• <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 ?

    基于改進D-S證據(jù)理論的滾拋磨塊融合決策模型

    2021-05-08 10:27:08范曉建田建艷楊英波菅壟楊勝強
    表面技術(shù) 2021年4期
    關(guān)鍵詞:賦值沖突證據(jù)

    范曉建,田建艷,楊英波,菅壟,楊勝強

    基于改進D-S證據(jù)理論的滾拋磨塊融合決策模型

    范曉建a,田建艷a,楊英波b,菅壟a,楊勝強b

    (太原理工大學 a.電氣與動力工程學院 b.機械與運載工程學院,太原 030024)

    為了能夠有效利用滾磨光整加工數(shù)據(jù)庫平臺的案例知識和專家經(jīng)驗,提高新零件加工時滾拋磨塊優(yōu)選的準確率,解決不同優(yōu)選方式優(yōu)選結(jié)果的沖突問題。將案例推理、專家推理、遷移學習3種優(yōu)選方式的滾拋磨塊優(yōu)選結(jié)果作為3種證據(jù),根據(jù)3種優(yōu)選方式計算的相似度結(jié)果構(gòu)建滾拋磨塊決策辨識框架,并采用合理的方法確定基本概率賦值。然后依據(jù)按沖突信息的比例分配基本概率賦值的方法對證據(jù)合成公式進行改進,避免傳統(tǒng)的D-S證據(jù)理論在證據(jù)間高度沖突時出現(xiàn)融合結(jié)果有悖于實際情況的問題。接著采用改進的證據(jù)合成公式對3種證據(jù)進行融合決策。最后利用數(shù)據(jù)庫平臺中工廠加工實例數(shù)據(jù)進行仿真?;跀?shù)據(jù)庫平臺中已有的成功案例結(jié)果,通過仿真結(jié)果可以表明,該改進的融合決策模型可以解決不同優(yōu)選方式優(yōu)選結(jié)果之間的沖突問題,解決了原始合成公式的弊端問題,且融合決策結(jié)果較3種方法單獨使用時具有更高的準確率,該融合決策模型的準確率達到88%?;诟倪MD-S證據(jù)理論的滾拋磨塊融合決策模型,可以為滾磨光整加工時滾拋磨塊的智能優(yōu)選提供決策指導。

    滾拋磨塊;智能優(yōu)選;融合決策;D-S證據(jù)理論;辨識框架;基本概率賦值

    滾磨光整加工是先進制造中成形加工的組成部分,主要是通過滾拋磨塊對零件表面進行碰撞、滾壓、滑擦和刻劃的微量磨削作用,提高零件表面質(zhì)量,改善零件表面完整性[1-2]。國際權(quán)威機構(gòu)統(tǒng)計認定,約有50%的機械零件采用該加工方法來提高表面質(zhì)量[3]。隨著零件質(zhì)量要求的逐步提升,滾磨光整加工對傳統(tǒng)制造業(yè)升級和高精度制造業(yè)發(fā)展起到了重要作用[4-5]。滾拋磨塊作為主要的固體介質(zhì),對加工效果有著較大的影響。目前滾拋磨塊種類較多,不同磨塊的適用性不同,在實際加工中,主要根據(jù)現(xiàn)場專家的經(jīng)驗結(jié)合大量的試驗進行優(yōu)選,效率較低,且對于復(fù)雜零件缺乏有效的理論指導,因此有必要研究滾拋磨塊智能優(yōu)選方法。目前較為成熟的方法有基于案例推理(Case based reasoning,CBR)技術(shù)的滾拋磨塊優(yōu)選方法[6],通過計算待加工零件與案例庫中每條案例的相似度,取相似度最高的案例所用磨塊作為優(yōu)選結(jié)果。但是對于相似度較低的零件,僅僅依據(jù)CBR技術(shù)優(yōu)選結(jié)果可信度低,還需要結(jié)合專家經(jīng)驗以及新問題和歷史案例之間的差異對滾拋磨塊進行優(yōu)選,為此課題組分別建立了基于專家推理(Expert reasoning,ER)和基于遷移學習(Transfer Learning,TL)的滾拋磨塊優(yōu)選模型[7-8]。針對同一個待加工零件,三者的優(yōu)選結(jié)果之間可能會存在沖突問題,因此還需要合理解決沖突,對其進行融合決策,使得決策結(jié)果具有更高的可信度。

    Dempster-Shafer(D-S)證據(jù)理論由Dempster在1967年提出,于1976 年由他的學生Shafer進一步發(fā)展完善。其作為一種有效的融合決策方法,可以為證據(jù)積累的過程提供證據(jù)合成方法,解決證據(jù)之間的沖突問題,得出各個假設(shè)的綜合支持度[9]。目前,D-S證據(jù)理論已經(jīng)在故障診斷、目標識別等融合決策領(lǐng)域得到了廣泛的應(yīng)用。袁杰等[10]提出一種基于D-S證據(jù)融合的混合專家系統(tǒng)故障診斷模型,針對不同環(huán)境下不同專家系統(tǒng)的可靠程度自適應(yīng)分配權(quán)重,試驗結(jié)果表明,對多種決策結(jié)果進行融合可以獲得比單個決策更可靠的決策結(jié)果。Zhao Yi-bing等[11]為了使無人駕駛地面車輛在各種條件下進行障礙物識別,采用D-S證據(jù)理論對分別從攝像機和激光掃描儀中提取的障礙物特征證據(jù)進行融合,測試結(jié)果表明該方法在越野環(huán)境中具有較高的識別能力。Ma Wen-jun等[12]提出一種新的針對完全沖突情況的證據(jù)組合規(guī)則,避免融合結(jié)果出現(xiàn)與事實相反的情況,通過試驗驗證了該改進方法的優(yōu)越性。上述學者從基本概率賦值的確定和合成規(guī)則的改進等方面進行了研究,較好地解決了各領(lǐng)域的融合決策問題,但大部分是針對一個問題的多特征融合,對多種決策結(jié)果進行融合的研究還較少。針對原始的D-S證據(jù)理論合成公式在證據(jù)之間高度沖突時存在的固有弊端問題,在D-S證據(jù)理論的改進方面,主要集中于將沖突部分的基本概率賦值分配給未知的焦元,此時完全忽略沖突信息。同時,由于根據(jù)證據(jù)之間的沖突大小給各證據(jù)分配權(quán)重,計算過程較復(fù)雜。本文在融合時將沖突部分基本概率賦值按比例分配給沖突的焦元,從而得到改進的證據(jù)合成公式。

    為了充分利用案例信息、專家經(jīng)驗、差異信息等不同類型的知識,同時解決3種優(yōu)選方式所得結(jié)果的沖突問題,得到準確的滾拋磨塊決策結(jié)果。在課題組已經(jīng)建立的基于CBR[13]、ER[14]、TL[8]3種滾拋磨塊優(yōu)選模型的基礎(chǔ)上,將3種優(yōu)選方式的優(yōu)選結(jié)果作為3種證據(jù),然后使用改進的D-S證據(jù)理論對3種證據(jù)進行融合,得出最終的決策結(jié)果。

