• <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
    亚洲精品日韩在线中文字幕| 久久久久久久久久久久大奶| 国产在视频线精品| 国产极品粉嫩免费观看在线| 午夜免费男女啪啪视频观看| 人妻人人澡人人爽人人| 日本av免费视频播放| 国产爽快片一区二区三区| 久久久精品94久久精品| 最近最新中文字幕大全免费视频 | 亚洲精品第二区| 亚洲国产av新网站| 成人午夜精彩视频在线观看| 成人免费观看视频高清| 97精品久久久久久久久久精品| 亚洲国产精品成人久久小说| 国产 一区精品| 国产又色又爽无遮挡免| 三级国产精品片| 91久久精品国产一区二区三区| 一区二区三区精品91| 欧美成人午夜免费资源| 日韩伦理黄色片| 午夜免费男女啪啪视频观看| 99久久精品国产国产毛片| 日韩中字成人| 精品少妇黑人巨大在线播放| 亚洲精品日本国产第一区| 桃花免费在线播放| 午夜福利在线免费观看网站| 丁香六月天网| 在线观看国产h片| 亚洲激情五月婷婷啪啪| 国产伦理片在线播放av一区| 老汉色∧v一级毛片| 大片免费播放器 马上看| 少妇猛男粗大的猛烈进出视频| 多毛熟女@视频| 99re6热这里在线精品视频| 美女视频免费永久观看网站| 黄色毛片三级朝国网站| 久久99精品国语久久久| 人人妻人人爽人人添夜夜欢视频| 久久人人爽人人片av| 看非洲黑人一级黄片| 五月开心婷婷网| 日韩一区二区三区影片| xxxhd国产人妻xxx| 婷婷色综合大香蕉| 黄色一级大片看看| 在线亚洲精品国产二区图片欧美| 久久久久久久精品精品| 亚洲伊人久久精品综合| 你懂的网址亚洲精品在线观看| 午夜福利乱码中文字幕| 亚洲精品第二区| 久久ye,这里只有精品| 亚洲精品一二三| 亚洲三区欧美一区| 夫妻午夜视频| 国产福利在线免费观看视频| 欧美老熟妇乱子伦牲交| 亚洲婷婷狠狠爱综合网| 成人国产麻豆网| 亚洲精品美女久久久久99蜜臀 | 少妇猛男粗大的猛烈进出视频| 一级,二级,三级黄色视频| 久久国产亚洲av麻豆专区| 国产高清国产精品国产三级| 美女xxoo啪啪120秒动态图| 亚洲av电影在线观看一区二区三区| 亚洲久久久国产精品| 国产色婷婷99| 欧美97在线视频| 日本91视频免费播放| 啦啦啦啦在线视频资源| 天堂俺去俺来也www色官网| 亚洲欧美清纯卡通| 久久久久久久精品精品| 欧美国产精品va在线观看不卡| 免费黄色在线免费观看| 男人爽女人下面视频在线观看| 色婷婷久久久亚洲欧美| 午夜福利网站1000一区二区三区| 欧美日韩精品网址| 91在线精品国自产拍蜜月| 亚洲精品aⅴ在线观看| 最近中文字幕2019免费版| 国产精品国产三级国产专区5o| 亚洲精品久久成人aⅴ小说| 国产精品偷伦视频观看了| 日韩制服丝袜自拍偷拍| 中文字幕另类日韩欧美亚洲嫩草| 一级a爱视频在线免费观看| 欧美日韩精品成人综合77777| 寂寞人妻少妇视频99o| 成年人午夜在线观看视频| 一区二区三区四区激情视频| www.精华液| 99国产综合亚洲精品| 成人午夜精彩视频在线观看| 中文字幕亚洲精品专区| 国产xxxxx性猛交| 久久久久久人人人人人| 美女视频免费永久观看网站| 高清在线视频一区二区三区| 99re6热这里在线精品视频| 欧美日本中文国产一区发布| kizo精华| 午夜福利,免费看| 亚洲,欧美精品.