期刊文献+
共找到105篇文章
< 1 2 6 >
每页显示 20 50 100
Adaptive Variable Structure Control of MIMO Nonlinear Systems with Time-varying Delays and Unknown Dead-zones 被引量:7
1
作者 Tian-Ping Zhang Cai-Ying Zhou Qing Zhu 《International Journal of Automation and computing》 EI 2009年第2期124-136,共13页
In this paper, adaptive variable structure neural control is presented for a class of uncertain multi-input multi-output (MIMO) nonlinear systems with state time-varying delays and unknown nonlinear dead-zones. The ... In this paper, adaptive variable structure neural control is presented for a class of uncertain multi-input multi-output (MIMO) nonlinear systems with state time-varying delays and unknown nonlinear dead-zones. The unknown time-varying delay uncer- tainties are compensated for using appropriate Lyapunov-Krasovskii functionals in the design. The approach removes the assumption of linear function outside the deadband without necessarily constructing a dead-zone inverse as an added contribution. By utilizing the integral-type Lyapunov function and introducing an adaptive compensation term for the upper bound of the residual and optimal approximation error as well as the dead-zone disturbance, the closed-loop control system is proved to be semi-globally uniformly ultimately bounded. In addition, a modified adaptive control algorithm is given in order to avoid the high-frequency chattering phenomenon. Simulation results demonstrate the effectiveness of the approach. 展开更多
关键词 adaptive control neural networks (NNs) variable structure control DEAD-ZONE nonlinear time-varying delay systems.
下载PDF
ADAPTIVE VARIABLE STRUCTURE CONTROLLERS AND APPLICATION TO ENGINE IDLE SPEED CONTROL SIMULATION 被引量:3
2
作者 Hui Qing Quyang MinggaoState Key Laboratory of AutomotiveSafety and Energy,Tsinghua University,Beijing 100084, China 《Chinese Journal of Mechanical Engineering》 SCIE EI CAS CSCD 2003年第2期171-174,共4页
A neural-network-based adaptive variable structure control methodology isproposed for the tracking problem of nonlinear discrete-time input-output systems. The unknowndynamics of the system are approximated via radial... A neural-network-based adaptive variable structure control methodology isproposed for the tracking problem of nonlinear discrete-time input-output systems. The unknowndynamics of the system are approximated via radial basis function neural networks. The control lawis based on sliding modes and simple to implement. The discrete-time adaptive law for tuning theweight of neural networks is presented using the adaptive filtering algorithm with residueupper-bound compensation. The application of the proposed controller to engine idle speed controldesign is discussed. The results indicate the validation and effectiveness of this approach. 展开更多