    1 基于改進D-S證據(jù)理論的滾拋磨塊融合決策

    基于CBR的優(yōu)選旨在通過已有的相似案例對新問題的解決提供指導?;贓R的優(yōu)選模擬專家思維進行滾拋磨塊決策?;赥L的滾拋磨塊優(yōu)選考慮到新問題和歷史案例之間的差異信息,通過縮小兩者之間的分布差異,將歷史案例的信息遷移到新問題的求解中,得到優(yōu)選結(jié)果。因此,采用改進的D-S證據(jù)理論對3種優(yōu)選結(jié)果進行融合,可以融合多種類型的知識。基于D-S證據(jù)理論的滾拋磨塊融合決策技術(shù)路線如圖1所示。

    由圖1可知,滾拋磨塊的融合決策過程首先采用3種優(yōu)選方式進行優(yōu)選,然后根據(jù)優(yōu)選結(jié)果構(gòu)建滾拋磨塊辨識框架并確定3種證據(jù)的基本概率賦值,最后采用改進的合成公式進行融合并給出融合決策結(jié)果。

    1.1 滾拋磨塊決策辨識框架的構(gòu)建及基本概率賦值的確定

    滾磨光整加工中產(chǎn)生的不同類型的知識,可以使用不同的方法加以利用,但是在使用過程中存在一定程度的不確定性。D-S證據(jù)理論通過建立滾拋磨塊決策的辨識框架探討證據(jù)的不確定性,通過基本概率賦值處理推理的不確定性,本節(jié)主要介紹根據(jù)3種優(yōu)選方法中各滾拋磨塊的相似度值構(gòu)建辨識框架和確定基本概率賦值的方法。

    1.1.1 滾拋磨塊決策辨識框架的構(gòu)建

    定義1:在滾拋磨塊決策時,所有可能用到的滾拋磨塊用集合表示,且集合中的所有滾拋磨塊兩兩互斥,決策結(jié)果只能取集合中的一種,則稱此互不相容的滾拋磨塊集合為辨識框架[15],可以表示為{1,2,···,B,···,B},B(=1,2,···,)為辨識框架中的一種滾拋磨塊;是滾拋磨塊的種類總數(shù)。

    滾拋磨塊決策的辨識框架包括所有可能用到的待選擇滾拋磨塊,由CBR、ER、TL中各滾拋磨塊的相似度值動態(tài)確定,確定方法如下所述。

    1)基于CBR的優(yōu)選方式,通過計算新問題與案例庫中案例之間的相似度進行案例檢索,得出滾拋磨塊。通常采用加權(quán)最近鄰居法[16]進行計算,該方法在特定距離的定義下,使得距離最近的2個案例之間具有最高的相似度。計算公式如式(1)所示。

    式中:表示待加工零件;S表示案例庫中第個案例;T表示待加工零件的第個特征值;S表示案例庫中第個案例的第個特征值;表示特征總數(shù);SIM1(,S)表示新問題和案例庫中第個案例的相似度;sim(T,S)表示兩個案例的第個特征的相似度[6];1i表示根據(jù)實際加工需求賦予第個特征的主觀權(quán)重[6]。

    根據(jù)式(1)的計算結(jié)果,設(shè)定合理的相似度閾值SIM1th,取相似度值大于SIM1th的案例所用的滾拋磨塊構(gòu)成集合1。

    2)在工廠實際加工過程中,專家通常依據(jù)零件尺寸、加工前表面狀態(tài)及加工要求等選擇滾拋磨塊。故基于ER的優(yōu)選方式中,首先按照專家的決策思維建立區(qū)間值模糊規(guī)則,將零件重要特征及加工要求隸屬區(qū)間作為規(guī)則前件,所用磨塊作為規(guī)則后件。推理時對待加工零件特征進行區(qū)間化描述,然后計算與規(guī)則庫中每條規(guī)則的綜合加權(quán)相似度作為規(guī)則匹配度,計算公式如式(2)所示。

    式中:R表示規(guī)則庫中第條規(guī)則;T表示待加工零件第個特征所對應(yīng)的隸屬區(qū)間;A表示規(guī)則庫中第條規(guī)則的前件中第個特征的隸屬區(qū)間;SIM2(,R)表示待加工零件與第條規(guī)則的綜合加權(quán)相似度;sim(T,A)表示待加工零件與第條規(guī)則的第個特征的區(qū)間相似度[7];2i表示根據(jù)加工要求賦予第個特征的主觀權(quán)重[7]。

    根據(jù)式(2)計算結(jié)果,取相似度值大于閾值SIM2th的規(guī)則對應(yīng)的規(guī)則后件即滾拋磨塊構(gòu)成集合2。

    3)基于TL的優(yōu)選方式為縮小新問題和歷史案例數(shù)據(jù)的分布差異性,采用聯(lián)合分布適配的方式求得變換矩陣,將兩種數(shù)據(jù)投射到公共空間,在公共空間建立滾拋磨塊優(yōu)選模型,每個滾拋磨塊采用4個參數(shù)進行描述,分別是磨塊材質(zhì)、磨塊形狀、磨塊大小、磨塊類型。采用TL得到滾拋磨塊的4個特征參數(shù)后,通過計算4個特征參數(shù)所描述的磨塊和磨塊庫中所有滾拋磨塊的相似度,得到TL優(yōu)選結(jié)果。計算公式如式(3)所示。

    式中:T表示TL結(jié)果所描述的滾拋磨塊;B表示磨塊庫中第個滾拋磨塊;T表示TL結(jié)果所描述的滾拋磨塊的第(=1,2,3,4)個特征值;B表示第個滾拋磨塊的第個特征值;SIM3(T,B)表示TL結(jié)果所描述的滾拋磨塊和磨塊庫中第個滾拋磨塊的相似度;sim(T,B)表示第個滾拋磨塊特征的相似度[8];3i表示第個滾拋磨塊特征的權(quán)重[8]。

    根據(jù)式(3)的計算結(jié)果,取相似度值大于閾值SIM3th的滾拋磨塊構(gòu)成集合3。最后取三者的并集完成滾拋磨塊決策辨識框架的構(gòu)建,即:1∪2∪3。

    1.1.2 3種證據(jù)基本概率賦值的確定

    基本概率賦值表示3種證據(jù)對辨識框架中各個磨塊的支持程度,依據(jù)各種優(yōu)選方式的相似度結(jié)果進行確定,CBR、ER、TL的基本概率賦值分別用1、2、3表示。由于篇幅所限,本文以CBR為例闡述基本概率賦值1的確定方法,其他兩種方式的基本概率賦值2、3的確定方法基本相似。

    首先判斷B1∩是否成立,若不成立,1(B)=0;若成立,1(B)具體的賦值方法流程圖如圖2所示。

    圖2中,SIM1(T,B)=1(,S),其中B為案例S所用的磨塊;MF=MS–,其中參數(shù)是一個很小的正數(shù),通常取0.01~0.05;1表示集合中案例的個數(shù);1、2為根據(jù)相似度值及MF值將滾拋磨塊劃分所得的2個集合,即:1為相似度值大于等于MF的案例所用的滾拋磨塊構(gòu)成的集合,2為其余案例所用的滾拋磨塊構(gòu)成的集合。

