• <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 ?

    基于核凸非負(fù)矩陣分解算法的故障檢測方法

    2022-07-12 14:21:56祝朋艷徐進(jìn)學(xué)張學(xué)磊
    關(guān)鍵詞:局部矩陣樣本

    祝朋艷 徐進(jìn)學(xué) 張學(xué)磊

    (大連海事大學(xué)船舶電氣工程學(xué)院 遼寧 大連 116026)

    Graph regularization constraints

    0 引 言

    隨著工業(yè)生產(chǎn)過程控制系統(tǒng)內(nèi)部聯(lián)系越來越緊密,局部故障的發(fā)生往往影響整體的生產(chǎn),造成較大的經(jīng)濟(jì)損失。而大量傳感器以及智能儀器可隨時得到大量反映生產(chǎn)過程運(yùn)行狀態(tài)的數(shù)據(jù),通過分析采樣數(shù)據(jù)的特征信息,可尋找到適當(dāng)?shù)墓收蠙z測方法。采樣數(shù)據(jù)一般具有高維、非高斯分布和非線性的特點(diǎn)。故障檢測主要包括降維和挖掘數(shù)據(jù)兩部分內(nèi)容。對非線性數(shù)據(jù)來說,從高維空間中尋找一個更容易學(xué)習(xí)的低維嵌入不再是一種簡單的線性函數(shù)映射。核變換方法通過核變換將具有非線性結(jié)構(gòu)的數(shù)據(jù)投影到一個核空間,在此空間中復(fù)雜的非線性數(shù)據(jù)可以實(shí)現(xiàn)線性化表示,從而進(jìn)行降維[1],代表方法有核主成分分析(Kernel Principal Component Analysis,KPCA)[2]和核Fisher判別分析(Kernel Fisher Discrimination Analysis,KFDA)[3]。另外,故障檢測領(lǐng)域中常用到的主元分析法(Principal Component Analysis,PCA)[4]、偏最小二乘法(Partial least-squares,PLS)[5]和獨(dú)立主元分析法(Independent Components Analysis,ICA)[6]等多元統(tǒng)計(jì)方法可用于提取數(shù)據(jù)特征,其中ICA要求比較嚴(yán)苛不太適用于復(fù)雜的工業(yè)過程數(shù)據(jù)的處理。KPCA是核化后的PCA,能夠?qū)Ψ蔷€性數(shù)據(jù)進(jìn)行維數(shù)約簡,同時捕獲數(shù)據(jù)集的全局信息得以保留大部分的樣本特征,從而成為故障檢測領(lǐng)域中一種常用的多元統(tǒng)計(jì)方法。而實(shí)際過程中無論是描述一組數(shù)據(jù)集還是一幅圖像,都要選取其重要的局部特征加以分析,這些局部特征往往使得整個識別分析過程具有可解釋性,增加識別準(zhǔn)確率。非負(fù)矩陣分解法(Non-negative matrix factorization,NMF)具有降維和提取局部特征的優(yōu)點(diǎn)??紤]到原始數(shù)據(jù)不一定滿足非負(fù)的限制條件,多種NMF算法的變體應(yīng)運(yùn)而生,主要包括半非負(fù)矩陣分解法(Semi-NMF,SNMF)[7]、凸非負(fù)矩陣分解法(Convex-NMF,CNMF)[8]和凸包非負(fù)矩陣分解法(Convex-Hull NMF,CHNMF)[9]等。其中CHNMF選取數(shù)據(jù)集流形結(jié)構(gòu)的極端點(diǎn)作為局部特征,使其不再受矩陣非負(fù)的條件約束,放寬了傳統(tǒng)NMF算法的應(yīng)用范圍。另外,在局部信息的提取過程中,一般希望能夠盡量保持?jǐn)?shù)據(jù)固有的幾何結(jié)構(gòu)不發(fā)生改變,即數(shù)據(jù)集的大部分信息不隨矩陣分解過程而丟失。流行學(xué)習(xí)方法[10]廣泛應(yīng)用于故障檢測領(lǐng)域,研究表明基于譜圖理論的非線性流行學(xué)習(xí)方法[11]可以保持?jǐn)?shù)據(jù)變換過程中局部近鄰結(jié)構(gòu)不發(fā)生改變。

    通過分析核主元分析法(KPCA)與凸包非負(fù)矩陣分解方法的優(yōu)勢所在,本文提出了核凸非負(fù)矩陣分解(KCNMF)算法,并測試了其有效性。該方法首先將原始采樣數(shù)據(jù)通過高斯核函數(shù)在高維空間中近似重構(gòu)形成新的樣本矩陣,并利用PCA對重構(gòu)數(shù)據(jù)進(jìn)行白化處理。然后利用凸包非負(fù)矩陣分解算法對白化處理后的數(shù)據(jù)矩陣進(jìn)行分解,找到能表示數(shù)據(jù)集群整體信息的局部特征,而圖正則化約束項(xiàng)則保證整個分解過程中數(shù)據(jù)分布的幾何結(jié)構(gòu)不發(fā)生改變。最后利用分解得到的基矩陣建立N2和SPE統(tǒng)計(jì)量,求得控制限,在與控制限數(shù)值的對比中完成對測試數(shù)據(jù)的故障檢測。

    1 核主元分析法

    1.1 核主元分析法簡介

    假設(shè)有一樣本矩陣Xm×n,有m個變量,而且每個變量有n個觀測值。本文選取z-score標(biāo)準(zhǔn)化方法對數(shù)據(jù)進(jìn)行無量綱處理。對序列x1,x2,…,xn進(jìn)行變換:

    (1)

    原始輸入空間中標(biāo)準(zhǔn)化后的樣本xk經(jīng)非線性映射Φ:Rm→F,在高維特征空間F中重構(gòu)表示為φ(xk)∈F。那么在空間F中φ(xk)的協(xié)方差矩陣為:

    (2)

    進(jìn)一步在特征空間中執(zhí)行PCA:

    SFp=λsp

    (3)

    式中:λ為特征值;p是與λ相對應(yīng)的特征向量。將特征值按以下順序排列λ1≥λ2≥…≥λn,取前d個特征值對應(yīng)的特征向量作為PCA的主元方向。結(jié)合式(2)和式(3)得到:

    (4)

    在式(3)兩邊左乘映射向量φ(xk),形式如下:

