• <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 ?

    基于EEMD和ARIMA模型的汽輪機(jī)故障趨勢(shì)預(yù)測(cè)

    2016-08-31 00:43:59剡昌鋒吳黎曉韋堯兵
    甘肅科學(xué)學(xué)報(bào) 2016年4期
    關(guān)鍵詞:監(jiān)測(cè)數(shù)據(jù)分量趨勢(shì)

    剡昌鋒,易 程,吳黎曉,韋堯兵

    (蘭州理工大學(xué) 機(jī)電工程學(xué)院,甘肅 蘭州 730050)

    ?

    基于EEMD和ARIMA模型的汽輪機(jī)故障趨勢(shì)預(yù)測(cè)

    剡昌鋒,易程,吳黎曉,韋堯兵

    (蘭州理工大學(xué) 機(jī)電工程學(xué)院,甘肅 蘭州 730050)

    由于汽輪發(fā)電機(jī)轉(zhuǎn)子振動(dòng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)具有非線性和非平穩(wěn)性,采用普通時(shí)間序列預(yù)測(cè)模型時(shí)預(yù)測(cè)的精度較低。研究通過分析振動(dòng)信號(hào)的頻率成分,融合EEMD分解平穩(wěn)化處理和ARIMA預(yù)測(cè)模型的思想,建立一種混合預(yù)測(cè)模型。結(jié)果表明:該方法能夠適應(yīng)振動(dòng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)特征,反映了振動(dòng)狀態(tài)的主要變化趨勢(shì),具有較高的預(yù)測(cè)精度以及更大的應(yīng)用范圍,其預(yù)測(cè)趨勢(shì)對(duì)進(jìn)一步進(jìn)行振動(dòng)狀態(tài)分析具有一定的參考價(jià)值。

    EEMD;ARIMA;趨勢(shì)預(yù)測(cè);頻率成分

    汽輪發(fā)電機(jī)組是電力生產(chǎn)的重要設(shè)備,通過狀態(tài)監(jiān)測(cè)實(shí)現(xiàn)實(shí)時(shí)故障診斷和設(shè)備預(yù)知性維修具有重要的實(shí)用價(jià)值[1,2]。轉(zhuǎn)子振動(dòng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)反映了機(jī)械系統(tǒng)的主要變化規(guī)律,蘊(yùn)含著豐富的故障征兆信息,對(duì)其實(shí)時(shí)監(jiān)測(cè)有助于進(jìn)行故障趨勢(shì)預(yù)測(cè)[3]。同時(shí),由于機(jī)械系統(tǒng)結(jié)構(gòu)的復(fù)雜性和運(yùn)行環(huán)境的特殊性,導(dǎo)致了狀態(tài)監(jiān)測(cè)數(shù)據(jù)具有海量性、高維性、動(dòng)態(tài)性和復(fù)雜性等特點(diǎn),采用單一的狀態(tài)趨勢(shì)預(yù)測(cè)方法很難滿足在不同條件下取得較理想的預(yù)測(cè)效果。常用狀態(tài)趨勢(shì)預(yù)測(cè)方法有基于統(tǒng)計(jì)學(xué)的傳統(tǒng)方法、人工智能方法、傳統(tǒng)方法與人工智能結(jié)合的混合預(yù)測(cè)方法,其中時(shí)間序列自回歸滑動(dòng)平均(ARMA,auto-regressive and moving average)模型因其簡(jiǎn)單直觀、運(yùn)算方便且執(zhí)行快速而被普遍使用。Box等[4]針對(duì)非平穩(wěn)隨機(jī)時(shí)間序列運(yùn)用累計(jì)差分的方法提出了差分自回歸滑動(dòng)平均(ARIMA,auto-regressive integrated moving average)時(shí)間序列預(yù)測(cè)模型。Babu等[5]將線性預(yù)測(cè)模型和非線性預(yù)測(cè)模型相結(jié)合建立了ARIMA-ANN模型,同時(shí)運(yùn)用移動(dòng)平均濾波器處理數(shù)據(jù),進(jìn)行單步或多步預(yù)測(cè)時(shí)都具有較高的預(yù)測(cè)精度,但是該方法需要大量數(shù)據(jù)來進(jìn)行模型參數(shù)的估計(jì)。

    除了直接對(duì)狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)外,通過進(jìn)行數(shù)據(jù)預(yù)處理對(duì)預(yù)測(cè)效果也能起到很好的改善作用[6],例如基于經(jīng)驗(yàn)?zāi)B(tài)分解的時(shí)間序列預(yù)測(cè)方法[7]、基于離散小波分解的時(shí)間序列預(yù)測(cè)方法[8]等。這些方法試圖通過預(yù)處理過程,將狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行降噪以及平穩(wěn)化處理,然后利用平穩(wěn)時(shí)間序列模型對(duì)其加以預(yù)測(cè),可以有效提高狀態(tài)趨勢(shì)預(yù)測(cè)的可靠性。

    研究提出了一種基于集合經(jīng)驗(yàn)?zāi)7纸?EEMD,ensemble empirical mode decomposition)和ARIMA模型的振動(dòng)狀態(tài)趨勢(shì)預(yù)測(cè)方法,通過對(duì)狀態(tài)監(jiān)測(cè)數(shù)據(jù)運(yùn)用形態(tài)濾波器進(jìn)行降噪預(yù)處理,從分析振動(dòng)信號(hào)頻率成分的角度出發(fā),利用EEMD并計(jì)算互相關(guān)系數(shù)篩選出相關(guān)分量,對(duì)各分量建立ARIMA模型形成混合預(yù)測(cè)框架,預(yù)測(cè)非平穩(wěn)時(shí)間序列的趨勢(shì)變化。該方法能夠適應(yīng)狀態(tài)監(jiān)測(cè)的數(shù)據(jù)特征,提高了狀態(tài)趨勢(shì)預(yù)測(cè)質(zhì)量,同時(shí)具有較強(qiáng)的應(yīng)用價(jià)值。

