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

        ?

        基于分層貝葉斯模型的齒輪彎曲疲勞試驗(yàn)分析

        2021-12-31 01:19:42毛天雨劉懷舉王寶賓侯圣文陳地發(fā)
        中國(guó)機(jī)械工程 2021年24期
        關(guān)鍵詞:模型

        毛天雨 劉懷舉 王寶賓 侯圣文 陳地發(fā)

        1.重慶大學(xué)機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,重慶,4000442.陜西法士特齒輪有限責(zé)任公司,西安,710077

        0 引言

        齒輪廣泛應(yīng)用于航空、航天、艦船、高鐵、海洋裝備等領(lǐng)域,其服役性能直接決定了整機(jī)裝備的可靠性[1],而且齒輪彎曲疲勞失效導(dǎo)致的裝備事故和人機(jī)安全問(wèn)題日益突出[2],因此開(kāi)展齒輪彎曲疲勞試驗(yàn)非常必要。以試驗(yàn)基礎(chǔ)數(shù)據(jù)為主要支撐是進(jìn)行高可靠齒輪設(shè)計(jì)的必要前提,同時(shí)也是對(duì)齒輪疲勞壽命等服役性能最為直接和有效的評(píng)估手段。

        齒輪彎曲疲勞試驗(yàn)基礎(chǔ)數(shù)據(jù)一般指可靠度-應(yīng)力-壽命(P-S-N)曲線,它也是齒輪疲勞強(qiáng)度設(shè)計(jì)的基本參數(shù)。獲取P-S-N曲線通常采用成組法,在4~5個(gè)應(yīng)力級(jí)下進(jìn)行試驗(yàn),每個(gè)應(yīng)力級(jí)下不少于5個(gè)試驗(yàn)點(diǎn)[3]。但由于齒輪彎曲疲勞試驗(yàn)結(jié)果受齒輪材料微結(jié)構(gòu)特征、加工工藝、表面質(zhì)量等多種不確定性因素的影響,試驗(yàn)壽命數(shù)據(jù)分散明顯,一般情況下難以獲得滿(mǎn)足傳統(tǒng)統(tǒng)計(jì)方法所需要的大樣本數(shù)據(jù)。目前小樣本疲勞試驗(yàn)數(shù)據(jù)的分析方法,一類(lèi)是通過(guò)改進(jìn)大樣本統(tǒng)計(jì)方法,如傅慧民等[4]在假設(shè)疲勞壽命服從對(duì)數(shù)正態(tài)分布的前提下,采用異方差回歸分析的方法對(duì)疲勞試驗(yàn)數(shù)據(jù)進(jìn)行整體分析;XIE等[5]提出了一種基于樣本信息聚集原理的P-S-N曲線數(shù)據(jù)處理方法,通過(guò)將在不同應(yīng)力水平下測(cè)試的疲勞壽命轉(zhuǎn)換成在任意應(yīng)力水平下的等效壽命,將小樣本數(shù)據(jù)轉(zhuǎn)換為大規(guī)模樣本;GAO等[6]基于P-S-N曲線在高應(yīng)力區(qū)某一點(diǎn)相交的假設(shè),實(shí)現(xiàn)了P-S-N曲線的快速獲取。另一類(lèi)是通過(guò)樣本擴(kuò)充,使之盡可能適應(yīng)大樣本數(shù)據(jù)統(tǒng)計(jì)方法。如馬宇鵬等[7]提出了Bootstrap-支持向量回歸-二階累次量的方法框架和多階虛擬樣本容量擴(kuò)充的方法,解決了小樣本分析的問(wèn)題;趙遠(yuǎn)等[8]基于Bootstrap法充分挖掘試驗(yàn)數(shù)據(jù)的壽命與可靠性總體信息,提高了小子樣數(shù)據(jù)評(píng)估的準(zhǔn)確性。然而樣本數(shù)據(jù)擴(kuò)充方法的本質(zhì)依然是進(jìn)行頻率統(tǒng)計(jì),當(dāng)樣本量較小時(shí),進(jìn)行樣本擴(kuò)充可能會(huì)產(chǎn)生誤差。另外,傳統(tǒng)的概率方法往往需要大量的疲勞試驗(yàn)數(shù)據(jù)作為依托,而齒輪疲勞試驗(yàn)耗時(shí)耗力,商用諧振式高頻疲勞試驗(yàn)機(jī)加載頻率一般為50~100 Hz,依據(jù)ISO 6336標(biāo)準(zhǔn)規(guī)定的3×106次循環(huán)基數(shù),一個(gè)試驗(yàn)點(diǎn)要進(jìn)行17 h(按50 Hz計(jì)算)的試驗(yàn),這導(dǎo)致通??捎糜诜治龅钠谠囼?yàn)數(shù)據(jù)往往是小樣本的,而貝葉斯統(tǒng)計(jì)方法可用于推斷疲勞測(cè)試數(shù)據(jù)并處理不確定性,可通過(guò)不斷更新和融合數(shù)據(jù)來(lái)解決樣本量較少這一問(wèn)題。GUIDA等[9]借助貝葉斯理論和先驗(yàn)信息,將材料疲勞性能參數(shù)引入先驗(yàn)分布中,發(fā)現(xiàn)無(wú)論是點(diǎn)估計(jì)還是區(qū)間估計(jì),所提出的貝葉斯方法遠(yuǎn)優(yōu)于經(jīng)典頻率理論方法;劉建中等[10]運(yùn)用模糊綜合評(píng)判方法綜合經(jīng)驗(yàn)信息來(lái)確定先驗(yàn)分布,同時(shí)基于貝葉斯理論給出了一種由小樣本試驗(yàn)數(shù)據(jù)確定疲勞壽命分布的可靠方法。然而,上述方法均是采用經(jīng)驗(yàn)貝葉斯方法,其先驗(yàn)分布的選取易受到主觀信息的影響,在缺乏先驗(yàn)信息的情況下往往存在爭(zhēng)議。而分層貝葉斯可以避免超參數(shù)的選取,能夠提供一種更具魯棒性的統(tǒng)計(jì)分析手段[11]。

