• <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 ?

    基于降維聚類的雙饋風(fēng)力發(fā)電機(jī)參數(shù)辨識(shí)

    2021-12-28 05:00:12吳林林張家安劉東李飛王瀟劉輝
    可再生能源 2021年12期
    關(guān)鍵詞:雙饋降維線性

    吳林林,張家安,劉東,李飛,王瀟,劉輝

    (1.國(guó)網(wǎng)冀北電力有限公司電力科學(xué)研究院,北京 100045;2.河北工業(yè)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院,天津 300401;3.河北建筑工程學(xué)院信息管理系,河北張家口 075400)

    0 引言

    風(fēng)力發(fā)電以其發(fā)電量大、環(huán)境污染小等優(yōu)點(diǎn),得到了政府的大力支持。風(fēng)力發(fā)電機(jī)根據(jù)運(yùn)行原理不同分為多種類型,其中,雙饋異步風(fēng)力發(fā)電機(jī)目前占主導(dǎo)地位。雙饋異步風(fēng)力發(fā)電機(jī)可以根據(jù)風(fēng)速的變化進(jìn)行恒頻發(fā)電、最大功率跟蹤[1]、變槳矩控制等。風(fēng)機(jī)通過(guò)變流器[2]將風(fēng)機(jī)轉(zhuǎn)子與電網(wǎng)連接,在轉(zhuǎn)子、定子、電網(wǎng)之間進(jìn)行功率交換。在風(fēng)電場(chǎng)運(yùn)行中,存在機(jī)組老化、控制系統(tǒng)版本升級(jí)等情況,使得調(diào)度運(yùn)行分析中的風(fēng)電場(chǎng)發(fā)電機(jī)模型參數(shù)產(chǎn)生一定的不確定性,在一定程度上對(duì)電力系統(tǒng)仿真及安全穩(wěn)定運(yùn)行產(chǎn)生影響,使得風(fēng)機(jī)參數(shù)辨識(shí)成為解決該問(wèn)題的重要手段。目前風(fēng)電控制系統(tǒng)中,轉(zhuǎn)子側(cè)控制器[3]、網(wǎng)側(cè)控制器多采用PID控制[4],[5],所以須要針對(duì)性地開(kāi)展相關(guān)研究。

    目前,參數(shù)辨識(shí)方法主要有最小二乘法[6]、卡爾曼濾波法[7]、人工神經(jīng)網(wǎng)絡(luò)算法[8]、遺傳算法[9]、參考模型法[10]、蟻群算法[11]、模擬退火算法[12]、粒子群優(yōu)化算法及相關(guān)方法的混合算法[13]等。其中最小二乘法在處理非線性系統(tǒng)時(shí),其辨識(shí)偏差較大,如對(duì)于風(fēng)機(jī)控制器等參數(shù)要求極高、不確定性較強(qiáng)的系統(tǒng),最小二乘法及其衍生方法不能滿足精度要求??柭鼮V波法是用于線性系統(tǒng)狀態(tài)估計(jì)的方法。神經(jīng)網(wǎng)絡(luò)[14]方法能夠模擬復(fù)雜的非線性系統(tǒng),多層神經(jīng)網(wǎng)絡(luò)、大量數(shù)據(jù)反復(fù)訓(xùn)練能夠逼近復(fù)雜的非線性函數(shù),但風(fēng)機(jī)運(yùn)行過(guò)程風(fēng)速不斷變化,數(shù)據(jù)特性相關(guān)性會(huì)較小,辨識(shí)過(guò)程也要在風(fēng)機(jī)運(yùn)行中進(jìn)行,神經(jīng)網(wǎng)絡(luò)方法難以滿足實(shí)時(shí)辨識(shí)的要求。遺傳算法、粒子群算法在復(fù)雜的非線性系統(tǒng)中,擁有較好的辨識(shí)性,但其需要一個(gè)收斂時(shí)間,系統(tǒng)越復(fù)雜,收斂速度越慢,而且容易陷入局部最優(yōu)解。

    雙饋風(fēng)力發(fā)電機(jī)為非線性、多變量系統(tǒng),擁有大量擾動(dòng)信號(hào)和強(qiáng)耦合特性,存在飽和非線性特征。根據(jù)差分方程采集相應(yīng)數(shù)據(jù),直接進(jìn)行線性運(yùn)算不能得到準(zhǔn)確結(jié)果,須要將采集數(shù)據(jù)中的線性數(shù)據(jù)提取出來(lái)進(jìn)行精確計(jì)算。本文提出了一種基于降維聚類的雙饋風(fēng)機(jī)發(fā)電機(jī)參數(shù)辨識(shí)方法,應(yīng)用Locally linear Embedding(LLE)降維方法,保留局部數(shù)據(jù)之間的線性關(guān)系,進(jìn)而應(yīng)用Kmeans聚類方法將降維后的數(shù)據(jù)進(jìn)行分類并提取聚類中心部分的數(shù)據(jù),最后應(yīng)用改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法根據(jù)控制器差分方程對(duì)參數(shù)進(jìn)行精確辨識(shí)。

    1 雙饋風(fēng)力發(fā)電機(jī)控制器模型

    在風(fēng)機(jī)運(yùn)行過(guò)程中,可以固定周期采集電流、電壓、轉(zhuǎn)速等數(shù)據(jù)。本文以雙饋風(fēng)機(jī)轉(zhuǎn)子側(cè)控制系統(tǒng)為例,結(jié)合其數(shù)學(xué)模型線性化,基于采集數(shù)據(jù)進(jìn)行參數(shù)辨識(shí)。