    圖2 CBR的基本概率賦值確定流程圖

    1.2 D-S證據(jù)理論合成公式的改進

    式中:為沖突系數(shù),表示兩種優(yōu)選方式優(yōu)選結(jié)果的沖突大小,∈[0,1]。同理可得的計算公式。

    對于公式(4),當=1時,證據(jù)完全沖突,公式失效[22-23];當接近于1時,證據(jù)之間高度沖突,可能導致融合結(jié)果與事實相悖[24-25]。為避免融合過程中出現(xiàn)這兩種問題,提出將沖突部分基本概率賦值按比例分配給沖突的磨塊,在2個證據(jù)融合的情形下,需要滿足如式(5)所示的條件。

    由式(5)可解得:

    由此得到如式(7)所示的D-S證據(jù)理論合成公式:

    由式(7)可知,改進后的合成公式中,既包括兩證據(jù)不沖突信息部分,又包括沖突信息部分,所以在對融合后的焦元分配基本概率賦值時,沒有將沖突信息盲目的全盤否定,從而可以提高合成結(jié)果的可靠性。

    1.3 滾拋磨塊融合決策步驟

    基于改進D-S證據(jù)理論的滾拋磨塊融合決策步驟如下所示。

    Step 1 分別采用CBR、ER、TL進行磨塊優(yōu)選,通過公式(1)—(3)分別得到3種優(yōu)選方式中各滾拋磨塊所對應(yīng)的相似度值。

    Step 2 根據(jù)Step 1中結(jié)果分別得到滾拋磨塊集合1、2、3,然后構(gòu)造滾拋磨塊決策辨識框架1∪2∪3。

    Step 3 根據(jù)圖2中的流程確定CBR的基本概率賦值1,并采用類似的方法確定ER和TL的基本概率賦值2、3。

    Step 4 對3種證據(jù)進行融合:首先采用公式(7)對其中兩種證據(jù)進行合成,然后將所得合成結(jié)果與第3種證據(jù)再次進行合成,得到最終的各滾拋磨塊的基本概率賦值。

    Step 5 取融合后基本概率賦值最大值對應(yīng)的滾拋磨塊作為最終的決策結(jié)果。

    2 試驗仿真與結(jié)果分析

    2.1 數(shù)據(jù)來源

    在滾磨光整加工中,滾拋磨塊按照加工類型可分為粗磨、中磨、精磨、超精磨等,加工設(shè)備有主軸式(旋流式)、離心式、渦流式、振動式等。采用工廠的100個軸類零件加工案例數(shù)據(jù)作為測試數(shù)據(jù)進行仿真,由于篇幅所限,僅列舉曲軸類零件的仿真結(jié)果,其加工方式以主軸式(旋流式)設(shè)備居多,曲軸類零件、加工設(shè)備、滾拋磨塊的簡單圖示如圖3所示。

    圖3 曲軸類零件、加工設(shè)備及滾拋磨塊的圖示

    2.2 參數(shù)確定

    在構(gòu)造辨識框架的過程中,對于不同類型的零件,有不同的最佳相似度閾值。針對曲軸類案例的相似度閾值設(shè)定問題進行了大量仿真,不同的相似度閾值對應(yīng)的融合決策準確率結(jié)果如圖4所示。

    圖4 融合決策準確率隨相似度閾值的變化曲線

    圖4中,決策準確率(Decision accuracy,Acc)的計算公式如式(8)所示。

    式中:TP為決策結(jié)果和案例實際所用磨塊相同的案例數(shù);TO為參與仿真的案例總數(shù)。

    由圖4可知,相似度閾值會影響決策的準確率,當相似度閾值為0.77~0.85時,具有最高的決策準確率(92%)。因為較高相似度閾值會丟失辨識框架中正確的滾拋磨塊,而較低的相似度閾值會使辨識框架中納入過多錯誤的滾拋磨塊,均會使融合決策的準確率降低。因此,在保證決策準確率的同時,為降低算法的時間和空間復(fù)雜度,本文選擇相似度閾值為0.85。

    對于不同優(yōu)選方式以及不同待加工零件的優(yōu)選結(jié)果,應(yīng)該合理地選擇參數(shù),以使各自的基本概率賦值更具合理性。首先根據(jù)模型要求以及優(yōu)選方式確定大致范圍,然后根據(jù)仿真結(jié)果進行適當調(diào)整,當3種優(yōu)選方式的參數(shù)的取值分別為0.02、0.02、0.03時,融合決策的準確率最高,說明此時參數(shù)設(shè)定最合理。

    2.3 實際案例仿真

    分別采用CBR、ER、TL3種方法進行優(yōu)選,每種方法取該方法所對應(yīng)的基本概率賦值最大的滾拋磨塊作為優(yōu)選結(jié)果,3種方法優(yōu)選結(jié)果的正確數(shù)量能一定程度反應(yīng)三者之間的沖突大小。因此,按照3種方法優(yōu)選結(jié)果的正確數(shù)量,分3種情況列舉曲軸類案例的融合決策仿真結(jié)果。其中每條測試案例由11個案例特征及所用滾拋磨塊組成,11個案例特征1—11分別代表本文所舉例的待加工曲軸類零件的長度、軸徑、加工前粗糙度、加工前毛刺、加工前光亮度、加工前硬度、加工后粗糙度、加工后毛刺、加工后光亮度、加工后硬度、殘余應(yīng)力改善。5、9按國家標準分為:可辨加工痕跡方向、無光亮度、較低且沒有磨紋、光亮度非常高4種等級[13],分別賦值為1、2、3、4。8表示加工后毛刺是否存在,若為0,表示加工后毛刺還存在;若為1,表示加工后毛刺被去除。

    2.3.1 其中兩種方法的結(jié)果正確

    3種方法的優(yōu)選結(jié)果中僅有兩種方法的結(jié)果正確時,各種方法所得的優(yōu)選及融合決策結(jié)果如表1所示。

    表1 僅有兩種方法的優(yōu)選結(jié)果正確時的各方法結(jié)果

    Tab.1 Results of each method when only have two methods’ results are correct in the three methods

    2.3.2 僅有一種方法的結(jié)果正確

    當3種方法的優(yōu)選結(jié)果中僅有一種方法的結(jié)果正確時,各種方法所得的優(yōu)選及融合決策結(jié)果如表2所示。

    由表2可知,采用本文所提改進方法融合后,No.9、10、12、13正確,原始合成公式融合后有No.11可以得到?jīng)Q策結(jié)果,但錯誤。根據(jù)公式(4)中沖突值的計算方法,表2中案例平均沖突值較表1中有所增大。采用原始的D-S證據(jù)理論融合準確率有所降低,而采用改進的D-S證據(jù)理論進行融合同樣可以獲得較3種方法更準確的結(jié)果。

