• <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PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)的列車車輪踏面磨耗預(yù)測模型

    2024-04-28 06:49:02王冬楊鈺鑫
    科技創(chuàng)新與應(yīng)用 2024年12期
    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)主成分分析車輪

    王冬 楊鈺鑫

    基金項目:國能鐵路裝備有限責(zé)任公司包頭車輛維修分公司研究項目(TZKY-21-45)

    第一作者簡介:王冬(1984-),男,工程師。研究方向為車輛檢修運用。

    *通信作者:楊鈺鑫(1998-),男,碩士研究生。研究方向為機車車輛測控技術(shù)及故障診斷。

    DOI:10.19981/j.CN23-1581/G3.2024.12.012

    摘? 要:分析列車車輪踏面磨耗,預(yù)測車輪剩余壽命,對降低車輛運營成本、提高運行安全品質(zhì)具有重要意義。該文以某公司某型車為例,分析輪對歷史檢修數(shù)據(jù),建立基于PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)的車輪踏面磨耗模型,與傳統(tǒng)方法相比,預(yù)測精度更高、速度更快。該文首先用主成分分析法從眾多磨耗影響因素中提取4個主成分因子,接著建立BP神經(jīng)網(wǎng)絡(luò)模型,并針對麻雀優(yōu)化算法進行改進,驗證改進效果,將改進后麻雀算法對網(wǎng)絡(luò)權(quán)值和閾值進行優(yōu)化,實驗結(jié)果表明,輪徑磨耗、輪緣厚磨耗預(yù)測的平均絕對誤差分別為0.193 5、0.121 5 mm。

    關(guān)鍵詞:車輪;磨耗預(yù)測;主成分分析;麻雀算法;BP神經(jīng)網(wǎng)絡(luò)

    中圖分類號:U270.33? ? ? 文獻(xiàn)標(biāo)志碼:A? ? ? ? ? 文章編號:2095-2945(2024)12-0049-06

    Abstract: It is of great significance to reduce vehicle operation cost and improve operation safety quality to analyze train wheel tread wear and predict wheel residual life. Taking a certain type of car in a company as an example, the historical maintenance data of wheel sets are analyzed, and the wheel tread wear model based on PCA-MSSA-BP neural network is established. Compared with the traditional method, the prediction accuracy is higher and the speed is faster. In this paper, four principal component factors are extracted from many wear influencing factors by principal component analysis, and then the BP neural network model is established. The improved sparrow optimization algorithm is improved and the improved effect is verified. The improved sparrow algorithm is used to optimize the network weight and threshold. The experimental results show that the mean absolute errors of wheel diameter wear and flange thickness wear are 0.193 5 mm and 0.121 5 mm respectively.

    Keywords: wheel; wear prediction; principal component analysis; sparrow algorithm; BP neural network

    輪對是軌道列車安全運行的重要部件之一,在車輛承載、導(dǎo)向、牽引和制動過程中均發(fā)揮著關(guān)鍵作用,其狀態(tài)好壞會直接影響列車的安全可靠服役。同時輪對也是列車重要的易耗品,數(shù)量多、消耗大、檢修和更換頻繁。列車運行時,車輪與軌道直接接觸,兩者相互作用產(chǎn)生輪軌力,造成車輪的磨耗和損傷。隨著運行時間的增長,輪軌間動態(tài)作用會逐步加劇,車輪的磨耗和損傷情況會愈加嚴(yán)重,若沒有及時發(fā)現(xiàn)處理容易引起尺寸超限,進而影響安全性和平穩(wěn)性能[1-3]。

    目前,車輪踏面磨耗預(yù)測方法主要有2種。其一是基于動力學(xué)仿真模型,研究列車動力學(xué)與相關(guān)物理量,采用仿真軟件建立模型,模擬列車的真實運行狀況進而得到磨耗數(shù)據(jù),并與實際磨耗數(shù)據(jù)對比計算其準(zhǔn)確率[4-6]。2012年,Ignesti等[7]提出一種聯(lián)合模型,該模型包括仿真車輛模型和輪對磨耗模型2部分,通過2個模型交替工作,模擬輪對磨耗的演變過程。2014年,Innocenti等[8]對線路狀況進行全面考慮,在FASTSIM程序和磨耗模型基礎(chǔ)上,利用SIMPACK軟件建立輪對模型,實現(xiàn)對復(fù)雜線路下車輪踏面的磨耗預(yù)測。2021年,王紅兵等[9]利用UM和MATLAB建立了一種更為全面的車輪踏面磨耗預(yù)測模型,該模型涵蓋了磨耗計算模型、輪軌局部接觸模型與車-軌系統(tǒng)耦合動力學(xué)模型3部分。其二是基于歷史檢修數(shù)據(jù),利用大數(shù)據(jù)分析磨耗規(guī)律[10-11],隨著數(shù)據(jù)挖掘、機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的興起,該方法逐漸被廣泛使用。2014年,邢宗義等[12]針對支持向量機參數(shù)優(yōu)化問題,采用粒子群算法,構(gòu)造出粒子群優(yōu)化支持向量機(PSO-SVW)輪對尺寸預(yù)測模型,該模型在輪徑值預(yù)測方面相關(guān)度達(dá)到0.94,其在輪對尺寸預(yù)測方面具有可行性。2020年,張佳文[13]將自適應(yīng)進化差分算法與最小二乘反向傳播神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了一種新的用于車輪尺寸數(shù)據(jù)的預(yù)測模型ADE-LMBP,通過與BP神經(jīng)網(wǎng)絡(luò)、LMBP神經(jīng)網(wǎng)絡(luò)等進行對比實驗,驗證了該模型在輪對踏面磨耗預(yù)測方面的準(zhǔn)確性。2022年,王美琪等[14]提出一種基于恒等映射多層極限學(xué)習(xí)機(I-ML-ELM)的高速列車車輪踏面磨耗測量方法,利用I-ML-ELM模型對車輪踏面磨耗量進行學(xué)習(xí)及預(yù)測,并與真實測量進行對比驗證,結(jié)果表明,基于I-ML-ELM的預(yù)測模型能很好地反映不同參數(shù)對車輪踏面磨耗值的影響規(guī)律。

