• <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 ?

    基于伯恩斯坦多項(xiàng)式和D-vine copula的過(guò)程監(jiān)控方法

    2021-03-19 12:02:10李紹軍
    關(guān)鍵詞:伯恩斯坦醋酸監(jiān)控

    崔 群, 李紹軍

    基于伯恩斯坦多項(xiàng)式和D-vine copula的過(guò)程監(jiān)控方法

    崔 群, 李紹軍

    (華東理工大學(xué) 化工過(guò)程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室, 上海 200237)

    針對(duì)利用Vine copula進(jìn)行過(guò)程故障監(jiān)控的建模過(guò)程中二元Copula函數(shù)種類選擇困難問(wèn)題,提出一種基于懲罰伯恩斯坦多項(xiàng)式的D-vine copula選擇方法,運(yùn)用到化工過(guò)程故障監(jiān)控領(lǐng)域。該方法通過(guò)最近鄰算法確定D-vine copula模型的變量順序,利用懲罰伯恩斯坦多項(xiàng)式和核密度估計(jì)器分別估計(jì)得到D-vine copula的模型參數(shù)和單變量邊緣概率密度函數(shù),構(gòu)成多元變量的聯(lián)合概率分布。最后結(jié)合高密度區(qū)域與靜態(tài)密度分位數(shù)表,構(gòu)建廣義局部概率指標(biāo),實(shí)現(xiàn)在線過(guò)程監(jiān)控。該方法在田納西-伊斯曼(TE)過(guò)程和醋酸脫水過(guò)程進(jìn)行檢驗(yàn)。綜合故障檢測(cè)率和誤報(bào)率的統(tǒng)計(jì)結(jié)果,表明該方法有良好的監(jiān)控性能。

    過(guò)程監(jiān)控;伯恩斯坦多項(xiàng)式;懲罰平滑系數(shù);D-vine copula

    1 前 言

    在現(xiàn)代工業(yè)中,過(guò)程安全和產(chǎn)品質(zhì)量是被關(guān)注最多的2個(gè)問(wèn)題。過(guò)程監(jiān)控是提高過(guò)程安全和產(chǎn)品質(zhì)量的重要手段[1]。近年來(lái),基于數(shù)據(jù)驅(qū)動(dòng)的方法不要求過(guò)程模型和相關(guān)的專家知識(shí),在過(guò)程監(jiān)控領(lǐng)域越發(fā)受到歡迎并取得有效的進(jìn)展。其中多變量統(tǒng)計(jì)過(guò)程監(jiān)控(multivariate statistical process monitoring,MSPM)是目前應(yīng)用最多的數(shù)據(jù)驅(qū)動(dòng)方法。該類方法通過(guò)多變量分析利用正常歷史數(shù)據(jù)建立基于數(shù)據(jù)驅(qū)動(dòng)的模型,隨后將新數(shù)據(jù)映射到正常模型中判斷新數(shù)據(jù)是否統(tǒng)計(jì)正常。主元分析方法[2](principal component analysis,PCA)和偏最小二乘法[3](partial least squares,PLS)是多變量統(tǒng)計(jì)過(guò)程監(jiān)控的主要代表方法。該類算法的思想是將高維數(shù)據(jù)映射到低維特征空間,提取原始數(shù)據(jù)的絕大部分信息建立指標(biāo)進(jìn)行正常數(shù)據(jù)與異常數(shù)據(jù)的判斷。但在實(shí)際化工生產(chǎn)過(guò)程中,過(guò)程數(shù)據(jù)往往呈現(xiàn)非線性、非高斯特性。由于PCA只適用于線性和高斯假設(shè)的條件,使得該方法無(wú)法在復(fù)雜的過(guò)程監(jiān)控中取得好的監(jiān)控效果。針對(duì)以上特點(diǎn),對(duì)于傳統(tǒng)方法的改進(jìn)和新方法的提出得到快速的發(fā)展。針對(duì)非線性問(wèn)題,核主元分析[4](kernel principal component analysis,KPCA)、核偏最小二乘[5](kernel partial least squares,KPLS)、近鄰保留神經(jīng)網(wǎng)絡(luò)[6]等方法相繼提出。Kano等[7]將獨(dú)立主元分析(independent component analysis, ICA)方法應(yīng)用于過(guò)程監(jiān)控解決非高斯問(wèn)題。但是目前的MSPM方法,大多在建模前需要對(duì)數(shù)據(jù)進(jìn)行降維或者對(duì)數(shù)據(jù)進(jìn)行高斯假設(shè),這使得在對(duì)數(shù)據(jù)進(jìn)行總體分析時(shí)總會(huì)缺失一些信息,從而導(dǎo)致一些方法不能完整地描述數(shù)據(jù)結(jié)構(gòu)。如果不對(duì)數(shù)據(jù)進(jìn)行降維操作,完全根據(jù)數(shù)據(jù)間的依賴性進(jìn)行建模將避免有用信息的損失。

    近年來(lái),作為概率建模的有效工具,copula方法通過(guò)描述變量間的相關(guān)性,將聯(lián)合分布函數(shù)和邊緣分布函數(shù)有效地聯(lián)系起來(lái),使得該方法在金融、氣象等領(lǐng)域得到廣泛的應(yīng)用[8-10]。然而,標(biāo)準(zhǔn)的多變量copula(如Gaussian/Student-t copula)在構(gòu)建維數(shù)較大數(shù)據(jù)間的依賴性時(shí),缺乏靈活性。為此,Joe[11]提出了pair-copula。該方法是將多變量copula用一系列的二元copula來(lái)表示。Pair copula的結(jié)構(gòu)化使得一系列的pair copula可以聚集在不同的樹(shù)上,Bedford等[12]將此定義為Vine。Vine copula的提出加速了該方法在過(guò)程監(jiān)控領(lǐng)域中的應(yīng)用。Ren等[13]首先將Vine copula引入化工過(guò)程監(jiān)控領(lǐng)域,利用C-vine模型并結(jié)合廣義貝葉斯推斷概率指標(biāo)對(duì)非高斯、非線性的數(shù)據(jù)進(jìn)行監(jiān)測(cè)。周南等[14]利用核密度方法來(lái)估計(jì)R-vine。由于二元copula族種類眾多,這為Vine copula估計(jì)數(shù)據(jù)間的依賴性提供了更靈活的選擇。但是目前常用的Vine copula估計(jì)方法都是基于參數(shù)的方法,所有備選的copula首先使用最大似然估計(jì)進(jìn)行填充,隨后利用AIC準(zhǔn)則比較來(lái)選取最合適的二元copula族。這個(gè)過(guò)程需要計(jì)算出所有備選的copula密度,所需計(jì)算的參數(shù)眾多,使得copula選擇甚為復(fù)雜。而且常用參數(shù)二元copula存在參數(shù)假設(shè)條件。另一方面,對(duì)于復(fù)雜的化工數(shù)據(jù)來(lái)說(shuō),常用的參數(shù)copula族并不能完全描述數(shù)據(jù)間的依賴性,同時(shí)對(duì)于D-vine第一棵樹(shù)變量順序的確定,目前尚沒(méi)有統(tǒng)一的選擇方法。

