• <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
    亚洲午夜理论影院| 国产精品久久久久成人av| 久久精品亚洲精品国产色婷小说| 欧美 日韩 精品 国产| 久久久精品区二区三区| 国产高清视频在线播放一区| 久久久久久久大尺度免费视频| 女人高潮潮喷娇喘18禁视频| 国产一区有黄有色的免费视频| 人人妻人人爽人人添夜夜欢视频| 岛国毛片在线播放| 免费观看av网站的网址| a在线观看视频网站| 菩萨蛮人人尽说江南好唐韦庄| 国产激情久久老熟女| 中文字幕色久视频| 成人18禁在线播放| 狂野欧美激情性xxxx| 欧美成人免费av一区二区三区 | 母亲3免费完整高清在线观看| 十八禁人妻一区二区| 久久午夜亚洲精品久久| 麻豆国产av国片精品| 国产国语露脸激情在线看| 亚洲人成电影免费在线| 一区二区av电影网| 婷婷丁香在线五月| 国产成人啪精品午夜网站| 国产人伦9x9x在线观看| 国产成人av激情在线播放| 91九色精品人成在线观看| 国产精品熟女久久久久浪| 黄色 视频免费看| www.自偷自拍.com| 亚洲伊人色综图| 亚洲av成人不卡在线观看播放网| 搡老岳熟女国产| 99re6热这里在线精品视频| 亚洲久久久国产精品| 亚洲人成77777在线视频| 国产精品一区二区在线观看99| 精品免费久久久久久久清纯 | 国产91精品成人一区二区三区 | 成人国语在线视频| 高清av免费在线| 制服人妻中文乱码| 精品国内亚洲2022精品成人 | 丰满人妻熟妇乱又伦精品不卡| 青青草视频在线视频观看| 99国产精品99久久久久| 欧美人与性动交α欧美软件| av天堂在线播放| 久久精品人人爽人人爽视色| 国产区一区二久久| 女性被躁到高潮视频| 免费黄频网站在线观看国产| 叶爱在线成人免费视频播放| 自拍欧美九色日韩亚洲蝌蚪91| 欧美人与性动交α欧美软件| 国产免费av片在线观看野外av| 亚洲一码二码三码区别大吗| 国产男女内射视频| 国产成人av激情在线播放| 精品国产乱子伦一区二区三区| 欧美中文综合在线视频| 亚洲成国产人片在线观看| 亚洲精品国产色婷婷电影| 久久青草综合色| 久久精品亚洲精品国产色婷小说| 久久国产精品大桥未久av| 国产精品一区二区在线观看99| 国产伦人伦偷精品视频| 中文字幕人妻丝袜制服| av超薄肉色丝袜交足视频| 久久久国产成人免费| 一本色道久久久久久精品综合| 亚洲精品av麻豆狂野| 97人妻天天添夜夜摸| 日韩欧美国产一区二区入口| 成年人免费黄色播放视频| 久久久国产成人免费| 免费一级毛片在线播放高清视频 | 久久久久国产一级毛片高清牌| 我要看黄色一级片免费的| 波多野结衣av一区二区av| 香蕉丝袜av| 久久久久久亚洲精品国产蜜桃av| 成年版毛片免费区| av欧美777| 国产精品 国内视频| av一本久久久久| 国产亚洲av高清不卡| 91麻豆精品激情在线观看国产 | 大型av网站在线播放| 法律面前人人平等表现在哪些方面| 黄色成人免费大全| 精品人妻熟女毛片av久久网站| 成人黄色视频免费在线看| 一级毛片女人18水好多| 老熟妇仑乱视频hdxx| 亚洲av日韩精品久久久久久密| 精品国产一区二区久久| 在线 av 中文字幕| 午夜福利,免费看| 久久午夜亚洲精品久久| 午夜91福利影院| 色在线成人网| 18在线观看网站| 国产精品一区二区免费欧美| 国产成人欧美| 国产有黄有色有爽视频| 久久精品国产99精品国产亚洲性色 | 亚洲欧美日韩高清在线视频 | 精品欧美一区二区三区在线| 成人特级黄色片久久久久久久 | 高清av免费在线| 