    根據(jù)轉(zhuǎn)子側(cè)控制器結(jié)構(gòu),得到q軸解耦控制器差分方程為

    式中:Udr,Uqr分別為轉(zhuǎn)子側(cè)d軸和q軸電壓;Idr,Iqr分別為轉(zhuǎn)子側(cè)d軸和q軸電流;Qref為無(wú)功功率參考值;Pref為有功功率參考值;ω1為同步轉(zhuǎn)速;ωr為轉(zhuǎn)子轉(zhuǎn)速;Iqs,Iqs為網(wǎng)側(cè)dq軸電流;Lr為轉(zhuǎn)子電感;Lm為轉(zhuǎn)子定子互感;Ps為有功功率;Qs為無(wú)功功率;s為轉(zhuǎn)差率;kp(β)(β=1,2,3,4)為PI控制器的比例系數(shù);ki(β)(β=1,2,3,4)為PI控制器的積分系數(shù);T為數(shù)據(jù)采集周期;k為數(shù)據(jù)采集點(diǎn)數(shù)。

    基于以上方程可對(duì)采集數(shù)據(jù)進(jìn)行相關(guān)處理。

    2 數(shù)據(jù)提取

    2.1 LLE降維

    LLE降維算法為一種非線性降維算法,在對(duì)高維數(shù)據(jù)降維后,該算法仍能保持其局部特性,并將高維數(shù)據(jù)映射到三維或二維可視維度。

    對(duì)于空間中的一個(gè)點(diǎn),算法首先基于歐式距離尋找其鄰近的κ個(gè)點(diǎn),得到該點(diǎn)的局部重建權(quán)值矩陣W,對(duì)重構(gòu)的誤差進(jìn)行定義:

    其中:x為選擇的點(diǎn);η為其鄰近的點(diǎn)。

    得到目標(biāo)函數(shù)式(9),并對(duì)其進(jìn)行最小化,得到:

    可以得到最終解為

    式中:M為對(duì)稱矩陣;j為第j個(gè)權(quán)值;i為第i個(gè)臨近點(diǎn);N為維度;Y為M的最小m個(gè)非零特征值所對(duì)應(yīng)的特征向量;λ為特征值。

    在計(jì)算過(guò)程中,M的特征值為逐漸遞加的,取特征值對(duì)應(yīng)的特征向量為最后結(jié)果。LLE降維方法對(duì)于非線性數(shù)據(jù)可以保證其中的線性數(shù)據(jù)降維之后數(shù)據(jù)特性不被破壞,所在降維之后的數(shù)據(jù)特性依然與原數(shù)據(jù)相同。

    2.2 K-means數(shù)據(jù)聚類

    K-means聚類算法是一種對(duì)數(shù)據(jù)樣本進(jìn)行分類的算法,根據(jù)常用歐氏距離,可將數(shù)據(jù)分為α個(gè)類,每個(gè)數(shù)據(jù)類中數(shù)據(jù)到中心的距離小于到其他數(shù)據(jù)類中心的距離。在此,歐氏距離表達(dá)式為

    式中:H為歐式距離;z為某一個(gè)樣本數(shù)據(jù);y為某一個(gè)樣本數(shù)據(jù);a為樣本數(shù)據(jù)第a維;b為樣本數(shù)據(jù)第b維;v為數(shù)據(jù)的維度。

    2.3 雙饋風(fēng)力發(fā)電機(jī)數(shù)據(jù)提取

    根據(jù)式(8)進(jìn)行控制器參數(shù)的計(jì)算,但實(shí)際風(fēng)電系統(tǒng)存在強(qiáng)耦合、非線性飽和,并含有諸多噪聲,所以直接對(duì)采集的數(shù)據(jù)進(jìn)行線性處理,得到的結(jié)果會(huì)不準(zhǔn)確。將線性數(shù)據(jù)提取出來(lái)再進(jìn)行計(jì)算,可以極大地降低誤差。在非線性數(shù)據(jù)進(jìn)行線性化時(shí),往往通過(guò)支持向量機(jī)算法進(jìn)行處理,但根據(jù)式(8)可知數(shù)據(jù)為7維數(shù)據(jù),應(yīng)用支持向量機(jī)的方法顯然不能達(dá)到計(jì)算目標(biāo)。根據(jù)式(8)得到向量:

    根據(jù)式(15),對(duì)風(fēng)電場(chǎng)監(jiān)控系統(tǒng)所采集的相關(guān)數(shù)據(jù)進(jìn)行處理,得到一組七維[MN1(k),MN2(k),MN3(k),MN4(k),MN5(k),MN6(k),MN7(k)]非線性數(shù)據(jù),并包含大量噪聲。首先應(yīng)用LLE降維方法,將七維數(shù)據(jù)映射到二維空間上,LLE算法可以保留局部線性特征,故二維空間上局部數(shù)據(jù)為線性相關(guān)。再應(yīng)用K-means聚類方法將數(shù)據(jù)分為3類,取3類數(shù)據(jù)中數(shù)據(jù)量最多的一類為計(jì)算樣本類。雖然風(fēng)電機(jī)組中存在大量非線性特征,但線性相關(guān)數(shù)據(jù)依然占大多數(shù)。

    在兩個(gè)數(shù)據(jù)類別的邊界處往往會(huì)存在分類錯(cuò)誤的情況。計(jì)算樣本類中心點(diǎn)和該類中距離中心最遠(yuǎn)的點(diǎn),設(shè)其距離為Hm;設(shè)置函數(shù)D(HS),代表以聚類中心點(diǎn)為中心、半徑為HS圓中的數(shù)據(jù),即為辨識(shí)樣本數(shù)據(jù)。該辨識(shí)樣本數(shù)據(jù)中絕大部分為線性相關(guān)的,所以可以進(jìn)行線性計(jì)算。其中HS為

