• <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 ?

    LabVIEW 與 MATLAB 聯(lián)合編程在制冷系統(tǒng)故障診斷中的應用

    2021-08-08 04:33:24任正雄韓華崔曉鈺卿紅葉暉云
    能源研究與信息 2021年4期
    關鍵詞:最小二乘支持向量機參數(shù)優(yōu)化制冷系統(tǒng)

    任正雄 韓華 崔曉鈺 卿紅 葉暉云

    摘要:制冷系統(tǒng)作為建筑的主要能耗設備,其故障的及時診斷與糾正有助于提高能源利用率,減少對環(huán)境的影響。缺乏診斷平臺是制約制冷系統(tǒng)故障智能診斷推廣應用的重要因素之一?;?MATLAB 軟件強大的數(shù)據(jù)處理能力和LabVIEW 軟件便捷的虛擬儀器開發(fā)功能,進行聯(lián)合編程,實現(xiàn)優(yōu)勢互補,并將粒子群優(yōu)化(PSO )算法引入最小二乘支持向量機(LSSVM ),作為故障診斷的內(nèi)核,建立了制冷系統(tǒng)故障診斷平臺。對離心式冷水機組七類典型故障的診斷實驗結果表明:該聯(lián)合編程方法可行,可以實現(xiàn)界面友好、功能豐富、方便快捷的制冷系統(tǒng)故障診斷;所建立的 PSO?LSSVM 模型總體診斷正確率高達99.70%,正常和每類故障的診斷正確率均在99%以上。該平臺具有一定的開放性和擴展性,后續(xù)可以根據(jù)需要對診斷算法及其他功能模塊進行更改或添加,也可增加不同算法之間的比較分析或集成診斷,改善其靈活性,推進其推廣應用。 LabVIEW 軟件的采用,也為故障檢測與診斷嵌入系統(tǒng)控制提供了可能。

    關鍵詞:制冷系統(tǒng);故障檢測與診斷;最小二乘支持向量機;參數(shù)優(yōu)化;軟件編程

    中圖分類號: TB69??? 文獻標志碼: A

    Application of LabVIEW and MATLAB hybrid programming to fault diagnosis of refrigeration system

    REN Zhengxiong,HAN Hua ,CUI Xiaoyu,QING Hong,YE Huiyun

    (School of Energy and Power Engineering/Shanghai Key Laboratory of Multiphase Flow and Heat Transfer in PowerEngineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

    Abstract:Refrigeration system is the major energy consumption equipment in the building. Timely diagnosis? and? correction? of? faults? is? helpful? to? improve? energy? efficiency? and? reduce? the environmental impact. The lack of fault diagnosis platform is one of the major factors that limited the popularization and application of intelligent fault diagnosis of refrigeration system. Hybridprogramming was adopted by combined MATLAB and LabVIEW with powerful data processing capability and convenient virtual instrument development capability, respectively. Besides,? the introduction of particle swarm optimization (PSO) algorithm into the least squares support vector machine (LSSVM) was used as a fault diagnosis kernel to establish a refrigeration system fault diagnosis platform. Diagnostic experiments on seven types of typical faults in the centrifugal chiller showed that the hybrid programming method was feasible and could realize the fault diagnosis of refrigeration system with a friendly interface and abundant functions in a convenient manner. The diagnosis accuracy of PSO-LSSVM model was as high as 99.70%, and the accuracy of normal and each fault exceeded 99%. The platform is open and extensible for the modification and integrationof diagnostic? algorithms? and? other? functional? modules? as? required. Comparative? analysis? or integrated? diagnosis? can? be? included? as? well. The? adoption? of LabVIEW? also? provides? the possibility of embedding fault diagnosis into system control.

    Keywords:refrigeration? system; fault? detection? and? diagnosis; least? squares? support? vector machine; parameter optimization; software programming

    故障檢測和診斷(fault detection and diagnosis, FDD )技術在核反應堆、國防、化工、航空航天等多個領域得到了廣泛應用,并取得良好的經(jīng)濟和社會效益[1?4]。但是該技術在制冷系統(tǒng)的實際應用還沒有得到充分開發(fā),目前大部分在制冷系統(tǒng)中應用的 FDD 功能依然采用低效能的專家系統(tǒng)進行經(jīng)驗診斷[5]。隨著人工智能的發(fā)展,一些 FDD 研究通過采用機器學習或深度學習方法已經(jīng)得到高精度、高性能的新模型,例如:神經(jīng)網(wǎng)絡[6]、最小二乘支持向量機[7]等,但是由于FDD 開發(fā)人員面臨著多種技術和市場壁壘等問題,基本上沒有出現(xiàn)適合這些模型的商業(yè)軟件。

    為了推進 FDD 技術在制冷系統(tǒng)中的實際應用,本文提出將粒子群優(yōu)化( particle swarm optimization ,PSO )與最小二乘支持向量機(least squares support vector machine ,LSSVM )相結合的診斷策略[8],并基于 LabVIEW 與 MATLAB軟件聯(lián)合編程,初步開發(fā)一套制冷系統(tǒng) FDD 平臺。利用 LabVIEW 軟件的可視化編程功能對主界面、圖形顯示和各種模塊進行綜合設計,并將 MATLAB 軟件強大的數(shù)值運算能力用于 FDD 模型訓練和故障診斷,通過聯(lián)合編程實現(xiàn)高性能故障診斷模型的便捷應用[9?10]。采用離心式冷水機組的故障模擬數(shù)據(jù)進行實驗驗證,檢測 PSO?LSSVM 模型的診斷性能,并評估聯(lián)合編程的可行性及平臺的各項功能。