一二三四在线观看免费中文在| 午夜福利一区二区在线看| 久久天躁狠狠躁夜夜2o2o| 黄片播放在线免费| 亚洲伊人色综图| 在线看a的网站| 亚洲国产中文字幕在线视频| 久热爱精品视频在线9| 亚洲第一青青草原| 菩萨蛮人人尽说江南好唐韦庄| 中文字幕精品免费在线观看视频| 欧美黄色片欧美黄色片| 日本vs欧美在线观看视频| 欧美 亚洲 国产 日韩一| 午夜福利欧美成人| 国产色视频综合| 精品少妇内射三级| h视频一区二区三区| 日韩大码丰满熟妇| 咕卡用的链子| 国产主播在线观看一区二区| 国产色视频综合| 男女高潮啪啪啪动态图| 国产1区2区3区精品| 在线观看舔阴道视频| 精品国产亚洲在线| 日韩制服丝袜自拍偷拍| 亚洲男人天堂网一区| 99精国产麻豆久久婷婷| 一边摸一边抽搐一进一小说 | 亚洲欧洲日产国产| 在线观看舔阴道视频| 在线亚洲精品国产二区图片欧美| 亚洲男人天堂网一区| av超薄肉色丝袜交足视频| 久久久久视频综合| 国产免费视频播放在线视频| 热re99久久精品国产66热6| 午夜福利欧美成人| 国产有黄有色有爽视频| 18禁黄网站禁片午夜丰满| 国产精品一区二区在线不卡| 搡老熟女国产l中国老女人| 亚洲国产欧美日韩在线播放| 欧美变态另类bdsm刘玥| 国产男女超爽视频在线观看| 男人操女人黄网站| 男女高潮啪啪啪动态图| 五月天丁香电影| 国产野战对白在线观看| 大香蕉久久网| 两性夫妻黄色片| 欧美大码av| av不卡在线播放| 精品亚洲成国产av| 国产精品九九99| 国产欧美日韩一区二区精品| 法律面前人人平等表现在哪些方面| 香蕉久久夜色| av线在线观看网站| 黄色 视频免费看| videos熟女内射| 视频区欧美日本亚洲| 日韩大码丰满熟妇| 成人三级做爰电影| 精品卡一卡二卡四卡免费| 国产无遮挡羞羞视频在线观看| 免费少妇av软件| 久久精品人人爽人人爽视色| 亚洲熟女精品中文字幕| 免费av中文字幕在线| 免费日韩欧美在线观看| 99久久人妻综合| 久久中文字幕一级| 亚洲精品美女久久久久99蜜臀| 19禁男女啪啪无遮挡网站| av线在线观看网站| 久久国产精品大桥未久av| 国产成人av教育| 色视频在线一区二区三区| 亚洲午夜精品一区,二区,三区| av天堂在线播放| 精品人妻熟女毛片av久久网站| 在线观看免费午夜福利视频| 日日摸夜夜添夜夜添小说| 国产精品久久久久久精品古装| 国产欧美日韩一区二区三| 香蕉丝袜av| 亚洲人成电影免费在线| 50天的宝宝边吃奶边哭怎么回事| 欧美日韩亚洲高清精品| 国产免费av片在线观看野外av| 欧美精品人与动牲交sv欧美| 99久久精品国产亚洲精品| 国产99久久九九免费精品| 在线观看免费视频日本深夜| 色在线成人网| 亚洲性夜色夜夜综合| 中文字幕另类日韩欧美亚洲嫩草| 欧美精品一区二区免费开放| 两性夫妻黄色片| 色综合欧美亚洲国产小说| 欧美国产精品va在线观看不卡| 亚洲少妇的诱惑av| av有码第一页| 亚洲色图 男人天堂 中文字幕| 亚洲欧美日韩高清在线视频 | 两人在一起打扑克的视频| 少妇 在线观看| 久久久国产精品麻豆| www.