• <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 ?

    改進(jìn)VMD算法在顫振試驗(yàn)信號(hào)模態(tài)參數(shù)辨識(shí)中的應(yīng)用

    2021-06-10 00:29:09顧文景周麗
    振動(dòng)工程學(xué)報(bào) 2021年2期
    關(guān)鍵詞:參數(shù)優(yōu)化

    顧文景 周麗

    摘要: 提出了一種基于改進(jìn)變分模態(tài)分解(Variational Mode Decomposition, VMD)的模態(tài)參數(shù)辨識(shí)算法,用于顫振試驗(yàn)信號(hào)的數(shù)據(jù)處理。采用自然激勵(lì)技術(shù)提取脈沖響應(yīng)信號(hào);利用信號(hào)的先驗(yàn)信息結(jié)合本文提出的適應(yīng)度函數(shù),求解最優(yōu)分解參數(shù);用參數(shù)優(yōu)化后的VMD算法將信號(hào)分解為指定個(gè)數(shù)的信號(hào)分量,每個(gè)分量僅含單一頻率的振動(dòng)模態(tài);用矩陣束法識(shí)別模態(tài)參數(shù)。數(shù)值仿真和風(fēng)洞試驗(yàn)研究表明:改進(jìn)的VMD算法可以有效分離顫振試驗(yàn)信號(hào)中的密集模態(tài),提高模態(tài)參數(shù)辨識(shí)的精度;結(jié)合顫振裕度法,有助于顫振邊界的預(yù)測。

    關(guān)鍵詞: 顫振試驗(yàn); 模態(tài)參數(shù)辨識(shí); 變分模態(tài)分解; 參數(shù)優(yōu)化; 顫振邊界預(yù)測

    中圖分類號(hào): V216.2+4 ? ?文獻(xiàn)標(biāo)志碼: A ? ?文章編號(hào): 1004-4523(2021)02-0292-09

    DOI:10.16385/j.cnki.issn.1004-4523.2021.02.009

    引 言

    顫振是結(jié)構(gòu)在空氣動(dòng)力、慣性力和彈性力耦合作用下產(chǎn)生的一種具有破壞性的自激振動(dòng),因而在整個(gè)飛行包線內(nèi)都不允許出現(xiàn)顫振。由于理論分析和試驗(yàn)?zāi)P筒蛔阋阅M真實(shí)的飛行環(huán)境,顫振試驗(yàn)仍是飛機(jī)設(shè)計(jì)中必不可少的一個(gè)環(huán)節(jié),以確保飛機(jī)在設(shè)計(jì)的飛行包線內(nèi)不會(huì)發(fā)生顫振。

    顫振試驗(yàn)通常采用環(huán)境激勵(lì)的形式,利用大氣紊流對(duì)飛機(jī)結(jié)構(gòu)的擾動(dòng)力進(jìn)行激勵(lì),不需要額外的附加裝置,相比其他激勵(lì)方式更經(jīng)濟(jì)方便。但環(huán)境激勵(lì)下的響應(yīng)屬于輸入未知的振動(dòng)響應(yīng)信號(hào),無法根據(jù)系統(tǒng)的輸入、輸出估計(jì)頻響函數(shù)或脈沖響應(yīng)函數(shù)。且顫振試驗(yàn)響應(yīng)信號(hào)存在信噪比低、模態(tài)分布密集等特點(diǎn),對(duì)信號(hào)處理方法提出了更高的要求。

    對(duì)于環(huán)境激勵(lì)下的模態(tài)識(shí)別[1?3],為簡化問題,通常認(rèn)為激勵(lì)信號(hào)是高斯白噪聲,而響應(yīng)信號(hào)則為平穩(wěn)的隨機(jī)信號(hào)。在此假設(shè)下,可以從頻域或時(shí)域的角度,利用信號(hào)的統(tǒng)計(jì)特征進(jìn)行系統(tǒng)辨識(shí)。頻域的模態(tài)識(shí)別方法通常采用經(jīng)典譜估計(jì),利用輸入、輸出的功率譜密度求解頻響函數(shù)。由于白噪聲的功率譜密度為常數(shù),因而可以將響應(yīng)信號(hào)的功率譜密度函數(shù)近似地代替頻響函數(shù),以進(jìn)行后續(xù)的模態(tài)識(shí)別。常用的時(shí)域方法大致可分為直接法和間接法兩類。直接法,如隨機(jī)子空間法[4]、ARMA分析法[5]等,通過建立參數(shù)化模型直接求解信號(hào)的模態(tài)參數(shù);間接法,首先對(duì)信號(hào)進(jìn)行處理,利用隨機(jī)減量法[6]或自然激勵(lì)技術(shù)[7],得到其脈沖響應(yīng)或相關(guān)函數(shù)后采用時(shí)域的模態(tài)識(shí)別算法進(jìn)行計(jì)算。

    希爾伯特?黃變換(Hilbert?Huang Transform,HHT)[8]作為一種最常用的時(shí)域信號(hào)處理技術(shù),屬于基于經(jīng)驗(yàn)的數(shù)據(jù)分析方法。信號(hào)由經(jīng)驗(yàn)?zāi)B(tài)分解算法(Empirical Mode Decomposition, EMD)分解成一系列自適應(yīng)的IMF(Intrinsic Mode Function)分量后,經(jīng)希爾伯特變換即可得到信號(hào)的模態(tài)瞬時(shí)頻率和阻尼等信息。其展開基是自適應(yīng)的,可以對(duì)非線性和非平穩(wěn)過程產(chǎn)生的數(shù)據(jù),獲得具有物理意義的表示[9]?;贖HT的數(shù)據(jù)分析算法在模態(tài)參數(shù)辨識(shí)中得到了廣泛應(yīng)用[10?12];然而由于缺乏嚴(yán)格的數(shù)學(xué)背景,EMD及其相關(guān)的改進(jìn)算法仍存在一些固有缺陷[13],包括端點(diǎn)效應(yīng)、易受噪聲干擾、存在虛假分量等問題。

    VMD是一種完全非遞歸的分解算法,通過構(gòu)造并求解約束變分問題,將信號(hào)分解成K個(gè)中心頻率為{ωk}的調(diào)幅?調(diào)頻信號(hào)分量[14]。相比EMD算法,VMD算法具有更嚴(yán)格的數(shù)學(xué)模型,克服了EMD算法的缺陷,可以有效分離密集模態(tài),在信號(hào)分析、故障診斷、時(shí)間序列預(yù)測等領(lǐng)域取得了廣泛應(yīng)用[15?17]。但是,VMD的分解參數(shù)如分解層數(shù)K和懲罰因子α的選擇對(duì)分解效果影響較大,其取值尚未有明確的理論指導(dǎo)。

    對(duì)此,本文提出了新的評(píng)價(jià)函數(shù),利用智能優(yōu)化算法如遺傳算法、粒子群算法等進(jìn)行參數(shù)優(yōu)化,得到最優(yōu)的分解層數(shù)K和懲罰因子α;然后,利用參數(shù)優(yōu)化后的VMD算法對(duì)信號(hào)進(jìn)行分解,得到一系列僅含單一模態(tài)的信號(hào)分量;最后,利用矩陣束法[18]識(shí)別各信號(hào)分量的模態(tài)參數(shù)。本文結(jié)合數(shù)值仿真算例和風(fēng)洞顫振試驗(yàn),對(duì)比傳統(tǒng)的EMD算法和頻域內(nèi)的PolyMAX法[19],驗(yàn)證所提出方法的準(zhǔn)確性和有效性。