    〈φ(xk),SFp〉=λ〈φ(xk),p〉

    (5)

    聯(lián)合式(4)和式(5),化簡得到:

    K2α=λsnKα

    (6)

    式中:K為核矩陣,(K)ij=k(xi,xj)=〈φ(xi),φ(xj)〉。

    Kα=λkα

    (7)

    式中:λk=nλs。式(7)特征值分解運(yùn)算后得到矩陣K的特征值λk,且進(jìn)行降序排列λk1≥λk2≥…≥λkd,用下式選擇前q個最大特征值所對應(yīng)的特征向量α1,α2,…,αq:

    (8)

    由此可計(jì)算特征空間中的特征向量P而得到主元方向。

    1.2 特征空間數(shù)據(jù)白化

    (9)

    (10)

    則白化后的樣本矩陣為:

    (11)

    2 算法設(shè)計(jì)

    非負(fù)矩陣分解(Non-negative matrix factorization,NMF)算法用于提取數(shù)據(jù)中“有意義的”部分變量,描述了數(shù)據(jù)集的局部特征。非負(fù)性要求使得該算法所關(guān)注的部分變量只會經(jīng)過加運(yùn)算去重構(gòu)原始樣本矩陣,特征之間不存在正負(fù)抵消的情況。用局部表現(xiàn)整體,分解過程簡潔高效,分解結(jié)果具有可解釋性是NMF算法的優(yōu)點(diǎn)所在。

    2.1 非負(fù)矩陣分解算法

    設(shè)非負(fù)觀測數(shù)據(jù)矩陣V∈Rm×n,其中行向量表示樣本變量,列向量表示每個變量所包含的樣本。NMF方法對非負(fù)觀測數(shù)據(jù)V分解形式如下:

    V=WHT+E

    (12)

    式中:W∈Rm×p表示基矩陣;H∈Rn×p稱作系數(shù)矩陣;E∈Rm×n表示殘差;參數(shù)p為近似描述分解之后的低維空間的維度。一般地,p

    NMF方法的求解是一個NP(Non-Deterministic Polynomial)問題,現(xiàn)有的方法都是將其歸結(jié)為一個約束優(yōu)化問題。最基本的優(yōu)化函數(shù)為Lee等[13]提出的基于歐氏距離(F-范數(shù))和廣義Kullback-Leibler散度的優(yōu)化模型。本文使用歐氏距離來度量矩陣V和兩個分解因子W和H分解前后的誤差大小:

    (13)

    s.t.W≥0,H≥0

    對于W和H的求解遵循乘性更新法則,最終迭代形式如下[13]:

    (14)

    (15)

    式(14)和式(15)在整個迭代過程中能夠保證目標(biāo)函數(shù)非增。目標(biāo)函數(shù)達(dá)到收斂狀態(tài)時,W和H便不再發(fā)生變化。

    2.2 凸包非負(fù)矩陣分解算法

    NMF算法提取數(shù)據(jù)局部特征,面對不完整的數(shù)據(jù)或者遇到局部噪聲過大的情況,也不會對描述其他元素產(chǎn)生較大的影響,具有良好的穩(wěn)定性和魯棒性。其中,CNMF算法將原始的NMF算法從一個非凸問題改成凸問題,避免求解優(yōu)化函數(shù)時得到局部最小值。不同于傳統(tǒng)的NMF算法,CNMF并不需要損失部分?jǐn)?shù)據(jù)信息。在凸非負(fù)矩陣分解算法中對基矩陣進(jìn)行約束,使得基矩陣的列向量是某些原始數(shù)據(jù)點(diǎn)的加權(quán)求和,W表示有意義的“集群中心體”,具體表現(xiàn)形式為:

    (16)

    則得到:

    V=WHT+E=VGHT+E

    (17)

    凸包非負(fù)矩陣(Convex-Hull NMF,CHNMF)是CNMF框架中的一種,將CNMF的基矩陣W限制為凸包頂點(diǎn)集合Y。首先,CHNMF的局部特征由數(shù)據(jù)云團(tuán)凸包頂點(diǎn)構(gòu)成,頂點(diǎn)數(shù)總是少于數(shù)據(jù)集中數(shù)據(jù)的總個數(shù),適用于大型數(shù)據(jù)集的分解。其次,很多研究中選取樣本數(shù)據(jù)聚類中心為局部特征,聚類中心作為聚類樣本均值往往代表著某類樣本的一般屬性。當(dāng)正常樣本與故障樣本基本屬性差別較大、中心位置距離較遠(yuǎn)時,聚類中心可作為檢測的主要依據(jù);反之,中心數(shù)據(jù)點(diǎn)作為局部特征具有較低的區(qū)分度,就需要獲取更多的數(shù)據(jù)信息。CHNMF選取數(shù)據(jù)集流形結(jié)構(gòu)的極端點(diǎn)(凸包頂點(diǎn))作為局部特征,將聚類中心之外的邊緣數(shù)據(jù)中蘊(yùn)含的有效信息也考慮進(jìn)去,進(jìn)一步捕捉樣本邊緣特征,比較完整的系統(tǒng)信息有助于提高故障檢測的準(zhǔn)確率。最后,因?yàn)闊o須考慮聚類中心位置,CHNMF中W初始值設(shè)定不會對最終結(jié)果產(chǎn)生較大的影響。

    令Y=VG,Y∈Rm×k表示V的凸包頂點(diǎn)的集合。通過在凸包上找到k個合適的數(shù)據(jù)點(diǎn)來求解下面優(yōu)化函數(shù)的最小值:

    (18)

    s.t.yi∈v(V)i=1,2,…,k

    若數(shù)據(jù)集過大,則凸包計(jì)算變得困難。對數(shù)據(jù)進(jìn)行二次降維,用數(shù)據(jù)低維映射后的凸包頂點(diǎn)來代替原空間中的凸包頂點(diǎn)[8]。實(shí)質(zhì)上,V中包含有限多的點(diǎn)在空間中形成一個多面體,由下面多面體定理可以得知,數(shù)據(jù)線性低維投影的凸包上的任何數(shù)據(jù)點(diǎn)也位于原始數(shù)據(jù)的凸包上。

