• <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 ?

    優(yōu)化群分解在磁瓦內(nèi)部缺陷聲振檢測(cè)中的應(yīng)用

    2020-09-02 14:05:38黃沁元冉茂霞
    關(guān)鍵詞:正確率分量模態(tài)

    劉 鑫, 黃沁元,2, 宋 弘, 冉茂霞, 李 強(qiáng)

    (1.四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院, 四川 自貢 643000;2.人工智能四川省重點(diǎn)實(shí)驗(yàn)室, 四川 自貢 643000)

    引 言

    磁瓦是一種由鐵氧體、鋁鎳鈷等復(fù)合材料構(gòu)成的永磁體,被廣泛用于永磁電機(jī)中形成恒定磁場(chǎng)。磁瓦作為永磁電機(jī)的重要組成部件,其產(chǎn)品質(zhì)量會(huì)直接影響電機(jī)的性能和使用壽命。在磁瓦的生產(chǎn)過(guò)程中,由于不恰當(dāng)?shù)臏囟?、壓力或人為因素,磁瓦可能?huì)存在裂紋、空隙、夾層、起級(jí)等多種內(nèi)部缺陷問(wèn)題。這些缺陷對(duì)磁瓦的磁通量、剩余磁感應(yīng)強(qiáng)度、抗過(guò)載退磁以及抗老化等產(chǎn)品性能有直接的影響[1]。如果在電機(jī)中使用了這些含有缺陷的磁瓦,將會(huì)產(chǎn)生不可預(yù)估的安全隱患。因此,必須對(duì)磁瓦內(nèi)部缺陷進(jìn)行可靠的檢測(cè),以保證磁瓦的質(zhì)量和性能。

    目前,磁瓦內(nèi)部的缺陷主要通過(guò)人工檢測(cè)方法來(lái)實(shí)現(xiàn),該方法需要將磁瓦從一定高度跌落并撞擊金屬塊來(lái)產(chǎn)生聲音信號(hào),然后通過(guò)人耳對(duì)該信號(hào)進(jìn)行辨識(shí),從而判斷磁瓦是否存在內(nèi)部缺陷。人工檢測(cè)方法受人為因素制約,很難保證穩(wěn)定的檢測(cè)效率和檢測(cè)精度。因此,研究一種自動(dòng)檢測(cè)算法并應(yīng)用于磁瓦內(nèi)部缺陷檢測(cè),具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。在目前無(wú)損檢測(cè)技術(shù)中,雖然超聲檢測(cè)、磁粉檢測(cè)、渦流檢測(cè)和滲透檢測(cè)等技術(shù)可對(duì)物體結(jié)構(gòu)的內(nèi)部缺陷進(jìn)行檢測(cè),但對(duì)于大批量制造的磁瓦來(lái)講難以滿足檢測(cè)速度快、成本低的需求。綜合考慮磁瓦檢測(cè)的特點(diǎn)和需求,聲振檢測(cè)無(wú)疑是實(shí)現(xiàn)磁瓦內(nèi)部缺陷檢測(cè)的一種可行手段[2-4]。

    磁瓦與激振塊碰撞產(chǎn)生的聲音信號(hào),顯示出非線性、非高斯和非平穩(wěn)特征,傳統(tǒng)的信號(hào)數(shù)據(jù)處理方法是在信號(hào)線性或平穩(wěn)特性的基礎(chǔ)上,將非線性信號(hào)轉(zhuǎn)化為線性信號(hào)進(jìn)行處理,因此,不能很好地從復(fù)雜非線性信號(hào)中提取狀態(tài)特征。隨著信號(hào)處理技術(shù)的發(fā)展,信號(hào)的分解方法在機(jī)械故障診斷中起著至關(guān)重要的作用,受到越來(lái)越多研究者的關(guān)注。經(jīng)驗(yàn)?zāi)B(tài)分解[5]是一種自適應(yīng)的信號(hào)分析方法,可將信號(hào)分解為多個(gè)模態(tài)。然而,經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)噪聲敏感,易遭受模態(tài)混疊等缺點(diǎn),限制了經(jīng)驗(yàn)?zāi)B(tài)分解在識(shí)別機(jī)械故障方面的應(yīng)用。為了解決模態(tài)混疊等問(wèn)題,對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解進(jìn)行相應(yīng)改進(jìn)的方法被提出,包括集成經(jīng)驗(yàn)?zāi)B(tài)分解[6]、帶寬經(jīng)驗(yàn)?zāi)B(tài)分解[7]等。受經(jīng)驗(yàn)?zāi)B(tài)分解方法的啟發(fā),自適應(yīng)信號(hào)分解的概念提供了更多的可能性,更多研究者按照這一概念來(lái)開(kāi)發(fā)其他自適應(yīng)信號(hào)分解方法,例如局部均值分解[8]、經(jīng)驗(yàn)小波變換[9]和變分模態(tài)分解[10],這些方法已廣泛應(yīng)用于機(jī)械故障診斷領(lǐng)域,并為人們所熟知和接受。

    最近,受群智能的啟發(fā),利用群濾波(swarm filter,SWF)和迭代算法設(shè)計(jì)了一種新的信號(hào)分解方法[11],即群分解(swarm decomposition,SWD)。群分解方法借鑒經(jīng)驗(yàn)?zāi)B(tài)分解迭代濾波的思想,經(jīng)過(guò)迭代群濾波將原始信號(hào)自適應(yīng)地分解為若干單一模態(tài)的振蕩分量。群濾波相當(dāng)于一個(gè)帶通濾波器,通過(guò)調(diào)節(jié)群濾波參數(shù)可以控制振蕩分量主模態(tài)頻率,使得群分解在信號(hào)的模態(tài)分解方面,可以將頻率相近的兩個(gè)諧波信號(hào)分離,相比經(jīng)驗(yàn)?zāi)B(tài)分解具有更高的頻率區(qū)分能力。然而,其閾值需要預(yù)先指定,這限制了該方法在機(jī)械故障診斷中的應(yīng)用,難以獲得令人滿意的結(jié)果。為了提高SWD的性能,一種新穎的自然啟發(fā)式優(yōu)化算法,即鯨魚(yú)優(yōu)化算法(whale optimization algorithm,WOA)被提出[12]。WOA具有良好的特性,例如需要控制的參數(shù)數(shù)量更少,僅依靠一個(gè)參數(shù)就可以在探索和開(kāi)發(fā)之間平穩(wěn)過(guò)渡,在探索階段,將根據(jù)隨機(jī)選擇的搜索代理找到最佳搜索代理來(lái)更新搜索代理的位置。WOA模仿了座頭鯨的捕食行為,在文獻(xiàn)[12]中論證了它的全局優(yōu)化性能,已被廣泛應(yīng)用于解決工業(yè)領(lǐng)域中優(yōu)化問(wèn)題。文獻(xiàn)[13]提出使用WOA尋找最優(yōu)特征子集,該子集可最大程度地提高分類的準(zhǔn)確性,同時(shí)保留最少數(shù)量的特征。文獻(xiàn)[14]針對(duì)太陽(yáng)能電池的參數(shù)估計(jì)問(wèn)題,應(yīng)用WOA來(lái)自動(dòng)調(diào)整優(yōu)化算法的內(nèi)部參數(shù)。