    1故障診斷模型

    1.1最小二乘支持向量機

    LSSVM 算法是支持向量機( support vectormachine, SVM )算法的改進[11],該算法在制冷系統(tǒng)故障診斷中表現(xiàn)優(yōu)異。LSSVM 算法的簡化邏輯如圖1所示。該算法通過在低維特征空間中引入拉格朗日乘子,將約束優(yōu)化問題轉變成無約束優(yōu)化問題,先在運算更簡便的低維特征空間完成計算,然后通過核函數(shù)將輸入空間映射到高維特征空間,最后在高維特征空間構造出最優(yōu)分類超平面。

    最小二乘支持向量機算法的分類優(yōu)化問題表達式為

    式中: w 為權向量;i為松弛因子,可以度量一個數(shù)據(jù)點對模式可分的理想條件下的偏離程度; b 為偏置值;yi為輸出數(shù)據(jù)(制冷系統(tǒng)故障類別);xi 為輸入數(shù)據(jù)(表征制冷系統(tǒng)故障狀態(tài)的參數(shù));牽(x)為非線性映射函數(shù); n 為樣本點數(shù)目;γ為正則化因子,屬于可調(diào)參數(shù),用于調(diào)節(jié) LSSVM 置信范圍和經(jīng)驗風險的比例,實現(xiàn)結構風險最小化。

    當γ取值較小時,表示對超出誤差范圍的樣本點的懲罰程度不足,模型的復雜性低而經(jīng)驗風險高,會造成機器的欠學習現(xiàn)象;反之,當γ取值較大時,對訓練樣本點誤差的懲罰加大,則會出現(xiàn)過學習現(xiàn)象[12]。因此,γ過大或過小都會使模型的泛化性能變差。

    引入拉格朗日乘子αi( i =1,2,3,···,n )進行無約束優(yōu)化,進而提高運算速度。采用核函數(shù)進行高維映射,利用Karush?Kuhn?Tucker ( KKT )[13]優(yōu)化條件及 Mercer 條件[14]求解,得出分類模型為

    式中:sgn(u)為符號函數(shù),當 u ≤0,則sgn(u)=?1,當 u >0,則sgn(u)=1;K (x, xi)為滿足 Mercer 條件的核函數(shù)。

    本文選取高斯徑向基核函數(shù)( radial basis function,RBF )[15],即

    K (x, xi)= exp (?)

    式中:σ為核參數(shù),它決定了數(shù)據(jù)映射到新的特征空間后的分布,σ越大,支持向量越少,σ越小,支持向量越多,支持向量的個數(shù)影響訓練與預測的速度,從而影響模型的泛化性能。

    1.2粒子群優(yōu)化算法

    PSO 是一種基于種群的搜索算法,每個個體在多維搜索空間中被視為無體積的粒子(一個點),粒子運動情況如圖2所示。每個點都具有特定位置和速度,按照一定慣性運動。解空間中存在個體最優(yōu)和種群最優(yōu),每個粒子都會受到自我認知和群體的影響,并根據(jù)式(4)、(5)更新速度和位置,不斷改變運動方向并向最優(yōu)位置運動,經(jīng)過多次迭代后即可尋得最優(yōu)解。

    式中:i =1,2,…,N,N 為群體中粒子總數(shù);下標“i”表示第i個粒子;下標“d ”表示粒子的第 d 維,即優(yōu)化的第d 個參數(shù); t 為迭代次數(shù);pid (t)為第i個粒子在迭代到第 t 代前搜索到的最優(yōu)位置;pgd(t)為整個群體搜索到的最優(yōu)位置;c1、c2均為加速因子,分別代表粒子向自身學習的成分和向群體學習的成分,本文取c1=1.5, c2=2;r1(t)、r2(t)均為服從(0,1)區(qū)間上均勻分布的隨機數(shù);vid為速度,被限制在區(qū)間[ Vmin, Vmax]內(nèi)( Vmin、 Vmax 分別為最小和最大速度),避免因粒子速度過大而跳過最優(yōu)解或速度過小導致粒子的全局搜索能力降低;w 為慣性權重,用來平衡算法的局部搜索能力與全局搜索能力。

    式中:tmax為最大迭代次數(shù);wmax、wmin分別為 w 的最大值和最小值。

    1.3 PSO?LSSVM 模型

    LSSVM 的建模過程中需要設定兩個關鍵參數(shù)的值:核參數(shù)σ和正則化因子γ,統(tǒng)稱為超參數(shù),它們直接影響 LSSVM 模型的泛化性能和魯棒性。采用 PSO 算法進行超參數(shù)優(yōu)化,通過迭代選擇最優(yōu)超參數(shù),提高模型分類正確率和故障診斷性能。優(yōu)化過程需要確定超參數(shù)的表示方法和粒子適應度函數(shù)。需要優(yōu)化的超參數(shù)有兩個,因而搜索空間的維數(shù)為2(d =2)。每個粒子表示為 Xi=(σ,γ),粒子群 p1優(yōu)化參數(shù)σ,粒子群 p2優(yōu)化參數(shù)γ[16]。適應度用于評價粒子所處位置的優(yōu)劣。適應度函數(shù)f(x)越小,適應能力越強。本文采用訓練樣本的均方根誤差( MSE )?e作為適應度函數(shù),即

    式中:yib為訓練樣本的真實標簽;yb為訓練樣本的預測標簽。

    根據(jù)以上分析,可建立 PSO?LSSVM 模型。圖3為基于 PSO?LSSVM 算法的制冷系統(tǒng)故障診斷框架。

    PSO?LSSVM 模型故障診斷過程為:

    (1)數(shù)據(jù)預處理。導入數(shù)據(jù),將數(shù)據(jù)分為訓練集和測試集兩部分,實驗數(shù)據(jù)之間可能存在數(shù)量級的差異,影響模型的診斷性能,需要對數(shù)據(jù)進行歸一化處理。

    (2)優(yōu)化超參數(shù)。

    步驟1:初始化群體大小,設置最大迭代次數(shù)和粒子的速度和位置;