    多面體定理:在仿射映射π:x→Mx+t下的多面體P的每一幅圖像都是多面體[14]。

    FastMap映射[15]可以將樣本矩陣線性投影到二維空間中得到新的樣本矩陣S∈Rm×r,在二維空間中我們選擇其中k個凸包頂點(diǎn)得到基矩陣Y。凸包頂點(diǎn)是特征數(shù)據(jù)點(diǎn),而每一個特征數(shù)據(jù)點(diǎn)是所有數(shù)據(jù)點(diǎn)的一個凸組合,所以離特征數(shù)據(jù)點(diǎn)距離越近的點(diǎn)對特征點(diǎn)構(gòu)成的影響就越大,對應(yīng)著參數(shù)矩陣G∈Rr×k中的數(shù)值就會越大[16]。

    V=YHT+E≈SGHT+E

    (19)

    式中:H∈Rn×k為系數(shù)矩陣。

    優(yōu)化算法的目標(biāo)函數(shù)是:

    (20)

    s.t.G≥0,H≥0

    迭代更新規(guī)則如下[9]:

    (21)

    (22)

    式中:S是由數(shù)據(jù)V進(jìn)行FastMap投影后的數(shù)據(jù)集合。(STV)+=(|STV|+STV)/2,(STV)-=(|STV|-STV)/2,(STS)+=(|STS|+STS)/2,(STS)-=(|STS|-STS)/2分別表示數(shù)據(jù)矩陣的正數(shù)部分和負(fù)數(shù)部分。

    2.3 圖的基本理論

    將數(shù)據(jù)矩陣中的xi看作是圖中的一個頂點(diǎn),用G=(V,E)表示圖,V={v1,v2,…,vn}是圖的頂點(diǎn)集合,E={e1,e2,…,em}表示圖中邊的集合[17]。而兩點(diǎn)之間的權(quán)重wij構(gòu)成圖的帶權(quán)鄰接矩陣W=(wij),i,j=1,2,…,n,由于G是無向圖,令wij=wji。其中頂點(diǎn)vi∈V的度可以定義為:di=∑wij,度矩陣D是對角元素分別為度d1,d2,…,dn組成的對角矩陣。圖的構(gòu)建有幾種不同的形式,本文選擇全連通圖的構(gòu)建形式,頂點(diǎn)vi和vj之間的邊的權(quán)重值由高斯相似度函數(shù)來計(jì)算得到:

    (23)

    式中:參數(shù)σ控制相鄰關(guān)系的寬度。由式(23)可知:當(dāng)兩數(shù)據(jù)點(diǎn)之間具有較近的物理距離時,二者之間的相似度較大,邊的權(quán)重值越大;反之,權(quán)重值越小。圖拉普拉斯矩陣L=D-W可用于表示包含度和邊的權(quán)重值等必要元素的圖。

    數(shù)據(jù)映射之后,在新的基底下的數(shù)據(jù)表示形式為fk(xi)=hik。此時,數(shù)據(jù)點(diǎn)之間的近似程度計(jì)算如下[11]:

    (24)

    由式(24)可以看出,原來距離較近的兩個數(shù)據(jù)點(diǎn)在新的基底下同樣能夠保持較近的距離和較大的相似度。

    3 核凸非負(fù)矩陣分解的故障檢測方法

    本節(jié)提出一種基于核凸非負(fù)矩陣分解算法(KCNMF)的故障檢測方法,主要用于解決非線性數(shù)據(jù)降維和樣本矩陣局部特征提取的問題。

    3.1 在KPCA空間進(jìn)行凸包非負(fù)矩陣分解

    非負(fù)觀測數(shù)據(jù)矩陣V∈Rm×n,其中行向量表示樣本變量,列向量表示每個變量所包含的樣本。對樣本矩陣X進(jìn)行白化處理得到KPCA空間中的樣本矩陣Z,對Z進(jìn)行CHNMF分解得到KCNMF模型的表達(dá)式如下:

    Z=SGHT+E

    (25)

    式中:Z∈Rq×n為白化后的樣本矩陣;S∈Rq×r為FastMap映射降維后的樣本矩陣;G∈Rr×k為參數(shù)矩陣;H∈Rn×k表示系數(shù)矩陣;E∈Rq×n表示殘差矩陣。

    采用歐氏距離用于度量矩陣分解前后的近似程度,目標(biāo)函數(shù)優(yōu)化過程中增加流形正則化約束。非負(fù)矩陣分解算法希望提取出的基矩陣能夠更好地近似于原數(shù)據(jù)矩陣。如果基向量能夠反映數(shù)據(jù)本身固有的黎曼結(jié)構(gòu)而不是歐幾里得結(jié)構(gòu),數(shù)據(jù)的關(guān)鍵信息就可以通過幾何結(jié)構(gòu)的局部不變性得以保留下來。如果兩個數(shù)據(jù)點(diǎn)zi和zj在數(shù)據(jù)分布的固有幾何形狀上相近,那么新的基底下的數(shù)據(jù)hi和hj也應(yīng)該是相接近的[18]。結(jié)合式(24)和式(25)得到目標(biāo)函數(shù)具體形式如下所示:

    (26)

    式中:λ是常系數(shù)。

    保持H不變,按下式更新G+:

    (27)

    保持G不變,按下式更新H+:

    (28)

    3.2 故障檢測統(tǒng)計(jì)量

    N2=hTh=zT(SG)(SG)Tz=zTSGGTSTz

    (29)

    而SPE統(tǒng)計(jì)量主要用來反映樣本在殘差空間中的投影變化,它表明數(shù)據(jù)樣本與核凸非負(fù)矩陣分解模型的偏離程度,用偏差設(shè)定檢測閾值也是一種重要的方法。

    (30)

    確定N2和SPE統(tǒng)計(jì)量之后,還需進(jìn)一步求得監(jiān)測統(tǒng)計(jì)量的控制限來判定樣本是否處于故障狀態(tài)。實(shí)際采樣數(shù)據(jù)大多具有非高斯的特點(diǎn),所以N2和SPE統(tǒng)計(jì)量的控制限就不能通過特定分布方法來確定,否則會造成較大的偏差。作為一種非參數(shù)估計(jì)方法,核密度估計(jì)法(KDE)[19]可用來估計(jì)過程數(shù)據(jù)的概率密度并提取數(shù)據(jù)分布信息,且不需要已知數(shù)據(jù)的先驗(yàn)知識和數(shù)據(jù)分布。具體形式如下:

    (31)

    最后累積分布函數(shù)(CDF)用于計(jì)算N2和SPE統(tǒng)計(jì)量的控制限。

    (32)

    由此,在對測試數(shù)據(jù)進(jìn)行狀態(tài)分析時,如果新數(shù)據(jù)統(tǒng)計(jì)量處于控制限范圍內(nèi)可判定其屬于正常狀態(tài),如果高于控制限則為故障狀態(tài)。

    3.3 基于核凸非負(fù)矩陣分解算法的故障檢測過程

    實(shí)際工業(yè)生產(chǎn)過程是一個非線性系統(tǒng),但是在某個工作點(diǎn)采樣得到的過程數(shù)據(jù)可以近似成線性樣本,假設(shè)生產(chǎn)過程是擬平穩(wěn)過程。利用正常操作下的歷史數(shù)據(jù)構(gòu)建離線模型得到N2和SPE的故障檢測閾值,新采樣得到的在線數(shù)據(jù)根據(jù)在線檢測流程計(jì)算得到新的N2和SPE統(tǒng)計(jì)量,用于判斷是否在控制限范圍之內(nèi)從而說明數(shù)據(jù)是否故障。則故障檢測過程如下所示:

    1) 離線建模階段過程如下:

    (1) 工業(yè)生產(chǎn)的正常操作之下采集傳感器中的數(shù)據(jù)樣本V∈Rm×n,利用一般的標(biāo)準(zhǔn)化方法對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;

    (4) 利用式(10)求得白化矩陣P,并用式(11)將樣本矩陣進(jìn)行白化求取新的樣本數(shù)據(jù)Z;

    (5) 對白化后的新數(shù)據(jù)樣本矩陣Z進(jìn)行凸包非負(fù)矩陣分解,求得X和H;

    2) 在線建模階段過程如下:

    (1) 在線數(shù)據(jù)測試時需先獲取新樣本vnew∈Rm,因?yàn)槭枪I(yè)生產(chǎn)是擬平穩(wěn)過程,使用訓(xùn)練樣本的均值和方差對此新樣本進(jìn)行標(biāo)準(zhǔn)化操作;

    (3) 利用式(11)對vnew求特征空間白化后的樣本znew;

    (4) 對白化后的新數(shù)據(jù)樣本矩陣Z進(jìn)行凸包非負(fù)矩陣分解,求得新的系數(shù)矩陣hnew;

    4 仿真分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)

    本文中采用的實(shí)驗(yàn)數(shù)據(jù)來自于Tennessee Eastman(TE)仿真平臺。TE過程的流程圖如圖1所示。

    圖1 TE過程的工作流程圖

    整個TE生產(chǎn)過程中,可采得含有52個變量的數(shù)據(jù)集。數(shù)據(jù)集可分為22個測試集和22個訓(xùn)練集。第0號測試數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集分別表示數(shù)據(jù)是在生產(chǎn)機(jī)器在正常狀態(tài)下運(yùn)行48小時和25小時采集到的,得到的樣本數(shù)分別為960個和500個。第1-21號數(shù)據(jù)集是在21個不同故障模式下經(jīng)過48小時運(yùn)行仿真得到,在運(yùn)行過程的第8個小時處分別引入不同類型的故障,每個數(shù)據(jù)集都采集960個樣本,從160個樣本之后都為故障樣本。21個故障模式如表1所示。

    表1 TE過程故障模式

    續(xù)表1

    4.2 實(shí)驗(yàn)結(jié)果

    對1-21種故障數(shù)據(jù)集進(jìn)行檢測時,其難易程度大致可分類如下[20]:檢測較容易的有故障IDV(1-2)、IDV(4-8)、IDV(12-14)和IDV(17-18)。不太容易被檢測的有IDV(10-11)、IDV(16)、IDV(19)和IDV(20-21)。非常難以被檢測到的有IDV(3)、IDV(9)和IDV(15)。

    選取相對比較有代表性的故障4、故障10和故障19作為實(shí)驗(yàn)對象來測試核凸非負(fù)矩陣分解算法的故障檢測性能,以驗(yàn)證KCNMF對數(shù)據(jù)非線性的處理以及對局部特征的挖掘是有否有利于提高檢測準(zhǔn)確率。圖2-圖5分別是PCA、KPCA[21]、CHNMF和KCNMF四種方法對TE過程故障4的故障檢測的結(jié)果。

    圖2 PCA方法的故障4檢測結(jié)果

    圖3 KPCA方法的故障4檢測結(jié)果

    圖4 CHNMF方法的故障4檢測結(jié)果

    圖5 KCNMF方法的故障4檢測結(jié)果

    從仿真結(jié)果可以看出,KPCA的檢測結(jié)果優(yōu)于線性檢測算法PCA,說明KPCA對于非線性故障數(shù)據(jù)的處理具有較好的效果。而KCNMF的檢測準(zhǔn)確率又優(yōu)于KPCA。因?yàn)楣收?是由反應(yīng)器冷卻水入口溫度產(chǎn)生改變而造成流速和反應(yīng)器中溫度兩個局部變量變化造成的,其他變量基本保持穩(wěn)定,KCNMF方法可以很好地提取數(shù)據(jù)中的局部信息,提高了工業(yè)過程的故障檢測性能。另外,KCNMF方法可以很好地應(yīng)對數(shù)據(jù)中的非線性關(guān)系,所以檢測效果比CHNMF方法更好。

    故障10是物料C的溫度發(fā)生了改變,但由于TE過程可以反饋這個變化,并且緩慢地消除了這個誤差,使系統(tǒng)的溫度盡可能調(diào)整到正常值。圖6-圖9分別為PCA、KPCA、CHNMF、KCNMF對故障10的檢測結(jié)果??梢钥闯鯬CA和KPCA的N2和SPE統(tǒng)計(jì)量只能夠檢測出部分故障就是故障10的特點(diǎn)造成的。而CHNMF的檢測結(jié)果優(yōu)于上面兩種方法,對于局部特征關(guān)注優(yōu)勢明顯。不過,KCNMF方法的N2和SPE統(tǒng)計(jì)量還是比上述三種方法更勝一籌。