    目前最常用的Vine copula主要有C-vine和D-vine。相較于C-vine需要根據(jù)主導(dǎo)變量確定每棵樹(shù)的根節(jié)點(diǎn),D-vine直線型結(jié)構(gòu)更加簡(jiǎn)單且易于建模,因此本文采用D-vine copula結(jié)合伯恩斯坦多項(xiàng)式建立一種過(guò)程監(jiān)控模型(pBp-Dvine)。首先根據(jù)正常數(shù)據(jù)計(jì)算變量間的校正赤池信息準(zhǔn)則(corrected Akaike information criterion,cAIC)值作為權(quán)重,結(jié)合最近鄰算法確定變量順序,從而確定D-vine第一棵樹(shù)結(jié)構(gòu)。隨后利用懲罰伯恩斯坦多項(xiàng)式估計(jì)二元copula函數(shù)。根據(jù)前一棵樹(shù)的二元copula值估計(jì)下一棵樹(shù)的二元copula,直至模型確定。利用核密度估計(jì)器估計(jì)單變量邊緣概率密度函數(shù),最后聯(lián)合copula密度函數(shù)構(gòu)成聯(lián)合概率密度。并針對(duì)化工生產(chǎn)過(guò)程,利用pBp-Dvine模型結(jié)合高密度區(qū)域(HDR),構(gòu)建廣義局部概率指標(biāo)(GLP)。通過(guò)在TE過(guò)程和醋酸脫水過(guò)程中的應(yīng)用,表明pBp-Dvine模型在過(guò)程監(jiān)控具有良好性能。

    2 D-vine copula理論及其選擇方法

    對(duì)式(1)兩邊求導(dǎo),則可以得到聯(lián)合概率密度的表達(dá)式為

    一旦copula分布函數(shù)的形式固定,即可通過(guò)極大似然法對(duì)式(2)中的參數(shù)進(jìn)行估計(jì),得到多維數(shù)據(jù)的聯(lián)合概率密度。然而,對(duì)于傳統(tǒng)的多變量copula在面臨高維數(shù)據(jù)參數(shù)估計(jì)過(guò)程中可能會(huì)出現(xiàn)維度災(zāi)難。

    2.1 D-vine copula

    2.2 D-vine模型構(gòu)建

    D-vine 模型是線性結(jié)構(gòu),模型中變量的順序決定了D-vine的結(jié)構(gòu)。所以在建模前確定變量的順序是至關(guān)重要的。傳統(tǒng)的確定D-vine變量結(jié)構(gòu)的方法是采用相關(guān)性大小排序,即

    通過(guò)求解優(yōu)化每個(gè)結(jié)點(diǎn)與其他結(jié)點(diǎn)的Kendall秩相關(guān)系數(shù)和,按照系數(shù)和的大小來(lái)確定結(jié)點(diǎn)的前后順序。

    同時(shí),在確定了變量的順序后,對(duì)于pair copula的估計(jì),常用的方法是采用偽極大似然AIC準(zhǔn)則來(lái)估計(jì)。

    在估計(jì)每個(gè)二元copula時(shí),模型首先要計(jì)算所有可獲得的二元參數(shù)copula的最大似然估計(jì),得到每個(gè)二元copula函數(shù)的密度值,然后通過(guò)計(jì)算AIC值求取最小的二元參數(shù)copula作為最后的最優(yōu)待選copula。而這在選擇過(guò)程中需要計(jì)算眾多copula參數(shù)導(dǎo)致過(guò)程復(fù)雜,而且對(duì)于精確模型的估計(jì)需要不斷優(yōu)化AIC準(zhǔn)則。同時(shí),利用參數(shù)方法對(duì)二元copula進(jìn)行估計(jì)時(shí),存在參數(shù)假設(shè)條件,而且常用的二元參數(shù)copula族并不能滿足所有的數(shù)據(jù)依賴性關(guān)系。

    基于以上問(wèn)題,Kauermann等[16]提出了半?yún)?shù)估計(jì)copula。由于現(xiàn)今的化工生產(chǎn)過(guò)程變量過(guò)多,且生產(chǎn)工況不時(shí)變化,導(dǎo)致實(shí)時(shí)采出的數(shù)據(jù)分布變化很快,且數(shù)據(jù)呈現(xiàn)出非線性、非高斯的性質(zhì),使用參數(shù)估計(jì)方法很難給出滿意的效果。而利用懲罰伯恩斯坦多項(xiàng)式來(lái)對(duì)模型進(jìn)行估計(jì),伯恩斯坦多項(xiàng)式可以擬合任意的copula函數(shù),同時(shí)根據(jù)cAIC結(jié)合最近鄰算法來(lái)確定D-vine的順序是一種新的半?yún)?shù)估計(jì)方法。

    3 伯恩斯坦多項(xiàng)式D-vine模型構(gòu)建

    3.1 邊緣概率密度估計(jì)

    對(duì)于邊緣概率密度,使用核密度估計(jì)器估計(jì)各維變量的邊緣分布,一個(gè)單變量核密度估計(jì)器的形式如下:

    3.2 Pair copula估計(jì)

    由式(4)中可以看出,Vine模型的構(gòu)建等同于一系列二元copula的選擇,采用伯恩斯坦多項(xiàng)式作為基函數(shù)來(lái)估計(jì)copula密度:

    通過(guò)最大化似然式(10),估計(jì)出所有的系數(shù)向量,從而接連填充出所有的pair copula。高水平的樹(shù)的系數(shù)向量由低水平估計(jì)出來(lái)的copula參數(shù)來(lái)估計(jì)。