    式中:σ為(0,1)數(shù)值。

    在計(jì)算過(guò)程中,σ從小到大依次取值,得到多個(gè)辨識(shí)樣本數(shù)據(jù),分別應(yīng)用線性計(jì)算方法根據(jù)式(15)進(jìn)行向量φ的計(jì)算。

    3 改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)

    3.1 線性神經(jīng)網(wǎng)絡(luò)

    線性神經(jīng)網(wǎng)絡(luò)是一種只有輸入層和輸出層的神經(jīng)網(wǎng)絡(luò)模型。該方法給定一個(gè)權(quán)值初值,通過(guò)輸出與實(shí)際偏差,改變權(quán)值,使輸出值接近實(shí)際值。

    3.2 多學(xué)習(xí)率改進(jìn)方法

    在權(quán)值調(diào)整的過(guò)程中,線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率是不變的。每個(gè)權(quán)值的學(xué)習(xí)率都為同一個(gè)數(shù),但權(quán)值之間可能相差比較大。如果選取同一個(gè)學(xué)習(xí)率在調(diào)整效果上可能會(huì)使較小的系數(shù)偏差過(guò)大,而且學(xué)習(xí)率的選擇也與數(shù)據(jù)每次迭代計(jì)算次數(shù)有關(guān)。如果學(xué)習(xí)率過(guò)大,對(duì)于較小的參數(shù)可能會(huì)出現(xiàn)調(diào)整量過(guò)大,出現(xiàn)局部最優(yōu)值,所以在應(yīng)用一個(gè)時(shí)間段的數(shù)據(jù)計(jì)算時(shí),學(xué)習(xí)率的選擇不應(yīng)過(guò)大,每次調(diào)整值較小,并且與整個(gè)調(diào)整次數(shù)一致。

    令τ為迭代次數(shù)。對(duì)于權(quán)值Pτ={pτ1,pτ2,pτ3,…,pτn},學(xué)習(xí)率ζ取值組數(shù)為Q(可取Q=3)。權(quán)值調(diào)整次數(shù)為KN(可取KN=1 000),則在第τ次迭代過(guò)程中,對(duì)于第kn(kn=1,2…KN)組學(xué)習(xí)率,可按如下方式設(shè)置。

    首先,獲取權(quán)值矩陣中的最大數(shù)值及索引位置ε:

    當(dāng)滿足‖pτ′-pτ‖<ψ時(shí),計(jì)算過(guò)程結(jié)束,否則令pτ+1=pτ′,繼續(xù)迭代。

    在學(xué)習(xí)率每次調(diào)整時(shí)都應(yīng)用此方法進(jìn)行學(xué)習(xí)率的動(dòng)態(tài)調(diào)整。

    3.3 雙饋風(fēng)機(jī)參數(shù)辨識(shí)

    應(yīng)用LLE算法降維和K-means算法進(jìn)行分類后,得到o組辨識(shí)樣本數(shù)據(jù),根據(jù)式(8)應(yīng)用改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法進(jìn)行計(jì)算。將向量φ作為線性神經(jīng)網(wǎng)絡(luò)多學(xué)習(xí)率改進(jìn)方法的權(quán)值P,向量MN=[MN2(k),MN3(k)…MN7(k)]為改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法的輸入U(xiǎn),MN1(k)為輸出期望。計(jì)算完成得到o組結(jié)果,即為待辨識(shí)控制器的PI參數(shù)。

    辨識(shí)過(guò)程如圖1所示。

    圖1 參數(shù)辨識(shí)流程圖Fig.1 Parameter identification flow chart

    對(duì)o組PI參數(shù)辨識(shí)結(jié)果分別建立概率分布模型,根據(jù)各個(gè)參數(shù)的辨識(shí)結(jié)果概率分布模型,設(shè)置某一置信度,得到辨識(shí)結(jié)果的置信區(qū)間。為得到準(zhǔn)確辨識(shí)結(jié)果,在置信區(qū)間內(nèi)進(jìn)行隨機(jī)抽樣得到一確定的辨識(shí)結(jié)果。

    4 算例及驗(yàn)證

    以華北某風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)為例,進(jìn)行雙饋風(fēng)力發(fā)電機(jī)轉(zhuǎn)子側(cè)控制系統(tǒng)參數(shù)辨識(shí)。辨識(shí)參數(shù)為轉(zhuǎn)子側(cè)控制器PI參數(shù),即:比例環(huán)節(jié)系數(shù)kp(β)(β=1,2,3,4)和積分環(huán)節(jié)系數(shù)ki(β)(β=1,2,3,4)。在風(fēng)機(jī)正常運(yùn)行過(guò)程中,根據(jù)風(fēng)機(jī)數(shù)學(xué)模型采集相應(yīng)電流電壓等數(shù)據(jù),對(duì)采集的電流電壓等數(shù)據(jù)進(jìn)行解耦,帶入差分方程;應(yīng)用LLE降維方法得到二維數(shù)據(jù),再應(yīng)用K-means算法進(jìn)行聚類,得到三類數(shù)據(jù);提取數(shù)據(jù)量最大的類為計(jì)算樣本類,取σ初值為0.1、終值為0.9,變化量為0.01,得到90組辨識(shí)樣本數(shù)據(jù);再分別應(yīng)用改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)和單學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算,得到90組辨識(shí)結(jié)果。另外,應(yīng)用最小二乘法根據(jù)差分方程進(jìn)行直接辨識(shí)計(jì)算,得到一組辨識(shí)結(jié)果,進(jìn)行對(duì)比。

