亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于音頻數(shù)據(jù)的風(fēng)電機組葉片異常狀態(tài)檢測技術(shù)研究

        2021-11-09 08:14:20胡凱凱陳亞楠李籽圓
        控制與信息技術(shù) 2021年5期
        關(guān)鍵詞:音頻風(fēng)電濾波

        胡凱凱,陳亞楠,陳 剛,舒 暉,李籽圓

        (中車株洲電力機車研究所有限公司,湖南 株洲 412001)

        0 引言

        隨著物聯(lián)網(wǎng)、大數(shù)據(jù)以及人工智能技術(shù)的快速發(fā)展,在風(fēng)電整機產(chǎn)品嚴(yán)重同質(zhì)化的今天,各大整機廠都在陸續(xù)推出其產(chǎn)品智能化、數(shù)字化整體解決方案,覆蓋從風(fēng)電場開發(fā)、設(shè)計、建設(shè)到運維的產(chǎn)品全生命周期過程[1]?;谝纛l數(shù)據(jù)對風(fēng)電機組的異常狀態(tài)進行監(jiān)測就是其中一個落地應(yīng)用的探索方向。華北電力大學(xué)和南京航空航天大學(xué)等高校、遠景科技集團和新疆金風(fēng)科技股份有限公司等風(fēng)電機組整機廠家以及國內(nèi)語音識別龍頭廠家科大訊飛股份有限公司均開展過相關(guān)技術(shù)的研究和應(yīng)用[2],取得了一定的成果;但受限于成本壓力,該方案整體上仍處于科研樣機試裝階段。風(fēng)電機組被安裝在戶外,風(fēng)沙、鹽霧等惡劣環(huán)境易導(dǎo)致葉片出現(xiàn)損傷[3]。目前,判斷葉片是否損傷主要依據(jù)運維人員的巡檢結(jié)果,其效率低,且容易漏檢,由此造成葉片損傷的進一步擴大,影響風(fēng)電機組的發(fā)電量和運行安全。因此,使用技術(shù)手段監(jiān)測葉片損傷情況,實現(xiàn)葉片異常狀態(tài)的早期診斷,這成為解決該問題的一個重要途徑。為此,本文利用葉片損傷后其氣動音頻信號會發(fā)生變化這一特點,設(shè)計了基于音頻數(shù)據(jù)的風(fēng)電機組異常狀態(tài)監(jiān)測系統(tǒng),并形成一套初步可行的基于風(fēng)電機組音頻數(shù)據(jù)的風(fēng)電機組葉片異常狀態(tài)檢測方法。下面將對該方法的系統(tǒng)架構(gòu)、樣本收集、數(shù)據(jù)探索、特征工程、模型訓(xùn)練與驗證、風(fēng)電機組工況識別和異常模式的探索情況進行全面的介紹。

        1 系統(tǒng)架構(gòu)

        基于音頻數(shù)據(jù)的風(fēng)電機組異常狀態(tài)監(jiān)測系統(tǒng)的主要功能是采集風(fēng)電機組運行過程中發(fā)出的聲音,對聲音數(shù)據(jù)進行特征分析、模式識別,判斷機組(部件)是否存在異?;驌p傷情況,結(jié)合業(yè)務(wù)規(guī)則發(fā)出報警,為機組運行維護提供決策支持[4-5]。

        1.1 總體設(shè)計

        系統(tǒng)主要由3部分組成:聲音采集子系統(tǒng)、 狀態(tài)分析與異常診斷子系統(tǒng)、 集成與人機交互子系統(tǒng)。以下分硬件與軟件兩部分進行總體設(shè)計描述[6-7]。

        1.1.1 硬件部分

        系統(tǒng)的主要硬件由傳聲器、采集器和智能終端組成,三者均被安裝在風(fēng)電機組設(shè)備上,系統(tǒng)構(gòu)成簡圖如圖1所示。傳聲器和采集器用于將機組的運行聲音轉(zhuǎn)換為數(shù)字量信號;智能終端作為邊緣計算單元,其主要作用為采集聲音信號和機組可編程邏輯控制器(programmable logic controller, PLC)的狀態(tài)相關(guān)數(shù)據(jù)、運行狀態(tài)分析與異常診斷程序、存儲并向上位機服務(wù)器發(fā)送數(shù)據(jù)。

