• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩技巧5涓: 一种提高风电机组齿轮箱故障等级判断精度的方法.pdf

    关 键 词:
    一种 提高 机组 齿轮箱 故障 等级 判断 精度 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201410177863.6

    申请日:

    2014.04.29

    公开号:

    CN103940608A

    公开日:

    2014.07.23

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G01M 13/02申请日:20140429|||公开
    IPC分类号: G01M13/02 主分类号: G01M13/02
    申请人: 中能电力科技开发有限公司
    发明人: 周继威; 申烛; 韩明; 朱志成; 王栋; 张波; 张林
    地址: 100034 北京市西城区阜成门北大街6号-9(国际投资大厦C座16层)
    优先权:
    专利代理机构: 北京华夏正合知识产权代理事务所(普通合伙) 11017 代理人: 韩登营;张焕亮
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410177863.6

    授权公告号:

    ||||||

    法律状态公告日:

    2016.10.19|||2014.08.20|||2014.07.23

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明提供一种提高风电机组齿轮箱故障等级判断精度的方法,包括步骤:A、根据齿轮箱轴承部位振动信号特征值确定故障类型;B、确定风电机组齿轮箱各个监测对象对应的当前监测的各个参数在该故障类型的故障等级矩阵中的分布情况;所述故障等级矩阵包括设定的各个的故障等级,每个故障等级包括该故障等级下风电机组齿轮箱的各个监测对象对应的各个参数取值范围;C、根据所述分布情况计算各个故障等级发生的概率,并据此确定当前的所述故障等级。由上,便可实现基于多种故障信号的不同权重进行示意图融合分析,避免了单一故障参数定位故障的盲目性,降低了误报率,提高风电机组齿轮箱故障等级判断的精度。

    权利要求书

    权利要求书
    1.  一种提高风电机组齿轮箱故障等级判断精度的方法,其特征在于,包括步骤:
    A、根据齿轮箱轴承部位振动信号特征值确定故障类型;
    B、确定风电机组齿轮箱各个监测对象对应的当前监测的各个参数在该故障类型的故障等级矩阵中的分布情况;
    所述故障等级矩阵包括设定的各个的故障等级,每个故障等级包括该故障等级下风电机组齿轮箱的各个监测对象对应的各个参数取值范围;
    C、根据所述分布情况计算各个故障等级发生的概率,并据此确定当前的所述故障等级。

    2.  根据权利要求1所述的方法,其特征在于,步骤A所述确定故障类型包括:根据齿轮箱轴承部位振动信号对应的包络信号确定出故障类型为轴承内圈、轴承外圈、轴承滚动体或轴承保持架。

    3.  根据权利要求1所述的方法,其特征在于,步骤B所述故障等级矩阵预先根据统计设置,所述风电机组齿轮箱的各个监测对象对应的各个参数范围包括:
    齿轮箱轴承部位的故障特征频率振动幅值[Vi_x,Vi_y]、齿轮箱油液中磨损颗粒增长率[IN_Ri_x,IN_Ri_y]、齿轮箱油温度[T_Oi_x,T_Oi_y]、轴承温度[T_Bi_x,T_Bi_y]的各个参数范围;
    所述故障等级矩阵为:


    4.  根据权利要求3所述的方法,其特征在于,不同监测对象对应的参数设置有不同的权重,所述权重包括静态和/或动态权重;
    步骤C所述根据所述分布情况计算各个故障等级发生的概率时,还结合所述权重计算。

    5.  根据权利要求4所述的方法,其特征在于,所述静态权重包括至少以下之一:
    齿轮箱轴承部位的故障特征频率振动幅值的静态权重为1;
    分别依据齿轮箱油液中磨损颗粒增长率、齿轮箱油温度、轴承温度与故障特征频率振动幅值的相关程度,计算该三项的静态权重。

    6.  根据权利要求4所述的方法,其特征在于,所述动态权重包括至少以下之一:
    依据风电机组实时功率与额定功率比值确定齿轮箱轴承部位的故障特征频率振动幅值的动态权重;
    依据当前所运行的天数与设计运行总天数的比值确定齿轮箱油液中磨损颗粒增长率的动态权重;
    依据环境温度的最大值和当前环境温度差值与环境温度的最大值和环境温度的最大值差值的比值确定齿轮箱油温度和轴承温度的动态权重。

