• <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 ?

    基于核密度估計(jì)的旋轉(zhuǎn)機(jī)械損傷貝葉斯智能評價(jià)方法*

    2020-07-09 14:08:08趙海心姜孝謨徐勝利宮云慶
    風(fēng)機(jī)技術(shù) 2020年3期
    關(guān)鍵詞:故障方法模型

    趙海心 姜孝謨 徐勝利 林 琳 宮云慶

    (1.大連理工大學(xué);2.沈陽鼓風(fēng)機(jī)集團(tuán)股份有限公司)

    0 引言

    旋轉(zhuǎn)機(jī)械廣泛應(yīng)用于能源、化工、航空航天等諸多領(lǐng)域中。隨著工業(yè)技術(shù)的發(fā)展,旋轉(zhuǎn)機(jī)械日趨大型化、高速化和自動化,但同時帶來了系統(tǒng)復(fù)雜度的增加,也增加了對系統(tǒng)可靠性的要求。旋轉(zhuǎn)機(jī)械運(yùn)行期間經(jīng)常發(fā)生各種故障,導(dǎo)致整個生產(chǎn)非正常停止運(yùn)行,產(chǎn)生巨大經(jīng)濟(jì)損失,嚴(yán)重時甚至?xí)斐砂踩鹿屎腿藛T傷亡[1-3]。因此,對旋轉(zhuǎn)機(jī)械進(jìn)行早期故障識別,對于避免重大事故,提高生產(chǎn)率和減少維修時間都具有重大現(xiàn)實(shí)意義[4-5]。

    對傳統(tǒng)旋轉(zhuǎn)機(jī)械進(jìn)行故障診斷的方法有解析模型方法[6]、專家系統(tǒng)方法[7]、人工智能方法[7-11]等。解析模型方法能夠從機(jī)理上直接解釋故障,但解析模型相對簡單,難以用于復(fù)雜工程系統(tǒng)。專家系統(tǒng)利用了現(xiàn)有的知識和經(jīng)驗(yàn)進(jìn)行故障識別,但專家系統(tǒng)構(gòu)建十分困難,需要復(fù)雜艱深的知識和長期積累的經(jīng)驗(yàn),構(gòu)建好的專家系統(tǒng)也缺乏靈活性和可移植性。人工智能方法通過提取數(shù)據(jù)中的特征信息實(shí)現(xiàn)故障檢測,更適用于目前工程系統(tǒng)中復(fù)雜的大量數(shù)據(jù)。在人工智能方法中,無故障模型方法是一種常用的技術(shù)[12-13]。通過健康數(shù)據(jù)訓(xùn)練得到系統(tǒng)識別模型,用來預(yù)測健康狀況下系統(tǒng)的響應(yīng)。通過比較實(shí)測數(shù)據(jù)與模型預(yù)測值,比如評估兩組數(shù)的殘差,來判斷系統(tǒng)的健康狀況。這種方法不需要系統(tǒng)的歷史故障信息,同時殘差代表系統(tǒng)實(shí)際性能相比正常性能的偏差,具有明確的物理意義,在故障識別中表現(xiàn)出了良好的效果[14]。

    基于系統(tǒng)實(shí)際測量和預(yù)測響應(yīng)之間殘差的故障識別方法,通常還需要一個損傷評估準(zhǔn)則和量化指標(biāo)來評價(jià)系統(tǒng)的健康狀態(tài)。傳統(tǒng)方法經(jīng)常使用相對均方根誤差進(jìn)行評價(jià)[15]。通過反復(fù)試驗(yàn)獲得預(yù)先設(shè)定的評估閾值,當(dāng)相對均方根誤差超過預(yù)先設(shè)定的閾值時,系統(tǒng)被判斷已經(jīng)發(fā)生損傷。然而,反復(fù)試驗(yàn)花費(fèi)高,并且試驗(yàn)存在隨機(jī)誤差和錯誤,造成數(shù)據(jù)的不完整性和不確定性,影響閾值的精度。Mahadevan等人[16]開發(fā)了基于貝葉斯假設(shè)檢驗(yàn)的模型驗(yàn)證方法,利用測量數(shù)據(jù),驗(yàn)證了貝葉斯方法能夠有效解決模型驗(yàn)證中數(shù)據(jù)的不確定性。針對模型預(yù)測和傳感器數(shù)據(jù)的不確定性,Jiang[17]提出了一種基于貝葉斯假設(shè)檢驗(yàn)的結(jié)構(gòu)損傷定量評估方法。這種基于貝葉斯推斷的方法能夠處理數(shù)據(jù)不確定性問題。但這種方法依賴于殘差數(shù)據(jù)的正態(tài)分布假設(shè),要求模型健康狀況殘差數(shù)據(jù)應(yīng)符合0均值的正態(tài)分布,由于數(shù)據(jù)不確定性的存在,實(shí)際工程很難完全滿足這一點(diǎn),使基于正態(tài)分布假設(shè)貝葉斯方法的故障識別產(chǎn)生誤報(bào)和錯報(bào)。

    針對這一問題,本文提出了一種基于核密度估計(jì)的貝葉斯假設(shè)檢驗(yàn)方法。通過核密度估計(jì)得到實(shí)際數(shù)據(jù)和預(yù)測輸出的殘差分布,根據(jù)得到的分布,導(dǎo)出了貝葉斯因子的顯式表達(dá)式。該方法不需要對數(shù)據(jù)進(jìn)行任何分布假設(shè),因此適用于不同的應(yīng)用場景。

    本文的其余結(jié)構(gòu)如下:第1節(jié)簡要介紹了系統(tǒng)識別模型、正態(tài)假設(shè)的貝葉斯評估算法和核密度估計(jì)方法;第2節(jié)介紹了基于長短期記憶網(wǎng)絡(luò)(LSTM,Long Short-Term Memory)的系統(tǒng)識別模型;第3節(jié)詳細(xì)推導(dǎo)了基于核密度估計(jì)的貝葉斯因子評估表達(dá)式;第4節(jié)給出了整體算法流程;第5節(jié)使用實(shí)際壓縮機(jī)運(yùn)行數(shù)據(jù)驗(yàn)證了方法的有效性;最后給出了結(jié)論。