        圖1 基于音頻數(shù)據(jù)的風(fēng)電機組異常狀態(tài)監(jiān)測系統(tǒng)硬件構(gòu)成簡圖Fig.1 Hardware composition diagram of wind turbine abnormal condition monitoring system based on audio data

        本設(shè)計采用一種最簡化的配置部署方案——在單臺風(fēng)電機組上,基于葉片掃塔聲音對葉片結(jié)構(gòu)健康和相關(guān)異常情況做單點監(jiān)測,其需要配置傳聲器、采集器和智能終端各一套。傳聲器被安裝于塔底的塔筒外壁,采集器與智能終端被安裝于塔底塔筒內(nèi)[8]。

        在風(fēng)電場進行批量部署時,各機組智能終端的數(shù)據(jù)經(jīng)由風(fēng)電場網(wǎng)絡(luò)匯集到風(fēng)電場中控室的服務(wù)器,通過安全隔離裝置,再發(fā)送給云端服務(wù)器。

        1.1.2 軟件部分

        系統(tǒng)軟件的主要結(jié)構(gòu)與數(shù)據(jù)流向如圖2所示。

        圖2 軟件模塊與數(shù)據(jù)流向Fig.2 Software modules and data flow

        風(fēng)電機組運行數(shù)據(jù)(wind turbine operating data,WTOD)監(jiān)控與觸發(fā)采集模塊,其負責(zé)接入機組PLC 運行數(shù)據(jù)并對機組運行狀態(tài)進行監(jiān)測。一旦滿足機組聲音采集條件,則觸發(fā)聲音采集程序,對固定時長的機組聲音信號和同時期機組葉片運行相關(guān)測點的PLC 運行數(shù)據(jù)進行采集[9],并將所采集的數(shù)據(jù)分別存入本地的文件系統(tǒng)和數(shù)據(jù)庫。

        狀態(tài)分析與異常診斷模塊,其負責(zé)讀取所采集的機組聲音數(shù)據(jù),進行特征分析、狀態(tài)識別與異常模式診斷,輸出診斷結(jié)果并將其存入到本地的Result(結(jié)果)數(shù)據(jù)庫中。

        人機交互模塊,其不僅具備診斷結(jié)果與運行數(shù)據(jù)查詢、錄音回放、聲音數(shù)據(jù)的聲譜圖可視化等功能,還提供聲音采集、異常診斷等程序的基礎(chǔ)配置功能,可實現(xiàn)對全場機組聲音異常的集中監(jiān)測。

        2 數(shù)據(jù)采集與處理

        在一臺風(fēng)電機組上部署了本文所設(shè)計的聲音采集子系統(tǒng)進行音頻數(shù)據(jù)采集,策略為每隔1 h采樣一次,每次采樣時間為30 s。整個試驗期間共采集了6 877個音頻數(shù)據(jù),并對這些音頻數(shù)據(jù)進行處理。

        2.1 樣本收集

        為滿足機器學(xué)習(xí)算法對樣本數(shù)量的要求,并且為了區(qū)分不同背景(工況)下的風(fēng)電機組運行狀態(tài),本文收集一段時間樣本,利用人耳對樣本進行人為選擇和貼標(biāo)簽。

        為保證塔筒底部變流器處于正常工作溫度范圍內(nèi),本文中的風(fēng)電機組在塔筒門外底部設(shè)計了冷卻風(fēng)扇。通過對這些音頻數(shù)據(jù)的分析發(fā)現(xiàn),塔筒門外底部冷卻風(fēng)扇工作與否對風(fēng)電機組葉片工況的識別具有較大影響,因此將音頻分為“冷卻風(fēng)扇未工作、風(fēng)電機組未工作”“冷卻風(fēng)扇未工作、風(fēng)電機組工作”“冷卻風(fēng)扇工作、風(fēng)電機組未工作”及“冷卻風(fēng)扇工作、風(fēng)電機組工作”4種工況類型,并通過多分類的機器學(xué)習(xí)模型進行分類識別。

