• <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 ?

    提升機(jī)故障診斷不確定性推理方法

    2014-06-07 05:55:03李娟莉楊兆建
    煤炭學(xué)報(bào) 2014年3期
    關(guān)鍵詞:提升機(jī)貝葉斯本體

    李娟莉,楊兆建

    (太原理工大學(xué)機(jī)械工程學(xué)院,山西太原 030024)

    提升機(jī)故障診斷不確定性推理方法

    李娟莉,楊兆建

    (太原理工大學(xué)機(jī)械工程學(xué)院,山西太原 030024)

    針對提升機(jī)故障診斷過程中的若干不確定性問題,提出一種新的基于本體和貝葉斯網(wǎng)絡(luò)的故障診斷不確定性知識融合推理方法。該方法對本體貝葉斯網(wǎng)絡(luò)進(jìn)行了形式化的定義,運(yùn)用OWL本體語言擴(kuò)展了本體對領(lǐng)域知識的不確定性表示,通過一系列的翻譯規(guī)則和程序,實(shí)現(xiàn)了本體結(jié)構(gòu)到貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的轉(zhuǎn)換;然后建立了基于本體和貝葉斯網(wǎng)絡(luò)的融合推理模型,利用本體推理完成對故障診斷本體知識的語法檢查、語義一致性的驗(yàn)證以及本體的解析,采用基于啟發(fā)式搜索樹的貝葉斯網(wǎng)絡(luò)進(jìn)行不確定性推理,并在貝葉斯網(wǎng)絡(luò)可視化推理平臺Netica上進(jìn)行了驗(yàn)證。礦井提升機(jī)制動系統(tǒng)故障診斷實(shí)例表明,該融合推理模型具有較好的故障識別效果,處理所得的診斷結(jié)果具有較高的可信度。

    貝葉斯網(wǎng)絡(luò);本體;提升機(jī);故障診斷;不確定性推理

    提升機(jī)在運(yùn)行過程中,由于其自身結(jié)構(gòu)的復(fù)雜性、運(yùn)行條件的特殊性和其它各種因素的影響,不可避免地發(fā)生各類故障,甚至是多發(fā)關(guān)聯(lián)故障。目前很多提升機(jī)故障診斷系統(tǒng)在實(shí)際中得到了應(yīng)用,并在設(shè)備技術(shù)維護(hù)中發(fā)揮了重要的作用,但現(xiàn)有的很多系統(tǒng)仍然面臨著一些問題,如對提升機(jī)故障診斷概念、診斷問題描述、診斷知識的處理等方面沒有統(tǒng)一的描述,在知識的表示、獲取和更新方面沒有形成統(tǒng)一的認(rèn)識和規(guī)范,不能完全適應(yīng)系統(tǒng)診斷推理的需求,且系統(tǒng)的異構(gòu)性使相互之間缺乏共同的理解。因此,提升機(jī)故障知識庫的構(gòu)建和故障知識的描述問題有待進(jìn)一步的研究。在人工智能研究領(lǐng)域,本體能夠以一種明確的、形式化的方式來表示領(lǐng)域知識,提高異構(gòu)系統(tǒng)間相互交流學(xué)習(xí)的能力,已經(jīng)成為知識工程領(lǐng)域中一種有效的理論指導(dǎo)和實(shí)踐工具。鑒于此,國內(nèi)外不少學(xué)者開始將本體理論應(yīng)用于故障診斷,并進(jìn)行了進(jìn)一步的探索[1-3]。

    雖然本體作為一種能在語義和知識層次上描述知識的建模工具,提供了共享概念模型形式化的規(guī)范說明,為知識的共享和使用奠定了基礎(chǔ),但本體不能表示實(shí)際應(yīng)用中存在的不確定信息,也不能支持模糊信息的推理。為了解決這一問題,國內(nèi)外眾多學(xué)者在本體語言O(shè)WL的概率擴(kuò)展和模糊擴(kuò)展方面進(jìn)行了諸多研究,從而使本體能表示不確定知識,并進(jìn)行有效推理。在不確定性推理方面,貝葉斯網(wǎng)絡(luò)推理是目前最有效的方法之一,它是一種概率推理方法,能解決數(shù)據(jù)間不一致甚至相互獨(dú)立的問題,使推理結(jié)果更為準(zhǔn)確可信[4]。因此近年來,對Web本體語言的概率擴(kuò)展研究,主要集中在把Web本體語言和貝葉斯網(wǎng)絡(luò)相結(jié)合的方面。Costa在文獻(xiàn)[5]中提出了基于多本體貝葉斯網(wǎng)絡(luò)的OWL概率擴(kuò)展語言(PROWL);Ding等在文獻(xiàn)[6]中提出了一種基于標(biāo)準(zhǔn)的貝葉斯網(wǎng)絡(luò)的OWL概率擴(kuò)展語言Bayesowl,為OWL本體直接轉(zhuǎn)換為貝葉斯網(wǎng)絡(luò)提供了一系列的規(guī)則和流程,它支持本體內(nèi)部、本體之間的推理,也支持貝葉斯網(wǎng)絡(luò)推理;Volker和Hsuehleng在文獻(xiàn)[7]中研究了對描述邏輯的擴(kuò)展方法,該方法利用了概率和對OWL的依賴關(guān)系注釋來表示貝葉斯網(wǎng)絡(luò)中的不確定性信息。從以上研究可以看出,對本體進(jìn)行概率擴(kuò)展可以支持本體在不確定性知識上的表示與推理,為故障本體診斷方法的實(shí)現(xiàn)提供了依據(jù)。

    本文主要通過增加本體語義,對Web本體語言進(jìn)行概率擴(kuò)展,制定了一系列的翻譯規(guī)則和程序完成故障診斷知識本體到貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)轉(zhuǎn)換,為不確定性推理提供診斷基礎(chǔ),然后設(shè)計(jì)基于概率約束的不確定性推理框架,制定詳細(xì)的推理任務(wù),并用實(shí)例進(jìn)行驗(yàn)證,從而實(shí)現(xiàn)對礦井提升機(jī)故障診斷知識的不確定性推理研究。

    1 貝葉斯網(wǎng)絡(luò)模型與本體模型

    1.1 本體貝葉斯網(wǎng)絡(luò)形式化定義

    從直觀上講,貝葉斯網(wǎng)絡(luò)是一個有向無環(huán)圖(directed acyclic graph,DAG),表現(xiàn)為一個賦值的因果關(guān)系網(wǎng)絡(luò)圖,網(wǎng)絡(luò)中的每一個節(jié)點(diǎn)表示一個變量,各變量之間的弧表示事件發(fā)生的直接因果關(guān)系。貝葉斯網(wǎng)絡(luò)應(yīng)用于故障診斷,是把故障現(xiàn)象和故障原因作為網(wǎng)絡(luò)節(jié)點(diǎn),獲得的征兆作為證據(jù),通過歷史數(shù)據(jù)的信息和診斷規(guī)則知識加以處理,根據(jù)節(jié)點(diǎn)間的因果關(guān)系和概率值可以推理出各種原因發(fā)生的后驗(yàn)概率,從而診斷推理出正確的結(jié)論[8]。為了將貝葉斯網(wǎng)絡(luò)與本體知識有機(jī)結(jié)合,對其網(wǎng)絡(luò)模型做形式化的定義。