熟女人妻精品国产| 亚洲欧美色中文字幕在线| 波多野结衣一区麻豆| 国产精品熟女久久久久浪| 亚洲精品粉嫩美女一区| 国产亚洲午夜精品一区二区久久| 无遮挡黄片免费观看| 国产精品偷伦视频观看了| 欧美人与性动交α欧美软件| 一个人免费在线观看的高清视频| 91老司机精品| 午夜福利欧美成人| 黄色片一级片一级黄色片| 九色亚洲精品在线播放| 天天添夜夜摸| 一区二区三区国产精品乱码| 欧美日本中文国产一区发布| 亚洲情色 制服丝袜| 巨乳人妻的诱惑在线观看| 免费观看a级毛片全部| 下体分泌物呈黄色| 欧美激情高清一区二区三区| 国产免费视频播放在线视频| 精品少妇黑人巨大在线播放| 久久人妻av系列| tube8黄色片| 波多野结衣一区麻豆| 一边摸一边抽搐一进一出视频| 五月开心婷婷网| 免费av中文字幕在线| 亚洲成人免费av在线播放| 欧美精品一区二区免费开放| 一边摸一边做爽爽视频免费| 天天操日日干夜夜撸| 一区二区三区国产精品乱码| 19禁男女啪啪无遮挡网站| 男女高潮啪啪啪动态图| 亚洲精品久久成人aⅴ小说| 三级毛片av免费| 丰满饥渴人妻一区二区三| 亚洲av第一区精品v没综合| 真人做人爱边吃奶动态| 1024香蕉在线观看| 一级片'在线观看视频| 伊人久久大香线蕉亚洲五| 国产精品偷伦视频观看了| 一边摸一边抽搐一进一出视频| 天天添夜夜摸| 一级毛片精品| 精品少妇黑人巨大在线播放| 欧美大码av| av在线播放免费不卡| 久久这里只有精品19| 中文亚洲av片在线观看爽 | 夜夜夜夜夜久久久久| 精品国产亚洲在线| 超色免费av| 女性被躁到高潮视频| 黑丝袜美女国产一区| 丰满迷人的少妇在线观看| 久久国产精品男人的天堂亚洲| 国产精品美女特级片免费视频播放器 | 国产午夜精品久久久久久| 国产高清videossex| tube8黄色片| 久久这里只有精品19| 悠悠久久av| 视频在线观看一区二区三区| 欧美日韩av久久| 久久中文字幕人妻熟女| 亚洲成人手机| 午夜福利在线免费观看网站| 久久 成人 亚洲| 日韩欧美三级三区| 丰满迷人的少妇在线观看| 人妻 亚洲 视频| 操美女的视频在线观看| 日韩欧美国产一区二区入口| 国产精品秋霞免费鲁丝片| 国产无遮挡羞羞视频在线观看| 久久天躁狠狠躁夜夜2o2o| 在线 av 中文字幕| 狠狠狠狠99中文字幕| 精品卡一卡二卡四卡免费| 欧美激情极品国产一区二区三区| 一级毛片女人18水好多| 中文字幕人妻丝袜一区二区| 国产一区二区 视频在线| 在线永久观看黄色视频| 国产成人啪精品午夜网站| 丁香欧美五月| 亚洲综合色网址| 午夜免费成人在线视频| 美女主播在线视频| 国产精品久久久久久精品古装| 欧美亚洲 丝袜 人妻 在线| 国产精品98久久久久久宅男小说| 久久天躁狠狠躁夜夜2o2o| a级毛片黄视频| 亚洲欧美一区二区三区黑人| 欧美 亚洲 国产 日韩一| 黄色视频,在线免费观看| 亚洲色图综合在线观看| 亚洲精品美女久久av网站| 成人18禁高潮啪啪吃奶动态图| 国产免费av片在线观看野外av| 国产精品免费大片| 成年动漫av网址| av网站在线播放免费| 亚洲成人免费av在线播放| 色婷婷av一区二区三区视频| 十八禁高潮呻吟视频| 国产欧美日韩综合在线一区二区| 纯流量卡能插随身wifi吗| 日本av免费视频播放| 精品国产亚洲在线| 国产欧美日韩一区二区精品| 午夜精品国产一区二区电影| 久久这里只有精品19| 日韩制服丝袜自拍偷拍| 免费不卡黄色视频| 涩涩av久久男人的天堂| 国产亚洲欧美精品永久| 搡老岳熟女国产| 亚洲第一欧美日韩一区二区三区 | 后天国语完整版免费观看| 国产日韩欧美视频二区| 欧美日韩成人在线一区二区| 国产一区二区三区视频了| 两性夫妻黄色片| 久久久久久免费高清国产稀缺| 国产黄频视频在线观看| 国产一区二区三区视频了| 欧美成狂野欧美在线观看| 亚洲三区欧美一区| 成人手机av| 在线观看免费视频日本深夜| 两性夫妻黄色片| 欧美日韩黄片免| 制服诱惑二区| 亚洲 国产 在线| 欧美日韩一级在线毛片| 久久人人97超碰香蕉20202| 欧美日韩一级在线毛片| 人人妻,人人澡人人爽秒播| 