    1 混合趨勢(shì)預(yù)測(cè)模型

    旋轉(zhuǎn)機(jī)械在運(yùn)行過程中,系統(tǒng)參數(shù)的觀測(cè)值之間具有顯著的關(guān)聯(lián)性,這種關(guān)聯(lián)性是機(jī)械系統(tǒng)內(nèi)部動(dòng)力學(xué)行為的外在表現(xiàn),也是狀態(tài)趨勢(shì)預(yù)測(cè)的基礎(chǔ)。但是,這種關(guān)聯(lián)性會(huì)隨著狀態(tài)參數(shù)頻率的增大而使不同時(shí)刻的數(shù)據(jù)相關(guān)性減小,如果直接對(duì)快速變化參數(shù)進(jìn)行趨勢(shì)預(yù)測(cè)也就意義不大,則需要轉(zhuǎn)換預(yù)測(cè)指標(biāo)來進(jìn)行有效地趨勢(shì)預(yù)測(cè)。通過對(duì)連續(xù)緩變的狀態(tài)監(jiān)測(cè)數(shù)據(jù)建立時(shí)間序列模型可以揭示數(shù)據(jù)之間的這種顯著關(guān)聯(lián)性,依據(jù)時(shí)間序列模型對(duì)有限的歷史數(shù)據(jù)進(jìn)行延拓,從而實(shí)現(xiàn)對(duì)狀態(tài)趨勢(shì)的預(yù)測(cè)來獲知復(fù)雜機(jī)械系統(tǒng)的運(yùn)行狀況。從試驗(yàn)現(xiàn)場(chǎng)采集到的振動(dòng)信號(hào)包含多種形式的隨機(jī)噪聲,減弱了這種關(guān)聯(lián)性,數(shù)據(jù)的預(yù)處理可以降低隨機(jī)噪聲而提高數(shù)據(jù)的可靠性和精確度。頻率成分反映了振動(dòng)信號(hào)的內(nèi)在結(jié)構(gòu)本質(zhì),運(yùn)用自適應(yīng)信號(hào)分解的方法并依據(jù)互相關(guān)系數(shù)篩選出最相關(guān)的分量和趨勢(shì)分量,因?yàn)樗鼈兪怯绊懻駝?dòng)狀態(tài)趨勢(shì)變化的決定性因素。研究提出基于EEMD和ARIMA模型相結(jié)合的混合趨勢(shì)預(yù)測(cè)方法,對(duì)轉(zhuǎn)子振動(dòng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)。通過編程實(shí)現(xiàn)的流程如圖1所示。

    圖1 混合趨勢(shì)預(yù)測(cè)框架Fig.1 Prediction frame of the mixed trend

    具體步驟如下:(1)載入狀態(tài)監(jiān)測(cè)數(shù)據(jù),對(duì)數(shù)據(jù)的噪聲進(jìn)行評(píng)價(jià),采用組合形態(tài)濾波器濾除脈沖隨機(jī)噪聲,提高信噪比;(2)運(yùn)用EEMD方法將時(shí)間趨勢(shì)序列自適應(yīng)分解成為一系列不同尺度的本征模態(tài)函數(shù)(IMF,intrinsic mode function)分量和殘余分量,進(jìn)行平穩(wěn)化處理;(3)分別計(jì)算各分量的互相關(guān)系數(shù)篩選出有效IMF分量和趨勢(shì)分量;(4)對(duì)篩選出的每個(gè)IMF分量和趨勢(shì)分量進(jìn)行ARIMA建模預(yù)測(cè);(5)最后將預(yù)測(cè)結(jié)果相疊加,即可得到非平穩(wěn)振動(dòng)狀態(tài)趨勢(shì)序列的預(yù)測(cè)值。

    2 混合預(yù)測(cè)方法的建立

    2.1形態(tài)濾波器

    數(shù)學(xué)形態(tài)學(xué)是1964年由法國(guó)Matheron G和Serra J在積分幾何研究成果的基礎(chǔ)上創(chuàng)立的,通過一定形態(tài)的結(jié)構(gòu)元素定量地描述圖像結(jié)構(gòu)特征來識(shí)別和分析圖像[9]?;跀?shù)學(xué)形態(tài)學(xué)理論的形態(tài)濾波器是通過一個(gè)結(jié)構(gòu)元素對(duì)圖像進(jìn)行卷積運(yùn)算,結(jié)構(gòu)元素大小和形狀的確定以及操作的選擇決定輸出的結(jié)果,作為一種重要的工具廣泛應(yīng)用于噪聲抑制、圖像分割等[10]。

    為了避免由于開、閉運(yùn)算時(shí)對(duì)數(shù)值的擴(kuò)大或縮小,采用廣義開-閉和閉-開運(yùn)算的線性組合的形態(tài)濾波器進(jìn)行降噪處理,無需考慮信號(hào)的頻譜特征,算法簡(jiǎn)單且執(zhí)行高效,能消除標(biāo)準(zhǔn)形態(tài)算子產(chǎn)生的偏差的同時(shí)較好地保持了數(shù)據(jù)的幾何結(jié)構(gòu)特征,有效濾除脈沖隨機(jī)噪聲,即可提高信噪比[11]。同時(shí),結(jié)構(gòu)元素在形態(tài)濾波器中的作用類似于一般信號(hào)處理時(shí)的滑動(dòng)窗,其形狀和大小對(duì)腐蝕、膨脹運(yùn)算產(chǎn)生很大的影響。待處理數(shù)據(jù)的形狀決定了結(jié)構(gòu)元素的形狀設(shè)計(jì),其結(jié)構(gòu)要盡可能接近待分析的圖形特點(diǎn)。我們選擇圓形結(jié)構(gòu)元素,其寬度主要由狀態(tài)監(jiān)測(cè)數(shù)據(jù)主要波形的周期和采樣頻率決定。

    2.2EEMD分解

    為了分析信號(hào)的頻率成分,Huang等[12]提出了一種將非線性、非平穩(wěn)的時(shí)間序列分解為一系列不同尺度的IMF之和的自適應(yīng)信號(hào)分解的方法,即經(jīng)驗(yàn)?zāi)J椒纸夥椒‥MD。如果時(shí)間序列數(shù)據(jù)中包含高頻間歇振蕩成分,EMD分解得到的IMF分量往往會(huì)存在模態(tài)混疊效應(yīng),從而影響了該方法自適應(yīng)分解信號(hào)的性能。針對(duì)EMD存在的不足,Wu等[13]提出將噪聲作為輔助信號(hào)處理的方法來解決模態(tài)混疊效應(yīng),即集合經(jīng)驗(yàn)?zāi)J椒纸夥椒‥EMD。EEMD的具體計(jì)算過程如下:

    (1)參數(shù)設(shè)置:依據(jù)時(shí)間序列的標(biāo)準(zhǔn)偏差設(shè)置集成次數(shù)NE以及添加的白噪聲的幅值a,集成次數(shù)從1開始。集成次數(shù)NE、白噪聲的幅值a和標(biāo)準(zhǔn)差σ之間的關(guān)系可表示為[14]

    (1)

    通過大量模擬和試驗(yàn)后,提出了一個(gè)用來確定EEMD算法中參數(shù)的自適應(yīng)準(zhǔn)則[14]:白噪聲幅值常取為標(biāo)準(zhǔn)差的0.1~0.4倍之間,當(dāng)高頻成分占主導(dǎo)地位時(shí),添加白噪聲的幅值應(yīng)適當(dāng)減小;當(dāng)?shù)皖l成分占主導(dǎo)地位時(shí),添加白噪聲的幅值應(yīng)適當(dāng)增大;一般集成次數(shù)設(shè)置為100。