    7.  根据权利要求6所述的方法,其特征在于,步骤C所述根据所述分布情况计算各个故障等级发生的概率时,每个故障等级下对应的所述概率采用下述方式计算:
    P=(Vi_Factor*W1_V*W2_V+IN_Ri_Factor*W1_IN_Ri*W2_IN_Ri+TBi_Factor*W1_TB*W2_TB+TOi_Factor*W1_TO*W2_TO)/(W1_V*W2_V+W1_IN_Ri*W2_IN_Ri+W1_TB*W2_TB+W1_TO*W2_TO);
    式中W1_V、W1_IN_Ri、W1_TB和W1_TO分别表示齿轮箱轴承部位的故障特征频率振动幅值、齿轮箱油液中磨损颗粒增长率、齿轮箱油温度和轴承温度的静态权重;
    式中W2_V、W2_IN_Ri、W2_TB和W2_TO分别表示齿轮箱轴承部位的故障特征频率振动幅值、齿轮箱油液中磨损颗粒增长率、齿 轮箱油温度和轴承温度的动态权重;
    式中Vi_Factor、IN_Ri_Factor、TBi_Factor和TOi_Factor分别表示当前故障等级下的计算因子,当监测对象对应的当前监测的参数在该故障等级下对应的参数取值范围内,计算因子取值为1,否则取值为0。

    说明书

    说明书一种提高风电机组齿轮箱故障等级判断精度的方法
    技术领域
    本发明涉及风电机组监控技术领域,特别涉及一种提高风电机组齿轮箱故障等级判断精度的方法。
    背景技术
    风电机组机械传动故障随着时间的推移相继都会引起各方面因素的征兆,例如一个轴承故障的出现先是出现振动信号特征的异常,随着故障的发展随即出现轴承温度的升高,最后出现轴承的完全损坏,而齿轮故障的出现则也是先出现振动信号特征的异常,随即出现齿轮箱内油液的异常,最终出现齿轮轮齿的折断甚至是整个齿轮箱的报废。
    传统的故障等级判断方法仅选择振动幅值作为唯一判断依据,通过算法对故障等级进行判断,显然忽略了其他参数对故障等级的影响,从而造成对故障等级判断的不准确。
    发明内容
    本申请提供一种提高风电机组齿轮箱故障等级判断精度的方法,基于多种故障信号的不同权重进行示意图融合分析,避免了单一故障参数定位故障的盲目性,降低了误报率,提高风电机组齿轮箱故障等级判断的精度。
    所述提高风电机组齿轮箱故障等级判断精度的方法包括步骤:
    A、根据齿轮箱轴承部位振动信号特征值确定故障类型;
    B、确定风电机组齿轮箱各个监测对象对应的当前监测的各个参数在该故障类型的故障等级矩阵中的分布情况;
    所述故障等级矩阵包括设定的各个的故障等级,每个故障等级包括该故障等级下风电机组齿轮箱的各个监测对象对应的各个参数取值范围;
    C、根据所述分布情况计算各个故障等级发生的概率,并据此确定当前的所述故障等级。
    由上,便可实现基于多种故障信号的不同权重进行示意图融合分析,避免了单一故障参数定位故障的盲目性,降低了误报率,提高风电机组齿轮箱故障等级判断的精度。
    可选的,步骤A所述确定故障类型包括:根据齿轮箱轴承部位振动信号对应的包络信号确定出故障类型为轴承内圈、轴承外圈、轴承滚动体或轴承保持架。
    由上,实现对于故障类型的判断。
    可选的,步骤B所述故障等级矩阵预先根据统计设置,所述风电机组齿轮箱的各个监测对象对应的各个参数范围包括:
    齿轮箱轴承部位的故障特征频率振动幅值[Vi_x,Vi_y]、齿轮箱油液中磨损颗粒增长率[IN_Ri_x,IN_Ri_y]、齿轮箱油温度[T_Oi_x,T_Oi_y]、轴承温度[T_Bi_x,T_Bi_y]的各个参数范围;
    所述故障等级矩阵为:

    由上,实现对不同故障类型下的故障等级的划分。
    可选的,不同监测对象对应的参数设置有不同的权重,所述权重包括静态和/或动态权重;
    步骤C所述根据所述分布情况计算各个故障等级发生的概率时,还结合所述权重计算。
    可选的,所述静态权重包括至少以下之一:
    齿轮箱轴承部位的故障特征频率振动幅值的静态权重为1;
    分别依据齿轮箱油液中磨损颗粒增长率、齿轮箱油温度、轴承温度与故障特征频率振动幅值的相关程度,计算该三项的静态权重。
    可选的,所述动态权重包括至少以下之一:
    依据风电机组实时功率与额定功率比值确定齿轮箱轴承部位的故障特征频率振动幅值的动态权重;
    依据当前所运行的天数与设计运行总天数的比值确定齿轮箱油液中磨损颗粒增长率的动态权重;
    依据环境温度的最大值和当前环境温度差值与环境温度的最大值和环境温度的最大值差值的比值确定齿轮箱油温度和轴承温度的动态权重。
    由上,通过不同权重的设置,或设置静态权重,或设置动态权重,或同时设置静态权重和动态权重,对各参数权重的划分,利于在不同情况下将不同参数相融合以对故障的分析,显然提高了精确性。
    可选的,其特征在于,步骤C所述根据所述分布情况计算各个故障等级发生的概率时,每个故障等级下对应的所述概率采用下述方式计算:
    P=(Vi_Factor*W1_V*W2_V+IN_Ri_Factor*W1_IN_Ri*W2_IN_Ri+TBi_Factor*W1_TB*W2_TB+TOi_Factor*W1_TO*W2_TO)/(W1_V*W2_V+W1_IN_Ri*W2_IN_Ri+W1_TB*W2_TB+W1_TO*W2_TO);
    式中W1_V、W1_IN_Ri、W1_TB和W1_TO分别表示齿轮箱轴承部位的故障特征频率振动幅值、齿轮箱油液中磨损颗粒增长率、齿轮箱油温度和轴承温度的静态权重;
    式中W2_V、W2_IN_Ri、W2_TB和W2_TO分别表示齿轮箱轴承部位的故障特征频率振动幅值、齿轮箱油液中磨损颗粒增长率、齿轮箱油温度和轴承温度的动态权重;
    式中Vi_Factor、IN_Ri_Factor、TBi_Factor和TOi_Factor分别表示当前故障等级下的计算因子,当监测对象对应的当前监测的参数在该故障等级下对应的参数取值范围内,计算因子取值为1,否则取值为0。
    由上,基于多种故障信号的不同权重进行示意图融合分析,避免了单一故障参数定位故障的盲目性,降低了误报率,提高风电机组齿轮箱故障等级判断的精度。
    附图说明
    图1为提高风电机组齿轮箱故障等级判断精度的方法的流程图;
    图2为故障的不同等级所对应的故障参数范围示意图;
    图3为故障等级矩阵示意图。
    具体实施方式
    本发明所涉及的一种提高风电机组齿轮箱故障等级判断精度的方法,基于齿轮箱轴承部位振动信号、齿轮箱油液中磨损颗粒、齿轮箱油温、齿轮箱轴承温度四个故障参数融合分析的方法,实现提高风电机组齿轮箱故障等级判断的精度。
    如图1所示的原理示意图,包括步骤:
    S10:依据历史数据,针对不同故障类型,确定其不同故障等级的故障参数范围。
    风电机组齿轮箱的故障常见于轴承内圈、轴承外圈、轴承滚动体以及轴承保持架四部分。由此,将分别出现于上述四处位置的故障划分为四种故障类型。
    进一步的,上述四种类型中均包含四级故障等级,分别为:无故障级(F_Level1)、轻微故障级(F_Level2)、一般故障级(F_Level3)和严重故障级(F_Level4)。
    风电机组齿轮箱的故障参数包括:由振动传感器所检测的故障特征频率振动幅值(Vi);由在线油液传感器所检测的齿轮箱油液中磨 损颗粒增长率(IN_Ri);由温度传感器所检测的齿轮箱油温度(T_Oi)和轴承温度(T_Bi)。
    采用出现故障时的历史数据,统计出不同故障类型的不同等级所对应的故障参数范围。如图2所示,以出现轴承内圈故障时的振动幅值为例进行说明。风电机组齿轮箱出现轴承内圈故障后,调取传感器所采集的历史数据。图2横坐标为采样点的时间序列,纵坐标为振动幅值。由图中可视,当振动幅值区间为[Vi_1,Vi_2],时,设备为无故障级;当振动幅值区间为[Vi_3,Vi_4],时,设备为轻微故障级;当振动幅值区间为[Vi_5,Vi_6],时,设备为一般故障级;当振动幅值区间为[Vi_7,Vi_8]时,设备为严重故障级。本实施例中,Vi_1=0.85,Vi_2=1.2,Vi_3=1.7,Vi_4=2.2,Vi_5=2.4,Vi_6=3.2,Vi_7=3.8,Vi_8=4.3。