    得益于SWD和WOA的優(yōu)點(diǎn),提出使用WOA對(duì)磁瓦聲振信號(hào)的SWD分解參數(shù)進(jìn)行優(yōu)化,從SWD分解得到的一系列分量中篩選出特征分量,并提取故障信息,進(jìn)而對(duì)磁瓦內(nèi)部是否含有缺陷進(jìn)行判別,為解決磁瓦內(nèi)部缺陷檢測(cè)問(wèn)題提供新的方案。

    1 基礎(chǔ)理論

    1.1 群分解

    SWD作為一種智能的分解方法,在正確參數(shù)化SWF的基礎(chǔ)上,從多分量信號(hào)中迭代提取主振蕩分量(oscillatory component,OC)。關(guān)于SWD分解的詳細(xì)描述參考文獻(xiàn)[11]。當(dāng)使用SWD對(duì)信號(hào)進(jìn)行分解時(shí),算法流程可以總結(jié)為:

    (1)

    其中:Sx(ω)表示韋爾奇功率譜,q表示在執(zhí)行SWD分解過(guò)程中第q次作為中心頻率。

    (2)

    (3)

    (3) 對(duì)輸入信號(hào)進(jìn)行離散化:xit[n]←x[n],xit[n]為離散數(shù)據(jù)序列,it為序號(hào)。設(shè)置it=0,并指定y0[n]←xit[n]。

    (4)j=1時(shí),對(duì)x[n]進(jìn)行SWF濾波[11]:

    yj[n]←SWF(xit[n],M,δ)

    (4)

    (5) 計(jì)算迭代偏差StD:

    (5)

    (6) 當(dāng)Sx

    (6)

    否則,用xit+1[n]重復(fù)步驟(3)。

    值得注意的是,不同閾值的SWD分解會(huì)得到不同的模態(tài)分量,而這些模態(tài)分量不一定適合用于故障識(shí)別和檢測(cè)。這問(wèn)題主要?dú)w因于閾值Pth和StDth的選擇,這對(duì)于該分解方法的性能而言非常重要,它們可以控制分解過(guò)程結(jié)束時(shí)提取的振蕩分量的數(shù)量。事實(shí)上,較小的閾值意味著更多的振蕩分量和復(fù)雜的分解,但并不意味著更好的結(jié)果,同時(shí),這需要耗費(fèi)大量的計(jì)算,文獻(xiàn)[11]建議將兩個(gè)閾值設(shè)置為0.1,但是這個(gè)取值并非適合每一個(gè)磁瓦聲振信號(hào)。因此,對(duì)于SWD而言,如何確定SWD的閾值非常重要。目前而言,WOA的閾值的選擇阻礙了其廣泛應(yīng)用于機(jī)械故障振動(dòng)信號(hào)分析[15]。為了解決這一瓶頸,本文提出了優(yōu)化群分解,得益于WOA的優(yōu)點(diǎn)并結(jié)合適當(dāng)?shù)膬?yōu)化準(zhǔn)則,即使在不同的情況下,也可以找到適當(dāng)?shù)拈撝?,并利用SWD從復(fù)雜的多分量信號(hào)中分離并提取故障信息。

    1.2 鯨魚(yú)優(yōu)化算法

    WOA主要模擬座頭鯨捕食的過(guò)程,從而提出的一種新的智能優(yōu)化算法。座頭鯨的捕食過(guò)程可以概括為三種行為:包圍獵物、氣泡網(wǎng)攻擊以及搜尋獵物。

    (1) 包圍獵物

    一旦發(fā)現(xiàn)獵物的位置,捕獵的第一步就是將其包圍起來(lái),該行為的數(shù)學(xué)模型如下:

    D=|C·X*(t)-X(t)|

    (7)

    X(t+1)=X*(t)-A·D

    (8)

    其中:X*是目前得到的最佳解的位置向量,X是座頭鯨的位置向量;A和C表示系數(shù);t表示當(dāng)前為第幾次迭代。為了得到最佳解,鯨魚(yú)的位置按照下列等式在每次迭代時(shí)進(jìn)行更新:

    A=2a·r-a

    (9)

    C=2·r

    (10)

    其中:r是[0,1]之間的隨機(jī)向量;a在迭代過(guò)程中從2到0線性減小。

    (2) 氣泡網(wǎng)攻擊

    氣泡網(wǎng)攻擊法是一種僅在座頭鯨中觀察到的獨(dú)特的狩獵方法,為了建立該行為的數(shù)學(xué)模型,設(shè)計(jì)了兩種方法。

    第一種稱為收縮包圍機(jī)制,該行為是通過(guò)減小式(8)中A的值來(lái)實(shí)現(xiàn)的。A的取值范圍為[-a,a],它的改變是通過(guò)減小a來(lái)實(shí)現(xiàn)。將A設(shè)為[-1,1]中的任意值,當(dāng)0≤A≤1時(shí),鯨魚(yú)將攻擊獵物。

    第二種是螺旋更新位置,根據(jù)鯨魚(yú)和獵物的位置生成一個(gè)螺旋方程,以模擬鯨魚(yú)的螺旋狀運(yùn)動(dòng):

    X(t+1)=D′·ebg·cos(2πg(shù))+X*(t)

    (11)

    其中:D′=|X*(t)-X(t)|,表示鯨魚(yú)與獵物之間的距離;b是一個(gè)常數(shù),用來(lái)模擬對(duì)數(shù)螺線的形狀;g是一個(gè)[-1,1]之間的變量。

    為了模擬氣泡網(wǎng)攻擊,各有50%的概率選擇上面方法之一來(lái)更新鯨魚(yú)的位置,因此,數(shù)學(xué)模型為:

    (12)

    其中:p是[0,1]之間的隨機(jī)值。

    (3) 搜尋獵物

    實(shí)際上,鯨魚(yú)需要依靠彼此的位置來(lái)隨機(jī)尋找獵物。A為隨機(jī)值,當(dāng)|A|>1時(shí),搜尋代理被迫遠(yuǎn)離參考鯨魚(yú)。下面的算子可以進(jìn)一步提高WOA算法的全局優(yōu)化性能:

    D=|C·Xrandom(t)-X(t)|

    (13)

    X(t+1)=Xrandom-A·D

    (14)

    1.3 隨機(jī)森林

    RF算法是一種集成分類方法[16],其基于訓(xùn)練集的引導(dǎo)樣本應(yīng)用bagging方法創(chuàng)建多個(gè)決策樹(shù),一個(gè)RF模型通過(guò)平均其成員樹(shù)的決策來(lái)獲得分類。訓(xùn)練集的一個(gè)引導(dǎo)樣本可以獨(dú)立構(gòu)造一棵樹(shù),并可從預(yù)測(cè)變量的隨機(jī)子集中選擇每個(gè)節(jié)點(diǎn)的最佳分割,確保了在每棵樹(shù)上以不同方式構(gòu)造訓(xùn)練集和預(yù)測(cè)變量。RF的最終結(jié)果是通過(guò)統(tǒng)一投票獲得的,獲得最高票數(shù)的未標(biāo)記數(shù)據(jù)是弱學(xué)習(xí)者的輸出結(jié)果。

