部很黄的大片| 波多野结衣高清作品| av在线播放精品| 午夜福利成人在线免费观看| 国产精品国产高清国产av| 伦理电影大哥的女人| 日产精品乱码卡一卡2卡三| 国内揄拍国产精品人妻在线| 久久这里只有精品中国| 国产精品久久久久久av不卡| 亚洲国产精品国产精品| 久久精品国产鲁丝片午夜精品| 精品国内亚洲2022精品成人| 亚洲精品一区av在线观看| 我的老师免费观看完整版| 精品久久久久久久久av| 免费高清视频大片| 国产精品美女特级片免费视频播放器| 国产麻豆成人av免费视频| 日日摸夜夜添夜夜添av毛片| 欧美+亚洲+日韩+国产| 欧美一区二区亚洲| 国产一区二区亚洲精品在线观看| 观看美女的网站| 极品教师在线视频| 变态另类成人亚洲欧美熟女| 国产蜜桃级精品一区二区三区| 欧美成人一区二区免费高清观看| 成人午夜高清在线视频| 国产精品永久免费网站| 日本-黄色视频高清免费观看| 精品熟女少妇av免费看| 久久久久久久午夜电影| 国产中年淑女户外野战色| 丝袜喷水一区| 在线观看免费视频日本深夜| 五月玫瑰六月丁香| 久久久久久久午夜电影| 欧美成人免费av一区二区三区| 成人亚洲欧美一区二区av| 婷婷精品国产亚洲av| 国产一区亚洲一区在线观看| 卡戴珊不雅视频在线播放| 亚洲图色成人| 网址你懂的国产日韩在线| av.在线天堂| 久久久久久国产a免费观看| 久99久视频精品免费| 国产欧美日韩精品一区二区| 国产三级中文精品| 日产精品乱码卡一卡2卡三| 成人毛片a级毛片在线播放| 亚洲av免费在线观看| 精品人妻熟女av久视频| 91久久精品国产一区二区成人| 我的女老师完整版在线观看| 精品久久久久久久久av| 美女高潮的动态| 成人亚洲精品av一区二区| 欧美最新免费一区二区三区| 久久这里只有精品中国| 天天躁日日操中文字幕| 九九爱精品视频在线观看| 99久久成人亚洲精品观看| 波野结衣二区三区在线| www日本黄色视频网| 日本一二三区视频观看| 国产精品伦人一区二区| 一级黄色大片毛片| 国产精品人妻久久久影院| 日日干狠狠操夜夜爽| 午夜激情福利司机影院| 精品少妇黑人巨大在线播放 | 一级毛片电影观看 | 久久鲁丝午夜福利片| 亚洲国产精品sss在线观看| 99九九线精品视频在线观看视频| 精品久久久久久成人av| 国产在线精品亚洲第一网站| 我的老师免费观看完整版| 国产亚洲精品久久久久久毛片| 波多野结衣高清作品| 日韩 亚洲 欧美在线| 婷婷亚洲欧美| 搡女人真爽免费视频火全软件 | 久久久国产成人精品二区| 日韩 亚洲 欧美在线| 国产精品一区二区三区四区免费观看 | 久久久久九九精品影院| av黄色大香蕉| 中文亚洲av片在线观看爽| 少妇的逼好多水| 中文字幕免费在线视频6| 亚洲av中文字字幕乱码综合| av在线观看视频网站免费| 高清毛片免费观看视频网站| 久久久久精品国产欧美久久久| 97碰自拍视频| 成人特级av手机在线观看| 亚洲人成网站在线播| 午夜免费男女啪啪视频观看 | 三级毛片av免费| 亚洲,欧美,日韩| 久久亚洲国产成人精品v| 色综合亚洲欧美另类图片| 亚洲成人久久爱视频| 免费av观看视频| 国产老妇女一区| 狂野欧美激情性xxxx在线观看| 日本a在线网址| 淫妇啪啪啪对白视频| 亚洲精品亚洲一区二区| 一个人观看的视频www高清免费观看| 久久午夜福利片| 欧美高清成人免费视频www| 97人妻精品一区二区三区麻豆| 亚洲高清免费不卡视频| 看片在线看免费视频| 2021天堂中文幕一二区在线观| 国产一区二区三区在线臀色熟女| 亚洲最大成人手机在线| 国产精品99久久久久久久久| 久久久久久久久久黄片| 欧美色欧美亚洲另类二区| 老师上课跳d突然被开到最大视频| 亚洲精品亚洲一区二区| 免费人成视频x8x8入口观看| 国产日本99.