亚洲伊人久久精品综合| 91成人精品电影| 久久精品国产99精品国产亚洲性色 | 国产男女超爽视频在线观看| 又黄又粗又硬又大视频| 人成视频在线观看免费观看| 国产精品亚洲一级av第二区| 国产黄频视频在线观看| 亚洲国产成人一精品久久久| 视频区图区小说| 99久久人妻综合| 操美女的视频在线观看| 欧美在线黄色| 国产精品久久电影中文字幕 | 成人免费观看视频高清| 精品卡一卡二卡四卡免费| 成在线人永久免费视频| 色婷婷久久久亚洲欧美| 母亲3免费完整高清在线观看| 一二三四在线观看免费中文在| 午夜福利在线观看吧| 中文亚洲av片在线观看爽 | 免费在线观看日本一区| 色94色欧美一区二区| 大片免费播放器 马上看| 大陆偷拍与自拍| 精品久久久精品久久久| 交换朋友夫妻互换小说| 亚洲三区欧美一区| 日韩有码中文字幕| 在线观看人妻少妇| 亚洲国产中文字幕在线视频| 亚洲,欧美精品.| 国产精品一区二区免费欧美| 国产亚洲欧美在线一区二区| 王馨瑶露胸无遮挡在线观看| 少妇裸体淫交视频免费看高清 | 国产精品一区二区在线不卡| 亚洲精品美女久久av网站| 国产成人免费无遮挡视频| 国产一区二区三区在线臀色熟女 | 国产av国产精品国产| 黄色视频不卡| 一本久久精品| 亚洲国产欧美一区二区综合| 超碰97精品在线观看| 麻豆国产av国片精品| 黑人巨大精品欧美一区二区蜜桃| 十分钟在线观看高清视频www| 欧美av亚洲av综合av国产av| 亚洲国产中文字幕在线视频| 欧美黑人欧美精品刺激| 国产1区2区3区精品| 99精国产麻豆久久婷婷| 老司机在亚洲福利影院| 欧美乱妇无乱码| 飞空精品影院首页| 久久久久久亚洲精品国产蜜桃av| 久热这里只有精品99| 黑人欧美特级aaaaaa片| 国产三级黄色录像| av不卡在线播放| 色精品久久人妻99蜜桃| 每晚都被弄得嗷嗷叫到高潮| 极品人妻少妇av视频| 久久精品国产a三级三级三级| 免费观看a级毛片全部| 国产精品影院久久| 美女扒开内裤让男人捅视频| 18禁国产床啪视频网站| 啦啦啦中文免费视频观看日本| 亚洲人成77777在线视频| 热99国产精品久久久久久7| 日韩人妻精品一区2区三区| 午夜两性在线视频| 午夜老司机福利片| 亚洲第一av免费看| 两个人看的免费小视频| 女性生殖器流出的白浆| 五月天丁香电影| 又大又爽又粗| 国产高清视频在线播放一区| 国产成人欧美在线观看 | a在线观看视频网站| 国产高清视频在线播放一区| 18禁裸乳无遮挡动漫免费视频| 国产av一区二区精品久久| 国产精品一区二区在线不卡| 色94色欧美一区二区| 757午夜福利合集在线观看| 99riav亚洲国产免费| 久久久久久久国产电影| 一本色道久久久久久精品综合| 精品人妻在线不人妻| 国产精品一区二区免费欧美| 大陆偷拍与自拍| 欧美日韩精品网址| 国产欧美日韩一区二区精品| 波多野结衣av一区二区av| www.熟女人妻精品国产| 国产三级黄色录像| 亚洲一区中文字幕在线| 亚洲天堂av无毛| 乱人伦中国视频| 亚洲精品国产一区二区精华液| 人人妻人人爽人人添夜夜欢视频| 天天躁日日躁夜夜躁夜夜| 亚洲国产欧美一区二区综合| 纯流量卡能插随身wifi吗| 可以免费在线观看a视频的电影网站| 99re在线观看精品视频| 久久国产精品人妻蜜桃| 国产免费现黄频在线看| 色老头精品视频在线观看| 最新的欧美精品一区二区| 亚洲专区中文字幕在线| 免费久久久久久久精品成人欧美视频| 欧美黄色片欧美黄色片| 一本综合久久免费| 免费看十八禁软件| 老熟女久久久| 欧美中文综合在线视频| 亚洲精品国产精品久久久不卡| 超碰成人久久| 