• <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)
    午夜爱爱视频在线播放| 成人三级黄色视频| 一进一出好大好爽视频| 69人妻影院| 狂野欧美白嫩少妇大欣赏| 日本在线视频免费播放| 女同久久另类99精品国产91| 国产成人91sexporn| 嫩草影院新地址| 99热这里只有是精品在线观看| 美女被艹到高潮喷水动态| 女同久久另类99精品国产91| 99久久中文字幕三级久久日本| av在线播放精品| 精品一区二区三区视频在线| 一本精品99久久精品77| 欧美绝顶高潮抽搐喷水| 亚洲精品在线观看二区| 中国国产av一级| 给我免费播放毛片高清在线观看| 亚洲在线观看片| 全区人妻精品视频| 亚洲国产欧洲综合997久久,| 乱系列少妇在线播放| 男女那种视频在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲综合色惰| 99久国产av精品国产电影| 精品久久久久久成人av| 人人妻人人澡人人爽人人夜夜 | 一本久久中文字幕| 天堂影院成人在线观看| 亚洲丝袜综合中文字幕| 91久久精品电影网| 一区福利在线观看| 欧美性猛交╳xxx乱大交人| 日韩 亚洲 欧美在线| 99热精品在线国产| 嫩草影视91久久| 亚洲国产欧美人成| 97超级碰碰碰精品色视频在线观看| 看黄色毛片网站| ponron亚洲| 国产欧美日韩精品亚洲av| 国产精华一区二区三区| 欧美潮喷喷水| 欧美又色又爽又黄视频| 91在线精品国自产拍蜜月| 欧美中文日本在线观看视频| 黄色配什么色好看| 99热网站在线观看| 精品欧美国产一区二区三| 国产精品一区二区免费欧美| 男女啪啪激烈高潮av片| 午夜亚洲福利在线播放| 免费看日本二区| 国产免费男女视频| 久久这里只有精品中国| 日韩欧美精品免费久久| 观看免费一级毛片| 一区二区三区高清视频在线| 日韩强制内射视频| 精品午夜福利视频在线观看一区| 不卡视频在线观看欧美| 久久久成人免费电影| 亚洲高清免费不卡视频| 亚洲欧美日韩高清在线视频| 男女啪啪激烈高潮av片| а√天堂www在线а√下载| 免费看日本二区| 亚洲最大成人中文| 香蕉av资源在线| 一本久久中文字幕| 赤兔流量卡办理| 久久精品人妻少妇| 69人妻影院| 精品99又大又爽又粗少妇毛片| 国产白丝娇喘喷水9色精品| 久久精品夜夜夜夜夜久久蜜豆| 国产成人a∨麻豆精品| 亚洲第一电影网av| 国内少妇人妻偷人精品xxx网站| 一a级毛片在线观看| 美女内射精品一级片tv| 99热这里只有是精品在线观看| 国产精华一区二区三区| 久久天躁狠狠躁夜夜2o2o| 丰满的人妻完整版| 国产亚洲精品久久久久久毛片| av福利片在线观看| 中文字幕久久专区| 在线观看av片永久免费下载| 国产aⅴ精品一区二区三区波| 最新在线观看一区二区三区| 亚洲av一区综合| 俄罗斯特黄特色一大片| 国产国拍精品亚洲av在线观看| or卡值多少钱| 69人妻影院| 1024手机看黄色片| 美女高潮的动态| 直男gayav资源| 精品人妻一区二区三区麻豆 | 久久国产乱子免费精品| 国产精品无大码| 国产91av在线免费观看| 22中文网久久字幕| 丝袜美腿在线中文| 久久精品久久久久久噜噜老黄 | 久久久国产成人免费| 最近中文字幕高清免费大全6| 国产一区二区在线av高清观看| 激情 狠狠 欧美| 噜噜噜噜噜久久久久久91| 欧美性感艳星| 日本免费a在线| 女人十人毛片免费观看3o分钟| 欧美性感艳星| 中国美女看黄片| 国产精华一区二区三区| 