        2.2 濾波

        本文根據(jù)聲譜圖發(fā)現(xiàn)的規(guī)律,對風(fēng)電機組工作狀態(tài)下的音頻進行濾波分析;通過采用多種濾波工具進行對比研究,最終找到最為合適的濾波工具。

        2.2.1 傅里葉變換

        風(fēng)扇未工作時,風(fēng)電機組的背景聲中沒有強干擾,掃塔聲中夾雜著環(huán)境噪聲。圖3示出某個音頻數(shù)據(jù)的波形圖,圖4示出該音頻數(shù)據(jù)的傅里葉變換頻譜圖,圖中示出將橫軸映射到20 000 Hz范圍內(nèi)、中間點個數(shù)為音頻采樣點長度一半的結(jié)果??梢钥闯?,環(huán)境噪聲對掃塔聲的影響很小,掃塔的周期性特征非常明顯;同樣,頻譜圖中高頻部分示出了頻率的規(guī)律,低頻部分夾雜著環(huán)境噪聲頻率,但從總體上而言,對掃塔頻率無明顯影響。因此,對于“冷卻風(fēng)扇未工作、風(fēng)電機組工作”的狀態(tài),無須進行音頻濾波。

        圖3 冷卻風(fēng)扇未工作時音頻數(shù)據(jù)波形Fig.3 Audio data waveforms when cooling fan is not working

        圖4 冷卻風(fēng)扇未工作傅里葉變換頻譜Fig.4 Fourier transform spectrum when cooling fan is not working

        風(fēng)扇工作時,其噪聲對風(fēng)電機組的掃塔聲造成了強干擾,因此圖5中的波形呈現(xiàn)出雜亂無章、較多毛刺的狀態(tài),掃塔聲被淹沒在風(fēng)扇噪音內(nèi)。

        圖5 冷卻風(fēng)扇工作時音頻數(shù)據(jù)波形Fig.5 Audio data waveforms when cooling fan is working

        圖6示出“冷卻風(fēng)扇工作”掃搭聲音頻數(shù)據(jù)傅里葉變換頻譜??梢钥闯?,高頻部分的幅值信息被低頻部分的幅值信息所淹沒,使得高頻部分的特征不明顯。由于風(fēng)扇噪聲主要集中在低頻部分,因此有必要對低頻部分進行高通濾波,以挖掘高頻部分的特征。

        圖6 冷卻風(fēng)扇工作時音頻數(shù)據(jù)傅里葉變換頻譜Fig.6 Fourier transform spectrum of audio data when the cooling fan is working

        濾除頻率低于 1 kHz 的音頻信號,得到如圖7 所示的頻譜圖??梢钥闯?,低頻部分被濾除后(并未將所有背景噪聲濾除),高頻部分的特征呈現(xiàn)明顯的周期性,表明濾波效果明顯。

        圖7 濾波之后的音頻數(shù)據(jù)傅里葉變換頻譜Fig.7 Fourier transform spectrum of audio data after filtering

        濾波之后的音頻數(shù)據(jù)波形圖與聲譜圖分別如圖8和圖9所示??梢钥闯?,音頻波形雖然具有較多毛刺,但較為明顯地呈現(xiàn)出掃塔周期性特征,從聲譜圖(圖9)上也可以看出類似規(guī)律。