| 亚洲国产精品999| 欧美黄色片欧美黄色片| av视频免费观看在线观看| 久久久久国产网址| 中文字幕人妻丝袜制服| 欧美xxⅹ黑人| 18在线观看网站| 一区二区三区精品91| 色吧在线观看| av天堂久久9| 天美传媒精品一区二区| 热re99久久国产66热| 欧美人与性动交α欧美软件| 精品少妇一区二区三区视频日本电影 | 中文字幕精品免费在线观看视频| 久久精品久久精品一区二区三区| 99久久综合免费| 狂野欧美激情性bbbbbb| 日日撸夜夜添| 国产熟女欧美一区二区| 丝袜人妻中文字幕| 少妇被粗大猛烈的视频| 99热网站在线观看| 成人黄色视频免费在线看| 婷婷色麻豆天堂久久| 人人妻人人澡人人爽人人夜夜| 91在线精品国自产拍蜜月| 亚洲 欧美一区二区三区| 97人妻天天添夜夜摸| 少妇人妻精品综合一区二区| 亚洲精品成人av观看孕妇| 亚洲欧美清纯卡通| 亚洲av福利一区| 亚洲伊人色综图| 一级a爱视频在线免费观看| 欧美 亚洲 国产 日韩一| 亚洲婷婷狠狠爱综合网| av网站在线播放免费| 香蕉国产在线看| 熟女电影av网| 日韩在线高清观看一区二区三区| 午夜影院在线不卡| 久久精品国产亚洲av天美| www日本在线高清视频| 91在线精品国自产拍蜜月| 一边亲一边摸免费视频| 亚洲国产精品一区三区| 久久综合国产亚洲精品| 色哟哟·www| av片东京热男人的天堂| 亚洲第一区二区三区不卡| 久久精品国产亚洲av涩爱| 天天躁狠狠躁夜夜躁狠狠躁| 97人妻天天添夜夜摸| 国语对白做爰xxxⅹ性视频网站| 久久影院123| 日韩av免费高清视频| 国产欧美日韩综合在线一区二区| 久久99一区二区三区| 国产一区二区激情短视频 | 在线观看免费高清a一片| 精品久久蜜臀av无| 日韩不卡一区二区三区视频在线| 久久精品国产亚洲av高清一级| 九草在线视频观看| 日韩中文字幕欧美一区二区 | 中文字幕人妻熟女乱码| 欧美xxⅹ黑人| 免费在线观看完整版高清| 国产一区有黄有色的免费视频| 精品99又大又爽又粗少妇毛片| 青春草国产在线视频| 夜夜骑夜夜射夜夜干| 亚洲成人手机| 久久青草综合色| 2018国产大陆天天弄谢| 亚洲av中文av极速乱| 夫妻性生交免费视频一级片| 宅男免费午夜| 天天躁狠狠躁夜夜躁狠狠躁| 纯流量卡能插随身wifi吗| 丝袜在线中文字幕| 韩国av在线不卡| 免费在线观看视频国产中文字幕亚洲 | 精品国产超薄肉色丝袜足j| 国产成人免费无遮挡视频| 中文字幕最新亚洲高清| 中文字幕色久视频| 日韩制服骚丝袜av| 久久精品亚洲av国产电影网| 90打野战视频偷拍视频| 国产不卡av网站在线观看| 涩涩av久久男人的天堂| 18禁观看日本| 香蕉精品网在线| 久久精品国产综合久久久| 国产亚洲最大av| 午夜福利在线观看免费完整高清在| 亚洲在久久综合| 精品国产一区二区三区四区第35| 久久精品夜色国产| 有码 亚洲区| 色吧在线观看| 亚洲av.av天堂| 人人妻人人澡人人看| 母亲3免费完整高清在线观看 | 欧美激情高清一区二区三区 | 日本欧美视频一区| 国产日韩欧美亚洲二区| 成年人免费黄色播放视频| 精品人妻偷拍中文字幕| 十分钟在线观看高清视频www| 亚洲色图综合在线观看| 国产日韩欧美视频二区| 一个人免费看片子| 在线观看免费视频网站a站| 一区二区日韩欧美中文字幕| 亚洲精品美女久久av网站| 性高湖久久久久久久久免费观看| 99re6热这里在线精品视频| 99国产精品免费福利视频| 黄片小视频在线播放| 久久久精品免费免费高清| h视频一区二区三区| 一区福利在线观看| 少妇精品久久久久久久| 一级爰片在线观看| 美女中出高潮动态图| 成人免费观看视频高清| av视频免费观看在线观看| 女人久久www免费人成看片| 亚洲精品aⅴ在线观看| 国产精品成人在线| 日韩中字成人| 国产成人精品婷婷| 