99riav亚洲国产免费| 精品一区二区三区视频在线| 欧美色视频一区免费| 男人和女人高潮做爰伦理| 亚洲人与动物交配视频| 在现免费观看毛片| 久久久国产成人免费| 午夜爱爱视频在线播放| 中文字幕精品亚洲无线码一区| 久久精品国产亚洲网站| 女人被狂操c到高潮| 内地一区二区视频在线| 人妻丰满熟妇av一区二区三区| 欧美一级a爱片免费观看看| 久久久欧美国产精品| 伊人久久精品亚洲午夜| 亚洲av五月六月丁香网| 午夜福利成人在线免费观看| 精品午夜福利视频在线观看一区| 午夜福利成人在线免费观看| 99热这里只有精品一区| 亚洲人成网站在线播| 乱码一卡2卡4卡精品| 国产高清三级在线| 少妇的逼水好多| 国内精品一区二区在线观看| 老熟妇乱子伦视频在线观看| 久久精品91蜜桃| 亚洲成人久久性| 日韩欧美精品v在线| 精品国产三级普通话版| 国产精品,欧美在线| 99九九线精品视频在线观看视频| 男女视频在线观看网站免费| 一本久久中文字幕| 能在线免费观看的黄片| 97超级碰碰碰精品色视频在线观看| 亚洲人成网站在线播| 亚洲av成人精品一区久久| 偷拍熟女少妇极品色| 高清午夜精品一区二区三区 | 久久精品夜夜夜夜夜久久蜜豆| 一级毛片aaaaaa免费看小| 黄色配什么色好看| 国产精品1区2区在线观看.| 日产精品乱码卡一卡2卡三| 五月伊人婷婷丁香| 色哟哟·www| 性色avwww在线观看| 午夜精品国产一区二区电影 | 久99久视频精品免费| 国产av一区在线观看免费| 内射极品少妇av片p| 97碰自拍视频| 国产精品人妻久久久影院| 别揉我奶头~嗯~啊~动态视频| 好男人在线观看高清免费视频| 日本在线视频免费播放| 精品少妇黑人巨大在线播放 | 国产精品,欧美在线| 久久久精品大字幕| 99在线人妻在线中文字幕| 日韩大尺度精品在线看网址| 成人av在线播放网站| 久久久成人免费电影| 国产老妇女一区| 人妻夜夜爽99麻豆av| 日产精品乱码卡一卡2卡三| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲美女搞黄在线观看 | 亚洲精品日韩在线中文字幕 | 22中文网久久字幕| 在线免费观看的www视频| 久久久精品94久久精品| 长腿黑丝高跟| 麻豆国产97在线/欧美| 一级毛片电影观看 | 级片在线观看| 国产又黄又爽又无遮挡在线| 国产中年淑女户外野战色| 成人无遮挡网站| 久久久久国内视频| 一个人免费在线观看电影| 久久精品影院6| 天堂动漫精品| 精品乱码久久久久久99久播| 日本 av在线| 老熟妇仑乱视频hdxx| 国产高清视频在线播放一区| 两个人的视频大全免费| 99视频精品全部免费 在线| 国产精品1区2区在线观看.| 国产熟女欧美一区二区| 久久鲁丝午夜福利片| 久久久欧美国产精品| 午夜日韩欧美国产| 国产久久久一区二区三区| 午夜激情福利司机影院| av视频在线观看入口| 69人妻影院| 岛国在线免费视频观看| 久久久精品94久久精品| 国产精品,欧美在线| avwww免费| 日本五十路高清| 身体一侧抽搐| 成年女人看的毛片在线观看| 91久久精品电影网| 天天躁夜夜躁狠狠久久av| 小说图片视频综合网站| 大又大粗又爽又黄少妇毛片口| 99在线视频只有这里精品首页| 亚洲无线在线观看| АⅤ资源中文在线天堂| 亚洲熟妇中文字幕五十中出| 色噜噜av男人的天堂激情| 国内少妇人妻偷人精品xxx网站| 看免费成人av毛片| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲第一区二区三区不卡| 