        圖8 濾波之后的音頻數(shù)據(jù)波形Fig.8 Audio data waveforms after filtering

        圖9 濾波之后的聲譜Fig.9 Sonogram after filtering

        2.2.2 其他濾波工具研究及結(jié)果

        本文還對小波變換、數(shù)字濾波、前后向濾波、局域多項式最小二乘濾波、橢圓濾波以及Chebyshev 濾波等工具進行了研究。采用數(shù)字濾波、前后向濾波、橢圓濾波與Chebyshev I型濾波之后的聲譜圖與傅里葉變換后的聲譜圖(圖9)類似,這說明這幾種濾波工具濾波效果相當(dāng)。根據(jù)“奧卡姆剃刀”原則,本文選擇最常用、最易理解的傅里葉變換作為冷卻風(fēng)扇工作時的濾波工具。

        3 數(shù)據(jù)探索

        基于所采集的音頻數(shù)據(jù)進行時域、頻域上的可視化探索[10-11],從而充分了解數(shù)據(jù)、了解業(yè)務(wù),同時對重要因子的確定、特征工程的支持、模型的選取和調(diào)整等后續(xù)深度挖掘工作有著重要的影響。

        3.1 音頻波形圖

        為了觀察每種音頻文件中數(shù)據(jù)的形態(tài),繪制了時序波形曲線。圖10示出“冷卻風(fēng)扇未工作”工況下風(fēng)電機組時的音頻波形??梢钥闯?,在無外界強干擾的情況下,可以通過波形圖很好地展示出風(fēng)電機組是否處于工作狀態(tài)。

        圖10 冷卻風(fēng)扇未工作時音頻數(shù)據(jù)波形Fig.10 Audio data waveform when cooling fan is not working

        圖11示出“冷卻風(fēng)扇工作”工況下風(fēng)電機組的音頻數(shù)據(jù)波形。可以看出,冷卻風(fēng)扇工作時所產(chǎn)生的噪聲對風(fēng)電機組葉片掃塔音造成了強干擾,波形中毛刺較多,一般情況下,葉片掃塔音雖淹沒在音頻波形內(nèi),但可看出其周期性的規(guī)律(圖中紅色框部分)。

        圖11 冷卻風(fēng)扇工作時音頻數(shù)據(jù)波形Fig.11 Audio data waveforms when cooling fan is working

        3.2 聲譜圖

        通過波形圖可以較為清晰地看出不同工況下的音頻特征,而不同工況的基本頻率信息可以通過聲譜圖展示。

        圖12示出“冷卻風(fēng)扇未工作”工況下風(fēng)電機組的音頻聲譜圖??梢钥闯?,在無外界強干擾的情況下,通過聲譜圖中的周期性能量特征(葉片掃塔聲)可以區(qū)分風(fēng)電機組是否工作,也可識別出風(fēng)電機組工作時音頻頻率大約集中在1~4 kHz之間。

        圖12 冷卻風(fēng)扇未工作時風(fēng)電機組音頻聲譜圖Fig.12 Sonogram of wind turbine audio data when cooling fan is not working

        圖13示出“冷卻風(fēng)扇工作”工況下風(fēng)電機組的音頻聲譜圖。可以看出,冷卻風(fēng)扇工作時所產(chǎn)生的噪聲頻率集中在 0~2 kHz左右。0~1 kHz之間聲譜圖顏色較深,顯示能量較大;1~2 kHz之間聲譜圖顏色較淺,顯示能量較小。這為后續(xù)濾波設(shè)計提供了思路,即可以濾去1 kHz以下的音頻部分,從而使得葉片掃塔聲相對清晰。風(fēng)電機組工作狀態(tài)下,掃塔的聲音頻率主要集中在 1~4 kHz 之間,周期性特征明顯;從聲譜圖中還可以看出,能量有增強的特征(可能是嘯叫引起的)。

        圖13 冷卻風(fēng)扇工作時風(fēng)電機組音頻聲譜圖Fig.13 Sonogram of wind turbine audio data when cooling fan is working

        4 特征工程

        為了從風(fēng)電機組音頻數(shù)據(jù)中識別出2.1節(jié)中4種不同運行工況,本節(jié)基于時域和頻域的特征構(gòu)建、特征選擇等特征工程的方法,從音頻數(shù)據(jù)中提取出能夠進行工況識別的特征。