    RF作為一種組合分類模型,由許多分類樹(shù)模型組成:{h(X,θk),k=1,...,N},其中變量集θk是獨(dú)立同分布的隨機(jī)向量,X是獨(dú)立輸入向量。一個(gè)樹(shù)分類器h(X,θk)是基于訓(xùn)練集X和變量集θk構(gòu)建的,每棵樹(shù)都有一票選擇最佳分類結(jié)果。根據(jù)不同訓(xùn)練集,RF可構(gòu)建彼此差異的分類模型,以此提高組合分類模型的預(yù)測(cè)能力。經(jīng)過(guò)k次訓(xùn)練,一個(gè)多分類模型系統(tǒng){h1(X),h2(X),...,hk(X)}就可以得到。通過(guò)簡(jiǎn)單的多數(shù)投票可得最終分類結(jié)果,最終分類決策表示如下:

    (15)

    其中:H(x)是組合分類模型;hi是單個(gè)決策時(shí)模型;Y是hi(X)的輸出變量。

    2 檢測(cè)方法與實(shí)驗(yàn)流程

    2.1 實(shí)驗(yàn)樣本

    所有的實(shí)驗(yàn)樣本都是由鐵氧體材料制成,每一個(gè)樣本都通過(guò)經(jīng)驗(yàn)豐富的檢驗(yàn)人員認(rèn)定,以確定磁瓦是否存在內(nèi)部缺陷。具有內(nèi)部缺陷的樣本標(biāo)識(shí)為缺陷樣本,其他標(biāo)識(shí)為合格樣本。根據(jù)樣本的大小,將其分為三種類型(Ⅰ、Ⅱ和Ⅲ),三種樣本在尺寸上分別代表了大、中、小磁瓦,其產(chǎn)量和銷量都比較高,因而較具有代表性。每種類型樣本都有240片,合格與缺陷各有120片,磁瓦的示意圖如圖1所示,R為磁瓦半徑,H為磁瓦高度,T為磁瓦厚度,L和W分別為磁瓦的長(zhǎng)度和寬度。此外,根據(jù)用途的不同,每種類型又分為訓(xùn)練樣本與測(cè)試樣本兩組,每組包含一定數(shù)量的合格和缺陷樣本,用以驗(yàn)證所提方法的可行性。四種磁瓦樣本的尺寸、數(shù)量和用途信息見(jiàn)表1。

    圖1 磁瓦結(jié)構(gòu)示意圖

    表1 實(shí)驗(yàn)樣本信息

    2.2 聲振信號(hào)采集

    實(shí)驗(yàn)的目的是利用聲振檢測(cè)實(shí)現(xiàn)對(duì)合格樣本和缺陷樣本的自動(dòng)分類,其中聲振信號(hào)的獲取和分析是實(shí)驗(yàn)的關(guān)鍵。磁瓦聲振信號(hào)采集系統(tǒng)如圖2所示,左下部分是磁瓦檢測(cè)裝置的結(jié)構(gòu)示意圖,屏蔽盒位于激振塊的下方,右上部分為聲音信號(hào)采集系統(tǒng)簡(jiǎn)化圖。首先,為了產(chǎn)生聲音信號(hào),每個(gè)樣本都從20 mm的高度跌落,與激振塊碰撞。值得注意的是,合格磁瓦不會(huì)產(chǎn)生新的缺陷。聲音信號(hào)激發(fā)的同時(shí),麥克風(fēng)就將其轉(zhuǎn)化為電信號(hào)??紤]到環(huán)境噪聲的影響,麥克風(fēng)被安置在由隔音材料制成的屏蔽盒內(nèi),激振塊位于屏蔽盒的頂端,且激振塊中部有一直徑2 mm的聲洞。這樣,能在較好地隔絕噪聲影響的同時(shí)有效地傳遞聲振信號(hào)。聲振信號(hào)經(jīng)信號(hào)調(diào)理儀放大濾波再由數(shù)據(jù)采集卡采集并存入計(jì)算機(jī)。

    圖2 磁瓦聲振信號(hào)采集系統(tǒng)

    2.3 實(shí)驗(yàn)流程

    本文提出的磁瓦內(nèi)部缺陷聲振檢測(cè)法整體流程如圖3所示,具體過(guò)程為:

    圖3 算法整體流程

    (1) 針對(duì)預(yù)先指定SWD的分解參數(shù)Pth和StDth,每個(gè)樣本的聲振信號(hào)SWD分解效果不能達(dá)到最佳的問(wèn)題,在合適的優(yōu)化準(zhǔn)則下,利用WOA對(duì)SWD的分解參數(shù)進(jìn)行優(yōu)化。

    (2) 利用獲得的最優(yōu)分解參數(shù)對(duì)每個(gè)磁瓦聲振信號(hào)進(jìn)行SWD分解,得到SWD的多個(gè)振蕩分量。

    (3) 計(jì)算分解得到的振蕩分量的能量,選取能量最大者作為特征分量。

    (4) 計(jì)算特征分量的峭度、均方頻率、最大峰值頻點(diǎn)和過(guò)零率,作為內(nèi)部缺陷存在與否的聯(lián)合描述,構(gòu)建每個(gè)信號(hào)的特征數(shù)據(jù)向量。

    (5) 將每類樣本的特征量分為訓(xùn)練樣本和測(cè)試樣本,訓(xùn)練樣本用作訓(xùn)練RF,并建立具有識(shí)別磁瓦內(nèi)部缺陷功能的分類器,測(cè)試樣本用作驗(yàn)證訓(xùn)練好的RF分類器的識(shí)別性能。

    3 實(shí)驗(yàn)結(jié)果及分析

    3.1 SWD參數(shù)優(yōu)化

    文獻(xiàn)[17]已經(jīng)提到,WOA進(jìn)行尋優(yōu)是通過(guò)使適應(yīng)度函數(shù)值最小來(lái)完成的,為了保證優(yōu)化算法的高效率和高準(zhǔn)確性,一個(gè)簡(jiǎn)單且穩(wěn)定的優(yōu)化準(zhǔn)則尤其重要。本文采用唐貴基[18]提出的包絡(luò)熵,用于評(píng)定SWD分解結(jié)果的優(yōu)劣。包絡(luò)熵Eq表示為:

    (16)

    其中:N為信號(hào)的長(zhǎng)度;qn為a(n)的歸一化形式;a(n)為振蕩分量經(jīng)Hilbert解調(diào)后得到的包絡(luò)信號(hào)。包絡(luò)熵是信號(hào)稀疏特性的一種反應(yīng)形式,信號(hào)的稀疏性越強(qiáng),包絡(luò)熵越小,反之,信號(hào)稀疏性越弱,包絡(luò)熵越大。利用SWD對(duì)磁瓦聲振信號(hào)處理得到一系列振蕩分量,如果振蕩分量中含有較多的噪聲分量,信號(hào)的稀疏性較差,則信號(hào)的包絡(luò)熵較大。因此,以振蕩分量的局部包絡(luò)熵值最小化為尋優(yōu)目標(biāo),即適應(yīng)度函數(shù)為:

    fit=min(Eq)