    1 基本方法介紹

    傳統(tǒng)的貝葉斯故障識別方法[17]包括三部分,1)使用無故障系統(tǒng)運(yùn)行的健康數(shù)據(jù),訓(xùn)練得到系統(tǒng)識別模型,2)使用系統(tǒng)識別模型,預(yù)測系統(tǒng)在未知健康狀態(tài)下的響應(yīng),3)將實(shí)測數(shù)據(jù)與模型預(yù)測的殘差當(dāng)作系統(tǒng)或構(gòu)件故障的主要特征,使用基于正態(tài)分布假設(shè)的貝葉斯因子方法獲得系統(tǒng)或構(gòu)件的健康置信度。代替正態(tài)分布假設(shè),本文發(fā)展核密度估計(jì)方法來得到殘差數(shù)據(jù)的實(shí)際分布,使貝葉斯故障識別方法具有更好的普適性。本節(jié)將介紹LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型、基于正態(tài)假設(shè)的貝葉斯因子故障評價(jià)方法和核密度方法。

    1.1 LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型

    LSTM[18]是循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN,Recurrent Neural Network)[19]的一種變體結(jié)構(gòu)。RNN是模擬時序數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型,由輸入層、循環(huán)層和輸出層組成。RNN最突出的特點(diǎn)是當(dāng)前時刻的預(yù)測值不僅由本時刻輸入數(shù)據(jù)決定,同時受之前時刻輸入數(shù)據(jù)影響,展現(xiàn)出了動態(tài)時序行為,因此能夠有效應(yīng)用于時間序列預(yù)測問題。但RNN方法存在梯度消失問題,當(dāng)前時刻預(yù)測值主要由近期時刻數(shù)據(jù)決定,遠(yuǎn)端數(shù)據(jù)影響很小。這樣,無法利用遠(yuǎn)端時刻數(shù)據(jù)對模型參數(shù)進(jìn)行修正,影響了預(yù)測的精度。為解決這一問題,研究者在RNN基礎(chǔ)上,發(fā)展了LSTM方法。

    LSTM在RNN的基礎(chǔ)上增加了3個邏輯控制單元:輸入門、遺忘門和輸出門。通過門單元的邏輯控制,決定數(shù)據(jù)是否應(yīng)該用來更新模型或被丟棄,克服了RNN梯度消失的缺點(diǎn),體現(xiàn)出了更高的預(yù)測精度[20]。數(shù)學(xué)上,LSTM模型由以下幾部分組成:

    遺忘門:

    輸入門:

    神經(jīng)單元:

    輸出門:

    最終輸出:其中,Wf,Wi,Wc,Wo和bf,bi,bc,bo分別是各個門待訓(xùn)練的權(quán)函數(shù)和偏置;σ是sigmoid激活函數(shù);ht是當(dāng)前時刻的輸出;ct是LSTM中的內(nèi)置單元狀態(tài)參數(shù)。從公式(3)中可以發(fā)現(xiàn),LSTM將當(dāng)前時刻的單元狀態(tài)~ct和上一時刻的長期的記憶ct-1組合在一起,形成了新的單元狀態(tài)ct,基于ct得到本時刻預(yù)測輸出ht。通過遺忘門(公式1)和輸入門(公式2),單元ct可以自由選擇保存或丟棄當(dāng)前時刻和久遠(yuǎn)時刻信息,而不是由時間距離長短決定影響程度大小,這樣,導(dǎo)致的LSTM方法具有更高的預(yù)測精度。

    1.2 基于正態(tài)分布假設(shè)的貝葉斯因子評估方法

    假設(shè)ya={y1,a,y2,a…yn,a}和yb={y1,b,y2,b…yn,b}代表n個從時間序列a(預(yù)測模型數(shù)據(jù))和b(所研究的系統(tǒng)或構(gòu)件實(shí)測反應(yīng)數(shù)據(jù))獲得的時序數(shù)據(jù)。令代表預(yù)測模型和實(shí)測數(shù)據(jù)的殘差序列,其中ei=yi,a-yi,b,i=(1,2…n)是序列的差值。假設(shè)H0:a=b代表所研究的系統(tǒng)或構(gòu)件健康,H1:a≠b代表所研究的系統(tǒng)或構(gòu)件有故障。健康狀況H0的置信度可以定義為Pr(H0|data),即實(shí)際殘差序列data下的健康概率?;谪惾~斯公式[21]可得:

    則:

    其中Pr(H0)和Pr(H1)代表了H0和H1的先驗(yàn)概率,一般從統(tǒng)計(jì)規(guī)律或工程經(jīng)驗(yàn)中獲得。設(shè)Pr(H0)=π0,Pr(H1)=π1,注意到有π1=1-π0,Pr(H1|data)=1-Pr(H0|data),將其帶入公式(7)中可得:

    其中,B01被稱為貝葉斯因子似然比;λ就是待求的系統(tǒng)健康狀況置信度;可以用似然比B01的函數(shù)表示。因此,求解置信度λ可變?yōu)榍蠼馑迫槐菳01的問題。通常情況下,如果B01>1,所研究的系統(tǒng)或構(gòu)件被認(rèn)為是健康的。否則被認(rèn)為是有故障的。為了獲得B01,需要計(jì)算Pr(data|H0)和Pr(data|H1),即在系統(tǒng)健康和有故障兩種情況下殘差數(shù)據(jù)data出現(xiàn)的概率。

    為了對這兩個概率進(jìn)行求解,貝葉斯推斷引入了正態(tài)分布假設(shè)[17]:在系統(tǒng)或構(gòu)件健康狀態(tài)下,殘差數(shù)據(jù)應(yīng)符合0均值正態(tài)分布,即data~N(0,σ2)。否則, 殘差數(shù)據(jù)會符合非零均值正態(tài)分布,即data~N(u,σ2),其中u是一個非零數(shù),σ2是殘差數(shù)據(jù)的方差。則Pr(data|H0)可以表示為:

    其中,Pr(ei|0)代表N(0,σ2)分布中出現(xiàn)ei的概率,即N(0,σ2)概率密度函數(shù)中ei處的值。而Pr(data|H1)可以表示為:

    其中:

    f(u|H1)代表了故障情況下u的分布概率函數(shù)。傳

    統(tǒng)方法認(rèn)為u~N(0,σ2)。則B01可以表示為:

    1.3 核密度估計(jì)方法

    核密度估計(jì)(Kernel Density Estimation)[21]是一種非參數(shù)估計(jì)方法,用于擬合數(shù)據(jù)的分布密度函數(shù),無需對分布類型進(jìn)行任何假設(shè)。核密度估計(jì)表示如下:

    其中,n是待估計(jì)點(diǎn)的個數(shù);h是核密度函數(shù)的帶寬參數(shù);K(·)是核函數(shù)。常用的核函數(shù)有均勻函數(shù)、三角函數(shù)和高斯函數(shù)。均勻核和三角核都是分段函數(shù),而高斯核是連續(xù)函數(shù),連續(xù)函數(shù)使得數(shù)據(jù)分布的擬合更加平滑。因此,在本文的核密度估計(jì)中,采用高斯函數(shù)作為核函數(shù),表達(dá)式如下所示:

    核密度估計(jì)將每個待測點(diǎn)的出現(xiàn)位置看成一個分布,局部核函數(shù)K(x)代表其概率密度分布,K(x)在點(diǎn)實(shí)際出現(xiàn)位置概率最高。全局分布密度函數(shù)可視為所有待測點(diǎn)局部核函數(shù)的疊加,如圖1所示。

    圖1 核密度估計(jì)原理Fig.1 Principle of kernel density estimation

    帶寬h也是影響分布擬合效果的重要參數(shù)。理論上,當(dāng)h趨于零時,它接近于數(shù)據(jù)的真實(shí)分布。但是,h值太小會導(dǎo)致分布函數(shù)不夠光滑。本文通過最小化數(shù)據(jù)和擬合曲線之間的平均積分平方誤差(MISE)[22]來確定帶寬h的值。

    2 LSTM預(yù)測模型構(gòu)建

    本研究發(fā)展一個雙層深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)LSTM模型用于預(yù)測系統(tǒng)反應(yīng)。如圖2所示,模型的隱藏層采用LSTM細(xì)胞和Dropout搭建雙層循環(huán)神經(jīng)網(wǎng)絡(luò)。隱藏層的每個LSTM層后面增加一個Dropout層,這樣在前向傳播時,可以讓神經(jīng)元的激活值以指定的概率停止工作,從而增強(qiáng)模型的泛化性,防止過擬合。LSTM神經(jīng)網(wǎng)絡(luò)模塊的層數(shù)越多,其學(xué)習(xí)能力越強(qiáng),但是層數(shù)過多又會造成網(wǎng)絡(luò)訓(xùn)練難以收斂,因此,本研究發(fā)展一個2層LSTM網(wǎng)絡(luò)模型進(jìn)行系統(tǒng)反應(yīng)預(yù)測。輸出層使用全連接層(Dense)對結(jié)果進(jìn)行降維,并經(jīng)過激活函數(shù)層(Activation)得出預(yù)測結(jié)果。損失函數(shù)選用均方誤差,網(wǎng)絡(luò)訓(xùn)練采用Adam優(yōu)化算法[23]。

    圖2 預(yù)測模型結(jié)構(gòu)Fig.2 The structure of prediction model

    3 基于核密度估計(jì)的貝葉斯因子評估方法

    由公式(9)可知,為了計(jì)算似然比B01,需要計(jì)算條件分布可能值Pr(data|H0)和Pr(data|H1)。本節(jié)介紹基于核密度估計(jì)的Pr(data|H0)和Pr(data|H1)計(jì)算方法,并給出最終似然比B01表達(dá)式。

    3.1 健康狀態(tài)下殘差數(shù)據(jù)出現(xiàn)概率Pr(data|H0)

    根據(jù)公式(10),Pr(data|H0)可以表示為:

    其中Pr(ei|H0)代表系統(tǒng)或構(gòu)件在健康狀態(tài)下差值ei的出現(xiàn)概率,可以表示為:

    其中,fH0(ei)代表了系統(tǒng)或構(gòu)件在健康狀況下殘差數(shù)據(jù)概率密度函數(shù)中ei處的值。概率密度函數(shù)可以通過核密度方法訓(xùn)練健康數(shù)據(jù)的殘差獲得。假設(shè)健康數(shù)據(jù)殘差為ex=(ex1,ex2,...exn),根據(jù)公式(14)和(15),基于健康殘差數(shù)據(jù)獲得的分布概率密度函數(shù)為:

    帶入式(16)中可得:

    其中,h是通過最小化MISE方法[22]獲得的帶寬;ei是待測殘差數(shù)據(jù);xj是用于訓(xùn)練分布所用的健康殘差數(shù)據(jù)。

    3.2 故障狀態(tài)下殘差數(shù)據(jù)出現(xiàn)概率Pr(data|H1)

    與Pr(data|H0)類似,Pr(data|H1)可表示為:

    其中,Pr(ei|H1)代表故障狀態(tài)下ei的出現(xiàn)概率:

    其中,fH1(·)概率密度函數(shù),表示故障狀態(tài)下數(shù)據(jù)出現(xiàn)位置的分布概率密度。在本研究中,我們參考傳統(tǒng)方法[17]的故障假設(shè):故障狀態(tài)數(shù)據(jù)分布與健康狀態(tài)分布方差相同,故障只導(dǎo)致均值不一樣。下面我們推導(dǎo)核密度估計(jì)的均值和方差表達(dá)式,確定故障狀態(tài)數(shù)據(jù)分布的具體表示方法。

    核密度估計(jì)分布的均值表達(dá)式如下:

    其中,f(ex)是公式(13)中核密度估計(jì)得到的分布概率密度函數(shù)。經(jīng)過推導(dǎo),可以得到:

    核密度估計(jì)得到的分布均值和所有訓(xùn)練點(diǎn)的均值相同。

    同理可以給出核密度估計(jì)分布的方差表達(dá)式:

    推導(dǎo)可得:

    則新的均值和方差為:

    其中f(?|H1)是偏離均值?在故障狀態(tài)下的分布概率密度。似然比B01可表示為:

    4 算法流程圖

    整個算法的流程如圖3所示,我們將健康數(shù)據(jù)分為兩部分,一部分?jǐn)?shù)據(jù)用來訓(xùn)練預(yù)測模型,然后使用預(yù)測模型對另一部分?jǐn)?shù)據(jù)進(jìn)行預(yù)測,得到健康狀態(tài)下的殘差數(shù)據(jù)。使用預(yù)測模型對系統(tǒng)狀態(tài)不知的實(shí)測數(shù)據(jù)進(jìn)行預(yù)測,得到實(shí)測的殘差數(shù)據(jù)。使用核密度估計(jì)方法訓(xùn)練健康狀態(tài)殘差數(shù)據(jù)得到健康殘差分布。使用健康殘差分布構(gòu)建基于實(shí)際健康數(shù)據(jù)分布的貝葉斯估計(jì)方法。將實(shí)際殘差數(shù)據(jù)代入貝葉斯方法得到系統(tǒng)目前的健康概率。

    圖3 算法流程Fig.3 Algorithm flow

    5 算例驗(yàn)證

    5.1 數(shù)據(jù)介紹

    使用一組從轉(zhuǎn)速5 556r/min的實(shí)際運(yùn)行離心壓縮機(jī)收集的數(shù)據(jù),通過比較研究,對所發(fā)展的新方法進(jìn)行效果驗(yàn)證。由于壓縮機(jī)一個葉片斷裂,導(dǎo)致該壓縮機(jī)非正常停運(yùn)。這算例使用壓縮機(jī)失效前的數(shù)據(jù)來進(jìn)行顯示新方法的有效性。壓縮機(jī)的傳感器測點(diǎn)位置如圖4所示,包含11個變量(兩個軸承溫度變量),測點(diǎn)之間間隔為1h。為比較算例驗(yàn)證效果,分別選擇了早期健康運(yùn)行時段1 600個點(diǎn)和故障開始發(fā)生時段400個點(diǎn)。其中50%的健康數(shù)據(jù)用于預(yù)測模型構(gòu)建,25%的健康數(shù)據(jù)用于核密度估計(jì)訓(xùn)練分布函數(shù),25%健康數(shù)據(jù)和所有故障數(shù)據(jù)用于故障狀態(tài)識別。

    圖4 傳感器位置與類型Fig.4 Position type of sensors

    5.2 預(yù)測模型構(gòu)建

    預(yù)測模型的輸入數(shù)據(jù)為除軸振動外10個變量的時間序列數(shù)據(jù),輸出為軸振動數(shù)據(jù),即使用進(jìn)口壓力、出口壓力等性能預(yù)測當(dāng)前時刻軸振動。使用軸徑向振動偏差信息作為故障的主要描述特征。訓(xùn)練前對10個變量數(shù)據(jù)分別進(jìn)行歸一化,將數(shù)據(jù)線性映射至0-Pr(H1|data)Pr(data)=Pr(data|H1)Pr(H1)1范圍內(nèi)。圖5顯示了算例的預(yù)測模型,以第一層LSTM的輸入為例,圖中(None,10,1)代表了輸入的維度,None表示網(wǎng)絡(luò)可輸入任意個數(shù)的樣本,(10,1)代表了每個輸入樣本是一個10×1的向量。

    圖5 算例預(yù)測模型Fig.5 Prediction model of example

    5.3 方法比較

    5.3.1 健康狀態(tài)

    使用健康數(shù)據(jù),本節(jié)比較了提出的基于核密度估計(jì)分布和傳統(tǒng)基于正態(tài)假設(shè)的貝葉斯評估方法。貝葉斯方法需要指定壓縮機(jī)的先驗(yàn)健康概率,本文將先驗(yàn)概率設(shè)為π0=50%。采用試錯法,選擇固定寬度L=100的滑動窗口,根據(jù)窗口中的數(shù)據(jù),使用公式(8)計(jì)算壓縮機(jī)的健康概率。寬度L需要保持一定長度,如果L太小,待評估的數(shù)據(jù)過少,評估過于敏感。經(jīng)過反復(fù)試驗(yàn),我們得到L=100是區(qū)分健康和故障狀態(tài)的合適值。滑動窗口每次移動一個測點(diǎn)來進(jìn)行重復(fù)計(jì)算。圖6是健康數(shù)據(jù)下兩種方法的置信度比較,藍(lán)色實(shí)線是核密度估計(jì)健康概率,紅色虛線是傳統(tǒng)方法健康概率。

    圖6 健康數(shù)據(jù)下兩種方法置信度比較Fig.6 Comparison of confidence between two methods in health data

    可以看出,本文提出方法置信度曲線局部存在一些波動,但整體健康概率均大于50%,說明新方法判斷當(dāng)時壓縮機(jī)處于健康狀態(tài),波動是數(shù)據(jù)的不確定性導(dǎo)致的。傳統(tǒng)方法波動程度更高,特別是對部分波動比較大的點(diǎn),健康概率小于50%,產(chǎn)生故障報(bào)警。實(shí)際上該數(shù)據(jù)下壓縮機(jī)處于健康狀態(tài),新方法判斷更為準(zhǔn)確。

    圖7是預(yù)測模型的預(yù)測數(shù)據(jù)和實(shí)際數(shù)據(jù)的對比,實(shí)線代表預(yù)測模型,點(diǎn)劃線代表實(shí)測數(shù)據(jù),圖像顯示模型預(yù)測結(jié)果跟實(shí)際數(shù)據(jù)的趨勢十分吻合。圖8是預(yù)測模型和實(shí)測數(shù)據(jù)殘差的分布直方圖??梢钥闯?,即使對于健康數(shù)據(jù),其殘差同樣不符合0均值的正態(tài)分布,出現(xiàn)了均值偏離。偏離可能是由于預(yù)測模型和外界環(huán)境的不確定性導(dǎo)致的。

    圖7 健康狀況下預(yù)測模型和實(shí)測數(shù)據(jù)對比Fig.7 Comparison between prediction model and measured data under health condition

    圖8 待測健康殘差數(shù)據(jù)分布直方圖Fig.8 Distribution histogram of residual in health data

    圖9是用作核密度估計(jì)訓(xùn)練數(shù)據(jù)的分布直方圖,可以看出,訓(xùn)練數(shù)據(jù)同樣出現(xiàn)均值偏離,且偏離方向與待測健康數(shù)據(jù)一致,數(shù)據(jù)分布十分相似。核密度估計(jì)通過訓(xùn)練實(shí)際健康數(shù)據(jù)得到了這種偏離分布,并將其識別為健康狀態(tài);傳統(tǒng)方法使用0均值正態(tài)假設(shè),將這種均值偏離識別為故障狀態(tài),在偏離較大的部分產(chǎn)生報(bào)警,這是兩種算法結(jié)果差別的主要原因。本文提出的基于核密度的貝葉斯故障評估算法誤報(bào)率更低,適合復(fù)雜實(shí)際工程問題。