    1.2 改進(jìn)的VMD算法

    針對(duì)VMD的參數(shù)選擇問題,國內(nèi)外學(xué)者以包絡(luò)熵、正交系數(shù)、相關(guān)系數(shù)等參量構(gòu)造評(píng)價(jià)函數(shù),采用智能優(yōu)化算法同時(shí)搜索分解層數(shù)K和懲罰因子α的最優(yōu)值,在故障診斷等領(lǐng)域取得了一定成果[22?23]。但是,由于VMD算法計(jì)算效率的限制,導(dǎo)致大規(guī)模的超平面參數(shù)尋優(yōu)效率低下,針對(duì)VMD分解參數(shù)的兩參甚至多參優(yōu)化將耗費(fèi)大量計(jì)算資源,且現(xiàn)有的單一指標(biāo)的評(píng)價(jià)函數(shù)并不適用于振動(dòng)信號(hào)的模態(tài)分解。對(duì)此,本文提出了新的VMD優(yōu)化算法,對(duì)K和α的取值進(jìn)行單獨(dú)尋優(yōu),并對(duì)中心頻率{ω_k^1}的初始化過程進(jìn)行優(yōu)化,進(jìn)而提高參數(shù)優(yōu)化效率以充分發(fā)揮VMD的分解性能。

    在模態(tài)參數(shù)識(shí)別過程中,頻率的識(shí)別精度要高于阻尼,甚至在大多數(shù)情況下,根據(jù)信號(hào)的頻譜分析結(jié)果就能較準(zhǔn)確地估計(jì)頻率范圍,并判斷主要模態(tài)數(shù)。而VMD算法的目標(biāo)便是將信號(hào)分解成K個(gè)中心頻率為{ωk}的調(diào)幅?調(diào)頻信號(hào),本質(zhì)上便是以{ωk}為中心頻率的窄帶濾波器組。因此,本文采用簡單的峰值法預(yù)先確定信號(hào)的主要模態(tài)數(shù)M及其對(duì)應(yīng)的中心頻率{fi, i=1, 2,…, M},并將分解參數(shù)K賦值為K = M,中心頻率初始化為{ω_k^1} = {fi}。從而將原本多參優(yōu)化問題簡化為僅對(duì)懲罰因子α的單參優(yōu)化,加快ADMM收斂進(jìn)程以提高VMD的計(jì)算效率。

    針對(duì)懲罰因子α的單參優(yōu)化,首先要建立評(píng)價(jià)函數(shù),基于VMD分解結(jié)果的后驗(yàn)信息對(duì)α的取值進(jìn)行修正。但由于α與最終分解得到的信號(hào)分量之間沒有明確的函數(shù)關(guān)系,無法通過建立的評(píng)價(jià)函數(shù)直接求得α最優(yōu)值的解析解。此外,若采用傳統(tǒng)優(yōu)化方法(如牛頓法、單純形法等),需要遍歷整個(gè)搜索空間,加上VMD計(jì)算效率的限制,無法在短時(shí)間內(nèi)完成搜索。因此,本文同樣采用智能優(yōu)化算法(如遺傳算法、粒子群算法等),在超平面內(nèi)搜索懲罰因子α的最優(yōu)值。

    本文所建立的評(píng)價(jià)函數(shù)應(yīng)能準(zhǔn)確反映理想狀態(tài)下每個(gè)分解得到的信號(hào)分量僅包含單一振動(dòng)模態(tài)且沒有虛假分量及冗余模態(tài)的特征?,F(xiàn)有的單一指標(biāo)的評(píng)價(jià)函數(shù),如包絡(luò)熵、正交系數(shù)、相關(guān)性等,雖能表征信號(hào)的稀疏性,但在實(shí)際應(yīng)用過程中極易發(fā)生負(fù)優(yōu)化的現(xiàn)象,導(dǎo)致α數(shù)值過大,而分解得到一組簡諧信號(hào)分量的情況。這是由于VMD窄帶濾波的特性,懲罰因子α數(shù)值越大,信號(hào)分量的帶寬越小,最終便退化成簡諧信號(hào)。簡諧信號(hào)分量相比真實(shí)的目標(biāo)信號(hào)分量,在上述單一指標(biāo)的評(píng)價(jià)函數(shù)中卻能得到更高的評(píng)價(jià),從而導(dǎo)致負(fù)優(yōu)化的情況。但這類簡諧信號(hào)屬于虛假分量,僅占原信號(hào)能量的極少部分。

    因此,本文首先引入能量評(píng)價(jià)指標(biāo)E=∑_(k=1)^K?(u_k^2)/x^2 ∈(0,1)表征各信號(hào)分量的能量占比之和。目標(biāo)信號(hào)分量應(yīng)保留原信號(hào)的大部分能量,以避免上述負(fù)優(yōu)化情況的發(fā)生。針對(duì)參數(shù)優(yōu)化過程中可能出現(xiàn)的虛假分量或冗余模態(tài),本文再次引入相關(guān)性評(píng)價(jià)指標(biāo)R=min{r(u_k,x)}∈(0,1),其中r(u_k,x)表示信號(hào)分量u_k和原始信號(hào)x的相關(guān)系數(shù)。這兩個(gè)評(píng)價(jià)指標(biāo)具有相同的數(shù)量級(jí),因此本文采用乘積運(yùn)算構(gòu)造聯(lián)合評(píng)價(jià)函數(shù)P = E·R,用以同時(shí)約束目標(biāo)信號(hào)分量的能量及與原信號(hào)之間的相關(guān)性。為便于優(yōu)化算法的求解,將其改寫成如下適應(yīng)度函數(shù)

    本文給出的優(yōu)化目標(biāo)本質(zhì)是在避免出現(xiàn)虛假分量或冗余模態(tài)的前提下,使分解得到的信號(hào)分量具有較大的能量占比,且與原信號(hào)保持較高的相關(guān)性。在給定適應(yīng)度函數(shù)的條件下,具體采用何種優(yōu)化算法求解,對(duì)最后的優(yōu)化結(jié)果影響不大,并不在本文討論范疇內(nèi)。參數(shù)優(yōu)化的具體流程如圖1所示。

    2 顫振試驗(yàn)信號(hào)的模態(tài)參數(shù)辨識(shí)

    對(duì)于顫振試驗(yàn)信號(hào)的處理,本文采用時(shí)域法。首先利用自然激勵(lì)技術(shù)提取信號(hào)的脈沖響應(yīng),對(duì)于平穩(wěn)的隨機(jī)響應(yīng)信號(hào),其自相關(guān)函數(shù)與脈沖響應(yīng)具有相同的數(shù)學(xué)表達(dá)式,因而可以用相關(guān)函數(shù)近似代替脈沖響應(yīng)函數(shù)進(jìn)行模態(tài)識(shí)別;然后利用本文提出的改進(jìn)VMD算法將其分解成僅含單一模態(tài)的信號(hào)分量;最后采用矩陣束法對(duì)每個(gè)分量進(jìn)行模態(tài)參數(shù)辨識(shí)。