    步驟2:構建 LSSVM模型;

    步驟3:根據(jù)式(7)計算每個粒子的適應度;

    步驟4:更新個體極值和全局極值;

    步驟5:根據(jù)式(4)、(5)更新每個粒子的速度和位置,根據(jù)式(6)更新慣性權重;

    步驟6:重復步驟2~6,直到滿足終止條件;

    步驟7:終止算法,給出最優(yōu)超參數(shù)。

    (3)訓練和測試。利用最終得到的超參數(shù)訓練 LSSVM 模型,通過交叉驗證進行評估。將測試集導入模型中,得到故障診斷結果,進而分析模型性能。

    2聯(lián)合編程與 FDD 平臺設計

    MATLAB 軟件具有強大的科學計算功能和大量穩(wěn)定,可靠的工具箱,其在故障診斷中應用較廣,可有效實現(xiàn)各種數(shù)據(jù)挖掘及智能算法。但 MATLAB 環(huán)境界面不夠友好、易用,因此,引入擅長虛擬儀器設計的 LabVIEW 以彌補其不足,并為 FDD技術與系統(tǒng)控制相結合提供可能。

    LabVIEW 與 MATLAB 數(shù)據(jù)互通的方法有多種[17],本文采用 MATLAB Script 節(jié)點[18]進行聯(lián)合編程。 LabVIEW 與 MATLAB 數(shù)據(jù)轉換流程如圖4所示。MATLAB Script 節(jié)點(以下稱腳本節(jié)點)的作用是直接調(diào)用已安裝的 MATLAB 程序,并在 LabVIEW 環(huán)境下運行已建立的 PSO?LSSVM 模型。該方法容易實現(xiàn),打開腳本的速度快,能夠滿足多輸入多輸出,一次處理的信息量大,方便快捷。

    在聯(lián)合編程過程中,所有的數(shù)據(jù)交互均需通過腳本節(jié)點實現(xiàn)。圖5以其中一個節(jié)點為例,闡釋聯(lián)合編程方法。主要步驟為:

    (1)在 LabVIEW環(huán)境中找到腳本節(jié)點(圖5中的 A 部分),并在框圖中進行設置。算法可以從 MATLAB 中導入,也可以直接在節(jié)點中編寫;

    (2)設置節(jié)點的輸入和輸出。輸入為模型訓練數(shù)據(jù)(condata),輸出為模型訓練仿真后得到的結果;

    (3)運行程序。腳本節(jié)點開始調(diào)用 MATLAB 程序,將輸入數(shù)據(jù)分配給 PSO?LSSVM 模型,并運行程序。訓練和仿真完成后,將結果傳輸并分配給節(jié)點的輸出:混淆矩陣(ConfMat )和正確率(Accu );

    (4)在 LabVIEW軟件中,將腳本節(jié)點的輸出可視化,根據(jù)用戶需求進行進一步分析,如圖5中的 B 部分所示。同時,設計多個子 VI(virtual instrument)以實現(xiàn)多種功能并簡化程序框圖。

    基于此聯(lián)合編程思想,初步搭建了一個制冷系統(tǒng) FDD 平臺。開發(fā)環(huán)境為:Windows 10操作系統(tǒng), MATLAB 9.4( R2018a)、 LabVIEW2018。圖6為該平臺的工作流程。不同功能模塊對應不同的界面窗口,包括登錄模塊 a、功能選擇模塊 b、模型訓練模塊 c 和故障診斷模塊 d 和 e。平臺整合了用戶管理,并將 PSO?LSSVM 模型訓練與故障診斷分開,用戶可以根據(jù)不同需求進入不同模塊。模型訓練模塊可以展示訓練結果并保存模型;故障診斷模塊根據(jù)數(shù)據(jù)量不同分為單組樣本診斷與批量樣本診斷,既保證功能完善,又實現(xiàn)可視化,提高效率。

    3實驗驗證

    將 PSO?LSSVM 模型嵌入 FDD 平臺中進行實驗,通過平臺的分析運算功能評估模型的性能,同時采用該模型運行平臺的各模塊,進一步驗證平臺設計優(yōu)劣以及通過聯(lián)合編程思想推進制冷系統(tǒng) FDD 技術實際應用的可行性。

    首先,從美國采暖制冷與空調(diào)工程師學會( ASHRAE ) RP?1043離心式冷水機組故障模擬實驗數(shù)據(jù)庫[19]中,隨機抽取8000個樣本用于模

    型訓練,4000個樣本用于模型測試,抽取1個樣本和10個樣本分別用于單組樣本和批量樣本故障診斷。數(shù)據(jù)共有八類,包含正常運行和七類典型故障,如表1所示。

    在平臺的模型訓練模塊(圖6c)中訓練 PSO?LSSVM 模型,運行結果如圖7所示。界面上直觀展示了模型的混淆矩陣、性能直方圖、每類故障的診斷正確率、整體診斷正確率和耗時??梢?,模型訓練時間為2580 s,所有類別的總體診斷正確率達到99.70%,正常和每類故障的診斷正確率均在99%以上,而ConFoul和ReduCF的診斷正確率甚至高達100%。從圖7中的性能直方圖可看出,系統(tǒng)故障的診斷正確率較高,但都低于局部故障的,原因在于系統(tǒng)故障對制冷系統(tǒng)的參數(shù)影響范圍較大且較為復雜,易與其他故障混淆,難以被正確檢測和識別,從而影響整體診斷正確率。

    依托較高性能的 PSO?LSSVM 模型對平臺的故障診斷及其他模塊進行測試。圖8(a)為用于診斷單組樣本的界面,上部是診斷數(shù)據(jù)信息,下部是診斷結果,以亮燈并發(fā)出報警鈴的形式展示,并在右側顯示相應故障的征兆、帶來的影響及可能的維修建議。圖8(b)為批量樣本故障診斷的結果,主要展示數(shù)據(jù)信息及相應的診斷結果,點擊故障,同樣可以展示該故障的相關信息。