    定義1 貝葉斯網(wǎng)絡(luò)模型的形式化定義為BN= {〈N,E〉,θ},其中,N為節(jié)點(diǎn)的集合,N中的每個節(jié)點(diǎn)都代表一個隨機(jī)變量,因此每個節(jié)點(diǎn)都有一個概率分布;E為邊的集合,這些邊用來表示節(jié)點(diǎn)之間的影響關(guān)系;θ為一個條件概率表,用來指明節(jié)點(diǎn)之間的因果概率關(guān)系。

    定義2 故障診斷本體O=(C,AC,R,AR,H,I, X),其中,C表示故障診斷概念集;AC表示每個概念的屬性集;R表示概念之間的關(guān)系集;AR表示每個關(guān)系的屬性集;H表示概念層次;I表示實(shí)例集;X表示公理集。

    定義3 將上述兩個定義有機(jī)結(jié)合,轉(zhuǎn)換后的貝葉斯網(wǎng)絡(luò)模型的可以形式化地表示為OBN={〈N, E〉,AC,X,I,θST},其中,概念節(jié)點(diǎn)集合N和邊集合E組成貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)框架;AC表示概念節(jié)點(diǎn)的屬性集合;X表示貝葉斯網(wǎng)絡(luò)模型的公理集合;I表示概念節(jié)點(diǎn)的實(shí)例集合;θST表示概念節(jié)點(diǎn)的概率表集合。為方便描述,本文將轉(zhuǎn)換后的貝葉斯網(wǎng)絡(luò)模型稱之為本體貝葉斯網(wǎng)絡(luò)模型OBN。

    1.2 本體模型的概率擴(kuò)展

    本體描述語言O(shè)WL作為一種知識表示方法,能夠?qū)μ囟I(lǐng)域的概念、術(shù)語及關(guān)系進(jìn)行明確化、形式化的描述。概念的明確表示,使得本體推理結(jié)果也很明確,為了進(jìn)行不確定性推理,需要對本體模型進(jìn)行概率的擴(kuò)展。

    首先,對本體語言O(shè)WL增加額外的概率標(biāo)注,在已構(gòu)建好的本體中,將每個概念的概率信息以屬性的方式附加到OWL本體中。根據(jù)貝葉斯網(wǎng)絡(luò)的要求,這些概率信息包括先驗(yàn)概率、條件概率和后驗(yàn)概率等。先驗(yàn)概率是由以往的數(shù)據(jù)分析得到的,在無歷史資料或歷史資料不全的時候,憑主觀經(jīng)驗(yàn)來判斷取得概率,用P(A)表示在沒有訓(xùn)練數(shù)據(jù)前假設(shè)A擁有的初始概率,稱為A的先驗(yàn)概率;在發(fā)生A的條件下,發(fā)生B的概率,稱為條件概率,記做P(B|A)。機(jī)器學(xué)習(xí)中,關(guān)心的是P(A|B),即給定B時A成立的概率,稱為A的后驗(yàn)概率,貝葉斯數(shù)據(jù)分析就是先驗(yàn)分布在經(jīng)過了數(shù)據(jù)所提供的證據(jù)修訂之后所形成的后驗(yàn)分布。

    在提升機(jī)故障診斷本體中,先對故障本體附加對象屬性hasProb表示概念有概率屬性,數(shù)據(jù)類型屬性hasPriorPr和hasCondPr屬性來分別表示概念所具有的先驗(yàn)概率和條件概率屬性,是一個浮點(diǎn)型數(shù)據(jù)。部分OWL代碼如下所示:

    2 本體模型到貝葉斯網(wǎng)絡(luò)模型的轉(zhuǎn)換

    2.1 轉(zhuǎn)換規(guī)則

    2.1.1 概念與概念節(jié)點(diǎn)之間的轉(zhuǎn)換

    貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的確定,依賴于已經(jīng)構(gòu)建好的本體中的類。在本體結(jié)構(gòu)轉(zhuǎn)換為貝葉斯結(jié)構(gòu)的過程中,節(jié)點(diǎn)的轉(zhuǎn)換可通過以下幾個規(guī)則[9-10]進(jìn)行:

    (1)將本體模型的概念集合C轉(zhuǎn)換成OBN模型中的概念節(jié)點(diǎn)集合Nc,概念和概念節(jié)點(diǎn)之間的關(guān)系是一對一的映射關(guān)系。

    (2)本體中域D定義的對象屬性p,映射到貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)Np。

    (3)本體中每個類的子類,映射到貝葉斯網(wǎng)絡(luò)中為Nc的子節(jié)點(diǎn)SUB_Nc。

    2.1.2 關(guān)系到邊的轉(zhuǎn)換

    節(jié)點(diǎn)確定之后,就是本體結(jié)構(gòu)中的關(guān)系到貝葉斯網(wǎng)絡(luò)中邊的轉(zhuǎn)換,在本體OWL描述中,本體類之間的關(guān)系通過類公理和邏輯操作的構(gòu)造函數(shù)進(jìn)行描述,具體轉(zhuǎn)換規(guī)則如下:

    (1)構(gòu)造函數(shù)“rdfs:subClassOf”。將本體模型的概念之間的上下位關(guān)系,在OWL中用標(biāo)簽<rdfs:sub-ClassOf rdf:resource="#xxx"/>表示上下位關(guān)系,即類與子類的關(guān)系,轉(zhuǎn)換為OBN模型中邊的集合Ec,并用兩個節(jié)點(diǎn)之間的條件概率標(biāo)識。

    (2)通過對象屬性限制的兩個類C1和C2,他們之間的關(guān)系通過屬性p相關(guān)聯(lián),在轉(zhuǎn)換的OBN中,各節(jié)點(diǎn)之間的有向弧連接。

    2.1.3 屬性值、實(shí)例、公理的轉(zhuǎn)換

    (1)屬性值的轉(zhuǎn)換。

    本體域中概念類的屬性是通過本體限制提供的約束來完成的,包括對象屬性和數(shù)據(jù)類型屬性。其中本體模型中概念之間的非上下位關(guān)系R,通過對象屬性體現(xiàn),在本體OWL文件中,用標(biāo)簽<o(jì)wl:onProperty rdf:resource="xxx"/>表示概念名為“xxx”的屬性,轉(zhuǎn)換成OBN概念節(jié)點(diǎn)的屬性集Ep。

    (2)實(shí)例的轉(zhuǎn)換。

    將本體模型中概念的實(shí)例集合I,在本體OWL文件中,用標(biāo)簽<rdf:Description rdf:ID="xxx">來表示,轉(zhuǎn)換成OBN模型概念節(jié)點(diǎn)的實(shí)例集合I。

    (3)公理的轉(zhuǎn)換。

    將本體模型中公理的集合X轉(zhuǎn)換成OBN模型中的公理集合X,在本體模型中,任何一個完整的OWL片段都可被看作是公理,用<o(jì)wl:xxx>…</xxx>來表示,它可被用來描述概念、屬性和實(shí)例,所以公理轉(zhuǎn)換的實(shí)現(xiàn),可以通過概念、屬性和實(shí)例的轉(zhuǎn)換規(guī)則來實(shí)現(xiàn)。