    由上,以此类堆,分别统计得出轴承内圈四个故障等级所分别对应的油液中磨损颗粒增长率、轴承温度和齿轮箱油温度区间。
    同理,再分别统计出轴承外圈故障、轴承滚动体故障以及轴承保持架故障情况下,四级故障等级所分别对应的各故障参数范围。
    步骤S20:针对不用故障类型,分别建立故障等级矩阵。
    如图3所示,以轴承内圈故障为例进行说明。
    无故障级时,即F_Level1,故障特征频率振动幅值Vi、磨损颗粒增长率IN_Ri、油液温度值T_Oi、和轴承温度值T_Bi分别对应的参数区间为:[Vi_1,Vi_2]、[IN_Ri_1,IN_Ri_2]、[T_Oi_1,T_Oi_2]和[T_Bi_1,T_Bi_2];
    轻微故障级时,即F_Level2,四个故障参数分别对应区间为:[Vi_3,Vi_4]、[IN_Ri_3,IN_Ri_4]、[T_Oi_3,T_Oi_4]和[T_Bi_3,T_Bi_4];
    一般故障级时,即F_Level3,四个故障参数分别对应区间为:[Vi_5,Vi_6]、[IN_Ri_5,IN_Ri_6]、[T_Oi_5,T_Oi_6]和[T_Bi_5,T_Bi_6];
    而严重故障级时,即F_Level4,四个故障参数分别对应区间为:[Vi_7,Vi_8]、[IN_Ri_7,IN_Ri_8]、[T_Oi_7,T_Oi_8]和[T_Bi_7,T_Bi_8]。
    同理,再分别建立轴承外圈故障、轴承滚动体故障以及轴承保持架故障时的故障等级矩阵。由于不同的故障类型所表现的不同,因此,虽然四个故障类型都采用上面的参数建立等级矩阵,但每个故障类型的矩阵中的各个区间值是不同的。
    步骤S30:确定故障类型,并依据所采集各故障参数确定出该故障类型下的故障等级。
    具体的,步骤S30中包括:
    步骤S301:确定故障类型,本例子中即确定出轴承内圈、轴承外圈、轴承滚动体以及轴承保持架四部分哪部分出现故障。
    希尔伯特(Hilbert)变换对所采集的振动特征值进行解析,求取解析信号的包络信号,对包络信号进行快速傅里叶变换(FFT),以求出包络谱图。通过对包络谱图的分析即可确定故障类型。例如当轴承内圈部位存在故障时,在包络谱图上5~6倍转频频率处会出现较大幅值;当轴承外圈部位存在故障时,在包络谱图上3~4倍转频频率处会出现较大幅值。上述确定故障类型的具体步骤与现有技术相同,故不再赘述。
    步骤S302:在确定了故障类型的基础上,确定在该故障类型下的故障等级。
    本实施例中,采用以下故障等级发生的概率算法公式
    Pij=(Vi_Factor*W1_V*W2_V+IN_Ri_Factor*W1_IN_Ri*W2_IN_Ri+TBi_Factor*W1_TB*W2_TB+TOi_Factor*W1_TO*W2_TO)/(W1_V*W2_V+W1_IN_Ri*W2_IN_Ri+W1_TB*W2_TB+W1_TO*W2_TO),j=1、2、3、4,分别计算不同故障等级发生的概率。
    式中,Pij表示同种故障类型下,不同故障等级所发生的概率,Pi1表示无故障的概率,Pi2表示轻微故障级的概率,Pi3表示一般故障级的概率,Pi4表示严重故障级的概率。
    Vi_Factor(振动幅值)、IN_Ri_Factor(磨损颗粒增长率)、TBi_Factor(轴承温度)和TOi_Factor(齿轮箱油温度)分别表示某 故障等级下,实时采集故障参数的计算因子,所述计算因子取值1或0。举例说明,当计算无故障级发生的概率时,依据步骤S20所建立的矩阵,若实时采集故障参数分别在[Vi_1,Vi_2]、[IN_Ri_1,IN_Ri_2]、[T_Oi_1,T_Oi_2]和[T_Bi_1,T_Bi_2]范围内,则对应的,各个计算因子取值1,否则,若哪个实时采集故障参数不在上述范围,则哪个对应的计算因子取值0。
    W1_V、W1_IN_Ri、W1_TB和W1_TO分别表示统计计算出的各采集数据静态权重。
    由于故障特征频率振动幅值为判断风电机组齿轮箱故障的主要依据,因此,设定故障特征频率振动幅值的权重值W1_V=1;