亚洲一区二区三区欧美精品| 三上悠亚av全集在线观看| 日韩大片免费观看网站| 免费在线观看完整版高清| 99九九在线精品视频| 中亚洲国语对白在线视频| 蜜桃国产av成人99| 欧美黄色淫秽网站| 热99久久久久精品小说推荐| 99久久99久久久精品蜜桃| 国产精品 国内视频| 日韩免费av在线播放| 欧美日韩亚洲国产一区二区在线观看 | 久久精品熟女亚洲av麻豆精品| 两个人看的免费小视频| 欧美激情高清一区二区三区| 久久久精品区二区三区| 18禁裸乳无遮挡动漫免费视频| 久久中文看片网| 午夜91福利影院| 亚洲av国产av综合av卡| 97在线人人人人妻| 最新美女视频免费是黄的| 亚洲性夜色夜夜综合| 在线观看免费视频日本深夜| 色婷婷av一区二区三区视频| 宅男免费午夜| 黑人操中国人逼视频| 国产精品 国内视频| 久久人人97超碰香蕉20202| 国产亚洲午夜精品一区二区久久| 日韩熟女老妇一区二区性免费视频| 下体分泌物呈黄色| 视频区图区小说| 久热这里只有精品99| 久久国产亚洲av麻豆专区| 亚洲av欧美aⅴ国产| 男人舔女人的私密视频| 久久久精品94久久精品| 国产男女超爽视频在线观看| 欧美成人午夜精品| 一区在线观看完整版| 日韩 欧美 亚洲 中文字幕| 一区福利在线观看| 久久久久国产一级毛片高清牌| 日韩欧美一区视频在线观看| 天堂8中文在线网| 中文字幕高清在线视频| 一进一出好大好爽视频| 成人18禁高潮啪啪吃奶动态图| 在线永久观看黄色视频| 黄色a级毛片大全视频| 俄罗斯特黄特色一大片| 777久久人妻少妇嫩草av网站| 99riav亚洲国产免费| 999久久久国产精品视频| 国产单亲对白刺激| 欧美老熟妇乱子伦牲交| 中文字幕高清在线视频| 亚洲九九香蕉| 成人永久免费在线观看视频 | 午夜福利影视在线免费观看| 男女边摸边吃奶| 狠狠精品人妻久久久久久综合| av超薄肉色丝袜交足视频| 美女视频免费永久观看网站| 最黄视频免费看| 伊人久久大香线蕉亚洲五| 18禁裸乳无遮挡动漫免费视频| 亚洲欧美色中文字幕在线| 黄色丝袜av网址大全| 亚洲精品美女久久久久99蜜臀| 男男h啪啪无遮挡| 99国产综合亚洲精品| 久久精品亚洲熟妇少妇任你| 亚洲国产欧美一区二区综合| 纯流量卡能插随身wifi吗| 777米奇影视久久| 日本精品一区二区三区蜜桃| 亚洲欧美日韩高清在线视频 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲av欧美aⅴ国产| 亚洲三区欧美一区| 菩萨蛮人人尽说江南好唐韦庄| 久久狼人影院| 久久人人爽av亚洲精品天堂| 久久精品人人爽人人爽视色| 激情在线观看视频在线高清 | 午夜激情久久久久久久| 宅男免费午夜| 美女福利国产在线| 69av精品久久久久久 | 一区二区av电影网| 午夜福利欧美成人| 日本av手机在线免费观看| 国产一区二区三区在线臀色熟女 | 国产片内射在线| 欧美激情极品国产一区二区三区| 不卡av一区二区三区| 桃红色精品国产亚洲av| 久久婷婷成人综合色麻豆| 99久久精品国产亚洲精品| 欧美黑人精品巨大| 黄色怎么调成土黄色| 精品国产乱码久久久久久男人| 侵犯人妻中文字幕一二三四区| 女警被强在线播放| 美女午夜性视频免费| 最近最新中文字幕大全电影3 | 中文亚洲av片在线观看爽 | 精品欧美一区二区三区在线| 精品人妻在线不人妻| 天堂8中文在线网| 国产一区二区三区在线臀色熟女 | 日本wwww免费看| 国产不卡一卡二| 亚洲精品久久午夜乱码| 午夜福利免费观看在线| 激情在线观看视频在线高清 | 可以免费在线观看a视频的电影网站|