        4.1 特征構(gòu)建

        為了識別不同運行狀態(tài)類型的風(fēng)電機組音頻,需要構(gòu)建分類模型。從圖3~圖9 可以看出,不同類型的音頻之間具有較為明顯的特征區(qū)別,因此可從時域和頻域兩個角度出發(fā)提取特征并構(gòu)建分類模型。

        4.1.1 時域特征

        時域特征主要通過對每一個數(shù)據(jù)文件中的波形數(shù)據(jù)進行統(tǒng)計描述而得到。其統(tǒng)計指標(biāo)包括最大值、最小值、極差、均值、方均根差、方差、偏斜度及峭度。

        4.1.2 頻域特征

        頻域特征提取的內(nèi)容包括短時過零率、光譜質(zhì)心、光譜衰減、頻域方均根、梅爾頻率倒譜系數(shù)、色度頻率以及其他一些頻域特征(如P階頻譜帶寬、光譜平坦度等)。其中,短時過零率用于衡量每幀信號內(nèi)通過零點的次數(shù);光譜質(zhì)心是頻譜的一階矩陣;光譜衰減用于度量信號的形狀;頻域方均根是在頻域中對信號進行分幀,然后計算每一幀的方均根值;梅爾頻率倒譜系數(shù)用于描述頻譜包絡(luò)的整體形狀;色度頻率表示音頻的色度。

        通過Librosa庫提取這些頻域特征并進行分幀處理,默認512字節(jié)為一幀;之后再進一步計算均值、總和、中位數(shù)、 25%分位數(shù)、 75%分位數(shù)、最大值及最小值等時域特征,一共得到1 365個特征。

        4.2 特征選擇

        在特征構(gòu)建過程中,產(chǎn)生了1 365個特征,其中必然存在對模型貢獻度為零的特征(即冗余特征),因此需要對這些特征加以篩選。

        通過構(gòu)建多分類邏輯回歸模型(有監(jiān)督學(xué)習(xí)),利用eli5工具庫提取分類模型的特征權(quán)重。根據(jù)權(quán)重不為0要求來篩選特征,得到264個特征,用這264個特征重新構(gòu)建分類模型。

        測量點名稱中相關(guān)字符的含義如表1所示。

        表1 測量點名稱中字符含義表Tab. 1 Meaning of characters in measuring point name

        測量點命名規(guī)則如表2所示。

        表2 測量點命名規(guī)則Tab. 2 Naming rules of measuring points

        用于重新構(gòu)建分類模型的264個具體特征如圖14所示。

        圖14 特征選擇后的特征Fig.14 Features after feature selection

        5 多分類模型的訓(xùn)練與驗證

        通過音頻進行風(fēng)機葉片異常模式的探索主要是以風(fēng)機發(fā)電(即風(fēng)機工作)過程的音頻數(shù)據(jù)為主要依據(jù)。因此,從現(xiàn)有數(shù)據(jù)中找出風(fēng)機工作時的數(shù)據(jù)進行后續(xù)分析顯得尤為重要。其一方面是需要找到可供分析的數(shù)據(jù);另一方面,也為了避免分析不需要關(guān)注的數(shù)據(jù)。

        將數(shù)據(jù)樣本和工況標(biāo)簽劃分為訓(xùn)練集和驗證集,訓(xùn)練多分類模型,并驗證模型的準(zhǔn)確度。本項目可以通過人耳區(qū)分音頻,確定每一個音頻的標(biāo)簽,因此可以構(gòu)建有監(jiān)督學(xué)習(xí)的模型,從而更加準(zhǔn)確地識別音頻數(shù)據(jù)對應(yīng)的不同工況。

        5.1 數(shù)據(jù)劃分與標(biāo)簽

        數(shù)據(jù)劃分,是指訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)的劃分,關(guān)系到模型訓(xùn)練與泛化的基礎(chǔ)。為了盡量涵蓋不同時間段的音頻數(shù)據(jù),采樣隨機混合劃分的方式,訓(xùn)練集與驗證集的數(shù)據(jù)比例為3∶1。數(shù)據(jù)劃分與標(biāo)簽情況如表3所示。