    此外,采用120?ton 螺桿冷水機組的故障模擬實驗研究[20]的實際運行數(shù)據(jù)對該平臺的診斷性能做進一步驗證。由于條件限制,該研究只模擬了 Normal、RefLeak、RefOver三類,包括兩類故障系統(tǒng)故障,運行結果分別如圖9、10所示。 FDD 平臺可以較好地處理實際數(shù)據(jù),對于不同類型冷水機組的數(shù)據(jù),PSO?LSSVM 模型依然有較好的診斷性能,總體診斷正確率為98.23%。從性能直方圖中可以看出,RefOver的診斷正確率達到100%,平臺各功能模塊均可正常運行。

    綜上所述,PSO?LSSVM 模型的診斷性能優(yōu)良,依托 FDD 平臺可以方便、快捷地實現(xiàn)各種功能,且直觀易操作,達到了設計要求。如果模型預先進行線下訓練,則可實現(xiàn)在線診斷,且準確、高效。

    4結論

    本文基于 LabVIEW 與 MATLAB 聯(lián)合編程的 MATLAB Script 節(jié)點技術,開發(fā)了一套界面友好、體現(xiàn)人機交互的制冷系統(tǒng) FDD 平臺,可以方便、快捷地實現(xiàn)故障診斷,并在相對直觀、美化的界面展示結果。充分利用并發(fā)揮了 MATLAB 軟件強大的數(shù)據(jù)處理功能,以及 LabVIEW 軟件的圖形化編程特點和圖像處理功能。該平臺集成了用戶權限管理、數(shù)據(jù)讀取、模型訓練及保存、多樣化結果展示、故障診斷及報表存儲等功能。

    作為診斷內(nèi)核的 PSO?LSSVM 模型,可在較短時間內(nèi)完成訓練,實現(xiàn)制冷系統(tǒng)七類典型故障的檢測與診斷,總體診斷正確率高達99.70%,正常和每類故障的診斷正確率均在99%以上,性能優(yōu)良。采用另一臺不同類型冷水機組故障模擬實驗數(shù)據(jù)再次進行驗證的結果顯示,平臺各功能模塊均可正常運行,診斷結果較佳。

    另外,該平臺亦具有一定的開放性和擴展性。在后續(xù)的開發(fā)中,可以根據(jù)需要對診斷算法及其他功能模塊進行更改或添加,也可增加不同算法之間的比較分析或集成診斷,改善其靈活性,并實現(xiàn)操作界面及結果展示的中英文語言切換,推進其推廣應用。 LabVIEW 軟件的采用,為 FDD 技術嵌入系統(tǒng)控制提供了可能。

    參考文獻:

    [1] 許明軒.飛機航電系統(tǒng)故障分析方法與故障診斷技術研究[J].中國設備工程, 2018(14):96-97.

    [2] 許偉, 馮武衛(wèi), 袁躍峰, 等.船用機械設備故障診斷系統(tǒng)研究與開發(fā)[J].機電工程 , 2014, 31(10):1291-1295, 1323.

    [3] 張霄,錢玉良, 邱正, 等.基于蜻蜓算法優(yōu)化 BP 神經(jīng)網(wǎng)絡的燃氣輪機故障診斷[J].熱能動力工程, 2019, 34(3):26-32.

    [4] 杜奕, 唐洪, 丁家滿, 等.一種基于概率盒?PSO?SVM的滾動軸承故障診斷方法[J].上海理工大學學報 , 2018, 40(1):76-83.

    [5] GRANDERSON J, SINGLA R, MAYHORN E, et al.Characterization? and? survey? of? automated? fault detection? and? diagnostics? tools[R]. Berkeley,? CA: Lawrence Berkeley National Laboratory, 2017.

    [6] LIANG Q Q, HAN H, CUI X Y, et al. Comparativestudy? of? probabilistic? neural? network? and? backpropagation network for fault diagnosis of refrigerationsystems[J]. Science and Technology for the Built Environment, 2018, 24(4):448-457.

    [7] HAN H,? CUI X Y,? FAN Y Q,? et al. Least squaressupportvector machine (LS-SVM)-based chiller fault diagnosis? using? fault? indicative? features[J]. Applied Thermal Engineering, 2019, 154:540-547.

    [8] 趙莉華, 張亞超, 金陽, 等.基于 LabVIEW 和Matlab虛擬實驗室的實現(xiàn)[J].實驗室研究與探索 , 2014, 33(4):62-64,67.

    [9] 裴鋒 , 楊萬生. LabVIEW 與 MATLAB 混合編程[J].電子技術應用, 2004, 30(3):4-6.

    [10]李建強, 張瑩瑩, 牛成林.基于 PSO?LSSVM 模型的火電廠煙氣含氧量預測[J].熱能動力工程 , 2018,33(7):49-55.

    [11] SUYKENS J A K, VANDEWALLE J. Least squaressupport vector machine classifiers[J]. Neural Processing Letters, 1999, 9(3):293-300.

    [12] CHAMKALANI A, ZENDEHBOUDI S, BAHADORIA, et al. Integration of LSSVM technique with PSO to d etermine? asphaltene? deposition[J]. Journal? of? Petro- leum Science and Engineering, 2014, 124:243?253.

    [13]吳崇明, 王曉丹, 白冬嬰, 等.利用 KKT 條件與類邊界包向量的 SVM 增量學習算法[J].計算機工程與設計, 2010, 31(8):1792-1794, 1798.

    [14] FLETCHER R. Practical methods of optimization[M].Chichester: Wiley, 1987.