    (17)

    SWD分解參數(shù)的尋優(yōu)過(guò)程如下:

    (1) 初始化鯨魚(yú)數(shù)量、最大迭代次數(shù)和其余WOA算法的參數(shù)a、A、C和p,并設(shè)置SWD分解參數(shù)的范圍。

    (2) 根據(jù)鯨魚(yú)所在位置的坐標(biāo)為SWD分解的參數(shù)對(duì)磁瓦聲振信號(hào)進(jìn)行分解,得到一系列振蕩分量。

    (3) 以優(yōu)化準(zhǔn)則計(jì)算所有振蕩分量的包絡(luò)熵值,得到局部最小包絡(luò)熵值,并設(shè)置對(duì)應(yīng)的鯨魚(yú)為最佳搜尋代理X*。

    (4) 如果p<0.5,當(dāng)|A|<1按照式(8)更新當(dāng)前鯨魚(yú)的位置,當(dāng)|A|≥1按照式(14)更新當(dāng)前鯨魚(yú)的位置;如果p≥0.5,則按照式(11)更新鯨魚(yú)的位置。

    (5) 更新參數(shù)a、A、C和p的值。

    (6) 確定當(dāng)前迭代次數(shù)t是否小于最大迭代次數(shù),如果是,重復(fù)步驟(2)~步驟(5),否則得到最佳搜尋代理X*,最佳搜尋代理的位置坐標(biāo)即為最終SWD尋優(yōu)參數(shù)的取值。

    為了驗(yàn)證WOA的性能,在樣本Ⅱ中隨機(jī)抽取一個(gè)合格樣本的聲振信號(hào)進(jìn)行SWD參數(shù)尋優(yōu),將鯨魚(yú)數(shù)量設(shè)置為20,最大迭代次數(shù)設(shè)置為10,隨著WOA迭代次數(shù)的增,尋優(yōu)路徑如圖4所示。從圖4可以看出,隨著迭代次數(shù)的增加,搜尋位置對(duì)應(yīng)的參數(shù)在不斷變化,其對(duì)應(yīng)的適應(yīng)度函數(shù)值逐漸減小,當(dāng)找到全局最小值后不再變化。即WOA算法能夠準(zhǔn)確找到適應(yīng)度函數(shù)的全局最小值,即確定SWD參數(shù)的最優(yōu)值。

    圖4 WOA尋優(yōu)結(jié)果

    既提高檢測(cè)方法的效率,又保證SWD方法分解精度的同時(shí),在每類樣本中,取合格與缺陷磁瓦聲振信號(hào)各10個(gè),利用WOA算法進(jìn)行參數(shù)尋優(yōu)。取20組參數(shù)的平均值作為這一樣本類型的SWD分解參數(shù),各類樣本的參數(shù)設(shè)置見(jiàn)表2。

    表2 SWD參數(shù)設(shè)置

    3.2 聲振信號(hào)SWD分解

    對(duì)磁瓦聲振信號(hào)進(jìn)行群分解是其內(nèi)部缺陷檢測(cè)的關(guān)鍵一步。以樣本Ⅱ中的聲振信號(hào)為例,采樣周期為0.5 s,采樣頻率為40 kHz,合格與缺陷磁瓦聲振信號(hào)的時(shí)域、頻域波形圖如圖5所示。從圖5可以看出,合格與缺陷磁瓦的特征毫無(wú)規(guī)律性,無(wú)法直觀提取有關(guān)內(nèi)部缺陷的特征。限于篇幅,僅以合格磁瓦聲振信號(hào)為例,將傳統(tǒng)的集合經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition,EEMD)作為對(duì)比,驗(yàn)證SWD算法在信號(hào)分解方面的優(yōu)勢(shì)。

    圖5 合格與缺陷磁瓦聲振信號(hào)

    為了直觀地表示信號(hào)分解效果,對(duì)SWD和EEMD分解得到的模態(tài)分量分別進(jìn)行頻譜分析,分別如圖6和圖7所示,限于篇幅,圖7中EEMD譜僅展示了前5個(gè)模態(tài)的頻譜。從EEMD頻譜可以看出,EEMD分解磁瓦聲振信號(hào)時(shí),出現(xiàn)較嚴(yán)重的模態(tài)混疊現(xiàn)象,一個(gè)模態(tài)分量含有多個(gè)頻段成分。而經(jīng)SWD分解處理獲得的模態(tài)分量的中心頻率相互獨(dú)立,信號(hào)得到有效分解,優(yōu)勢(shì)顯著。

    圖6 合格磁瓦聲振信號(hào)SWD頻譜

    圖7 合格磁瓦聲振信號(hào)EEMD頻譜

    3.3 特征提取

    利用WOA優(yōu)化得到的SWD分解參數(shù)對(duì)磁瓦聲振信號(hào)進(jìn)行分解后,得到一定數(shù)量的振蕩分量,這些分量都或多或少包含著有關(guān)內(nèi)部缺陷的特征信息。利用振蕩分量的能量大小篩選特征分量能簡(jiǎn)化數(shù)據(jù)處理并提高特征提取的有效性。從篩選出的特征分量中提取有效特征對(duì)磁瓦內(nèi)部缺陷的識(shí)別起著至關(guān)重要。由于單個(gè)或單域特征難以全面準(zhǔn)確反映出磁瓦內(nèi)部缺陷,因此從特征分量中提取時(shí)域、頻域特征,構(gòu)建混合域特征集可以較為有效反映出磁瓦內(nèi)部是否存在缺陷。具體特征信息如下:

    (1) 峭度[19]:反映隨機(jī)變量的分布特性的數(shù)值統(tǒng)計(jì)量,對(duì)信號(hào)中的沖擊特性較為敏感,經(jīng)實(shí)驗(yàn)發(fā)現(xiàn),內(nèi)部缺陷磁瓦聲振信號(hào)的峭度一般大于合格磁瓦聲振信號(hào)的峭度。信號(hào)x[n]的峭度為:

    (18)

    其中:μ是x[n]平均值,σ為x[n]的標(biāo)準(zhǔn)差,E(·)表示期望值。

    (2) 均方頻率[19]:描述功率譜主頻帶位置的變化,其計(jì)算公式為:

    (19)

    其中:s(f)為信號(hào)的功率譜,f為信號(hào)頻點(diǎn)序號(hào)。

    (3) 最大峰值頻點(diǎn):特征分量在快速傅里葉變換下可得到其頻譜,頻譜中最大峰值頻點(diǎn)代表了磁瓦聲振信號(hào)的振動(dòng)頻率,與磁瓦的物理結(jié)構(gòu)有直接關(guān)聯(lián),能夠作為區(qū)別合格與缺陷磁瓦的特征。