        表3 數(shù)據(jù)劃分與標(biāo)簽Tab. 3 Data partitioning and tagging

        5.2 算法選擇

        考慮到有4種工況(表3),分類模型的構(gòu)建主要采用多分類邏輯回歸模型。模型超參數(shù)設(shè)置如下:

        5.3 模型訓(xùn)練結(jié)果

        5.3.1 訓(xùn)練結(jié)果

        通過計算,訓(xùn)練數(shù)據(jù)的精度(accuracy)、混淆矩陣和分類結(jié)果如圖15所示。可以看出,精度結(jié)果為0.992,具有很高的準(zhǔn)確率。

        圖15 模型訓(xùn)練結(jié)果Fig.15 Training results of model

        5.3.2 驗證結(jié)果

        通過計算,驗證數(shù)據(jù)的精度(accuracy)、混淆矩陣和分類結(jié)果如圖16所示??梢钥闯?,該多分類模型的泛化性能較好。

        圖16 驗證結(jié)果Fig.16 Validation results

        多分類結(jié)果的受試者操作曲線 (receiver operating characteristic,ROC)如圖17所示??梢钥闯?,ROC曲線下包圍的面積 (area under curve,AUC)值均為 1。AUC越接近1,說明模型的預(yù)測能力越強。

        圖17 ROC曲線Fig.17 ROC curves

        6 葉片異常檢測模型探索

        風(fēng)機葉片異常模式的探索是音頻數(shù)據(jù)用于葉片檢測最重要的價值體現(xiàn)。通過對音頻數(shù)據(jù)的挖掘分析,盡可能簡便有效地識別葉片可能出現(xiàn)的異常情況,為日常運維檢修提供智能化幫助。由于當(dāng)前音頻數(shù)據(jù)主要是通過一臺機組收集得到,異常模式樣本較少,因此本文僅對“嘯叫”進行探索分析。葉片嘯叫可能的原因有排水孔堵塞、結(jié)構(gòu)松動、葉片開裂等。圖18示出該機組某段音頻的聲譜。圖中,紅框中能量較強,屬于比較明顯的嘯叫,而且集中于某一個葉片,可能為排水孔堵塞。因此嘗試探索葉片嘯叫這一異常模式。

        圖18 某風(fēng)電機組音頻聲譜圖Fig.18 Audio spectrogram of a wind turbine

        值得注意的是,嘯叫的發(fā)生伴隨著多普勒效應(yīng),葉片掃塔的過程中音調(diào)由雄渾變?yōu)槔w細,因為嘯叫發(fā)生時,聲譜圖中該時段的能量較強。為了計算短時能量,提高幀長度,嘗試以1 s時段的采樣點(共44 100個)為一幀來計算每一幀的短時能量數(shù)值,具體如圖19和圖20所示??梢钥闯?,發(fā)生嘯叫的時段,其音頻的短時能量數(shù)值較高,時間點相對一致。但該方法目前還存在一定的不足和局限性,其主要原因是背景噪聲的不確定、風(fēng)電機組轉(zhuǎn)速的不同會導(dǎo)致掃塔聲的強弱不同,故計算出來的短時能量數(shù)值不同,無法確定一個統(tǒng)一的閾值進行判斷。

        圖19 不同轉(zhuǎn)速下風(fēng)電機組音頻聲譜圖Fig.19 Audio spectrogram of wind turbine at different rotational speeds

        圖20 不同轉(zhuǎn)速下風(fēng)電機組音頻短時能量數(shù)值圖Fig.20 Numerical chart of wind turbine audio short-time energy at different rotational speeds

        圖21示出不同轉(zhuǎn)速下葉片嘯叫的聲譜圖??梢钥闯觯煌D(zhuǎn)速下嘯叫對應(yīng)的頻率范圍有所差異,而且嘯叫發(fā)生時其能量大小也不一樣。因此,可通過模型生成聲譜圖,由人工判斷是否發(fā)生嘯叫,以便判斷是否有排水孔堵塞(嘯叫)的異常情況發(fā)生。