色视频在线一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 亚洲精品久久午夜乱码| 9色porny在线观看| 久久影院123| 欧美精品av麻豆av| 久久精品久久精品一区二区三区| 国产国语露脸激情在线看| 一区二区三区精品91| 国产一区二区三区av在线| 久久免费观看电影| 国产免费福利视频在线观看| 精品人妻偷拍中文字幕| 亚洲精品日韩在线中文字幕| 欧美日韩视频精品一区| 国产xxxxx性猛交| 国产淫语在线视频| 亚洲国产看品久久| 人人澡人人妻人| 亚洲精品久久午夜乱码| 日本欧美国产在线视频| 激情视频va一区二区三区| 久久人人爽人人片av| 18禁动态无遮挡网站| 国产无遮挡羞羞视频在线观看| 欧美成人午夜精品| 美女视频免费永久观看网站| 九九爱精品视频在线观看| 国产精品蜜桃在线观看| 免费黄频网站在线观看国产| 丝袜喷水一区| 久久国产精品男人的天堂亚洲| 亚洲人成网站在线观看播放| 蜜桃在线观看..| 亚洲人成网站在线观看播放| 国产精品二区激情视频| 精品国产一区二区三区久久久樱花| 在线看a的网站| 18在线观看网站| 欧美精品一区二区免费开放| 亚洲美女黄色视频免费看| 国产精品无大码| 搡女人真爽免费视频火全软件| 日韩中字成人| 精品午夜福利在线看| 亚洲精品国产色婷婷电影| 黄片播放在线免费| 我要看黄色一级片免费的| 少妇人妻精品综合一区二区| 18禁动态无遮挡网站| 少妇精品久久久久久久| 赤兔流量卡办理| 黄色一级大片看看| 午夜福利在线观看免费完整高清在| 久久99精品国语久久久| 国产国语露脸激情在线看| 中文字幕色久视频| 欧美日韩一级在线毛片| 一区二区三区精品91| 国产熟女欧美一区二区| 欧美日韩综合久久久久久| 欧美黄色片欧美黄色片| 久久久久精品人妻al黑| 在线天堂最新版资源| av在线观看视频网站免费| 免费播放大片免费观看视频在线观看| 亚洲成国产人片在线观看| 伦理电影免费视频| 色视频在线一区二区三区| 久久国内精品自在自线图片| 亚洲精品国产av成人精品| 午夜激情av网站| 人妻系列 视频| 欧美成人午夜免费资源| 18禁观看日本| 成年动漫av网址| 捣出白浆h1v1| 满18在线观看网站| 丝袜人妻中文字幕| 日韩精品有码人妻一区| 亚洲国产欧美在线一区| 有码 亚洲区| 久久精品久久精品一区二区三区| 国产精品二区激情视频| 在线天堂中文资源库| 亚洲第一区二区三区不卡| 欧美精品一区二区免费开放| 亚洲美女视频黄频| av一本久久久久| 嫩草影院入口| 日韩 亚洲 欧美在线| 日韩中文字幕欧美一区二区 | 高清黄色对白视频在线免费看| av视频免费观看在线观看| 天天躁夜夜躁狠狠久久av| 欧美人与性动交α欧美精品济南到 | 亚洲人成77777在线视频| 交换朋友夫妻互换小说| 欧美日韩精品成人综合77777| 日本vs欧美在线观看视频| xxxhd国产人妻xxx| av卡一久久| 9热在线视频观看99| 黄网站色视频无遮挡免费观看| 丰满迷人的少妇在线观看| 亚洲欧美中文字幕日韩二区| 青春草视频在线免费观看| 在线观看人妻少妇| 国产精品熟女久久久久浪| 老汉色∧v一级毛片| 丝袜喷水一区| av视频免费观看在线观看| 国产一区二区激情短视频 | videos熟女内射| 亚洲在久久综合| 日韩伦理黄色片| 嫩草影院入口| 亚洲欧美色中文字幕在线| 一级毛片黄色毛片免费观看视频| 亚洲人成电影观看| 一边亲一边摸免费视频| 国产精品久久久久久av不卡| 亚洲av综合色区一区| 国产av一区二区精品久久| av.