    采集數(shù)據(jù)包含了風(fēng)速變化信息,本算例數(shù)據(jù)采集周期為3 ms,采集時(shí)間為12 s,采集數(shù)據(jù)量k為4 000,風(fēng)速變化為8~10 m/s。

    圖2為七維數(shù)據(jù)通過(guò)LLE降維,并進(jìn)行Kmeans聚類后的結(jié)果圖。

    圖2 LLE降維后二維聚類結(jié)果圖Fig.2 Two-dimensional clustering result diagram after LLE dimensionality reduction

    由圖2可知,將七維數(shù)據(jù)映射為二維數(shù)據(jù)后可以直觀的觀察分類狀況。圖2中:標(biāo)識(shí)為“+”的數(shù)據(jù)為噪聲,可見(jiàn)噪聲數(shù)據(jù)被明顯地分離出來(lái);標(biāo)識(shí)為“·”的數(shù)據(jù)為各種非線性數(shù)據(jù),由于存在飽和、強(qiáng)耦合情況,數(shù)據(jù)較為分散;標(biāo)識(shí)為“*”的數(shù)據(jù)為須要提取的計(jì)算樣本類數(shù)據(jù),圖中該類數(shù)據(jù)比較集中,數(shù)據(jù)間存在線性關(guān)系,也有利于提取辨識(shí)樣本數(shù)據(jù),進(jìn)而有利于線性計(jì)算。

    圖3,4為應(yīng)用數(shù)據(jù)降維聚類后,應(yīng)用改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行參數(shù)辨識(shí)的90組結(jié)果。

    圖3 比例環(huán)節(jié)參數(shù)辨識(shí)結(jié)果圖Fig.3 Parameter identification result of scale link

    圖4 積分環(huán)節(jié)參數(shù)辨識(shí)結(jié)果圖Fig.4 Parameter identification result of integration link

    由圖3,4可知,比例環(huán)節(jié)系數(shù)的辨識(shí)結(jié)果浮動(dòng)較小,積分環(huán)節(jié)系數(shù)的辨識(shí)結(jié)果浮動(dòng)相對(duì)較大。參數(shù)本身數(shù)值越大,在辨識(shí)過(guò)程中辨識(shí)的精度越高。參數(shù)數(shù)值較小,辨識(shí)的精度會(huì)相對(duì)較低,辨識(shí)結(jié)果會(huì)在一定范圍內(nèi)浮動(dòng)。

    圖5,6為8個(gè)辨識(shí)參數(shù)90組辨識(shí)結(jié)果的概率分布圖。由圖5,6可以得到,8個(gè)參數(shù)辨識(shí)結(jié)果的概率分布近似于高斯分布。

    圖5 比例環(huán)節(jié)參數(shù)辨識(shí)結(jié)果概率分布圖Fig.5 Probability distribution of parameter identification results of proportional link

    圖6 積分環(huán)節(jié)參數(shù)辨識(shí)結(jié)果概率分布圖Fig.6 Probability distribution of parameter identification results of integration link

    應(yīng)用高斯分布對(duì)辨識(shí)結(jié)果的概率分布進(jìn)行擬合,采用極大似然估計(jì)法對(duì)各個(gè)參數(shù)辨識(shí)結(jié)果的概率分布進(jìn)行參數(shù)估計(jì)。選取置信度為0.9,得到參數(shù)辨識(shí)結(jié)果的置信區(qū)間。在各個(gè)參數(shù)的置信區(qū)間內(nèi)進(jìn)行隨機(jī)抽樣,得到一個(gè)確定的辨識(shí)值。

    采用最小二乘法、數(shù)據(jù)降維聚類后應(yīng)用單學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)、改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)等3種方法計(jì)算對(duì)比,如圖7,8所示。

    圖7 3種方法比例系數(shù)辨識(shí)結(jié)果對(duì)比圖Fig.7 Comparison chart of identification results of three methods

    圖8 積分系數(shù)辨識(shí)結(jié)果對(duì)比圖Fig.8 Comparison chart of three methods for identification of integral coefficient

    由圖7,8可以看出,最小二乘法計(jì)算結(jié)果與實(shí)際值相差較大,單學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法相較于最小二乘法要精確,而改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法相對(duì)于單學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)辨識(shí)更加準(zhǔn)確。

    圖9為3種方法對(duì)于實(shí)際值的辨識(shí)誤差率。

    圖9 參數(shù)辨識(shí)結(jié)果誤差率Fig.9 Error rate of parameter identification results

    由圖9可以看到,應(yīng)用降維聚類多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)方法的辨識(shí)誤差率基本低于5%,而應(yīng)用降維聚類單學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)對(duì)積分環(huán)節(jié)的辨識(shí)誤差率部分超過(guò)20%,最小二乘法則部分超過(guò)80%。

    3種方法所辨識(shí)參數(shù)對(duì)應(yīng)的仿真結(jié)果如圖10所示。

    圖10 辨識(shí)參數(shù)對(duì)應(yīng)風(fēng)機(jī)輸出功率的仿真結(jié)果Fig.10 Simulation results of wind turbine output power corresponding to identification parameters

    由圖10可見(jiàn),本文所提方法對(duì)應(yīng)辨識(shí)參數(shù)的仿真曲線與實(shí)際曲線非常接近,而其他方法存在較大偏差,由此驗(yàn)證了本算法的有效性。

