• <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
    韩国av在线不卡| 啦啦啦视频在线资源免费观看| 日韩中字成人| 最近中文字幕2019免费版| 欧美老熟妇乱子伦牲交| 亚洲精品乱码久久久v下载方式| 亚洲美女搞黄在线观看| 99热这里只有精品一区| 高清毛片免费看| 精品亚洲成国产av| 日韩视频在线欧美| 少妇的逼水好多| 尾随美女入室| 久久av网站| 波野结衣二区三区在线| 亚洲国产精品一区二区三区在线| 国内揄拍国产精品人妻在线| 精品卡一卡二卡四卡免费| 亚洲精品456在线播放app| 亚洲精品一二三| 美女大奶头黄色视频| 国产国拍精品亚洲av在线观看| 美女cb高潮喷水在线观看| 高清在线视频一区二区三区| 亚洲电影在线观看av| 国产成人91sexporn| 国精品久久久久久国模美| 热re99久久精品国产66热6| 国产精品人妻久久久久久| 在线观看av片永久免费下载| 2018国产大陆天天弄谢| 免费黄色在线免费观看| 亚洲性久久影院| 亚洲精品日韩在线中文字幕| 9色porny在线观看| 久久久久久久大尺度免费视频| 在线精品无人区一区二区三| 又大又黄又爽视频免费| 男男h啪啪无遮挡| 18禁动态无遮挡网站| 中国美白少妇内射xxxbb| 亚洲av国产av综合av卡| 日本av手机在线免费观看| 久久精品久久久久久久性| 免费看不卡的av| 国产精品一区二区性色av| 欧美精品国产亚洲| 狂野欧美激情性bbbbbb| 高清视频免费观看一区二区| 国产熟女午夜一区二区三区 | av女优亚洲男人天堂| 日本欧美视频一区| 亚洲精品自拍成人| 一级二级三级毛片免费看| 亚洲精品成人av观看孕妇| 日韩欧美一区视频在线观看 | 色婷婷久久久亚洲欧美| 精品人妻一区二区三区麻豆| 日本免费在线观看一区| 国产精品三级大全| 性色av一级| 日日摸夜夜添夜夜添av毛片| 3wmmmm亚洲av在线观看| 久久国产亚洲av麻豆专区| 国产欧美日韩一区二区三区在线 | 久久精品久久久久久噜噜老黄| 免费观看性生交大片5| 18禁动态无遮挡网站| 国产成人freesex在线| 黄片无遮挡物在线观看| av卡一久久| 自线自在国产av| .国产精品久久| 日日撸夜夜添| 水蜜桃什么品种好| 国产精品99久久久久久久久| 欧美日韩在线观看h| 观看美女的网站| 91精品国产九色| 欧美日本中文国产一区发布| 十分钟在线观看高清视频www | 国产精品一区二区在线观看99| 久久久久精品久久久久真实原创| 亚洲欧美清纯卡通| 80岁老熟妇乱子伦牲交| 一区在线观看完整版| 久久6这里有精品| 中文字幕制服av| 九九在线视频观看精品| 免费观看a级毛片全部| 欧美日韩在线观看h| 亚洲美女视频黄频| 丰满迷人的少妇在线观看| 亚洲欧洲日产国产| 乱系列少妇在线播放| 亚洲精品国产av蜜桃| 99国产精品免费福利视频| 亚洲精品乱码久久久久久按摩| 国产成人91sexporn| 嫩草影院新地址| 亚洲欧美日韩另类电影网站| 国产精品人妻久久久久久| 天天躁夜夜躁狠狠久久av| 777米奇影视久久| 热99国产精品久久久久久7| 日本91视频免费播放| 精品国产露脸久久av麻豆| 国产成人免费观看mmmm| 亚洲欧美中文字幕日韩二区| 日日摸夜夜添夜夜添av毛片| 久久精品久久久久久噜噜老黄| 欧美日韩视频高清一区二区三区二| 日本黄色片子视频| a级片在线免费高清观看视频| 男女啪啪激烈高潮av片| 少妇裸体淫交视频免费看高清| 97精品久久久久久久久久精品| 