    [15]顧燕萍, 趙文杰, 吳占松.最小二乘支持向量機魯棒回歸算法研究[J].清華大學學報:自然科學版 , 2015, 55(4):396-402.

    [16]鄭含博, 王偉, 李曉綱, 等.基于多分類最小二乘支持向量機和改進粒子群優(yōu)化算法的電力變壓器故障診斷方法[J].高電壓技術, 2014, 40(11):3424-3429.

    [17]黃世奎 , 彭宇寧 , 謝樹平 , 等. LabVIEW 與Matlab/Simulink 混合編程方法及應用[J].實驗室研究與探索, 2009, 28(7):67-71.

    [18]王后能, 宋杰. LabVIEW 嵌入Matlab腳本節(jié)點的電機轉速控制系統(tǒng)仿真[J].武漢工程大學學報, 2015, 37(8):69-74.

    [19] COMSTOCK? M? C,? BRAUN? J? E. Development? ofanalysis tools for the evaluation of fault detection and diagnostics in chillers[R]. West Lafayette, IN: PurdueUniversity, 1999.

    [20] FAN? Y? Q,? CUI? X? Y,? HAN? H,? et? al.Chiller? faultdetection anddiagnosis by knowledge transfer based on? adaptive? imbalanced? processing[J]. Science? and? Technology for the Built Environment, 2020, 26(8):1082-1099.