    受過往檢修過程中輪對磨耗數(shù)據(jù)缺失、豐富程度不足等影響,現(xiàn)階段基于大數(shù)據(jù)驅(qū)動方法的車輪踏面磨耗預(yù)測研究仍相對較少,還是以傳統(tǒng)的車輛動力學(xué)理論和模型為主,且車體數(shù)據(jù)越完善,模型準(zhǔn)確度越高,但計算量也相對較大。同時目前被廣泛用于輪對踏面磨耗預(yù)測研究的神經(jīng)網(wǎng)絡(luò)模型如多層感知機、BP神經(jīng)網(wǎng)絡(luò)等,其模型本身的泛化能力差,訓(xùn)練速度慢,需進一步開展優(yōu)化列車輪對踏面磨耗預(yù)測的神經(jīng)網(wǎng)絡(luò)算法研究,提高預(yù)測精度和效率。文章構(gòu)建了基于PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)的列車車輪踏面磨耗預(yù)測模型,對輪徑磨耗、輪緣厚磨耗2個參數(shù)進行擬合預(yù)測,有助于更好地監(jiān)測掌握車輪狀態(tài),幫助工作人員合理制定維修計劃,對提高檢修效率,降低運營成本也具有重要意義。

    1? 傳統(tǒng)方法

    本傳統(tǒng)方法往往根據(jù)檢修時測得的輪徑數(shù)據(jù)和檢修經(jīng)驗,計算車輪輪徑和輪緣厚度磨耗率[15]。車輪輪徑磨耗率和車輪輪緣厚磨耗率計算公式分別為

    式中:D1為車輪輪徑磨耗率,mm/10 000 km;d1為上次鏇后輪徑值,mm;d2為下次鏇前輪徑值,mm;D2為車輪輪緣厚磨耗率,mm/10 000 km;r1為上次鏇后輪緣厚值,mm;r2為下次鏇前輪緣厚值,mm;L為運行里程,10 000 km。

    根據(jù)公式(1)、(2)計算出某公司某型車車輪直徑和輪緣厚磨耗速率,具體計算結(jié)果如圖1、圖2所示。

    圖1輪徑磨耗速率

    圖2輪緣厚磨耗速率

    2? 基于PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型

    2.1? 主成分分析及BP神經(jīng)網(wǎng)絡(luò)

    主成分分析法(Principal Component Analysis,PCA)[16]是一種常用的降維方法,可將多種變量數(shù)據(jù)轉(zhuǎn)化為少數(shù)幾個彼此互不相關(guān)的主成分[17-18]。

    PCA的計算步驟如下。

    步驟一,初始樣本矩陣標(biāo)準(zhǔn)化。

    步驟二,計算標(biāo)準(zhǔn)化后樣本相關(guān)陣。

    步驟三,求取特征向量和特征值。

    步驟四,計算貢獻(xiàn)率與累積貢獻(xiàn)率。

    步驟五,選擇m個主成分,綜合評估。

    初始樣本數(shù)據(jù)在經(jīng)過變換之后,新的數(shù)據(jù)樣本通常與初始樣本數(shù)據(jù)存在某種線性組合關(guān)系。本文在進行主成分提取時的標(biāo)準(zhǔn)為主成分因子累積貢獻(xiàn)率大于80%。

    BP神經(jīng)網(wǎng)絡(luò)是一種常用神經(jīng)網(wǎng)絡(luò)模型[19-20],其模型結(jié)構(gòu)如圖3所示。

    BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)主要含輸入層、輸出層、隱含層3部分,其中隱含層的層數(shù)可以根據(jù)模型要求而調(diào)整。

    圖3BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

    2.2? 改進麻雀搜索算法

    麻雀搜索算法(Sparrow Search Algorithm,SSA)是一種模擬群體動物行為的群智能優(yōu)化算法,其核心思想與人工蜂群算法、POS算法、蟻群算法等類似[21]。SSA的提出受麻雀覓食行為和反捕食行為的啟發(fā),其將麻雀的群體行為分為發(fā)現(xiàn)者、加入者、偵察者[22-23],具體行為導(dǎo)則如下。

    步驟1:在SSA中,適應(yīng)度值高的麻雀是發(fā)現(xiàn)者,其負(fù)責(zé)更大的覓食搜索區(qū)域,在搜索時會優(yōu)先獲取食物,而加入者為尋找覓食方向會向發(fā)現(xiàn)者靠攏。

    步驟2:在覓食過程中,發(fā)現(xiàn)者附近的加入者可能會與其爭奪食物,這是加入者為提高自身捕食率而產(chǎn)生的行為,因此發(fā)現(xiàn)者和加入者的身份可能會隨時轉(zhuǎn)變,但是兩者在種群內(nèi)的比重是保持一定的。為了獲得更多的能量和找到更好的發(fā)現(xiàn)者,部分饑餓的加入者會前往其他區(qū)域進行覓食。當(dāng)預(yù)警值超過預(yù)先設(shè)定上限值時,表示麻雀種群意識到危險,此時種群中間的麻雀會隨機行走,以靠近鄰近麻雀,而處于邊緣的麻雀會迅速移動調(diào)整以獲得更安全的位置,上述過程即為麻雀種群的反捕食行為。

    文章針對麻雀算法中存在的部分不足進行優(yōu)化,具體改進如下。

    2.2.1? 改進二維Logistic混沌映射策略

    麻雀搜索算法中初始參數(shù)的均勻性程度會顯著影響最終結(jié)果。原始麻雀搜索算法參數(shù)初始化采用隨機函數(shù)進行,初始值的均勻性和多樣性無法很好地得到保證。本文提出利用改進二維Logistic混沌映射策略進行初始化[24],其映射公式如下