    (3)循環(huán)重復(fù)步驟(2),直到預(yù)先設(shè)定的集成的次數(shù)NE。

    (4)計(jì)算分解得到的IMF分量的均值,并將其作為EEMD分解的最終結(jié)果。

    但是,由于插值誤差、邊界效應(yīng)等原因,EEMD在分解過程中會(huì)產(chǎn)生一些偽分量(即與原始信號(hào)無關(guān)的分量),這些偽分量沒有任何物理含義并容易對(duì)信號(hào)頻率成分分析造成干擾。通過計(jì)算各IMF分量與原始信號(hào)互相關(guān)系數(shù)的大小來判定IMF的真?zhèn)?計(jì)算公式為

    (2)

    其中:Rx,cj(τ)為各IMF分量與原始信號(hào)的互相關(guān)系數(shù);Rx(τ)為自相關(guān)系數(shù)。

    雖然EEMD分解后殘余分量的互相關(guān)系數(shù)較小,但體現(xiàn)了狀態(tài)趨勢(shì)變化的長(zhǎng)期走向,將其作為趨勢(shì)項(xiàng)進(jìn)行建模預(yù)測(cè)。這樣對(duì)復(fù)雜非線性、非平穩(wěn)信號(hào)通過EEMD分解成若干個(gè)簡(jiǎn)單有效的非線性、非平穩(wěn)信號(hào),使趨勢(shì)序列數(shù)據(jù)進(jìn)行平穩(wěn)化處理,可以擴(kuò)大時(shí)間序列模型的應(yīng)用范圍,更加有利于應(yīng)用時(shí)間序列模型進(jìn)行狀態(tài)趨勢(shì)預(yù)測(cè)。

    2.3ARIMA模型的建立

    (1)模型描述ARMA模型是以時(shí)間序列的自相關(guān)分析為基礎(chǔ),用數(shù)學(xué)模型來近似描述這個(gè)隨機(jī)時(shí)間序列,通過系統(tǒng)辨識(shí)確定模型參數(shù),然后根據(jù)時(shí)間序列的歷史值和現(xiàn)在值來預(yù)測(cè)時(shí)間序列的未來值。ARMA模型可近似表示為

    yt=φ1yt-1+φ2yt-2+…+φpyt-p+at-θ1at-1-θ2at-2-…-θqat-q,

    (3)

    其中:p為自回歸階數(shù);φ1,φ2,…,φp為自回歸系數(shù);q為滑動(dòng)平均階數(shù);θ1,θ2,…,θq為滑動(dòng)平均系數(shù);at是白噪聲序列服從正態(tài)分布,即at~N(0,σ2),則稱時(shí)間序列{yt}服從(p,q)階自回歸滑動(dòng)平均模型,簡(jiǎn)記為ARMA(p,q)。

    若{yt}為非平穩(wěn)時(shí)間序列,可以經(jīng)過d次差分后成為平穩(wěn)時(shí)間序列,即

    φ(B)dyt=θ(B)at,

    (4)

    則稱式(4)為(p,d,q)階的差分自回歸滑動(dòng)平均模型,記ARIMA(p,d,q),其中d為差分次數(shù)。

    (2)平穩(wěn)化處理與模型識(shí)別對(duì)時(shí)間序列歷史趨勢(shì)數(shù)據(jù)首先運(yùn)用時(shí)間序列平穩(wěn)性檢驗(yàn)函數(shù)進(jìn)行平穩(wěn)性檢驗(yàn),如果數(shù)據(jù)為非平穩(wěn)時(shí)間序列且存在一定的上升或下降趨勢(shì),則需要進(jìn)行差分平穩(wěn)化處理。

    通過計(jì)算平穩(wěn)化后的時(shí)間序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)來進(jìn)行模型識(shí)別,揭示所研究的時(shí)間序列的特性來建立一個(gè)合適的模型[15]。具體計(jì)算公式有:

    自協(xié)方差為

    (5)

    自相關(guān)函數(shù)為

    (6)

    偏相關(guān)函數(shù)為

    (7)

    表1 ARMA(p,q)模型識(shí)別原則

    模型參數(shù)的最小二乘估計(jì)為

    AIC=(n-d)logσ2+(p+q+1)logn,

    (8)

    其中:n為樣本數(shù);σ2為擬合殘差平方和;d、p、q為模型參數(shù)。

    (4)模型的檢驗(yàn)與預(yù)測(cè)對(duì)所建立的模型要檢驗(yàn)其是否能夠滿足平穩(wěn)性和可逆性,即要求

    (9)

    (10)

    的根在單位圓外[15]。

    進(jìn)一步檢驗(yàn)?zāi)P偷臍埐钚蛄惺欠駷榘自肼?如果不是,則需要重新建立模型;如果是,則通過檢驗(yàn),得出時(shí)間序列趨勢(shì)預(yù)測(cè)模型。根據(jù)所建預(yù)測(cè)模型的外推預(yù)測(cè)性能進(jìn)行預(yù)測(cè),并考慮前面經(jīng)過了d次差分運(yùn)算,還原為原始趨勢(shì)序列數(shù)據(jù)yt的預(yù)測(cè)結(jié)果,并計(jì)算預(yù)測(cè)結(jié)果與原始趨勢(shì)序列的平均絕對(duì)誤差及均方差來進(jìn)行多角度的評(píng)價(jià)以及預(yù)測(cè)分析。

    3 實(shí)驗(yàn)結(jié)果分析

    為了驗(yàn)證基于EEMD和ARIMA混合預(yù)測(cè)模型的狀態(tài)趨勢(shì)預(yù)測(cè)效果,在汽輪發(fā)電機(jī)轉(zhuǎn)子故障模擬試驗(yàn)臺(tái)上進(jìn)行振動(dòng)狀態(tài)監(jiān)測(cè)的數(shù)據(jù)采集。選取轉(zhuǎn)子出現(xiàn)故障時(shí)的狀態(tài)監(jiān)測(cè)數(shù)據(jù)來建立時(shí)間序列模型進(jìn)行預(yù)測(cè),以1~3 996共3 996個(gè)點(diǎn)作為歷史狀態(tài)樣本數(shù)據(jù),3 997~4 096共100個(gè)點(diǎn)作為預(yù)測(cè)對(duì)比數(shù)據(jù)來檢驗(yàn)?zāi)P汀2捎闷骄^對(duì)誤差及均方差作為衡量模型預(yù)測(cè)精度的重要指標(biāo),計(jì)算公式有:

    平均絕對(duì)誤差為

    (11)

    均方差為

    (12)