    2.3.3 3種方法的結(jié)果都錯誤

    當3種方法的優(yōu)選結(jié)果都錯誤時,各種方法所得的優(yōu)選及融合決策結(jié)果如表3所示。

    表2 僅有一種方法的優(yōu)選結(jié)果正確時的各方法結(jié)果

    Tab.2 Results of each method when only have one method’s result is correct in the three methods

    表3 3種方法的優(yōu)選結(jié)果都錯誤時的各方法結(jié)果

    Tab.3 Results of each method when the optimization results of the three methods are wrong

    由表3可知,采用本文所提改進方法融合后,No.15、17、18、19正確,而原始的合成方法均未能得出結(jié)果。根據(jù)公式(4)中沖突值的計算方法,此時各案例均為完全沖突。由此可知,隨著沖突值的逐漸增大,原始的D-S證據(jù)理論融合效果逐漸變差,而采用改進的D-S證據(jù)理論進行融合均可以獲得較3種方法更準確的結(jié)果。

    對100個測試數(shù)據(jù)的仿真結(jié)果進行統(tǒng)計,其中采用改進的合成公式融合后,準確率達到88%,而采用未改進的合成公式進行融合,由于證據(jù)之間存在較大沖突,準確率僅為43%。因此,基于改進D-S證據(jù)理論的融合決策能通過合理分配沖突信息使其得到有效解決,并得出更準確的決策結(jié)果。

    3 結(jié)論

    1)針對同一個待加工零件,若采用CBR、ER、TL3種優(yōu)選方式優(yōu)選的滾拋磨塊結(jié)論一致,則可直接采用。若3種優(yōu)選方式的優(yōu)選結(jié)果沖突,有必要采用D-S證據(jù)理論融合方法。

    2)當沖突較大或完全沖突時,采用原始的D-S證據(jù)理論合成公式的融合結(jié)果也會出現(xiàn)有悖于實際的情況,甚至不能得出融合結(jié)果。這說明改進D-S證據(jù)理論十分必要。

    3)采用本文提出的改進D-S證據(jù)理論融合決策模型,能有效地解決3種不同優(yōu)選方式結(jié)果的沖突問題,通過融合相關(guān)知識,可使融合結(jié)果較3種方法單獨優(yōu)選具有更高的可信度,可以為實際加工提供有效的工藝指導。

    [1] YANG Sheng-qiang, LI Wen-hui. Surface finishing theory and new technology[M]. Berlin: Springer Press, 2018.

    [2] 楊勝強, 李文輝, 李秀紅, 等. 高性能零件滾磨光整加工的研究進展[J]. 表面技術(shù), 2019, 48(10): 13-24. YANG Sheng-qiang, LI Wen-hui, LI Xiu-hong, et al. Research development of mass finishing for high-perfor-mance parts[J]. Surface technology, 2019, 48(10): 13-24.

    [3] CARIAPA V, PARK H, KIM J, et al. Development of a metal removal model using spherical ceramic media in a centrifugal disk mass finishing machine[J]. The inter-na-tional journal of advanced manufacturing technology, 2008, 39(1): 92-106.

    [4] 楊勝強, 王秀枝, 李文輝. 振動式滾磨光整加工技術(shù)的研究現(xiàn)狀及再發(fā)展[J]. 太原理工大學學報, 2017, 48(3): 385-392. YANG Sheng-qiang, WANG Xiu-zhi, LI Wen-hui. Rese-arch status and future development of vibratory finishing technology[J]. Journal of Taiyuan University of Techno-logy, 2017, 48(3): 385-392.

    [5] 趙光輝. 齒面各向同性光整工藝對齒面接觸疲勞特性影響的研究[D]. 北京: 機械科學研究總院, 2017. ZHAO Guang-hui. Study on influence of isotropic fini-shing process on contact fatigue characteristics of tooth surface[D]. Beijing: China Academy of Machinery Scie-nce and Technology, 2017.

    [6] 楊炎, 高煒, 楊勝強, 等. 基于模糊聚類和案例推理的滾拋磨塊優(yōu)選模型[J]. 表面技術(shù), 2019, 48(9): 315-320. YANG Yan, GAO Wei, YANG Sheng-qiang, et al. Opti-mal model of the abrasive blocks based on fuzzy cluste-ring and case-based reasoning[J]. Surface technology, 2019, 48(9): 315-320.

    [7] 周鑫焱, 田建艷, 高煒, 等. 基于專家推理的滾拋磨塊優(yōu)選模型研究[J]. 現(xiàn)代制造工程, 2020(6): 98-103. ZHOU Xin-yan, TIAN Jian-yan, GAO Wei, et al. Rese-arch on optimal model of the abrasive blocks based on expert reasoning[J]. Modern manufacturing engineering, 2020(6): 98-103.

    [8] 閆瑞斌. 基于遷移學習的滾拋磨塊優(yōu)選模型研究[D]. 太原: 太原理工大學, 2020. YAN Rui-bin. Research on optimal model of the abrasive media based on transfer learning[D]. Taiyuan: Taiyuan University of Technology, 2020.

    [9] 孫子文, 李松, 孫曉雯. 基于D-S證據(jù)理論的人體跌倒檢測方法[J]. 計算機工程與科學, 2018, 40(5): 829-835. SUN Zi-wen, LI Song, SUN Xiao-wen. A human fall detection method based on D-S evidence theory[J]. Com-puter engineering & science, 2018, 40(5): 829-835.

    [10] 袁杰, 王福利, 王姝, 等. 基于D-S融合的混合專家知識系統(tǒng)故障診斷方法[J]. 自動化學報, 2017, 43(9): 1580-1587. YUAN Jie, WANG Fu-li, WANG Shu, et al. A fault diagnosis approach by D-S fusion theory and hybrid expert knowledge system[J]. Acta automatica sinica, 2017, 43(9): 1580-1587.

    [11] ZHAO Yi-bing, DING Feng, LI Ji-ning, et al. The intelligent obstacle sensing and recognizing method based on D-S evidence theory for UGV[J]. Future generation computer systems, 2019, 97: 21-29.

    [12] MA Wen-jun, JIANG Yun-cheng, LUO Xu-dong. A flexi-ble rule for evidential combination in Dempster-Shafer theory of evidence[J]. Applied soft computing journal, 2019, 85: 105512.

    [13] 楊炎. 基于模糊聚類和案例推理的滾拋磨塊優(yōu)選模型研究[D]. 太原: 太原理工大學, 2019. YANG Yan. Research on optimal model of the abrasive blocks based on fuzzy clustering and case-based reaso-ning[D]. Taiyuan: Taiyuan University of Technology, 2019.

    [14] 周鑫焱. 基于專家系統(tǒng)的滾拋磨塊優(yōu)選模型研究[D]. 太原: 太原理工大學, 2020. ZHOU Xin-yan. Research on optimal model of the abra-sive media based on expert system[D]. Taiyuan: Taiyuan University of Technology, 2020.

    [15] XU Hong-hui, DENG Yong. Dependent evidence combin-ation based on decision-making trial and evaluation laboratory method[J]. International journal of intelligent systems, 2019, 34(7): 1555-1571.