    5 結(jié)論

    針對(duì)雙饋風(fēng)機(jī)發(fā)電系統(tǒng)控制器參數(shù)辨識(shí)的準(zhǔn)確度問(wèn)題,提出了一種基于數(shù)據(jù)降維聚類與改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)的計(jì)算方法。在算法中,首先用LLE算法進(jìn)行數(shù)據(jù)降維,進(jìn)而用K-means聚類進(jìn)行線性數(shù)據(jù)提取,再基于改進(jìn)多學(xué)習(xí)率線性神經(jīng)網(wǎng)絡(luò)進(jìn)行線性計(jì)算,得到參數(shù)辨識(shí)結(jié)果的概率分布,在一定置信區(qū)間進(jìn)行抽樣,從而確定參數(shù)辨識(shí)結(jié)果。通過(guò)雙饋風(fēng)力發(fā)電機(jī)實(shí)測(cè)數(shù)據(jù)測(cè)試表明,本方法具有較高的辨識(shí)精度。

    該方法對(duì)于直驅(qū)風(fēng)機(jī)、光伏發(fā)電系統(tǒng)的參數(shù)辨識(shí)也有一定的參考價(jià)值。

    猜你喜歡
    雙饋降維線性
    混動(dòng)成為降維打擊的實(shí)力 東風(fēng)風(fēng)神皓極
    車主之友(2022年4期)2022-08-27 00:57:12
    漸近線性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
    雙饋式可變速抽水蓄能機(jī)組運(yùn)行控制
    基于Motor CAD的雙饋發(fā)電機(jī)溫升速算方法研究
    線性回歸方程的求解與應(yīng)用
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    二階線性微分方程的解法
    受平均斜率控制的Crowbar雙饋異步電機(jī)低電壓穿越
    基于PI控制的雙饋風(fēng)電場(chǎng)的無(wú)功電壓建模與仿真
    拋物化Navier-Stokes方程的降維仿真模型
    免费高清在线观看视频在线观看| 久久狼人影院| 亚洲色图综合在线观看| av免费观看日本| 尾随美女入室| 一边摸一边做爽爽视频免费| 日韩av免费高清视频| 国产av精品麻豆| 国产亚洲精品第一综合不卡 | 欧美日韩精品成人综合77777| 久久久欧美国产精品| 欧美精品亚洲一区二区| 多毛熟女@视频| av在线观看视频网站免费| 少妇的逼水好多| 美女国产高潮福利片在线看| 亚洲av福利一区| 永久免费av网站大全| 亚洲精品久久成人aⅴ小说 | 丝瓜视频免费看黄片| 午夜91福利影院| 各种免费的搞黄视频| 成人毛片60女人毛片免费| 久久综合国产亚洲精品| 亚洲欧洲国产日韩| 亚洲国产av新网站| 纵有疾风起免费观看全集完整版| 亚洲人成网站在线观看播放| 飞空精品影院首页| 亚洲欧美中文字幕日韩二区| 最近中文字幕高清免费大全6| 亚洲av.av天堂| 日本vs欧美在线观看视频| 熟女电影av网| 一区二区日韩欧美中文字幕 | 亚洲欧美成人综合另类久久久| 免费av不卡在线播放| 在线观看www视频免费| 久久午夜福利片| 久久人人爽av亚洲精品天堂| 久久久久视频综合| 精品国产乱码久久久久久小说| 免费观看在线日韩| .国产精品久久| 国产成人一区二区在线| 美女中出高潮动态图| 亚洲精品中文字幕在线视频| xxxhd国产人妻xxx| 亚洲国产精品专区欧美| 成年美女黄网站色视频大全免费 | 亚洲激情五月婷婷啪啪| 亚洲国产日韩一区二区| 精品99又大又爽又粗少妇毛片| 熟女人妻精品中文字幕| 国产精品人妻久久久影院| 22中文网久久字幕| 亚洲性久久影院| 自线自在国产av| 老司机亚洲免费影院| 精品国产国语对白av| 久久国产亚洲av麻豆专区| 最后的刺客免费高清国语| 黄片播放在线免费| 亚洲国产精品专区欧美| 久久久午夜欧美精品| 人人妻人人澡人人爽人人夜夜| 又黄又爽又刺激的免费视频.| 亚洲欧美一区二区三区国产| 久久影院123| 满18在线观看网站| 欧美激情极品国产一区二区三区 | 免费人成在线观看视频色| 久久午夜福利片| av又黄又爽大尺度在线免费看| 亚洲av国产av综合av卡| 欧美日韩综合久久久久久| 日韩在线高清观看一区二区三区| 精品人妻一区二区三区麻豆| 少妇熟女欧美另类| 高清欧美精品videossex| 亚洲精品久久午夜乱码| 一级片'在线观看视频| 少妇人妻久久综合中文| 亚洲精品视频女| 色94色欧美一区二区| 高清视频免费观看一区二区| 丁香六月天网| 国产无遮挡羞羞视频在线观看| 国内精品宾馆在线| 亚洲欧洲精品一区二区精品久久久 | 国产精品国产三级专区第一集| 三级国产精品欧美在线观看| 亚洲人成77777在线视频| 亚洲无线观看免费| 99久久精品一区二区三区| 久久久久久人妻| 日本黄色片子视频| 亚洲av免费高清在线观看| 美女福利国产在线| 观看美女的网站| 亚洲精品国产色婷婷电影| 国产精品偷伦视频观看了| 免费av不卡在线播放| 伊人久久精品亚洲午夜| 80岁老熟妇乱子伦牲交| 亚洲欧美色中文字幕在线| 伊人久久国产一区二区| 亚洲图色成人| 日韩一区二区三区影片| 最近2019中文字幕mv第一页| 成年av动漫网址| 中文字幕人妻熟人妻熟丝袜美| 麻豆乱淫一区二区| 下体分泌物呈黄色| 日本欧美国产在线视频| 如何舔出高潮| 丝袜喷水一区| 久久精品国产亚洲av涩爱| 蜜桃在线观看..