少妇的逼水好多| 天天躁夜夜躁狠狠久久av| 男女国产视频网站| 三上悠亚av全集在线观看 | 亚洲精品国产成人久久av| 狂野欧美白嫩少妇大欣赏| 久热这里只有精品99| 男女啪啪激烈高潮av片| 中文字幕av电影在线播放| 高清毛片免费看| 欧美最新免费一区二区三区| 国产男女内射视频| 国产精品久久久久久久久免| 插逼视频在线观看| 免费av中文字幕在线| 秋霞在线观看毛片| 日韩熟女老妇一区二区性免费视频| 色婷婷av一区二区三区视频| 观看美女的网站| 少妇人妻久久综合中文| 一个人看视频在线观看www免费| 国产精品伦人一区二区| 美女福利国产在线| 午夜久久久在线观看| 欧美国产精品一级二级三级 | 99热这里只有精品一区| 观看免费一级毛片| 久久久精品免费免费高清| 亚洲精华国产精华液的使用体验| 亚洲久久久国产精品| 欧美最新免费一区二区三区| 久久久久久久久久久久大奶| 在线观看免费日韩欧美大片 | 久久精品国产自在天天线| 国产极品粉嫩免费观看在线 | 99九九在线精品视频 | 欧美国产精品一级二级三级 | 色吧在线观看| 中文字幕制服av| 中国美白少妇内射xxxbb| 久久99蜜桃精品久久| 国产av国产精品国产| 久久精品国产a三级三级三级| 最近中文字幕2019免费版| 亚洲国产欧美在线一区| 国产无遮挡羞羞视频在线观看| 国产在线视频一区二区| 亚洲精品乱久久久久久| 99热这里只有是精品在线观看| 免费大片黄手机在线观看| 99热网站在线观看| 99热这里只有是精品在线观看| 久久久久国产网址| 午夜久久久在线观看| 亚洲精品中文字幕在线视频 | 日本av手机在线免费观看| 免费看av在线观看网站| 国产熟女欧美一区二区| 美女xxoo啪啪120秒动态图| 中文字幕免费在线视频6| 精品国产露脸久久av麻豆| 一级a做视频免费观看| 青春草国产在线视频| 夜夜爽夜夜爽视频| 免费观看a级毛片全部| 亚洲va在线va天堂va国产| 午夜免费观看性视频| 少妇人妻一区二区三区视频| 国产片特级美女逼逼视频| 国产精品不卡视频一区二区| 97超视频在线观看视频| 另类精品久久| 大又大粗又爽又黄少妇毛片口| 99久久精品国产国产毛片| 亚洲成人av在线免费| 黑丝袜美女国产一区| 如日韩欧美国产精品一区二区三区 | 亚洲精品日韩av片在线观看| 亚洲内射少妇av| 国内精品宾馆在线| 国产91av在线免费观看| 乱码一卡2卡4卡精品| 亚洲精品一二三| 国产伦精品一区二区三区四那| 欧美最新免费一区二区三区| .国产精品久久| 成人亚洲欧美一区二区av| av.在线天堂| 亚洲一级一片aⅴ在线观看| 亚洲高清免费不卡视频| 精品人妻一区二区三区麻豆| 波野结衣二区三区在线| 亚洲熟女精品中文字幕| 少妇裸体淫交视频免费看高清| 免费看av在线观看网站| 国产午夜精品一二区理论片| 男女边摸边吃奶| 亚洲内射少妇av| 亚洲人与动物交配视频| 亚洲国产最新在线播放| 男男h啪啪无遮挡| 国产黄片视频在线免费观看| a级毛色黄片| 国产高清三级在线| 国产精品.