    式中:xn、yn為混沌序列值;sin(x)為正弦函數(shù)。當(dāng)a∈[0,1]時,該系統(tǒng)處于混沌狀態(tài)。

    確定上述映射策略后,再通過下式將序列值賦給種群初始化個體

    x(i)=lb+(ub-lb)×y(i) , (5)

    式中:[lb,ub]為個體搜索區(qū)間;x(i)為個體位置;y(i)為混沌序列。

    此時生成的種群初始化值將具有均勻、遍歷的特點。

    2.2.2? 多向?qū)W習(xí)策略

    原麻雀搜索算法中,加入者位置更新時,每次只選擇一個最佳個體進行學(xué)習(xí),這種方式對快速搜索最佳位置有利,卻在一定程度上降低搜索的多樣性,使得最終結(jié)果易陷入局部最優(yōu)。針對此,采用多向?qū)W習(xí)策略對加入者位置更新公式進行優(yōu)化[25],新的加入者位置更新公式如下

    ,? ? (6)

    式中:pa、pb、pc分別為a、b、c三個個體權(quán)重;a為最優(yōu)解;b、c分別為與a不同的隨機解。

    計算公式如下

    (7)

    式中:Fa為個體a的適應(yīng)度值;Fb為個體b的適應(yīng)度值;Fc為個體c的適應(yīng)度值。

    根據(jù)適應(yīng)度值來計算權(quán)重,針對適應(yīng)度值更小的個體給予更大的權(quán)重,適應(yīng)度值較大的個體分配較小的權(quán)重,這樣綜合考慮3個麻雀個體的信息,以擴大搜索空間。

    2.2.3? 遺傳算子變異操作

    為避免算法陷入局部最優(yōu),引入遺傳優(yōu)化算法中的變異算子,對麻雀種群中的最優(yōu)個體進行變異操作,從而提升全局搜索能力。

    對最優(yōu)個體xi隨機產(chǎn)生p∈[0,1]進行變異,變異公式如下

    式中:wi為區(qū)間[lb-xi,ub-xi]上的隨機數(shù),從而使得xi變異后仍在搜索區(qū)間上;pm為變異概率,變異概率計算公式如下

    pm=0.03+0.51-■,(9)

    式中:tmax為最大迭代次數(shù);t為本次迭代次數(shù)。

    以上為針對SSA算法的改進。驗證改進后算法的尋優(yōu)效果與改進前作比較,結(jié)果如圖4所示,不難看出,200次的迭代次數(shù)下,改進算法展現(xiàn)出了優(yōu)于原始算法的性能。

    2.3? PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)

    正BP神經(jīng)網(wǎng)絡(luò)存在初始化參數(shù)影響大、學(xué)習(xí)效率低、易過度擬合和收斂慢等問題。采用改進麻雀算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。

    整個預(yù)測模型流程如圖5所示。

    實驗步驟如下。

    步驟1,數(shù)據(jù)處理。對車組數(shù)據(jù)進行預(yù)篩選,選擇有效數(shù)據(jù)作為初始樣本數(shù)據(jù),利用主成分分析法進行數(shù)據(jù)降維處理。

    步驟2,建立BP神經(jīng)網(wǎng)絡(luò)初始模型。根據(jù)數(shù)據(jù)降維處理結(jié)果去確定網(wǎng)絡(luò)的輸入量和輸出量,選擇各網(wǎng)絡(luò)層層數(shù),初始化網(wǎng)絡(luò)參數(shù)。

    步驟3,種群初始化。確定網(wǎng)絡(luò)參數(shù)個數(shù),依次對個體編碼,本文適應(yīng)度函數(shù)為絕對誤差,每個個體的適應(yīng)度值計算如式(10)

    式中:n為總預(yù)測數(shù)據(jù);yi為實際輸出;hi為預(yù)測輸出;F為個體適應(yīng)度。

    步驟4,劃分發(fā)現(xiàn)者、加入者并更新位置,選擇偵察者并更新位置。

    步驟5,參數(shù)優(yōu)化。在允許迭代次數(shù)內(nèi)且預(yù)測值與真實值之差滿足誤差閾值時,輸出最優(yōu)個體。

    步驟6,網(wǎng)絡(luò)優(yōu)化。在進行網(wǎng)絡(luò)訓(xùn)練和預(yù)測前,將麻雀算法優(yōu)化后的權(quán)重與閾值重新分配給BP神經(jīng)網(wǎng)絡(luò),進一步優(yōu)化模型。

    圖5? PCA-MSSA-BP算法流程

    3? 實驗與分析

    本文以某公司某車型為例,整理篩選檢修數(shù)據(jù)9 472組,得到上次鏇后輪徑值、上次鏇后輪緣厚、同軸輪徑差和運行里程等8個影響參數(shù),利用PCA進行降維,得到4個主成分因子,作為網(wǎng)絡(luò)模型輸入。設(shè)置MSSA-BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為4-10-2,即4個輸入層、10個隱含層、2個輸出層,輸出層分別為輪徑、輪緣厚的磨耗值。本文網(wǎng)絡(luò)模型含12個閾值,各層連接為全連接則共有60個權(quán)值。分別選擇tansig和purelin作為MSSA-BP神經(jīng)網(wǎng)絡(luò)的隱含層和輸出層激勵函數(shù),選用traingd作為訓(xùn)練函數(shù),最小目標(biāo)誤差閾值為0.1,學(xué)習(xí)率為0.01。種群數(shù)目與進化代數(shù)分別為20個、200次,發(fā)現(xiàn)者占比20%,加入者占比80%。

    對MSSA-BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練、預(yù)測,結(jié)果如圖6、圖7所示。

    圖8為PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中麻雀算法迭代200次的適應(yīng)度變化圖,從圖8中可以看出,該模型的誤差隨著算法的優(yōu)化顯著降低;模型的最優(yōu)參數(shù)出現(xiàn)在適應(yīng)度降至最小值時,此時模型迭代了約80次。