    圖9 核密度訓(xùn)練用殘差數(shù)據(jù)分布直方圖Fig.9 Histogram of residual data distribution for kernel density training

    5.3.2 故障數(shù)據(jù)

    使用故障開始發(fā)生時的數(shù)據(jù)對比兩種方法對故障的識別效果。所有模型設(shè)置與5.3.1節(jié)中相同。圖10是比較結(jié)果,藍(lán)色實(shí)線是本文方法的置信度曲線,紅色虛線是傳統(tǒng)方法的置信度曲線。

    圖10 健康數(shù)據(jù)下兩種方法置信度對比Fig.10 Comparison of confidence between two methods in fault data

    可以看出,在故障開始階段,兩種方法置信度呈一直下降趨勢,最終下降到0%,說明兩種方法均判斷壓縮機(jī)處于故障狀態(tài)。

    圖11是預(yù)測模型的預(yù)測數(shù)據(jù)和實(shí)際數(shù)據(jù)的對比,實(shí)線代表預(yù)測模型,點(diǎn)劃線代表實(shí)測數(shù)據(jù)。

    圖11 故障狀態(tài)預(yù)測模型和實(shí)測數(shù)據(jù)對比Fig.11 Comparison between predicted model and measured data in fault state

    圖12是殘差數(shù)據(jù)的分布直方圖。可以看出,故障數(shù)據(jù)殘差均值出現(xiàn)明顯偏離,且其分布相對健康數(shù)據(jù)的偏離方向不同,分布具有較大差別。傳統(tǒng)方法將均值偏離識別為故障狀態(tài),核密度方法將兩種殘差數(shù)據(jù)的分布差別識別為故障狀態(tài),兩種方法使用不同的方法確定故障狀態(tài),因此其置信度下降曲線存在區(qū)別。但兩者均可以很好的完成對故障狀態(tài)的識別。

    圖12 待測故障殘差數(shù)據(jù)分布直方圖Fig.12 Distribution histogram of residual error of fault data

    6 結(jié)論

    本文發(fā)展了一個長短記憶神經(jīng)元深度學(xué)習(xí)模型,預(yù)測旋轉(zhuǎn)機(jī)械實(shí)際運(yùn)行參數(shù),并提出了一種基于核密度估計(jì)和假設(shè)檢驗(yàn)的貝葉斯評估方法,可用于定量評估旋轉(zhuǎn)機(jī)械的健康狀況。傳統(tǒng)的貝葉斯似然比通常是從正態(tài)分布假設(shè)中顯式推導(dǎo)出來的,未能考慮到實(shí)際工程中不確定性帶來的影響。本文從貝葉斯假設(shè)檢驗(yàn)和核密度估計(jì)方法出發(fā),在不考慮數(shù)據(jù)分布的前提下,推導(dǎo)了似然比。使用實(shí)際的壓縮機(jī)運(yùn)行數(shù)據(jù),通過比較研究,對算法進(jìn)行了定量評估。兩個結(jié)果如下:

    1)對于健康狀態(tài),該方法能夠有效識別出健康數(shù)據(jù)的分布,識別精度優(yōu)于傳統(tǒng)方法,可有效降低誤報(bào)率。

    2)對于故障狀態(tài),兩種方法均可以對故障進(jìn)行有效識別。

    目前所提出的方法僅限于單維數(shù)據(jù)的置信度估計(jì),筆者將把提出的新方法擴(kuò)展到多變量情況,并進(jìn)一步討論算法中各個參數(shù)對旋轉(zhuǎn)機(jī)械損傷識別效果的影響。