在线天堂| av福利片在线| 久久综合国产亚洲精品| 亚洲国产精品成人久久小说| 在线观看人妻少妇| 亚洲久久久国产精品| 寂寞人妻少妇视频99o| 日本wwww免费看| 成人国产av品久久久| 国产精品久久久久成人av| 国产无遮挡羞羞视频在线观看| 日本欧美视频一区| 亚洲成色77777| 香蕉国产在线看| 欧美少妇被猛烈插入视频| 咕卡用的链子| 国产精品一二三区在线看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产精品国产三级专区第一集| 人人妻人人澡人人看| 久久久精品94久久精品| 王馨瑶露胸无遮挡在线观看| 国产精品一二三区在线看| 老女人水多毛片| 国产在线免费精品| 久久99精品国语久久久| 日韩三级伦理在线观看| 美女福利国产在线| 三级国产精品片| 久久精品熟女亚洲av麻豆精品| 成人亚洲欧美一区二区av| 在线观看免费日韩欧美大片| av又黄又爽大尺度在线免费看| 久久青草综合色| 丰满饥渴人妻一区二区三| 国产淫语在线视频| 欧美激情高清一区二区三区 | 国产福利在线免费观看视频| 国产欧美日韩综合在线一区二区| 美女xxoo啪啪120秒动态图| 97人妻天天添夜夜摸| 波多野结衣av一区二区av| 五月开心婷婷网| 久久精品亚洲av国产电影网| 国产精品欧美亚洲77777| 中文乱码字字幕精品一区二区三区| 久久精品国产鲁丝片午夜精品| av有码第一页| av免费观看日本| 日本av手机在线免费观看| 亚洲欧美日韩另类电影网站| 一级爰片在线观看| 肉色欧美久久久久久久蜜桃| 久久久精品国产亚洲av高清涩受| 色播在线永久视频| 亚洲国产成人一精品久久久| 精品少妇黑人巨大在线播放| 免费高清在线观看视频在线观看| 国产激情久久老熟女| 在线 av 中文字幕| 国产亚洲av片在线观看秒播厂| 中文字幕人妻丝袜制服| 一级毛片 在线播放| 不卡视频在线观看欧美| 中文字幕另类日韩欧美亚洲嫩草| 亚洲伊人久久精品综合| videossex国产| 伊人久久大香线蕉亚洲五| 女人久久www免费人成看片| 中文字幕人妻熟女乱码| 久久久久久久久免费视频了| 狂野欧美激情性bbbbbb| av视频免费观看在线观看| 91午夜精品亚洲一区二区三区| 日韩av免费高清视频| 青春草亚洲视频在线观看| av片东京热男人的天堂| 久久精品国产综合久久久| 在线观看人妻少妇| 美女大奶头黄色视频| 欧美国产精品一级二级三级| 老司机亚洲免费影院| 丝袜喷水一区| 亚洲精品aⅴ在线观看| 色哟哟·www| 99久国产av精品国产电影| 十八禁高潮呻吟视频| 成人亚洲欧美一区二区av| 国产男人的电影天堂91| 国产精品久久久久久精品电影小说| 美女中出高潮动态图| 天天操日日干夜夜撸| 欧美国产精品一级二级三级| 啦啦啦啦在线视频资源| 亚洲国产日韩一区二区| 中文天堂在线官网| 亚洲欧洲精品一区二区精品久久久 | 亚洲精品中文字幕在线视频| 亚洲在久久综合| 国产欧美日韩综合在线一区二区| 午夜91福利影院| 一个人免费看片子| 精品福利永久在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 下体分泌物呈黄色| 久久毛片免费看一区二区三区| 国产黄频视频在线观看| 久久青草综合色| 久久久a久久爽久久v久久| 精品国产露脸久久av麻豆| 日本vs欧美在线观看视频| 99久久综合免费| 亚洲国产毛片av蜜桃av| 天天操日日干夜夜撸| 男女国产视频网站| 999精品在线视频| 丝袜美腿诱惑在线| 国产精品三级大全| 亚洲五月色婷婷综合| 午夜免费男女啪啪视频观看| 