    至此,完成了本體模型到OBN模型的結(jié)構(gòu)轉(zhuǎn)換,不難發(fā)現(xiàn),本體模型形式化定義中的各個元素,利用上述翻譯規(guī)則,可以分別轉(zhuǎn)換成OBN模型形式化定義中的元素,它們之間的對應(yīng)關(guān)系是:Cfa→N,Hfa→E,AC→AC,X→X,Ifa→I,Rfa→θST。這也就證明了本文提出的本體模型到貝葉斯網(wǎng)絡(luò)模型的轉(zhuǎn)換規(guī)則是完備的。

    2.2 條件概率表的構(gòu)建

    在本體中通過設(shè)置概率屬性來表示不確定性的知識之后,在將本體模型和貝葉斯網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)轉(zhuǎn)換時,需要把這些概率信息也進(jìn)行相應(yīng)的轉(zhuǎn)換,即建立每個節(jié)點(diǎn)的條件概率分布表(conditional probability table,CPT)。CPT表明了故障原因與故障現(xiàn)象之間的概率依賴關(guān)系,是處理故障診斷系統(tǒng)中不確定性知識的推理依據(jù)[11]。

    2.2.1 先驗(yàn)概率的計(jì)算

    在本文中,OBN模型的每個節(jié)點(diǎn)先驗(yàn)概率的計(jì)算方法是:用該概念節(jié)點(diǎn)所包含的實(shí)例數(shù)除以整個OBN模型所包含的實(shí)例數(shù)。這種方法的基本思想是概念的語義內(nèi)容越豐富,它所包含的實(shí)例數(shù)就越多,這樣對應(yīng)的OBN模型中概念節(jié)點(diǎn)的出現(xiàn)的概率就越大。

    2.2.2 條件概率的計(jì)算

    根據(jù)1.2節(jié)對先驗(yàn)概率及條件概率的定義,設(shè)試驗(yàn)E的樣本空間為S,A、B為E的事件,事件A發(fā)生的概率記為P(A),事件B發(fā)生的概率記為P(B),事件A和事件B同時出現(xiàn)的概率記為P(AB),在A已經(jīng)發(fā)生的條件下,B發(fā)生的概率稱為A發(fā)生的條件下B發(fā)生的條件概率,記為

    在OBN模型中,B和A分別表示OBN模型中的子概念節(jié)點(diǎn)和父概念節(jié)點(diǎn),由于概念B是概念A(yù)的子概念,它們之間的語義包含關(guān)系為:B?A,或A∩B=B,那么P(AB)=P(B),因此OBN模型中條件概率公式可簡寫為

    在得到這兩個概念節(jié)點(diǎn)的先驗(yàn)概率后,利用式(2)計(jì)算OBN中節(jié)點(diǎn)之間邊的條件概率,并形成相應(yīng)的條件概率表。

    依據(jù)以上算法,完成對OBN中各節(jié)點(diǎn)條件概率的計(jì)算,并構(gòu)建相應(yīng)的條件概率表。以提升機(jī)制動系統(tǒng)中空動時間過長的故障現(xiàn)象為例,該征兆的出現(xiàn)是由制動力矩不足的原因引起的,而引起制動力矩不足的子原因又有彈簧故障(spring fault)、閘瓦故障(break shoe fault)、油缸故障(cylinder fault)、殘壓過高(high residual voltage)等。要判定具體的故障原因,需要對閘瓦位移、彈簧力、閘瓦摩擦系數(shù)、液壓站油壓、左右偏擺量、提升速度、提升加速度等進(jìn)行測量,由此構(gòu)建貝葉斯網(wǎng)絡(luò)如圖1所示。

    圖1 貝葉斯網(wǎng)絡(luò)構(gòu)建Fig.1 Bayesian network construction

    在樣本學(xué)習(xí)和領(lǐng)域?qū)<覅⑴c的情況下,計(jì)算先驗(yàn)概率。假設(shè)制動力矩不足的先驗(yàn)概率是0.2,依據(jù)以上規(guī)則對各節(jié)點(diǎn)的條件概率進(jìn)行計(jì)算,并構(gòu)建條件概率,如圖2所示。

    圖2 引起制動力矩不足的條件概率Fig.2 CPTs of insufficient braking torque

    3 提升機(jī)故障診斷不確定性知識融合推理方法

    3.1 基于本體的貝葉斯網(wǎng)絡(luò)的模型構(gòu)建

    本文使用基于本體的貝葉斯網(wǎng)絡(luò)方法實(shí)現(xiàn)礦井提升機(jī)智能故障診斷系統(tǒng)中的不確定性知識的推理,實(shí)質(zhì)上結(jié)合了本體和貝葉斯網(wǎng)絡(luò)兩種推理方式。本體推理是建立在描述邏輯之上,提供了基本的描述邏輯推理服務(wù),用以完成對故障診斷知識進(jìn)行語法、語義一致性的驗(yàn)證以及本體的解析,然后通過貝葉斯網(wǎng)絡(luò)推理方法,借助Netica API貝葉斯網(wǎng)絡(luò)可視化推理平臺進(jìn)行推理,構(gòu)建集本體推理與貝葉斯網(wǎng)絡(luò)推理于一體的融合推理模型。故障診斷框架如圖3所示。

    本文使用由惠普實(shí)驗(yàn)室開發(fā)的Java軟件開發(fā)工具包Jena提供的OWLAPI讀取本體信息,對語法進(jìn)行檢查;使用本體自帶的推理機(jī)Pellet和本體解析工具Jena對本體進(jìn)行語義驗(yàn)證及解析。

    3.2 啟發(fā)式故障診斷搜索樹

    概率推理和最大后驗(yàn)概率解釋是貝葉斯網(wǎng)絡(luò)推理的兩個基本任務(wù)[12-13]?;谒阉鞯乃惴ㄊ菍⒇惾~斯網(wǎng)絡(luò)中需要計(jì)算的節(jié)點(diǎn)變量取值看作一個狀態(tài)空間,運(yùn)用啟發(fā)式搜索在整個狀態(tài)空間中對計(jì)算結(jié)果影響較大的狀態(tài),并用這些狀態(tài)代替整個狀態(tài)空間進(jìn)行計(jì)算。在礦井提升機(jī)故障診斷領(lǐng)域,由于故障發(fā)生的概率較小,要求診斷推理的實(shí)時性強(qiáng),這種情況采用基于搜索的方法最為適用。

    圖3 基于貝葉斯網(wǎng)絡(luò)和本體的故障診斷推理框架Fig.3 The inference framework of fault diagnosis based ontology and Bayesian network

    在問題求解之前,首先定義狀態(tài)和狀態(tài)空間,由N個節(jié)點(diǎn)構(gòu)成的所有有向無環(huán)圖的集合,稱為貝葉斯網(wǎng)空間[14-16]。本文中啟發(fā)式搜索就是在狀態(tài)空間中對每一個搜索的節(jié)點(diǎn)進(jìn)行后驗(yàn)概率評估,選擇概率值最高的狀態(tài)節(jié)點(diǎn),再從該節(jié)點(diǎn)進(jìn)行搜索直到未考察到的葉節(jié)點(diǎn)的概率之和小于誤差限定,找到目標(biāo)狀態(tài)為止[17]。本文按照上述搜索方法,從觀察到的故障征兆集E={E1,E2,…,Em}開始,通過選擇具有最大后驗(yàn)概率P(N)的故障節(jié)點(diǎn),并對其進(jìn)行檢查,判定其運(yùn)行的狀態(tài),并將結(jié)果加入證據(jù)集中進(jìn)行下一輪的診斷,最終搜索到目標(biāo)節(jié)點(diǎn)。以節(jié)點(diǎn)的概率估計(jì)函數(shù)作為搜索的啟發(fā)函數(shù)f,算法描述如下:

    (1)輸入證據(jù)集E={E1,E2,…,Em},診斷集D= {Φ}。

    (2)計(jì)算每個證據(jù)先驗(yàn)概率或后驗(yàn)概率P(E)。

    (3)從證據(jù)集中選擇具有最大后驗(yàn)概率的節(jié)點(diǎn)Ei。

    (4)以Ei為初始狀態(tài),建立與Ei相關(guān)的故障節(jié)點(diǎn)N、故障診斷D和故障征兆E的狀態(tài)空間,計(jì)算f(Ei)。

    (5)按照原貝葉斯網(wǎng)絡(luò)中節(jié)點(diǎn)之間的關(guān)系,建立以Ei為初始狀態(tài)的搜索樹。

    (6)啟發(fā)式搜索該搜索樹。計(jì)算所有故障節(jié)點(diǎn)的后驗(yàn)概率P(N),與f(Ei)比較,刪除多余節(jié)點(diǎn);選擇具有最大后驗(yàn)概率的故障節(jié)點(diǎn)進(jìn)行診斷推理。

    (7)若找到目標(biāo)節(jié)點(diǎn),則把該節(jié)點(diǎn)加入到診斷集D中,返回該節(jié)點(diǎn)的后驗(yàn)概率。

    (8)若未找到目標(biāo)節(jié)點(diǎn),則返回步驟(3),從證據(jù)集中選擇其他節(jié)點(diǎn)重復(fù)步驟。

    4 礦井提升機(jī)故障診斷推理實(shí)例

    以礦井提升機(jī)制動系統(tǒng)中的制動器故障為例,說明基于貝葉斯網(wǎng)絡(luò)的提升機(jī)故障診斷本體的診斷推理過程。

    實(shí)例1:空行程時間過長故障原因判定。

    本文使用了貝葉斯網(wǎng)絡(luò)的方法對礦井提升機(jī)故障診斷領(lǐng)域中的不確定知識進(jìn)行診斷推理,因此對于某一故障現(xiàn)象,并不需要列出導(dǎo)致它產(chǎn)生的所有故障原因,只需要選取與現(xiàn)象最相關(guān)的事件子集來代替導(dǎo)致該現(xiàn)象出現(xiàn)的完備集合進(jìn)行概率的計(jì)算。現(xiàn)如果只考慮故障現(xiàn)象與故障之間的因果關(guān)系,把故障現(xiàn)象節(jié)點(diǎn)均設(shè)為二元變量,即表示故障現(xiàn)象是否出現(xiàn),可以得到故障現(xiàn)象與故障原因關(guān)系。對其進(jìn)行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的轉(zhuǎn)換,得到的貝葉斯網(wǎng)絡(luò)模型部分結(jié)構(gòu)如圖4所示,圖中的每個節(jié)點(diǎn)對應(yīng)圖2中的一個條件概率。在礦井提升機(jī)故障中,制動器故障主要原因就是制動力矩過大或過小,圖4中,空行程時間超限、制動緩慢、過卷、溜車等故障現(xiàn)象彼此獨(dú)立,根據(jù)故障現(xiàn)象分析產(chǎn)生其的具體故障原因需要應(yīng)用本文的推理方法。

    圖4 轉(zhuǎn)換后的貝葉基斯網(wǎng)絡(luò)模型結(jié)構(gòu)Fig.4 The transformed Bayesian network model structure

    根據(jù)已建立的貝葉斯-本體故障診斷模型,利用Norsys公司提供的接口Netica API在貝葉斯網(wǎng)絡(luò)推理平臺上進(jìn)行可視化推理,打開上述貝葉斯網(wǎng)絡(luò)模型的OWL文件或者直接錄入節(jié)點(diǎn)條件概率值,初始狀態(tài)下,依據(jù)貝葉斯網(wǎng)絡(luò)推理得到的結(jié)果如圖5所示。

    圖5 貝葉斯網(wǎng)絡(luò)推理結(jié)果Fig.5 The Bayesian network inference result

    由現(xiàn)場監(jiān)測得出,在整個制動過程中,出現(xiàn)了空行程時間過長(指在貼閘過程中,全松閘狀態(tài)即閘瓦間隙最大狀態(tài)到閘瓦間隙變?yōu)榱?貼閘)的過程所花費(fèi)的時間,《煤礦安全規(guī)程》規(guī)定空行程時間不得超過0.3 s)的現(xiàn)象,其它故障現(xiàn)象并未產(chǎn)生,引起空行程時間超限的直接原因是制動力矩不足,現(xiàn)加入證據(jù)及診斷規(guī)則。在實(shí)驗(yàn)前,對每個閘的彈簧預(yù)壓縮量和彈簧剛度進(jìn)行了測試和調(diào)換,使其都達(dá)到了規(guī)定標(biāo)準(zhǔn),故排除彈簧故障。由貝葉斯網(wǎng)絡(luò)推理得到的結(jié)果如圖6所示。

    圖6 加入證據(jù)的貝葉斯網(wǎng)絡(luò)推理結(jié)果Fig.6 The Bayesian network inference result with evidences

    由此可知,閘瓦間隙過大引起的制動力矩過小的可能性大,為了驗(yàn)證該結(jié)果的正確性,根據(jù)監(jiān)測數(shù)據(jù)做如下分析:

    在提升機(jī)運(yùn)行過程中,摩擦因數(shù)在正常范圍內(nèi)(<0.4);繪制制動油壓曲線如圖7所示,該圖表明制動過程中制動油殘壓值在正常范圍(<0.5 MPa)內(nèi);繪制閘瓦位移曲線如圖8所示,從圖中可以看出,閘瓦間隙超限(>2 mm),由此可判定該故障為閘瓦間隙過大引發(fā)的空行程時間超限故障,與上述推理結(jié)果完全相符,需要對閘瓦間隙進(jìn)行調(diào)整。

    實(shí)例2:制動時間過長故障的原因判定。

    圖7 制動油油壓曲線Fig.7 The brake oil pressure curve

    圖8 閘瓦位移曲線Fig.8 Brake shoe displacement curve

    在提升機(jī)運(yùn)行的過程中,根據(jù)監(jiān)測數(shù)據(jù)曲線顯示,表明出現(xiàn)了制動時間過長的故障現(xiàn)象,由本文中的推理方法,根據(jù)上述推理過程,得出其故障原因概率最大值為0.87,對應(yīng)的故障原因?yàn)橹苿右簤焊卓ǜ?下面對該診斷結(jié)論進(jìn)行驗(yàn)證。實(shí)驗(yàn)過程中,在提升機(jī)爬行階段結(jié)束后,利用制動器進(jìn)行減速的階段即由爬行速度減為零的這個過程所用時間過長,減速度值偏小,表明出現(xiàn)了制動時間過長的現(xiàn)象。從4號閘的閘瓦位移曲線(圖9)可看出在貼閘過程中,它所花費(fèi)的時間明顯大于其他各閘,并且中間有一些采樣點(diǎn)值保持不變。繪制油壓曲線如圖10所示,從圖中可以看出殘壓不高。結(jié)合圖9和圖10可得出在貼閘過程中,當(dāng)油壓不斷變化時,有一段時間4號閘的位移值不發(fā)生變化,符合卡缸故障的故障機(jī)理。