        本文開(kāi)展了8620H鋼表面滲碳齒輪彎曲疲勞試驗(yàn),并針對(duì)傳統(tǒng)統(tǒng)計(jì)方法處理小樣本齒輪彎曲疲勞試驗(yàn)數(shù)據(jù)擬合失真的問(wèn)題,基于貝葉斯理論建立了齒輪彎曲疲勞P-S-N曲線的分層貝葉斯模型,給出了在無(wú)先驗(yàn)信息下分布參數(shù)的選取方法,通過(guò)Gibbs采樣對(duì)模型進(jìn)行求解并獲取模型參數(shù)的后驗(yàn)分布。結(jié)合齒輪彎曲疲勞試驗(yàn)數(shù)據(jù),以50%和99%可靠度下S-N曲線相對(duì)斜率比為擬合結(jié)果評(píng)價(jià)指標(biāo),驗(yàn)證了分層貝葉斯模型在小樣本數(shù)據(jù)下的穩(wěn)定性與優(yōu)越性。

        1 齒輪彎曲疲勞試驗(yàn)

        輪齒彎曲疲勞破壞是齒輪最嚴(yán)重的失效形式之一,航空齒輪的斷齒甚至還會(huì)導(dǎo)致機(jī)毀人亡的慘劇[12],因此,將齒輪彎曲疲勞失效作為研究對(duì)象,通過(guò)試驗(yàn)獲得齒輪的彎曲疲勞壽命數(shù)據(jù)與齒輪彎曲疲勞P-S-N曲線,對(duì)指導(dǎo)高性能齒輪正向設(shè)計(jì)具有顯著的工程意義。

        1.1 齒輪試樣

        齒輪試樣參數(shù)如表1所示,制造工藝路線為:毛坯鍛造→粗車(chē)→半精車(chē)與精車(chē)→滾齒→滲碳淬火→磨齒。所有試驗(yàn)齒輪均采用相同的加工設(shè)備及加工工藝,且在同一爐進(jìn)行熱處理。

        表1 試驗(yàn)齒輪基本參數(shù)

        1.2 試驗(yàn)方法

        齒輪彎曲疲勞試驗(yàn)通常采用脈動(dòng)加載方式[13],通過(guò)疲勞試驗(yàn)機(jī)上的夾具對(duì)試驗(yàn)齒輪輪齒進(jìn)行脈動(dòng)加載,直至輪齒發(fā)生彎曲疲勞失效或越出(循環(huán)基數(shù)通常為3×106)。試驗(yàn)中,脈動(dòng)載荷僅施加在試驗(yàn)齒輪輪齒上,試驗(yàn)齒輪不做嚙合運(yùn)轉(zhuǎn)。