| 人妻 亚洲 视频| 免费少妇av软件| 国产一区有黄有色的免费视频| videos熟女内射| 中文字幕久久专区| 亚洲国产毛片av蜜桃av| 久久精品国产亚洲av天美| 国产精品久久久久久久久免| 免费看av在线观看网站| 青春草国产在线视频| 日韩 亚洲 欧美在线| a级毛片黄视频| av国产久精品久网站免费入址| av国产久精品久网站免费入址| 免费观看无遮挡的男女| 久久99热这里只频精品6学生| 青青草视频在线视频观看| 亚洲av电影在线观看一区二区三区| 国国产精品蜜臀av免费| 一级毛片电影观看| 男女国产视频网站| 狂野欧美激情性xxxx在线观看| 黑人猛操日本美女一级片| 国产男女内射视频| 2018国产大陆天天弄谢| 十分钟在线观看高清视频www| 国产伦精品一区二区三区视频9| 婷婷色综合大香蕉| 成人国产麻豆网| 国产伦精品一区二区三区视频9| 日本色播在线视频| 欧美bdsm另类| 一本色道久久久久久精品综合| 欧美人与性动交α欧美精品济南到 | 久久这里有精品视频免费| 国产色婷婷99| 亚洲丝袜综合中文字幕| 考比视频在线观看| 97超碰精品成人国产| 欧美人与善性xxx| 熟女av电影| 亚洲久久久国产精品| 午夜福利,免费看| 欧美人与善性xxx| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲无线观看免费| 亚洲国产精品999| 久久久精品免费免费高清| av专区在线播放| 秋霞伦理黄片| 国产午夜精品一二区理论片| h视频一区二区三区| 亚洲人成网站在线观看播放| 在线观看免费视频网站a站| 成年女人在线观看亚洲视频| 青春草视频在线免费观看| 国产精品人妻久久久久久| 日韩成人伦理影院| 久久久久国产网址| 日韩熟女老妇一区二区性免费视频| 国产成人freesex在线| 99国产精品免费福利视频| 亚洲性久久影院| 国产精品不卡视频一区二区| 免费人成在线观看视频色| 大又大粗又爽又黄少妇毛片口| 国产精品麻豆人妻色哟哟久久| 下体分泌物呈黄色| 插阴视频在线观看视频| 一级毛片 在线播放| 99久久中文字幕三级久久日本| 一本—道久久a久久精品蜜桃钙片| 自拍欧美九色日韩亚洲蝌蚪91| 2018国产大陆天天弄谢| 国产亚洲最大av| 中文字幕最新亚洲高清| 国产av国产精品国产| 毛片一级片免费看久久久久| 国产亚洲欧美精品永久| xxx大片免费视频| av一本久久久久| 观看美女的网站| 亚洲成人手机| av不卡在线播放| 女性被躁到高潮视频| 日韩一区二区三区影片| 最近的中文字幕免费完整| 18禁观看日本| 两个人免费观看高清视频| 亚洲无线观看免费| 国产欧美亚洲国产| 最近中文字幕2019免费版| 成年美女黄网站色视频大全免费 | 日日摸夜夜添夜夜爱| 99九九在线精品视频| 黄色视频在线播放观看不卡| 一级黄片播放器| 国产精品蜜桃在线观看| 亚洲欧美色中文字幕在线| 18+在线观看网站| 国产在线视频一区二区| 你懂的网址亚洲精品在线观看| 欧美精品一区二区大全| 亚洲精品,欧美精品| 日韩制服骚丝袜av| xxx大片免费视频| 国产日韩一区二区三区精品不卡 | 丝袜脚勾引网站| 欧美3d第一页| 久久精品国产鲁丝片午夜精品| 午夜影院在线不卡| 久久久精品免费免费高清| 成人亚洲精品一区在线观看| 99re6热这里在线精品视频| 久久婷婷青草| 中国美白少妇内射xxxbb| 久久久久国产网址| 日日啪夜夜爽| 精品亚洲成国产av| 欧美亚洲日本最大视频资源| 午夜福利视频在线观看免费| 久久毛片免费看一区二区三区| 五月开心婷婷网| 高清黄色对白视频在线免费看| 制服诱惑二区| 一本—道久久a久久精品蜜桃钙片| 欧美国产精品一级二级三级| 多毛熟女@视频| 久久97久久精品| 国产 精品1| 亚洲精品国产av蜜桃| 精品久久久噜噜| 欧美+日韩+精品| 免费观看在线日韩| 国产精品无大码| 日日撸夜夜添| 欧美少妇被猛烈插入视频| av在线播放精品| 色婷婷久久久亚洲欧美| 香蕉精品网在线| 大又大粗又爽又黄少妇毛片口| 午夜福利,免费看| 精品熟女少妇av免费看| 国产一区二区在线观看av| 欧美另类一区| 人妻人人澡人人爽人人| 秋霞在线观看毛片| 国产日韩欧美亚洲二区| 国产精品不卡视频一区二区| 久久久久久久久久人人人人人人| 亚洲av欧美aⅴ国产| 精品久久久久久久久亚洲| 午夜激情久久久久久久| 