    3.1狀態(tài)監(jiān)測(cè)數(shù)據(jù)預(yù)處理

    載入狀態(tài)監(jiān)測(cè)數(shù)據(jù)后,運(yùn)用組合形態(tài)濾波器濾除脈沖隨機(jī)噪聲進(jìn)行數(shù)據(jù)的預(yù)處理,時(shí)間序列趨勢(shì)如圖2所示。

    圖2 時(shí)間序列趨勢(shì)Fig.2 Chart of time series trend

    3.2EEMD分解

    對(duì)降噪后的趨勢(shì)序列運(yùn)用EEMD進(jìn)行分解,共產(chǎn)生7個(gè)IMF分量和1個(gè)殘余分量,EEMD分解結(jié)果如圖3所示。各IMF分量與原始信號(hào)的互相關(guān)系數(shù)見表2。由表2可以看出,IMF4、IMF5和 IMF6這3個(gè)IMF分量的互相關(guān)系數(shù)較大,與原始信號(hào)呈顯著的相關(guān)性,IMF8為趨勢(shì)分量。篩選的這些相關(guān)分量反映了振動(dòng)狀態(tài)趨勢(shì)變化的幅值和頻率,相對(duì)于原始趨勢(shì)序列變化較為平穩(wěn),更加有利于建立準(zhǔn)確的時(shí)間序列模型,從而可以提高趨勢(shì)變化的預(yù)測(cè)精度,也擴(kuò)大了時(shí)間序列預(yù)測(cè)模型的應(yīng)用范圍。

    圖3 EEMD分解結(jié)果Fig.3 EEMD decomposition results

    IMFs12345678ρx,cj0.04440.11430.30900.59800.86130.53700.06380.0254

    3.3建立ARIMA模型預(yù)測(cè)

    對(duì)于篩選出來的各IMF分量和殘余分量分別建立ARIMA模型進(jìn)行狀態(tài)趨勢(shì)預(yù)測(cè),確定出合適的模型參數(shù),將所有分量的預(yù)測(cè)值疊加得到最終的狀態(tài)趨勢(shì)預(yù)測(cè)結(jié)果,如圖4所示。為了進(jìn)一步驗(yàn)證所提算法的可行性與有效性,采用 ARIMA 模型直接對(duì)該趨勢(shì)序列進(jìn)行了預(yù)測(cè),模型預(yù)測(cè)與實(shí)際值的對(duì)比如圖5所示。通過對(duì)比兩種算法的預(yù)測(cè)結(jié)果的誤差分析來評(píng)價(jià)預(yù)測(cè)模型的可靠性和算法性能,如表3所列。

    由圖5可以看出所建模型能夠描述不對(duì)中故障狀態(tài)的趨勢(shì)變化規(guī)律且跟蹤速度較好,能夠快速響應(yīng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)的急劇變化,使得預(yù)測(cè)趨勢(shì)曲線較好的反映了實(shí)測(cè)趨勢(shì)變化。表3的誤差分析指標(biāo)對(duì)比結(jié)果也表現(xiàn)了混合ARIMA模型有著較小的平均絕對(duì)誤差和均方差,趨勢(shì)預(yù)測(cè)效果優(yōu)于ARIMA模型。根據(jù)上述預(yù)測(cè)結(jié)果綜合對(duì)比分析可以得出,通過對(duì)非平穩(wěn)狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行降噪預(yù)處理,運(yùn)用EEMD依據(jù)信號(hào)內(nèi)在頻率結(jié)構(gòu)特征將其分解為一系列平穩(wěn)且具有一定規(guī)律的單一分量并通過互相關(guān)系數(shù)篩選出有效分量和趨勢(shì)分量,建立混合預(yù)測(cè)模型,這樣建立的趨勢(shì)預(yù)測(cè)方法比直接應(yīng)用時(shí)間序列預(yù)測(cè)模型降低了預(yù)測(cè)誤差,更準(zhǔn)確地反映出振動(dòng)狀態(tài)趨勢(shì)變化,提高了狀態(tài)趨勢(shì)預(yù)測(cè)的準(zhǔn)確性。但是EEMD分解得到的分量比較多,同時(shí)需要確定的參數(shù)相對(duì)較多,復(fù)雜度有一定程度的提升,這樣就會(huì)在一定程度上影響混合預(yù)測(cè)模型的預(yù)測(cè)速度。

    圖4 混合ARIMA模型預(yù)測(cè)結(jié)果與實(shí)際趨勢(shì)序列對(duì)比Fig.4 Comparison of mixed ARIMA model prediction results and actual tendency sequence

    圖5 ARIMA模型預(yù)測(cè)結(jié)果與實(shí)際值對(duì)比Fig.5 Comparison of ARIMA model prediction results and actual values

    誤差分析指標(biāo)MAEMSE混合ARIMA模型0.00430.00049ARIMA模型0.01000.00120

    4 結(jié)論

    由于旋轉(zhuǎn)機(jī)械振動(dòng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)具有海量性、非線性和非平穩(wěn)性,直接建立時(shí)間序列預(yù)測(cè)模型會(huì)影響其預(yù)測(cè)精度。研究通過運(yùn)用形態(tài)濾波器進(jìn)行降噪預(yù)處理減小隨機(jī)脈沖因素的干擾,運(yùn)用EEMD分解并計(jì)算互相關(guān)系數(shù)篩選出有效分量和趨勢(shì)分量,進(jìn)行平穩(wěn)化處理后建立ARIMA模型。試驗(yàn)結(jié)果表明該混合預(yù)測(cè)方法的有效性和適應(yīng)性,能夠預(yù)測(cè)出振動(dòng)狀態(tài)主要變化趨勢(shì)且具有較高的預(yù)測(cè)精度以及更大的應(yīng)用范圍,其預(yù)測(cè)趨勢(shì)對(duì)振動(dòng)狀態(tài)分析具有一定的參考價(jià)值。同時(shí),由于狀態(tài)監(jiān)測(cè)數(shù)據(jù)變化的快慢程度以及模型參數(shù)適宜度的影響使少部分點(diǎn)的預(yù)測(cè)偏差較大,這就需要根據(jù)振動(dòng)狀態(tài)數(shù)據(jù)自身特點(diǎn)以及影響振動(dòng)狀態(tài)變化的物理因素,可以修正相關(guān)參數(shù)或者選擇其他連續(xù)緩變的狀態(tài)趨勢(shì)預(yù)測(cè)指標(biāo)以進(jìn)一步提高故障趨勢(shì)預(yù)測(cè)的準(zhǔn)確性和可靠性。

    [1]Laws W C,Muszynska A.Periodic and Continuous Vibration Monitoring for Predictive Maintenance of Rotating Machinery[J].Journal of Engineering for Gas Turbines and Power,1987,109(2):159-167.