        成組法是齒輪彎曲疲勞試驗(yàn)中的常用方法,該方法通過(guò)在4~5個(gè)應(yīng)力級(jí)下進(jìn)行多組壽命測(cè)試來(lái)獲得齒輪在各個(gè)應(yīng)力級(jí)下的壽命分布,進(jìn)而獲得齒輪的彎曲疲勞P-S-N曲線。圖1為P-S-N曲線示意圖,分別代表了1%、50%、99%可靠度下的S-N曲線。

        1.3 試驗(yàn)設(shè)備

        試驗(yàn)采用Zwick 1000 kN彎曲疲勞試驗(yàn)機(jī)和 GB/T 14230—1993標(biāo)準(zhǔn)[14]中脈動(dòng)加載的形式,對(duì)試驗(yàn)齒輪進(jìn)行脈動(dòng)循環(huán)加載,以獲得某恒定載荷級(jí)下的齒輪彎曲疲勞壽命。彎曲疲勞試驗(yàn)機(jī)基本參數(shù)如表2所示,齒輪彎曲疲勞試驗(yàn)現(xiàn)場(chǎng)如圖2所示。

        表2 彎曲疲勞試驗(yàn)機(jī)基本參數(shù)

        圖2 齒輪彎曲疲勞試驗(yàn)Fig.2 Gear bending fatigue test

        1.4 齒輪失效的檢測(cè)與判據(jù)

        試驗(yàn)過(guò)程中,疲勞試驗(yàn)機(jī)通過(guò)脈動(dòng)循環(huán)加載與齒輪發(fā)生共振,其共振頻率和疲勞試驗(yàn)機(jī)與齒輪組成的總剛度和質(zhì)量有關(guān)[15]。當(dāng)齒輪出現(xiàn)裂紋后,系統(tǒng)剛度減小,從而引起頻率的下降。根據(jù)GB/T 14230—1993標(biāo)準(zhǔn)[14]的要求,當(dāng)滿(mǎn)足以下兩者之一的條件即可判定齒輪發(fā)生失效:①出現(xiàn)可見(jiàn)裂紋或斷齒;②頻率下降5%~10%。

        1.5 試驗(yàn)數(shù)據(jù)的預(yù)處理

        (1)

        水邊植物群落和建筑周邊植物群落在各指標(biāo)上都有一定程度的下降,根據(jù)駁岸類(lèi)型和與建筑的位置關(guān)系進(jìn)一步分析(圖6)。

        2 試驗(yàn)數(shù)據(jù)處理方法

        齒輪彎曲疲勞試驗(yàn)數(shù)據(jù)常用的統(tǒng)計(jì)方法有正態(tài)分布、對(duì)數(shù)正態(tài)分布、雙參數(shù)威布爾分布和三參數(shù)威布爾分布[19]。由于模型可及性和許多計(jì)算工具易于找到,對(duì)數(shù)正態(tài)分布在疲勞試驗(yàn)數(shù)據(jù)處理中被廣泛使用[20-21],因此,在本文數(shù)據(jù)處理中,采用對(duì)數(shù)正態(tài)分布擬合,通過(guò)成組法數(shù)據(jù)確定疲勞曲線的有限壽命階段,即齒輪的P-S-N曲線方程。

        2.1 基于頻率理論的P-S-N曲線擬合

        在有限壽命階段,可靠度P下的失效循環(huán)次數(shù)NP與應(yīng)力S滿(mǎn)足Basquin方程[22]:

        SmPNP=CP

        (2)

        式中,mP、CP為材料參數(shù),mP>0,CP>0。

        通過(guò)對(duì)式(2)左右兩邊取對(duì)數(shù),可以得到線性表達(dá)式:

        lgNP=lgCP-mPlgS

        (3)

        由式(3)可以看出,Basquin方程在雙對(duì)數(shù)坐標(biāo)下呈現(xiàn)出線性關(guān)系。

        如圖3所示,獲取齒輪彎曲疲勞P-S-N曲線,首先需要確定各應(yīng)力水平下的疲勞壽命分布,其次需要確定各應(yīng)力水平下可靠度P下的疲勞壽命NP,進(jìn)而通過(guò)最小二乘法(least squares method,LSE)對(duì)式(3)進(jìn)行擬合以獲取P-S-N曲線,具體計(jì)算流程可參考GB/T 14230—1993標(biāo)準(zhǔn)[14]。