    矩陣束法的推導(dǎo)過程如下:

    3 數(shù)值仿真研究

    3.1 平板機(jī)翼模型算例

    建立一個(gè)平板機(jī)翼模型,如圖3所示。機(jī)翼的后掠角為15°,半展長為140.06 mm,順氣流方向弦長為51.76 mm,機(jī)翼厚度為1.0 mm,前后緣處厚度為0,翼根AB處固支。利用Nastran計(jì)算機(jī)翼在連續(xù)大氣紊流激勵(lì)下的響應(yīng),空氣密度取為1.226 kg/m3,飛行速度為50 m/s,馬赫數(shù)為0.45,突風(fēng)均方根值為1.0 m/s,采用Von Karman突風(fēng)功率譜密度,采樣頻率為4096 Hz。數(shù)值計(jì)算中,取系統(tǒng)前4階結(jié)構(gòu)模態(tài)數(shù)。

    對(duì)仿真信號(hào)疊加信噪比SNR=10 dB的高斯白噪聲用以模擬測量噪聲,圖4給出了含測量噪聲的翼尖加速度響應(yīng)信號(hào)的時(shí)間歷程及頻譜圖。采用自然激勵(lì)技術(shù)提取的脈沖響應(yīng)信號(hào)如圖5所示。

    用傳統(tǒng)的EMD算法對(duì)脈沖響應(yīng)信號(hào)進(jìn)行分解,結(jié)果如圖6所示。其中第1個(gè)IMF分量主要包含700 Hz的高頻成分;第2個(gè)IMF分量則同時(shí)包含了230和260 Hz的頻率成分,發(fā)生了模態(tài)混疊現(xiàn)象;第3個(gè)IMF分量包含1個(gè)低頻模態(tài)。在此算例中,EMD算法在分解過程中發(fā)生了模態(tài)混疊現(xiàn)象,其希爾伯特譜圖(如圖7所示)存在嚴(yán)重的鋸齒線,分解效果較差。

    根據(jù)本文提出的改進(jìn)VMD算法,對(duì)脈沖響應(yīng)信號(hào)進(jìn)行分解。首先,采用峰值法對(duì)含噪加速度響應(yīng)信號(hào)的頻譜進(jìn)行分析,確定共4個(gè)主要模態(tài)數(shù),其頻率中心{fi}初步定為{40 ,230, 270, 700}Hz。用遺傳算法求解得懲罰因子的最優(yōu)值αopt=2.5×104,接著令K = 4,α = 2.5×104,{ω_k^1} = {fi},利用參數(shù)優(yōu)化后的VMD算法分解脈沖響應(yīng)信號(hào),得到的4個(gè)分量及其頻譜如圖8所示。

    改進(jìn)的VMD算法成功分離出了4個(gè)頻率成分的信號(hào)分量,且每個(gè)分量僅包含單一頻率的振動(dòng)模態(tài),并沒有出現(xiàn)模態(tài)混疊現(xiàn)象。其希爾伯特譜圖(如圖9所示)相比EMD分解結(jié)果有了明顯改善。

    用矩陣束法對(duì)EMD和改進(jìn)VMD算法得到的信號(hào)分量分別進(jìn)行模態(tài)參數(shù)識(shí)別。同時(shí),采用文獻(xiàn)[19]提出的顫振試驗(yàn)信號(hào)模態(tài)參數(shù)辨識(shí)的頻域法對(duì)翼尖加速度響應(yīng)信號(hào)進(jìn)行處理,將Welch法[24]估計(jì)的自功率譜密度作為頻響函數(shù),然后用頻域內(nèi)的PloyMAX法識(shí)別模態(tài)參數(shù),最終得到的穩(wěn)定圖如圖10所示。

    三種算法識(shí)別的模態(tài)參數(shù)與Nastran計(jì)算的理論值對(duì)比結(jié)果如表1所示。三種算法均準(zhǔn)確識(shí)別出了前4階模態(tài)頻率,且誤差在2%以內(nèi)。EMD算法的阻尼識(shí)別誤差最大;而PolyMAX算法對(duì)二、三階模態(tài)的阻尼識(shí)別出現(xiàn)了大的偏差;本文提出的改進(jìn)VMD算法由于成功分離出了4個(gè)單一頻率的振動(dòng)模態(tài),阻尼識(shí)別精度最高。

    3.2 計(jì)算效率分析

    值得注意的是,利用本文提出的適應(yīng)度函數(shù)同樣可以進(jìn)行多參優(yōu)化,同時(shí)搜索分解層數(shù)K和懲罰因子α的最優(yōu)值。為對(duì)比分析不同優(yōu)化參數(shù)設(shè)置下的計(jì)算效率,本文開展了進(jìn)一步的數(shù)值仿真研究,考慮下列三種優(yōu)化問題:(1)同時(shí)優(yōu)化K和α;(2)僅優(yōu)化α,中心頻率初始化為0,即{ω_k^1}=0;(3)僅優(yōu)化α,根據(jù)本文提出的方法對(duì)中心頻率進(jìn)行初始化,即{ω_k^1}={fi}。將上一小節(jié)得到的翼尖加速度響應(yīng)作為輸入信號(hào),對(duì)上述每種優(yōu)化問題進(jìn)行多次重復(fù)求解,得到平均計(jì)算時(shí)間,以最終適應(yīng)度的平均值作為評(píng)價(jià)優(yōu)化效果的指標(biāo)(適應(yīng)度的值越小則優(yōu)化效果越好)。采用遺傳算法進(jìn)行尋優(yōu),其中K的取值范圍為[2, 10],α的取值范圍為[102, 106],除第1種優(yōu)化問題因計(jì)算時(shí)間的限制僅重復(fù)計(jì)算10次外,其余兩種問題均重復(fù)計(jì)算了100次,最終結(jié)果如表2所示。

    由表2可知,用本文提出的適應(yīng)度函數(shù)對(duì)VMD分解參數(shù)進(jìn)行單參或多參優(yōu)化的效果相差無幾。在同時(shí)優(yōu)化K和α的情況下,最終得到的適應(yīng)度值最小,但相應(yīng)的計(jì)算時(shí)間相比其余兩種情況增加了一個(gè)數(shù)量級(jí)。在約束K的情況下,對(duì)α做單參優(yōu)化能極大縮短計(jì)算時(shí)間。其中,利用本文提出的方法進(jìn)行參數(shù)優(yōu)化所需的計(jì)算時(shí)間最短,平均為38.05 s,對(duì)于實(shí)際工程應(yīng)用也在可接受的范圍內(nèi)。同時(shí)優(yōu)化K和α的全局尋優(yōu)方式,雖然能充分發(fā)揮智能優(yōu)化算法在多參超平面優(yōu)化方面的優(yōu)勢,但相較于優(yōu)化效果的細(xì)微提升,額外增加的大量計(jì)算消耗反而顯得得不償失。相反,約束K和初始中心頻率{ω1k}的局部尋優(yōu)方式,在極大縮短計(jì)算時(shí)間的同時(shí),仍具有較好的優(yōu)化效果。