久久久| 日本午夜av视频| 99九九线精品视频在线观看视频| 国产精品一区www在线观看| 精品亚洲成国产av| 国产男女超爽视频在线观看| 中文欧美无线码| 国产精品欧美亚洲77777| 下体分泌物呈黄色| av专区在线播放| 亚洲四区av| 午夜精品国产一区二区电影| 岛国毛片在线播放| 日本色播在线视频| 日韩精品有码人妻一区| 狂野欧美激情性xxxx在线观看| 午夜福利影视在线免费观看| 国产日韩欧美亚洲二区| 熟女电影av网| av免费观看日本| 色视频在线一区二区三区| 妹子高潮喷水视频| 高清视频免费观看一区二区| 久久久午夜欧美精品| 一级毛片电影观看| 国产精品久久久久久精品电影小说| 色视频www国产| 精品人妻一区二区三区麻豆| 九九在线视频观看精品| av在线观看视频网站免费| av又黄又爽大尺度在线免费看| 国产片特级美女逼逼视频| 乱码一卡2卡4卡精品| 久久久久国产网址| 亚洲美女黄色视频免费看| 国产黄片视频在线免费观看| 国产精品久久久久久精品古装| 亚洲久久久国产精品| 亚洲激情五月婷婷啪啪| 一级毛片电影观看| 亚洲国产精品成人久久小说| 在线亚洲精品国产二区图片欧美 | 国产欧美日韩精品一区二区| 在线观看av片永久免费下载| av又黄又爽大尺度在线免费看| 亚洲欧美清纯卡通| 久久精品国产鲁丝片午夜精品| 国产熟女欧美一区二区| 亚州av有码| 王馨瑶露胸无遮挡在线观看| av在线老鸭窝| 国产在线免费精品| 亚洲精品亚洲一区二区| 亚洲一级一片aⅴ在线观看| 婷婷色综合www| 精品久久久噜噜| 九九在线视频观看精品| 久久久久视频综合| 亚洲婷婷狠狠爱综合网| 九九爱精品视频在线观看| 久久人妻熟女aⅴ| 日本猛色少妇xxxxx猛交久久| 久久人人爽人人片av| 精品亚洲成国产av| 美女脱内裤让男人舔精品视频| 日本av免费视频播放| 91久久精品国产一区二区成人| 欧美精品亚洲一区二区| 国产亚洲av片在线观看秒播厂| 欧美日韩综合久久久久久| xxx大片免费视频| 国产成人a∨麻豆精品| 99久久人妻综合| 国产精品一区二区三区四区免费观看| 少妇人妻 视频| 免费观看性生交大片5| 黄色怎么调成土黄色| 亚洲人与动物交配视频| 国产日韩欧美亚洲二区| 久久精品熟女亚洲av麻豆精品| 久久久久久久久久成人| 天天操日日干夜夜撸| 亚洲精品日韩在线中文字幕| 日韩中文字幕视频在线看片| 亚洲国产精品成人久久小说| 日韩欧美一区视频在线观看 | 美女cb高潮喷水在线观看| 国产在线男女| 国内揄拍国产精品人妻在线| 亚洲欧美一区二区三区国产| 精品人妻熟女毛片av久久网站| 国产精品国产三级国产av玫瑰| 韩国av在线不卡| 老司机影院毛片| 国国产精品蜜臀av免费| 内地一区二区视频在线| 纵有疾风起免费观看全集完整版| 视频中文字幕在线观看| 国产精品麻豆人妻色哟哟久久| 亚洲精品亚洲一区二区| 久久6这里有精品| 久久久久久久亚洲中文字幕| 国产极品天堂在线| 精品少妇内射三级| 久久久久久久亚洲中文字幕| 免费高清在线观看视频在线观看| 国产成人免费无遮挡视频| 精品一区二区三卡| 国产 一区精品| 亚洲综合精品二区| 国产精品人妻久久久久久| 人人妻人人澡人人看| 国产 精品1| www.av在线官网国产| 国产 一区精品| www.色视频.com| 色婷婷久久久亚洲欧美| 伊人久久国产一区二区| av福利片在线观看| 黑人高潮一二区| 国产精品久久久久久av不卡| 国产淫片久久久久久久久| 久久精品国产亚洲av天美| 日韩成人伦理影院| 免费观看av网站的网址| 国产精品国产三级专区第一集| 国产欧美另类精品又又久久亚洲欧美| 成人影院久久| 下体分泌物呈黄色| 在线精品无人区一区二区三| 久久影院123| 免费看不卡的av| 男女边吃奶边做爰视频| 久久久精品免费免费高清| 精品久久国产蜜桃| 国产又色又爽无遮挡免| 久久午夜综合久久蜜桃| 亚洲人成网站在线观看播放| 99九九线精品视频在线观看视频| 亚洲在久久综合| 欧美性感艳星| 亚洲欧美日韩东京热| 在线观看美女被高潮喷水网站| 国产成人午夜福利电影在线观看| 