        圖3 P-S-N曲線擬合原理圖Fig.3 P-S-N curve fitting principle diagram

        2.2 基于分層貝葉斯模型的P-S-N曲線擬合

        從貝葉斯統(tǒng)計(jì)的觀點(diǎn)來(lái)看,模型參數(shù)也被看作是具有概率分布的隨機(jī)變量[23]。分層貝葉斯方法(hierarchical Bayesian model,HBM)相對(duì)于經(jīng)驗(yàn)貝葉斯方法的優(yōu)勢(shì)在于分層先驗(yàn)中包含了模型參數(shù)的結(jié)構(gòu)信息[24],同時(shí)避免了超參數(shù)的選擇,能夠提供一種更具魯棒性的分析手段。本文將齒輪彎曲疲勞壽命數(shù)據(jù)建模分為兩個(gè)層次,如圖4所示,一個(gè)層次是指每個(gè)應(yīng)力水平下的疲勞壽命,另一個(gè)層次是不同的應(yīng)力水平下的疲勞壽命。HBM模型將各應(yīng)力級(jí)下疲勞壽命參數(shù)分布估計(jì)與S-N曲線的線性擬合同時(shí)進(jìn)行,并將計(jì)算應(yīng)力水平之外的疲勞壽命分布信息考慮在內(nèi),以進(jìn)行數(shù)據(jù)的融合與交換,從而獲取最優(yōu)擬合結(jié)果。

        圖4 分層貝葉斯模型估計(jì)S-N曲線示意圖Fig.4 Schematic diagram of S-N curve estimated byhierarchical Bayesian model

        本文中齒輪彎曲疲勞S-N曲線采用目前最為常用的Basquin模型,若考慮各應(yīng)力水平下疲勞壽命的隨機(jī)性,則Basquin方程可表達(dá)為

        (4)

        其中,m、C為材料參數(shù);Nj、Sj分別為第j個(gè)應(yīng)力水平下疲勞壽命與應(yīng)力(j=1,2,…,n;n為應(yīng)力水平數(shù));隨機(jī)變量εj表示在不同應(yīng)力水平Sj下的隨機(jī)性,包含材料疲勞特性的不確定性與觀測(cè)誤差。兩邊同時(shí)取對(duì)數(shù),可得

        lgNj=lgC-mlgSj+δj

        (5)

        Yj=Xjβ+δj

        (6)

        Yj=lgNjXj=(1,lgxj)β=(β0,β1)T

        圖5 分層貝葉斯層次結(jié)構(gòu)圖Fig.5 Hierarchical Bayesian hierarchy diagram

        后驗(yàn)分布的計(jì)算通常采用數(shù)值積分方法求解,馬爾可夫鏈蒙特卡羅(Markov chain Monte Carlo,MCMC)抽樣技術(shù)[29]中的Gibbs抽樣算法適合分層貝葉斯模型,能有效解決高維積分問(wèn)題[30],因此本文采用Gibbs抽樣算法來(lái)求解后驗(yàn)分布。

        在樣本量較少的情況下,可能存在低應(yīng)力水平下對(duì)數(shù)疲勞壽命標(biāo)準(zhǔn)差比高應(yīng)力水平下對(duì)數(shù)疲勞壽命標(biāo)準(zhǔn)差小的情形,與目前普遍認(rèn)為的異方差或同方差理論相悖[31-32]。考慮到本試驗(yàn)中齒輪來(lái)自于相同的材料與熱處理加工工藝,將不同應(yīng)力水平下的疲勞壽命分散性用統(tǒng)一的變異系數(shù)來(lái)度量,以此來(lái)表征齒輪材料及加工工藝的一致性。統(tǒng)一的變異系數(shù)為

        (7)

        從而各應(yīng)力水平下壽命分布的方差可調(diào)整為

        (8)

        2.3 模型的比較與驗(yàn)證

        為了驗(yàn)證HBM模型估計(jì)P-S-N曲線的性能,將HBM模型與傳統(tǒng)LSE模型進(jìn)行穩(wěn)定性比較。本節(jié)提出了相對(duì)斜率指標(biāo)來(lái)進(jìn)行模型穩(wěn)定性的比較。假設(shè)b0.5表示可靠度為50%下S-N曲線的斜率,b0.99表示可靠度為99%下S-N曲線的斜率,則相對(duì)斜率比指標(biāo)可定義為

        (9)

        (a)α=1

        (b)α>1

        (c)α<1圖6 99%可靠度與50%可靠度下S-N曲線的相對(duì)位置關(guān)系示意圖Fig.6 Schematic diagram of the relative positionrelationship of the S-N curve under 99%reliability and 50% reliability