    [2]王紅軍,徐小力.支持向量機(jī)理論在設(shè)備狀態(tài)趨勢(shì)預(yù)測(cè)上的應(yīng)用研究[J].蘭州理工大學(xué)學(xué)報(bào),2005,31(6):36-39.

    [3]鐘掘,陳安華.機(jī)械系統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷的重要課題[J].世界科技研究與發(fā)展,1996,18(6):15-19.

    [4]Box G E P,Jenkins G M.Time Series Analysis:Forecasting and Control,Revised[M].San Francisco:Holden-Day,1976.

    [5]Babu C N,Reddy B E.A Moving-average Filter Based Hybrid ARIMA-ANN Model for Forecasting Time Series Data[J].Applied Soft Computing,2014,23:27-38.

    [6]劉莉,徐玉生,馬志新.數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理技術(shù)綜述[J].甘肅科學(xué)學(xué)報(bào),2003,15(1):117-119.

    [7]祝志慧,孫云蓮,季宇.基于 EMD 和 SVM 的短期負(fù)荷預(yù)測(cè)[J].高電壓技術(shù),2007,33(5):118-122.

    [8]Huajun W,Lei S,Hongying L.Adjustments Based on Wavelet Transform ARIMA Model for Network Traffic Prediction[C]//Computer Engineering and Technology,2010 2nd International Conference on.IEEE,2010.

    [9]Maragos P,Schafer R W.Morphological Filters--Part I:Their Set-theoretic Analysis and Relations to Linear Shift-invariant Filters[J].Acoustics,Speech and Signal Processing,IEEE Transactions on,1987,35(8):1 153-1 169.

    [10]Serra J,Vincent L.An Overview of Morphological Filtering[J].Circuits,Systems and Signal Processing,1992,11(1):47-108.[11]張文斌,周曉軍,林勇.廣義形態(tài)濾波器在振動(dòng)信號(hào)處理中的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(6):203-205.

    [12]Huang N E,Shen Z,Long S R,etal.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis[J].Proceedings:Mathematical,Physical and Engineering Sciences,1998:903-995.

    [13]Wu Z,Huang N E.Ensemble Empirical Mode Decomposition:A Noise-assisted Data Analysis Method[J].Advances in Adaptive Data Analysis,2009,1(1):1-4.

    [14]Guo W,Peter W T,Djordjevich A.Faulty Bearing Signal Recovery from Large Noise Using a Hybrid Method Based on Spectral Kurtosis and Ensemble Empirical Mode Decomposition[J].Measurement,2012,45(5):1 308-1 322.

    [15]Shumway R H,Stoffer D S.Time Series Analysis and Its Applications:With R Examples[M].New York:Springer Science & Business Media,2010.

    [16]Akaike H.Information Theory and an Extension of the Maximum Likelihood Principle[M].New York:Springer,1998.

    Turbine Fault Trend Prediction that Based on EEMD and ARIMA Models

    Yan Changfeng,Yi Cheng,Wu Lixiao,Wei Yaobing

    (College of Mechno-Electronic Engineering,Lanzhou University of Technology,Lanzhou 730050,China)

    Because of the nonlinearity and non-stationarity of the vibration condition monitoring data of the steam-turbine generator rotor,it has the low accuracy if it takes ordinary time series prediction model to make prediction.This papers analyzes the frequency components of the vibration signal,and integrate the thought of EEMD decomposition stationary processing and ARIMA prediction model to establish a mixed prediction model.Experimental results show that this method can adapt to the data characteristics of vibration condition monitoring,which has reflected the main trends of vibration state.It has higher accuracy and greater range of applications,and its forecast trends has a certain reference value for further analysis of the vibration state.

    EEMD;ARIMA;Trend prediction;Frequency components

    10.16468/j.cnki.issn1004-0366.2016.04.020.

    2015-05-08;

    2015-05-28.

    國(guó)家自然科學(xué)基金項(xiàng)目(51165018).

    剡昌鋒(1974-),男,甘肅平?jīng)鋈?研究員,博士研究生導(dǎo)師,研究方向?yàn)樾D(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)及故障診斷.E-mail:changf_yan@163.com.

    TH133

    A

    1004-0366(2016)04-0100-07

    引用格式:Yan Changfeng,Yi Cheng,Wu Lixiao,etal.Turbine Fault Trend Prediction that Based on EEMD and ARIMA Models[J].Journal of Gansu Sciences,2016,28(4):100-106.[剡昌鋒,易程,吳黎曉,等.基于EEMD和ARIMA模型的汽輪機(jī)故障趨勢(shì)預(yù)測(cè)[J].甘肅科學(xué)學(xué)報(bào),2016,28(4):100-106.]