关键词 variable structure control adaptive control neural networks nonlineardiscrete-time systems idle speed control
下载PDF
Compensation for secondary uncertainty in electro-hydraulic servo system by gain adaptive sliding mode variable structure control 被引量:11
3
作者 张友旺 桂卫华 《Journal of Central South University of Technology》 EI 2008年第2期256-263,共8页
Based on consideration of the differential relations between the immeasurable variables and measurable variables in electro-hydraulic servo system,adaptive dynamic recurrent fuzzy neural networks(ADRFNNs) were employe... Based on consideration of the differential relations between the immeasurable variables and measurable variables in electro-hydraulic servo system,adaptive dynamic recurrent fuzzy neural networks(ADRFNNs) were employed to identify the primary uncertainty and the mathematic model of the system was turned into an equivalent linear model with terms of secondary uncertainty.At the same time,gain adaptive sliding mode variable structure control(GASMVSC) was employed to synthesize the control effort.The results show that the unrealization problem caused by some system's immeasurable state variables in traditional fuzzy neural networks(TFNN) taking all state variables as its inputs is overcome.On the other hand,the identification by the ADRFNNs online with high accuracy and the adaptive function of the correction term's gain in the GASMVSC make the system possess strong robustness and improved steady accuracy,and the chattering phenomenon of the control effort is also suppressed effectively. 展开更多
关键词 electro-hydraulic servo system adaptive dynamic recurrent fuzzy neural network(ADRFNN) gain adaptive slidingmode variable structure control(GASMVSC) secondary uncertainty
下载PDF
Particle Swarm Optimization Algorithm vs Genetic Algorithm to Develop Integrated Scheme for Obtaining Optimal Mechanical Structure and Adaptive Controller of a Robot
4
作者 Rega Rajendra Dilip K. Pratihar 《Intelligent Control and Automation》 2011年第4期430-449,共20页