    采用互相关算法计算其它三项故障参数相比于W1_V的权重,磨损颗粒增长率的静态权重W1_
    IN_Ri=Σi=1N(Vi-V‾)(IN_Ri-IN_R‾)Σi=1N(Vi-V‾)2Σi=1N(IN_Ri-IN_R‾)2,]]>式中表示故障特征频率振动幅值的平均值,表示磨损颗粒增长率的平均值;
    轴承温度的静态权重W1_TB=Σi=1N(Vi-V‾)(T_Bi-T_B‾)Σi=1N(Vi-V‾)2Σi=1N(T_Bi-T_B‾)2,]]>式中表示轴承温度的平均值;
    齿轮箱油温度的静态权重
    W1_TO=Σi=1N(Vi-V‾)(T_Oi-T_O‾)Σi=1N(Vi-V‾)2Σi=1N(T_Oi-T_O‾)2,]]>式中表示齿轮箱油温度的平均值。
    W2_V、W2_IN_Ri、W2_TB和W2_TO分别表示统计计算出的各采集数据动态权重。
    上述四类故障参数受不同环境影响,例如故障特征频率振动幅值随着风机功率P的变化;磨损颗粒增长率随风机齿轮箱运行时间变化,轴承温度以及齿轮箱油温度随环境温度变化。由此,四类故障参数在不同的环境参数下,存在对故障程度定位的动态变化权重。
    故障特征频率振动幅值的动态权重W2_V=1-Pi/P_rate,式中P_rate为风机额定功率,Pi为风机实时功率。其中,当风机的实时功率Pi越大时,表示其对于故障特征频率振动幅值的影响便越强,相应的,在通过故障特征频率振动幅值确定故障类型时,其精度变会下降,基于此,采用上述公式,当风机的实时功率Pi越大时,为减少其对于故障特征频率振动幅值的影响,故使其动态权重取值越小。
    磨损颗粒增长率的动态权重W2_IN_Ri=1-DAYSi/DAYS_Design,式中DAYS_Design为设备设计运行总天数,DAYSi为设备当前所运行的天数。其中,当设备所运行天数越多,其老化程度也就越高,因此,有可能出现的,即便在无故障时,磨损颗粒增长率也会上升?;诖?,设定磨损颗粒增长率的动态权重时,降低由于时间对其的影响。
    轴承温度的动态权重W2_TB与齿轮箱油温度的动态权重W2_TO相同,即W2_TB=W2_TO=T_ambmax-T_ambiT_ambmax-T_ambmin,]]>式中T_ambi为实测环境温度,T_ambmax为环境温度的最大值,T_ambmin为环境温度的最小值。由于不同在季节,对于设备机舱中的影响不同。由于夏季高温,因此受其影响,轴承温度以及齿轮箱油温度会随之升高,显然,上述高温并非故障引起,而是环境温度引起。由此,采用上述公式便可有效降低由于环境温度的升高所引起的轴承温度以及齿轮箱油温上升。
    由上,分别计算出在不同故障等级所发生的概率,即计算出故障等级1-4各自出现的概率,概率高者即为所出现故障的等级。采用上述方法,基于轴承振动、齿轮箱油液中金属颗粒、轴承温度和齿轮箱油温四个故障参数融合分析的诊断方法,可大大提高风电机组齿轮箱故障等级判断的准确性,避免了单一故障参数定位故障的盲目性,降低了误报率。
    步骤S303:将故障类型和故障等级判断结果向用户显示,以使用户得知当前故障的类型和故障等级。
    以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,例如,上述虽然以四类故障类型为例,每个故障类型中使用四个故障参数为例,这是因为,这里故障是最可能出现的故障,这些故障参数是与这些故障最为密切的参数,并非限制仅针对四类故障类型、四类故障参数,以及上述的四个故障等级。总之凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的?;し段е?。

    关于本文
    本文标题:一种提高风电机组齿轮箱故障等级判断精度的方法.pdf
    链接地址://www.4mum.com.cn/p-6143524.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 飞艇计划手机app软件排行榜 夫人猛料六肖中特 三年无错36码特围 pk10彩票投注软件制作 11选5稳赚的方法 十拿九蓝球预测 幸运飞艇冠军三码计划 时时彩稳赚平刷 快速时时计算方法 pk10买6码怎么买才稳赚 内蒙古时时最高遗漏 7码怎么倍投可以稳赚 快三单双计划软件下载 pk10计划群稳赚 6号码复式三中三多少组 pc蛋蛋计划软件手机版