亚洲情色 制服丝袜| 国产精品人妻久久久久久| 日韩强制内射视频| 熟女av电影| 伦理电影免费视频| 亚洲,欧美,日韩| 成人漫画全彩无遮挡| 18+在线观看网站| 欧美另类一区| 人妻一区二区av| 少妇裸体淫交视频免费看高清| 欧美人与善性xxx| 日韩成人av中文字幕在线观看| 日韩在线高清观看一区二区三区| 久久ye,这里只有精品| 久久久精品免费免费高清| 一级毛片电影观看| 国产精品不卡视频一区二区| 久久综合国产亚洲精品| 国产在线免费精品| 好男人视频免费观看在线| 人人妻人人澡人人爽人人夜夜| 国产免费视频播放在线视频| 插逼视频在线观看| 精品一区二区三区视频在线| 亚洲av国产av综合av卡| 丰满饥渴人妻一区二区三| 中文欧美无线码| 极品教师在线视频| 精品久久久久久电影网| 老女人水多毛片| 亚洲国产欧美在线一区| 少妇的逼水好多| 久久午夜综合久久蜜桃| 久久久久国产网址| 一级毛片我不卡| 国产熟女欧美一区二区| a 毛片基地| 婷婷色麻豆天堂久久| 免费在线观看成人毛片| 少妇人妻一区二区三区视频| 国产深夜福利视频在线观看| 日韩中文字幕视频在线看片| 赤兔流量卡办理| 成人漫画全彩无遮挡| 国产探花极品一区二区| 91久久精品国产一区二区成人| .国产精品久久| 婷婷色综合www| 两个人的视频大全免费| a级毛色黄片| 日本午夜av视频| 黑人巨大精品欧美一区二区蜜桃 | 婷婷色麻豆天堂久久| 性色av一级| 久久国产乱子免费精品| 亚洲国产精品国产精品| 各种免费的搞黄视频| 久久婷婷青草| 在线观看美女被高潮喷水网站| 九草在线视频观看| 一本大道久久a久久精品| 国产成人精品久久久久久| 在线 av 中文字幕| 免费人妻精品一区二区三区视频| 韩国高清视频一区二区三区| 亚洲av日韩在线播放| 久久 成人 亚洲| 日韩一区二区视频免费看| 欧美精品一区二区免费开放| 午夜福利在线观看免费完整高清在| 国产精品国产三级国产av玫瑰| 国产乱来视频区| 只有这里有精品99| 久久精品久久久久久久性| 熟女电影av网| 国产高清有码在线观看视频| 自线自在国产av| 婷婷色综合大香蕉| 熟女人妻精品中文字幕| 国产精品一区二区在线观看99| 国产亚洲最大av| 纯流量卡能插随身wifi吗| 中文天堂在线官网| 久久国内精品自在自线图片| 黄色一级大片看看| 在线观看美女被高潮喷水网站| 国产精品国产av在线观看| 亚洲内射少妇av| 日韩视频在线欧美| 亚洲一级一片aⅴ在线观看| 亚洲精品国产av蜜桃| 中文精品一卡2卡3卡4更新| 97在线人人人人妻| 欧美精品国产亚洲| 国产伦在线观看视频一区| 久久韩国三级中文字幕| 亚洲电影在线观看av| 久久久久国产精品人妻一区二区| 少妇被粗大猛烈的视频| 91成人精品电影| 国产精品国产三级国产av玫瑰| 日韩欧美一区视频在线观看 | 久久婷婷青草| 久久99热这里只频精品6学生| 久久久国产精品麻豆| 在现免费观看毛片| 免费高清在线观看视频在线观看| 久久精品国产亚洲av天美| 中文精品一卡2卡3卡4更新| 久久亚洲国产成人精品v| 欧美日韩视频高清一区二区三区二| 成人亚洲精品一区在线观看| 下体分泌物呈黄色| 美女主播在线视频| 丝袜喷水一区| 99九九线精品视频在线观看视频| 夫妻性生交免费视频一级片| 麻豆成人午夜福利视频| 国产精品无大码| av黄色大香蕉| 夫妻午夜视频| 久久鲁丝午夜福利片| 国产精品久久久久成人av| a级毛片在线看网站| 国产无遮挡羞羞视频在线观看| 亚洲综合色惰| 久久久精品免费免费高清| 一区二区三区四区激情视频| 99精国产麻豆久久婷婷| 乱系列少妇在线播放| 五月伊人婷婷丁香| 少妇精品久久久久久久| 久久午夜综合久久蜜桃| 国产av精品麻豆| 国产精品一区www在线观看| 69精品国产乱码久久久| 夜夜爽夜夜爽视频| 嫩草影院新地址| 你懂的网址亚洲精品在线观看| 秋霞在线观看毛片| 亚洲综合色惰| 蜜桃在线观看..