    4 風(fēng)洞顫振試驗(yàn)驗(yàn)證

    針對(duì)某低速顫振試驗(yàn)?zāi)P?,布置?8個(gè)加速度傳感器,模型示意圖及傳感器分布如圖11所示。試驗(yàn)風(fēng)速段為28?36 m/s,試驗(yàn)顫振速度為36/m,顫振類型為小阻尼顫振型。某風(fēng)速下通道404(右翼肋后)加速度響應(yīng)信號(hào)的時(shí)間歷程及其頻譜如圖12所示,采樣頻率為256 Hz,采樣時(shí)間為16 s。

    利用峰值法確定該通道包含三個(gè)主要模態(tài),其頻率中心初略估計(jì)為[3.7, 7.4, 10.6] Hz。帶通濾波的頻帶設(shè)置為2?20 Hz,用于濾去低頻剛體模態(tài)和高頻噪聲信號(hào)。采用自然激勵(lì)技術(shù)提取脈沖響應(yīng)信號(hào),分別用EMD算法和本文提出的改進(jìn)VMD算法對(duì)其模態(tài)分解。

    如圖13所示,由于EMD算法的缺陷,仍不可避免地出現(xiàn)了模態(tài)混疊現(xiàn)象,分解效果較差。而改進(jìn)的VMD算法則成功地分離出了三階低頻密集模態(tài),如圖14所示,每個(gè)信號(hào)分量僅包含單一頻率的振動(dòng)模態(tài),提高了后續(xù)模態(tài)識(shí)別的精度。

    根據(jù)本文提出的改進(jìn)算法,取404通道在28?35 m/s風(fēng)速下加速度響應(yīng)信號(hào)識(shí)別的前三階主要模態(tài),模態(tài)參數(shù)的識(shí)別結(jié)果如圖15和16所示。整體而言,頻率的識(shí)別結(jié)果相對(duì)穩(wěn)定,阻尼的識(shí)別結(jié)果波動(dòng)較大,且阻尼隨風(fēng)速有逐步衰減的趨勢,符合小阻尼顫振型的特點(diǎn)。利用識(shí)別的模態(tài)參數(shù),結(jié)合顫振裕度法[25]做顫振邊界預(yù)測,預(yù)測結(jié)果如圖17所示。

    顫振裕度法利用結(jié)構(gòu)的模態(tài)參數(shù)構(gòu)造顫振預(yù)測判據(jù),線性擬合預(yù)測判據(jù)關(guān)于動(dòng)壓的變化曲線后,外推該曲線得到判據(jù)為零時(shí)的動(dòng)壓即為預(yù)測的顫振點(diǎn)。本例中以速度的平方代替動(dòng)壓,對(duì)預(yù)測的顫振點(diǎn)經(jīng)簡單換算后即可得到預(yù)測顫振速度。采用傳統(tǒng)的最小二乘法進(jìn)行線性擬合易受異常值的影響,導(dǎo)致預(yù)測結(jié)果失真。因此,本文采用穩(wěn)健擬合[26]的方法,在回歸分析中自動(dòng)剔除異常值,得到更為穩(wěn)健的擬合結(jié)果。如圖17所示,剔除其中兩個(gè)異常點(diǎn)后,最終預(yù)測顫振速度為36.26 m/s。

    5 結(jié) 論

    (1)傳統(tǒng)的EMD算法由于本身的缺陷,在分離顫振試驗(yàn)信號(hào)中的密集模態(tài)時(shí),不可避免地會(huì)產(chǎn)生模態(tài)混疊現(xiàn)象,影響參數(shù)識(shí)別精度。

    (2)本文對(duì)影響VMD算法分解效果的兩個(gè)關(guān)鍵參數(shù):分解層數(shù)K和懲罰因子α進(jìn)行單獨(dú)優(yōu)化。利用峰值法初步確定試驗(yàn)信號(hào)的主要模態(tài)數(shù)及其中心頻率范圍,將分解層數(shù)設(shè)定為模態(tài)數(shù),初始中心頻率設(shè)置為模態(tài)的中心頻率進(jìn)行后續(xù)迭代;并利用智能優(yōu)化算法結(jié)合本文提出的適應(yīng)度函數(shù)求解懲罰因子的最優(yōu)值。數(shù)值仿真和風(fēng)洞試驗(yàn)算例表明,本文提出的改進(jìn)VMD算法能有效分離密集模態(tài),提高了后續(xù)模態(tài)參數(shù)識(shí)別的精度。

    (3)本文提出的適應(yīng)度函數(shù)同樣可用于多參優(yōu)化,同時(shí)搜索分解層數(shù)K和懲罰因子α的最優(yōu)值。多參優(yōu)化的全局尋優(yōu)方式雖能提升一定的優(yōu)化效果,但由于VMD計(jì)算效率的限制,需要消耗大量的計(jì)算時(shí)間。而本文提出的局部尋優(yōu)方法對(duì)K和初始中心頻率{ω_k^1}進(jìn)行約束,能極大縮短計(jì)算時(shí)間,同時(shí)具有較好的優(yōu)化效果。

    (4)本文將改進(jìn)的VMD算法結(jié)合矩陣束法對(duì)顫振試驗(yàn)信號(hào)進(jìn)行模態(tài)參數(shù)識(shí)別,識(shí)別結(jié)果具有較高的精度,結(jié)合顫振裕度法,有助于顫振邊界的預(yù)測。

    參考文獻(xiàn):

    [1] 陳永高, 鐘振宇. 環(huán)境激勵(lì)下橋梁結(jié)構(gòu)信號(hào)分解與模態(tài)參數(shù)識(shí)別[J]. 振動(dòng)、測試與診斷, 2018, 38(6): 1267-1274.

    Chen Y G, Zhong Z Y. Signal decomposition and modal parameter identification for bridge structural under environmental excitation[J]. Journal of Vibration, Measurement & Diagnosis, 2018, 38(6): 1267-1274.

    [2] 包興先. 環(huán)境激勵(lì)下基于信號(hào)降噪的模態(tài)參數(shù)識(shí)別研究[J]. 振動(dòng)與沖擊, 2014, 33(21): 67-72.

    Bao X X. Modal parameters identification based on signals denoised under ambient excitation[J]. Journal of Vibration and Shock, 2014, 33(21): 67-72.

    [3] 劉宇飛, 辛克貴, 樊健生, 等. 環(huán)境激勵(lì)下結(jié)構(gòu)模態(tài)參數(shù)識(shí)別方法綜述[J]. 工程力學(xué), 2014, 31(4): 46-53.

    Liu Y F, Xin K G, Fan J S, et al. A review of structure modal identification methods through ambient excitation[J]. Engineering Mechanics, 2014,31(4): 46-53.

    [4] 張家濱, 陳國平. 基于隨機(jī)子空間的遞推在線模態(tài)識(shí)別算法[J]. 振動(dòng)與沖擊,2009,28(8):42-45.

    Zhang J B, Chen G P. Stochastic subspace based on-line recursive modal identification method[J]. Journal of Vibration and Shock, 2009, 28(8): 42-45.

    [5] Torii J, Matsuzaki Y. Flutter margin evaluation for discrete-time systems[J]. Journal of Aircraft, 2001, 38(1): 42-47.

    [6] 陳太聰, 沈文杰. 模態(tài)辨識(shí)中隨機(jī)減量技術(shù)的實(shí)用改進(jìn)[J]. 振動(dòng).測試與診斷, 2019, 39(6): 1153-1159+1355.