免费观看| 一级黄色大片毛片| 精品乱码久久久久久99久播| 少妇熟女欧美另类| 黄色日韩在线| 日韩欧美三级三区| 久久久国产成人免费| 国产伦一二天堂av在线观看| 久久精品久久久久久噜噜老黄 | 无遮挡黄片免费观看| 男人和女人高潮做爰伦理| 精品少妇黑人巨大在线播放 | 日韩大尺度精品在线看网址| 久久欧美精品欧美久久欧美| 在线观看午夜福利视频| 熟女人妻精品中文字幕| 亚洲色图av天堂| 黑人高潮一二区| 中出人妻视频一区二区| 国产欧美日韩一区二区精品| 日本熟妇午夜| 九九热线精品视视频播放| 久久久久国内视频| 特级一级黄色大片| 国产欧美日韩精品亚洲av| 国产人妻一区二区三区在| 欧美日本视频| 日韩av不卡免费在线播放| 欧美xxxx黑人xx丫x性爽| 搞女人的毛片| 国产高清激情床上av| 国产成人aa在线观看| 夜夜夜夜夜久久久久| 91久久精品电影网| 欧美性猛交╳xxx乱大交人| 国产aⅴ精品一区二区三区波| 美女免费视频网站| 一级毛片我不卡| 亚洲在线观看片| 草草在线视频免费看| 美女黄网站色视频| 人妻久久中文字幕网| 日本免费一区二区三区高清不卡| 18禁在线无遮挡免费观看视频 | 床上黄色一级片| 免费看日本二区| 波多野结衣高清无吗| 91在线精品国自产拍蜜月| 18+在线观看网站| 长腿黑丝高跟| 色av中文字幕| 国产视频一区二区在线看| 岛国在线免费视频观看| 狠狠狠狠99中文字幕| 看黄色毛片网站| 美女黄网站色视频| av在线蜜桃| 岛国在线免费视频观看| 欧美高清成人免费视频www| 久久精品91蜜桃| 亚洲精品影视一区二区三区av| 亚洲性久久影院| 男女边吃奶边做爰视频| 直男gayav资源| 欧美日韩在线观看h| 久久韩国三级中文字幕| 久久久a久久爽久久v久久| 久久久成人免费电影| 精品一区二区三区视频在线| 中文亚洲av片在线观看爽| 日本色播在线视频| 美女 人体艺术 gogo| 免费在线观看影片大全网站| 亚洲国产精品sss在线观看| 在线免费观看不下载黄p国产| 欧美日韩一区二区视频在线观看视频在线 | 国产高清有码在线观看视频| 午夜日韩欧美国产| 日本色播在线视频| 少妇熟女欧美另类| 免费看光身美女| 激情 狠狠 欧美| 久久久精品大字幕| 国产三级在线视频| 中文字幕精品亚洲无线码一区| 欧美不卡视频在线免费观看| 色综合站精品国产| 99热精品在线国产| 午夜影院日韩av| av女优亚洲男人天堂| 国产女主播在线喷水免费视频网站 | 日韩一本色道免费dvd| 简卡轻食公司| 亚洲国产日韩欧美精品在线观看| 波多野结衣高清作品| 国产色爽女视频免费观看| 在线a可以看的网站| 婷婷精品国产亚洲av在线| 欧美激情在线99| 真人做人爱边吃奶动态| 男女做爰动态图高潮gif福利片| 99久国产av精品| 欧美不卡视频在线免费观看| 超碰av人人做人人爽久久| 在线播放无遮挡| 成年女人永久免费观看视频| 亚洲丝袜综合中文字幕| 欧美精品国产亚洲| 在线观看美女被高潮喷水网站| 久久亚洲国产成人精品v| 国产一区二区三区在线臀色熟女| 夜夜夜夜夜久久久久| 又粗又爽又猛毛片免费看| 成人性生交大片免费视频hd| 日本黄大片高清| 国产成年人精品一区二区| 中文字幕人妻熟人妻熟丝袜美| 菩萨蛮人人尽说江南好唐韦庄 | 日日摸夜夜添夜夜添av毛片| 精品午夜福利在线看| 国产精品一区二区免费欧美| 91麻豆精品激情在线观看国产| 国产69精品久久久久777片| 日韩av不卡免费在线播放| videossex国产| 国产午夜精品论理片| 超碰av人人做人人爽久久| 在线播放国产精品三级| 亚洲激情五月婷婷啪啪| 