    (4) 過(guò)零率[20]:計(jì)算信號(hào)穿越時(shí)間軸的次數(shù),在一定程度上反映頻譜的性質(zhì),表現(xiàn)為周期成分多時(shí)小,噪聲成分多時(shí)大。計(jì)算公式為:

    (20)

    其中:N表示信號(hào)的長(zhǎng)度,sgn(·)表示符號(hào)函數(shù),即:

    (21)

    提取的4類特征的對(duì)比如圖8所示。聯(lián)合特征的識(shí)別正確率如圖9所示,橫坐標(biāo)表示聯(lián)合特征的個(gè)數(shù),從單特征來(lái)看,雖然合格樣本與缺陷樣本在單個(gè)特征上具有一定的區(qū)分,但取單特征作為識(shí)別合格與缺陷磁瓦的特征,缺陷識(shí)別準(zhǔn)確率不能滿足檢驗(yàn)精度。對(duì)比多個(gè)聯(lián)合特征的識(shí)別正確率,將4個(gè)特征組合,作為識(shí)別缺陷與合格磁瓦的聯(lián)合特征,滿足磁瓦缺陷檢測(cè)的精度要求。因此,聯(lián)合峭度、均方頻率、最大峰值頻點(diǎn)和過(guò)零率這4個(gè)特征,作為識(shí)別缺陷與合格磁瓦的特征,達(dá)到磁瓦缺陷檢測(cè)的目標(biāo)。

    圖8 4類特征統(tǒng)計(jì)結(jié)果

    圖9 聯(lián)合特征對(duì)識(shí)別正確率的影響

    3.4 缺陷識(shí)別

    提取有效特征后,便需要合適的分類器進(jìn)行缺陷識(shí)別,用以確定樣本是否為缺陷磁瓦。本文主要利用RF作為分類器,并使用k最近鄰(k-nearest neighbor,KNN)和支持向量機(jī)(support vector machine,SVM)作為對(duì)比,以驗(yàn)證整個(gè)磁瓦內(nèi)部缺陷檢測(cè)方法的有效性。在實(shí)際生產(chǎn)中,為了保證只有經(jīng)檢測(cè)合格的磁瓦被用于電機(jī)等產(chǎn)品中,因此要求設(shè)計(jì)的檢測(cè)方法對(duì)缺陷樣本的識(shí)別正確率為100%。

    SWD的參數(shù)優(yōu)化對(duì)磁瓦缺陷識(shí)別正確率的影響如圖10所示。為了簡(jiǎn)化,在設(shè)定SWD參數(shù)時(shí),兩參數(shù)取值一樣,且跨越整個(gè)參數(shù)可取值的范圍。雖然未優(yōu)化參數(shù)時(shí),也存在總體識(shí)別正確率超過(guò)98%,但其未能對(duì)缺陷樣本做出100%識(shí)別,不能滿足實(shí)際檢測(cè)需求。對(duì)SWD的參數(shù)取值進(jìn)行尋優(yōu)后,不僅能對(duì)缺陷樣本100%識(shí)別,而且總體識(shí)別正確率也是最高的。

    圖10 SWD參數(shù)優(yōu)化對(duì)識(shí)別正確率的影響

    分類器的識(shí)別能力得益于訓(xùn)練樣本的訓(xùn)練效果,由于訓(xùn)練樣本僅提供有無(wú)缺陷信息,因而對(duì)于識(shí)別能力的影響主要體現(xiàn)在訓(xùn)練樣本的數(shù)量上。一般認(rèn)為訓(xùn)練樣本的數(shù)量越多,分類器的訓(xùn)練效果越好,但過(guò)多的訓(xùn)練樣本數(shù)量容易引起重復(fù)訓(xùn)練,降低缺陷識(shí)別的效率。

    訓(xùn)練樣本由等量的合格與缺陷樣本組成,訓(xùn)練樣本個(gè)數(shù)對(duì)總體識(shí)別正確率的影響如圖11所示。從圖11可以看出,訓(xùn)練樣本中合格與缺陷樣本的個(gè)數(shù)增加時(shí),3類樣本的總體識(shí)別正確率逐漸遞增,當(dāng)訓(xùn)練樣本個(gè)數(shù)為60時(shí),Ⅰ樣本、Ⅱ樣本、Ⅲ樣本的識(shí)別正確率達(dá)到識(shí)別準(zhǔn)確的最佳值,分別為100%,99.17%和100%,滿足實(shí)際檢測(cè)需求。因此訓(xùn)練樣本的數(shù)量確定為合格與缺陷樣本各60,對(duì)于獲得最佳識(shí)別正確率是合理的。

    圖11 訓(xùn)練樣本個(gè)數(shù)對(duì)識(shí)別正確率的影響

    確定合理的訓(xùn)練樣本數(shù)量后,可根據(jù)測(cè)試樣本的識(shí)別正確率來(lái)檢驗(yàn)不同分類器的識(shí)別能力,表3展示了RF、KNN和SVM 3種分類器對(duì)磁瓦內(nèi)部缺陷的識(shí)別效果。3種分類器的參數(shù)設(shè)置如下:RF中將樹(shù)的數(shù)量nBag取50;KNN中,k值為5,距離函數(shù)為euclidean;SVM中,懲罰參數(shù)c為2,核函數(shù)參數(shù)γ為1。從表3可以看出,僅RF分類器滿足檢測(cè)要求,對(duì)3類樣本中含有內(nèi)部缺陷的磁瓦識(shí)別正確率為100%,對(duì)Ⅰ、Ⅱ、Ⅲ樣本中合格磁瓦識(shí)別正確率分別為100%、98.33%和100%。

    表3 不同分類器的識(shí)別結(jié)果

    4 結(jié)束語(yǔ)

    本文提出了一種結(jié)合SWD、WOA和RF的缺陷識(shí)別方法,用于識(shí)別磁瓦內(nèi)部缺陷。整個(gè)方法在具有代表性的3類磁瓦磁瓦樣本檢測(cè)實(shí)驗(yàn)中取得了滿足實(shí)際需求的檢測(cè)精度要求,為磁瓦內(nèi)部缺陷檢測(cè)提供一種可行方案。本文主要貢獻(xiàn)如下:

    (1) 針對(duì)SWD參數(shù)選擇問(wèn)題,利用WOA結(jié)合包絡(luò)熵實(shí)現(xiàn)了SWD的參數(shù)優(yōu)化,使得每個(gè)磁瓦聲振都能得到合適的SWD處理效果,有效解決了SWD參數(shù)優(yōu)化問(wèn)題。

    (2) 利用振蕩分量的能量篩選特征分量,精簡(jiǎn)特征提取的步驟,提高算法的效率和檢測(cè)精度。

    (3) 提取的峭度、均方頻率、最大峰值頻點(diǎn)和過(guò)零率這4種特征聯(lián)合表示磁瓦內(nèi)部缺陷,有助于RF分類器實(shí)現(xiàn)磁瓦內(nèi)部缺陷的識(shí)別。