The performances of Particle Swarm Optimization and Genetic Algorithm have been compared to develop a methodology for concurrent and integrated design of mechanical structure and controller of a 2-dof robotic manipula... The performances of Particle Swarm Optimization and Genetic Algorithm have been compared to develop a methodology for concurrent and integrated design of mechanical structure and controller of a 2-dof robotic manipulator solving tracking problems. The proposed design scheme optimizes various parameters belonging to different domains (that is, link geometry, mass distribution, moment of inertia, control gains) concurrently to design manipulator, which can track some given paths accurately with a minimum power consumption. The main strength of this study lies with the design of an integrated scheme to solve the above problem. Both real-coded Genetic Algorithm and Particle Swarm Optimization are used to solve this complex optimization problem. Four approaches have been developed and their performances are compared. Particle Swarm Optimization is found to perform better than the Genetic Algorithm, as the former carries out both global and local searches simultaneously, whereas the latter concentrates mainly on the global search. Controllers with adaptive gain values have shown better performance compared to the conventional ones, as expected. 展开更多
关键词 MANIPULATOR OPTIMAL structure adaptive CONTROLLER GENETIC Algorithm neural networks Particle SWARM Optimization
下载PDF
基于自适应结构学习的深度文本聚类
5
作者 潘伟 黄瑞章 +1 位作者 任丽娜 薛菁菁 《计算机工程》 CAS CSCD 北大核心 2024年第11期89-97,共9页
近年来,将结构信息应用于深度文本聚类中以提升聚类效果取得了较优的成果。然而,结构信息的构造方法大多只进行简单的距离测算且近邻数量固定,导致构建的图难以获得较精确的文本结构信息。另外,众多方法对近邻文本只进行一阶挖掘,使图... 近年来,将结构信息应用于深度文本聚类中以提升聚类效果取得了较优的成果。然而,结构信息的构造方法大多只进行简单的距离测算且近邻数量固定,导致构建的图难以获得较精确的文本结构信息。另外,众多方法对近邻文本只进行一阶挖掘,使图结构信息未得到完全挖掘,限制了结合结构信息的深度文本聚类性能。为此,提出一种基于自适应结构学习的深度文本聚类模型DCMBS。首先,设计一种阈值构图方法,动态调整近邻文本数量,解决因近邻文本固定存在结构信息不精确的问题;其次,引入一种拓扑探索近邻的方法,对近邻文本进行多阶挖掘,解决以往方法只进行一阶挖掘存在结构信息不完整的问题。此外,设计了1个阈值衰减策略,避免拓扑过程中因拓扑阶数增加导致学习泛化。在4个真实数据集的实验结果表明,DCMBS与现有较好的聚类模型相比,准确度、归一化互信息(NMI)和调整兰德指数(ARI)平均提高了6.83、2.93、6.23个百分点。 展开更多
关键词 阈值 深度文本聚类 文本结构信息 图神经网络 自适应结构学习
下载PDF
基于RBF神经网络的闭链下肢康复机器人自适应补偿控制
6
作者 李东琦 秦建军 +2 位作者 孙茂琳 郑皓冉 李伟 《机械传动》 北大核心 2024年第4期60-68,共9页
在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪... 在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪的精确性。首先,设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构;然后,利用拉格朗日方法求解动力学名义模型,将康复装置的模型参数以及外界干扰等不确定性因素分离出来,并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制;最后,通过Matlab/Simulink环境对其进行仿真验证,证明了该控制策略的有效性。结果显示,在人体步态曲线轨迹跟踪中,提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分(Proportional Integral Derivative,PID)控制的方法响应速度快、跟踪效果好,且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°,远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验,试验结果表明,采用的RBF补偿自适应控制器能够实现高精度的跟踪结果,也能够满足患者在康复训练中安全性的要求。 展开更多
关键词 下肢康复机器人 闭链结构 RBF神经网络 不确定性 自适应补偿控制