    圖6輪徑磨耗預(yù)測誤差

    圖7? 輪緣厚磨耗預(yù)測誤差

    圖8? PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)模型適應(yīng)度變化曲線

    為驗證模型作用,選取傳統(tǒng)方法和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果與其作比較,用均方根誤差(RMSE)及平均絕對誤差(AE)衡量預(yù)測效果,AE公式為式(10),RMSE計算公式如下

    RMSE=■,(11)

    式中:n為預(yù)測數(shù)據(jù)量;hi為預(yù)測值;yi為實際值。

    根據(jù)公式(10)、(11)及模型預(yù)測結(jié)果,計算結(jié)果對比見表1。

    表1? 不同方法的預(yù)測結(jié)果

    由表1可知,相對傳統(tǒng)算法,PCA-BP神經(jīng)網(wǎng)絡(luò)在輪徑磨耗預(yù)測方面誤差沒有明顯降低,但輪緣厚磨耗預(yù)測精度得到明顯提升,RMSE下降明顯、AE略低于傳統(tǒng)方法;經(jīng)過麻雀算法對模型進行優(yōu)化,PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在輪徑磨耗預(yù)測和輪緣厚磨耗預(yù)測的誤差均明顯降低,最終2個參數(shù)預(yù)測的平均絕對誤差分別為0.193 5、0.121 5 mm。

    改變訓(xùn)練和預(yù)測數(shù)集,對最終模型進行重復(fù)訓(xùn)練、預(yù)測,結(jié)果見表2。

    表2? PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)穩(wěn)定性檢驗

    由表1、2可知,將改進麻雀算法引入BP神經(jīng)網(wǎng)絡(luò)有明顯的優(yōu)化作用,且該算法自身穩(wěn)定性較高。該輪對踏面磨耗預(yù)測模型能對踏面磨耗實現(xiàn)較準(zhǔn)確的預(yù)測,可進一步用于車輪剩余壽命預(yù)測及鏇修計劃編排,具有現(xiàn)實意義。

    4? 結(jié)論

    本傳統(tǒng)車輪磨耗分析方法,只考慮了踏面參數(shù)變化,未考慮到其他因素對踏面磨耗的影響。本文利用某型車檢修數(shù)據(jù),對車輪踏面磨耗進行研究,最終建立PCA-MSSA-BP神經(jīng)網(wǎng)絡(luò)模型,實現(xiàn)踏面磨耗預(yù)測,對延長車輪使用壽命、進行車輪全壽命周期監(jiān)控、降低輪對運維成本具有重要意義。

    參考文獻(xiàn):

    [1] 曾元辰,唐旭,張衛(wèi)華,等.車輪尺寸對車輪磨耗的影響規(guī)律研究[J].鐵道學(xué)報,2022,44(4):27-35.

    [2] 張衛(wèi)華,李權(quán)福,宋冬利.關(guān)于鐵路機車車輛健康管理與狀態(tài)修的思考[J].中國機械工程,2021,32(4):379-389.

    [3] WANG X P, MA H, ZHANG J. A Prediction Method for Wheel Tread Wear[J].Industrial Lubrication and Tribology, 2019,71(6):819-825.

    [4] 顧正隆,葛亦凡.基于輪對磨耗數(shù)據(jù)數(shù)理統(tǒng)計的輪對鏇修策略多目標(biāo)優(yōu)化[J].城市軌道交通研究,2021,24(S1):21-25,30.

    [5] 張渝,王松,邱春蓉.基于輪對磨耗數(shù)據(jù)的CRH2A型動車經(jīng)濟鏇修策略研究[J].鐵路計算機應(yīng)用,2021,30(4):6-10.

    [6] SHI H M, YANG J S, SI J. Centralized maintenance time prediction algorithm for freight train wheels based on remaining useful life prediction[J].Mathematical Problems in Engineering, 2020(2020):1-12.

    [7] IGNESTI M, MARINI L, MELI E, et al. Development of a wear model for the prediction of wheel and rail profile evolution in railway systems[J]. Wear, 2012,284-285(1):1-17.

    [8] INNOCENTI A, MARINI L, MELI E, et al. Development of a wear model for the analysis of complex railway networks[J]. Wear, 2014,309(1-2):174-191.

    [9] 王紅兵,李藝,李國芳,等.高速車輛車輪踏面磨耗預(yù)測及系統(tǒng)參數(shù)影響分析[J].機械科學(xué)與技術(shù),2022,41(5):786-794.

    [10] 吳健,葉正君,邢宗義.城市軌道交通列車輪對磨耗模型研究[J].鐵路計算機應(yīng)用,2020,29(2):62-67.

    [11] 韓鵬,張衛(wèi)華.高速列車輪對磨耗統(tǒng)計規(guī)律及預(yù)測模型[J].機械工程學(xué)報,2016,52(2):144-149.

    [12] 邢宗義,冒玲麗,廖貴玲,等.基于PSO-SVM模型的城軌列車輪對尺寸預(yù)測[J].沈陽工業(yè)大學(xué)學(xué)報,2014,36(4):411-415.

    [13] 張佳文.基于神經(jīng)網(wǎng)絡(luò)的高速列車輪對尺寸預(yù)測及鏇修策略研究[D].成都:西南交通大學(xué),2020.

    [14] 王美琪,王藝,陳恩利,等.基于恒等映射多層極限學(xué)習(xí)機的高速列車踏面磨耗預(yù)測模型[J].力學(xué)學(xué)報,2022,54(6):1720-1731.

    [15] 田麗,劉森.基于數(shù)據(jù)擬合的地鐵車輛車輪磨耗分析與壽命預(yù)測[J].鐵道技術(shù)監(jiān)督,2022,50(2):65-68.

    [16] JOLLIFFE I T, CADIMA J. Principal component analysis: a review and recent developments[J]. Philosophical Transactions of the Royal Society A:Mathematical, Physical and Engineering Sciences, 2016(13):374.