    圖6 PCA方法的故障10檢測結(jié)果

    圖7 KPCA方法的故障10檢測結(jié)果

    圖8 CHNMF方法的故障10檢測結(jié)果

    圖9 KCNMF方法的故障10檢測結(jié)果

    圖10-圖13分別為PCA、KPCA、CHNMF和KCNMF方法對故障19的檢測結(jié)果。通過表1可知,雖然故障19的故障類型未知,但根據(jù)檢測結(jié)果可以推測出,故障19可能與局部變量發(fā)生變化有關(guān)??梢钥闯鯬CA、KPCA以及CHNMF算法的檢測準(zhǔn)確率普遍較低,而KCNMF方法因在數(shù)據(jù)非線性關(guān)系的處理以及局部特征的提取利用上面具有較大的優(yōu)勢,因此能夠表現(xiàn)出較高的檢測準(zhǔn)確率。

    圖10 PCA方法的故障19檢測結(jié)果

    圖11 KPCA方法的故障19檢測結(jié)果

    圖12 CHNMF方法的故障19檢測結(jié)果

    圖13 KCNMF方法的故障19檢測結(jié)果

    表2中列出了對1-21種TE過程非線性數(shù)據(jù)分別使用三種故障檢測方法的檢測準(zhǔn)確率。其中核半非負(fù)矩陣分解算法(KSNMF)[22]提取的局部特征是數(shù)據(jù)云團(tuán)的聚類中心。表中結(jié)果比較可得,KSNMF和KCNMF這兩種方法的檢測都明顯優(yōu)于KPCA,這說明對于數(shù)據(jù)云團(tuán)局部信息的提取利用有助于故障數(shù)據(jù)的識別與檢測。而KCNMF方法相較于KSNMF方法檢測中結(jié)果表現(xiàn)更好,因?yàn)镵CNMF將偏離聚類中心的數(shù)據(jù)信息也考慮進(jìn)去,當(dāng)不同樣本聚類中心過于接近,以此為基礎(chǔ)的局部特征不具備良好的區(qū)分度,則邊緣數(shù)據(jù)所含信息對檢測會起到重要作用。對分解結(jié)果產(chǎn)生很大影響。KCNMF不再需要設(shè)置聚類中心的初始值,避免了迭代初始值和低維階次設(shè)定不準(zhǔn)確導(dǎo)致檢測結(jié)果存在誤差的情況出現(xiàn)??傮w來說,KCNMF對第一、二類故障數(shù)據(jù)整體檢測效果較好,而第三類故障檢測效果不佳,還需進(jìn)一步研究。

    表2 KPCA、KSNMF和KCNMF方法故障檢測率比較 (%)

    續(xù)表2

    5 結(jié) 語

    為解決高維非線性數(shù)據(jù)降維問題,并求取更有意義的樣本矩陣局部特征,本文提出了核凸非負(fù)矩陣分解算法。首先對數(shù)據(jù)集進(jìn)行核主元分析并對特征向量進(jìn)行縮放求得白化矩陣,利用白化矩陣對樣本方差進(jìn)行縮小或放大操作。接下來,對白化后的樣本矩陣進(jìn)行凸包非負(fù)矩陣分解。用凸包頂點(diǎn)作為局部特征所求得的故障檢測方法在關(guān)注數(shù)據(jù)集聚類中心之外,還充分利用了邊緣數(shù)據(jù)信息,能捕捉到其他方法捕捉不到的特征。流行正則化約束項(xiàng)又能保證分解過程中樣本矩陣的本質(zhì)不發(fā)生改變,這些算法的結(jié)合使得故障檢測更加準(zhǔn)確。本文利用TE過程數(shù)據(jù)集對KCNMF方法進(jìn)行仿真驗(yàn)證,取得了較好的診斷結(jié)果,并驗(yàn)證了所提方法的有效性。