    猜你喜歡
    最小二乘支持向量機參數(shù)優(yōu)化制冷系統(tǒng)
    R290/R170單級壓縮回熱制冷系統(tǒng)模擬研究
    基于最小二乘支持向量機的VaR計算方法研究
    價值工程(2017年6期)2017-03-15 17:51:46
    電子商務交易風險評估模型仿真分析
    基于神經(jīng)網(wǎng)絡的動力電池組焊接參數(shù)優(yōu)化研究
    研究LTE與WCDMA系統(tǒng)間小區(qū)互操作與參數(shù)優(yōu)化
    基于磁流變技術的汽車發(fā)動機隔振系統(tǒng)的參數(shù)優(yōu)化
    科技視界(2016年23期)2016-11-04 08:17:36
    上向進路式尾砂膠結充填采礦法采場結構參數(shù)優(yōu)化研究
    奧迪A6L車制冷系統(tǒng)工作異常
    基于混合核函數(shù)的LSSVM網(wǎng)絡入侵檢測方法
    關于遺傳算法優(yōu)化的最小二乘支持向量機在MBR仿真預測中的研究
    軟件(2015年5期)2015-08-22 08:20:56
    久久精品国产a三级三级三级| 色5月婷婷丁香| 久久精品国产亚洲av涩爱| 大陆偷拍与自拍| 国产精品福利在线免费观看| 亚洲国产欧美在线一区| 99久久精品国产国产毛片| 如何舔出高潮| 国产一区二区三区综合在线观看 | 欧美日韩视频高清一区二区三区二| 一级毛片我不卡| 国产精品久久久久久久久免| 久久婷婷青草| 制服丝袜香蕉在线| 亚洲自偷自拍三级| 一本一本综合久久| 新久久久久国产一级毛片| 伊人久久精品亚洲午夜| 深夜a级毛片| 精品久久国产蜜桃| 男人爽女人下面视频在线观看| 久久精品国产a三级三级三级| 亚洲欧美成人精品一区二区| 日韩欧美 国产精品| 99久久精品热视频| videossex国产| 亚洲精品国产av蜜桃| 亚洲精品一二三| 亚洲欧美一区二区三区黑人 | 日日摸夜夜添夜夜爱| 51国产日韩欧美| 老女人水多毛片| 久久久久久久久久成人| 欧美日韩在线观看h| 有码 亚洲区| 久久国内精品自在自线图片| tube8黄色片| 精品视频人人做人人爽| 九草在线视频观看| 国产午夜精品久久久久久一区二区三区| 国产精品免费大片| 简卡轻食公司| 青春草视频在线免费观看| 精品国产露脸久久av麻豆| 日韩伦理黄色片| 精品久久国产蜜桃| 毛片女人毛片| 黄色欧美视频在线观看| 亚洲精品aⅴ在线观看| 亚洲一级一片aⅴ在线观看| 久久韩国三级中文字幕| 久久精品国产鲁丝片午夜精品| 在线精品无人区一区二区三 | 精品99又大又爽又粗少妇毛片| 中国美白少妇内射xxxbb| 男女边摸边吃奶| 一级片'在线观看视频| videossex国产| 亚洲不卡免费看| 亚洲最大成人中文| 国内揄拍国产精品人妻在线| 六月丁香七月| 国产 一区 欧美 日韩| 成人亚洲精品一区在线观看 | 免费在线观看成人毛片| 国产伦理片在线播放av一区| 亚洲成人中文字幕在线播放| 少妇猛男粗大的猛烈进出视频| 91精品国产九色| 久久av网站| 2022亚洲国产成人精品| 色视频在线一区二区三区| 韩国av在线不卡| 欧美变态另类bdsm刘玥| 国产精品成人在线| 天堂8中文在线网| 99热这里只有是精品在线观看| 国产在线男女| 国产极品天堂在线| 久久久久久久精品精品| 久久久久久人妻| 少妇高潮的动态图| 国产精品av视频在线免费观看| 久久97久久精品| 亚洲精品456在线播放app| 久久久久久久亚洲中文字幕| 制服丝袜香蕉在线| 777米奇影视久久| 欧美成人a在线观看| 欧美极品一区二区三区四区| 久久久久久久久久人人人人人人| 久久久久视频综合| 亚洲欧美一区二区三区国产| 亚洲无线观看免费| 少妇人妻 视频| 卡戴珊不雅视频在线播放| 欧美成人精品欧美一级黄| kizo精华| 黄片wwwwww| 亚洲欧美日韩卡通动漫| 老师上课跳d突然被开到最大视频| 欧美最新免费一区二区三区| 又粗又硬又长又爽又黄的视频| 五月天丁香电影| 成人综合一区亚洲| 蜜臀久久99精品久久宅男| 国产精品一区二区在线不卡| 晚上一个人看的免费电影| 日韩,欧美,国产一区二区三区| 精品人妻视频免费看| 在线观看美女被高潮喷水网站| 日本黄色片子视频| 三级经典国产精品| 自拍欧美九色日韩亚洲蝌蚪91 | 成人一区二区视频在线观看| 一区二区三区精品91| 欧美一区二区亚洲| 久久久久久人妻| 黑丝袜美女国产一区| 日韩大片免费观看网站| 久久久久网色| 亚洲无线观看免费| 亚洲国产精品专区欧美| 国产淫片久久久久久久久| 成年女人在线观看亚洲视频| 91aial.com中文字幕在线观看| 在线观看美女被高潮喷水网站| 欧美成人精品欧美一级黄| 亚洲色图av天堂| 美女国产视频在线观看| 国产美女午夜福利| 国产在线视频一区二区| 18禁裸乳无遮挡动漫免费视频| 婷婷色综合www| 久久久久久久亚洲中文字幕| 亚洲精品久久久久久婷婷小说| 久久久久人妻精品一区果冻| 中文字幕亚洲精品专区| 欧美三级亚洲精品| 久久久久人妻精品一区果冻| 欧美成人午夜免费资源| 1000部很黄的大片| 舔av片在线| 干丝袜人妻中文字幕| 免费看光身美女| 少妇丰满av| 午夜老司机福利剧场| 久久国产精品男人的天堂亚洲 | 免费黄网站久久成人精品| 夜夜看夜夜爽夜夜摸| 多毛熟女@视频| 国产69精品久久久久777片| 黄色配什么色好看| 日韩三级伦理在线观看| 香蕉精品网在线| 欧美日韩综合久久久久久| 欧美精品国产亚洲| 如何舔出高潮| 精品人妻偷拍中文字幕| 美女福利国产在线 | 久久99热这里只有精品18| 老司机影院成人| 中文资源天堂在线| 日韩三级伦理在线观看| 亚洲国产成人一精品久久久| 在线观看av片永久免费下载| 六月丁香七月| 人妻一区二区av| 少妇人妻 视频| 国产片特级美女逼逼视频| 国产精品国产av在线观看| 精华霜和精华液先用哪个| 春色校园在线视频观看| 国产一区二区三区综合在线观看 | 色5月婷婷丁香| 日韩不卡一区二区三区视频在线| 男男h啪啪无遮挡| 国产成人精品一,二区| 免费高清在线观看视频在线观看| 