    猜你喜歡
    監(jiān)測(cè)數(shù)據(jù)分量趨勢(shì)
    趨勢(shì)
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    GSM-R接口監(jiān)測(cè)數(shù)據(jù)精確地理化方法及應(yīng)用
    論《哈姆雷特》中良心的分量
    初秋唇妝趨勢(shì)
    Coco薇(2017年9期)2017-09-07 21:23:49
    分量
    SPINEXPO?2017春夏流行趨勢(shì)
    GPS異常監(jiān)測(cè)數(shù)據(jù)的關(guān)聯(lián)負(fù)選擇分步識(shí)別算法
    基于小波函數(shù)對(duì)GNSS監(jiān)測(cè)數(shù)據(jù)降噪的應(yīng)用研究
    国产精品乱码一区二三区的特点 | 女同久久另类99精品国产91| 亚洲国产欧美网| 中文字幕最新亚洲高清| 操出白浆在线播放| 久久人妻福利社区极品人妻图片| 亚洲精品美女久久久久99蜜臀| 日本精品一区二区三区蜜桃| 91精品三级在线观看| 亚洲人成77777在线视频| av超薄肉色丝袜交足视频| 国产欧美日韩综合在线一区二区| 精品久久久久久成人av| 黑人欧美特级aaaaaa片| 18禁黄网站禁片午夜丰满| 国产色视频综合| 大香蕉久久成人网| 视频在线观看一区二区三区| 久久天躁狠狠躁夜夜2o2o| 人成视频在线观看免费观看| 91av网站免费观看| 久久中文字幕人妻熟女| 叶爱在线成人免费视频播放| 免费女性裸体啪啪无遮挡网站| 18禁美女被吸乳视频| 久久精品人人爽人人爽视色| 久久精品国产亚洲av香蕉五月| 国产高清激情床上av| 欧美日本中文国产一区发布| 亚洲性夜色夜夜综合| 国产伦人伦偷精品视频| 日本撒尿小便嘘嘘汇集6| 男男h啪啪无遮挡| 午夜视频精品福利| 99在线人妻在线中文字幕| 国产精华一区二区三区| 日本三级黄在线观看| 午夜成年电影在线免费观看| 大码成人一级视频| 精品久久久久久成人av| 免费久久久久久久精品成人欧美视频| 欧美丝袜亚洲另类 | 欧美激情 高清一区二区三区| 国产又色又爽无遮挡免费看| av天堂在线播放| 嫩草影视91久久| 女人高潮潮喷娇喘18禁视频| 欧美激情久久久久久爽电影 | 国产黄a三级三级三级人| 久久精品国产亚洲av香蕉五月| 一区福利在线观看| av在线播放免费不卡| 国产免费av片在线观看野外av| 一区二区日韩欧美中文字幕| 91成人精品电影| 精品一品国产午夜福利视频| www.999成人在线观看| 一个人免费在线观看的高清视频| 免费女性裸体啪啪无遮挡网站| 免费搜索国产男女视频| 男人操女人黄网站| 久久久久国产一级毛片高清牌| 成人18禁高潮啪啪吃奶动态图| 国内久久婷婷六月综合欲色啪| 天堂影院成人在线观看| 精品第一国产精品| 久久久久久亚洲精品国产蜜桃av| 久久久久精品国产欧美久久久| 国产成人av激情在线播放| 怎么达到女性高潮| netflix在线观看网站| 9191精品国产免费久久| 精品久久久精品久久久| 黑人巨大精品欧美一区二区mp4| 婷婷精品国产亚洲av在线| 黄色女人牲交| or卡值多少钱| 亚洲国产精品成人综合色| 天天添夜夜摸| 精品国产乱码久久久久久男人| 国产亚洲av嫩草精品影院| 无人区码免费观看不卡| 国产高清视频在线播放一区| 久久精品91蜜桃| 18禁观看日本| 亚洲欧美日韩无卡精品| 黄色女人牲交| 成在线人永久免费视频| 夜夜爽天天搞| 这个男人来自地球电影免费观看| 在线观看免费午夜福利视频| 久久热在线av| 亚洲精品中文字幕在线视频| 老汉色av国产亚洲站长工具| 久9热在线精品视频| 久久热在线av| 一级黄色大片毛片| 国产精品久久久久久亚洲av鲁大| 久久久久亚洲av毛片大全| 久久国产乱子伦精品免费另类| 婷婷六月久久综合丁香| 叶爱在线成人免费视频播放| 欧美色视频一区免费| 欧美成人免费av一区二区三区| 99精品在免费线老司机午夜| 国产99久久九九免费精品| 中文字幕av电影在线播放| 9热在线视频观看99| 日韩免费av在线播放| 精品人妻在线不人妻| 国产一区二区激情短视频| 91成年电影在线观看| av有码第一页| 18禁国产床啪视频网站| 精品国产美女av久久久久小说| 国产一区二区在线av高清观看| 少妇裸体淫交视频免费看高清 | 国产精品二区激情视频| 91麻豆精品激情在线观看国产| 男女床上黄色一级片免费看| av网站免费在线观看视频| 久久香蕉激情| 欧美中文综合在线视频| 成人永久免费在线观看视频| 变态另类成人亚洲欧美熟女 | 桃红色精品国产亚洲av| 国产成人av教育| 三级毛片av免费| 成熟少妇高潮喷水视频| 成人18禁在线播放| 久久人妻av系列| 欧美绝顶高潮抽搐喷水| 亚洲欧美激情在线| 亚洲伊人色综图| 欧美日本中文国产一区发布| 国产成人精品在线电影| 国产精品久久视频播放| 女警被强在线播放| 91国产中文字幕| av片东京热男人的天堂| 亚洲精品国产色婷婷电影| 精品国内亚洲2022精品成人| 激情在线观看视频在线高清| 韩国精品一区二区三区| 国产免费av片在线观看野外av| 精品国产乱码久久久久久男人| 在线观看日韩欧美| 日本三级黄在线观看| 韩国av一区二区三区四区| 一边摸一边抽搐一进一出视频| 涩涩av久久男人的天堂| 国产一区二区激情短视频| 国产亚洲av嫩草精品影院| 两个人看的免费小视频| 老司机深夜福利视频在线观看| 亚洲成人久久性| 亚洲第一av免费看| 女生性感内裤真人,穿戴方法视频| www.www免费av| 美女扒开内裤让男人捅视频| 国产成+人综合+亚洲专区| 午夜精品国产一区二区电影| 免费看美女性在线毛片视频| 正在播放国产对白刺激| 日韩精品青青久久久久久| 国产av精品麻豆| 欧美色欧美亚洲另类二区 | 亚洲 国产 在线| 无遮挡黄片免费观看| 99热只有精品国产| videosex国产| 俄罗斯特黄特色一大片| 香蕉国产在线看| 午夜精品在线福利| 狂野欧美激情性xxxx| 中文字幕久久专区| 妹子高潮喷水视频| 日韩欧美一区视频在线观看| 香蕉丝袜av| 亚洲人成电影观看| √禁漫天堂资源中文www| 久久热在线av| 久久精品亚洲精品国产色婷小说| 国产欧美日韩一区二区三区在线| 人人妻人人爽人人添夜夜欢视频| 日本a在线网址| 国产精品自产拍在线观看55亚洲| 