    猜你喜歡
    局部矩陣樣本
    局部分解 巧妙求值
    非局部AB-NLS方程的雙線性B?cklund和Darboux變換與非線性波
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    推動醫(yī)改的“直銷樣本”
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    局部遮光器
    吳觀真漆畫作品選
    初等行變換與初等列變換并用求逆矩陣
    村企共贏的樣本
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    亚洲av成人不卡在线观看播放网| 麻豆av在线久日| 日本a在线网址| 久久九九热精品免费| 国产成人欧美在线观看| 看黄色毛片网站| 国产视频一区二区在线看| 97碰自拍视频| 日本精品一区二区三区蜜桃| 日日干狠狠操夜夜爽| 一本一本综合久久| 国产片内射在线| 国产伦在线观看视频一区| 黄色 视频免费看| 一区二区日韩欧美中文字幕| 制服丝袜大香蕉在线| 欧美日韩一级在线毛片| 亚洲在线自拍视频| 日本熟妇午夜| 久久国产乱子伦精品免费另类| 长腿黑丝高跟| 制服诱惑二区| 夜夜躁狠狠躁天天躁| 777久久人妻少妇嫩草av网站| 波多野结衣av一区二区av| 女性生殖器流出的白浆| 欧美人与性动交α欧美精品济南到| 亚洲国产中文字幕在线视频| x7x7x7水蜜桃| 香蕉国产在线看| 91av网站免费观看| 美女高潮喷水抽搐中文字幕| 啦啦啦免费观看视频1| 亚洲国产高清在线一区二区三 | 亚洲欧美一区二区三区黑人| 国产欧美日韩一区二区三| 无遮挡黄片免费观看| 老司机靠b影院| 不卡一级毛片| 亚洲一区中文字幕在线| 日日爽夜夜爽网站| 丰满人妻熟妇乱又伦精品不卡| xxxwww97欧美| 国产欧美日韩一区二区精品| 国产又黄又爽又无遮挡在线| 成人特级黄色片久久久久久久| 亚洲片人在线观看| 高清毛片免费观看视频网站| 国产99久久九九免费精品| 色哟哟哟哟哟哟| 中文字幕人妻丝袜一区二区| 日本一区二区免费在线视频| 看片在线看免费视频| 国产爱豆传媒在线观看 | 久久人人精品亚洲av| 夜夜躁狠狠躁天天躁| 天天一区二区日本电影三级| 女人高潮潮喷娇喘18禁视频| 午夜免费成人在线视频| 久久人人精品亚洲av| 麻豆久久精品国产亚洲av| 日韩精品中文字幕看吧| 久久婷婷成人综合色麻豆| 中文字幕精品亚洲无线码一区 | www.自偷自拍.com| 亚洲狠狠婷婷综合久久图片| 黄频高清免费视频| 极品教师在线免费播放| 久久香蕉精品热| 亚洲av第一区精品v没综合| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲五月色婷婷综合| 亚洲欧洲精品一区二区精品久久久| 91成年电影在线观看| 波多野结衣高清无吗| 国产99久久九九免费精品| 国产日本99.免费观看| 国产成人精品久久二区二区91| 久久久国产欧美日韩av| 亚洲熟女毛片儿| 免费一级毛片在线播放高清视频| 成人国语在线视频| 在线天堂中文资源库| 又紧又爽又黄一区二区| 日日爽夜夜爽网站| 丰满人妻熟妇乱又伦精品不卡| 母亲3免费完整高清在线观看| 91成年电影在线观看| 美女高潮到喷水免费观看| 97人妻精品一区二区三区麻豆 | 人妻丰满熟妇av一区二区三区| 怎么达到女性高潮| 熟女电影av网| 国产在线观看jvid| 成人免费观看视频高清| 好男人在线观看高清免费视频 | 久久中文看片网| 日日干狠狠操夜夜爽| 日本一区二区免费在线视频| 国产精品电影一区二区三区| 亚洲av成人不卡在线观看播放网| 啦啦啦 在线观看视频| 久久精品91无色码中文字幕| 97超级碰碰碰精品色视频在线观看| 免费观看精品视频网站| 黑人巨大精品欧美一区二区mp4| 免费看a级黄色片| 日本免费a在线| 精品午夜福利视频在线观看一区| 国产黄片美女视频| 黄色视频不卡| 欧美一级毛片孕妇| 妹子高潮喷水视频| 国产精品av久久久久免费| 久久久久国产一级毛片高清牌| 成人永久免费在线观看视频| 巨乳人妻的诱惑在线观看| 夜夜爽天天搞| 一级毛片女人18水好多| 亚洲第一av免费看| 欧美乱妇无乱码| 免费一级毛片在线播放高清视频| 亚洲精品久久成人aⅴ小说| 桃红色精品国产亚洲av| 亚洲成国产人片在线观看| 国产99久久九九免费精品| 动漫黄色视频在线观看| 成人亚洲精品一区在线观看| 欧美日韩福利视频一区二区| 老司机福利观看| 国产熟女xx| 在线十欧美十亚洲十日本专区| 此物有八面人人有两片| 变态另类丝袜制服| 非洲黑人性xxxx精品又粗又长| 女人被狂操c到高潮| 一级a爱片免费观看的视频| 亚洲欧美激情综合另类| a级毛片在线看网站| 日本a在线网址| 国产成人系列免费观看| 黑人欧美特级aaaaaa片| 最近最新中文字幕大全电影3 | tocl精华| 两性夫妻黄色片| a在线观看视频网站| 十八禁人妻一区二区| 亚洲国产精品成人综合色| 国产高清有码在线观看视频 | 成人亚洲精品av一区二区| 99久久国产精品久久久| 高潮久久久久久久久久久不卡| 午夜激情av网站| 成人三级黄色视频| 丝袜美腿诱惑在线| 97人妻精品一区二区三区麻豆 | 成在线人永久免费视频| 亚洲一区二区三区不卡视频| 日本三级黄在线观看| 欧美zozozo另类| 中文字幕高清在线视频| 午夜老司机福利片| 国产亚洲av嫩草精品影院| 满18在线观看网站| 亚洲国产精品成人综合色| 露出奶头的视频| 满18在线观看网站| 女人高潮潮喷娇喘18禁视频| 一进一出抽搐gif免费好疼| 午夜影院日韩av| 精品国产超薄肉色丝袜足j| 国产成人精品久久二区二区免费| 久久青草综合色| 久久久国产成人精品二区| 一本精品99久久精品77| 日韩欧美国产在线观看| 国产区一区二久久| 亚洲一区高清亚洲精品| 在线看三级毛片| 一卡2卡三卡四卡精品乱码亚洲| 久久伊人香网站| 日韩欧美国产在线观看| 免费在线观看日本一区| 婷婷亚洲欧美| 国产亚洲精品av在线| 