在线观看美女被高潮喷水网站| 下体分泌物呈黄色| 欧美变态另类bdsm刘玥| 国产成人精品无人区| 日本午夜av视频| 99久久中文字幕三级久久日本| 国产精品三级大全| 久久97久久精品| 老司机影院成人| 久久久久久久国产电影| 考比视频在线观看| 亚洲人成77777在线视频| 久久久午夜欧美精品| 成人国产av品久久久| 中文乱码字字幕精品一区二区三区| 一边摸一边做爽爽视频免费| 老熟女久久久| 人妻 亚洲 视频| 国产av一区二区精品久久| 一区二区日韩欧美中文字幕 | 欧美变态另类bdsm刘玥| 中文精品一卡2卡3卡4更新| 免费人妻精品一区二区三区视频| 视频区图区小说| 91久久精品国产一区二区三区| 中文字幕av电影在线播放| 午夜福利视频精品| 在线 av 中文字幕| 91成人精品电影| 国产欧美亚洲国产| 汤姆久久久久久久影院中文字幕| 日日撸夜夜添| 亚洲精品av麻豆狂野| 国产乱来视频区| 青春草视频在线免费观看| 国产av码专区亚洲av| 亚洲av成人精品一二三区| 午夜福利影视在线免费观看| 久久久精品免费免费高清| 欧美精品一区二区大全| 国产一区亚洲一区在线观看| 嫩草影院入口| 18禁动态无遮挡网站| 欧美激情国产日韩精品一区| av在线观看视频网站免费| 久久国产亚洲av麻豆专区| 国产一区有黄有色的免费视频| 国产男女超爽视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 国产精品99久久99久久久不卡 | 午夜影院在线不卡| 国产一区二区三区综合在线观看 | 国产黄色免费在线视频| 欧美少妇被猛烈插入视频| 久久久久网色| 午夜福利视频在线观看免费| 国产av精品麻豆| 亚洲欧洲国产日韩| 午夜老司机福利剧场| 国产一级毛片在线| a级片在线免费高清观看视频| 狠狠婷婷综合久久久久久88av| 最新中文字幕久久久久| 国产日韩一区二区三区精品不卡 | 国产一级毛片在线| kizo精华| a级毛片在线看网站| 最近最新中文字幕免费大全7| 91精品伊人久久大香线蕉| 久久人人爽人人片av| h视频一区二区三区| 99视频精品全部免费 在线| 又大又黄又爽视频免费| 久久 成人 亚洲| 女的被弄到高潮叫床怎么办| 国产精品99久久久久久久久| 亚洲精品久久久久久婷婷小说| 免费久久久久久久精品成人欧美视频 | 99久久人妻综合| 亚洲精华国产精华液的使用体验| 午夜福利网站1000一区二区三区| 欧美精品国产亚洲| 亚洲高清免费不卡视频| 18禁观看日本| 成年人免费黄色播放视频| 婷婷色综合大香蕉| 黑人欧美特级aaaaaa片| 青春草国产在线视频| 在线播放无遮挡| 亚洲精品,欧美精品| 青春草亚洲视频在线观看| 国产精品久久久久久精品古装| 91精品一卡2卡3卡4卡| 日本与韩国留学比较| 天堂8中文在线网| 热re99久久精品国产66热6| 国产成人一区二区在线| 街头女战士在线观看网站| 综合色丁香网| 国产爽快片一区二区三区| 亚洲成色77777| 美女国产视频在线观看| 精品久久久精品久久久| tube8黄色片| 三级国产精品欧美在线观看| 免费久久久久久久精品成人欧美视频 | 大香蕉久久网| 观看av在线不卡| 校园人妻丝袜中文字幕| 精品99又大又爽又粗少妇毛片| 女性生殖器流出的白浆| 久久久久久伊人网av| 人妻人人澡人人爽人人| 男女无遮挡免费网站观看| 国产免费福利视频在线观看| 色哟哟·www| 超碰97精品在线观看| 九草在线视频观看| 又大又黄又爽视频免费| 一区二区三区乱码不卡18| 亚洲欧美色中文字幕在线| 成年人免费黄色播放视频| 成人手机av| 免费观看无遮挡的男女| 少妇精品久久久久久久| 男女免费视频国产| 有码 亚洲区| 一级黄片播放器| 九草在线视频观看| 日本vs欧美在线观看视频| 国产片特级美女逼逼视频| 午夜免费男女啪啪视频观看| 欧美精品一区二区免费开放| 亚洲欧美日韩卡通动漫| 高清在线视频一区二区三区| 久久人妻熟女aⅴ| 国产精品免费大片| 国产精品久久久久久精品古装| 亚洲成色77777| xxx大片免费视频| 国产成人aa在线观看| 十八禁网站网址无遮挡| 天天躁夜夜躁狠狠久久av| 午夜激情久久久久久久| 一级黄片播放器| 国产在线免费精品| 中国三级夫妇交换| 国产成人aa在线观看| 国产成人精品福利久久| 日韩三级伦理在线观看| 欧美日韩一区二区视频在线观看视频在线| 日韩大片免费观看网站| 国产成人aa在线观看| 欧美+日韩+精品| 国产精品国产三级国产av玫瑰| 一级黄片播放器| 免费大片黄手机在线观看| 女人精品久久久久毛片| av女优亚洲男人天堂| 久久亚洲国产成人精品v| 日韩精品有码人妻一区| 成年人午夜在线观看视频| 久久久国产精品麻豆| 女人精品久久久久毛片| 国产乱来视频区| 久久鲁丝午夜福利片| 极品人妻少妇av视频| 一区二区三区免费毛片| 国产免费又黄又爽又色| 亚洲精品亚洲一区二区| 色视频在线一区二区三区| 免费黄网站久久成人精品| 久久99一区二区三区| 