    雖然上述估計(jì)過(guò)程是靈活的,但由于在估計(jì)每一個(gè)二元copula時(shí)需要使用(+1)2個(gè)參數(shù),這使得在估計(jì)時(shí)可能會(huì)發(fā)生過(guò)擬合,同時(shí)為了控制擬合時(shí)函數(shù)的光滑度,對(duì)式(10)引入懲罰項(xiàng):

    3.3 D-vine第一顆樹(shù)結(jié)構(gòu)選擇

    本文中采用最近鄰算法[21]計(jì)算變量順序。主要的計(jì)算流程如下:

    2) 找出最小的cAIC值對(duì)應(yīng)的最小變量,從該變量開(kāi)始,找到剩余變量中與該變量cAIC值最小的變量連接起來(lái)。

    3) 從第2個(gè)變量開(kāi)始,依次按照步驟(2)的規(guī)則進(jìn)行計(jì)算,直至最后一個(gè)變量計(jì)算完。

    4 基于伯恩斯坦多項(xiàng)式和D-vine模型的過(guò)程監(jiān)控方法

    4.1 監(jiān)測(cè)指標(biāo)

    針對(duì)非線性、非高斯過(guò)程,基于概率的過(guò)程監(jiān)測(cè)的關(guān)鍵任務(wù)是設(shè)計(jì)出當(dāng)前樣本數(shù)據(jù)距離正常數(shù)據(jù)分布的概率性度量指標(biāo)。目前通用的基于Vine方法的概率指標(biāo)是基于高密度區(qū)域與密度分位數(shù)表結(jié)合構(gòu)建的非線性非高斯GLP,通過(guò)對(duì)正常樣本的概率密度的計(jì)算,制定密度分位數(shù)表,實(shí)現(xiàn)對(duì)實(shí)時(shí)數(shù)據(jù)的監(jiān)控。

    則有

    4.2 基于懲罰伯恩斯坦多項(xiàng)式D-vine的建模流程

    基于懲罰伯恩斯坦多項(xiàng)式D-vine的過(guò)程監(jiān)控方法分為2個(gè)過(guò)程:離線建模和在線監(jiān)控。如圖1所示為整個(gè)過(guò)程的監(jiān)控流程圖。具體操作步驟如下:

    圖1 pBp-Dvine過(guò)程監(jiān)控方法流程圖

    離線建模:

    1) 獲得正常操作情況下的訓(xùn)練數(shù)據(jù);

    2) 利用cAIC準(zhǔn)則作為邊權(quán)重,結(jié)合最近鄰算法求得最短路徑,確定D-vine模型的第一棵樹(shù)的變量順序,從而確定整個(gè)D-vine模型的結(jié)構(gòu);

    3) 指定伯恩斯坦多項(xiàng)式自由度,給定初始懲罰參數(shù),由式(11)計(jì)算系數(shù)向量;

    4) 由式(9)計(jì)算條件分布函數(shù);

    5) 由式(8)計(jì)算pair copula密度;

    6) 其余的二元copula根據(jù)式(4)、(5)重復(fù)進(jìn)行。下一棵樹(shù)的估計(jì)過(guò)程由上一棵樹(shù)估計(jì)出的pair copula進(jìn)行迭代計(jì)算,直至計(jì)算到最后一棵樹(shù);

    7) 計(jì)算訓(xùn)練樣本的聯(lián)合概率密度值,構(gòu)建密度分位數(shù)表。

    在線監(jiān)控:

    1) 利用式(16)結(jié)合密度分位數(shù)表計(jì)算當(dāng)前樣本的GLP指標(biāo);

    2) 判斷GLP指標(biāo)是否超限,完成在線監(jiān)控過(guò)程。

    5 應(yīng)用分析

    本章通過(guò)TE過(guò)程和醋酸脫水實(shí)例的監(jiān)測(cè)效果驗(yàn)證基于伯恩斯坦多項(xiàng)式的D-vine copula方法的有效性,同時(shí)通過(guò)與KPCA、D-vine(參數(shù)估計(jì))方法的比較來(lái)驗(yàn)證所提出方法的有效性。

    5.1 TE過(guò)程

    TE仿真平臺(tái)是由美國(guó)Eastman化學(xué)公司開(kāi)發(fā)的具有開(kāi)放性和挑戰(zhàn)性的化工模型仿真平臺(tái)。其產(chǎn)生的數(shù)據(jù)具有非線性特征,廣泛用于測(cè)試復(fù)雜工業(yè)過(guò)程的控制和故障監(jiān)測(cè)模型。該過(guò)程具有5個(gè)主要的操作單元:反應(yīng)釜、冷凝器、壓縮機(jī)、氣液分離器和汽提塔[23]。TE過(guò)程數(shù)據(jù)集共有52個(gè)變量,其中41個(gè)為測(cè)量變量,11個(gè)為操縱變量。41個(gè)測(cè)量變量中有22個(gè)為連續(xù)變量。本文中采用22個(gè)連續(xù)變量來(lái)進(jìn)行建模。TE過(guò)程總共21個(gè)故障,每個(gè)故障有960個(gè)樣本,前160個(gè)為正常狀態(tài)下的樣本,從第161個(gè)樣本起,加入不同的故障共800個(gè)故障樣本。

    對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行離線建模,建立靜態(tài)密度分位數(shù)表,隨后對(duì)測(cè)試數(shù)據(jù)進(jìn)行在線監(jiān)控。為了對(duì)比方法的有效性,這里對(duì)KPCA、D-vine(參數(shù)估計(jì))方法進(jìn)行比較,KPCA的主元個(gè)數(shù)選擇前85%。置信水平均設(shè)置為0.99。pBp-Dvine的自由度=8。其中KPCA的檢測(cè)結(jié)果取自文獻(xiàn)[24]。