黑人欧美特级aaaaaa片| 亚洲精品av麻豆狂野| 岛国在线观看网站| 成人av一区二区三区在线看| 午夜福利在线在线| avwww免费| 宅男免费午夜| 久久久国产精品麻豆| 久久亚洲真实| a在线观看视频网站| 亚洲成a人片在线一区二区| 99久久精品国产亚洲精品| 午夜激情福利司机影院| 欧美另类亚洲清纯唯美| 国产99久久九九免费精品| 看免费av毛片| 91老司机精品| tocl精华| 又大又爽又粗| 嫩草影院精品99| а√天堂www在线а√下载| 99国产综合亚洲精品| 精品国产一区二区三区四区第35| 国产私拍福利视频在线观看| 国产欧美日韩精品亚洲av| 香蕉丝袜av| 男女视频在线观看网站免费 | 午夜日韩欧美国产| 妹子高潮喷水视频| 亚洲美女黄片视频| 老汉色av国产亚洲站长工具| 99在线视频只有这里精品首页| 日日夜夜操网爽| 亚洲中文字幕一区二区三区有码在线看 | 亚洲精品国产区一区二| 91成年电影在线观看| 亚洲第一电影网av| 妹子高潮喷水视频| 露出奶头的视频| 中文字幕最新亚洲高清| 12—13女人毛片做爰片一| 欧美日韩中文字幕国产精品一区二区三区| 欧美久久黑人一区二区| 老司机靠b影院| 啦啦啦 在线观看视频| 亚洲国产中文字幕在线视频| 亚洲人成网站在线播放欧美日韩| 久久精品影院6| 特大巨黑吊av在线直播 | 久久精品aⅴ一区二区三区四区| 国产欧美日韩一区二区精品| 91在线观看av| 久久国产精品男人的天堂亚洲| 亚洲国产精品成人综合色| 色av中文字幕| 国产成人欧美| 嫩草影院精品99| 国产又黄又爽又无遮挡在线| 妹子高潮喷水视频| 久久中文字幕一级| 国产精品 欧美亚洲| 欧美激情久久久久久爽电影| 男女做爰动态图高潮gif福利片| 国内精品久久久久久久电影| 久久婷婷成人综合色麻豆| 日韩av在线大香蕉| 婷婷丁香在线五月| 久热爱精品视频在线9| 亚洲一区二区三区色噜噜| 日本 av在线| 91av网站免费观看| bbb黄色大片| 精品久久久久久成人av| 一级毛片女人18水好多| 欧美国产日韩亚洲一区| 窝窝影院91人妻| 午夜老司机福利片| 一区二区三区高清视频在线| 欧美成人午夜精品| 久久久久久久久免费视频了| 国产麻豆成人av免费视频| 欧美日韩福利视频一区二区| 十八禁人妻一区二区| 俄罗斯特黄特色一大片| 亚洲中文av在线| 88av欧美| 亚洲精品中文字幕一二三四区| 亚洲av熟女| 亚洲色图 男人天堂 中文字幕| 狂野欧美激情性xxxx| 国产片内射在线| 久久久久久久久中文| 亚洲av成人一区二区三| 熟妇人妻久久中文字幕3abv| 日本成人三级电影网站| 99国产精品一区二区三区| 色哟哟哟哟哟哟| 亚洲美女黄片视频| 日韩视频一区二区在线观看| 99精品久久久久人妻精品| 波多野结衣巨乳人妻| 久久人人精品亚洲av| 久久中文字幕一级| 制服人妻中文乱码| 亚洲 欧美 日韩 在线 免费| 国产精品综合久久久久久久免费| 亚洲精品中文字幕在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 禁无遮挡网站| 亚洲在线自拍视频| 国产精品一区二区精品视频观看| 女同久久另类99精品国产91| 人人妻,人人澡人人爽秒播| 国产一卡二卡三卡精品| 欧洲精品卡2卡3卡4卡5卡区| 午夜福利高清视频| 国产精品久久视频播放| 中文字幕精品免费在线观看视频| 黄色视频不卡| 美女扒开内裤让男人捅视频| 最好的美女福利视频网| 亚洲成av人片免费观看| 精品国产国语对白av| 国产在线观看jvid| 国产亚洲欧美98| 精品不卡国产一区二区三区| 久久99热这里只有精品18| www国产在线视频色| 日韩中文字幕欧美一区二区| 精品免费久久久久久久清纯| 午夜日韩欧美国产| 啦啦啦免费观看视频1| 一本久久中文字幕| 特大巨黑吊av在线直播 | 亚洲成av片中文字幕在线观看| 老司机福利观看| 欧美日韩黄片免| 黑丝袜美女国产一区| 国产精品电影一区二区三区| 国产又色又爽无遮挡免费看| 久久草成人影院| 999久久久精品免费观看国产| 久久婷婷人人爽人人干人人爱| 一卡2卡三卡四卡精品乱码亚洲| 老司机靠b影院| 亚洲成av人片免费观看| 激情在线观看视频在线高清| 他把我摸到了高潮在线观看| 亚洲国产精品久久男人天堂| 国产精品影院久久| 女警被强在线播放| 在线观看66精品国产| 欧美黄色片欧美黄色片| 亚洲欧洲精品一区二区精品久久久| 男人舔女人的私密视频| 亚洲色图 男人天堂 中文字幕| 99国产精品一区二区三区| 国产欧美日韩精品亚洲av| 91老司机精品| 国产高清激情床上av| 丝袜美腿诱惑在线| 欧美 亚洲 国产 日韩一| 无遮挡黄片免费观看| 两性夫妻黄色片| 日韩国内少妇激情av| 两个人免费观看高清视频| 免费搜索国产男女视频| 国产精品99久久99久久久不卡| 亚洲av熟女| 久久 成人 亚洲| 久久久水蜜桃国产精品网| 国产激情久久老熟女| www日本黄色视频网| 中文字幕人妻熟女乱码| 男人舔奶头视频| 午夜福利在线观看吧| 在线国产一区二区在线| 免费高清在线观看日韩| 精品一区二区三区av网在线观看| 日韩欧美三级三区| 老司机福利观看| 18禁黄网站禁片免费观看直播| 午夜精品久久久久久毛片777| 色婷婷久久久亚洲欧美| 色播亚洲综合网| 一级毛片精品| 国产真人三级小视频在线观看| 久久精品国产99精品国产亚洲性色| 精品国产亚洲在线| 在线观看免费日韩欧美大片| 白带黄色成豆腐渣| 欧美激情极品国产一区二区三区| 亚洲av片天天在线观看| 国产av不卡久久| 一级毛片精品| 99精品欧美一区二区三区四区| 精品欧美一区二区三区在线| 亚洲 国产 在线| 中亚洲国语对白在线视频| 亚洲一区二区三区不卡视频| 久久久水蜜桃国产精品网| 婷婷丁香在线五月| 9191精品国产免费久久| 久久中文字幕一级| 日日摸夜夜添夜夜添小说| 婷婷六月久久综合丁香| 女人被狂操c到高潮| 亚洲精品中文字幕在线视频| 欧美在线一区亚洲| 韩国av一区二区三区四区| АⅤ资源中文在线天堂| 校园春色视频在线观看| 国产精品久久久久久亚洲av鲁大| 