亚洲电影在线观看av| 国产视频一区二区在线看| 亚洲欧美成人精品一区二区| 高清午夜精品一区二区三区 | 欧美区成人在线视频| 少妇丰满av| 一区二区三区四区激情视频 | 特大巨黑吊av在线直播| 在线观看66精品国产| 日本精品一区二区三区蜜桃| 99在线视频只有这里精品首页| 午夜视频国产福利| 两个人的视频大全免费| 亚洲av成人av| 精品一区二区三区视频在线| 少妇的逼水好多| 国产乱人视频| 日韩欧美免费精品| 欧美国产日韩亚洲一区| 国产精品国产高清国产av| 久久中文看片网| 久久国内精品自在自线图片| 午夜视频国产福利| 亚洲真实伦在线观看| 国产精品爽爽va在线观看网站| 狂野欧美白嫩少妇大欣赏| 特级一级黄色大片| 亚洲乱码一区二区免费版| a级毛片免费高清观看在线播放| 精品福利观看| 成人毛片a级毛片在线播放| 国产成人91sexporn| 国产片特级美女逼逼视频| 可以在线观看毛片的网站| 你懂的网址亚洲精品在线观看 | 91在线精品国自产拍蜜月| 麻豆乱淫一区二区| 晚上一个人看的免费电影| 久久久久久久亚洲中文字幕| 一个人看视频在线观看www免费| 日本黄大片高清| 精品久久国产蜜桃| 1024手机看黄色片| 国产探花在线观看一区二区| 日日啪夜夜撸| av视频在线观看入口| 国产av一区在线观看免费| 国产成人精品久久久久久| 免费看美女性在线毛片视频| 天堂网av新在线| 午夜福利18| 亚洲最大成人手机在线| 特级一级黄色大片| 菩萨蛮人人尽说江南好唐韦庄 | 精华霜和精华液先用哪个| 综合色av麻豆| 在线免费观看不下载黄p国产| 国产乱人偷精品视频| 欧美绝顶高潮抽搐喷水| 麻豆久久精品国产亚洲av| 亚洲最大成人av| 日本黄色片子视频| 不卡视频在线观看欧美| 日韩中字成人| av在线天堂中文字幕| 校园人妻丝袜中文字幕| 精品99又大又爽又粗少妇毛片| 一级黄色大片毛片| 99在线人妻在线中文字幕| 久久精品国产亚洲网站| 国产白丝娇喘喷水9色精品| 国产高清视频在线观看网站| 狂野欧美白嫩少妇大欣赏| 99久久九九国产精品国产免费| 97超视频在线观看视频| 亚洲国产色片| 午夜视频国产福利| 精华霜和精华液先用哪个| 男女视频在线观看网站免费| 国内久久婷婷六月综合欲色啪| 国产午夜福利久久久久久| 国产一区二区亚洲精品在线观看| 成人亚洲精品av一区二区| 高清午夜精品一区二区三区 | 国产伦精品一区二区三区视频9| 一本一本综合久久| 欧美高清成人免费视频www| 成人国产麻豆网| 日本欧美国产在线视频| 国产精品不卡视频一区二区| 久久99热这里只有精品18| 一本一本综合久久| 欧美人与善性xxx| 我的女老师完整版在线观看| 国产成人aa在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 色吧在线观看| 成人鲁丝片一二三区免费| 国产亚洲精品久久久久久毛片| 我要搜黄色片| 欧美+日韩+精品| 激情 狠狠 欧美| 亚洲人成网站在线观看播放| 成人特级av手机在线观看| 国产欧美日韩精品一区二区| 久久久久久久午夜电影| 91在线观看av| 日韩成人av中文字幕在线观看 | 嫩草影院入口| 成人亚洲欧美一区二区av| 亚洲婷婷狠狠爱综合网| 一级毛片aaaaaa免费看小| 日本与韩国留学比较| 成人午夜高清在线视频| 国产成人a区在线观看| 三级国产精品欧美在线观看| 一级毛片我不卡| 国产老妇女一区| 97热精品久久久久久| 免费无遮挡裸体视频| av视频在线观看入口| 亚洲欧美日韩东京热| 精品免费久久久久久久清纯| 