    表1給出了3種方法的監(jiān)測(cè)結(jié)果。表中2和SPE分別為KPCA在殘差子空間和主元子空間的監(jiān)測(cè)指標(biāo),所提出的方法在總體上表現(xiàn)出了好的效果。針對(duì)故障1、2、6、8、12、13、14,所有方法都能取得相近的檢測(cè)結(jié)果,這表明提出的方法較其他方法在易監(jiān)測(cè)的故障上可以取得同等的檢測(cè)性能。針對(duì)故障3、4、5、9、15、19這些難檢測(cè)的故障來(lái)說(shuō),所有方法均不能有效檢測(cè)出故障,但同比于其他方法,pBp-Dvine仍能給出高于其他方法的檢測(cè)結(jié)果。尤其是對(duì)于故障15、19,提出的方法明顯高于其他方法的檢測(cè)水平。針對(duì)故障11、16和21,所提出的方法較其他方法得到了較好的提升??傮w來(lái)說(shuō),本文提出的pBp-Dvine方法較其他監(jiān)測(cè)方法的監(jiān)控性能有所提升。如圖2所示為3種方法對(duì)于故障8的監(jiān)控圖。從圖中可以看出,所有方法均可以達(dá)到好的檢測(cè)效果。KPCA和D-vine的檢測(cè)率分別達(dá)到了97.38%和97.75%。這說(shuō)明對(duì)于該類故障2種方法可以得到好的檢測(cè)率,而且2種方法表現(xiàn)出了相似的檢測(cè)效果,而提出的方法在此基礎(chǔ)上可以更早識(shí)別出故障,達(dá)到更高的檢測(cè)率(98.88%),高于其他方法。

    表1 TE過(guò)程故障檢測(cè)率對(duì)比分析

    圖2 故障8的過(guò)程監(jiān)控圖

    5.2 醋酸脫水過(guò)程

    精對(duì)苯二甲酸是重要的有機(jī)化工原料。該產(chǎn)物由醋酸作為溶劑,對(duì)二甲苯經(jīng)過(guò)催化氧化得到粗對(duì)二甲苯酸再經(jīng)一系列化學(xué)操作得到。為了克服普通精餾無(wú)法有效將醋酸和水分離,工業(yè)上經(jīng)常采用共沸精餾法,加入共沸劑增加醋酸和水的相對(duì)揮發(fā)度,從而有效地分離水和醋酸[25]。

    醋酸脫水系統(tǒng)由90級(jí)塔板和4個(gè)進(jìn)料組成。本文采用溫度、壓力、流量等連續(xù)的21個(gè)過(guò)程變量對(duì)頂部醋酸蒸餾過(guò)程進(jìn)行實(shí)時(shí)監(jiān)控。本次試驗(yàn)訓(xùn)練數(shù)據(jù)樣本為500組,測(cè)試數(shù)據(jù)樣本為300組。在離線建模階段,利用500組訓(xùn)練樣本進(jìn)行模型訓(xùn)練。對(duì)于測(cè)試的300組樣本,在開(kāi)始的前100個(gè)時(shí)刻,過(guò)程處于正常運(yùn)行狀態(tài)。在第101時(shí)刻頂部醋酸產(chǎn)品含量由不到1.15%上升到1.5%,該過(guò)程持續(xù)100個(gè)時(shí)刻。到最后的100時(shí)刻,醋酸含量又回復(fù)到1.15%以下。

    表2為在控制限CL=0.98條件下,KPCA、D-vine(參數(shù)估計(jì))、pBp-Dvine的檢測(cè)率(FDR)和誤報(bào)率(FAR)。pBp-Dvine的自由度取為12。

    如圖3所示為醋酸脫水過(guò)程的監(jiān)控圖。結(jié)合表2和圖3可以發(fā)現(xiàn),所有方法都可以完全地檢測(cè)出故障,這說(shuō)明3種方法可以有效檢測(cè)出此類故障。由圖3中可以看出,pBp-Dvine方法的誤報(bào)率是最低的。綜合該故障的檢測(cè)率和誤報(bào)率,表明本文提出的pBp-Dvine方法在醋酸脫水過(guò)程中有良好的監(jiān)控性能。

    表2 醋酸脫水過(guò)程的檢測(cè)率和誤報(bào)率(CL=0.98)

    圖3 醋酸脫水過(guò)程的監(jiān)控圖

    6 結(jié) 論

    本文提出了一種基于pBp-Dvine模型的過(guò)程監(jiān)控方法,在過(guò)程監(jiān)控領(lǐng)域取得了不錯(cuò)的監(jiān)測(cè)效果。pBp-Dvine方法首先根據(jù)兩兩變量間的cAIC值作為權(quán)重,利用最近鄰算法求得最短路徑,得到D-vine的第一顆樹(shù)結(jié)構(gòu)。隨后利用懲罰伯恩斯坦多項(xiàng)式估計(jì)二元copula函數(shù)。該方法在不降維的條件下,在二元copula的估計(jì)過(guò)程中摒棄參數(shù)假設(shè),挖掘出高維變量間的復(fù)雜信息,從而獲得半?yún)-vine模型,使得模型估計(jì)更靈活。TE過(guò)程和醋酸脫水過(guò)程證明了pBp-Dvine方法的良好性能。

    [1] GE Z Q, SONG Z H, GAO F R. Review of recent research on data-based process monitoring [J]. Industrial & Engineering Chemistry Research, 2013, 52(10): 3543-3562.

    [2] DUNIA R, QIN S J, EDGAR T F,. Use of principal component analysis for sensor fault identification [J]. Computers & Chemical Engineering, 1996, 20: S713-S718.

    [3] MACGREGOR J F, JAECKLE C, KIPARISSIDES C,. Process monitoring and diagnosis by multiblock PLS methods [J]. AIChE Journal, 1994, 40(5): 826-838.

    [4] JIA M, XU H, LIU X,. The optimization of the kind and parameters of kernel function in KPCA for process monitoring [J]. Computers & Chemical Engineering, 2012, 46: 94-104.

    [5] BOTRE C, MANSOURI M, NOUNOU M,. Kernel PLS-based GLRT method for fault detection of chemical processes [J]. Journal of Loss Prevention in the Process Industries, 2016, 43: 212-224.

    [6] ZHAO H, LAI Z. Neighborhood preserving neural network for fault detection [J]. Neural Networks. 2019, 109: 6-18.

    [7] KANO M, TANAKA S, HASEBE S,. Monitoring independent components for fault detection [J]. AIChE Journal, 2003, 49: 969-976.

    [8] NELSEN R B.An introduction to copulas [M]. Springer Science & Business Media, 2007.

    [9] DISSMANN J, BRECHMANN E C, CZADO C,. Selecting and estimating regular vine copulae and application to financial returns [J]. Computational Statistics & Data Analysis, 2013, 59: 52-69.

    [10] SHE D, MISHRA A K, XIA J,. Wet and dry spell analysis using copulas [J].International Journal of Climatology, 2016, 36(1): 476-491.

    [11] JOE H. Families of m-variate distributions with given margins and m (m-1)/2 bivariate dependence parameters [J]. Lecture Notes-Monograph Series, 1996: 120-141.