后天国语完整版免费观看| 婷婷亚洲欧美| 国产黄色小视频在线观看| 中出人妻视频一区二区| 国产蜜桃级精品一区二区三区| 国产精品亚洲av一区麻豆| 免费在线观看影片大全网站| 日本 欧美在线| 国产熟女xx| 夜夜夜夜夜久久久久| 每晚都被弄得嗷嗷叫到高潮| 久久精品成人免费网站| 成人永久免费在线观看视频| 天堂√8在线中文| 欧美中文综合在线视频| 嫩草影视91久久| 十八禁人妻一区二区| 亚洲精品国产区一区二| 亚洲精华国产精华精| 女人爽到高潮嗷嗷叫在线视频| 亚洲成人国产一区在线观看| 狂野欧美激情性xxxx| 999久久久国产精品视频| 亚洲精品国产精品久久久不卡| 男人的好看免费观看在线视频 | 丝袜人妻中文字幕| 国产成人影院久久av| 国产成年人精品一区二区| 欧美激情极品国产一区二区三区| 国产精品美女特级片免费视频播放器 | 欧美精品亚洲一区二区| 欧美激情极品国产一区二区三区| 日韩有码中文字幕| 中文资源天堂在线| 国产男靠女视频免费网站| 一进一出好大好爽视频| 日本 欧美在线| 脱女人内裤的视频| 国产av在哪里看| 搡老妇女老女人老熟妇| 熟女少妇亚洲综合色aaa.| 搡老熟女国产l中国老女人| 国产欧美日韩精品亚洲av| 三级毛片av免费| 校园春色视频在线观看| 999精品在线视频| 99国产综合亚洲精品| 国产av又大| 久久国产亚洲av麻豆专区| 亚洲电影在线观看av| 天天添夜夜摸| 看片在线看免费视频| 亚洲av成人av| 亚洲人成网站高清观看| 国产欧美日韩一区二区三| 给我免费播放毛片高清在线观看| 一区二区三区激情视频| 十八禁人妻一区二区| 黄色成人免费大全| 亚洲国产精品成人综合色| 日韩精品中文字幕看吧| 99久久久亚洲精品蜜臀av| 亚洲狠狠婷婷综合久久图片| 免费看日本二区| 白带黄色成豆腐渣| 波多野结衣高清作品| 亚洲黑人精品在线| 国产精品亚洲av一区麻豆| 久久国产精品影院| 亚洲av美国av| 97超级碰碰碰精品色视频在线观看| 国产乱人伦免费视频| 亚洲第一青青草原| 1024手机看黄色片| 好看av亚洲va欧美ⅴa在| 日韩欧美一区视频在线观看| 91国产中文字幕| 久久久久免费精品人妻一区二区 | 亚洲精品粉嫩美女一区| 一级片免费观看大全| 一级毛片女人18水好多| 国内少妇人妻偷人精品xxx网站 | 在线观看免费午夜福利视频| 老熟妇仑乱视频hdxx| 久久香蕉激情| 亚洲国产精品sss在线观看| 国产熟女午夜一区二区三区| 亚洲国产欧美日韩在线播放| 99久久精品国产亚洲精品| 久久久久亚洲av毛片大全| 中文字幕人妻熟女乱码| 丁香欧美五月| 亚洲欧美精品综合久久99| 婷婷精品国产亚洲av在线| 两人在一起打扑克的视频| 午夜福利18| 日本在线视频免费播放| 亚洲精品久久成人aⅴ小说| 欧美色视频一区免费| 国产男靠女视频免费网站| 欧美色欧美亚洲另类二区| 精品电影一区二区在线| 亚洲av电影不卡..在线观看| 午夜a级毛片| www国产在线视频色| 巨乳人妻的诱惑在线观看| 久久久国产成人精品二区| 国产成人欧美| 欧美日韩福利视频一区二区| 欧美三级亚洲精品| bbb黄色大片| 999久久久国产精品视频| 久久久国产成人免费| 美女免费视频网站| 狂野欧美激情性xxxx| 欧美又色又爽又黄视频| 国产激情久久老熟女| 久久亚洲精品不卡| 国产亚洲欧美98| 国产私拍福利视频在线观看| 亚洲在线自拍视频| 日本精品一区二区三区蜜桃| 超碰成人久久| 亚洲精品中文字幕一二三四区| 亚洲国产精品合色在线| 欧美黑人巨大hd| 日韩精品中文字幕看吧| 亚洲人成电影免费在线| 男人舔奶头视频| av片东京热男人的天堂| 搡老岳熟女国产| 97超级碰碰碰精品色视频在线观看| 91字幕亚洲| 亚洲欧美激情综合另类| 婷婷精品国产亚洲av在线| 成年免费大片在线观看| 巨乳人妻的诱惑在线观看| 亚洲一区高清亚洲精品| 亚洲成人精品中文字幕电影| 久久国产精品人妻蜜桃| 亚洲精品美女久久久久99蜜臀| 成人欧美大片| 欧美在线一区亚洲| 成人国产一区最新在线观看| 国产精品 欧美亚洲| 91成年电影在线观看| 国产亚洲av高清不卡| 桃色一区二区三区在线观看| 美女高潮喷水抽搐中文字幕| 亚洲最大成人中文| 中文字幕人妻熟女乱码| 欧美黑人精品巨大| 99久久99久久久精品蜜桃| 18禁裸乳无遮挡免费网站照片 | 国产99久久九九免费精品| 香蕉丝袜av| 精品国产亚洲在线| 可以免费在线观看a视频的电影网站| 美女大奶头视频| www国产在线视频色| 老汉色av国产亚洲站长工具| 一级毛片高清免费大全| 视频区欧美日本亚洲| 午夜日韩欧美国产| 99国产综合亚洲精品| 亚洲国产日韩欧美精品在线观看 | 午夜a级毛片| 午夜老司机福利片| 一级a爱片免费观看的视频| 成熟少妇高潮喷水视频| 亚洲激情在线av| 久久久久久久久免费视频了| 国产成人精品久久二区二区91| 午夜激情av网站| www.www免费av| 国产爱豆传媒在线观看 | 级片在线观看| 色综合亚洲欧美另类图片| 精品久久久久久久久久免费视频| 日本精品一区二区三区蜜桃| 法律面前人人平等表现在哪些方面| or卡值多少钱| 香蕉久久夜色| 99久久无色码亚洲精品果冻| 亚洲五月色婷婷综合| 国产成人欧美在线观看| 两个人免费观看高清视频| 亚洲人成网站高清观看| 19禁男女啪啪无遮挡网站| 少妇 在线观看| 欧美色视频一区免费| 久久久久亚洲av毛片大全| 久久精品成人免费网站| 成人三级黄色视频| 亚洲国产精品久久男人天堂| 日本精品一区二区三区蜜桃| 色尼玛亚洲综合影院| 日韩欧美免费精品| 手机成人av网站| 1024手机看黄色片| 夜夜看夜夜爽夜夜摸| 成人午夜高清在线视频 | 婷婷六月久久综合丁香| 在线播放国产精品三级| 中文字幕人妻丝袜一区二区| 国产精品电影一区二区三区| 99国产综合亚洲精品| 欧美绝顶高潮抽搐喷水| 一夜夜www| 国产精品免费视频内射| 免费看十八禁软件| 国产精品免费视频内射| av在线天堂中文字幕| 女人爽到高潮嗷嗷叫在线视频| 满18在线观看网站| 午夜激情av网站| 丝袜人妻中文字幕|