    Chen T C, Shen W J. Practical improvement of the random decrement technique in modal identification[J].Journal of Vibration, Measurement & Diagnosis, 2019, 39(6): 1153-1159+1355.

    [7] 鐘軍軍, 董 聰. 環(huán)境激勵(lì)下識(shí)別結(jié)構(gòu)模態(tài)自然激勵(lì)-時(shí)域分解法[J]. 振動(dòng)與沖擊, 2013, 32(18): 121-125.

    Zhong J J, Dong C. Natural excitation technique-time domain decomposition algorithm for structural modal identification[J].Journal of Vibration and Shock,2013, 32(18): 121-125.

    [8] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings A, 1998, 454 (1971): 903-995.

    [9] 楊永鋒, 吳亞峰. 經(jīng)驗(yàn)?zāi)B(tài)分解在振動(dòng)分析中的應(yīng)用[M]. 北京:國防工業(yè)出版社, 2013.

    Yang Y F, Wu Y F. Applications of Empirical Mode Decomposition in Vibration Analysis[M]. Beijing:National Defense Industry Press, 2013.

    [10] 練繼建, 榮欽彪, 董霄峰, 等. 抑制模態(tài)混疊的HHT結(jié)構(gòu)模態(tài)參數(shù)識(shí)別方法研究[J]. 振動(dòng)與沖擊, 2018, 37(18): 1-8.

    Lian J J, Rong Q B, Dong X F, et al. Structural model parameter identification method based on an improved HHT for suppressing mode mixing[J]. Journal of Vibration and Shock, 2018, 37(18): 1-8.

    [11] 李 揚(yáng), 周 麗, 楊秉才. 飛機(jī)紊流激勵(lì)響應(yīng)的模態(tài)參數(shù)識(shí)別[J]. 振動(dòng)工程學(xué)報(bào), 2016, 29(6): 963-970.

    Li Y, Zhou L, Yang B C. The modal parameters identification upon atmospheric turbulence excitation response[J]. Journal of Vibration Engineering, 2016, 29(6): 963-970.

    [12] Peng Z K, Tse P W, Chu F L. An improved Hilbert?Huang transform and its application in vibration signal analysis[J]. Journal of Sound and Vibration, 2005, 286(1-2):187-205.

    [13] Huang N E, Shen S S P. Hilbert-Huang Transform and Its Applications[M]. World Scientific, 2005.

    [14] Dragomiretskiy K, Zosso D. Variational mode decomposition[J]. IEEE Transactions on Signal Processing, 2014, 62(3):531-544.

    [15] 唐貴基, 王曉龍. 變分模態(tài)分解方法及其在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J]. 振動(dòng)工程學(xué)報(bào), 2016, 29(4): 638-648.

    Tang G J, Wang X L. Variational mode decomposition method and its application on incipient fault diagnosis of rolling bearing[J]. Journal of Vibration Engineering, 2016, 29(4): 638-648.

    [16] 江春冬, 王景玉, 杜太行, 等. 基于變分模態(tài)分解算法的單通道無線電混合信號(hào)分離[J]. 上海交通大學(xué)學(xué)報(bào), 2018, 52(12): 1618-1626.

    Jiang C D, Wang Y J, Du T H, et al. Separation of single channel radio mixed signal based on variational mode decomposition[J]. Journal of Shanghai Jiao Tong University, 2018, 52(12): 1618-1626.

    [17] Lahmiri S. Comparing variational and empirical mode decomposition in forecasting day-ahead energy prices[J]. IEEE Systems Journal, 2017, 3(11): 1907-1910.

    [18] Hua Y, Sarkar T K. Matrix pencil method for estimating parameters of exponentially damped/undamped sinusoids in noise[J]. IEEE Trans. on ASSP, 1990, 38(5): 814-824.

    [19] Zeng J, Kukreja S L. Flutter prediction for flight/wind-tunnel flutter test under atmospheric turbulence excitation[J]. Journal of Aircraft, 2013, 50(6): 1696-1709.

    [20] Paternina M R A, Tripathy R K, Mendez A Z, et al. Identification of electromechanical oscillatory modes based on variational mode decomposition[J]. Electric Power Systems Research, 2019, 167: 71-85.

    [21] Wang Y H, Yeh C H, Young H V, et al. On the computational complexity of the empirical mode decomposition algorithm[J]. Physical A, 2014, 400: 159-167.

    [22] Wang X B, Yang Z X, Yan X A. Novel particle swarm optimization-based variational mode decomposition method for the fault diagnosis of complex rotating machinery[J]. IEEE/ASME Transactions on Mechatronics, 2018, 23(1): 68-79.

    [23] 李舒適, 王豐華, 耿俊秋, 等. 基于優(yōu)化VMD的高壓斷路器機(jī)械狀態(tài)檢測[J]. 電力自動(dòng)化設(shè)備, 2018, 38(11): 148-154.

    Li S S, Wang F H, Geng J Q, et al. Mechanical state detection of high voltage circuit breaker based on optimized VMD algorithm[J]. Electric Power Automation Equipment, 2018, 38(11): 148-154.

    [24] 宋 寧, 關(guān) 華. 經(jīng)典功率譜估計(jì)及其仿真[J]. 現(xiàn)代電子技術(shù), 2008,31(11): 159-161.

    Song N, Guan H. Classical power spectrum density estimation and its simulation[J]. Modern Electronics Technique, 2008,31(11): 159-161.

    [25] Zimmerman N H, Weissenburger J T. Prediction of flutter onset speed based on flight testing at subcritical speeds[J]. Journal of Aircraft, 1964, 1(4): 190-202.

    [26] 胡清華, 汪 運(yùn). 考慮數(shù)據(jù)噪聲的魯棒回歸建模方法綜述[J]. 西北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019, 49(04): 496-507.

    Hu Q H, Wang Y. A review of robust regression modeling approaches with noise[J]. Journal of Northwest University (Natural Science Edition), 2019, 49(04): 496-507.

    Modal parameter identification based on optimized variational mode decomposition and its application in signal processing of flutter test

    GU Wen-jing, ZHOU Li

    (State Key Laboratory of Mechanics and Control of Mechanical Structures, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China)

    Abstract: A modal parameter identification method applicable to flutter test data is proposed based on optimized variational mode decomposition (VMD). Firstly, the natural excitation technique (NExT) is employed to extract impulse response signal from the test data. Then, the decomposition parameters are optimized by using the prior information of the test data combined with the proposed new fitness function. Finally, the target signal is decomposed into multiple monocomponents that each contains an independent oscillation mode. The matrix pencil method is adopted to identify the modal parameters. Numerical simulations and the wind-tunnel flutter test demonstrate the effectiveness of the proposed algorism in separating close modes of flutter test data. While associated with the flutter margin method, the optimized VMD can help provide an accurate flutter boundary prediction.