搡老乐熟女国产| 黑人巨大精品欧美一区二区蜜桃 | 一区二区日韩欧美中文字幕 | 日韩一区二区视频免费看| 黄片无遮挡物在线观看| 亚洲成人手机| 久久婷婷青草| av免费观看日本| 亚洲av免费高清在线观看| 大陆偷拍与自拍| 久久韩国三级中文字幕| 免费看光身美女| 五月玫瑰六月丁香| 狂野欧美激情性bbbbbb| 午夜福利,免费看| 最新中文字幕久久久久| 成人无遮挡网站| av视频免费观看在线观看| 看非洲黑人一级黄片| 国内精品宾馆在线| 日日摸夜夜添夜夜添av毛片| 国产伦精品一区二区三区视频9| 五月天丁香电影| 在线精品无人区一区二区三| 国产亚洲精品第一综合不卡 | 日本欧美视频一区| 伦理电影大哥的女人| 国产精品成人在线| 国产片内射在线| 欧美精品亚洲一区二区| 欧美成人午夜免费资源| 国产探花极品一区二区| 亚洲精品视频女| 男女边吃奶边做爰视频| 夜夜骑夜夜射夜夜干| 一边摸一边做爽爽视频免费| 亚洲性久久影院| 国产一区亚洲一区在线观看| 亚洲精品中文字幕在线视频| 午夜福利在线观看免费完整高清在| 国产黄片视频在线免费观看| 久久这里有精品视频免费| 日本wwww免费看| 青春草国产在线视频| 欧美xxⅹ黑人| 国精品久久久久久国模美| 两个人免费观看高清视频| 国产成人免费观看mmmm| 国产视频内射| 永久网站在线| 在线观看免费高清a一片| 亚洲人成网站在线观看播放| 99热网站在线观看| 欧美 日韩 精品 国产| 一级,二级,三级黄色视频| 国语对白做爰xxxⅹ性视频网站| 中国美白少妇内射xxxbb| 日韩中文字幕视频在线看片| 久久久久久久大尺度免费视频| 美女大奶头黄色视频| 久久午夜福利片| 国产在线视频一区二区| av一本久久久久| 少妇精品久久久久久久| 又大又黄又爽视频免费| 99热这里只有是精品在线观看| 亚洲av日韩在线播放| 亚洲高清免费不卡视频| 久久亚洲国产成人精品v| 国产国拍精品亚洲av在线观看| 亚洲不卡免费看| 亚洲色图 男人天堂 中文字幕 | 国产精品国产三级国产av玫瑰| 丝袜在线中文字幕| 亚洲精品乱码久久久久久按摩| 人妻人人澡人人爽人人| 精品酒店卫生间| 黄片播放在线免费| 久久毛片免费看一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 国产欧美日韩一区二区三区在线 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 天堂8中文在线网| 黑人巨大精品欧美一区二区蜜桃 | 母亲3免费完整高清在线观看 | 欧美xxⅹ黑人| 观看美女的网站| 考比视频在线观看| 五月玫瑰六月丁香| 高清在线视频一区二区三区| 美女主播在线视频| 日韩一区二区三区影片| 成人毛片a级毛片在线播放| 亚洲高清免费不卡视频| 久久精品国产亚洲av涩爱| 国产高清国产精品国产三级| 国产色婷婷99| 亚洲av男天堂| 丝瓜视频免费看黄片| 欧美bdsm另类| 蜜桃久久精品国产亚洲av| 亚洲伊人久久精品综合| 亚洲国产毛片av蜜桃av| 欧美精品国产亚洲| 久久毛片免费看一区二区三区| 搡老乐熟女国产| 国产精品不卡视频一区二区| 少妇的逼好多水| 天天影视国产精品| 美女国产视频在线观看| 亚洲精品国产av蜜桃| 哪个播放器可以免费观看大片| 久久精品久久久久久久性| 这个男人来自地球电影免费观看 | 国产精品久久久久久精品电影小说| 欧美日韩一区二区视频在线观看视频在线| 日日摸夜夜添夜夜爱| 日本黄色日本黄色录像| 久久久久久久精品精品| 亚洲无线观看免费| 亚洲国产精品一区三区| 午夜免费男女啪啪视频观看| 免费久久久久久久精品成人欧美视频 | 婷婷色综合大香蕉| 婷婷色av中文字幕| 一区二区三区精品91| 最近的中文字幕免费完整| 国产永久视频网站| 中文乱码字字幕精品一区二区三区| 国产男女超爽视频在线观看| av在线播放精品| 亚洲精华国产精华液的使用体验| 日韩伦理黄色片| 欧美xxxx性猛交bbbb| 久久国产精品大桥未久av| 国产亚洲最大av| 欧美精品高潮呻吟av久久| 亚洲色图 男人天堂 中文字幕 | 国产黄色免费在线视频| 国产精品99久久99久久久不卡 | 三级国产精品片| 日韩av不卡免费在线播放| 欧美精品亚洲一区二区| 伊人亚洲综合成人网| 2021少妇久久久久久久久久久| 夜夜看夜夜爽夜夜摸| 国产在视频线精品| 99国产综合亚洲精品| 丝袜美足系列| 波野结衣二区三区在线| 亚洲,一卡二卡三卡| 久久鲁丝午夜福利片| 午夜免费鲁丝| 久久鲁丝午夜福利片| 免费观看无遮挡的男女| 不卡视频在线观看欧美| 91在线精品国自产拍蜜月| 久久精品国产亚洲av涩爱| 国产黄片视频在线免费观看| 久久鲁丝午夜福利片| 91精品国产国语对白视频| 岛国毛片在线播放| 啦啦啦中文免费视频观看日本| 人妻一区二区av| 精品少妇久久久久久888优播| 高清视频免费观看一区二区| 久久午夜综合久久蜜桃| 色5月婷婷丁香| 人人澡人人妻人| 人人妻人人爽人人添夜夜欢视频|