        圖21 不同轉(zhuǎn)速下葉片嘯叫的聲譜圖Fig.21 Sonogram of blade howling at different rotational speeds

        7 結(jié)語

        本文通過在某機型一臺新吊裝的風(fēng)電機組安裝拾音器、設(shè)計檢測系統(tǒng)、分析挖掘收集的風(fēng)電機組音頻數(shù)據(jù),初步形成一套可行的基于風(fēng)電機組音頻數(shù)據(jù)的異常狀態(tài)檢測方法。其可以識別葉片是否損傷、冷卻風(fēng)扇是否工作等工況,以排除冷卻風(fēng)扇運行對于葉片異常檢測的干擾;可以實現(xiàn)葉片嘯叫的異常檢測。由于本文中的實踐只涉及一臺機組,且該機組葉片狀態(tài)較為良好,樣本數(shù)量少,本文能夠探索到的異常狀態(tài)有限。因此,后續(xù)考慮有針對性地選擇一些高齡風(fēng)電機組實施本文中的方案,以完善和拓展文中所提的狀態(tài)監(jiān)測方法。

        猜你喜歡
        音頻風(fēng)電濾波
        必須了解的音頻基礎(chǔ)知識 家庭影院入門攻略:音頻認證與推薦標(biāo)準(zhǔn)篇
        基于Daubechies(dbN)的飛行器音頻特征提取
        電子制作(2018年19期)2018-11-14 02:37:08
        海上風(fēng)電躍進隱憂
        能源(2018年6期)2018-08-01 03:42:00
        分散式風(fēng)電破“局”
        能源(2018年6期)2018-08-01 03:41:56
        風(fēng)電:棄風(fēng)限電明顯改善 海上風(fēng)電如火如荼
        能源(2018年8期)2018-01-15 19:18:24
        音頻分析儀中低失真音頻信號的發(fā)生方法
        電子制作(2017年9期)2017-04-17 03:00:46
        重齒風(fēng)電
        風(fēng)能(2016年12期)2016-02-25 08:46:38
        Pro Tools音頻剪輯及修正
        人間(2015年8期)2016-01-09 13:12:42
        RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
        基于線性正則變換的 LMS 自適應(yīng)濾波
        遙測遙控(2015年2期)2015-04-23 08:15:18
        久久国产av在线观看| 国产无遮挡无码视频免费软件 | 帮老师解开蕾丝奶罩吸乳网站| 国产在线观看无码免费视频| 国内露脸中年夫妇交换| 精品国产亚洲av麻豆尤物| 亚洲中文字幕第15页| 国产精品爽爽ⅴa在线观看| 精品久久久久久777米琪桃花| 亚洲一区二区综合色精品| 久久熟女乱一区二区三区四区| 精品国产免费一区二区久久| 四虎成人精品在永久免费| 风间由美性色一区二区三区 | 国产人妻久久精品二区三区老狼| 欧美激情内射喷水高潮| 揄拍成人国产精品视频肥熟女| 激情视频在线观看免费播放| 少妇免费av一区二区三区久久 | 国产99久久精品一区二区| 精品囯产成人国产在线观看| 国产色婷亚洲99精品av网站| 美女露出粉嫩小奶头在视频18禁| 中国少妇内射xxxx狠干| 美女视频一区| 久草久热这里只有精品| av影片在线免费观看| 西西人体444www大胆无码视频| 日韩A∨精品久久久久| 国产一区二区三区色区| 开心五月婷婷激情综合网| 亚洲精品suv精品一区二区| 国产免费久久精品99re丫y| 视频国产一区二区在线| 99久热在线精品视频观看| 又爽又黄禁片视频1000免费| 青青草一级视频在线观看| 久久天堂精品一区二区三区四区| 天天躁日日躁狠狠躁欧美老妇| 日韩精品一区二区三区视频| 国产传媒剧情久久久av|