收藏本站
《东华大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

精毛纺织品虚拟加工中的预报与反演模型研究

刘贵  
【摘要】:现代科学技术在制造工程领域中的应用,使制造技术从面对少品种、大批量生产的自动化、机械化方式,向适应多品种、小批量的柔性化、系统化的智能化方式转变,其最有里程碑意义的现代先进制造技术之一就是敏捷制造和虚拟加工,这已在机械、汽车、航空等领域得到广泛关注。然而,对传统纺织制造业来说,这一以信息技术为基础的加工方式的应用和研究远不如其他行业。我国加入WTO八年多了,纺织工业原有的原材料和人力成本优势已不复存在,而多品种、少批量、快节奏已成为纺织加工业的主要特点。这正是该工业体系采用先进制造技术和信息技术,提高纺织企业信息化水平、自主创新能力的契机,也是我国纺织业必须直面的重要课题。 本课题基于上述现状,在已有研究理论和实际应用基础上,实施对精毛纺织品整个生产流程的分析,结合国内典型企业实际加工特点,直接采用企业生产数据,运用粗糙集理论(Rough set, RS)进行分析,结合基于案例推理技术(Case-based reasoning, CBR),实现基于规则和案例的混合推理,并利用遗传算法(Genetic algorithm, GA)对人工神经网络((?)rtifical neural network, ANN)预报和反演模型的权重和阈值进行优化,建立了精毛纺织品虚拟加工系统,以实现对其动态加工生产过程中的质量预测和控制、参数工艺调节、新产品工艺开发设计乃至生产计划调度的快速决策。并在对相关人工智能方法的讨论和实际数据的分析预报基础上,为我国纺织行业信息化和智能化水平的提升,提供准确的数据和科学决策依据。本文的主要成果在以下四个方面。1.基于案例和规则推理相混合的粗预报 针对纺织品工艺设计主要依据经验进行,并且具有方案不单一、评价指标多样化的特点,将产品设计的主要特征参数作为CBR从企业历史工艺案例库中进行检索的依据。根据检索得到的与所设计产品质量指标最相似案例的工艺作为新产品设计的参考方案。根据粗糙集理论,对采集到的历史数据进行粗糙集数据分析(Rough set data analysis, RSDA),对属性约简,从各加工工序中提取出规则,并根据规则来建立案例库,实现案例库中冗余属性的简化,还可以根据不同问题形成案例的索引,实现基于规则的推理技术(Rule-based reasoning, RBR),避免了CBR中案例相似度的复杂计算。并且实现了CBR与RBR的混合推理,快速搜索案例,提取最相似的加工案例用于实际加工,实现混合推理粗预报。2.基于案例和规则混合推理技术与ANN模型结合实现质量控制 利用前面提到的基于案例和规则相结合的混合推理技术,实现对加工过程的粗预报。同时,利用优化的ANN预报模型,对最相似案例的工艺参数进行虚拟加工检验,若产品加工过程和质量符合要求,则直接调用该工艺进行投产;否则,根据所预报提示,调整敏感参数使产品质量达标,而得最终优化新工艺方案,以此实现产品工艺的快速设计和质量的保障。 此外,根据产品设计中的逆流程现象,即目标清楚而确定工艺参数。本文利用ANN建立各主要工序的反演预测模型,以便为实现企业生产资源的优化组合提供参考。利用纱线质量指标对细纱工序的主要工艺参数进行反演,所得细纱牵伸倍数、钢丝圈号数和细纱机车速的平均预报精度均高于97%;反演纱线加工所需毛条纤维的主要品质指标,所得纤维平均直径、直径离散系数、平均长度、长度离散系数以及短毛率的平均预报精度均高于95%。依据织物品质、风格要求反演的洗呢工艺、煮呢工艺和蒸呢工艺参数,平均预报精度分别为90.33%、95.90%和80.35%。3.运用主成分和主因子分析法对网络输入参数筛选 根据对主成分特征值和方差贡献率的分析结果,对与ANN模型输出指标相关的输入参数进行筛选,并以此作为网络参数输入的标准,即最重要的参数组或参数首先输入,只到所选择的主因子全部输入。通过与主观经验全选方法(Subjective experience, SE)和多元逐步回归分析(Multiple stepwise regression, MSR)方法所建立模型的精度和稳定性比较,表明通过主因子分析法,神经网络模型输入参数减少,同时隐层节点数也相应减少,网络结构得以简化,提高了网络的学习速率,网络预报性能有一定程度提高。 主因子分析法,不但可优化网络输入参数,还可判别对加工过程和产品质量影响显著的敏感参数。