    [17] 喬守旭,鐘文義,譚思超,等.基于PCA-GA-SVM的豎直下降兩相流流型預(yù)測[J].核動力工程,2022,43(3):85-93.

    [18] 徐雄,林海軍,劉悠勇,等.融合PCA與自適應(yīng)K-Means聚類的水電機組故障檢測在線方法[J].電子測量與儀器學(xué)報,2022,36(3):260-267.

    [19] 周永長,黃亞宇.基于BP神經(jīng)網(wǎng)絡(luò)建立二次潤葉工藝參數(shù)的預(yù)測模型[J].電子科技,2022,35(9):79-86.

    [20] YAO G X, CHEN G G, PU Z W, et al. Research on vibration fatigue damage locations of offshore oil and gas pipelines based on the GA-Improved BP neural network[J]. Shock and Vibration,2023:18.

    [21] 劉美辰,薛河儒,劉江平,等.牛奶蛋白質(zhì)含量的SSA-SVM高光譜預(yù)測模型[J].光譜學(xué)與光譜分析,2022,42(5):1601-1606.

    [22] XUE J K, SHEN B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020,8(1):22-34.

    [23] TANG A D, HUAN Z, TONG H, et al. A chaos sparrow search algorithm with logarithmic spiral and adaptive step for engineering problems[J].Computer Modeling in Engineering & Sciences, 2022,130(1):331-364.

    [24] 方鵬飛,黃陸光,婁苗苗,等.基于二維Logistic混沌映射與DNA序列運算的圖像加密算法[J].中國科技論文,2021,16(3):247-252.

    [25] 柴巖,孫笑笑,任生.融合多向?qū)W習(xí)的混沌麻雀搜索算法[J].計算機工程與應(yīng)用,2023,59(6):81-91.