        式(9)中的相對(duì)斜率比α描述了50%可靠度下與99%可靠度下S-N曲線的相對(duì)位置關(guān)系,如圖6所示。當(dāng)相對(duì)斜率比α=1時(shí),99%可靠度下S-N曲線與50%可靠度下S-N曲線平行,如圖6a所示;當(dāng)相對(duì)斜率比α>1時(shí),99%可靠度下S-N曲線與50%可靠度下S-N曲線相交于高應(yīng)力級(jí)下的一點(diǎn),如圖6b所示,該點(diǎn)代表該應(yīng)力級(jí)下試件必定會(huì)發(fā)生疲勞失效,這與高應(yīng)力級(jí)下易發(fā)生彎曲疲勞失效的事實(shí)一致;當(dāng)相對(duì)斜率比α<1時(shí),99%可靠度下S-N曲線與50%可靠度下S-N曲線相交于低應(yīng)力級(jí)下的一點(diǎn),如圖6c所示,顯然,這與較低應(yīng)力下存在越出點(diǎn)的事實(shí)是相悖的。此時(shí),P-S-N曲線擬合出現(xiàn)失真。因此,可以接受α≥1的情況而不能接受α<1的情況。

        3 結(jié)果與討論

        本文采用的齒輪彎曲疲勞試驗(yàn)數(shù)據(jù),是在4個(gè)應(yīng)力水平(該齒輪彎曲疲勞強(qiáng)度極限約為665 MPa)下進(jìn)行試驗(yàn)獲得的數(shù)據(jù),每組試驗(yàn)11次,試驗(yàn)結(jié)果見(jiàn)表3。每組11個(gè)試驗(yàn)點(diǎn)提供了足夠的數(shù)據(jù)量以作為評(píng)價(jià)小樣本條件下擬合效果的基準(zhǔn)。

        表3 齒輪彎曲疲勞試驗(yàn)結(jié)果

        對(duì)于“11-11-11-11”(即4個(gè)應(yīng)力級(jí)下11個(gè)試驗(yàn)點(diǎn))樣本,LSE模型已被證明在大樣本情況下有效,因此將其所獲得的結(jié)果作為基準(zhǔn)曲線。由圖7a可以看出,HBM模型獲得的S-N曲線與LSE模型獲得的S-N曲線幾乎重合。以相同應(yīng)力水平下LSE模型的疲勞壽命作為基準(zhǔn),絕對(duì)誤差計(jì)算結(jié)果如圖7b所示,四個(gè)應(yīng)力級(jí)下擬合壽命最大誤差為6.10%,表明本文所提出的HBM模型在“大樣本數(shù)據(jù)”情況下具有與LSE模型相同的建模精度。

        為對(duì)比本文所提出的HBM模型與傳統(tǒng)LSE模型統(tǒng)計(jì)的穩(wěn)定性,將疲勞試驗(yàn)數(shù)據(jù)分為“3-3-3-3”、“5-5-5-5”、“7-7-7-7”、“9-9-9-9”四種樣本。在每種測(cè)試方案下,用于比較的子數(shù)據(jù)集都是從表3中完整的數(shù)據(jù)中進(jìn)行隨機(jī)抽樣的,每個(gè)測(cè)試方案下隨機(jī)抽樣104次,表5給出了不同樣本量下的統(tǒng)計(jì)結(jié)果,可以看出,在不同樣本量下,本文所提出的HBM模型的相對(duì)斜率比α均能給出滿(mǎn)意的結(jié)果,而傳統(tǒng)的LSE模型會(huì)出現(xiàn)P-S-N曲線擬合失真的情況。這是因?yàn)楫?dāng)疲勞壽命數(shù)據(jù)不滿(mǎn)足隨著應(yīng)力水平逐漸降低而疲勞壽命方差逐漸增大的規(guī)律時(shí),傳統(tǒng)的LSE模型不能給出滿(mǎn)意的擬合結(jié)果,而本文所提出的模型穩(wěn)定性更好而不依賴(lài)于數(shù)據(jù)樣本本身。

        表4 齒輪彎曲疲勞試驗(yàn)數(shù)據(jù)預(yù)處理

        (a)50%可靠度下S-N曲線

        (b)擬合壽命絕對(duì)誤差圖7 11-11-11-11樣本量下50%可靠度下S-N曲線與每個(gè)應(yīng)力水平壽命的誤差Fig.7 The error between the S-N curve and the lifeof each stress level at 50% reliability under 11-11-11-11sample size