    [16] KHOSRAVANI M R, NASIRI S, WEINBERG K. App-li-cation of case-based reasoning in a fault detection system for injection molding process of drippers[J]. Applied soft computing journal, 2019, 75: 227-232.

    [17] MA Wen-jun, LIU We-ru, LUO Xu-dong, et al. A Dem-pster-Shafer theory and uninorm-based framework of rea-soning and multiattribute decision-making for surveil-lance system[J]. International journal of intelligent sys-tems, 2019, 34(11): 3077-3104.

    [18] 魏東. D-S證據(jù)理論合成規(guī)則的改進及其應(yīng)用[D]. 北京: 北京工業(yè)大學, 2018.WEI Dong. The improvement and application of Dem-pster-Shafer rule of combination[D]. Beijing: Beijing University of Technology, 2018.

    [19] DEMPSTER A P. Upper and lower probabilities induced by a multivalued mapping[J]. The annals of mathematical statistics, 1967, 38(2): 325-339.

    [20] WANG Hui, GUO Li-li, DOU Zheng, et al. A new method of cognitive signal recognition based on hybrid infor-mation entropy and D-S evidence theory[J]. Mobile net-works and applications, 2018, 23(4): 677-685.

    [21] YANG Hao, HASSAN S G, WANG Liang, et al. Fault diagnosis method for water quality monitoring and con-trol equipment in aquaculture based on multiple SVM combined with D-S evidence theory[J]. Computers & electronics in agriculture, 2017, 141: 96-108.

    [22] XIAO Fu-yuan. A new divergence measure for belief functions in D-S evidence theory for multisensor data fusion[J]. Information sciences, 2020, 514: 462-483.

    [23] SHI Wen-zao, MAO Zheng-yuan. Automatic detection of urban area from the remote sensing imagery based on improved D-S evidence theory[J]. The imaging science journal, 2017, 65(5): 261-269.

    [24] TANG Xiang-hong, GU Xin, WANG Jia-chen, et al.A bearing fault diagnosis method based on feature selection feedback network and improved D-S evidence fusion[J]. IEEE access, 2020, 8: 20523-20536.

    [25] ZHAO Qian-yu, WANG Shou-xiang, WANG Kai, et al. Multi-objective optimal allocation of distributed gener-ations under uncertainty based on D-S evidence theory and affine arithmetic[J]. International journal of electrical power and energy systems, 2019, 112: 70-82.

    Fusion Decision Model of Tumbling Chip Abrasives Based on Improved D-S Evidence Theory

    -a,-a,-b,a,-b

    (a.School of Electrical and Power Engineering, b.School of Mechanical and Vehicle Engineering, Taiyuan University of Technology, Taiyuan 030024, China)

    As the primary solid medium in the barrel finishing process, the tumbling chip abrasives has a great influence on the processing effect. In order to effectively utilize the case knowledge and expert experience of the database of barrel finishing process, and improve the accuracy of the optimization of tumbling chip abrasives when the new part are processed, the research group have established the optimization model of tumbling chip abrasives based on case-based reasoning, expert reasoning and transfer learning respectively. However, optimization result only based on three independent methods had low reliability,for the new part to be processed, there will be conflicts among the three optimization results, so that it is necessary to make a fusion decision for the three optimization results. Therefore, a fusion decision model of tumbling chip abrasives based on improved D-S evidence theory is proposed. Firstly, the optimization results of case-based reasoning, expert reasoning and transfer learning are used as three kinds of evidence. According to the similarity results calculated by the three optimization methods, the decision frame of discernment of tumbling chip abrasives is constructed, and a reasonable method is used to determine the basic probability assignment. Secondly, aiming at the problem that the fusion results are contrary to the actual situation when the evidences are highly conflicting in the traditional D-S evidence theory, the method of distributing the basic probability assignment according to the proportion of conflict information is used to improve the synthesize formula. Then, the improved synthesize formula is used to fuse the three kinds of evidence. Finally, the simulation is carried out by using the real data of factory processing in the database. Based on existing case results, a large number of simulation results show that the improved fusion decision model can solve the conflicts between the optimization results of different optimization methods as well as the disadvantages of the original synthesis formula. The results of fusion decision have higher accuracy than those of the other three methods. The accuracy of the fusion decision model reaches 88%, which shows that the proposed decision model can provide decision guidance for intelligent optimization of tumbling chip abrasives.

    tumbling chip abrasives; intelligent optimization; fusion decision; D-S evidence theory; frame of discernment; basic probability assignment

    2020-08-10;

    2020-11-24

    FAN Xiao-jian (1996—), Male, Master, Research focus: complex system modeling and intelligent control.

    田建艷(1966—),女,博士,教授,主要研究方向為復(fù)雜系統(tǒng)建模與智能監(jiān)控系統(tǒng)研究。郵箱:tut_tianjy@163.com

    Corresponding author:TIAN Jian-yan (1966—), Female, Doctor, Professor, Research focus: research on complex system modeling and intelligent monitoring system. E-mail: tut_tianjy@163.com

    范曉建, 田建艷, 楊英波, 等. 基于改進D-S證據(jù)理論的滾拋磨塊融合決策模型[J]. 表面技術(shù), 2021, 50(4): 393-401.

    TG356.28

    A

    1001-3660(2021)04-0393-09

    10.16490/j.cnki.issn.1001-3660.2021.04.042

    2020-08-10;

    2020-11-24

    山西省重點研發(fā)計劃項目(201903D121057);山西省回國留學人員科研資助項目(2017-032);山西省自然科學基金重點項目(201801D111002)

    Fund:Supported by the Key Research and Development (R&D) Projects of Shanxi Province of China (201903D121057); Research Project Supported by the Shanxi Scholarship Council of China (2017-032) and the Key Project of Natural Science Foundation of Shanxi Province of China (201801D111002)

    范曉建(1996—),男,碩士研究生,研究方向為復(fù)雜系統(tǒng)建模與智能控制。

    FAN Xiao-jian, TIAN Jian-yan, YANG Ying-bo, et al. Fusion decision model of tumbling chip abrasives based on improved D-S evidence theory[J]. Surface technology, 2021, 50(4): 393-401.