    猜你喜歡
    BP神經(jīng)網(wǎng)絡(luò)主成分分析車輪
    車輪的位置
    小讀者(2019年24期)2020-01-19 01:51:36
    車輪開啟赴愛之旅
    汽車觀察(2019年2期)2019-03-15 06:00:34
    有趣的車輪轉(zhuǎn)動
    基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    主成分分析法在大學(xué)英語寫作評價中的應(yīng)用
    江蘇省客源市場影響因素研究
    SPSS在環(huán)境地球化學(xué)中的應(yīng)用
    考試周刊(2016年84期)2016-11-11 23:57:34
    復(fù)雜背景下的手勢識別方法
    BP神經(jīng)網(wǎng)絡(luò)在軟件質(zhì)量評價中的應(yīng)用研究 
    長沙建設(shè)國家中心城市的瓶頸及其解決路徑
    夜夜夜夜夜久久久久| 国产伦在线观看视频一区| 一区二区三区国产精品乱码| 亚洲天堂国产精品一区在线| 成人一区二区视频在线观看| 韩国av一区二区三区四区| 韩国av一区二区三区四区| 成年版毛片免费区| 精品国产亚洲在线| 日韩免费av在线播放| 国产精品久久久久久久电影 | 国产精品爽爽va在线观看网站| 淫秽高清视频在线观看| 两个人视频免费观看高清| 一本久久中文字幕| 午夜激情福利司机影院| 两人在一起打扑克的视频| 亚洲av电影不卡..在线观看| 最近最新中文字幕大全电影3| 中文字幕久久专区| 亚洲无线观看免费| www日本在线高清视频| 少妇高潮的动态图| 国产亚洲精品久久久久久毛片| 夜夜看夜夜爽夜夜摸| 久久精品人妻少妇| 久久精品国产自在天天线| 久久久久久久久久黄片| 久久久国产精品麻豆| 久久6这里有精品| a在线观看视频网站| 可以在线观看的亚洲视频| 美女高潮的动态| 中文字幕人妻熟人妻熟丝袜美 | 哪里可以看免费的av片| av在线天堂中文字幕| 啪啪无遮挡十八禁网站| 最近在线观看免费完整版| 久久久国产成人精品二区| 一本精品99久久精品77| 午夜免费男女啪啪视频观看 | 他把我摸到了高潮在线观看| 色综合站精品国产| 欧美zozozo另类| 男人和女人高潮做爰伦理| 老司机午夜十八禁免费视频| 特大巨黑吊av在线直播| 日本一本二区三区精品| 亚洲欧美日韩高清在线视频| 熟妇人妻久久中文字幕3abv| 熟女电影av网| 大型黄色视频在线免费观看| 国内揄拍国产精品人妻在线| 亚洲av免费在线观看| 免费看美女性在线毛片视频| 一边摸一边抽搐一进一小说| 黄色片一级片一级黄色片| 欧美一级毛片孕妇| 精品一区二区三区av网在线观看| netflix在线观看网站| 婷婷亚洲欧美| 国产一级毛片七仙女欲春2| 欧美av亚洲av综合av国产av| avwww免费| 国产成人福利小说| 国产伦人伦偷精品视频| 青草久久国产| 精品无人区乱码1区二区| 人妻久久中文字幕网| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 51午夜福利影视在线观看| 午夜老司机福利剧场| 亚洲最大成人手机在线| 免费在线观看成人毛片| 国产亚洲欧美98| 国产 一区 欧美 日韩| 欧美乱码精品一区二区三区| 黄色成人免费大全| 1000部很黄的大片| 日本与韩国留学比较| 欧美在线黄色| 亚洲国产欧洲综合997久久,| 嫩草影院精品99| 久久亚洲真实| 在线看三级毛片| 欧美国产日韩亚洲一区| 午夜视频国产福利| 国产乱人伦免费视频| 午夜福利高清视频| 国产一区在线观看成人免费| 少妇的逼好多水| 18禁美女被吸乳视频| 亚洲av免费高清在线观看| 国产亚洲欧美98| 亚洲人成网站高清观看| 天天一区二区日本电影三级| 日本黄大片高清| 精华霜和精华液先用哪个| 亚洲18禁久久av| 亚洲av第一区精品v没综合| 欧美成狂野欧美在线观看| 久久这里只有精品中国| 草草在线视频免费看| 日韩欧美三级三区| 听说在线观看完整版免费高清| 夜夜爽天天搞| 99热6这里只有精品| 精品99又大又爽又粗少妇毛片 | 久久这里只有精品中国| 美女高潮喷水抽搐中文字幕| 我要搜黄色片| 国产精品嫩草影院av在线观看 | 免费看光身美女| 国内少妇人妻偷人精品xxx网站| 99久久精品热视频| 69av精品久久久久久| 精品午夜福利视频在线观看一区| 亚洲一区二区三区不卡视频| 99久久九九国产精品国产免费| 国产探花极品一区二区| 一级黄色大片毛片| 国产乱人伦免费视频| 亚洲国产高清在线一区二区三| 国内精品一区二区在线观看| 久久久久亚洲av毛片大全| 又粗又爽又猛毛片免费看| 亚洲,欧美精品.| 一本久久中文字幕| 中出人妻视频一区二区| 怎么达到女性高潮| 国语自产精品视频在线第100页| 欧美最新免费一区二区三区 | 欧美+日韩+精品| 国产高清视频在线播放一区| www.色视频.com| 亚洲无线在线观看| 亚洲狠狠婷婷综合久久图片| 两人在一起打扑克的视频| 最新美女视频免费是黄的| 老司机深夜福利视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 91字幕亚洲| 蜜桃久久精品国产亚洲av| 免费人成在线观看视频色| 久久久久性生活片| 亚洲五月婷婷丁香| 欧美激情在线99| 亚洲av一区综合| 国产亚洲欧美在线一区二区| 丰满人妻一区二区三区视频av | 久久精品91无色码中文字幕| 亚洲精品乱码久久久v下载方式 | 精品免费久久久久久久清纯| 免费人成视频x8x8入口观看| 亚洲一区高清亚洲精品| 国产精品乱码一区二三区的特点| 美女大奶头视频| 久久久国产精品麻豆| 88av欧美| 久久精品夜夜夜夜夜久久蜜豆| 老熟妇仑乱视频hdxx| 色老头精品视频在线观看| 99热精品在线国产| 欧美中文综合在线视频| 亚洲欧美激情综合另类| 99riav亚洲国产免费| 日本免费a在线| 国产三级黄色录像| 69av精品久久久久久| 黄色视频,在线免费观看| 午夜免费观看网址| 色在线成人网| 国产一级毛片七仙女欲春2| 国产探花极品一区二区| 国产欧美日韩精品一区二区| 国产欧美日韩一区二区精品| 国产aⅴ精品一区二区三区波| 激情在线观看视频在线高清| 精品一区二区三区人妻视频| 一区二区三区激情视频| 