欧美绝顶高潮抽搐喷水| 99国产精品一区二区蜜桃av| 黄色一级大片看看| 欧美xxxx黑人xx丫x性爽| 亚洲专区国产一区二区| 99riav亚洲国产免费| 国产亚洲精品久久久久久毛片| 国产成人影院久久av| 小说图片视频综合网站| 亚洲av免费高清在线观看| 寂寞人妻少妇视频99o| 禁无遮挡网站| 国产免费一级a男人的天堂| 麻豆成人午夜福利视频| 亚洲av中文av极速乱| 国产美女午夜福利| 神马国产精品三级电影在线观看| 麻豆精品久久久久久蜜桃| 亚洲真实伦在线观看| 麻豆av噜噜一区二区三区| 无遮挡黄片免费观看| 亚洲一区高清亚洲精品| 亚洲精品成人久久久久久| 精品日产1卡2卡| 精品久久久久久久久亚洲| 极品教师在线视频| 国产蜜桃级精品一区二区三区| 国产久久久一区二区三区| 色综合亚洲欧美另类图片| 乱码一卡2卡4卡精品| 亚洲av免费在线观看| 老女人水多毛片| 97超视频在线观看视频| 可以在线观看毛片的网站| 一级毛片电影观看 | 桃色一区二区三区在线观看| 欧美日韩在线观看h| 晚上一个人看的免费电影| 久久精品久久久久久噜噜老黄 | 色视频www国产| 91av网一区二区| 欧美极品一区二区三区四区| 婷婷六月久久综合丁香| 国产在视频线在精品| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 国产成人福利小说| 国产午夜精品论理片| 日韩欧美免费精品| 亚洲经典国产精华液单| 午夜免费激情av| 国产极品精品免费视频能看的| 国产真实乱freesex| 神马国产精品三级电影在线观看| 99久国产av精品| 搡女人真爽免费视频火全软件 | 亚洲成人中文字幕在线播放| 内地一区二区视频在线| 国产精品人妻久久久影院| 国产精品野战在线观看| 亚洲精品一卡2卡三卡4卡5卡| 嫩草影院入口| 精品熟女少妇av免费看| 51国产日韩欧美| 日本与韩国留学比较| 人妻久久中文字幕网| 久久精品夜夜夜夜夜久久蜜豆| 别揉我奶头 嗯啊视频| 精品一区二区免费观看| av黄色大香蕉| 国产一区二区激情短视频| 久久亚洲国产成人精品v| 欧美日韩乱码在线| 变态另类成人亚洲欧美熟女| 精品一区二区三区视频在线| 午夜影院日韩av| 晚上一个人看的免费电影| 国产蜜桃级精品一区二区三区| 99热这里只有是精品50| 色综合站精品国产| 熟妇人妻久久中文字幕3abv| 中国美女看黄片| 在线天堂最新版资源| 久久午夜亚洲精品久久| 日韩精品青青久久久久久| aaaaa片日本免费| 日韩中字成人| 国产成人a区在线观看| a级毛片免费高清观看在线播放| 成人永久免费在线观看视频| 97热精品久久久久久| 亚洲成人久久性| a级毛色黄片| 婷婷色综合大香蕉| 极品教师在线视频| 99热只有精品国产| 赤兔流量卡办理| 天堂av国产一区二区熟女人妻| 成年版毛片免费区| 日本五十路高清| 亚洲欧美中文字幕日韩二区| 你懂的网址亚洲精品在线观看 | 国产 一区精品| 成人午夜高清在线视频| 亚洲人成网站在线观看播放| 在线免费观看的www视频| 老司机午夜福利在线观看视频| 亚洲电影在线观看av| 欧美成人a在线观看| 亚洲成av人片在线播放无| 欧美精品国产亚洲| 尤物成人国产欧美一区二区三区| 久久人人精品亚洲av| 亚洲成人久久爱视频| 插逼视频在线观看| 亚洲欧美日韩卡通动漫| 亚洲欧美成人精品一区二区| 久久久久久久午夜电影| 最近最新中文字幕大全电影3| 日韩欧美一区二区三区在线观看| 女的被弄到高潮叫床怎么办| 成人三级黄色视频| 在线免费观看不下载黄p国产| 午夜福利高清视频| 