    猜你喜歡
    故障方法模型
    一半模型
    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
    故障一點(diǎn)通
    可能是方法不對
    3D打印中的模型分割與打包
    奔馳R320車ABS、ESP故障燈異常點(diǎn)亮
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚
    桃红色精品国产亚洲av| 日韩高清综合在线| 99在线视频只有这里精品首页| 婷婷丁香在线五月| 在线十欧美十亚洲十日本专区| 天天躁夜夜躁狠狠躁躁| 琪琪午夜伦伦电影理论片6080| 18禁裸乳无遮挡免费网站照片| 成人亚洲精品av一区二区| 亚洲国产欧美网| ponron亚洲| 亚洲熟妇中文字幕五十中出| 亚洲精品久久国产高清桃花| 国产又黄又爽又无遮挡在线| 精品国产超薄肉色丝袜足j| 美女午夜性视频免费| 久久人妻福利社区极品人妻图片| 国产单亲对白刺激| 亚洲av片天天在线观看| 色在线成人网| 一个人免费在线观看电影 | 亚洲免费av在线视频| 日日夜夜操网爽| 亚洲 欧美 日韩 在线 免费| 免费电影在线观看免费观看| 亚洲色图 男人天堂 中文字幕| 国产又黄又爽又无遮挡在线| 欧美日韩黄片免| 亚洲成人国产一区在线观看| 最近在线观看免费完整版| 最近最新中文字幕大全电影3| 午夜激情av网站| 美女午夜性视频免费| 一夜夜www| 成人国语在线视频| 曰老女人黄片| 国产91精品成人一区二区三区| 久久久久久久精品吃奶| 伦理电影免费视频| 亚洲精品在线美女| 亚洲中文av在线| 操出白浆在线播放| 国产亚洲精品一区二区www| 日本免费一区二区三区高清不卡| 中文字幕熟女人妻在线| 国产v大片淫在线免费观看| 国产伦在线观看视频一区| 婷婷精品国产亚洲av在线| 亚洲无线在线观看| 国内精品久久久久久久电影| 天天一区二区日本电影三级| 久久婷婷人人爽人人干人人爱| 母亲3免费完整高清在线观看| 色av中文字幕| 熟女电影av网| 国产私拍福利视频在线观看| 99热只有精品国产| or卡值多少钱| 精品无人区乱码1区二区| 亚洲国产欧美网| 日本五十路高清| 国产精品爽爽va在线观看网站| 美女 人体艺术 gogo| 真人做人爱边吃奶动态| 此物有八面人人有两片| 亚洲七黄色美女视频| 老司机午夜福利在线观看视频| 老司机深夜福利视频在线观看| 丁香欧美五月| 久久精品成人免费网站| 国产激情欧美一区二区| 好男人电影高清在线观看| 露出奶头的视频| x7x7x7水蜜桃| 亚洲午夜精品一区,二区,三区| 美女午夜性视频免费| 啪啪无遮挡十八禁网站| 91老司机精品| 国产精品久久久久久亚洲av鲁大| 亚洲欧美一区二区三区黑人| 午夜久久久久精精品| 黑人巨大精品欧美一区二区mp4| 久久精品国产清高在天天线| 99精品久久久久人妻精品| 中文字幕久久专区| 变态另类成人亚洲欧美熟女| 成年版毛片免费区| 欧美丝袜亚洲另类 | 婷婷精品国产亚洲av在线| 草草在线视频免费看| 国产精品久久久久久精品电影| 天堂动漫精品| 欧美日韩乱码在线| 母亲3免费完整高清在线观看| 精品欧美国产一区二区三| aaaaa片日本免费| 精品久久久久久成人av| 一级毛片女人18水好多| 女人爽到高潮嗷嗷叫在线视频| 精品不卡国产一区二区三区| 两个人的视频大全免费| 国产精品久久久av美女十八| 深夜精品福利| 国内毛片毛片毛片毛片毛片| 男插女下体视频免费在线播放| 成人国语在线视频| 黑人欧美特级aaaaaa片| 亚洲欧美日韩东京热| 熟妇人妻久久中文字幕3abv| 男人的好看免费观看在线视频 | 真人做人爱边吃奶动态| 欧美绝顶高潮抽搐喷水| 动漫黄色视频在线观看| 美女大奶头视频| 亚洲av成人av| 69av精品久久久久久| 午夜精品久久久久久毛片777| 美女扒开内裤让男人捅视频| 人妻丰满熟妇av一区二区三区| 久久久久国产精品人妻aⅴ院| 麻豆久久精品国产亚洲av| 成人三级黄色视频| 欧美性猛交黑人性爽| 亚洲五月婷婷丁香| 午夜成年电影在线免费观看| 一进一出抽搐gif免费好疼| 精品久久久久久久毛片微露脸| 国产97色在线日韩免费| 国产精品国产高清国产av| 欧美又色又爽又黄视频| 久久婷婷人人爽人人干人人爱| 国产黄色小视频在线观看| 欧美成人免费av一区二区三区| av免费在线观看网站| 精品国产美女av久久久久小说| 男人的好看免费观看在线视频 | 女生性感内裤真人,穿戴方法视频| aaaaa片日本免费| 国内精品一区二区在线观看| 久久久水蜜桃国产精品网| 两人在一起打扑克的视频| 日韩精品中文字幕看吧| 国产精品九九99| 首页视频小说图片口味搜索| 国产精品98久久久久久宅男小说| 久久精品影院6| 久久久久性生活片| 婷婷亚洲欧美| 亚洲国产欧美人成| 日本在线视频免费播放| 日本免费一区二区三区高清不卡| 国产成人精品久久二区二区91| 99热这里只有精品一区 | 日韩精品青青久久久久久| 91av网站免费观看| 中文字幕最新亚洲高清| 2021天堂中文幕一二区在线观| 免费搜索国产男女视频| 国产成人精品久久二区二区免费| 色综合亚洲欧美另类图片| 精品熟女少妇八av免费久了| 精品福利观看| 国产精品九九99| 久久久久国产一级毛片高清牌| 国产精品99久久99久久久不卡| 男女床上黄色一级片免费看| 亚洲第一欧美日韩一区二区三区| 999久久久精品免费观看国产| 淫秽高清视频在线观看| 亚洲第一电影网av| 少妇粗大呻吟视频| 日日干狠狠操夜夜爽| 91大片在线观看| 波多野结衣高清无吗| 免费看美女性在线毛片视频| 国产人伦9x9x在线观看| 婷婷精品国产亚洲av在线| 夜夜爽天天搞| 久久精品国产综合久久久| 亚洲美女视频黄频| 国产区一区二久久| 国产一级毛片七仙女欲春2| 欧美性猛交╳xxx乱大交人| 国产久久久一区二区三区| 99久久精品国产亚洲精品| 国内精品一区二区在线观看| 色综合站精品国产| 成人18禁高潮啪啪吃奶动态图| 午夜福利在线在线| 免费看十八禁软件| 国产午夜精品论理片| 在线永久观看黄色视频| 国产麻豆成人av免费视频| 成人国产综合亚洲| 