亚洲欧美日韩卡通动漫| 久久毛片免费看一区二区三区| 少妇丰满av| 卡戴珊不雅视频在线播放| 欧美成人午夜免费资源| 亚洲欧美日韩东京热| 亚洲美女黄色视频免费看| 91久久精品国产一区二区三区| 精品一区二区三区视频在线| 久久久久久久亚洲中文字幕| 国产有黄有色有爽视频| 亚洲怡红院男人天堂| 久久99热这里只频精品6学生| 天堂俺去俺来也www色官网| 国产午夜精品一二区理论片| 1000部很黄的大片| 啦啦啦在线观看免费高清www| 亚洲va在线va天堂va国产| 久久久久久久久久久丰满| 性高湖久久久久久久久免费观看| 亚洲熟女精品中文字幕| 天美传媒精品一区二区| 亚洲va在线va天堂va国产| 国内精品宾馆在线| 中文字幕免费在线视频6| 久久久久久久久久成人| 日本与韩国留学比较| 亚洲国产精品一区三区| 久久人人爽人人片av| 欧美变态另类bdsm刘玥| 22中文网久久字幕| 大片电影免费在线观看免费| 在现免费观看毛片| 国产免费又黄又爽又色| 大话2 男鬼变身卡| 国产成人精品婷婷| 在现免费观看毛片| 亚洲精品色激情综合| 水蜜桃什么品种好| 色网站视频免费| 一级毛片电影观看| 成人美女网站在线观看视频| 草草在线视频免费看| a 毛片基地| 成人免费观看视频高清| 国产综合精华液| 在线观看一区二区三区激情| 99热国产这里只有精品6| 大香蕉97超碰在线| 亚洲成色77777| 国产高清国产精品国产三级 | 又粗又硬又长又爽又黄的视频| 亚洲av不卡在线观看| 午夜福利网站1000一区二区三区| 久久午夜福利片| 91精品一卡2卡3卡4卡| 亚洲av.av天堂| 国产精品久久久久久精品电影小说 | 国产美女午夜福利| 午夜免费观看性视频| 午夜福利高清视频| 国产视频首页在线观看| 久久久久性生活片| 日日摸夜夜添夜夜添av毛片| 欧美亚洲 丝袜 人妻 在线| 成人漫画全彩无遮挡| 成人二区视频| 亚洲一级一片aⅴ在线观看| 青青草视频在线视频观看| 亚洲国产成人一精品久久久| av福利片在线观看| 女人十人毛片免费观看3o分钟| 在线观看免费视频网站a站| 亚洲怡红院男人天堂| 成年免费大片在线观看| 男女边摸边吃奶| 18禁裸乳无遮挡免费网站照片| 久久久久久久久久成人| 舔av片在线| 国产免费又黄又爽又色| 亚洲一级一片aⅴ在线观看| 特大巨黑吊av在线直播| 欧美精品一区二区免费开放| 日韩一区二区三区影片| 精品人妻偷拍中文字幕| 国产淫片久久久久久久久| 波野结衣二区三区在线| 久久6这里有精品| 美女中出高潮动态图| 久久99精品国语久久久| 91精品国产国语对白视频| 亚洲图色成人| 国产在线免费精品| 日本vs欧美在线观看视频 | 最近2019中文字幕mv第一页| 欧美日本视频| 日本午夜av视频| 99久久综合免费| 国产成人精品一,二区| 日韩人妻高清精品专区| 激情 狠狠 欧美| 国产v大片淫在线免费观看| 国产黄片美女视频| 国产精品人妻久久久影院| 狂野欧美白嫩少妇大欣赏| 国产男女超爽视频在线观看| 黑人猛操日本美女一级片| 成年av动漫网址| 在线观看免费日韩欧美大片 | 日本一二三区视频观看| 色综合色国产| 观看美女的网站| 午夜免费观看性视频| 97超视频在线观看视频| av在线老鸭窝| 一本—道久久a久久精品蜜桃钙片| 国产91av在线免费观看| 在线观看一区二区三区| 欧美日韩亚洲高清精品| 亚洲欧美日韩无卡精品| 亚洲精品中文字幕在线视频 | 久久久久精品久久久久真实原创| 美女高潮的动态| 男女边摸边吃奶| 女性被躁到高潮视频| 99精国产麻豆久久婷婷| 97热精品久久久久久| 精品酒店卫生间| 一级二级三级毛片免费看| h视频一区二区三区| 97超视频在线观看视频| 亚洲国产毛片av蜜桃av| 成人国产av品久久久| 夜夜骑夜夜射夜夜干| 色综合色国产| 91久久精品国产一区二区成人| 伦精品一区二区三区| av一本久久久久| 青春草视频在线免费观看| 十分钟在线观看高清视频www | av专区在线播放| 国产精品人妻久久久影院| av在线app专区| 亚洲欧洲国产日韩| 九九爱精品视频在线观看| 免费观看a级毛片全部| 三级国产精品片| 22中文网久久字幕| 欧美xxxx性猛交bbbb| 国产免费一级a男人的天堂| 国产精品久久久久成人av| 大香蕉久久网| 国产成人a∨麻豆精品| 亚洲最大成人中文| 女人十人毛片免费观看3o分钟| 国产精品99久久久久久久久| 国产精品精品国产色婷婷| 另类亚洲欧美激情| 国产亚洲最大av| 联通29元200g的流量卡| 有码 亚洲区| 精品视频人人做人人爽| 夫妻午夜视频| 亚洲人成网站在线观看播放| 久久久精品94久久精品| 亚洲精品一二三| 精品一区在线观看国产| 18+在线观看网站| 丰满乱子伦码专区| 小蜜桃在线观看免费完整版高清| 国产精品爽爽va在线观看网站| 日韩欧美一区视频在线观看 | 黄色视频在线播放观看不卡| 精品人妻偷拍中文字幕| 秋霞在线观看毛片| 黄片无遮挡物在线观看| 国产精品伦人一区二区| 99热国产这里只有精品6| 中文字幕亚洲精品专区| 国产精品秋霞免费鲁丝片| 国产精品久久久久久精品古装| 国产乱人视频| 一级毛片我不卡| 伊人久久精品亚洲午夜| 最近最新中文字幕免费大全7| 少妇熟女欧美另类| 国产精品.久久久| 九色成人免费人妻av| av国产久精品久网站免费入址| 国产成人a区在线观看| 国产精品无大码| 高清欧美精品videossex| 91狼人影院| 日韩三级伦理在线观看| 美女高潮的动态| 国产精品久久久久久久电影| 丰满迷人的少妇在线观看| 国产乱人偷精品视频| 免费人妻精品一区二区三区视频| 午夜福利影视在线免费观看| 国产精品99久久久久久久久| 国产亚洲91精品色在线| 美女视频免费永久观看网站| 1000部很黄的大片| 亚洲欧美一区二区三区国产| 一区二区三区精品91| 久久精品久久久久久久性| 日本与韩国留学比较| 亚洲精品第二区| av.