    [12] BEDFORD T, COOKE R M. Vines--a new graphical model for dependent random variables [J]. The Annals of Statistics, 2002, 30(4): 1031-1068.

    [13] REN X, TIAN Y, LI S. Vine copula-based dependence description for multivariate multimode process monitoring [J]. Industrial & Engineering Chemistry Research, 2015, 54(41): 10001-10019.

    [14] 周南, 李紹軍. 基于核密度估計(jì)的R-Vine Copula選擇及其在故障檢測(cè)中的應(yīng)用[J]. 高校化學(xué)工程學(xué)報(bào), 2019, 33(2): 443-452.

    ZHOU N, LI S J. R-Vine Copula selection based on kernel density estimation and its application in fault detection [J]. Journal of Chemical Engineering of Chinese Universities, 2019, 33(2): 443-452.

    [15] JAWORSKI P, DURANTE F, HARDLE W K,. Copula theory and its applications[M]. New York: Springer, 2010.

    [16] KAUERMANN G, SCHELLHASE C. Flexible pair-copula estimation in D-vines using bivariate penalized splines [J]. Statistics and Computing, 2014, 24(6): 1081-1100.

    [17] BOWMAN A W. An alternative method of cross-validation for the smoothing of density estimates [J]. Biometrika, 1984, 71(2): 353-360.

    [18] SILVERMAN B W.Density estimation[M]. London: Chapman & Hall, 1986.

    [19] WAND M P, JONES M C. Multivariate plug-in bandwidth selection [J]. Computational Statistics, 1994, 9(2): 97-116.

    [20] HURVICH C M, TSAI C L. Regression and time series model selection in small samples [J].Biometrika, 1989,76(2): 297-307.

    [21] ROSENKRANTZ D J, STEARNS R E, LEWIS I P M. An analysis of several heuristics for the traveling salesman problem [J]. SIAM Journal on Computing, 1977, 6(3): 563-581.

    [22] HYNDMAN R J. Computing and graphing highest density regions [J]. The American Statistician, 1996, 50(2): 120-126.

    [23] DOWNS J J, VOGEL E F. A plant-wide industrial process control problem [J]. Computers & Chemical Engineering, 1993, 17(3): 245-255.

    [24] REN X, ZHU K, CAI T,. Fault detection and diagnosis for nonlinear and non-gaussian processes based on copula subspace division [J]. Industrial & Engineering Chemistry Research, 2017, 56(40): 11545-11564.

    [25] 曾根保, 李紹軍, 錢(qián)鋒. 醋酸脫水系統(tǒng)的動(dòng)態(tài)模擬及其控制 [J]. 計(jì)算機(jī)與應(yīng)用化學(xué), 2008, 25(5): 533-536.

    ZENG G B, LI S J, QIAN F. Dynamic simulation and control of acetic acid dehydration system [J]. Computers and Applied Chemistry, 2008, 25(5): 533-536.

    Process monitoring based on Bernstein polynomials and D-vine copula

    CUI Qun, LI Shao-jun

    ( Key Laboratory of Advanced Control and Optimization for Chemical Processes,East China University of Science and Technology, Ministry of Education, Shanghai 200237, China)

    Vine copula modeling has problems in binary copula function selection. A D-vine copula selection method based on penalizing Bernstein polynomial was proposed in this study and applied to fault monitoring of chemical processes. The order of variables of the D-vine copula model was determined by the nearest neighbor algorithm. The parameters of the D-vine copula model and the univariate marginal probability density function were estimated by penalizing Bernstein polynomial and kernel density estimator, respectively, thus forming the joint probability distribution of multiple variables. Finally, the generalized local probability index was constructed by combining the high-density region and the static density quantifier, and then on-line process monitoring was realized. The proposed method was applied in Tennessee Eastman (TE) and acetic acid dehydration processes. The statistical results of fault detection rate and false alarm rate show that the proposed method has a good monitoring performance.

    process monitoring; Bernstein polynomial; penalized spline smoothing; D-vine copula

    TP277

    A

    10.3969/j.issn.1003-9015.2021.01.014

    1003-9015(2021)01-0118-09

    2019-12-30;