    Key words: flutter test; modal parameter identification; variational mode decomposition; parameter optimization; flutter boundary prediction

    作者簡介: 顧文景(1994?),男,博士研究生。電話:(025)84891722;E-mail:wenjinggu@nuaa.edu.cn

    猜你喜歡
    參數(shù)優(yōu)化
    基于SVM的交通視頻分類優(yōu)化
    基于正交試驗(yàn)法的路基沖擊碾壓施工參數(shù)優(yōu)化
    基于神經(jīng)網(wǎng)絡(luò)的動(dòng)力電池組焊接參數(shù)優(yōu)化研究
    研究LTE與WCDMA系統(tǒng)間小區(qū)互操作與參數(shù)優(yōu)化
    基于磁流變技術(shù)的汽車發(fā)動(dòng)機(jī)隔振系統(tǒng)的參數(shù)優(yōu)化
    科技視界(2016年23期)2016-11-04 08:17:36
    上向進(jìn)路式尾砂膠結(jié)充填采礦法采場結(jié)構(gòu)參數(shù)優(yōu)化研究
    平整液系統(tǒng)改造以及工藝優(yōu)化
    基于改進(jìn)遺傳算法的支持向量機(jī)微信垃圾文章識(shí)別
    整體葉盤復(fù)合銑削參數(shù)優(yōu)化系統(tǒng)的研究
    基于諧波頻譜的LCL濾波器性能分析
    村上凉子中文字幕在线| 亚洲熟妇熟女久久| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人与动物交配视频| 99热只有精品国产| 白带黄色成豆腐渣| 国产亚洲精品第一综合不卡| 久久性视频一级片| 丰满人妻一区二区三区视频av | 国产又黄又爽又无遮挡在线| 在线观看日韩欧美| 精品欧美国产一区二区三| www.www免费av| 亚洲av美国av| 亚洲成人免费电影在线观看| 久久人妻av系列| 午夜激情福利司机影院| 欧美成人性av电影在线观看| 99热只有精品国产| 身体一侧抽搐| 中文字幕av在线有码专区| 99久久精品国产亚洲精品| 亚洲五月天丁香| 免费高清视频大片| 亚洲中文字幕日韩| 亚洲av中文字字幕乱码综合| 成年免费大片在线观看| 叶爱在线成人免费视频播放| 少妇人妻一区二区三区视频| 国产精品亚洲一级av第二区| 成人一区二区视频在线观看| 两人在一起打扑克的视频| 欧美成人性av电影在线观看| 亚洲精品美女久久av网站| 老汉色∧v一级毛片| 久久久久国产一级毛片高清牌| 亚洲国产欧美人成| 一边摸一边做爽爽视频免费| 亚洲精品国产一区二区精华液| 国产一区二区在线av高清观看| 免费在线观看影片大全网站| 级片在线观看| a在线观看视频网站| 99re在线观看精品视频| 免费在线观看视频国产中文字幕亚洲| e午夜精品久久久久久久| 亚洲成人国产一区在线观看| 精品国产亚洲在线| 久久国产精品人妻蜜桃| 狠狠狠狠99中文字幕| 18禁观看日本| 看免费av毛片| 俺也久久电影网| 美女大奶头视频| 国产精品免费视频内射| 淫妇啪啪啪对白视频| www国产在线视频色| 毛片女人毛片| 一夜夜www| 制服丝袜大香蕉在线| 欧美黄色片欧美黄色片| 村上凉子中文字幕在线| 精品不卡国产一区二区三区| 中文字幕久久专区| 一卡2卡三卡四卡精品乱码亚洲| 日韩大码丰满熟妇| 在线观看美女被高潮喷水网站 | 级片在线观看| 精品一区二区三区四区五区乱码| 亚洲国产欧美一区二区综合| 久久精品综合一区二区三区| 黄色女人牲交| 欧美+亚洲+日韩+国产| 小说图片视频综合网站| 久久久久免费精品人妻一区二区| 久久国产精品人妻蜜桃| 欧美日韩亚洲国产一区二区在线观看| 别揉我奶头~嗯~啊~动态视频| 亚洲精品久久国产高清桃花| 国产成人精品久久二区二区91| 国产精品av视频在线免费观看| 亚洲全国av大片| 色老头精品视频在线观看| 亚洲欧美日韩高清在线视频| 日本撒尿小便嘘嘘汇集6| 日本 欧美在线| 亚洲精品av麻豆狂野| 亚洲av成人精品一区久久| 波多野结衣巨乳人妻| 国产伦在线观看视频一区| 亚洲 欧美 日韩 在线 免费| 亚洲成人中文字幕在线播放| 久久中文看片网| 久久久精品欧美日韩精品| 一夜夜www| а√天堂www在线а√下载| 五月玫瑰六月丁香| 欧美又色又爽又黄视频| 亚洲人成网站在线播放欧美日韩| 人妻丰满熟妇av一区二区三区| 日本在线视频免费播放| 两人在一起打扑克的视频| 国模一区二区三区四区视频 | ponron亚洲| 日本成人三级电影网站| 免费在线观看日本一区| 欧美成人免费av一区二区三区| 99久久国产精品久久久| 亚洲aⅴ乱码一区二区在线播放 | 欧美中文日本在线观看视频| 禁无遮挡网站| 欧美在线一区亚洲| 亚洲国产欧美人成| 精品乱码久久久久久99久播| 18禁国产床啪视频网站| 亚洲国产精品sss在线观看| 悠悠久久av| 曰老女人黄片| 久久久久免费精品人妻一区二区| 窝窝影院91人妻| 一本综合久久免费| 婷婷精品国产亚洲av| 欧美三级亚洲精品| 国产精品亚洲美女久久久| 成人欧美大片| 精品一区二区三区av网在线观看| 精品日产1卡2卡| 精品一区二区三区四区五区乱码| 丝袜人妻中文字幕| 精品久久久久久久毛片微露脸| 久久精品影院6| 日本精品一区二区三区蜜桃| 久久久精品欧美日韩精品| 久久午夜亚洲精品久久| 免费看日本二区| 在线看三级毛片| 亚洲五月婷婷丁香| 亚洲精品久久国产高清桃花| 色播亚洲综合网| 中亚洲国语对白在线视频| a在线观看视频网站| 少妇的丰满在线观看| 中文字幕最新亚洲高清| 久久久久免费精品人妻一区二区| 亚洲 欧美 日韩 在线 免费| 男女下面进入的视频免费午夜| 久久久水蜜桃国产精品网| 色在线成人网| 婷婷精品国产亚洲av在线| 不卡一级毛片| 韩国av一区二区三区四区| 淫妇啪啪啪对白视频| 麻豆一二三区av精品| 亚洲国产日韩欧美精品在线观看 | 好看av亚洲va欧美ⅴa在| 99热这里只有是精品50| √禁漫天堂资源中文www| xxxwww97欧美| 99riav亚洲国产免费| 亚洲黑人精品在线| 天天添夜夜摸| 久久久久久国产a免费观看| 色综合亚洲欧美另类图片| 