在线天堂| 久久久久人妻精品一区果冻| 在线观看一区二区三区激情| 观看av在线不卡| 精品久久久久久久末码| 人妻 亚洲 视频| 久久久久久久久大av| 男人狂女人下面高潮的视频| 在线看a的网站| 91精品国产国语对白视频| 国产午夜精品一二区理论片| 成人国产麻豆网| 99热6这里只有精品| 夜夜看夜夜爽夜夜摸| 搡老乐熟女国产| 老师上课跳d突然被开到最大视频| 亚洲精品久久久久久婷婷小说| 中文字幕精品免费在线观看视频 | 日韩中字成人| 性色av一级| 亚洲av日韩在线播放| av卡一久久| 内射极品少妇av片p| 免费观看性生交大片5| 伦理电影大哥的女人| 男男h啪啪无遮挡| 九九在线视频观看精品| 下体分泌物呈黄色| 国产黄频视频在线观看| 亚洲国产成人一精品久久久| 国产成人免费观看mmmm| 在线观看免费视频网站a站| 国产精品爽爽va在线观看网站| 尾随美女入室| 久久 成人 亚洲| av福利片在线观看| 亚洲精品日本国产第一区| 日韩av不卡免费在线播放| 成年免费大片在线观看| 少妇人妻 视频| 国产 一区 欧美 日韩| 大片电影免费在线观看免费| 熟女av电影| 国精品久久久久久国模美| .国产精品久久| 国产亚洲精品久久久com| 中文天堂在线官网| 国产无遮挡羞羞视频在线观看| 欧美bdsm另类| 国产色爽女视频免费观看| 国产精品三级大全| 国产精品99久久久久久久久| 精品久久久久久久末码| 边亲边吃奶的免费视频| 国产无遮挡羞羞视频在线观看| 免费播放大片免费观看视频在线观看| 国产精品麻豆人妻色哟哟久久| 国产成人精品婷婷| 国产伦理片在线播放av一区| 嫩草影院入口| av在线蜜桃| 久久久久性生活片| 日韩不卡一区二区三区视频在线| 亚洲第一av免费看| 成人漫画全彩无遮挡| 大香蕉久久网| 色婷婷久久久亚洲欧美| 自拍偷自拍亚洲精品老妇| 美女视频免费永久观看网站| av免费在线看不卡| 小蜜桃在线观看免费完整版高清| 国精品久久久久久国模美| 人体艺术视频欧美日本| 51国产日韩欧美| 欧美日韩视频精品一区| 国产 一区 欧美 日韩| 夫妻午夜视频| www.av在线官网国产| 欧美精品人与动牲交sv欧美| 我要看黄色一级片免费的| 久久久亚洲精品成人影院| 妹子高潮喷水视频| 亚洲伊人久久精品综合| 亚洲丝袜综合中文字幕| 国产黄片视频在线免费观看| 熟女电影av网| 久久久久国产精品人妻一区二区| 少妇被粗大猛烈的视频| 黄色欧美视频在线观看| 超碰av人人做人人爽久久| h日本视频在线播放| 女性被躁到高潮视频| 国产黄频视频在线观看| 极品少妇高潮喷水抽搐| a级毛片免费高清观看在线播放| 日本黄色日本黄色录像| 99久久精品国产国产毛片| 午夜福利在线在线| 直男gayav资源| 色哟哟·www| 免费看光身美女| 一本久久精品| 日产精品乱码卡一卡2卡三| 内地一区二区视频在线| 2018国产大陆天天弄谢| 成人高潮视频无遮挡免费网站| 插阴视频在线观看视频| 婷婷色麻豆天堂久久| 中文字幕免费在线视频6| 久久久久视频综合| 91狼人影院| 丰满少妇做爰视频| 亚洲精品亚洲一区二区| 蜜桃久久精品国产亚洲av| 午夜激情久久久久久久| 国产一区二区三区综合在线观看 | 只有这里有精品99| 又爽又黄a免费视频| 成人特级av手机在线观看| 五月开心婷婷网| 在现免费观看毛片| 亚洲精品日韩av片在线观看| 亚洲国产毛片av蜜桃av| 综合色丁香网| 天堂中文最新版在线下载| 国产亚洲一区二区精品| 日韩大片免费观看网站| 亚洲国产精品999| videossex国产| 亚洲精品亚洲一区二区| 亚洲国产精品国产精品| 91久久精品国产一区二区三区| 久久久久久久久久久免费av| 狂野欧美激情性bbbbbb| 九九久久精品国产亚洲av麻豆| 久久久精品免费免费高清| 欧美性感艳星| 肉色欧美久久久久久久蜜桃| 日本黄色片子视频| 久久久久视频综合| 亚洲在久久综合| 国产精品熟女久久久久浪| 国产真实伦视频高清在线观看| 亚洲国产毛片av蜜桃av| 天美传媒精品一区二区| av在线蜜桃| 女的被弄到高潮叫床怎么办| 国产亚洲91精品色在线| 欧美激情极品国产一区二区三区 | 哪个播放器可以免费观看大片| 又黄又爽又刺激的免费视频.| 亚洲av电影在线观看一区二区三区| 久久久久久久久久人人人人人人| 久久精品国产亚洲网站| 色吧在线观看| 在线精品无人区一区二区三 | 日本av免费视频播放| 少妇精品久久久久久久| 日本爱情动作片www.在线观看| 亚洲av日韩在线播放| 特大巨黑吊av在线直播| 精品久久国产蜜桃| 久久女婷五月综合色啪小说| 99热全是精品| 各种免费的搞黄视频| 十八禁网站网址无遮挡 | 亚洲丝袜综合中文字幕| 久久人人爽人人片av| 精品一区二区免费观看| 尾随美女入室| 色婷婷久久久亚洲欧美| 男女下面进入的视频免费午夜| 一级爰片在线观看| 黑人猛操日本美女一级片| 人妻一区二区av| 91久久精品国产一区二区成人| 免费观看在线日韩| 少妇 在线观看| 观看av在线不卡| 99久久人妻综合| 久久久久视频综合| 日韩一区二区视频免费看| 舔av片在线| 人妻制服诱惑在线中文字幕| 亚洲高清免费不卡视频| 你懂的网址亚洲精品在线观看| 男人爽女人下面视频在线观看| 亚洲精品日韩在线中文字幕| 美女视频免费永久观看网站| 亚洲怡红院男人天堂| 成人美女网站在线观看视频| 黑人猛操日本美女一级片| 欧美激情国产日韩精品一区| 国产成人a∨麻豆精品| 成年美女黄网站色视频大全免费 | 七月丁香在线播放| 国产色婷婷99| 久久ye,这里只有精品| 成人高潮视频无遮挡免费网站| 一区二区三区免费毛片| 国产免费福利视频在线观看| 在线免费观看不下载黄p国产| 观看av在线不卡| 观看免费一级毛片| 亚洲精品国产色婷婷电影| 黄色配什么色好看| 99久久精品国产国产毛片| 日日啪夜夜撸| 午夜精品国产一区二区电影| 成人国产av品久久久| 日韩成人av中文字幕在线观看| 国产一区二区三区综合在线观看 | 中文字幕免费在线视频6| 丰满人妻一区二区三区视频av| 日韩一区二区视频免费看| 综合色丁香网| 国产熟女欧美一区二区| 丝袜脚勾引网站| 欧美日韩视频精品一区| 精品亚洲成a人片在线观看 | 久久毛片免费看一区二区三区| 天美传媒精品一区二区| 国产有黄有色有爽视频| 狂野欧美白嫩少妇大欣赏| 婷婷色综合大香蕉| 国产精品麻豆人妻色哟哟久久| 中国国产av一级|