99国产综合亚洲精品| 天堂8中文在线网| 国产亚洲精品第一综合不卡| 免费人妻精品一区二区三区视频| av在线播放精品| 精品亚洲成国产av| 熟女电影av网| 亚洲国产欧美在线一区| 狂野欧美激情性bbbbbb| 日韩视频在线欧美| 老司机影院毛片| 一级片'在线观看视频| 在线观看www视频免费| 岛国毛片在线播放| 国产亚洲欧美精品永久| 9热在线视频观看99| 91精品三级在线观看| 一级毛片 在线播放| 国产成人aa在线观看| 亚洲久久久国产精品| 日韩大片免费观看网站| 国产片特级美女逼逼视频| 深夜精品福利| 日韩一卡2卡3卡4卡2021年| 99久久精品国产国产毛片| 久久精品熟女亚洲av麻豆精品| 永久免费av网站大全| 亚洲欧洲日产国产| 亚洲国产成人一精品久久久| 香蕉丝袜av| 久久久久久久久免费视频了| 亚洲少妇的诱惑av| 视频在线观看一区二区三区| 热re99久久国产66热| 精品一区二区三卡| 中文欧美无线码| 午夜福利视频精品| 久久狼人影院| av免费观看日本| 亚洲欧美中文字幕日韩二区| 99国产精品免费福利视频| 爱豆传媒免费全集在线观看| 青春草国产在线视频| 国产男女超爽视频在线观看| 日韩av免费高清视频| 亚洲国产欧美日韩在线播放| 制服丝袜香蕉在线| 日韩成人av中文字幕在线观看| 亚洲伊人色综图| 男的添女的下面高潮视频| 久久久久久久精品精品| 国产日韩欧美在线精品| 免费观看a级毛片全部| 亚洲精品日本国产第一区| 黄色一级大片看看| 亚洲国产欧美网| 国产午夜精品一二区理论片| 成年女人毛片免费观看观看9 | 精品第一国产精品| 久久久久久久国产电影| 高清黄色对白视频在线免费看| 欧美日韩视频高清一区二区三区二| 男女午夜视频在线观看| 日韩av在线免费看完整版不卡| 丝袜美足系列| 日韩精品免费视频一区二区三区| 成人国产麻豆网| 色婷婷久久久亚洲欧美| 女人久久www免费人成看片| 久久久精品94久久精品| 久久人人97超碰香蕉20202| 午夜日本视频在线| 久久 成人 亚洲| a级片在线免费高清观看视频| 视频区图区小说| 狂野欧美激情性bbbbbb| 性高湖久久久久久久久免费观看| 十分钟在线观看高清视频www| 久久精品久久久久久久性| 中文字幕人妻丝袜制服| 啦啦啦中文免费视频观看日本| 午夜影院在线不卡| 99热国产这里只有精品6| 国产精品久久久久久精品电影小说| 免费大片黄手机在线观看| 成人影院久久| 欧美变态另类bdsm刘玥| 亚洲欧洲日产国产| 亚洲三级黄色毛片| 国产一级毛片在线| 中文字幕另类日韩欧美亚洲嫩草| 一二三四中文在线观看免费高清| 国产精品不卡视频一区二区| 国产不卡av网站在线观看| 日本av免费视频播放| 丝袜脚勾引网站| 国产av码专区亚洲av| 观看美女的网站| 国产又爽黄色视频| 亚洲欧美成人综合另类久久久| 男人爽女人下面视频在线观看| 久久女婷五月综合色啪小说| 成人国语在线视频| 中文字幕制服av| 男女边摸边吃奶| 亚洲综合精品二区| 黄色一级大片看看| 久久ye,这里只有精品| 国产一区有黄有色的免费视频| 99热国产这里只有精品6| 热re99久久精品国产66热6| 最近最新中文字幕大全免费视频 | 最近2019中文字幕mv第一页| 亚洲经典国产精华液单| 丰满乱子伦码专区| 久久久久久久国产电影| 国产一区二区三区av在线| 人妻少妇偷人精品九色| 日本免费在线观看一区| 久久国产亚洲av麻豆专区| 国产精品不卡视频一区二区| 国产亚洲午夜精品一区二区久久| 伊人久久国产一区二区| 国产熟女午夜一区二区三区| 国产精品一二三区在线看|