    圖9 4號閘閘瓦位移曲線Fig.9 Brake shoe displacement of number 4 brake

    上述兩個實(shí)例表明,本文提出的提升機(jī)故障診斷不確定性推理方法具有良好的適應(yīng)性。推理結(jié)果文件可直接保存成Hoist diagnosis.neta,供Java程序直接調(diào)用,完成提升機(jī)故障診斷系統(tǒng)的診斷推理功能。

    圖10 液壓站油壓曲線Fig.10 Oil pressure of hydraulic station

    5 結(jié) 論

    (1)分析了本體模型與貝葉斯網(wǎng)絡(luò)的基本結(jié)構(gòu)和原理,對本體貝葉斯網(wǎng)絡(luò)OBN做了形式化的定義,然后以貝葉斯網(wǎng)絡(luò)為概率模型,對本體語言O(shè)WL的概率擴(kuò)展進(jìn)行了深入研究。

    (2)制定了本體模型到貝葉斯網(wǎng)絡(luò)模型轉(zhuǎn)換的一系列翻譯規(guī)則,給出了先驗(yàn)概率、條件概率的計(jì)算方法,完成了各節(jié)點(diǎn)條件概率表的計(jì)算。

    (3)建立了基于本體的貝葉斯網(wǎng)絡(luò)推理模型,對本體推理和貝葉斯推理的方法分別進(jìn)行了詳細(xì)的研究,提出了二者結(jié)合的故障診斷融合推理模式。

    (4)針對礦井提升機(jī)故障診斷推理的要求,提出了基于啟發(fā)式故障搜索樹的推理策略,給出了提升機(jī)故障診斷的詳細(xì)診斷推理過程。

    (5)以礦井提升機(jī)制動系統(tǒng)中的制動器故障為例,說明基于貝葉斯網(wǎng)絡(luò)的提升機(jī)故障診斷本體的診斷推理過程,并進(jìn)行了正確性的檢驗(yàn)。經(jīng)驗(yàn)證,該融合推理模型處理所得的診斷結(jié)果具有較高的可信度。

    [1] Du Ning,Huang Dao.Ontlolgy-based fault diagnosis for chemical process[J].Computer Integrated Manufacturing Systems,2005, 11(4):587-591.

    [2] 周安美,于德介,吳雪明,等.基于本體的大型風(fēng)力發(fā)電機(jī)組故障智能診斷研究[J].中國機(jī)械工程,2012,23(17):2075-2080.

    Zhou Anmei,Yu Dejie,Wu Xueming,et al.Research on intelligent fault diagnosis for large-scale wind turbines based on ontology[J].China Mechanical Engineering,2012,23(17):2075-2080.

    [3] Chen Guorong,Yan Ping,Yan Hua,et al.Empirical analysis on blast furnace fault diagnosis method based on ontology[J].Journal of Chongqing University,2012,35(5):35-39.

    [4] Bi Zhongwei,Zhang Ming,Jin Feng,et al.Study on the prior information quantity and fusion technology applied in inference of rock mechanics parameters with Bayes method[J].Journal of the China Railway Society,2011,33(2):96-100.

    [5] Costa P C G,Laskey K B,Laskey K J.PR-OWL:A bayesian ontology language for the semantic web[J].Lecture Notes in Computer Science,2008,5327 LNAI:88-107.

    [6] Ding Z,Peng Y,Pan R.BayesOWL:Uncertainty modeling in semantic web ontologies[J].Studies in Fuzziness and Soft Computing, 2006,204:3-30.

    [7] Haarslev Volker,Pai Hsuehleng,Shiri,et al.Uncertainty reasoning for ontologies with General TBoxes in description logic[J].Lecture Notes in Computer Science,2008,5327 LNAI:385-402.

    [8] Zeng Yihui,E Jiaqiang,Hua Hao,et al.Fault diagnosis on cooling system of ship diesel engine based on Bayes network classifier[J].Journal of Central South University,2010,41(4):1379-1384.

    [9] 楊喜權(quán),曹雪亞,國頔娜,等.基于貝葉斯網(wǎng)絡(luò)的本體不確定性推理[J].計(jì)算機(jī)應(yīng)用,2008,28(5):1170-1173.

    Yang Xiquan,Cao Xueya,Guo Dina,et al.Reasearch of ontology uncertainty reasoning based on Bayesian network[J].Journal of Computer Applications,2008,28(5):1170-1173.

    [10] Fenz,Stefan.An ontology-based approach for constructing Bayesian

    networks[J].Data and Knowledge Engineering,2012,73:73-88.[11] Song Qijiang,Xu Minqiang,Wang Rixin.Fault diagnosis approach

    based on fuzzy probability SDG model and reasoning[J].Control and Decision,2009,24(5):692-696.

    [12] Dlamini,Wisdom M.A Bayesian belief network analysis of factors influencing wildfire occurrence in Swaziland[J].Environmental Modelling and Software,2010,25(2):199-208.

    [13] Cai Baoping,Liu Yonghong,Fan Qian,et al.Application of Bayesian networks to reliability evaluation of software system for subsea blowout preventers[J].International Journal of Control and Automation,2013,6(1):47-60.

    [14] Cheng J,Greiner R,Kelly J,et al.Learning Bayesian Net-works from data:an information-theory based approach[J].Artificial Intelligence,2002,137(1-2):43-90.

    [15] Wang Fei,Liu Dayou,Wang Songxin.Research on incre-mental learning of bayesian network structure based on genetic algorithms [J].Computer Research and Development,2005,42(9):1461-1466.

    [16] Melancon G,Dutour I,Bousquet-Melou M.Random generation of directed acyclic graphs[J].Electronic Notes in Discrete Mathematics,2001,16(10):202-207.

    [17] Xin Junchang,Huang Jianmei,Wang Guoren,et al.An uncertain skyline query algorithm based on state space searching[J].Journal of Northeastern University,2008,31(3):338-341.

    An uncertain reasoning method of hoist fault diagnosis

    LI Juan-li,YANG Zhao-jian

    (College of Mechanical Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

    Aiming to the uncertainty problem in hoist fault diagnosis process,a new fault diagnosis uncertainty knowledge reasoning method was proposed,which based on ontology and Bayesian.The method extended the uncertainty representation of ontology for domain knowledge by using OWL language,finished the conversion from ontology structure to Bayesian network through a series of translation rules and procedures;then,it constructed the fusion reasoning model based on ontology and the Bayesian network.The model checked the grammar and verified the semantic consistency of fault diagnosis ontology knowledge using ontology reasoning,and then it inferenced uncertainty by Bayesian network based on the heuristic search tree;finally it test on the Bayesian network visualization reasoning platform Netica.The mine hoist braking system fault diagnosis example shows that the fusion reasoning model has better ability of fault recognition and the diagnosis results have higher credibility.

    Bayesian network;ontology;hoist;fault diagnosis;uncertain reasoning

    TD444

    A

    0253-9993(2014)03-0586-07

    李娟莉,楊兆建.提升機(jī)故障診斷不確定性推理方法[J].煤炭學(xué)報(bào),2014,39(3):586-592.