前纺工序中,对粗纱质量影响较为敏感的参数组为纤维特性(纤维平均直径(x3)、直径离散系数(x4)、纤维平均长度(x5)、长度离散系数(x6))和毛条的牵伸状态(毛条含油率(x1)、前纺总牵伸倍数(x12));细纱工序中,对细纱纺纱性能和产品质量影响较为敏感的参数组为纺纱工艺参数(细纱牵伸倍数(x14)、钢丝圈号数(x15)和经纱设计支数(x18))和纱线设计捻度(x17);织造工序中,对织造效率和布面质量影响最为敏感的参数组是织造的工艺参数(综框高度(x27)、开口大小(x28)、织机的托梁高度(x29)和车速(x20));后整理工序中,对织物物理服用性能指标影响最为敏感的参数组是织物结构特征参数(浮点长(x23)和坯布经密度(x33))和织物经纬纱捻度(经纱设计捻度(x17)和纬纱设计捻度(a1))。4.应用遗传算法优化神经网络模型初始权重和阈值 鉴于GA和BP算法的特点,本论文提出一种混合训练方案:由GA优化确定BP神经网络的初始权重和阀值,确定一个较好的搜索空间,代替一般初始权重值的随机选取。将此优化后的网络权重和阈值矩阵代入网络中,应用动量因子的BP算法在这个解空间里对网络进行二次训练。其中在对相关权重和阈值和优化时,对染色体编码及适应度函数进行了设计,对三大遗传操作选择、交叉和变异的算法进行了选择。经过GA优化后的网络权重和阈值代入神经网络中作为初始权重和阈值进行再次训练,网络收敛速度加快,误差平方和进一步缩小。对训练好的模型用验证数据进行预报,平均预报精度都有一定程度提高。 对粗纱工序而言粗纱CV(R1)和单重(R2)分别提高0.03%和0.43%,这是由于未经GA优化时预报精度已经相当高(97%);对细纱工序而言,八个指标预报精度提高范围不等,提高最少的为细纱CV(Y1)(未优化时精度超过97%),为0.11%。提高最多的为纱线细节(Y3),精度由之前的88.18%提高到92.72%,提高了5.15%;对织造工序而言,织造效率(W1)和三小工分数疵点(W2)预报精度分别提高1.96%和3.63%;对后整理工序而言,八个指标预报精度提高范围不等,提高最少的为纬向脱缝(F6)(未经GA优化预报精度为90.21%),为0.07%。提高最多的为纬向气蒸收缩率(凡),精度由之前的72.63%提高到82.40%,提高了13.45%。 综上所述,本文将CBR和RS相结合提出了基于案例和规则相结合的混合推理技术,实现对毛纺加工过程粗预报。运用主因子分析法(Factor ananlysis,FA)和与ANN预报模型结合,实现了对精毛纺织品全过程的虚拟加工建模,并使用GA对模型进一步优化。同时将CBRRBR混合推理粗预报与优化后的虚拟加工模型相结合组成完整的虚拟加工系统流程,使产品工艺的快速设计和质量控制成为可能。
【学位授予单位】:东华大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TS136

【引证文献】
中国硕士学位论文全文数据库 前1条
1 高晓艳;苎麻成纱质量的预测[D];东华大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 王秀英;;精纺毛织物后整理工艺与实物质量关系[J];北京纺织;1992年Z1期
2 李俊,刘艳;中小型服装企业的ERP系统研究[J];北京纺织;2005年04期
3 丁国强;易慧;杨诜;;织物风格的主因子分析法[J];苎麻纺织科技;1995年Z1期
4 李奎贤,宋桂秋,张东,刘岩松;BP神经网络法在产品质量预测中的应用[J];东北大学学报;2001年06期
5 董奎勇,于伟东;A Worsted Yarn Virtual Production System Based on BP Neural Network[J];Journal of DongHua University;2004年04期
6 吕志军;项前;殷祥刚;杨建国;;A Knowledge-reuse Based Intelligent Reasoning Model for Worsted Process Optimization[J];Journal of DongHua University;2006年01期
7 于伟东;束纤维强伸性分析在毛条染色损伤中的应用[J];中国纺织大学学报;1998年05期
8 董奎勇,于伟东;基于BP神经网络的纺纱质量预报模型[J];东华大学学报(自然科学版);2005年02期
9 吕志军;项前;殷祥刚;杨建国;;基于知识的毛纺产品工艺设计智能模型研究[J];东华大学学报(自然科学版);2005年06期
10 王玉亮;于伟东;;毛精纺中织造质量的BP神经网络预报技术[J];东华大学学报(自然科学版);2006年01期
【共引文献】
中国期刊全文数据库 前10条
1 赵彦辉;张乐文;邱道宏;仲晓杰;;基于粗糙集理论的隧道围岩模糊综合评判[J];四川建筑科学研究;2011年02期
2 吕俊;任雪萍;;一种基于粗糙集理论的变压器故障多变量决策树诊断方法[J];安徽电气工程职业技术学院学报;2011年01期
3 孙虹;方敏;;基于Rough集和RBF网络的车牌字符识别方法[J];安徽建筑工业学院学报(自然科学版);2006年04期