欧美性猛交╳xxx乱大交人| 亚洲第一电影网av| 此物有八面人人有两片| 成年人黄色毛片网站| 又黄又粗又硬又大视频| 女生性感内裤真人,穿戴方法视频| 老司机福利观看| 我的老师免费观看完整版| 男女之事视频高清在线观看| 亚洲精品av麻豆狂野| 午夜福利欧美成人| 很黄的视频免费| 久久国产精品影院| 亚洲人成77777在线视频| 国产精品永久免费网站| 国产精品影院久久| 久久久国产成人免费| 欧美激情久久久久久爽电影| 中文字幕熟女人妻在线| 亚洲欧洲精品一区二区精品久久久| 波多野结衣高清无吗| 1024视频免费在线观看| 亚洲午夜理论影院| 亚洲成人国产一区在线观看| 婷婷丁香在线五月| av中文乱码字幕在线| 免费看十八禁软件| 国产精品国产高清国产av| 亚洲精品国产精品久久久不卡| 欧美另类亚洲清纯唯美| 国产三级在线视频| bbb黄色大片| 国产精品98久久久久久宅男小说| 美女高潮喷水抽搐中文字幕| 一夜夜www| 久久天堂一区二区三区四区| 男女之事视频高清在线观看| 蜜桃久久精品国产亚洲av| 国产精品1区2区在线观看.| 中文字幕人成人乱码亚洲影| 一个人免费在线观看的高清视频| 国内精品久久久久久久电影| 久久久久久久久中文| 国内少妇人妻偷人精品xxx网站 | 国产精品久久久av美女十八| 黄色视频,在线免费观看| av片东京热男人的天堂| 韩国av一区二区三区四区| 免费看a级黄色片| 欧美性猛交╳xxx乱大交人| 国产69精品久久久久777片 | 婷婷精品国产亚洲av| 婷婷六月久久综合丁香| 母亲3免费完整高清在线观看| 级片在线观看| 妹子高潮喷水视频| 亚洲精品美女久久久久99蜜臀| 欧美人与性动交α欧美精品济南到| 人人妻人人看人人澡| 一进一出好大好爽视频| 亚洲av电影不卡..在线观看| 久久人人精品亚洲av| 真人一进一出gif抽搐免费| 国产精品国产高清国产av| 91成年电影在线观看| 两个人看的免费小视频| 他把我摸到了高潮在线观看| 女人被狂操c到高潮| 一进一出抽搐gif免费好疼| 麻豆av在线久日| 一本综合久久免费| 天天添夜夜摸| 亚洲av中文字字幕乱码综合| 深夜精品福利| 国产又黄又爽又无遮挡在线| 国产精品久久久久久精品电影| 性欧美人与动物交配| 国内少妇人妻偷人精品xxx网站 | 黄色毛片三级朝国网站| www.999成人在线观看| 熟女少妇亚洲综合色aaa.| 国产男靠女视频免费网站| 真人一进一出gif抽搐免费| 黄色成人免费大全| 亚洲国产精品成人综合色| 亚洲av成人一区二区三| 深夜精品福利| 黑人欧美特级aaaaaa片| 免费电影在线观看免费观看| 亚洲欧洲精品一区二区精品久久久| 成人三级黄色视频| 国产成人欧美在线观看| 午夜影院日韩av| 成人av在线播放网站| 午夜两性在线视频| 18禁裸乳无遮挡免费网站照片| 欧美日韩瑟瑟在线播放| 亚洲av第一区精品v没综合| 人人妻人人看人人澡| 亚洲精品美女久久久久99蜜臀| 国产精品永久免费网站| 男女做爰动态图高潮gif福利片| e午夜精品久久久久久久| 一区二区三区高清视频在线| 黄片大片在线免费观看| 精品少妇一区二区三区视频日本电影| 亚洲黑人精品在线| 成年版毛片免费区| 久久亚洲真实| 日韩国内少妇激情av| 亚洲av日韩精品久久久久久密| 99热这里只有是精品50| 国产成年人精品一区二区| 国产久久久一区二区三区| 亚洲成人中文字幕在线播放| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 黄色片一级片一级黄色片| 欧美日韩黄片免| 99riav亚洲国产免费| 手机成人av网站| 制服丝袜大香蕉在线| 色综合婷婷激情| 黄色视频不卡| 国产精品野战在线观看| 国产亚洲欧美在线一区二区| 高潮久久久久久久久久久不卡| 亚洲片人在线观看| 黄色片一级片一级黄色片| 国产精品电影一区二区三区| 免费在线观看亚洲国产| 国产伦在线观看视频一区| 亚洲国产看品久久| 九色成人免费人妻av| 一本一本综合久久| 日韩欧美在线乱码| 亚洲片人在线观看| 99精品久久久久人妻精品| 99国产精品一区二区三区| 黄片小视频在线播放| 国产欧美日韩一区二区精品| 超碰成人久久| 国产精品免费一区二区三区在线| 99热6这里只有精品| 白带黄色成豆腐渣| 免费高清视频大片| 国产69精品久久久久777片 | 国产精品1区2区在线观看.| 国产高清激情床上av| 禁无遮挡网站| 人人妻人人看人人澡| 久久亚洲精品不卡| 午夜免费激情av| 亚洲国产欧美网| 两个人免费观看高清视频| 别揉我奶头~嗯~啊~动态视频| 两性午夜刺激爽爽歪歪视频在线观看 | 不卡一级毛片| 国产伦人伦偷精品视频| 久久久久精品国产欧美久久久| 伊人久久大香线蕉亚洲五| 亚洲aⅴ乱码一区二区在线播放 | 亚洲熟妇熟女久久| 校园春色视频在线观看| 18禁观看日本| 日韩大码丰满熟妇| 香蕉久久夜色| 亚洲性夜色夜夜综合| 国产成人精品久久二区二区免费| 极品教师在线免费播放| 亚洲自偷自拍图片 自拍| 欧美日韩亚洲综合一区二区三区_| 搡老熟女国产l中国老女人| 舔av片在线| 欧美日本视频| 黄频高清免费视频| 老司机在亚洲福利影院| 日韩大码丰满熟妇| 三级国产精品欧美在线观看 | 夜夜躁狠狠躁天天躁| 国产成年人精品一区二区| 99热这里只有是精品50| 麻豆国产97在线/欧美 | 亚洲精品粉嫩美女一区| 久久久久久久久中文| or卡值多少钱| 不卡av一区二区三区| 精品国产乱码久久久久久男人| 国产午夜精品论理片| 日本免费a在线| 超碰成人久久| av超薄肉色丝袜交足视频| 变态另类成人亚洲欧美熟女| 亚洲成av人片免费观看| 国产高清视频在线播放一区| 午夜老司机福利片| 色在线成人网| 欧美中文综合在线视频| 国产精品,欧美在线| 亚洲av成人精品一区久久| 国产精品一区二区三区四区久久| 精品国产乱子伦一区二区三区| 哪里可以看免费的av片| 波多野结衣巨乳人妻| 91成年电影在线观看| 中文资源天堂在线| 亚洲av熟女| 亚洲av五月六月丁香网| 男人的好看免费观看在线视频 | a级毛片a级免费在线| 国产午夜精品久久久久久| 精品欧美一区二区三区在线| 