    10.13225/j.cnki.jccs.2013.1179

    Li Juanli,Yang Zhaojian.An uncertain reasoning method of hoist fault diagnosis[J].Journal of China Coal Society,2014,39(3):586-592.doi:10.13225/j.cnki.jccs.2013.1179

    2013-08-19 責(zé)任編輯:許書閣

    山西省科技重大專項(xiàng)資助項(xiàng)目(20111101040)

    李娟莉(1979—),女,山西壽陽人,講師,博士。Tel:0351-6010414,E-mail:lijuanli@tyut.edu.cn。通訊作者:楊兆建(1955—),男,河北高陽人,教授,博士生導(dǎo)師。Tel:0351-6010404,E-mail:yangzhaojian@tyut.edu.cn

    猜你喜歡
    提升機(jī)貝葉斯本體
    Abstracts and Key Words
    干熄焦提升機(jī)控制系統(tǒng)的改造
    山東冶金(2022年4期)2022-09-14 09:00:00
    PLC技術(shù)在煤礦提升機(jī)控制系統(tǒng)的應(yīng)用
    對姜夔自度曲音樂本體的現(xiàn)代解讀
    貝葉斯公式及其應(yīng)用
    基于貝葉斯估計(jì)的軌道占用識別方法
    《我應(yīng)該感到自豪才對》的本體性教學(xué)內(nèi)容及啟示
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    煤礦用提升機(jī)提升能力的驗(yàn)算方法
    山西煤炭(2015年4期)2015-12-20 11:36:20
    礦井提升機(jī)的無速度傳感器矢量控制
    男女视频在线观看网站免费 | 国产精品av久久久久免费| 最好的美女福利视频网| 欧美精品亚洲一区二区| 亚洲av中文字字幕乱码综合| 一卡2卡三卡四卡精品乱码亚洲| 国产欧美日韩一区二区精品| av在线天堂中文字幕| 国产又色又爽无遮挡免费看| 12—13女人毛片做爰片一| 精品不卡国产一区二区三区| 中文资源天堂在线| 色尼玛亚洲综合影院| 久久久精品国产亚洲av高清涩受| 久久精品成人免费网站| 亚洲人成77777在线视频| 日韩 欧美 亚洲 中文字幕| 久久精品人妻少妇| 又紧又爽又黄一区二区| 一本大道久久a久久精品| 成人18禁高潮啪啪吃奶动态图| 成人午夜高清在线视频| 国产av一区二区精品久久| 欧美一区二区精品小视频在线| 亚洲自偷自拍图片 自拍| 一级毛片高清免费大全| 久久热在线av| x7x7x7水蜜桃| 精品欧美国产一区二区三| 欧美日韩国产亚洲二区| 成年人黄色毛片网站| 亚洲精品中文字幕一二三四区| 香蕉丝袜av| 久久久久久久久久黄片| 国产精品av视频在线免费观看| 大型黄色视频在线免费观看| 国产免费男女视频| 黄色a级毛片大全视频| 成人18禁在线播放| 国产区一区二久久| 精品欧美国产一区二区三| av视频在线观看入口| 欧美性猛交黑人性爽| 91麻豆精品激情在线观看国产| 伊人久久大香线蕉亚洲五| 久久香蕉精品热| 欧美乱码精品一区二区三区| 国内久久婷婷六月综合欲色啪| 成年女人毛片免费观看观看9| 后天国语完整版免费观看| 黄频高清免费视频| 国产午夜精品久久久久久| 国产精品免费一区二区三区在线| 美女大奶头视频| 人妻夜夜爽99麻豆av| 无限看片的www在线观看| 中文字幕久久专区| 久久伊人香网站| 国产日本99.免费观看| 好男人在线观看高清免费视频| 最近最新免费中文字幕在线| а√天堂www在线а√下载| 丝袜美腿诱惑在线| 亚洲熟妇中文字幕五十中出| 五月伊人婷婷丁香| 神马国产精品三级电影在线观看 | 精品国产乱码久久久久久男人| 日韩欧美一区二区三区在线观看| 色在线成人网| 天天躁夜夜躁狠狠躁躁| 久热爱精品视频在线9| 欧美日本视频| 99国产精品一区二区三区| 99热6这里只有精品| 日本一二三区视频观看| 女人高潮潮喷娇喘18禁视频| 脱女人内裤的视频| 午夜福利视频1000在线观看| 欧美av亚洲av综合av国产av| 91老司机精品| 桃色一区二区三区在线观看| 这个男人来自地球电影免费观看| 啪啪无遮挡十八禁网站| 欧美日韩亚洲综合一区二区三区_| 90打野战视频偷拍视频| 亚洲av成人av| 国产精品,欧美在线| 宅男免费午夜| 亚洲,欧美精品.| 91麻豆精品激情在线观看国产| av在线播放免费不卡| 国产精品av视频在线免费观看| 身体一侧抽搐| 亚洲成人免费电影在线观看| 又黄又粗又硬又大视频| xxx96com| 91老司机精品| 亚洲男人的天堂狠狠| 99久久精品国产亚洲精品| 老司机午夜十八禁免费视频| 这个男人来自地球电影免费观看| 黄频高清免费视频| 亚洲精品色激情综合| 一区二区三区高清视频在线| 色综合站精品国产| 国产午夜福利久久久久久| 国内精品久久久久精免费| 亚洲第一电影网av| 正在播放国产对白刺激| 亚洲国产中文字幕在线视频| 午夜成年电影在线免费观看| 国产片内射在线| 亚洲天堂国产精品一区在线| 中文在线观看免费www的网站 | 成人国产一区最新在线观看| 老熟妇仑乱视频hdxx| 欧美三级亚洲精品| 一进一出抽搐gif免费好疼| 亚洲成人久久性| 999精品在线视频| 精品一区二区三区视频在线观看免费| 精品国产超薄肉色丝袜足j| 熟女电影av网| 欧美三级亚洲精品| 欧美+亚洲+日韩+国产| 亚洲精品一区av在线观看| 最好的美女福利视频网| 亚洲美女黄片视频| 丁香欧美五月| 国产精品一及| 99热只有精品国产| 老汉色av国产亚洲站长工具| 宅男免费午夜| 91成年电影在线观看| 少妇裸体淫交视频免费看高清 | 中文字幕精品亚洲无线码一区| 可以在线观看的亚洲视频| 国产熟女午夜一区二区三区| 一级作爱视频免费观看| 麻豆国产av国片精品| 亚洲人与动物交配视频| 日本一二三区视频观看| 欧美成狂野欧美在线观看| 青草久久国产| 久久久久性生活片| 久久久久国产一级毛片高清牌| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦观看免费观看视频高清| 啦啦啦观看免费观看视频高清| 波多野结衣巨乳人妻| 色综合婷婷激情| 天天一区二区日本电影三级| 曰老女人黄片| 悠悠久久av| 久久久久亚洲av毛片大全| 亚洲 国产 在线| 