4 孙虹;;粗糙集神经网络系统在车牌字符识别中的研究[J];安徽建筑工业学院学报(自然科学版);2007年04期
5 张继宝;汪明武;谢慧敏;;基于粗糙集理论的围岩稳定性模糊综合评价[J];安徽建筑工业学院学报(自然科学版);2008年02期
6 孙虹;龚雪;;一种基于Rough集和RBF网络的模拟电路故障诊断方法[J];安徽建筑工业学院学报(自然科学版);2012年03期
7 温亮宝;刘红霞;;基于案例推理的森林病害诊断方法探讨[J];安徽农学通报;2007年18期
8 陆晓希;黄力;;基于粗糙集理论及其在农业病害规则发现中的应用[J];安徽农业科学;2006年14期
9 吴朗;胡红武;;粗糙集理论在评定农村公务员素质中的应用[J];安徽农业科学;2006年14期
10 王正德;杜瑞卿;庞发虎;刘广亮;;粗糙集聚类分析对姜黄属植物数值分类的研究Ι[J];安徽农业科学;2006年17期
中国重要会议论文全文数据库 前10条
1 尹宗成;;粗糙集理论在我国粮食产量预测中的应用[A];现代农业理论与实践——安徽现代农业博士科技论坛论文集[C];2007年
2 危前进;董荣胜;孟瑜;崔更申;;基于粗糙集的机械装配知识发现方法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
3 李娜;高广勇;何宏启;曹阳;;基于神经网络模型的室内空气品质评价方法研究[A];2011中国环境科学学会学术年会论文集(第四卷)[C];2011年
4 Yu Kerwei;Yang Tsunlirng;;A Case Study of Yacht's Motions Represented by Using Stewart Platform[A];第二十七届中国控制会议论文集[C];2008年
5 何鹏;王雅琳;桂卫华;孔玲爽;;氧化铝硅渣成分的混沌时间序列分析与SVM预测[A];第二十九届中国控制会议论文集[C];2010年
6 王杰;杜秋男;孙海峰;;螺旋锚极限抗拔承载力研究[A];科学发展与社会责任(A卷)——第五届沈阳科学学术年会文集[C];2008年
7 韩清凯;张红军;黄振东;闻邦椿;;基于Kalman滤波的机械系统微弱突变振动信号的检测方法[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
8 赵力;曾毓敏;邹采荣;吴镇扬;;基于子空间分析的语音信号寂声语声段识别方法[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
9 肖瑛;李振兴;刘国枝;张琳波;;双模式神经网络盲均衡算法研究[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
10 孙玉萍;吴磊;;粘弹性阻尼参数对结构耗能效果的影响分析[A];自主创新与持续增长第十一届中国科协年会论文集(2)[C];2009年
中国博士学位论文全文数据库 前10条
1 夏全喜;车载组合导航系统关键技术研究[D];哈尔滨工程大学;2010年
2 于翔;基于网格的数据流聚类方法研究[D];哈尔滨工程大学;2010年
3 杨锦园;基于传感器管理的移动机器人融合算法研究[D];华中科技大学;2010年
4 罗石;线控转向系统主动安全预测控制策略的研究[D];江苏大学;2010年
5 包健;有限精度权值神经网络优化的研究与应用[D];华东理工大学;2011年
6 任家福;服务商选择与备件备品库存管理研究[D];电子科技大学;2010年
7 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
8 车勇;轮胎噪声的预测方法与试验研究及优化设计[D];武汉理工大学;2010年
9 李建军;广东湛江红树林生态系统空间结构优化研究[D];中南林业科技大学;2010年
10 温世亿;膨胀土渠坡若干关键技术问题研究[D];武汉大学;2010年
中国硕士学位论文全文数据库 前10条
1 王丽敬;地理案例的空间相似性计算[D];山东科技大学;2010年
2 雷聪聪;一种基于数据聚类的信息粒化方法[D];郑州大学;2010年
3 张晓冬;基于全矢谱的智能诊断技术研究[D];郑州大学;2010年
4 王晓换;基于粗糙集和神经网络的故障诊断虚拟系统的研究[D];郑州大学;2010年
5 张华杰;模糊神经网络在肺癌诊断中的应用[D];郑州大学;2010年
6 解保忠;计算机在矽肺病早期诊断及预测中的应用研究[D];哈尔滨工程大学;2010年
7 孙敬武;基于周期图和神经网络船舶运动预报方法研究[D];哈尔滨工程大学;2010年
8 冯为军;基于粗糙集理论的数据挖掘算法的研究[D];哈尔滨工程大学;2010年
9 王秀锋;网络环境下异构日志信息获取和预处理研究[D];哈尔滨工程大学;2010年