每晚都被弄得嗷嗷叫到高潮| 国产精品精品国产色婷婷| 国产久久久一区二区三区| 国产高清视频在线播放一区| 欧美zozozo另类| 精品久久久久久久人妻蜜臀av| 国产精品久久久久久精品电影| 又爽又黄无遮挡网站| 久久久久久人人人人人| 夜夜爽天天搞| 欧美日本视频| 五月玫瑰六月丁香| 亚洲男人的天堂狠狠| 国产av在哪里看| 1024手机看黄色片| 亚洲专区国产一区二区| 久久中文字幕一级| 免费观看精品视频网站| 国产精品久久久人人做人人爽| 夜夜夜夜夜久久久久| 国产精品综合久久久久久久免费| 1024视频免费在线观看| 国产精品乱码一区二三区的特点| 91成年电影在线观看| 免费观看精品视频网站| 久久中文看片网| 亚洲精品国产一区二区精华液| 少妇被粗大的猛进出69影院| 中文字幕久久专区| 亚洲男人天堂网一区| 亚洲男人的天堂狠狠| 中文字幕最新亚洲高清| 国产伦一二天堂av在线观看| 国产精品,欧美在线| 国产高清videossex| 欧美又色又爽又黄视频| 在线观看免费午夜福利视频| 日本黄大片高清| 毛片女人毛片| 亚洲成人免费电影在线观看| 99riav亚洲国产免费| 女同久久另类99精品国产91| 母亲3免费完整高清在线观看| 亚洲最大成人中文| 成人一区二区视频在线观看| 97碰自拍视频| 老司机福利观看| 香蕉av资源在线| 啦啦啦韩国在线观看视频| a级毛片a级免费在线| 国产精品乱码一区二三区的特点| 国产成人影院久久av| 日韩欧美 国产精品| 国产视频内射| 亚洲美女视频黄频| 啦啦啦韩国在线观看视频| 听说在线观看完整版免费高清| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲免费av在线视频| 国产真人三级小视频在线观看| 亚洲欧洲精品一区二区精品久久久| 老汉色av国产亚洲站长工具| 国产成+人综合+亚洲专区| 男女视频在线观看网站免费 | 欧美丝袜亚洲另类 | 亚洲五月天丁香| 妹子高潮喷水视频| e午夜精品久久久久久久| 日本 av在线| 亚洲在线自拍视频| 叶爱在线成人免费视频播放| av免费在线观看网站| 久久久国产成人免费| 村上凉子中文字幕在线| 天堂影院成人在线观看| a级毛片a级免费在线| 婷婷亚洲欧美| 麻豆国产av国片精品| 男女午夜视频在线观看| 级片在线观看| 国产一区二区在线av高清观看| 怎么达到女性高潮| 美女高潮喷水抽搐中文字幕| xxx96com| 久久久久久久久久黄片| 观看免费一级毛片| 一区福利在线观看| 天堂影院成人在线观看| 五月玫瑰六月丁香| 亚洲av中文字字幕乱码综合| 一个人免费在线观看的高清视频| 国产伦一二天堂av在线观看| 亚洲aⅴ乱码一区二区在线播放 | 久久精品国产亚洲av高清一级| 国产熟女xx| 国产亚洲欧美在线一区二区| 亚洲人与动物交配视频| 亚洲 欧美 日韩 在线 免费| 给我免费播放毛片高清在线观看| 欧美日韩黄片免| 免费在线观看黄色视频的| 国产精品久久久久久亚洲av鲁大| 两人在一起打扑克的视频| 在线视频色国产色| 中出人妻视频一区二区| av在线播放免费不卡| www.熟女人妻精品国产| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 淫秽高清视频在线观看| 一本综合久久免费| 最近最新中文字幕大全免费视频| 欧美不卡视频在线免费观看 | 久久精品91蜜桃| 国产欧美日韩一区二区精品| 国产一区二区三区视频了| 麻豆成人午夜福利视频| 亚洲专区中文字幕在线| 国产区一区二久久| 国产又色又爽无遮挡免费看| 在线播放国产精品三级| 亚洲av美国av| 亚洲欧美日韩高清在线视频| 欧美日韩中文字幕国产精品一区二区三区| 亚洲中文日韩欧美视频| 丝袜美腿诱惑在线| 曰老女人黄片| 午夜免费激情av| 91字幕亚洲| 可以免费在线观看a视频的电影网站| 婷婷六月久久综合丁香| 久久国产精品人妻蜜桃| 国产午夜精品久久久久久| 国产午夜精品论理片| 老鸭窝网址在线观看| av福利片在线观看| 两性夫妻黄色片| 伊人久久大香线蕉亚洲五| e午夜精品久久久久久久| 国产又色又爽无遮挡免费看| √禁漫天堂资源中文www| 色噜噜av男人的天堂激情| 欧美久久黑人一区二区| 黄色视频不卡| 好看av亚洲va欧美ⅴa在| 成人午夜高清在线视频| 麻豆成人av在线观看| 1024手机看黄色片| 国产野战对白在线观看| 午夜成年电影在线免费观看| 色综合亚洲欧美另类图片| 天堂影院成人在线观看| 男女床上黄色一级片免费看| 黄色毛片三级朝国网站| 我要搜黄色片| 中文字幕av在线有码专区| 日韩欧美免费精品| 免费无遮挡裸体视频| 日韩高清综合在线| 国产精品综合久久久久久久免费| 亚洲人成伊人成综合网2020| 一级a爱片免费观看的视频| 黄色丝袜av网址大全| 亚洲精品色激情综合| 亚洲国产欧美网| 毛片女人毛片| 国产午夜福利久久久久久| 狂野欧美白嫩少妇大欣赏| 在线视频色国产色| svipshipincom国产片| 久久久久久久久久黄片| 国产精品电影一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 搡老熟女国产l中国老女人| 欧美zozozo另类| 黄色成人免费大全| 午夜精品在线福利| 好男人电影高清在线观看| 国产成人欧美在线观看| 丰满的人妻完整版| 可以在线观看毛片的网站| 午夜亚洲福利在线播放| 又紧又爽又黄一区二区| 欧美人与性动交α欧美精品济南到| 婷婷精品国产亚洲av在线| 成熟少妇高潮喷水视频| 亚洲精品色激情综合| 女人爽到高潮嗷嗷叫在线视频| 啪啪无遮挡十八禁网站| 国产午夜福利久久久久久| 非洲黑人性xxxx精品又粗又长| 国产av在哪里看| 99热这里只有精品一区 | 身体一侧抽搐| 在线看三级毛片| 国产免费av片在线观看野外av| 人妻丰满熟妇av一区二区三区| 俄罗斯特黄特色一大片| 国产黄片美女视频| 亚洲色图 男人天堂 中文字幕| 亚洲乱码一区二区免费版| 国内久久婷婷六月综合欲色啪| 亚洲熟妇熟女久久| 欧美日韩瑟瑟在线播放| 亚洲成av人片免费观看| 久久久久久人人人人人| 中出人妻视频一区二区| 岛国视频午夜一区免费看| 色综合婷婷激情|