亚洲国产精品成人久久小说 | 嫩草影视91久久| 国产欧美日韩一区二区精品| 免费观看在线日韩| 亚洲va在线va天堂va国产| 精品福利观看| 欧美成人a在线观看| 白带黄色成豆腐渣| 色综合站精品国产| 小蜜桃在线观看免费完整版高清| 欧美日韩乱码在线| 精品熟女少妇av免费看| 国产69精品久久久久777片| 国内揄拍国产精品人妻在线| 可以在线观看毛片的网站| 嫩草影院新地址| 亚洲电影在线观看av| 麻豆精品久久久久久蜜桃| 久久99热这里只有精品18| a级一级毛片免费在线观看| 欧美激情在线99| 日本-黄色视频高清免费观看| 午夜激情福利司机影院| 九九久久精品国产亚洲av麻豆| 中文字幕久久专区| 日日干狠狠操夜夜爽| 亚洲欧美精品自产自拍| 一级av片app| 高清日韩中文字幕在线| 中文资源天堂在线| 97热精品久久久久久| 97碰自拍视频| 尤物成人国产欧美一区二区三区| 亚洲最大成人av| 国产高清不卡午夜福利| 99在线视频只有这里精品首页| 日本色播在线视频| 免费观看精品视频网站| 精品免费久久久久久久清纯| 我的老师免费观看完整版| 狂野欧美白嫩少妇大欣赏| 精品国产三级普通话版| 免费一级毛片在线播放高清视频| av视频在线观看入口| 国产女主播在线喷水免费视频网站 | 国产中年淑女户外野战色| 国产精品av视频在线免费观看| 大又大粗又爽又黄少妇毛片口| 日日干狠狠操夜夜爽| 悠悠久久av| 一卡2卡三卡四卡精品乱码亚洲| 变态另类丝袜制服| 成年版毛片免费区| 午夜激情福利司机影院| 香蕉av资源在线| 日韩欧美在线乱码| 俺也久久电影网| 亚洲美女黄片视频| 久久久a久久爽久久v久久| 我要搜黄色片| 人妻夜夜爽99麻豆av| 人妻久久中文字幕网| 有码 亚洲区| 黄色一级大片看看| 狂野欧美白嫩少妇大欣赏| 日韩制服骚丝袜av| 中文资源天堂在线| 亚洲av免费高清在线观看| 五月伊人婷婷丁香| a级一级毛片免费在线观看| 亚洲精品影视一区二区三区av| 神马国产精品三级电影在线观看| 级片在线观看| 欧美日韩乱码在线| 日韩欧美 国产精品| 欧洲精品卡2卡3卡4卡5卡区| 欧美一区二区国产精品久久精品| 小说图片视频综合网站| 亚洲一区高清亚洲精品| 国产av不卡久久| 成年版毛片免费区| 99热全是精品| 久久久久久久久大av| 亚洲,欧美,日韩| 久久九九热精品免费| 日韩中字成人| 亚洲中文日韩欧美视频| 99久久无色码亚洲精品果冻| 婷婷精品国产亚洲av在线| 国产91av在线免费观看| 淫秽高清视频在线观看| 国产视频一区二区在线看| aaaaa片日本免费| 国产成年人精品一区二区| 欧美激情久久久久久爽电影| 人妻少妇偷人精品九色| 一进一出好大好爽视频| 亚洲性久久影院| 久久久国产成人免费| 久久婷婷人人爽人人干人人爱| 中国美白少妇内射xxxbb| 99久久精品国产国产毛片| eeuss影院久久| 看片在线看免费视频| 亚洲高清免费不卡视频| 村上凉子中文字幕在线| 亚洲丝袜综合中文字幕| 一级毛片我不卡| 搡老岳熟女国产| 亚洲丝袜综合中文字幕| 日韩欧美精品免费久久| 97人妻精品一区二区三区麻豆| 欧美最黄视频在线播放免费| 久久韩国三级中文字幕| 日本与韩国留学比较| 啦啦啦韩国在线观看视频| 97热精品久久久久久| 97人妻精品一区二区三区麻豆| 真人做人爱边吃奶动态| 国产精华一区二区三区| 最新中文字幕久久久久| 搡老熟女国产l中国老女人| 麻豆成人午夜福利视频| 99热网站在线观看| 久久久久国产网址| 国产日本99.免费观看| АⅤ资源中文在线天堂| 婷婷精品国产亚洲av|