大型黄色视频在线免费观看| 精品人妻1区二区| 五月伊人婷婷丁香| 美女高潮喷水抽搐中文字幕| 国产欧美日韩精品亚洲av| 91成年电影在线观看| 久久精品国产清高在天天线| 香蕉av资源在线| 深夜精品福利| 亚洲九九香蕉| 亚洲av电影在线进入| 天天添夜夜摸| 免费人成视频x8x8入口观看| a级毛片在线看网站| 欧美乱妇无乱码| 国产亚洲av嫩草精品影院| 免费看十八禁软件| 久久午夜亚洲精品久久| 国产真实乱freesex| 久久香蕉激情| 久久久精品国产亚洲av高清涩受| 久久久久性生活片| 久久这里只有精品19| 国产视频内射| 久久久精品国产亚洲av高清涩受| 老司机福利观看| 国产av一区在线观看免费| 级片在线观看| 窝窝影院91人妻| 搡老熟女国产l中国老女人| 欧美性长视频在线观看| 欧美成人午夜精品| 久久久久久人人人人人| 人人妻,人人澡人人爽秒播| 在线永久观看黄色视频| 一二三四社区在线视频社区8| 免费看美女性在线毛片视频| 露出奶头的视频| 十八禁网站免费在线| 久久久水蜜桃国产精品网| 欧美日韩亚洲综合一区二区三区_| 午夜亚洲福利在线播放| 男女之事视频高清在线观看| 中亚洲国语对白在线视频| 丝袜人妻中文字幕| 麻豆国产av国片精品| 欧美色欧美亚洲另类二区| 精品熟女少妇八av免费久了| 午夜福利成人在线免费观看| 国产视频一区二区在线看| 777久久人妻少妇嫩草av网站| 妹子高潮喷水视频| 好男人电影高清在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 免费电影在线观看免费观看| 久久精品综合一区二区三区| 一级片免费观看大全| 一进一出抽搐动态| 欧美一级毛片孕妇| 精品久久久久久成人av| 精品久久久久久久久久免费视频| 中文字幕av在线有码专区| 国产伦在线观看视频一区| 国产精品亚洲一级av第二区| 亚洲精品中文字幕在线视频| 午夜福利在线在线| 中文字幕人成人乱码亚洲影| 亚洲国产精品999在线| 免费电影在线观看免费观看| 九九热线精品视视频播放| 亚洲五月婷婷丁香| 色综合欧美亚洲国产小说| 免费在线观看日本一区| 国产亚洲av高清不卡| 亚洲 国产 在线| 日韩三级视频一区二区三区| 久久亚洲真实| 久久久久性生活片| 国产99久久九九免费精品| 国产成+人综合+亚洲专区| 一进一出抽搐gif免费好疼| 日本 av在线| 午夜亚洲福利在线播放| 亚洲人成电影免费在线| 成人手机av| 首页视频小说图片口味搜索| 久久久久久久久中文| 欧美不卡视频在线免费观看 | 亚洲黑人精品在线| 无人区码免费观看不卡| 欧洲精品卡2卡3卡4卡5卡区| 窝窝影院91人妻| 亚洲国产欧美网| 999精品在线视频| 丰满的人妻完整版| 久久中文字幕人妻熟女| 午夜精品久久久久久毛片777| 97超级碰碰碰精品色视频在线观看| 亚洲精品国产一区二区精华液| 国产av麻豆久久久久久久| av福利片在线观看| 18禁黄网站禁片免费观看直播| 18禁国产床啪视频网站| 俄罗斯特黄特色一大片| 好男人在线观看高清免费视频| 首页视频小说图片口味搜索| 久久久精品大字幕| 日本熟妇午夜| 国产精品久久久久久亚洲av鲁大| 亚洲激情在线av| 99国产综合亚洲精品| 久9热在线精品视频| 国产av一区在线观看免费| 久久久久免费精品人妻一区二区| 好男人电影高清在线观看| 精华霜和精华液先用哪个| 日本精品一区二区三区蜜桃| 亚洲狠狠婷婷综合久久图片| 国产熟女午夜一区二区三区| 国产97色在线日韩免费| 成人三级做爰电影| 99国产精品99久久久久| 久久精品91蜜桃| 丁香欧美五月| 丰满人妻一区二区三区视频av | 99在线视频只有这里精品首页| 欧美黄色淫秽网站| 亚洲天堂国产精品一区在线| 黄色a级毛片大全视频| 欧美精品啪啪一区二区三区| 国产精品综合久久久久久久免费| 国产一区在线观看成人免费| 老汉色av国产亚洲站长工具| 国产成人精品久久二区二区91| 一级作爱视频免费观看| 黄色丝袜av网址大全| 窝窝影院91人妻| 精品少妇一区二区三区视频日本电影| 成人三级黄色视频| 午夜免费观看网址| cao死你这个sao货| 又爽又黄无遮挡网站| 99热这里只有是精品50| 午夜激情av网站| 美女午夜性视频免费| 国产黄a三级三级三级人| 两性夫妻黄色片| 欧美中文综合在线视频| 亚洲国产欧美网| 国产精品久久久久久久电影 | 国产成人欧美在线观看| 国产人伦9x9x在线观看| 757午夜福利合集在线观看| 日韩欧美国产一区二区入口| 亚洲精品美女久久久久99蜜臀| 亚洲五月天丁香| 国产成人av教育| 国产99久久九九免费精品| 国产精品久久久久久久电影 | 777久久人妻少妇嫩草av网站| 日本免费一区二区三区高清不卡| 两个人免费观看高清视频| 一个人免费在线观看电影 | 午夜激情福利司机影院| 亚洲在线自拍视频| 日本熟妇午夜| 午夜福利在线在线| 精品乱码久久久久久99久播| 色精品久久人妻99蜜桃| 狂野欧美激情性xxxx| netflix在线观看网站| 亚洲一区二区三区色噜噜| 美女黄网站色视频| 大型av网站在线播放| 亚洲avbb在线观看| 亚洲欧美日韩东京热| 男人舔奶头视频| 亚洲18禁久久av| www.www免费av| 欧美极品一区二区三区四区| 欧美日本视频| 好男人电影高清在线观看| 亚洲熟妇中文字幕五十中出| 一本一本综合久久| 99热这里只有是精品50| 欧美日韩精品网址| 美女大奶头视频| 一夜夜www| 免费在线观看成人毛片| 黄色a级毛片大全视频| 岛国在线观看网站| 亚洲成人精品中文字幕电影| 久久中文字幕一级| 国产真实乱freesex| 老司机福利观看| 国产伦一二天堂av在线观看| 日韩精品青青久久久久久| 国产精品九九99| 精品欧美国产一区二区三| 九色国产91popny在线| 婷婷精品国产亚洲av| 巨乳人妻的诱惑在线观看| 亚洲aⅴ乱码一区二区在线播放 | 午夜福利高清视频| 国产高清视频在线观看网站| 国产av又大| 精品久久久久久久人妻蜜臀av| 日本免费一区二区三区高清不卡| 精品国产美女av久久久久小说| 欧美黑人巨大hd| 在线播放国产精品三级| 国产精品99久久99久久久不卡| 国产av一区二区精品久久| 男女视频在线观看网站免费 | 亚洲国产精品999在线| 我要搜黄色片| 人妻久久中文字幕网| 亚洲午夜精品一区,二区,三区| 天天躁狠狠躁夜夜躁狠狠躁| 我要搜黄色片| 欧美另类亚洲清纯唯美| 国产乱人伦免费视频| 国产精品av视频在线免费观看| 国产高清有码在线观看视频 | 看片在线看免费视频| 大型黄色视频在线免费观看| 欧美日韩中文字幕国产精品一区二区三区| 