    猜你喜歡
    賦值沖突證據(jù)
    關(guān)于1 1/2 … 1/n的一類初等對稱函數(shù)的2-adic賦值
    L-代數(shù)上的賦值
    耶路撒冷爆發(fā)大規(guī)模沖突
    “三宜”“三不宜”化解師生沖突
    井岡教育(2020年6期)2020-12-14 03:04:32
    強賦值幺半群上的加權(quán)Mealy機與加權(quán)Moore機的關(guān)系*
    對于家庭暴力應(yīng)當如何搜集證據(jù)
    紅土地(2016年3期)2017-01-15 13:45:22
    手上的證據(jù)
    利用賦值法解決抽象函數(shù)相關(guān)問題オ
    “大禹治水”有了新證據(jù)
    手上的證據(jù)
    cao死你这个sao货| 国产一区二区三区视频了| 99在线人妻在线中文字幕| 久久精品国产亚洲av高清一级| 中文欧美无线码| 久久婷婷成人综合色麻豆| 色在线成人网| 岛国视频午夜一区免费看| 国产精品九九99| 精品久久久久久久毛片微露脸| 国产一卡二卡三卡精品| 国产一区二区三区在线臀色熟女 | 久久久久久久久免费视频了| 精品国产乱子伦一区二区三区| 伦理电影免费视频| 亚洲色图综合在线观看| 久久人妻av系列| 一区二区三区精品91| 大型黄色视频在线免费观看| 波多野结衣高清无吗| av中文乱码字幕在线| 80岁老熟妇乱子伦牲交| 久久精品影院6| 久久久久久久午夜电影 | 99国产精品免费福利视频| 天堂影院成人在线观看| 成人亚洲精品av一区二区 | 91成人精品电影| 搡老岳熟女国产| 他把我摸到了高潮在线观看| 国产成人精品在线电影| 日韩欧美一区二区三区在线观看| 亚洲av电影在线进入| 一二三四社区在线视频社区8| 90打野战视频偷拍视频| 大陆偷拍与自拍| 人成视频在线观看免费观看| 后天国语完整版免费观看| 法律面前人人平等表现在哪些方面| 欧美日韩福利视频一区二区| 免费看十八禁软件| 久久久久国内视频| 亚洲五月天丁香| 久99久视频精品免费| 亚洲精品国产色婷婷电影| 99精品在免费线老司机午夜| www日本在线高清视频| 久久久久国产精品人妻aⅴ院| 又紧又爽又黄一区二区| 久久国产乱子伦精品免费另类| 国产成年人精品一区二区 | 免费av中文字幕在线| 19禁男女啪啪无遮挡网站| 国产精品久久久久久人妻精品电影| 久99久视频精品免费| 久久精品国产清高在天天线| 女人被躁到高潮嗷嗷叫费观| ponron亚洲| 国产野战对白在线观看| 韩国av一区二区三区四区| 夜夜爽天天搞| 超色免费av| 人人妻人人澡人人看| 欧美日韩一级在线毛片| 国产精品美女特级片免费视频播放器 | 午夜激情av网站| 亚洲欧美精品综合久久99| 黄片播放在线免费| av电影中文网址| 亚洲专区中文字幕在线| 精品一品国产午夜福利视频| videosex国产| 亚洲色图综合在线观看| 久久中文字幕人妻熟女| 成年人黄色毛片网站| 高清在线国产一区| 国产免费男女视频| 亚洲精品在线观看二区| avwww免费| 五月开心婷婷网| av超薄肉色丝袜交足视频| 在线观看日韩欧美| 自拍欧美九色日韩亚洲蝌蚪91| 日韩大尺度精品在线看网址 | 人人妻人人添人人爽欧美一区卜| 又黄又粗又硬又大视频| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人成网站在线播放欧美日韩| 每晚都被弄得嗷嗷叫到高潮| 一a级毛片在线观看| 久久久水蜜桃国产精品网| 国产成人精品久久二区二区91| 亚洲人成电影免费在线| 亚洲欧美精品综合久久99| 亚洲色图综合在线观看| 日日夜夜操网爽| 窝窝影院91人妻| 精品福利观看| 精品福利观看| 香蕉丝袜av| 成人免费观看视频高清| 成年人免费黄色播放视频| 黄色女人牲交| 国产主播在线观看一区二区| 久久天堂一区二区三区四区| 叶爱在线成人免费视频播放| 亚洲一码二码三码区别大吗| cao死你这个sao货| 亚洲一码二码三码区别大吗| 国产精品免费一区二区三区在线| 一进一出好大好爽视频| 两个人免费观看高清视频| 亚洲av美国av| 成人国产一区最新在线观看| 午夜激情av网站| 国产精品乱码一区二三区的特点 | 欧美日本亚洲视频在线播放| 亚洲av成人不卡在线观看播放网| ponron亚洲| 一边摸一边做爽爽视频免费| 国产av在哪里看| 两个人看的免费小视频| 亚洲三区欧美一区| 国产亚洲欧美在线一区二区| 国产成人影院久久av| 欧美黄色淫秽网站| 中文字幕精品免费在线观看视频| 欧美日本亚洲视频在线播放| 亚洲男人天堂网一区| 国产精华一区二区三区| 精品久久久久久久久久免费视频 | 麻豆成人av在线观看| 亚洲成人精品中文字幕电影 | 亚洲专区中文字幕在线| 国产一区二区三区综合在线观看| 99riav亚洲国产免费| tocl精华| 脱女人内裤的视频| 在线观看免费视频日本深夜| 中国美女看黄片| 又黄又爽又免费观看的视频| 国产亚洲精品综合一区在线观看 | 午夜久久久在线观看| 亚洲精品国产一区二区精华液| 久久 成人 亚洲| 麻豆成人av在线观看| 国产又色又爽无遮挡免费看| 香蕉丝袜av| 美女 人体艺术 gogo| 两个人看的免费小视频| 在线国产一区二区在线| 波多野结衣高清无吗| 另类亚洲欧美激情| 免费人成视频x8x8入口观看| 最新在线观看一区二区三区| 欧美人与性动交α欧美软件| 国产一区在线观看成人免费| 国产精品久久久久久人妻精品电影| bbb黄色大片| 国产aⅴ精品一区二区三区波| 淫妇啪啪啪对白视频| 欧美激情久久久久久爽电影 | 国产真人三级小视频在线观看| 国产精品爽爽va在线观看网站 | 国产成人免费无遮挡视频| 亚洲一区中文字幕在线| 国产av在哪里看| 亚洲视频免费观看视频| 免费观看人在逋| 无人区码免费观看不卡| www.