这个男人来自地球电影免费观看| 色av中文字幕| 亚洲精品av麻豆狂野| 久久 成人 亚洲| 国产成人欧美| 午夜福利,免费看| 久久香蕉激情| svipshipincom国产片| 男男h啪啪无遮挡| 一边摸一边做爽爽视频免费| 91字幕亚洲| 亚洲中文av在线| 大香蕉久久成人网| xxx96com| 777久久人妻少妇嫩草av网站| 亚洲美女黄片视频| 免费观看人在逋| 很黄的视频免费| 国产在线精品亚洲第一网站| 午夜日韩欧美国产| 久久精品91蜜桃| 午夜免费观看网址| 午夜福利在线观看吧| 国产av一区在线观看免费| 亚洲五月色婷婷综合| 黄色女人牲交| 亚洲五月婷婷丁香| 成人免费观看视频高清| 日韩视频一区二区在线观看| 黄色片一级片一级黄色片| 欧美 亚洲 国产 日韩一| 黄片小视频在线播放| 国产区一区二久久| 999久久久精品免费观看国产| 亚洲九九香蕉| 91老司机精品| 国产精品久久久av美女十八| 久久午夜亚洲精品久久| 久久久久国产精品人妻aⅴ院| 99在线人妻在线中文字幕| 中文字幕色久视频| 一边摸一边抽搐一进一出视频| 男人舔女人下体高潮全视频| 男女之事视频高清在线观看| 夜夜夜夜夜久久久久| 亚洲av片天天在线观看| 日韩欧美国产一区二区入口| 一二三四社区在线视频社区8| 欧美在线一区亚洲| 亚洲欧洲精品一区二区精品久久久| 九色亚洲精品在线播放| 色综合亚洲欧美另类图片| 中国美女看黄片| 欧美国产日韩亚洲一区| 中文字幕高清在线视频| 国产高清视频在线播放一区| 久久久久久久午夜电影| 亚洲欧美激情综合另类| 午夜福利影视在线免费观看| 亚洲av成人不卡在线观看播放网| 免费高清在线观看日韩| 亚洲第一欧美日韩一区二区三区| 欧美日韩瑟瑟在线播放| 午夜a级毛片| 麻豆av在线久日| 国产精品永久免费网站| 少妇 在线观看| av在线播放免费不卡| 亚洲黑人精品在线| 成人亚洲精品av一区二区| 岛国在线观看网站| 久久国产精品男人的天堂亚洲| 亚洲七黄色美女视频| 老司机午夜福利在线观看视频| 黄色毛片三级朝国网站| 久久香蕉精品热| 国产三级黄色录像| 久久影院123| 欧美av亚洲av综合av国产av| 国产极品粉嫩免费观看在线| 夜夜看夜夜爽夜夜摸| 性色av乱码一区二区三区2| 一卡2卡三卡四卡精品乱码亚洲| 一级黄色大片毛片| 国产精品免费一区二区三区在线| 制服诱惑二区| 在线观看舔阴道视频| 午夜福利,免费看| 精品午夜福利视频在线观看一区| 黑人巨大精品欧美一区二区蜜桃| 波多野结衣一区麻豆| 久热爱精品视频在线9| 欧美日韩乱码在线| 色播在线永久视频| 啦啦啦 在线观看视频| 法律面前人人平等表现在哪些方面| 激情视频va一区二区三区| 国产精品日韩av在线免费观看 | 不卡av一区二区三区| www.自偷自拍.com| 亚洲无线在线观看| 操美女的视频在线观看| 久久久久国产精品人妻aⅴ院| 在线永久观看黄色视频| 免费看十八禁软件| 亚洲欧美日韩高清在线视频| 亚洲精品一区av在线观看| 欧美成人性av电影在线观看| 国产日韩一区二区三区精品不卡| 18禁观看日本| cao死你这个sao货| 精品国产乱子伦一区二区三区| 99国产极品粉嫩在线观看| 满18在线观看网站| 精品第一国产精品| av天堂在线播放| 午夜福利在线观看吧| 免费一级毛片在线播放高清视频 | 欧美另类亚洲清纯唯美| 在线观看www视频免费| 一个人免费在线观看的高清视频| 国产精品久久电影中文字幕| 每晚都被弄得嗷嗷叫到高潮| 免费看美女性在线毛片视频| 亚洲天堂国产精品一区在线| 12—13女人毛片做爰片一| 99国产综合亚洲精品| 性欧美人与动物交配| 国产乱人伦免费视频| 黄片小视频在线播放| 在线观看免费午夜福利视频| 精品国产乱子伦一区二区三区| 大型黄色视频在线免费观看| 亚洲人成77777在线视频| av福利片在线| 欧美日本视频| 精品久久久久久,| 满18在线观看网站| 亚洲国产中文字幕在线视频| 国产亚洲精品综合一区在线观看 | 男女做爰动态图高潮gif福利片 | 老鸭窝网址在线观看| 欧美中文综合在线视频| 少妇粗大呻吟视频| 欧美成人性av电影在线观看| 免费观看精品视频网站| 亚洲片人在线观看| 99久久精品国产亚洲精品| 日韩欧美国产在线观看| 国产三级在线视频| 国产91精品成人一区二区三区| 18禁裸乳无遮挡免费网站照片 | 男女之事视频高清在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 每晚都被弄得嗷嗷叫到高潮| 久久久久久久久久久久大奶| 我的亚洲天堂| 午夜福利18| 18禁裸乳无遮挡免费网站照片 | 国产精品野战在线观看| 免费少妇av软件| 91国产中文字幕| 国产精品乱码一区二三区的特点 | 国产亚洲精品综合一区在线观看 | 亚洲中文日韩欧美视频| 免费少妇av软件| 桃红色精品国产亚洲av| 国产亚洲精品综合一区在线观看 | 一卡2卡三卡四卡精品乱码亚洲| 老熟妇仑乱视频hdxx| 18禁美女被吸乳视频| www.熟女人妻精品国产| 自线自在国产av| 欧美成人一区二区免费高清观看 | 色哟哟哟哟哟哟| 国产一区二区在线av高清观看| 色综合欧美亚洲国产小说| 国语自产精品视频在线第100页| 黄片小视频在线播放| 亚洲欧美精品综合久久99| 少妇熟女aⅴ在线视频| 99国产精品免费福利视频| 狂野欧美激情性xxxx| 亚洲中文字幕一区二区三区有码在线看 | 精品久久久久久久人妻蜜臀av | 久久人妻福利社区极品人妻图片| 久久国产精品人妻蜜桃| 一区二区三区高清视频在线| 国产精品 国内视频| 国产伦一二天堂av在线观看| 长腿黑丝高跟| 亚洲第一电影网av| 欧美 亚洲 国产 日韩一| 国产av一区二区精品久久| 欧美成狂野欧美在线观看| 国产熟女xx| 亚洲精品美女久久久久99蜜臀| av片东京热男人的天堂| 女同久久另类99精品国产91| 亚洲av第一区精品v没综合| 久久人妻av系列| 99国产极品粉嫩在线观看| 国产精品 国内视频| 亚洲av片天天在线观看| 国产欧美日韩精品亚洲av| 老司机午夜十八禁免费视频| 久久久久国产精品人妻aⅴ院| 19禁男女啪啪无遮挡网站| 丰满人妻熟妇乱又伦精品不卡| 神马国产精品三级电影在线观看 | 亚洲少妇的诱惑av| 亚洲aⅴ乱码一区二区在线播放 | 在线观看免费日韩欧美大片| 欧美激情久久久久久爽电影 | 91九色精品人成在线观看| 日韩精品免费视频一区二区三区| 欧美乱妇无乱码| 