    猜你喜歡
    正確率分量模態(tài)
    帽子的分量
    門診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    分量
    生意
    品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
    生意
    國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
    久久精品亚洲精品国产色婷小说| 久久久水蜜桃国产精品网| 国产精品电影一区二区三区| 18美女黄网站色大片免费观看| 国产精品九九99| 每晚都被弄得嗷嗷叫到高潮| 婷婷丁香在线五月| 母亲3免费完整高清在线观看| 亚洲成人国产一区在线观看| 午夜视频精品福利| 91九色精品人成在线观看| 操美女的视频在线观看| 18禁美女被吸乳视频| 国产精品久久久人人做人人爽| 91九色精品人成在线观看| 一级毛片女人18水好多| 国产在线精品亚洲第一网站| 精品第一国产精品| 熟女少妇亚洲综合色aaa.| av网站免费在线观看视频| 少妇被粗大的猛进出69影院| 免费在线观看视频国产中文字幕亚洲| 99久久综合精品五月天人人| 视频区图区小说| 在线观看日韩欧美| 制服诱惑二区| 久久九九热精品免费| 天堂动漫精品| 欧美午夜高清在线| 88av欧美| 国产一区二区激情短视频| 另类亚洲欧美激情| ponron亚洲| 黄色毛片三级朝国网站| 欧美大码av| 国产成人av激情在线播放| 久久人人爽av亚洲精品天堂| 啦啦啦在线免费观看视频4| 精品久久蜜臀av无| 久久精品国产亚洲av高清一级| 精品久久久久久,| 精品国产亚洲在线| 久久精品亚洲精品国产色婷小说| 亚洲欧美日韩高清在线视频| 91麻豆av在线| 中亚洲国语对白在线视频| 亚洲第一av免费看| 欧美日韩瑟瑟在线播放| 久久人人爽av亚洲精品天堂| 日本撒尿小便嘘嘘汇集6| 中国美女看黄片| 大陆偷拍与自拍| 国产黄a三级三级三级人| 久久久国产欧美日韩av| 国产视频一区二区在线看| 午夜激情av网站| 欧美 亚洲 国产 日韩一| 老司机午夜十八禁免费视频| 天堂中文最新版在线下载| 深夜精品福利| 宅男免费午夜| 免费av毛片视频| 国产一卡二卡三卡精品| 97碰自拍视频| 岛国在线观看网站| 国产成人免费无遮挡视频| 久久影院123| 国产区一区二久久| 91麻豆av在线| 黑人猛操日本美女一级片| 黄色丝袜av网址大全| 精品日产1卡2卡| x7x7x7水蜜桃| 操出白浆在线播放| 亚洲一区二区三区欧美精品| 久久精品影院6| 国产精品日韩av在线免费观看 | 自线自在国产av| 国产精品乱码一区二三区的特点 | 俄罗斯特黄特色一大片| 国产免费av片在线观看野外av| 久久天堂一区二区三区四区| 亚洲视频免费观看视频| 88av欧美| 久久国产精品男人的天堂亚洲| 男女午夜视频在线观看| 亚洲国产毛片av蜜桃av| 国产精品香港三级国产av潘金莲| 亚洲激情在线av| 亚洲自拍偷在线| 欧美日韩瑟瑟在线播放| 亚洲色图综合在线观看| 高清在线国产一区| 亚洲成国产人片在线观看| 午夜免费激情av| 夜夜爽天天搞| 人成视频在线观看免费观看| 国产成人精品在线电影| 99久久久亚洲精品蜜臀av| 久久精品亚洲精品国产色婷小说| 国产精品免费视频内射| 欧美日韩黄片免| 天天躁狠狠躁夜夜躁狠狠躁| 国产免费av片在线观看野外av| 一个人免费在线观看的高清视频| 日韩视频一区二区在线观看| 精品久久久久久,| 日韩欧美国产一区二区入口| av中文乱码字幕在线| 男男h啪啪无遮挡| 亚洲 欧美一区二区三区| 日本三级黄在线观看| 国产精品 欧美亚洲| 国产精品一区二区免费欧美| 国产精品野战在线观看 | 欧美+亚洲+日韩+国产| 国产欧美日韩一区二区三区在线| 涩涩av久久男人的天堂| 一区二区三区激情视频| 无限看片的www在线观看| 老司机在亚洲福利影院| 精品电影一区二区在线| 欧美在线黄色| 久久国产乱子伦精品免费另类| 亚洲精品国产区一区二| 国产精品1区2区在线观看.| 国产亚洲精品一区二区www| 久久 成人 亚洲| 亚洲欧美日韩高清在线视频| 多毛熟女@视频| 精品久久久久久成人av| 欧美丝袜亚洲另类 | 欧美成狂野欧美在线观看| 日韩av在线大香蕉| 亚洲七黄色美女视频| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av电影在线进入| 国产精品九九99| 黄色视频不卡| 亚洲性夜色夜夜综合| 在线永久观看黄色视频| 亚洲视频免费观看视频| 99国产精品免费福利视频| 国产伦人伦偷精品视频| 欧美人与性动交α欧美精品济南到| 色精品久久人妻99蜜桃| 日韩av在线大香蕉| 欧美激情高清一区二区三区| 啦啦啦 在线观看视频| 久久人妻熟女aⅴ| av福利片在线| 首页视频小说图片口味搜索| 国产成人一区二区三区免费视频网站| 午夜精品久久久久久毛片777| 国产97色在线日韩免费| 夜夜躁狠狠躁天天躁| 女性被躁到高潮视频| 黄色 视频免费看| 动漫黄色视频在线观看| 在线国产一区二区在线| 久久影院123| 欧美日韩国产mv在线观看视频| 黄色成人免费大全| 亚洲午夜精品一区,二区,三区| 亚洲色图综合在线观看| 亚洲在线自拍视频| 亚洲精品久久午夜乱码| 成人精品一区二区免费| 韩国av一区二区三区四区| 美国免费a级毛片| 亚洲av成人一区二区三| xxxhd国产人妻xxx| 一级a爱视频在线免费观看| 91九色精品人成在线观看| 日日夜夜操网爽| 中文字幕av电影在线播放| 欧美最黄视频在线播放免费 | av电影中文网址| 女性被躁到高潮视频| 水蜜桃什么品种好| 亚洲中文字幕日韩| 老司机在亚洲福利影院| 女同久久另类99精品国产91| 亚洲 欧美 日韩 在线 免费| 老司机靠b影院| 国产欧美日韩一区二区三区在线| 人人妻,人人澡人人爽秒播| 久久国产乱子伦精品免费另类| 美女大奶头视频| 久久精品国产亚洲av香蕉五月| 精品国产美女av久久久久小说| 欧美黑人欧美精品刺激| 亚洲精品粉嫩美女一区| 