10 庞松;光纤捷联组合导航系统设计与实验研究[D];哈尔滨工程大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 蔡煜东;姚林声;;亚麻纤维品质与成纱质量的人工神经网络分析方法[J];纺织基础科学学报;1993年04期
2 陈东升,吴广峰,长井茂明;用灰色理论预测亚麻成纱质量[J];纺织基础科学学报;1994年03期
3 陈东生,张永宁,甘应进;纱条不匀异点的灰色预测[J];纺织学报;1999年02期
4 甘应进,张永宁,王建刚,陈东生;纱条不匀灰色预测模型的建立[J];纺织学报;2001年01期
5 李晓峰;;苎麻纤维原料品质与成纱品质指标的灰关联分析[J];纺织学报;2006年01期
6 高志勇;;优质的纺织原料——苎麻[J];广东农业科学;2009年03期
7 董奎勇,于伟东;纺纱质量预报技术[J];广西纺织科技;2002年01期
8 王秀坤;张晓峰;;用一组单输出的子网络代替多输出的BP网络[J];计算机科学;2001年10期
9 赵荣珍,张优云;基于Roughset知识获取的故障数据表聚类离散化方法研究[J];机械工程学报;2005年01期
10 熊伟,谭绍海;棉纤维整齐度与纺纱质量的关系[J];棉纺织技术;2000年06期
中国博士学位论文全文数据库 前2条
1 殷祥刚;基于智能预报模型的精毛纺织品全程虚拟加工技术[D];东华大学;2006年
2 吕志军;智能挖掘与质量控制技术在纺织生产过程中的应用研究[D];东华大学;2007年
中国硕士学位论文全文数据库 前2条
1 朱婕;纤维细度和长度分布对成纱不匀的影响及纱线质量预报模型[D];东华大学;2007年
2 徐亚军;苎麻牵切及其纺纱工艺研究[D];东华大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 黄林军,刘让同;BP神经网络在羊毛品质预测中的应用研究[J];北京纺织;2003年05期
2 李俊,刘艳;中小型服装企业的ERP系统研究[J];北京纺织;2005年04期
3 韩庆大,李沈,王丹民,魏宁;BP算法神经网络技术在激光加工中的应用[J];东北大学学报;1999年05期
4 李奎贤,宋桂秋,张东,刘岩松;BP神经网络法在产品质量预测中的应用[J];东北大学学报;2001年06期
5 董奎勇,于伟东;A Worsted Yarn Virtual Production System Based on BP Neural Network[J];Journal of DongHua University;2004年04期
6 苏真伟,周肇飞,殷国富;人工神经网络在手感评定中的应用[J];中国纺织大学学报;1997年02期
7 钱莉,杨崇倡,蔡玉华;一个基于事例的旋转机械故障诊断专家系统[J];中国纺织大学学报;1999年05期
8 董奎勇,于伟东;基于BP神经网络的纺纱质量预报模型[J];东华大学学报(自然科学版);2005年02期
9 王玉亮;于伟东;;毛精纺中织造质量的BP神经网络预报技术[J];东华大学学报(自然科学版);2006年01期
10 魏春艳,汪德潢;织布工艺设计专家系统[J];大连轻工业学院学报;2002年04期
中国重要会议论文全文数据库 前1条
1 周建军;王倩;;基于ERP系统的服装企业资源信息管理系统[A];2005现代服装纺织高科技发展研讨会论文集[C];2005年
中国博士学位论文全文数据库 前1条
1 殷祥刚;基于智能预报模型的精毛纺织品全程虚拟加工技术[D];东华大学;2006年
中国硕士学位论文全文数据库 前2条
1 肖远发;基于人工神经网络技术的精纺后整理预报模型[D];东华大学;2005年
2 王玉亮;基于神经网络技术的毛精纺织造虚拟加工系统[D];东华大学;2005年
【相似文献】
中国期刊全文数据库 前10条
1 胡胜利;钱旭;钟峰;;基于遗传算法和人工神经网络的煤层厚度预测[J];中国煤炭;2010年02期
2 马进红,李磊,林广平;基于进化CP神经网络的岩土本构模型辨识[J];西部探矿工程;2005年S1期
3 柏熙;林桂玲;李成文;陈于金;吴正茂;;基于神经网络和遗传算法的智能监控系统的数学建模[J];矿业安全与环保;2006年01期
4 骆志高;田海泉;仇学青;;遗传算法在故障诊断中的应用研究综述[J];煤矿机械;2006年01期
5 李文鑫;王武;张元敏;;遗传优化神经网络在孔系加工中应用研究[J];机械设计与制造;2009年04期
6 符东旭;熊小晋;;遗传算法和神经网络在跳汰状态识别中的应用[J];振动、测试与诊断;2007年02期
7 章立清;;基于遗传神经网络的煤层瓦斯含量预测[J];煤矿安全;2007年09期
8 吝伶艳;田慕琴;吕永卫;;基于遗传算法和神经网络相融合的异步电动机故障建模[J];煤矿机械;2007年08期
9 陶慧;祁佩棉;;基于遗传算法的煤与瓦斯突出影响因素研究[J];河南理工大学学报(自然科学版);2011年03期