下载PDF
基于多头注意力时空图神经网络的交通流预测
7
作者 肖琳 陈洪超 邹复民 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第9期78-85,共8页
准确的交通预测对于智能交通系统(ITS)至关重要。然而,由于复杂的时间和空间依赖关系,现有的交通流预测方法未能有效捕获路网的时空特征,并且忽略了路网交通数据的相关性在空间维度和时间维度上表现出的较强动态性。为了进一步提高预测... 准确的交通预测对于智能交通系统(ITS)至关重要。然而,由于复杂的时间和空间依赖关系,现有的交通流预测方法未能有效捕获路网的时空特征,并且忽略了路网交通数据的相关性在空间维度和时间维度上表现出的较强动态性。为了进一步提高预测精度,提出了一种基于多头注意力的时空图神经网络模型。首先,该模型构造了一个自适应图结构学习组件,该自适应图结构学习组件可以有效地捕获图结构的动态时空相关性。其次,该模型基于注意力机制分别设计了时间多头注意力模块和空间多头注意力模块,所设计的时空多头注意力模块可以有效地对路网的时空特征进行提取。最后,利用堆叠的时空卷积层对未来的交通状况进行预测。在开源数据集上的实验结果表明:该模型在时空特征提取以及长期预测方面表现优异,并且比基线方法取得了更精确的预测结果。 展开更多
关键词 交通工程 交通预测 智能交通系统 时空多头注意力 图神经网络 自适应图结构
下载PDF
基于自适应PSO-BP神经网络的电力工程造价预测研究
8
作者 于炳慧 《办公自动化》 2024年第21期1-3,共3页
文章提出对基于自适应PSO-BP神经网络的电力工程造价预测方法的设计与研究。根据当前的预测需求,先进行数据预处理,用多阶段的形式,扩大预测的覆盖范围,完成设定多阶段造价预测的目标。基于此,设计自适应PSO-BP神经网络电力造价预测模型... 文章提出对基于自适应PSO-BP神经网络的电力工程造价预测方法的设计与研究。根据当前的预测需求,先进行数据预处理,用多阶段的形式,扩大预测的覆盖范围,完成设定多阶段造价预测的目标。基于此,设计自适应PSO-BP神经网络电力造价预测模型,用动态寻优的方式实现最终预测处理。测试结果表明:对比于大数据电力工程造价的预测方法、GIM标准电力工程造价预测方法,文章设计的自适应PSO-BP神经网络电力工程造价预测方法最终得出的平均误差相对较小,整体上较可控,这说明在自适应PSO-BP神经网络的辅助下,文章设计的电力工程造价预测方法更加高效、稳定,针对性明显提升,造价预测的效果更为真实。 展开更多
关键词 自适应结构 粒子群优化-反向传播(PSO-BP)神经网络 电力工程 造价预测 成本控制 电力系统
下载PDF
基于AMPSO-BP-GA的油船舱段结构优化 被引量:1
9
作者 王一镜 罗广恩 +1 位作者 刘家奇 刘俊成 《江苏科技大学学报(自然科学版)》 CAS 北大核心 2023年第2期7-13,共7页
由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢等问题.基于自适应变异粒子群算法(adaptive mutation particle swarm optimization, AMPSO)、BP神经网络、遗传算法(genetic algorithm, GA),结合Isight/Nastran... 由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢等问题.基于自适应变异粒子群算法(adaptive mutation particle swarm optimization, AMPSO)、BP神经网络、遗传算法(genetic algorithm, GA),结合Isight/Nastran设计的正交试验,提出了AMPSO-BP-GA结构优化方法.以油船油货舱段结构的优化为算例,验证结构优化方法的有效性和可行性.结果表明:AMPSO算法相比于粒子群算法(particle swarm optimization, PSO)和GA算法具有更好的极值寻优能力;AMPSO-BP神经网络比PSO-BP和GA-BP预报精度更高;针对油船舱段结构优化,在相同的约束条件下,文中的AMPSO-BP-GA方法优化后重量较原设计减轻17.3%,优于GA-BP-GA优化方法的13.5%和PSO-BP-GA优化方法的13.4%.证明该方法具有可行性和有效性并具有推广性,可为船舶结构设计提供参考. 展开更多
关键词 舱段结构优化 BP神经网络 自适应变异粒子群算法 遗传算法 油船舱段
下载PDF
Few-shot node classification via local adaptive discriminant structure learning 被引量:1
10
作者 Zhe XUE Junping DU +3 位作者 Xin XU Xiangbin LIU Junfu WANG Feifei KOU 《Frontiers of Computer Science》 SCIE EI CSCD 2023年第2期135-143,共9页