精华液| xxxhd国产人妻xxx| 人人妻人人澡人人看| 99久久国产精品久久久| 又大又爽又粗| 男人的好看免费观看在线视频 | 精品第一国产精品| 精品国产一区二区久久| 级片在线观看| 老汉色∧v一级毛片| 成人av一区二区三区在线看| 少妇被粗大的猛进出69影院| 在线观看免费视频网站a站| 欧美激情高清一区二区三区| 别揉我奶头~嗯~啊~动态视频| 三级毛片av免费| 成人精品一区二区免费| 欧美+亚洲+日韩+国产| 午夜福利在线免费观看网站| 久久久精品国产亚洲av高清涩受| 在线观看免费高清a一片| 精品电影一区二区在线| 亚洲熟妇熟女久久| 久久精品91无色码中文字幕| 欧美中文综合在线视频| 国产精品国产高清国产av| 久久国产精品男人的天堂亚洲| 琪琪午夜伦伦电影理论片6080| 香蕉国产在线看| 久久人人爽av亚洲精品天堂| 国产亚洲av高清不卡| 欧美老熟妇乱子伦牲交| 国产熟女午夜一区二区三区| 黄色毛片三级朝国网站| 妹子高潮喷水视频| 日本精品一区二区三区蜜桃| 在线看a的网站| 午夜久久久在线观看| 777久久人妻少妇嫩草av网站| 99re在线观看精品视频| 操美女的视频在线观看| 一级毛片女人18水好多| 久久久久久免费高清国产稀缺| 少妇被粗大的猛进出69影院| 日韩av在线大香蕉| 高清av免费在线| 又黄又爽又免费观看的视频| 免费少妇av软件| 99精国产麻豆久久婷婷| 久久性视频一级片| 国产日韩一区二区三区精品不卡| 国产亚洲av高清不卡| 国产91精品成人一区二区三区| 最近最新中文字幕大全免费视频| 国产精品秋霞免费鲁丝片| 久久青草综合色| 妹子高潮喷水视频| 淫秽高清视频在线观看| 中文字幕色久视频| 国产成+人综合+亚洲专区| 成人特级黄色片久久久久久久| 国产在线观看jvid| 精品国产乱码久久久久久男人| 99精品久久久久人妻精品| 午夜成年电影在线免费观看| 国产免费男女视频| 99久久人妻综合| 国产黄a三级三级三级人| 最近最新免费中文字幕在线| 久久精品国产99精品国产亚洲性色 | 又紧又爽又黄一区二区| 久久人人精品亚洲av| 一二三四社区在线视频社区8| 色精品久久人妻99蜜桃| 久久草成人影院| 黄色毛片三级朝国网站| 动漫黄色视频在线观看| 国产又色又爽无遮挡免费看| 淫秽高清视频在线观看| 精品福利永久在线观看| 久久久久久亚洲精品国产蜜桃av| 久久热在线av| 水蜜桃什么品种好| 国产在线观看jvid| 色综合站精品国产| www.www免费av| 精品欧美一区二区三区在线| 一级毛片高清免费大全| 日本黄色视频三级网站网址| 亚洲国产看品久久| 欧美日韩中文字幕国产精品一区二区三区 | 女性被躁到高潮视频| 婷婷精品国产亚洲av在线| 国产成年人精品一区二区 | 丝袜美足系列| 丰满饥渴人妻一区二区三| 久久国产精品男人的天堂亚洲| 中文字幕人妻丝袜一区二区| 亚洲精品中文字幕一二三四区| 久久久国产成人免费| 久久久久久久久免费视频了| 757午夜福利合集在线观看| 自线自在国产av| 午夜福利,免费看| 国产精品 国内视频| 夜夜夜夜夜久久久久| 一级毛片精品| 国产无遮挡羞羞视频在线观看| avwww免费| 精品免费久久久久久久清纯| 国产97色在线日韩免费| 热re99久久国产66热| 天天躁夜夜躁狠狠躁躁| 1024香蕉在线观看| 亚洲人成77777在线视频| 99精品久久久久人妻精品| 亚洲在线自拍视频| 国产成+人综合+亚洲专区| 麻豆久久精品国产亚洲av | 久久久国产一区二区| 看黄色毛片网站| 欧美日韩黄片免| 国产精品免费一区二区三区在线| 国产成人精品久久二区二区91| 99久久精品国产亚洲精品| 亚洲精品av麻豆狂野| 一区二区三区激情视频| 国产精品久久久人人做人人爽| 大陆偷拍与自拍| 麻豆国产av国片精品| 人人妻人人添人人爽欧美一区卜| 亚洲熟女毛片儿| 欧美在线黄色| 亚洲av第一区精品v没综合| 人人妻人人澡人人看| 亚洲精品久久午夜乱码| 黄网站色视频无遮挡免费观看| 国产一区在线观看成人免费| 欧美激情高清一区二区三区| 久久这里只有精品19| 精品国内亚洲2022精品成人| 在线观看66精品国产| 国产免费av片在线观看野外av| 欧美成人性av电影在线观看| 日本wwww免费看| www国产在线视频色| 亚洲精品久久午夜乱码| 久热爱精品视频在线9| 人人妻,人人澡人人爽秒播| a级片在线免费高清观看视频| 亚洲人成77777在线视频| 一级,二级,三级黄色视频| 极品人妻少妇av视频| 91大片在线观看| netflix在线观看网站| 国产亚洲精品久久久久久毛片| 色老头精品视频在线观看| 精品一区二区三区视频在线观看免费 | 日日摸夜夜添夜夜添小说| 国产精品久久久久久久电影| 国产私拍福利视频在线观看| 最后的刺客免费高清国语| 99久久成人亚洲精品观看| 99视频精品全部免费 在线| www.色视频.com| 亚洲七黄色美女视频| 日本在线视频免费播放| 一级黄色大片毛片| 精品午夜福利在线看| 亚洲人与动物交配视频| 国产伦精品一区二区三区四那| 在线观看av片永久免费下载| 久久久久久久久久黄片| 免费搜索国产男女视频| 国产精品久久久久久久久免 | 亚洲色图av天堂| 国内少妇人妻偷人精品xxx网站| 久久精品国产清高在天天线| 禁无遮挡网站| 看片在线看免费视频| 2021天堂中文幕一二区在线观| av在线天堂中文字幕| 成人鲁丝片一二三区免费| 亚洲无线观看免费| 三级国产精品欧美在线观看| 88av欧美| 久久久国产成人免费| 啦啦啦韩国在线观看视频| 不卡一级毛片| 久久久久久久久大av| 亚洲性夜色夜夜综合| 熟女人妻精品中文字幕| 国产综合懂色| 亚洲av成人精品一区久久| 成年女人毛片免费观看观看9| 啦啦啦韩国在线观看视频| 国产精品1区2区在线观看.| 1000部很黄的大片| av国产免费在线观看| avwww免费| 色哟哟·www| 精品无人区乱码1区二区| 国产精品一区二区免费欧美| 亚洲 欧美 日韩 在线 免费| 亚洲一区二区三区色噜噜| 亚洲激情在线av| 免费搜索国产男女视频| 中文字幕免费在线视频6| 网址你懂的国产日韩在线| 色综合亚洲欧美另类图片| 国产成人影院久久av| 午夜免费男女啪啪视频观看 | 亚洲激情在线av| 1024手机看黄色片| 国产伦精品一区二区三区四那| 欧美日本亚洲视频在线播放| 中亚洲国语对白在线视频| 色尼玛亚洲综合影院| 国产免费一级a男人的天堂| 午夜亚洲福利在线播放| 直男gayav资源| 午夜免费成人在线视频| 啪啪无遮挡十八禁网站| 成人一区二区视频在线观看| 亚洲片人在线观看| 最后的刺客免费高清国语| 国产精品人妻久久久久久| 免费电影在线观看免费观看| 国产成人欧美在线观看| 在线天堂最新版资源| 国内毛片毛片毛片毛片毛片| 