    2020-03-24。

    國(guó)家自然科學(xué)基金(21676086)。

    崔群(1994-),男,山西運(yùn)城人,華東理工大學(xué)碩士生。

    李紹軍,E-mail:lishaojun@ecust.edu.cn

    猜你喜歡
    伯恩斯坦醋酸監(jiān)控
    醋酸鈣含量測(cè)定方法的對(duì)比與優(yōu)化
    云南化工(2021年11期)2022-01-12 06:06:20
    The Great Barrier Reef shows coral comeback
    圖說(shuō)醋酸
    廣州化工(2020年8期)2020-05-19 06:23:56
    你被監(jiān)控了嗎?
    Zabbix在ATS系統(tǒng)集中監(jiān)控中的應(yīng)用
    不能忘卻的“紀(jì)念”
    論伯恩斯坦的精致語(yǔ)言編碼與家庭教育
    看監(jiān)控?cái)z像機(jī)的4K之道
    醋酸甲酯與合成氣一步合成醋酸乙烯
    世界上第一個(gè)社會(huì)主義政黨德國(guó)社會(huì)民主工黨首建垂范
    欧美潮喷喷水| 欧美xxⅹ黑人| 国产成人a∨麻豆精品| 国产一区二区在线观看日韩| 一区二区三区免费毛片| 亚洲电影在线观看av| 性插视频无遮挡在线免费观看| 欧美激情国产日韩精品一区| 两个人视频免费观看高清| 亚洲四区av| av专区在线播放| 日韩精品有码人妻一区| 免费大片18禁| av网站免费在线观看视频 | 男人舔女人下体高潮全视频| 免费看不卡的av| 激情五月婷婷亚洲| 久久久久久久国产电影| 一级毛片电影观看| 欧美激情国产日韩精品一区| 国产精品久久视频播放| 少妇丰满av| 在线 av 中文字幕| 少妇被粗大猛烈的视频| 小蜜桃在线观看免费完整版高清| 91aial.com中文字幕在线观看| 免费黄色在线免费观看| 美女黄网站色视频| 免费av不卡在线播放| 2018国产大陆天天弄谢| 亚洲激情五月婷婷啪啪| 成人综合一区亚洲| 午夜老司机福利剧场| 欧美日韩在线观看h| 中文字幕久久专区| 日本爱情动作片www.在线观看| 最近最新中文字幕免费大全7| 老司机影院毛片| 色视频www国产| 插阴视频在线观看视频| 国国产精品蜜臀av免费| 特级一级黄色大片| 日本欧美国产在线视频| 色综合站精品国产| 国产午夜精品久久久久久一区二区三区| 91久久精品电影网| 欧美潮喷喷水| 熟妇人妻不卡中文字幕| 能在线免费看毛片的网站| 亚洲成人精品中文字幕电影| 国产亚洲精品av在线| 国产淫片久久久久久久久| 五月玫瑰六月丁香| 哪个播放器可以免费观看大片| 免费无遮挡裸体视频| 亚洲国产日韩欧美精品在线观看| 午夜久久久久精精品| 亚洲av不卡在线观看| 人妻少妇偷人精品九色| 亚洲av成人av| 成人毛片60女人毛片免费| 精品久久久久久久人妻蜜臀av| 久久久久精品性色| 久久久久久久久久黄片| 一区二区三区高清视频在线| 久久久精品免费免费高清| 国产美女午夜福利| 国产视频首页在线观看| 日日啪夜夜撸| 赤兔流量卡办理| 免费在线观看成人毛片| 欧美日韩视频高清一区二区三区二| 97人妻精品一区二区三区麻豆| 黄色一级大片看看| 直男gayav资源| 毛片女人毛片| 一级毛片电影观看| 蜜臀久久99精品久久宅男| 高清视频免费观看一区二区 | 大片免费播放器 马上看| 久久精品久久久久久噜噜老黄| 亚洲精品久久久久久婷婷小说| 国产熟女欧美一区二区| 亚洲性久久影院| 亚洲av成人精品一区久久| 91精品国产九色| 午夜爱爱视频在线播放| 久久午夜福利片| 丰满乱子伦码专区| 亚洲精品影视一区二区三区av| 舔av片在线| 国产成年人精品一区二区| 色5月婷婷丁香| 好男人在线观看高清免费视频| 国产黄色小视频在线观看| 看免费成人av毛片| av线在线观看网站| 男人狂女人下面高潮的视频| 高清欧美精品videossex| 性插视频无遮挡在线免费观看| 毛片女人毛片| 91精品伊人久久大香线蕉| 亚洲av福利一区| 草草在线视频免费看| 久久精品人妻少妇| 成人亚洲欧美一区二区av| 欧美97在线视频| 蜜桃亚洲精品一区二区三区| 在线 av 中文字幕| 97热精品久久久久久| 国产精品女同一区二区软件| 最近最新中文字幕免费大全7| 国产三级在线视频| 日韩av在线免费看完整版不卡| 国产高清不卡午夜福利| 国产精品不卡视频一区二区| 精品人妻一区二区三区麻豆| 久久久久久久大尺度免费视频| 久久久久精品性色| 18禁在线无遮挡免费观看视频| 国产高清国产精品国产三级 | 在线免费观看不下载黄p国产| 日韩亚洲欧美综合| videossex国产| 18禁在线播放成人免费| 777米奇影视久久| 亚洲综合色惰| 婷婷六月久久综合丁香| 国产乱人视频| 午夜福利高清视频| 纵有疾风起免费观看全集完整版 | 国产乱人视频| 边亲边吃奶的免费视频| 天堂中文最新版在线下载 | 国产亚洲一区二区精品| 秋霞在线观看毛片| 五月天丁香电影| 成人性生交大片免费视频hd| 男插女下体视频免费在线播放| 天天躁日日操中文字幕| 日本免费a在线| 久久综合国产亚洲精品| 我要看日韩黄色一级片| 欧美另类一区| 有码 亚洲区| 噜噜噜噜噜久久久久久91| 久久久久久国产a免费观看| 精品久久国产蜜桃| 国产亚洲91精品色在线| 又粗又硬又长又爽又黄的视频| 国产精品久久久久久精品电影| 亚洲av成人精品一二三区| 亚洲伊人久久精品综合| 神马国产精品三级电影在线观看| 精品人妻偷拍中文字幕| 夜夜看夜夜爽夜夜摸| 免费看光身美女| 久久精品国产亚洲av涩爱| 日韩欧美一区视频在线观看 | 国产亚洲av片在线观看秒播厂 | 久久这里有精品视频免费| 国产精品麻豆人妻色哟哟久久 | eeuss影院久久| 看非洲黑人一级黄片| 国产 一区精品| 精品久久久久久久久亚洲| eeuss影院久久| 黄片wwwwww| 欧美日韩精品成人综合77777| 亚洲熟女精品中文字幕| 美女主播在线视频| 美女大奶头视频| 久久精品久久久久久噜噜老黄| 成人国产麻豆网| 国产精品av视频在线免费观看| 男女下面进入的视频免费午夜| 久久久久精品久久久久真实原创| 日韩伦理黄色片| 国产伦精品一区二区三区视频9| 