最近2019中文字幕mv第一页| 你懂的网址亚洲精品在线观看 | 天天一区二区日本电影三级| 两个人视频免费观看高清| 99久久精品一区二区三区| 国产伦精品一区二区三区视频9| 欧美成人精品欧美一级黄| 亚洲自拍偷在线| 久久6这里有精品| 欧美激情久久久久久爽电影| 国产精品免费一区二区三区在线| 91久久精品国产一区二区成人| 伦理电影大哥的女人| 欧美一区二区亚洲| 亚洲一区高清亚洲精品| 亚洲美女黄片视频| 免费看av在线观看网站| 黄片wwwwww| 成年女人毛片免费观看观看9| 22中文网久久字幕| 少妇熟女欧美另类| 日本成人三级电影网站| 欧美日韩乱码在线| 免费av观看视频| 嫩草影院精品99| 一级毛片aaaaaa免费看小| 女生性感内裤真人,穿戴方法视频| 99精品在免费线老司机午夜| 成年女人永久免费观看视频| 日韩在线高清观看一区二区三区| 噜噜噜噜噜久久久久久91| 尾随美女入室| 我要搜黄色片| 精品少妇黑人巨大在线播放 | 日韩成人伦理影院| 久久久久久国产a免费观看| 18+在线观看网站| 欧美性感艳星| 久久久久国产网址| 色播亚洲综合网| 亚洲成a人片在线一区二区| 少妇人妻一区二区三区视频| 特大巨黑吊av在线直播| 成人特级黄色片久久久久久久| 老司机影院成人| 久久久久久九九精品二区国产| 在线看三级毛片| 人人妻,人人澡人人爽秒播| 成人性生交大片免费视频hd| 人人妻,人人澡人人爽秒播| 又爽又黄无遮挡网站| 成人三级黄色视频| 成人二区视频| 亚洲欧美成人综合另类久久久 | 淫秽高清视频在线观看| 日韩成人伦理影院| 亚洲aⅴ乱码一区二区在线播放| 国产白丝娇喘喷水9色精品| 欧美成人一区二区免费高清观看| 你懂的网址亚洲精品在线观看 | 亚洲av中文av极速乱| 最近2019中文字幕mv第一页| 久久人人精品亚洲av| 亚洲人成网站在线播| 寂寞人妻少妇视频99o| 毛片女人毛片| 亚洲经典国产精华液单| 国产精华一区二区三区| 精品人妻一区二区三区麻豆 | 午夜激情欧美在线| 高清午夜精品一区二区三区 | 亚洲欧美精品综合久久99| 18禁黄网站禁片免费观看直播| 蜜桃久久精品国产亚洲av| 亚洲第一区二区三区不卡| 一进一出抽搐动态| 99国产极品粉嫩在线观看| 午夜福利成人在线免费观看| 日韩欧美一区二区三区在线观看| 国产色婷婷99| 久久久精品欧美日韩精品| 日韩国内少妇激情av| 久久久久国内视频| 国产高清视频在线播放一区| 成年免费大片在线观看| 午夜a级毛片| 国产 一区 欧美 日韩| 网址你懂的国产日韩在线| 久久久色成人| 99国产极品粉嫩在线观看| 女的被弄到高潮叫床怎么办| 2021天堂中文幕一二区在线观| 九九爱精品视频在线观看| 亚洲av成人av| 亚洲无线观看免费| 综合色av麻豆| 黄色一级大片看看| 毛片女人毛片| 婷婷精品国产亚洲av在线| 18禁裸乳无遮挡免费网站照片| 精品一区二区三区人妻视频| 97超级碰碰碰精品色视频在线观看| 一级a爱片免费观看的视频| 美女 人体艺术 gogo| 少妇丰满av| 日本一本二区三区精品| 国产av不卡久久| 国产精品不卡视频一区二区| 校园人妻丝袜中文字幕| 国产视频一区二区在线看| 少妇人妻精品综合一区二区 | 欧美最黄视频在线播放免费| 九九久久精品国产亚洲av麻豆| 性欧美人与动物交配| 99热网站在线观看| 看黄色毛片网站| 天天躁日日操中文字幕| 91久久精品电影网| 99热全是精品| 国产成人91sexporn| 午夜视频国产福利| 自拍偷自拍亚洲精品老妇| 尤物成人国产欧美一区二区三区| 一级毛片电影观看 | 蜜臀久久99精品久久宅男| 日本三级黄在线观看| 久久久久久久午夜电影| 国产免费男女视频|