欧美色欧美亚洲另类二区| 香蕉久久夜色| 国内揄拍国产精品人妻在线| 国产成人精品久久二区二区91| 精品久久久久久成人av| 在线a可以看的网站| 亚洲精品美女久久av网站| 欧美黄色淫秽网站| 一边摸一边做爽爽视频免费| 亚洲国产精品sss在线观看| 91av网站免费观看| 久久久国产成人精品二区| 亚洲国产精品合色在线| 婷婷六月久久综合丁香| 18禁裸乳无遮挡免费网站照片| 国产精品一区二区免费欧美| 国内少妇人妻偷人精品xxx网站 | 91麻豆精品激情在线观看国产| 亚洲黑人精品在线| 欧美黄色淫秽网站| 看黄色毛片网站| 免费在线观看日本一区| 99精品久久久久人妻精品| 国产91精品成人一区二区三区| 脱女人内裤的视频| 国产麻豆成人av免费视频| 最近最新中文字幕大全电影3| 欧美成人午夜精品| 一二三四社区在线视频社区8| 国产成人aa在线观看| 色综合婷婷激情| 精品人妻1区二区| 亚洲七黄色美女视频| 亚洲国产中文字幕在线视频| 小说图片视频综合网站| 久久精品综合一区二区三区| 国产麻豆成人av免费视频| 中文资源天堂在线| 黄色女人牲交| 日韩大码丰满熟妇| 国内精品久久久久精免费| 日韩免费av在线播放| 国产精品av久久久久免费| 久久伊人香网站| www.自偷自拍.com| 亚洲av熟女| 日本一本二区三区精品| 精品人妻1区二区| av视频在线观看入口| xxx96com| 国产男靠女视频免费网站| 人成视频在线观看免费观看| 国产av一区在线观看免费| 亚洲全国av大片| 母亲3免费完整高清在线观看| 50天的宝宝边吃奶边哭怎么回事| 欧美又色又爽又黄视频| 搡老岳熟女国产| 国产精品自产拍在线观看55亚洲| 国产v大片淫在线免费观看| 人人妻人人澡欧美一区二区| 99久久精品热视频| 亚洲人成电影免费在线| 超碰成人久久| 欧美黑人欧美精品刺激| 色av中文字幕| 12—13女人毛片做爰片一| 性色av乱码一区二区三区2| 久久午夜综合久久蜜桃| 久久人人精品亚洲av| 国产av又大| 日韩精品中文字幕看吧| 国产精品九九99| 伦理电影免费视频| 午夜福利在线在线| 在线观看午夜福利视频| 中文字幕av在线有码专区| 久久天堂一区二区三区四区| 日韩有码中文字幕| 小说图片视频综合网站| 黄色视频,在线免费观看| 欧美一级a爱片免费观看看 | 亚洲人成伊人成综合网2020| 日韩中文字幕欧美一区二区| 少妇裸体淫交视频免费看高清 | 麻豆久久精品国产亚洲av| 久久久久久久精品吃奶| 精品第一国产精品| 美女免费视频网站| 国产成人av教育| 亚洲国产高清在线一区二区三| 成人午夜高清在线视频| 男男h啪啪无遮挡| 黄片小视频在线播放| 精品久久蜜臀av无| 老司机靠b影院| a级毛片在线看网站| 国产伦一二天堂av在线观看| 黄片小视频在线播放| 精品欧美一区二区三区在线| 91字幕亚洲| 久久久久国内视频| 岛国在线观看网站| 亚洲av电影在线进入| 国产成人av激情在线播放| 少妇人妻一区二区三区视频| 欧美日韩福利视频一区二区| 在线a可以看的网站| 大型av网站在线播放| 特级一级黄色大片| a级毛片a级免费在线| 99热这里只有是精品50| 99久久精品热视频| 亚洲第一欧美日韩一区二区三区| 又粗又爽又猛毛片免费看| 午夜精品在线福利| 又紧又爽又黄一区二区| 日日干狠狠操夜夜爽| 香蕉久久夜色| 淫秽高清视频在线观看| 日日爽夜夜爽网站| 精品乱码久久久久久99久播| 亚洲国产精品久久男人天堂| 亚洲自拍偷在线| 精品熟女少妇八av免费久了| 欧美成人午夜精品| 黄频高清免费视频| 久久精品国产综合久久久| 亚洲av美国av| 日本在线视频免费播放| 在线视频色国产色| 老司机午夜十八禁免费视频| 中文亚洲av片在线观看爽| 成在线人永久免费视频| 亚洲精品av麻豆狂野| 日本精品一区二区三区蜜桃| 精品久久蜜臀av无| 亚洲精品一区av在线观看| 欧美人与性动交α欧美精品济南到| 国产精品免费视频内射| 亚洲九九香蕉| 欧美高清成人免费视频www| 淫秽高清视频在线观看| 可以在线观看毛片的网站| 国产精品,欧美在线| 色av中文字幕| 国产野战对白在线观看| 后天国语完整版免费观看| 亚洲国产欧美网| www.999成人在线观看| 欧洲精品卡2卡3卡4卡5卡区| 精品久久久久久,| x7x7x7水蜜桃| 久久精品人妻少妇| 1024手机看黄色片| 亚洲成人免费电影在线观看| 这个男人来自地球电影免费观看| 757午夜福利合集在线观看| 性色av乱码一区二区三区2| 韩国av一区二区三区四区| 久久久久久久久久黄片| 久久午夜综合久久蜜桃| 国产主播在线观看一区二区| 国产激情久久老熟女| 男女下面进入的视频免费午夜| 精品一区二区三区四区五区乱码| 精品国产亚洲在线| 中亚洲国语对白在线视频| 国产乱人伦免费视频| 狠狠狠狠99中文字幕| 好看av亚洲va欧美ⅴa在| 国产伦人伦偷精品视频| 国产1区2区3区精品| АⅤ资源中文在线天堂| 高潮久久久久久久久久久不卡| 亚洲18禁久久av| 国产又黄又爽又无遮挡在线| 少妇被粗大的猛进出69影院| 狂野欧美激情性xxxx| 最好的美女福利视频网| 黄色片一级片一级黄色片| 亚洲全国av大片| 国产成人aa在线观看| 好男人电影高清在线观看| 99在线视频只有这里精品首页| 999久久久精品免费观看国产| 午夜福利在线观看吧| 久热爱精品视频在线9| 色播亚洲综合网| 亚洲va日本ⅴa欧美va伊人久久| 18禁美女被吸乳视频| www日本在线高清视频| 日韩av在线大香蕉| 国产精品98久久久久久宅男小说| cao死你这个sao货| 欧美日韩精品网址| 久久精品91无色码中文字幕| 婷婷亚洲欧美| 亚洲一码二码三码区别大吗| www日本在线高清视频| 久久久久久久精品吃奶| 精品福利观看| a级毛片在线看网站| 国产精品98久久久久久宅男小说| 日韩高清综合在线| 欧美三级亚洲精品| 午夜福利在线观看吧| 成人特级黄色片久久久久久久| 大型av网站在线播放| 午夜激情av网站| 一本久久中文字幕| 日本黄大片高清| 亚洲人成电影免费在线| 97碰自拍视频| 国产区一区二久久| 免费看a级黄色片| 可以免费在线观看a视频的电影网站| 中文在线观看免费www的网站 | 久9热在线精品视频| 久久久久久免费高清国产稀缺| 青草久久国产| 老熟妇仑乱视频hdxx| 美女 人体艺术 gogo| 欧美又色又爽又黄视频| 亚洲一区高清亚洲精品| 一级a爱片免费观看的视频| 成人亚洲精品av一区二区| 亚洲国产看品久久| 国产av一区在线观看免费| 亚洲成人国产一区在线观看| 伦理电影免费视频| 亚洲精品美女久久久久99蜜臀|