色综合欧美亚洲国产小说| 久久久久九九精品影院| 制服丝袜大香蕉在线| 日本精品一区二区三区蜜桃| www日本黄色视频网| 国产乱人视频| 欧美三级亚洲精品| 国语自产精品视频在线第100页| 好看av亚洲va欧美ⅴa在| 国产伦精品一区二区三区四那| 国产精品 欧美亚洲| 性欧美人与动物交配| 一进一出抽搐动态| 欧美成狂野欧美在线观看| 亚洲五月天丁香| 久久性视频一级片| 在线播放国产精品三级| 又黄又爽又免费观看的视频| 成人精品一区二区免费| 亚洲天堂国产精品一区在线| 色av中文字幕| 久久草成人影院| 热99re8久久精品国产| 午夜免费激情av| 亚洲av熟女| 制服丝袜大香蕉在线| 国产精品爽爽va在线观看网站| 亚洲av免费在线观看| 国产欧美日韩一区二区三| www日本黄色视频网| 亚洲美女黄片视频| 女人高潮潮喷娇喘18禁视频| 在线观看av片永久免费下载| av福利片在线观看| 国产精品亚洲美女久久久| 午夜免费男女啪啪视频观看 | 亚洲国产中文字幕在线视频| 国产亚洲欧美98| 免费在线观看亚洲国产| 成人av在线播放网站| 美女cb高潮喷水在线观看| 母亲3免费完整高清在线观看| 偷拍熟女少妇极品色| 亚洲精品粉嫩美女一区| 天堂动漫精品| 日本精品一区二区三区蜜桃| 免费电影在线观看免费观看| 最新中文字幕久久久久| 琪琪午夜伦伦电影理论片6080| 免费电影在线观看免费观看| 国产伦精品一区二区三区视频9 | 久久久久久大精品| 嫩草影院入口| 国产精品爽爽va在线观看网站| 久久久久久国产a免费观看| 成年女人永久免费观看视频| 亚洲熟妇中文字幕五十中出| 岛国视频午夜一区免费看| 97超视频在线观看视频| 国产欧美日韩一区二区三| 久久婷婷人人爽人人干人人爱| 国产精品香港三级国产av潘金莲| 18禁黄网站禁片免费观看直播| 五月玫瑰六月丁香| av片东京热男人的天堂| 在线播放无遮挡| 91在线观看av| 欧美日韩国产亚洲二区| 国产午夜精品论理片| 激情在线观看视频在线高清| 国产精品1区2区在线观看.| 免费无遮挡裸体视频| 亚洲欧美日韩东京热| 日韩国内少妇激情av| 韩国av一区二区三区四区| 淫妇啪啪啪对白视频| 亚洲人成伊人成综合网2020| 母亲3免费完整高清在线观看| 亚洲五月天丁香| 午夜精品久久久久久毛片777| 午夜a级毛片| 国产欧美日韩精品亚洲av| 夜夜夜夜夜久久久久| 99国产精品一区二区三区| 激情在线观看视频在线高清| 亚洲av二区三区四区| 国产精品亚洲一级av第二区| 亚洲中文字幕日韩| 成人av一区二区三区在线看| 悠悠久久av| 此物有八面人人有两片| 国产午夜精品久久久久久一区二区三区 | 亚洲av成人不卡在线观看播放网| 午夜福利在线在线| 国产成人系列免费观看| 国内揄拍国产精品人妻在线| 一进一出好大好爽视频| 久久久久久久午夜电影| 国产一区二区在线av高清观看| 一个人免费在线观看的高清视频| 女生性感内裤真人,穿戴方法视频| 国产精品爽爽va在线观看网站| 亚洲av一区综合| 欧美zozozo另类| 久久久久九九精品影院| 欧美日韩福利视频一区二区| 一级黄片播放器| 亚洲第一欧美日韩一区二区三区| 国产成人啪精品午夜网站| 制服人妻中文乱码| 免费在线观看日本一区| 9191精品国产免费久久| 亚洲中文日韩欧美视频| 在线十欧美十亚洲十日本专区| 成人高潮视频无遮挡免费网站| 少妇人妻一区二区三区视频| 有码 亚洲区| 日本免费a在线| 十八禁人妻一区二区| 狂野欧美白嫩少妇大欣赏| 国内久久婷婷六月综合欲色啪| 亚洲在线观看片| 少妇高潮的动态图| 嫩草影视91久久| 18禁国产床啪视频网站| 免费大片18禁| 精品欧美国产一区二区三| 日本黄色片子视频| 人妻丰满熟妇av一区二区三区| 岛国在线观看网站| 精品电影一区二区在线| 国产欧美日韩一区二区三| 一个人免费在线观看电影| 欧美日韩一级在线毛片| 久久久久精品国产欧美久久久| 国产亚洲精品一区二区www| 日韩欧美一区二区三区在线观看| av女优亚洲男人天堂| 久久国产精品人妻蜜桃| 亚洲国产精品合色在线| 神马国产精品三级电影在线观看| 久久精品国产清高在天天线| 18禁美女被吸乳视频| 热99re8久久精品国产| 两个人看的免费小视频| 搞女人的毛片| 国内少妇人妻偷人精品xxx网站| 一进一出好大好爽视频| 两个人视频免费观看高清| 久久久久性生活片| 免费人成在线观看视频色| 熟女电影av网| 一区福利在线观看| 成年女人永久免费观看视频| 美女cb高潮喷水在线观看| 亚洲国产中文字幕在线视频| 久久精品亚洲精品国产色婷小说| 身体一侧抽搐| 长腿黑丝高跟| 国产v大片淫在线免费观看| 欧美高清成人免费视频www| 国内精品美女久久久久久| 精品国产美女av久久久久小说| 久久6这里有精品| 女人被狂操c到高潮| 中文字幕av在线有码专区| 人妻夜夜爽99麻豆av| 精品乱码久久久久久99久播| 国产精品久久久久久人妻精品电影| 亚洲人成伊人成综合网2020| 99精品在免费线老司机午夜| 亚洲成人免费电影在线观看| 婷婷六月久久综合丁香| www.www免费av| 午夜久久久久精精品| 亚洲av二区三区四区| 美女免费视频网站| 我要搜黄色片| 在线看三级毛片| 日韩欧美在线乱码| 悠悠久久av| 亚洲精品色激情综合| 午夜精品久久久久久毛片777| 久久久精品大字幕| 中文亚洲av片在线观看爽| 97人妻精品一区二区三区麻豆| 久久久久久大精品| 国产成人av教育| 看片在线看免费视频| ponron亚洲| 哪里可以看免费的av片| 欧美成狂野欧美在线观看| 久久伊人香网站| 亚洲最大成人中文| 欧美av亚洲av综合av国产av| 日本 欧美在线| 成年女人毛片免费观看观看9| 国产亚洲精品一区二区www| 国产av在哪里看| 听说在线观看完整版免费高清| 非洲黑人性xxxx精品又粗又长| 中文在线观看免费www的网站| 亚洲精品一卡2卡三卡4卡5卡| 日本 av在线| 亚洲精华国产精华精| 特级一级黄色大片| 亚洲av美国av| 无人区码免费观看不卡| 国产在线精品亚洲第一网站| 亚洲最大成人中文| 搡老岳熟女国产| 岛国在线免费视频观看| 午夜福利成人在线免费观看| 欧美精品啪啪一区二区三区| 18禁黄网站禁片免费观看直播| 国产高清有码在线观看视频| 精品日产1卡2卡| 免费无遮挡裸体视频| 国产伦精品一区二区三区视频9 | 久久久久精品国产欧美久久久| 