Node classification has a wide range of application scenarios such as citation analysis and social network analysis.In many real-world attributed networks,a large portion of classes only contain limited labeled nodes.... Node classification has a wide range of application scenarios such as citation analysis and social network analysis.In many real-world attributed networks,a large portion of classes only contain limited labeled nodes.Most of the existing node classification methods cannot be used for few-shot node classification.To train the model effectively and improve the robustness and reliability of the model with scarce labeled samples,in this paper,we propose a local adaptive discriminant structure learning(LADSL)method for few-shot node classification.LADSL aims to properly represent the nodes in the attributed graphs and learn a metric space with a strong discriminating power by reducing the intra-class variations and enlargingginter-classdifferences.Extensiveexperiments conducted on various attributed networks datasets demonstrate that LADSL is superior to the other methods on few-shot node classification task. 展开更多
关键词 few-shot learning node classification graph neural network adaptive structure learning attention strategy
原文传递
基于自适应深度神经网络的永磁同步直线电机定位力计算模型
11
作者 饶章宇 刘春元 +1 位作者 彭珍 孙浩宸 《计算机时代》 2023年第2期1-6,10,共7页
为了提高永磁同步直线电机(PMSLM)定位力计算模型的训练效率和精度,提出一种基于自适应深度神经网络(ADNN)的定位力计算模型。利用有限元参数化计算出不同结构PMSLM的定位力作为样本数据;使用一种k折训练方式结合神经网络结构搜索算法使... 为了提高永磁同步直线电机(PMSLM)定位力计算模型的训练效率和精度,提出一种基于自适应深度神经网络(ADNN)的定位力计算模型。利用有限元参数化计算出不同结构PMSLM的定位力作为样本数据;使用一种k折训练方式结合神经网络结构搜索算法使ADNN模型结构自适应,再对ADNN模型训练得到定位力计算模型。实验结果表明,该ADNN模型精度达到99.86%;相较于人工调参,时间消耗减少85.17%;ADNN模型计算结果与样机测试结果总体一致,证明了此模型的有效性。 展开更多
关键词 永磁同步直线电机 定位力 深度神经网络 回归模型 结构自适应
下载PDF
舰船噪声波形结构特征提取及分类研究 被引量:23
12
作者 蔡悦斌 张明之 +1 位作者 史习智 林良骥 《电子学报》 EI CAS CSCD 北大核心 1999年第6期129-130,共2页
本文系统深入地分析研究了舰船噪声信号的时域波形结构特征,利用舰船噪声信号的过零点、峰间幅值、波长差、波列面积分布以及时域特性提取技术,将原始舰船噪声信号时域波形分类信息表达成了11维的分类特征向量,同时设计了结构自适应... 本文系统深入地分析研究了舰船噪声信号的时域波形结构特征,利用舰船噪声信号的过零点、峰间幅值、波长差、波列面积分布以及时域特性提取技术,将原始舰船噪声信号时域波形分类信息表达成了11维的分类特征向量,同时设计了结构自适应模型聚类神经网络分类器,对提取的舰船噪声分类特征向量进行分类.训练样本集平均识别率达96.72%;测试样本集平均识别率达88.39%。 展开更多
关键词 舰船 噪声信号 波形结构 自适应模糊聚类
下载PDF
一种权值直接确定及结构自适应的Chebyshev基函数神经网络 被引量:11
13
作者 张雨浓 陈裕隆 +2 位作者 姜孝华 曾庆淡 邹阿金 《计算机科学》 CSCD 北大核心 2009年第6期210-213,共4页
基于函数逼近理论,构造一种Chebyshev基函数神经网络模型。推导出该网络模型的权值直接确定方法,可一步计算出权值,克服了传统BP神经网络学习率选取困难、学习过程冗长和易陷入局部极小等缺点。在此基础上,设计了基于二分搜索的结构自... 基于函数逼近理论,构造一种Chebyshev基函数神经网络模型。推导出该网络模型的权值直接确定方法,可一步计算出权值,克服了传统BP神经网络学习率选取困难、学习过程冗长和易陷入局部极小等缺点。在此基础上,设计了基于二分搜索的结构自适应算法,根据精度要求自动确定网络最优结构。理论分析及仿真验证均表明,该网络不仅能够快速地完成网络权值确定和结构自适应,且具有优异的学习与逼近能力,而且对随机加性噪声也具有较好的抑制作用。 展开更多
关键词 神经网络 Chebyshev正交基 权值直接确定 结构自适应确定
下载PDF
基于滑模变结构的空间机器人神经网络跟踪控制 被引量:22
14
作者 张文辉 齐乃明 尹洪亮 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第9期1141-1144,共4页