精品久久久久久久毛片微露脸| 国产成人精品无人区| 91成年电影在线观看| 欧美激情极品国产一区二区三区| 日日干狠狠操夜夜爽| 欧美成狂野欧美在线观看| 两性夫妻黄色片| 久久精品亚洲av国产电影网| 国产精品 国内视频| 啪啪无遮挡十八禁网站| 成年人黄色毛片网站| x7x7x7水蜜桃| 丰满迷人的少妇在线观看| 久久精品亚洲精品国产色婷小说| 韩国精品一区二区三区| 十八禁网站免费在线| 亚洲成av片中文字幕在线观看| 一a级毛片在线观看| 免费av毛片视频| 99精品欧美一区二区三区四区| 亚洲第一青青草原| 一二三四社区在线视频社区8| cao死你这个sao货| 亚洲第一欧美日韩一区二区三区| 免费观看精品视频网站| 欧美 亚洲 国产 日韩一| 国产亚洲av高清不卡| 日韩成人在线观看一区二区三区| 国产精品免费一区二区三区在线| 免费高清视频大片| 久久中文字幕一级| 国产极品粉嫩免费观看在线| 可以在线观看毛片的网站| 黄色 视频免费看| av在线播放免费不卡| 亚洲久久久国产精品| 日本黄色日本黄色录像| 国产一区二区激情短视频| av有码第一页| 国产精华一区二区三区| 久久伊人香网站| 久久精品亚洲精品国产色婷小说| 涩涩av久久男人的天堂| 亚洲自偷自拍图片 自拍| 在线观看66精品国产| 免费少妇av软件| cao死你这个sao货| 一级片'在线观看视频| 亚洲一区二区三区不卡视频| 九色亚洲精品在线播放| 亚洲中文字幕日韩| 黑人巨大精品欧美一区二区蜜桃| 精品一区二区三卡| 一二三四社区在线视频社区8| 午夜亚洲福利在线播放| 黄片大片在线免费观看| e午夜精品久久久久久久| 国产人伦9x9x在线观看| 亚洲国产欧美网| 757午夜福利合集在线观看| 久久久久久免费高清国产稀缺| 91成人精品电影| 亚洲男人天堂网一区| 久久人妻福利社区极品人妻图片| 1024视频免费在线观看| 女警被强在线播放| 日韩欧美在线二视频| 在线观看免费高清a一片| 日韩精品中文字幕看吧| 每晚都被弄得嗷嗷叫到高潮| 巨乳人妻的诱惑在线观看| 一二三四社区在线视频社区8| а√天堂www在线а√下载| 制服诱惑二区| 欧洲精品卡2卡3卡4卡5卡区| 国产97色在线日韩免费| 午夜免费鲁丝| 国产精品1区2区在线观看.| 在线观看免费视频网站a站| av网站免费在线观看视频| 少妇的丰满在线观看| 免费av中文字幕在线| 国产激情欧美一区二区| 黄色怎么调成土黄色| 亚洲欧美精品综合一区二区三区| 国产精品国产av在线观看| cao死你这个sao货| 成人亚洲精品av一区二区 | 不卡一级毛片| 免费看a级黄色片| 91精品三级在线观看| 夜夜爽天天搞| 午夜福利在线免费观看网站| 国产成人免费无遮挡视频| 一进一出抽搐动态| 日韩一卡2卡3卡4卡2021年| 国产成人一区二区三区免费视频网站| 一区在线观看完整版| 国产亚洲欧美精品永久| 一级毛片精品| 丰满饥渴人妻一区二区三| 日韩精品免费视频一区二区三区| 黑丝袜美女国产一区| 午夜免费激情av| 亚洲avbb在线观看| 午夜91福利影院| 97人妻天天添夜夜摸| 最好的美女福利视频网| 亚洲久久久国产精品| 久久精品成人免费网站| 日本wwww免费看| 国产成人av教育| 日本三级黄在线观看| 变态另类成人亚洲欧美熟女 | 99精国产麻豆久久婷婷| 中文欧美无线码| 亚洲精品国产色婷婷电影| 亚洲自偷自拍图片 自拍| 午夜免费成人在线视频| 90打野战视频偷拍视频| 欧美色视频一区免费| 精品欧美一区二区三区在线| 久久精品亚洲精品国产色婷小说| 亚洲少妇的诱惑av| 欧美日韩乱码在线| e午夜精品久久久久久久| 亚洲精品国产色婷婷电影| 国产亚洲精品综合一区在线观看 | 嫩草影院精品99| 亚洲一区二区三区欧美精品| av片东京热男人的天堂| 在线十欧美十亚洲十日本专区| 久久国产乱子伦精品免费另类| 亚洲片人在线观看| 黄片小视频在线播放| 99久久国产精品久久久| 一进一出抽搐gif免费好疼 | 日本免费一区二区三区高清不卡 | 91老司机精品| 1024香蕉在线观看| 亚洲精品国产色婷婷电影| 日本欧美视频一区| 夜夜夜夜夜久久久久| 久久人人97超碰香蕉20202| 大香蕉久久成人网| 欧美成人午夜精品| 久久久久国内视频| 侵犯人妻中文字幕一二三四区| 久久精品国产亚洲av高清一级| 国产97色在线日韩免费| 精品一区二区三区av网在线观看| 国产成人精品久久二区二区免费| ponron亚洲| 中文字幕人妻丝袜制服| 中文字幕色久视频| 久久久久国产精品人妻aⅴ院| 身体一侧抽搐| 午夜a级毛片| 久久精品影院6| 丝袜人妻中文字幕| 国产高清videossex| 亚洲熟女毛片儿| 国产91精品成人一区二区三区| 十八禁人妻一区二区| 国产日韩一区二区三区精品不卡| 精品国产超薄肉色丝袜足j| 欧美激情极品国产一区二区三区| 精品无人区乱码1区二区| 咕卡用的链子| 免费少妇av软件| 一边摸一边抽搐一进一小说| 夜夜躁狠狠躁天天躁| 每晚都被弄得嗷嗷叫到高潮| а√天堂www在线а√下载| 9191精品国产免费久久| 精品久久久久久久毛片微露脸| 中文字幕高清在线视频| 亚洲av熟女| 国产亚洲av高清不卡| 一进一出抽搐gif免费好疼 | 好看av亚洲va欧美ⅴa在| 亚洲欧美日韩无卡精品| 国产精品久久视频播放| 中文字幕高清在线视频| 国产蜜桃级精品一区二区三区| 99热国产这里只有精品6| 午夜福利影视在线免费观看| 精品乱码久久久久久99久播| 国产精品秋霞免费鲁丝片| 精品福利观看| 99在线人妻在线中文字幕| 精品日产1卡2卡| 悠悠久久av| 久久久久久久精品吃奶| 国产激情欧美一区二区| 国产又色又爽无遮挡免费看| 激情视频va一区二区三区| 嫩草影院精品99| 国产成年人精品一区二区 | 国产精品久久电影中文字幕| 亚洲午夜精品一区,二区,三区| 一区二区日韩欧美中文字幕| 热99re8久久精品国产| 老司机在亚洲福利影院| 亚洲精品粉嫩美女一区| www.