日本wwww免费看| 亚洲一级一片aⅴ在线观看| 久久久久久久久久黄片| 又粗又硬又长又爽又黄的视频| 色哟哟·www| 舔av片在线| 亚洲精品久久午夜乱码| 丝袜美腿在线中文| 在线 av 中文字幕| 午夜激情福利司机影院| 久久精品久久久久久久性| 欧美高清成人免费视频www| 亚洲欧美精品自产自拍| 日本免费在线观看一区| 成人毛片60女人毛片免费| 男女啪啪激烈高潮av片| 亚洲av国产av综合av卡| 街头女战士在线观看网站| eeuss影院久久| 精品一区二区免费观看| 亚洲av成人精品一二三区| eeuss影院久久| 最新中文字幕久久久久| 久久久成人免费电影| 国产成年人精品一区二区| 亚州av有码| a级毛片免费高清观看在线播放| 淫秽高清视频在线观看| 免费大片18禁| 欧美xxxx黑人xx丫x性爽| 国产精品嫩草影院av在线观看| 久久久久精品性色| 成人鲁丝片一二三区免费| 内地一区二区视频在线| 老女人水多毛片| 天堂av国产一区二区熟女人妻| 亚洲,欧美,日韩| 亚洲av二区三区四区| 国内精品美女久久久久久| 久久精品人妻少妇| 美女主播在线视频| 免费电影在线观看免费观看| 日韩三级伦理在线观看| 一个人看视频在线观看www免费| 亚洲成人一二三区av| 精品99又大又爽又粗少妇毛片| 亚洲天堂国产精品一区在线| av专区在线播放| 色综合色国产| 精品国产露脸久久av麻豆 | 免费播放大片免费观看视频在线观看| 99久久中文字幕三级久久日本| 亚洲乱码一区二区免费版| 欧美bdsm另类| 亚洲精品乱久久久久久| 淫秽高清视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 免费观看的影片在线观看| a级毛色黄片| 又爽又黄a免费视频| 天堂av国产一区二区熟女人妻| 亚洲性久久影院| 高清午夜精品一区二区三区| 日日啪夜夜撸| 国产 亚洲一区二区三区 | 在线免费观看的www视频| 综合色av麻豆| 少妇猛男粗大的猛烈进出视频 | 卡戴珊不雅视频在线播放| 亚洲最大成人手机在线| 成人二区视频| 亚洲av成人精品一区久久| 久久亚洲国产成人精品v| 国产午夜福利久久久久久| 久久久午夜欧美精品| 久久久成人免费电影| 久久久精品94久久精品| 卡戴珊不雅视频在线播放| 能在线免费观看的黄片| 中文字幕亚洲精品专区| 精品国内亚洲2022精品成人| 日本熟妇午夜| 纵有疾风起免费观看全集完整版 | 69人妻影院| 国产精品熟女久久久久浪| 丰满乱子伦码专区| 久久综合国产亚洲精品| 性色avwww在线观看| av一本久久久久| 免费看美女性在线毛片视频| 免费不卡的大黄色大毛片视频在线观看 | 亚洲欧美成人精品一区二区| 成人亚洲精品一区在线观看 | 精品午夜福利在线看| 偷拍熟女少妇极品色| 亚洲精华国产精华液的使用体验| 国产成人freesex在线| 老司机影院毛片| 亚洲伊人久久精品综合| 六月丁香七月| 免费黄网站久久成人精品| 久久久久久久久中文| 最近中文字幕2019免费版| 久久99蜜桃精品久久| 黑人高潮一二区| a级毛片免费高清观看在线播放| 欧美xxxx黑人xx丫x性爽| 韩国av在线不卡| 十八禁国产超污无遮挡网站| 亚洲国产精品成人久久小说| 毛片女人毛片| 久久精品久久久久久久性| 国产色爽女视频免费观看| 中国美白少妇内射xxxbb| 亚洲欧美一区二区三区黑人 | 特大巨黑吊av在线直播| 国产伦精品一区二区三区四那| 久久久久久久久久久免费av| 亚洲av国产av综合av卡| 国产成年人精品一区二区| 免费观看无遮挡的男女| 国产精品美女特级片免费视频播放器| 99久久人妻综合| 搞女人的毛片| 亚洲精品亚洲一区二区| 亚洲av免费在线观看| 国产免费视频播放在线视频 | 天堂中文最新版在线下载 | 中国美白少妇内射xxxbb| 日本黄大片高清| 又大又黄又爽视频免费| 国产高清国产精品国产三级 | 午夜福利在线观看免费完整高清在| 热99在线观看视频| 欧美一区二区亚洲| 久久久色成人| 日韩欧美国产在线观看| 国产爱豆传媒在线观看| 亚洲欧美成人综合另类久久久| 噜噜噜噜噜久久久久久91| 日韩亚洲欧美综合| av黄色大香蕉| 岛国毛片在线播放| freevideosex欧美| 国产av不卡久久| 午夜老司机福利剧场| 亚洲av不卡在线观看| 色5月婷婷丁香| 国产一区二区三区av在线| 久久久精品94久久精品| 亚洲四区av| 精品久久久久久久久久久久久| 免费大片黄手机在线观看| 蜜臀久久99精品久久宅男| 国产av不卡久久| 18禁裸乳无遮挡免费网站照片| 特大巨黑吊av在线直播| 色5月婷婷丁香| 日韩一本色道免费dvd| 免费不卡的大黄色大毛片视频在线观看 | 亚洲精品国产av成人精品| 免费黄网站久久成人精品| 久久久久久久久久成人| 男人舔奶头视频| 亚洲熟妇中文字幕五十中出| 18禁裸乳无遮挡免费网站照片| 别揉我奶头 嗯啊视频| 熟妇人妻久久中文字幕3abv| 91午夜精品亚洲一区二区三区| 亚州av有码| 18禁裸乳无遮挡免费网站照片| 成人亚洲精品av一区二区| 国产伦在线观看视频一区| freevideosex欧美| 久久久精品94久久精品| 成人性生交大片免费视频hd| 国产探花在线观看一区二区| 日本免费在线观看一区| 精品一区二区免费观看| 丝袜美腿在线中文| 欧美 日韩 精品 国产| 精品少妇黑人巨大在线播放| 自拍偷自拍亚洲精品老妇| 国国产精品蜜臀av免费| 午夜爱爱视频在线播放| 青春草视频在线免费观看| 身体一侧抽搐| 国产成人精品婷婷| 日韩亚洲欧美综合| 人人妻人人看人人澡| 日韩av在线免费看完整版不卡| 97在线视频观看| 亚洲人与动物交配视频| 亚洲人成网站在线观看播放| 亚洲精品视频女| 丰满乱子伦码专区| 日韩一区二区三区影片| videos熟女内射| 人人妻人人澡人人爽人人夜夜 | 久久6这里有精品| 国产综合懂色| 久久99蜜桃精品久久| 超碰av人人做人人爽久久| 亚洲av电影不卡..