研究了在无需模型估计值的情况下不确定空间机器人轨迹跟踪问题,提出了滑模变结构的神经网络控制方案.首先基于Lyapunov理论设计了一种径向基函数(RBF)神经网络控制器来补偿系统中的未知非线性,该神经控制器能够保证闭环系统的稳定性,... 研究了在无需模型估计值的情况下不确定空间机器人轨迹跟踪问题,提出了滑模变结构的神经网络控制方案.首先基于Lyapunov理论设计了一种径向基函数(RBF)神经网络控制器来补偿系统中的未知非线性,该神经控制器能够保证闭环系统的稳定性,而通过利用饱和函数把神经网络和滑模控制结合起来的控制器来不仅可以进一步削弱滑模控制输入的抖振,且当神经网络控制器无效时仍能保证系统鲁棒性.仿真结果证明了该控制器能在初期及强干扰情况下均能达到较好的控制效果. 展开更多
关键词 神经网络 空间机器人 滑模变结构 自适应 轨迹跟踪
下载PDF
基于神经网络方法的包装件非线性特性识别的研究 被引量:9
15
作者 梁艳春 王政 +1 位作者 杨晓伟 周春光 《力学学报》 EI CSCD 北大核心 1997年第4期497-500,共4页
结合模糊集合理论,将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题.对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明,据此方法可以较好地获得其非线性特性.模糊自适应技术的引入,提高了网络训练速度,减少了... 结合模糊集合理论,将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题.对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明,据此方法可以较好地获得其非线性特性.模糊自适应技术的引入,提高了网络训练速度,减少了对于训练参数的人为干预,使得结构化神经网络方法更适于实际应用. 展开更多
关键词 神经网络 非线性特性识别 缓冲包装 动力学
下载PDF
基于改进型BP神经网络的弹丸落点预测方法 被引量:6
16
作者 李志鹏 赵捍东 +2 位作者 张帅 焦军虎 张建业 《弹箭与制导学报》 CSCD 北大核心 2014年第2期75-77,80,共4页
为了快速精确的预测弹丸落点,文中提出了一种基于改进型BP神经网络的弹丸落点的预测方法。根据落点预测的特殊性,在网络结构上确定了具有并列隐含层的双隐层结构形式,并对训练算法进行了自适应加动量项的改进,然后选取并优化了训练样本... 为了快速精确的预测弹丸落点,文中提出了一种基于改进型BP神经网络的弹丸落点的预测方法。根据落点预测的特殊性,在网络结构上确定了具有并列隐含层的双隐层结构形式,并对训练算法进行了自适应加动量项的改进,然后选取并优化了训练样本。之后进行了仿真训练和落点预测,得到了较高精度的预测结果。说明文中方法进行落点预测是合理有效的,可以作为弹丸落点预测的一种新方案。 展开更多
关键词 神经网络 自适应算法 并列结构 弹丸落点 预测
下载PDF
基于神经网络的一类非线性连续系统的稳定自适应控制 被引量:9
17
作者 刘延年 忻欣 冯纯伯 《控制理论与应用》 EI CAS CSCD 北大核心 1996年第1期70-75,共6页
本文将神经网络作为非线性系统的模型,提出能够对一类非线性连续系统进行有效控制的自适应控制结构和算法,该控制方案不仅能解决此类非线性系统的跟踪控制问题,而且由于将变结构控制技术运用于其中,整个闭环控制系统还能克服许多神... 本文将神经网络作为非线性系统的模型,提出能够对一类非线性连续系统进行有效控制的自适应控制结构和算法,该控制方案不仅能解决此类非线性系统的跟踪控制问题,而且由于将变结构控制技术运用于其中,整个闭环控制系统还能克服许多神经网络控制系统中存在的稳定性问题.由稳定性理论可推证整个闭环控制系统渐近稳定和参数渐近收敛的特性. 展开更多
关键词 自适应控制 神经网络 非线性连续系统
下载PDF
改进的机器人神经网络变结构混合控制 被引量:5
18
作者 陈丽 陈卫东 王洪瑞 《系统工程与电子技术》 EI CSCD 北大核心 2006年第3期429-430,443,共3页
针对不确定性机器人的轨迹跟踪控制问题,提出了一种神经网络前馈补偿加变结构的混合控制器。通过引入广义误差的立方项补偿以提高系统的动态性能,不但保证了全局的渐近稳定,而且加快了误差的收敛速度。对闭环系统稳定性进行了证明。以... 针对不确定性机器人的轨迹跟踪控制问题,提出了一种神经网络前馈补偿加变结构的混合控制器。通过引入广义误差的立方项补偿以提高系统的动态性能,不但保证了全局的渐近稳定,而且加快了误差的收敛速度。对闭环系统稳定性进行了证明。以二自由度刚性机器人为例进行了仿真研究,结果证明了该方案的有效性。 展开更多
关键词 机器人 神经网络 变结构控制 自适应控制
下载PDF
控制理论在电力电子学中的应用(下)——非线性与智能化方法 被引量:17
19
作者 刘明建 吴捷 薛峰 《控制理论与应用》 EI CAS CSCD 北大核心 1999年第5期630-633,共4页
综述了电力电子学中的自适应控制、滑模变结构控制、神经网络控制及模糊控制。
关键词 电力电子学 控制理论 非线性 智能化
下载PDF
不确定机器人的神经网络轨迹控制 被引量:6
20
作者 张文辉 齐乃明 尹洪亮 《自动化与仪表》 北大核心 2010年第5期22-25,共4页
针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案。对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛... 针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案。对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛速度。而且在考虑神经网络失效的情况下,仍能保证系统具有良好的鲁棒性。网络权重的自适应修正规则基于Lyapunov函数方法得到,它保证了跟踪误差的全局渐进稳定性。试验结果证明了这种控制算法的有效性。 展开更多
关键词 神经网络 变结构 机器人 自适应控制
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部