精华液| 久久人人97超碰香蕉20202| 色精品久久人妻99蜜桃| 99久久99久久久精品蜜桃| 免费av毛片视频| 首页视频小说图片口味搜索| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 久久久久精品国产欧美久久久| 日本五十路高清| 中文欧美无线码| 欧美不卡视频在线免费观看 | 看黄色毛片网站| 国产精品日韩av在线免费观看 | 午夜影院日韩av| 精品久久蜜臀av无| 亚洲午夜精品一区,二区,三区| 91精品三级在线观看| 女人被狂操c到高潮| 夜夜看夜夜爽夜夜摸 | √禁漫天堂资源中文www| 91字幕亚洲| 久久久久九九精品影院| 欧美日韩av久久| 香蕉丝袜av| 黄片播放在线免费| 国产亚洲精品第一综合不卡| 久久午夜亚洲精品久久| 欧美激情久久久久久爽电影 | 女性生殖器流出的白浆| 人妻久久中文字幕网| 三上悠亚av全集在线观看| 日韩人妻精品一区2区三区| 好看av亚洲va欧美ⅴa在| 日本黄色日本黄色录像| 欧美另类亚洲清纯唯美| www.自偷自拍.com| 桃红色精品国产亚洲av| www日本在线高清视频| 女性生殖器流出的白浆| 久久人妻av系列| 啦啦啦免费观看视频1| 视频区图区小说| 成人特级黄色片久久久久久久| 亚洲七黄色美女视频| netflix在线观看网站| 成年人免费黄色播放视频| 黑人欧美特级aaaaaa片| 一二三四社区在线视频社区8| 亚洲中文日韩欧美视频| 国产伦人伦偷精品视频| 黄色成人免费大全| tocl精华| 亚洲美女黄片视频| √禁漫天堂资源中文www| 欧美黑人欧美精品刺激| 一区二区三区国产精品乱码| 黄频高清免费视频| 欧美日韩瑟瑟在线播放| 午夜福利在线观看吧| 激情视频va一区二区三区| 一进一出抽搐动态| 国产真人三级小视频在线观看| 国产高清videossex| 亚洲精品美女久久av网站| 丝袜美足系列| 夜夜爽天天搞| 国产精品综合久久久久久久免费 | 色综合欧美亚洲国产小说| 男女做爰动态图高潮gif福利片 | av电影中文网址| 久久精品国产亚洲av高清一级| 女同久久另类99精品国产91| 99在线视频只有这里精品首页| 韩国精品一区二区三区| 老司机午夜福利在线观看视频| 国产欧美日韩一区二区三| 亚洲精品av麻豆狂野| 嫩草影院精品99| 成年版毛片免费区| 国产色视频综合| 欧美+亚洲+日韩+国产| 最新在线观看一区二区三区| 男女做爰动态图高潮gif福利片 | av电影中文网址| a级毛片在线看网站| 国产无遮挡羞羞视频在线观看| 热99re8久久精品国产| 日韩 欧美 亚洲 中文字幕| 国产高清国产精品国产三级| 女生性感内裤真人,穿戴方法视频| 国产伦一二天堂av在线观看| av超薄肉色丝袜交足视频| 不卡一级毛片| 国产单亲对白刺激| 国产一卡二卡三卡精品| 一级毛片高清免费大全| 国产精品久久久久久人妻精品电影| 亚洲熟女毛片儿| 亚洲人成伊人成综合网2020| 两个人免费观看高清视频| 50天的宝宝边吃奶边哭怎么回事| 欧美激情高清一区二区三区| 黄网站色视频无遮挡免费观看| 很黄的视频免费| 两个人免费观看高清视频| 亚洲精品av麻豆狂野| 亚洲av第一区精品v没综合| 在线观看免费视频日本深夜| 很黄的视频免费| 久久精品国产亚洲av香蕉五月| 免费观看精品视频网站| 欧美日韩乱码在线| 妹子高潮喷水视频| 精品无人区乱码1区二区| 亚洲伊人色综图| 午夜老司机福利片| 丁香欧美五月| 亚洲精品久久午夜乱码| 女生性感内裤真人,穿戴方法视频| 国产成人免费无遮挡视频| 亚洲性夜色夜夜综合| 亚洲五月色婷婷综合| 国产精品美女特级片免费视频播放器 | av免费在线观看网站| 国产欧美日韩综合在线一区二区| 天天影视国产精品| 91老司机精品| 日本a在线网址| 动漫黄色视频在线观看| 国产成人欧美在线观看| 欧美黄色片欧美黄色片| 好看av亚洲va欧美ⅴa在| 国产黄色免费在线视频| 97碰自拍视频| 正在播放国产对白刺激| 一个人免费在线观看的高清视频| 黑人巨大精品欧美一区二区mp4| 精品久久久久久电影网| 黑人猛操日本美女一级片| 久久久久久大精品| 女同久久另类99精品国产91| 亚洲成a人片在线一区二区| 久久中文看片网| 在线观看舔阴道视频| 1024视频免费在线观看| 日韩欧美国产一区二区入口| 国产人伦9x9x在线观看| 久久久精品欧美日韩精品| 一级a爱视频在线免费观看| 操出白浆在线播放| 午夜福利一区二区在线看| 91精品国产国语对白视频| a级毛片在线看网站| 神马国产精品三级电影在线观看 | 国产精品一区二区三区四区久久 | 18禁裸乳无遮挡免费网站照片 | 淫妇啪啪啪对白视频| 两个人免费观看高清视频| 伦理电影免费视频| 十八禁网站免费在线| 啦啦啦在线免费观看视频4| 久久精品人人爽人人爽视色| 午夜福利影视在线免费观看| 亚洲国产精品一区二区三区在线| 亚洲欧美精品综合一区二区三区| 高清毛片免费观看视频网站 | 美女高潮到喷水免费观看| 午夜91福利影院| 高清黄色对白视频在线免费看| 亚洲色图av天堂| 99riav亚洲国产免费| 悠悠久久av| 色婷婷av一区二区三区视频| 欧美在线黄色| 搡老乐熟女国产| 亚洲av成人av| 午夜91福利影院| 精品福利永久在线观看| 不卡一级毛片| 女人精品久久久久毛片| avwww免费| 天堂影院成人在线观看| 欧美黑人欧美精品刺激| 中文字幕人妻丝袜制服| 久久青草综合色| 99国产精品免费福利视频| 黄色a级毛片大全视频| 成年人免费黄色播放视频| 亚洲午夜理论影院| 18禁美女被吸乳视频| 国产精品一区二区精品视频观看| 久久精品亚洲av国产电影网| 男人舔女人的私密视频| 夜夜夜夜夜久久久久| 欧美黑人精品巨大| 夜夜躁狠狠躁天天躁| 久久久精品欧美日韩精品| 亚洲一区中文字幕在线| 又大又爽又粗| 亚洲成人久久性| 欧美黄色淫秽网站| 在线观看免费视频网站a站| 人人澡人人妻人| 亚洲狠狠婷婷综合久久图片| 日韩国内少妇激情av| 国产成人影院久久av| 12—13女人毛片做爰片一| 97超级碰碰碰精品色视频在线观看| 日本欧美视频一区| 久久人妻av系列| 日韩视频一区二区在线观看| 亚洲国产精品合色在线| 久久精品亚洲av国产电影网| 99国产极品粉嫩在线观看| 欧美黄色淫秽网站| 88av欧美|