超碰成人久久| 国产一区二区在线av高清观看| 成人亚洲精品av一区二区| 成人国产一区最新在线观看| a级毛片在线看网站| 中文字幕av电影在线播放| 亚洲国产看品久久| 欧美色视频一区免费| 欧美性长视频在线观看| 日本精品一区二区三区蜜桃| 免费在线观看亚洲国产| 一二三四在线观看免费中文在| 天堂√8在线中文| 精品久久蜜臀av无| 激情视频va一区二区三区| 日韩欧美免费精品| 两个人看的免费小视频| 亚洲欧美日韩无卡精品| 99久久国产精品久久久| 国产视频一区二区在线看| 免费看美女性在线毛片视频| 成人18禁在线播放| 国产精品久久久久久亚洲av鲁大| 亚洲人成电影观看| 亚洲最大成人中文| 嫩草影院精品99| 国产精品野战在线观看| 欧美老熟妇乱子伦牲交| 精品欧美一区二区三区在线| 亚洲av成人不卡在线观看播放网| 女同久久另类99精品国产91| 久久久久久久午夜电影| 黄色a级毛片大全视频| 少妇被粗大的猛进出69影院| 操出白浆在线播放| 国产99白浆流出| 欧美成人一区二区免费高清观看 | 欧美 亚洲 国产 日韩一| 国产黄a三级三级三级人| 两个人看的免费小视频| 国产一区在线观看成人免费| 最新在线观看一区二区三区| 亚洲 国产 在线| 大香蕉久久成人网| 亚洲欧美精品综合一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 在线国产一区二区在线| 亚洲精品美女久久av网站| 亚洲avbb在线观看| 日本三级黄在线观看| 国产精品综合久久久久久久免费 | 可以免费在线观看a视频的电影网站| 一区二区三区高清视频在线| 一级片免费观看大全| 亚洲av片天天在线观看| 99精品欧美一区二区三区四区| 人妻久久中文字幕网| 日本五十路高清| av福利片在线| 欧美成人午夜精品| 99国产精品一区二区蜜桃av| 老司机深夜福利视频在线观看| 极品教师在线免费播放| 精品卡一卡二卡四卡免费| 美女高潮到喷水免费观看| 国产1区2区3区精品| 欧美激情极品国产一区二区三区| svipshipincom国产片| 精品国产一区二区三区四区第35| 老司机午夜十八禁免费视频| 午夜视频精品福利| 麻豆国产av国片精品| 老汉色∧v一级毛片| 午夜福利视频1000在线观看 | 日韩av在线大香蕉| 岛国在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 亚洲午夜理论影院| 国产精品av久久久久免费| 日日夜夜操网爽| www.999成人在线观看| 黑人欧美特级aaaaaa片| 日韩欧美一区视频在线观看| 精品欧美一区二区三区在线| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品亚洲av一区麻豆| 国产av在哪里看| 最新在线观看一区二区三区| 97人妻精品一区二区三区麻豆 | 午夜精品久久久久久毛片777| 亚洲精品在线美女| 久久香蕉激情| ponron亚洲| 亚洲人成电影免费在线| 妹子高潮喷水视频| a在线观看视频网站| 又紧又爽又黄一区二区| 国产高清有码在线观看视频 | 国产私拍福利视频在线观看| 老司机福利观看| 亚洲成人精品中文字幕电影| 三级毛片av免费| 日韩免费av在线播放| 黄片大片在线免费观看| 亚洲欧美精品综合一区二区三区| 狠狠狠狠99中文字幕| 精品久久久精品久久久| 视频区欧美日本亚洲| 国产精品野战在线观看| 亚洲久久久国产精品| 丰满人妻熟妇乱又伦精品不卡| 国产精品香港三级国产av潘金莲| 久久草成人影院| 人人妻人人澡欧美一区二区 | 亚洲伊人色综图| 黄色片一级片一级黄色片| 女人被躁到高潮嗷嗷叫费观| 亚洲五月婷婷丁香| 国产亚洲精品久久久久久毛片| a级毛片在线看网站| 午夜激情av网站| av超薄肉色丝袜交足视频| 欧美精品亚洲一区二区| 久久久久久久久久久久大奶| 757午夜福利合集在线观看| 免费人成视频x8x8入口观看| 国产精品国产高清国产av| 欧美成人性av电影在线观看| 亚洲一区中文字幕在线| 两个人视频免费观看高清| 欧美激情久久久久久爽电影 | 亚洲色图av天堂| 色精品久久人妻99蜜桃| 一区二区三区激情视频| 国产欧美日韩一区二区精品| 嫩草影视91久久| 非洲黑人性xxxx精品又粗又长| 99国产极品粉嫩在线观看| 国产成人欧美在线观看| 国产xxxxx性猛交| 亚洲精品国产一区二区精华液| 日韩欧美一区二区三区在线观看| 国产精品一区二区在线不卡| 99国产精品免费福利视频| 国产99久久九九免费精品| 啦啦啦 在线观看视频| 精品卡一卡二卡四卡免费| 一夜夜www| 在线观看免费视频日本深夜| 一区在线观看完整版| 黑人巨大精品欧美一区二区蜜桃| 91麻豆av在线| 欧美老熟妇乱子伦牲交| 中文字幕av电影在线播放| 黄色视频,在线免费观看| 日韩精品中文字幕看吧| 亚洲成av人片免费观看| 伊人久久大香线蕉亚洲五| 日本vs欧美在线观看视频| 成人三级黄色视频| 久久久久精品国产欧美久久久| 久久精品国产亚洲av香蕉五月| 国产精品一区二区免费欧美| 99国产精品免费福利视频| 免费在线观看日本一区| 亚洲无线在线观看| 中文字幕精品免费在线观看视频| 中文字幕另类日韩欧美亚洲嫩草| av电影中文网址| av网站免费在线观看视频| 动漫黄色视频在线观看| 国内精品久久久久久久电影| 无遮挡黄片免费观看| 精品日产1卡2卡| 国产欧美日韩一区二区三| 亚洲欧美日韩高清在线视频| 香蕉丝袜av| 成年版毛片免费区| 欧美成狂野欧美在线观看| 亚洲av成人不卡在线观看播放网| 校园春色视频在线观看| 18禁国产床啪视频网站| 久久 成人 亚洲| 高清黄色对白视频在线免费看| 又紧又爽又黄一区二区| 国产成人av教育| 99re在线观看精品视频| 伦理电影免费视频| 国产精品九九99| 成人精品一区二区免费| 成人免费观看视频高清| 亚洲一区中文字幕在线| 欧美成狂野欧美在线观看| 精品国产超薄肉色丝袜足j| 18禁黄网站禁片午夜丰满| 免费少妇av软件| 成人18禁在线播放| 午夜福利,免费看| 高潮久久久久久久久久久不卡| 国产精品一区二区三区四区久久 | 欧美成人性av电影在线观看| 亚洲人成网站在线播放欧美日韩| 在线观看日韩欧美| 免费少妇av软件| 欧美大码av| 19禁男女啪啪无遮挡网站| 搞女人的毛片| 国产精品久久久久久人妻精品电影| 亚洲国产日韩欧美精品在线观看 | 亚洲情色 制服丝袜| 久久久久久久午夜电影|