10 陈柏礼,潘丰;苯丙氨酸模拟移动床色谱分离的建模和优化[J];计算机测量与控制;2005年08期
中国重要会议论文全文数据库 前10条
1 李千目;戚湧;张宏;刘凤玉;;基于粗糙集神经网络的网络故障诊断新方法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
2 寇纪淞;徐博艺;刘刚;;用遗传算法训练前馈神经网络的权值[A];1994中国控制与决策学术年会论文集[C];1994年
3 安世奇;孙一康;王京;;基于遗传算法的神经网络简单自适应控制[A];2005中国控制与决策学术年会论文集(上)[C];2005年
4 唐琎;蔡自兴;谭立球;;用基于遗传算法的神经网络指导股市交易[A];1999年中国智能自动化学术会议论文集(下册)[C];1999年
5 李晔;;基于遗传算法和神经网络的二级倒立摆控制系统[A];第25届中国控制会议论文集(中册)[C];2006年
6 杨宝庆;刘国栋;;RoboCup中的截球策略研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 王正志;张光铎;;模糊推理、神经网络和遗传算法的一种有机结合的框架和实现[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
8 赵峻;褚涛;王碧秋;;基于遗传神经网络的重介质密度预测控制[A];第十六届全国煤炭自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2006年
9 王军;钟志军;黄心汉;;两轮小车避障控制的仿真研究[A];1996中国控制与决策学术年会论文集[C];1996年
10 赵宏;;基于优化遗传神经网络的水轮发电机组辨识[A];第二十四届中国控制会议论文集(下册)[C];2005年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
7 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
8 李磊;让电子政务更聪明[N];计算机世界;2001年
9 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
10 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
中国博士学位论文全文数据库 前10条
1 刘贵;精毛纺织品虚拟加工中的预报与反演模型研究[D];东华大学;2010年
2 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
3 吴令;基于GA-NN和不可逆热力学的钢中氧化物夹杂预报模型[D];东北大学 ;2009年
4 吕瑞华;复杂经济系统混沌预测方法与多层局势决策方法研究[D];天津大学;2004年
5 焦嵩鸣;计算智能及其在热工系统中的应用研究[D];华北电力大学(河北);2007年
6 欧健;汽轮发电机组振动故障集成诊断网络模型及方法研究[D];重庆大学;2004年
7 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
8 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
9 王荣吉;选择性激光烧结工艺的试验与优化方法研究[D];湖南大学;2005年
10 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年
中国硕士学位论文全文数据库 前10条
1 景晨光;基于智能融合的全生命周期造价估算方法研究[D];石家庄铁道大学;2011年
2 李亚斐;基于计算智能的工程项目估算分析[D];长春工业大学;2010年
3 杨大春;基于遗传算法优化BP神经网络的行为识别[D];辽宁科技大学;2012年
4 田静宜;基于粗糙集和神经网络的柴油机故障诊断研究[D];中北大学;2011年
5 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
6 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
7 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
9 陈郁;遗传神经网络在模拟电路故障诊断中的应用[D];长春理工大学;2009年
10 郑红岩;基于非高斯性分析的BP神经网络模拟电路故障诊断研究[D];解放军信息工程大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026