| 久久国产亚洲av麻豆专区| 制服丝袜香蕉在线| 一级av片app| 久久久久视频综合| 99国产精品免费福利视频| 一本大道久久a久久精品| 免费人妻精品一区二区三区视频| 中文字幕人妻熟人妻熟丝袜美| 伦理电影免费视频| 黑丝袜美女国产一区| 亚洲欧美日韩另类电影网站| www.色视频.com| 另类亚洲欧美激情| 毛片一级片免费看久久久久| 日韩av不卡免费在线播放| 九九爱精品视频在线观看| √禁漫天堂资源中文www| 国产成人freesex在线| 在现免费观看毛片| 五月伊人婷婷丁香| 一级毛片aaaaaa免费看小| 高清不卡的av网站| 午夜福利网站1000一区二区三区| 免费看日本二区| 中文精品一卡2卡3卡4更新| 不卡视频在线观看欧美| 成年人午夜在线观看视频| 3wmmmm亚洲av在线观看| 秋霞伦理黄片| 中文字幕av电影在线播放| 亚洲av欧美aⅴ国产| 中文字幕免费在线视频6| 日本猛色少妇xxxxx猛交久久| av有码第一页| 97精品久久久久久久久久精品| 精品久久久久久电影网| a级片在线免费高清观看视频| 国产成人a∨麻豆精品| 亚洲精品乱码久久久久久按摩| 伊人久久国产一区二区| 一级二级三级毛片免费看| 免费观看av网站的网址| 国产精品久久久久久久久免| 九色成人免费人妻av| 看免费成人av毛片| 国产成人aa在线观看| 草草在线视频免费看| av专区在线播放| 美女内射精品一级片tv| 亚洲av国产av综合av卡| 久久久a久久爽久久v久久| 色视频在线一区二区三区| 国产免费一级a男人的天堂| 亚洲国产欧美日韩在线播放 | 免费大片黄手机在线观看| 国产 精品1| 日韩制服骚丝袜av| 久久av网站| 夜夜骑夜夜射夜夜干| 街头女战士在线观看网站| 久久国产精品男人的天堂亚洲 | 午夜久久久在线观看| 黄色日韩在线| 韩国高清视频一区二区三区| 亚洲国产欧美在线一区| 伦理电影大哥的女人| 亚洲精品成人av观看孕妇| 99热网站在线观看| 亚洲在久久综合| 曰老女人黄片| 日韩不卡一区二区三区视频在线| 国产精品不卡视频一区二区| 亚洲四区av| 最新中文字幕久久久久| 日韩在线高清观看一区二区三区| 大香蕉97超碰在线| 免费播放大片免费观看视频在线观看| 免费看不卡的av| 99久久精品国产国产毛片| 久久精品国产自在天天线| 国产精品国产av在线观看| 中文字幕精品免费在线观看视频 | 亚洲真实伦在线观看| 观看免费一级毛片| 国精品久久久久久国模美| 亚洲一区二区三区欧美精品| 国产一区有黄有色的免费视频| 中文字幕av电影在线播放| 最新的欧美精品一区二区| 日本91视频免费播放| 亚洲欧美日韩卡通动漫| 久久久亚洲精品成人影院| 日日啪夜夜爽| 噜噜噜噜噜久久久久久91| 岛国毛片在线播放| 免费观看的影片在线观看| 精品久久久噜噜| 亚洲欧美精品专区久久| 黑人巨大精品欧美一区二区蜜桃 | 狠狠精品人妻久久久久久综合| 国产成人免费观看mmmm| 午夜免费观看性视频| 日本爱情动作片www.在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲国产色片| av播播在线观看一区| 日日啪夜夜爽|