国产男靠女视频免费网站| 一区二区三区高清视频在线| 国产精品亚洲一级av第二区| av免费在线观看网站| 欧美日韩国产亚洲二区| 久久久精品大字幕| 国产精品 欧美亚洲| 欧美3d第一页| 免费在线观看黄色视频的| 亚洲欧美日韩高清专用| 中国美女看黄片| cao死你这个sao货| 19禁男女啪啪无遮挡网站| 日韩欧美三级三区| 十八禁网站免费在线| 精品久久久久久成人av| 精品久久久久久成人av| 亚洲人成77777在线视频| 国产精品免费视频内射| 一级毛片女人18水好多| av片东京热男人的天堂| 两性夫妻黄色片| av超薄肉色丝袜交足视频| 国产黄色小视频在线观看| 露出奶头的视频| 亚洲国产欧美人成| 日本精品一区二区三区蜜桃| 久久久久久久久久黄片| 欧美午夜高清在线| 在线观看一区二区三区| 搡老岳熟女国产| 日本 av在线| 国内揄拍国产精品人妻在线| 亚洲av美国av| 久久99热这里只有精品18| 黄色丝袜av网址大全| 久久精品91蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 欧美+亚洲+日韩+国产| 久久精品国产综合久久久| 91大片在线观看| 亚洲天堂国产精品一区在线| 日韩欧美国产在线观看| 欧美久久黑人一区二区| 国内精品久久久久精免费| 日日爽夜夜爽网站| 香蕉久久夜色| 一本大道久久a久久精品| 国内精品一区二区在线观看| 国产精品一区二区精品视频观看| 午夜激情av网站| 一区二区三区激情视频| 国产精品综合久久久久久久免费| 久久精品人妻少妇| 亚洲真实伦在线观看| 日韩成人在线观看一区二区三区| 无遮挡黄片免费观看| 欧美av亚洲av综合av国产av| 日韩 欧美 亚洲 中文字幕| 亚洲国产看品久久| 免费av毛片视频| 天堂√8在线中文| 一个人免费在线观看的高清视频| 舔av片在线| 我要搜黄色片| 一级片免费观看大全| 亚洲五月婷婷丁香| 无人区码免费观看不卡| x7x7x7水蜜桃| 婷婷丁香在线五月| 精品国产乱子伦一区二区三区| 成人三级做爰电影| 欧美中文日本在线观看视频| 国产亚洲欧美98| 性欧美人与动物交配| 特大巨黑吊av在线直播| 法律面前人人平等表现在哪些方面| 蜜桃久久精品国产亚洲av| 91大片在线观看| 亚洲男人的天堂狠狠| 校园春色视频在线观看| 精品午夜福利视频在线观看一区| 婷婷丁香在线五月| 亚洲精品国产一区二区精华液| 国产aⅴ精品一区二区三区波| 日本一本二区三区精品| 亚洲国产欧美网| 搞女人的毛片| 欧美日韩精品网址| 中文亚洲av片在线观看爽| 久久精品91蜜桃| 悠悠久久av| 国产精品久久久久久亚洲av鲁大| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲美女黄片视频| 国产高清激情床上av| 国产高清视频在线观看网站| 亚洲熟妇中文字幕五十中出| 天天添夜夜摸| 99国产综合亚洲精品| 搡老妇女老女人老熟妇| 禁无遮挡网站| 精品无人区乱码1区二区| 岛国视频午夜一区免费看| 午夜免费观看网址| 天堂√8在线中文| 国产一区二区三区在线臀色熟女| or卡值多少钱| 亚洲黑人精品在线| 亚洲色图 男人天堂 中文字幕| 国产单亲对白刺激| 一级毛片高清免费大全| 日日爽夜夜爽网站| 激情在线观看视频在线高清| 亚洲精品av麻豆狂野| 韩国av一区二区三区四区| 国产亚洲精品久久久久久毛片| 国产男靠女视频免费网站| 香蕉av资源在线| 99国产综合亚洲精品| 国产精品久久视频播放| 久久性视频一级片| 美女 人体艺术 gogo| 成年免费大片在线观看| 久久人妻av系列| 女人爽到高潮嗷嗷叫在线视频| 变态另类成人亚洲欧美熟女| 国产三级中文精品| 1024香蕉在线观看| 制服丝袜大香蕉在线| 成人手机av| 成人国语在线视频| 成人欧美大片| 白带黄色成豆腐渣| 午夜福利高清视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品,欧美在线| 欧美日韩乱码在线| 99在线视频只有这里精品首页| 熟女少妇亚洲综合色aaa.| 免费观看精品视频网站| 曰老女人黄片| 国产av在哪里看| 在线免费观看的www视频| 99国产综合亚洲精品| 亚洲色图 男人天堂 中文字幕| 午夜福利成人在线免费观看| 一级毛片高清免费大全| 国产亚洲av高清不卡| 又粗又爽又猛毛片免费看| 少妇人妻一区二区三区视频| 亚洲av日韩精品久久久久久密| 中亚洲国语对白在线视频| 欧美丝袜亚洲另类 | 久热爱精品视频在线9| 久久久久久人人人人人| 色噜噜av男人的天堂激情| 一级片免费观看大全| 久久国产精品人妻蜜桃| www.自偷自拍.com| 日本a在线网址| 正在播放国产对白刺激| 国产精品综合久久久久久久免费| 日韩欧美免费精品| 国产久久久一区二区三区| 熟女电影av网| 国产一区在线观看成人免费| 色综合站精品国产| 十八禁人妻一区二区| 成人三级做爰电影| 正在播放国产对白刺激| 国产午夜精品论理片| 在线观看66精品国产| 日韩精品青青久久久久久| 免费电影在线观看免费观看| 听说在线观看完整版免费高清| 欧美成狂野欧美在线观看| 日本三级黄在线观看| 国产精品亚洲美女久久久| 99久久久亚洲精品蜜臀av| 男女下面进入的视频免费午夜| 亚洲九九香蕉| 久9热在线精品视频| 99热这里只有精品一区 | 天堂动漫精品| 亚洲五月天丁香| 国产单亲对白刺激| 国产成人精品久久二区二区免费| 亚洲电影在线观看av| 国产av一区二区精品久久| 日本一二三区视频观看| 亚洲av成人一区二区三| 国产精品久久久久久精品电影| 香蕉国产在线看| 精品久久久久久久人妻蜜臀av| av中文乱码字幕在线| 久久亚洲真实| 夜夜躁狠狠躁天天躁| 女同久久另类99精品国产91| 国产野战对白在线观看| 长腿黑丝高跟| 母亲3免费完整高清在线观看| 欧美乱妇无乱码| 成人18禁在线播放| 熟妇人妻久久中文字幕3abv| 男人舔女人的私密视频| 国产精品一及| 丝袜美腿诱惑在线| 久久久久性生活片| 99久久99久久久精品蜜桃| 欧美+亚洲+日韩+国产| 亚洲av成人av| 麻豆国产av国片精品| 成人欧美大片| 麻豆久久精品国产亚洲av| 岛国视频午夜一区免费看| 国产成人精品无人区| 最近在线观看免费完整版| 桃色一区二区三区在线观看| 一区二区三区国产精品乱码| 日韩欧美 国产精品| 亚洲熟妇中文字幕五十中出| 久久天躁狠狠躁夜夜2o2o| 