国产一区二区三区视频了| 少妇高潮的动态图| 午夜福利18| av视频在线观看入口| 男人的好看免费观看在线视频| 可以在线观看毛片的网站| 日韩免费av在线播放| 噜噜噜噜噜久久久久久91| 女警被强在线播放| 国产亚洲精品av在线| 国产成人系列免费观看| 亚洲aⅴ乱码一区二区在线播放| 最新在线观看一区二区三区| 成人永久免费在线观看视频| 午夜精品久久久久久毛片777| 99精品在免费线老司机午夜| 精品人妻偷拍中文字幕| 亚洲无线在线观看| 亚洲精品456在线播放app | 麻豆国产av国片精品| a级一级毛片免费在线观看| 此物有八面人人有两片| 99国产综合亚洲精品| 狂野欧美激情性xxxx| 国产精品亚洲美女久久久| 午夜福利在线在线| 91在线精品国自产拍蜜月 | 亚洲精品一区av在线观看| 国产精品日韩av在线免费观看| 国产真实乱freesex| 中文字幕av在线有码专区| 精品久久久久久,| 日日干狠狠操夜夜爽| 精品人妻一区二区三区麻豆 | 亚洲人成网站高清观看| 1000部很黄的大片| 舔av片在线| 校园春色视频在线观看| 久久久久久人人人人人| 国产黄色小视频在线观看| 精品久久久久久成人av| 在线天堂最新版资源| 有码 亚洲区| 免费在线观看亚洲国产| 伊人久久精品亚洲午夜| 婷婷丁香在线五月| 嫩草影视91久久| 岛国在线免费视频观看| 中文字幕人妻熟人妻熟丝袜美 | 亚洲av免费在线观看| 亚洲成人久久爱视频| 久久久久免费精品人妻一区二区| 欧美bdsm另类| 禁无遮挡网站| 亚洲成av人片在线播放无| 最新中文字幕久久久久| 亚洲最大成人手机在线| 国产亚洲精品综合一区在线观看| 国产一区二区在线观看日韩 | 熟女少妇亚洲综合色aaa.| 亚洲 欧美 日韩 在线 免费| 国产精品日韩av在线免费观看| 中出人妻视频一区二区| 熟女电影av网| 国产精品自产拍在线观看55亚洲| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区三区视频了| 偷拍熟女少妇极品色| www.熟女人妻精品国产| 97人妻精品一区二区三区麻豆| 99久国产av精品| 日韩欧美 国产精品| 搡老妇女老女人老熟妇| 级片在线观看| 午夜福利在线在线| 免费看十八禁软件| 中文字幕高清在线视频| 久久精品夜夜夜夜夜久久蜜豆| 1024手机看黄色片| 一区二区三区免费毛片| 啦啦啦韩国在线观看视频| 美女免费视频网站| 午夜精品在线福利| 日韩欧美在线乱码| 久久精品国产亚洲av香蕉五月| 日韩有码中文字幕| 岛国在线观看网站| 国产黄a三级三级三级人| 特大巨黑吊av在线直播| 三级国产精品欧美在线观看| 免费看美女性在线毛片视频| 国产综合懂色| 亚洲美女黄片视频| 亚洲最大成人手机在线| 国产成+人综合+亚洲专区| 久久中文看片网| 欧美丝袜亚洲另类 | 精品久久久久久久末码| 在线国产一区二区在线| 日韩欧美一区二区三区在线观看| 在线免费观看不下载黄p国产 | 一个人免费在线观看电影| 精品一区二区三区av网在线观看| 国产真实伦视频高清在线观看 | av福利片在线观看| 一个人免费在线观看的高清视频| 日本在线视频免费播放| 国产精品影院久久| 男人的好看免费观看在线视频| 特级一级黄色大片| 国产黄a三级三级三级人| 人妻久久中文字幕网| 女同久久另类99精品国产91| av在线天堂中文字幕| 久久久精品大字幕| 久久亚洲精品不卡| av片东京热男人的天堂| 身体一侧抽搐| 一级作爱视频免费观看| 国内精品美女久久久久久| av视频在线观看入口| 国产精品野战在线观看| 久久精品夜夜夜夜夜久久蜜豆| 一级黄片播放器| 国产一级毛片七仙女欲春2| 亚洲av熟女| 欧美日本视频| 国产成年人精品一区二区| 精品久久久久久成人av| 国内少妇人妻偷人精品xxx网站| 亚洲精品影视一区二区三区av| 亚洲午夜理论影院| 十八禁网站免费在线| 欧美极品一区二区三区四区| 全区人妻精品视频| 亚洲欧美一区二区三区黑人| 精品久久久久久久人妻蜜臀av| 国产精品一及| 成人鲁丝片一二三区免费| 国产精品综合久久久久久久免费| 一区二区三区免费毛片| 亚洲最大成人中文| 亚洲av电影在线进入| 国产成人a区在线观看| avwww免费| 日本黄色片子视频| 在线观看av片永久免费下载| 男人的好看免费观看在线视频| 三级国产精品欧美在线观看| 在线观看免费午夜福利视频| 97碰自拍视频| 女警被强在线播放| 不卡一级毛片| 成人无遮挡网站| 欧美不卡视频在线免费观看| 亚洲性夜色夜夜综合| 日日夜夜操网爽| 在线免费观看的www视频| 欧美中文综合在线视频| 97人妻精品一区二区三区麻豆| 一级黄片播放器| 久久久久久人人人人人| 午夜福利视频1000在线观看| 免费无遮挡裸体视频| 少妇裸体淫交视频免费看高清| 看片在线看免费视频| 99精品欧美一区二区三区四区| 亚洲第一电影网av| 男女下面进入的视频免费午夜| 成人鲁丝片一二三区免费| 国产三级中文精品| 一进一出抽搐动态| 99久久久亚洲精品蜜臀av| 国产亚洲av嫩草精品影院| 欧美日韩精品网址| 丝袜美腿在线中文| 成人高潮视频无遮挡免费网站| 亚洲性夜色夜夜综合| 国产激情偷乱视频一区二区| 亚洲av免费在线观看| 国产高清三级在线| 亚洲精品美女久久久久99蜜臀| 真人做人爱边吃奶动态| 国产欧美日韩精品亚洲av| 亚洲人成网站高清观看| 色吧在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲人成网站高清观看| 宅男免费午夜| 中文在线观看免费www的网站| 丰满的人妻完整版| 欧美国产日韩亚洲一区| 草草在线视频免费看| 色尼玛亚洲综合影院| 全区人妻精品视频| 在线观看午夜福利视频| 女同久久另类99精品国产91| 中亚洲国语对白在线视频| 国产乱人伦免费视频| 免费人成视频x8x8入口观看| 欧美不卡视频在线免费观看| 岛国在线免费视频观看| 少妇熟女aⅴ在线视频| 两个人视频免费观看高清| 757午夜福利合集在线观看| 51午夜福利影视在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 午夜亚洲福利在线播放| 日韩国内少妇激情av| 欧美激情在线99| 麻豆久久精品国产亚洲av| aaaaa片日本免费| 亚洲乱码一区二区免费版| 少妇的丰满在线观看| 亚洲成人中文字幕在线播放|