黄色丝袜av网址大全| 我的老师免费观看完整版| 日本免费a在线| 国产大屁股一区二区在线视频| 欧美日本亚洲视频在线播放| 一个人观看的视频www高清免费观看| 精品国内亚洲2022精品成人| 国产午夜精品久久久久久一区二区三区 | 欧美性猛交╳xxx乱大交人| 亚洲一区高清亚洲精品| 亚洲电影在线观看av| 一夜夜www| 怎么达到女性高潮| 最好的美女福利视频网| 久久九九热精品免费| 欧美激情国产日韩精品一区| 黄色女人牲交| 日韩 亚洲 欧美在线| 一本综合久久免费| 日本 av在线| 久久午夜亚洲精品久久| 赤兔流量卡办理| 国产精品一及| 午夜激情福利司机影院| 91狼人影院| 亚洲国产欧洲综合997久久,| 极品教师在线视频| 人妻夜夜爽99麻豆av| 亚洲精华国产精华精| 午夜视频国产福利| 中文字幕人成人乱码亚洲影| 日韩有码中文字幕| 久久久久国产精品人妻aⅴ院| 赤兔流量卡办理| 亚洲第一区二区三区不卡| 69人妻影院| 亚洲欧美日韩高清在线视频| 国产精品久久视频播放| 久久久久久久亚洲中文字幕 | 欧美成人一区二区免费高清观看| 国产免费男女视频| 国产高清视频在线观看网站| 亚洲avbb在线观看| 国产精品久久久久久亚洲av鲁大| 一边摸一边抽搐一进一小说| 18+在线观看网站| 亚洲精品色激情综合| 精品久久久久久成人av| 深夜a级毛片| 老司机午夜福利在线观看视频| 亚洲乱码一区二区免费版| 最近在线观看免费完整版| 国产精品一区二区性色av| 久久性视频一级片| 麻豆成人av在线观看| 啪啪无遮挡十八禁网站| 成人永久免费在线观看视频| 国产成年人精品一区二区| 亚洲欧美日韩高清在线视频| 国产不卡一卡二| 免费看日本二区| 最好的美女福利视频网| 我要搜黄色片| 国产欧美日韩精品一区二区| 亚洲av免费在线观看| 能在线免费观看的黄片| 人妻夜夜爽99麻豆av| 亚洲av免费高清在线观看| 亚洲最大成人中文| 在线观看一区二区三区| 欧美色欧美亚洲另类二区| 日韩精品青青久久久久久| 非洲黑人性xxxx精品又粗又长| 国产精品一区二区性色av| 欧美成人a在线观看| 激情在线观看视频在线高清| 一个人免费在线观看的高清视频| 欧美最黄视频在线播放免费| 亚洲18禁久久av| 精品久久久久久久久久久久久| avwww免费| 一卡2卡三卡四卡精品乱码亚洲| 日本与韩国留学比较| 很黄的视频免费| 99国产极品粉嫩在线观看| 简卡轻食公司| 久久精品91蜜桃| 嫁个100分男人电影在线观看| 精品无人区乱码1区二区| 99久久久亚洲精品蜜臀av| a在线观看视频网站| 亚洲 欧美 日韩 在线 免费| 男插女下体视频免费在线播放| 又粗又爽又猛毛片免费看| 成熟少妇高潮喷水视频| 免费高清视频大片| 国产探花极品一区二区| 久久性视频一级片| 午夜影院日韩av| 又爽又黄a免费视频| 色综合站精品国产| 国产乱人伦免费视频| 麻豆成人午夜福利视频| 精华霜和精华液先用哪个| 十八禁国产超污无遮挡网站| 亚洲av电影在线进入| 国语自产精品视频在线第100页| 好男人在线观看高清免费视频| 村上凉子中文字幕在线| 99久久成人亚洲精品观看| 欧美一区二区国产精品久久精品| 成年版毛片免费区| 精品欧美国产一区二区三| 日韩成人在线观看一区二区三区| 又黄又爽又刺激的免费视频.| 乱人视频在线观看| 国产视频一区二区在线看| 99热6这里只有精品| 国产伦精品一区二区三区视频9| 国产av麻豆久久久久久久| 亚洲av熟女| 999久久久精品免费观看国产| 亚洲人成伊人成综合网2020| 久久久成人免费电影| 日日夜夜操网爽| 搡老妇女老女人老熟妇| 身体一侧抽搐| 久久精品国产99精品国产亚洲性色| 97超视频在线观看视频| 亚洲,欧美,日韩| 国产亚洲精品久久久com| 精品人妻1区二区| 中文字幕人妻熟人妻熟丝袜美| 欧美日韩中文字幕国产精品一区二区三区| 网址你懂的国产日韩在线| 国产美女午夜福利| 国产精品av视频在线免费观看| 国产激情偷乱视频一区二区| 亚洲精品影视一区二区三区av| 在线观看av片永久免费下载| 内地一区二区视频在线| 亚洲内射少妇av| 99久久九九国产精品国产免费| 一本一本综合久久| 精品人妻视频免费看| 天堂网av新在线| 日日干狠狠操夜夜爽| 99久久久亚洲精品蜜臀av| 校园春色视频在线观看| 久久久久久久午夜电影| 久久国产精品影院| 午夜激情福利司机影院| 高清日韩中文字幕在线| 欧美+日韩+精品| 日韩亚洲欧美综合| 午夜福利欧美成人| 天堂av国产一区二区熟女人妻| 欧美黑人巨大hd| 神马国产精品三级电影在线观看| 直男gayav资源| 最近视频中文字幕2019在线8| 在线天堂最新版资源| 国产成人欧美在线观看| 哪里可以看免费的av片| 国产黄片美女视频| 国产麻豆成人av免费视频| 他把我摸到了高潮在线观看| 一本综合久久免费| 亚洲欧美日韩高清专用| 精品久久久久久久久亚洲 | 国产白丝娇喘喷水9色精品| 国产人妻一区二区三区在| 亚洲真实伦在线观看| 精品99又大又爽又粗少妇毛片 | 成人亚洲精品av一区二区| 97人妻精品一区二区三区麻豆| 亚洲久久久久久中文字幕| 亚洲国产欧洲综合997久久,| 色综合婷婷激情| 国产一区二区亚洲精品在线观看| 久久国产精品人妻蜜桃| 色综合亚洲欧美另类图片| 久久人妻av系列| 波多野结衣高清作品| 脱女人内裤的视频| 成年女人永久免费观看视频| 好看av亚洲va欧美ⅴa在| 51午夜福利影视在线观看| 免费无遮挡裸体视频| 禁无遮挡网站| 欧美+亚洲+日韩+国产| 国产v大片淫在线免费观看| 日韩欧美一区二区三区在线观看| 十八禁国产超污无遮挡网站| 欧美日韩中文字幕国产精品一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 日韩有码中文字幕| 亚洲激情在线av| 国产精品乱码一区二三区的特点| bbb黄色大片| 在线免费观看的www视频| 中文资源天堂在线| 久久久国产成人免费| www.色视频.com| 99国产精品一区二区三区| 18禁黄网站禁片午夜丰满| 精品乱码久久久久久99久播| 亚洲国产精品合色在线| 日韩 亚洲 欧美在线| 我的女老师完整版在线观看| 国内精品一区二区在线观看| 免费在线观看亚洲国产| 国产欧美日韩精品亚洲av| 变态另类成人亚洲欧美熟女|