在线观看| 国产黄片美女视频| 精品久久久久久电影网| 最后的刺客免费高清国语| 老师上课跳d突然被开到最大视频| 熟女电影av网| 亚洲国产欧美在线一区| 国产淫片久久久久久久久| 80岁老熟妇乱子伦牲交| 日韩av在线免费看完整版不卡| or卡值多少钱| 国产精品久久久久久久久免| 国产黄片美女视频| 丰满人妻一区二区三区视频av| 在现免费观看毛片| 亚洲三级黄色毛片| 久久久亚洲精品成人影院| 久久久精品欧美日韩精品| 亚洲成人一二三区av| 大香蕉久久网| 久久久久久伊人网av| 乱系列少妇在线播放| 国产探花极品一区二区| 日本wwww免费看| 亚洲最大成人手机在线| 国产一区二区三区综合在线观看 | 中国国产av一级| 91精品国产九色| 亚洲经典国产精华液单| 午夜激情久久久久久久| 成人鲁丝片一二三区免费| 国产成人精品福利久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美日韩在线观看h| 亚洲国产精品成人综合色| 中文在线观看免费www的网站| 麻豆久久精品国产亚洲av| 舔av片在线| 精品久久久久久成人av| 欧美三级亚洲精品| 国产一区二区亚洲精品在线观看| 啦啦啦啦在线视频资源| 99视频精品全部免费 在线| 久久精品综合一区二区三区| 99久国产av精品| 高清午夜精品一区二区三区| 一级a做视频免费观看| 一级av片app| 国产熟女欧美一区二区| 91久久精品国产一区二区三区| 成人亚洲精品av一区二区| 亚洲欧美精品自产自拍| 中国国产av一级| 日韩欧美国产在线观看| 日韩精品青青久久久久久| av卡一久久| 日韩视频在线欧美| 国产精品无大码| 欧美日韩国产mv在线观看视频 | 久久国产乱子免费精品| 成人漫画全彩无遮挡| 精品久久久久久成人av| 国产伦一二天堂av在线观看| 91av网一区二区| 毛片女人毛片| 久久久久免费精品人妻一区二区| 婷婷六月久久综合丁香| 久久久久精品性色| 岛国毛片在线播放| 亚洲av成人av| 女人被狂操c到高潮| 国产av码专区亚洲av| 男女国产视频网站| 久久精品国产亚洲av天美| 国内精品美女久久久久久| 欧美性猛交╳xxx乱大交人| 久久精品国产鲁丝片午夜精品| 久久久久久九九精品二区国产| 日本爱情动作片www.在线观看| 少妇的逼水好多| 欧美日韩在线观看h| 精品久久久精品久久久| 国产精品人妻久久久久久| 26uuu在线亚洲综合色| 在线 av 中文字幕| 成人高潮视频无遮挡免费网站| 国产亚洲91精品色在线| 久久久久久久国产电影| 一区二区三区高清视频在线| 丝袜美腿在线中文| 午夜免费观看性视频| 亚洲av.av天堂| 青春草国产在线视频| 精品不卡国产一区二区三区| 国产视频首页在线观看| 精品亚洲乱码少妇综合久久| 神马国产精品三级电影在线观看| 亚洲最大成人手机在线| 九草在线视频观看| 亚洲av福利一区| 狠狠精品人妻久久久久久综合| 久久精品人妻少妇| videossex国产| 特级一级黄色大片| 国产亚洲91精品色在线| 国产v大片淫在线免费观看| 亚洲电影在线观看av| 国产黄片视频在线免费观看| 国产淫语在线视频| 久久久成人免费电影| 欧美3d第一页| 国产一级毛片七仙女欲春2| 一区二区三区四区激情视频| 欧美潮喷喷水| 亚洲怡红院男人天堂| 99热6这里只有精品| 国产男女超爽视频在线观看| 日韩不卡一区二区三区视频在线| 91久久精品国产一区二区成人| 国产男女超爽视频在线观看| 看非洲黑人一级黄片| 国产黄色小视频在线观看| 人妻系列 视频| 人妻制服诱惑在线中文字幕| 亚洲怡红院男人天堂| 一级毛片我不卡| 别揉我奶头 嗯啊视频| 黄色日韩在线| 少妇丰满av| 亚洲国产精品成人综合色| 中文字幕制服av| 网址你懂的国产日韩在线| 在线观看一区二区三区| 亚洲国产精品成人综合色| 狠狠精品人妻久久久久久综合| 少妇高潮的动态图| 国产精品av视频在线免费观看| 91精品伊人久久大香线蕉| 成年av动漫网址| 国产精品1区2区在线观看.| 精品久久久久久电影网| 在线 av 中文字幕| 欧美潮喷喷水| 久久久午夜欧美精品| 一级毛片久久久久久久久女| 久久草成人影院| 国产精品一区二区三区四区免费观看| 亚洲国产av新网站| 亚洲综合精品二区| 成人一区二区视频在线观看| 久久这里只有精品中国| 一级av片app| 午夜日本视频在线| 久久精品久久久久久久性| 亚洲精品日韩av片在线观看| 99热全是精品| 91久久精品电影网| 欧美xxxx黑人xx丫x性爽| 日韩国内少妇激情av| 中国国产av一级| 精品久久久久久久人妻蜜臀av| 精品午夜福利在线看| 色尼玛亚洲综合影院| 免费观看a级毛片全部| 日本黄色片子视频| 亚洲精品日韩在线中文字幕| 亚洲国产色片| 波野结衣二区三区在线| 天美传媒精品一区二区| 国产又色又爽无遮挡免| 亚洲av成人av| 精品久久久噜噜| 我的女老师完整版在线观看| 高清在线视频一区二区三区| 少妇丰满av| 嘟嘟电影网在线观看| freevideosex欧美| 国产精品一区www在线观看| 免费观看在线日韩| 春色校园在线视频观看| 国产高清不卡午夜福利| 色播亚洲综合网| 亚洲性久久影院| 国产精品精品国产色婷婷| 精品国内亚洲2022精品成人| 最近最新中文字幕免费大全7| 亚洲不卡免费看| 精品人妻视频免费看| 秋霞在线观看毛片| 国产黄色免费在线视频| 嘟嘟电影网在线观看| 欧美bdsm另类| 亚洲图色成人| 又大又黄又爽视频免费| 蜜桃久久精品国产亚洲av| 91aial.com中文字幕在线观看| 国产视频内射| 日韩精品青青久久久久久| 国产精品美女特级片免费视频播放器| 国产黄片美女视频| 亚洲高清免费不卡视频| .国产精品久久| 男女视频在线观看网站免费| 伦理电影大哥的女人| 在线观看免费高清a一片| 国内精品一区二区在线观看| 久久97久久精品| 岛国毛片在线播放| 丝袜美腿在线中文| 三级经典国产精品| 亚洲欧美日韩卡通动漫| 黄色一级大片看看| 午夜福利视频精品| 免费av不卡在线播放| 性插视频无遮挡在线免费观看| 国产精品一区二区在线观看99 | 免费黄色在线免费观看| 亚洲精品视频女| 久久精品国产亚洲网站| 亚洲精品,欧美精品| 国产一级毛片在线| 精品国产三级普通话版| 直男gayav资源| 我的女老师完整版在线观看| 亚洲国产精品国产精品| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产综合精华液| 久久久久国产网址| 嫩草影院入口| 你懂的网址亚洲精品在线观看| 午夜福利视频1000在线观看| 午夜福利网站1000一区二区三区| 亚洲人与动物交配视频|