        其次,LSE與HBM模型相對(duì)斜率比α波動(dòng)范圍均隨樣本量增加而減小,但本文所提出的HBM模型波動(dòng)范圍較小。隨著樣本量的變化,LSE模型最小波動(dòng)范圍為0.7869,是本文所提出的HBM模型最大波動(dòng)范圍(即0.2213,樣本量為“3-3-3-3”)的3.6倍左右。顯然,與傳統(tǒng)的LSE模型相比,本文所提出的HBM模型具有更好的穩(wěn)定性。

        表5 不同樣本量下的相對(duì)斜率比α值

        (a)不同樣本量下LSE模型α值

        (b)不同樣本量下HBM模型α值圖8 不同樣本量下LSE與HBM模型α值Fig.8 LSE and HBM model α values under differentsample sizes

        由圖8a和圖8b中的箱型圖可以看出,隨著樣本量的變化下,本文提出的HBM模型相對(duì)斜率比α均大于1,而LSE模型在樣本量為“3-3-3-3”和“5-5-5-5”時(shí)易出現(xiàn)擬合失真的情況。當(dāng)樣本量從“3-3-3-3”增加到“9-9-9-9”時(shí),HBM模型相對(duì)斜率比α的中位值從1.1392增大到1.1527,變化率為1.19%;而LSE模型中位值從0.8789增大到1.2494,變化率為42.14%。結(jié)合目前彎曲疲勞試驗(yàn)數(shù)據(jù)可知,本文所提出的HBM模型在小樣本下擬合效果更佳,不會(huì)出現(xiàn)擬合失真的情況。

        4 結(jié)論

        本文開(kāi)展了齒輪彎曲疲勞試驗(yàn),并基于齒輪疲勞試驗(yàn)結(jié)果提出了用于估計(jì)齒輪彎曲疲勞P-S-N曲線的分層貝葉斯(HBM)模型,通過(guò)馬爾可夫鏈蒙特卡羅(MCMC)數(shù)值仿真得出以下結(jié)論:

        (1)采用單齒加載方式進(jìn)行齒輪彎曲疲勞試驗(yàn),獲得了8620H鋼滲碳齒輪材料在701 MPa、751 MPa、826 MPa、951 MPa四個(gè)彎曲應(yīng)力級(jí)下的彎曲疲勞壽命數(shù)據(jù),并建立了HBM模型與LSE模型進(jìn)行疲勞試驗(yàn)數(shù)據(jù)的分析與處理。

        (2)定義了用于評(píng)價(jià)P-S-N曲線擬合精度的相對(duì)斜率比指標(biāo)。發(fā)現(xiàn)在大樣本情況下,HBM模型具有與傳統(tǒng)LSE模型相同的建模精度。隨著樣本量的變化,LSE模型相對(duì)斜率比α變化率為42.14%,而本文所提出的HBM模型變化率僅為1.19%,具有更好的穩(wěn)定性與適應(yīng)性,為齒輪彎曲疲勞試驗(yàn)等小樣本數(shù)據(jù)場(chǎng)合提供了更具魯棒性的分析手段。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        久久精品国产亚洲av高清蜜臀| 日韩av高清在线观看| 免费a级毛片18禁网站app| 8ⅹ8x擦拨擦拨成人免费视频 | 欧美成人精品一区二区综合| 欧美日韩免费一区中文字幕| 中文亚洲第一av一区二区| 少妇被粗大进猛进出处故事| 免费无码又黄又爽又刺激| 国产精品久久久久免费a∨| 国产av一区麻豆精品久久| 一本色道久久88加勒比一| 性高朝大尺度少妇大屁股| 欧美精品一区二区性色a+v| 日本嗯啊在线观看| 中文字幕人妻激情在线视频| 邻居少妇张开腿让我爽了一夜| 亚洲欧美在线观看| 日子2020一区二区免费视频| 大屁股流白浆一区二区 | 精品三级国产一区二区三| 国产综合久久久久久鬼色| 乌克兰少妇xxxx做受6| 少妇特殊按摩高潮惨叫无码 | 高清中文字幕一区二区| 久久午夜福利电影| 国产电影一区二区三区| 免费精品无码av片在线观看| 国产三级视频在线观看视主播| 女优av一区二区在线观看| 国产又爽又大又黄a片| 亚洲熟妇色xxxxx欧美老妇y| 国产av91在线播放| 色婷婷久久综合中文久久蜜桃av| 日本在线观看不卡| 精品日本免费观看一区二区三区| 老熟妇乱子交视频一区 | 人妻av乱片av出轨| 中文字幕AⅤ人妻一区二区 | 自拍亚洲一区欧美另类| 蜜桃av在线播放视频|