成人国语在线视频| 男男h啪啪无遮挡| 999久久久精品免费观看国产| 久久这里只有精品中国| 丝袜人妻中文字幕| 99久久99久久久精品蜜桃| 大型黄色视频在线免费观看| 美女黄网站色视频| 亚洲五月天丁香| 成熟少妇高潮喷水视频| 国内精品一区二区在线观看| 91字幕亚洲| 色综合站精品国产| 无人区码免费观看不卡| 成人欧美大片| 12—13女人毛片做爰片一| 一区二区三区高清视频在线| 天堂动漫精品| 青草久久国产| 亚洲天堂国产精品一区在线| 亚洲人成网站在线播放欧美日韩| 在线免费观看的www视频| 午夜精品在线福利| 精品第一国产精品| 老司机靠b影院| 在线免费观看的www视频| 夜夜爽天天搞| 亚洲国产精品久久男人天堂| 国产黄片美女视频| 欧美黑人精品巨大| 日韩欧美免费精品| 亚洲欧美精品综合久久99| 欧美绝顶高潮抽搐喷水| 日本五十路高清| 最近视频中文字幕2019在线8| 无人区码免费观看不卡| 国产成+人综合+亚洲专区| www日本黄色视频网| 男女视频在线观看网站免费 | 日韩中文字幕欧美一区二区| 日本精品一区二区三区蜜桃| 午夜精品久久久久久毛片777| 日日摸夜夜添夜夜添小说| www.自偷自拍.com| 日日干狠狠操夜夜爽| 午夜成年电影在线免费观看| 精品不卡国产一区二区三区| 免费电影在线观看免费观看| 亚洲成av人片免费观看| 精品国内亚洲2022精品成人| 亚洲精品在线观看二区| 国产成人精品无人区| 欧美成人免费av一区二区三区| 免费无遮挡裸体视频| 国产主播在线观看一区二区| 一级片免费观看大全| 黑人欧美特级aaaaaa片| 黄色 视频免费看| 九九热线精品视视频播放| 欧美中文日本在线观看视频| 久久香蕉精品热| 99热只有精品国产| 国产成人aa在线观看| 成人永久免费在线观看视频| 18禁国产床啪视频网站| 一进一出抽搐动态| 欧美乱色亚洲激情| 久久99热这里只有精品18| 国产成人av教育| 成人高潮视频无遮挡免费网站| 久久99热这里只有精品18| 欧美乱妇无乱码| 91在线观看av| 久久99热这里只有精品18| 久久香蕉激情| 久久久久免费精品人妻一区二区| www日本黄色视频网| 中国美女看黄片| 真人做人爱边吃奶动态| 色噜噜av男人的天堂激情| cao死你这个sao货| 久久中文看片网| 天天躁狠狠躁夜夜躁狠狠躁| 变态另类成人亚洲欧美熟女| 人妻夜夜爽99麻豆av| 欧美+亚洲+日韩+国产| 免费看美女性在线毛片视频| 免费在线观看成人毛片| 嫁个100分男人电影在线观看| 欧美丝袜亚洲另类 | 国产不卡一卡二| 欧美在线一区亚洲| 欧美另类亚洲清纯唯美| 国产乱人伦免费视频| 在线观看一区二区三区| 夜夜爽天天搞| 久久久久国产精品人妻aⅴ院| 天天添夜夜摸| 免费一级毛片在线播放高清视频| 一级a爱片免费观看的视频| 一本久久中文字幕| 波多野结衣巨乳人妻| 国产不卡一卡二| 亚洲色图 男人天堂 中文字幕| 欧美乱码精品一区二区三区| 日本 av在线| 一进一出抽搐动态| 欧美不卡视频在线免费观看 | 亚洲第一欧美日韩一区二区三区| 黑人巨大精品欧美一区二区mp4| 亚洲精品美女久久av网站| 给我免费播放毛片高清在线观看| 中文字幕高清在线视频| 精品乱码久久久久久99久播| 久久草成人影院| 999精品在线视频| 欧美zozozo另类| 成人欧美大片| 草草在线视频免费看| x7x7x7水蜜桃| 麻豆成人av在线观看| 国产精品av久久久久免费| 欧美久久黑人一区二区| 亚洲成人中文字幕在线播放| 制服诱惑二区| 午夜激情av网站| 亚洲狠狠婷婷综合久久图片| 制服人妻中文乱码| 天天躁狠狠躁夜夜躁狠狠躁| 久久午夜亚洲精品久久| 亚洲国产精品合色在线| 国产精品九九99| 久久久久精品国产欧美久久久| 日韩成人在线观看一区二区三区| 久久午夜亚洲精品久久| 老熟妇乱子伦视频在线观看| 午夜福利免费观看在线| 久久伊人香网站| 欧美av亚洲av综合av国产av| 成人av在线播放网站| 久热爱精品视频在线9| 黄色视频,在线免费观看| 国产人伦9x9x在线观看| 精华霜和精华液先用哪个| 日本一区二区免费在线视频| 全区人妻精品视频| 99国产精品一区二区蜜桃av| 亚洲av成人一区二区三| 亚洲av成人av| 国产片内射在线| 丁香欧美五月| 久久久久性生活片| 老司机靠b影院| 男插女下体视频免费在线播放| 成人国产综合亚洲| 国产精品自产拍在线观看55亚洲| 午夜精品一区二区三区免费看| 男女下面进入的视频免费午夜| 欧美丝袜亚洲另类 | 亚洲欧美日韩高清专用| 久热爱精品视频在线9| av视频在线观看入口| 欧美乱色亚洲激情| a级毛片a级免费在线| 亚洲在线自拍视频| avwww免费| 午夜激情福利司机影院| 精品国产亚洲在线| 啪啪无遮挡十八禁网站| 欧美乱码精品一区二区三区| 床上黄色一级片| 久久人妻av系列| 久久婷婷人人爽人人干人人爱| 老司机午夜十八禁免费视频| 三级国产精品欧美在线观看 | 中文字幕人妻丝袜一区二区| 久久精品国产99精品国产亚洲性色| 日韩免费av在线播放| 亚洲成av人片免费观看| 一级黄色大片毛片| 色播亚洲综合网| 亚洲自偷自拍图片 自拍| 亚洲av电影在线进入| 国产精品电影一区二区三区| 欧美黄色片欧美黄色片| 色尼玛亚洲综合影院| 中文字幕人成人乱码亚洲影| 最新在线观看一区二区三区| 91字幕亚洲| 最近在线观看免费完整版| av免费在线观看网站| 亚洲一码二码三码区别大吗| 一本综合久久免费| 精品久久久久久久毛片微露脸| 人妻丰满熟妇av一区二区三区| 国产精品一及| 国产精品久久电影中文字幕| 五月伊人婷婷丁香| 女人被狂操c到高潮| 精品人妻1区二区| 亚洲人与动物交配视频| 18禁观看日本| 亚洲人成电影免费在线| 动漫黄色视频在线观看| 成人午夜高清在线视频| 超碰成人久久| 中文字幕熟女人妻在线| 99国产精品99久久久久| 国产精品九九99| 看免费av毛片| 国产av不卡久久| 日日爽夜夜爽网站| 九色成人免费人妻av| 日日夜夜操网爽| 亚洲av日韩精品久久久久久密| 丁香六月欧美| videosex国产| 日韩欧美在线乱码| 丝袜美腿诱惑在线| 91九色精品人成在线观看| 一个人免费在线观看的高清视频| 精品高清国产在线一区| 久久香蕉国产精品| 成人一区二区视频在线观看| 床上黄色一级片| 日韩欧美在线乱码| 日韩欧美免费精品| 免费在线观看视频国产中文字幕亚洲| 黄频高清免费视频|