• <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
    精品少妇黑人巨大在线播放| 老熟妇乱子伦视频在线观看 | 亚洲中文av在线| 色精品久久人妻99蜜桃| 精品欧美一区二区三区在线| 在线观看免费高清a一片| 九色亚洲精品在线播放| 三上悠亚av全集在线观看| 两个人免费观看高清视频| 久久中文字幕一级| 欧美黄色淫秽网站| 一区二区三区乱码不卡18| 不卡一级毛片| 欧美日本中文国产一区发布| 日本一区二区免费在线视频| 精品高清国产在线一区| 嫩草影视91久久| 捣出白浆h1v1| 国产极品粉嫩免费观看在线| 亚洲中文日韩欧美视频| 97在线人人人人妻| 欧美激情高清一区二区三区| 十分钟在线观看高清视频www| 男男h啪啪无遮挡| 亚洲精品国产区一区二| 亚洲久久久国产精品| 满18在线观看网站| 国产激情久久老熟女| 老司机深夜福利视频在线观看 | 欧美国产精品一级二级三级| 一级黄色大片毛片| 亚洲,欧美精品.| 中国美女看黄片| 国产精品免费大片| 欧美精品亚洲一区二区| 国产精品国产av在线观看| 伊人亚洲综合成人网| 精品久久蜜臀av无| 一本大道久久a久久精品| 人人妻,人人澡人人爽秒播| 91精品三级在线观看| 黄片大片在线免费观看| 久久久久久久精品精品| 亚洲国产欧美日韩在线播放| 午夜福利免费观看在线| 亚洲精华国产精华精| 亚洲熟女精品中文字幕| 麻豆国产av国片精品| 69精品国产乱码久久久| 亚洲第一欧美日韩一区二区三区 | 无限看片的www在线观看| 乱人伦中国视频| 国产精品一区二区在线观看99| 亚洲色图 男人天堂 中文字幕| 搡老乐熟女国产| 97精品久久久久久久久久精品| 成年动漫av网址| 亚洲国产精品一区二区三区在线| 多毛熟女@视频| 久久国产精品影院| 久久天堂一区二区三区四区| 久久精品亚洲av国产电影网| 日日爽夜夜爽网站| 男女午夜视频在线观看| 欧美精品一区二区大全| 久久午夜综合久久蜜桃| 悠悠久久av| 99精品欧美一区二区三区四区| 超色免费av| 男女国产视频网站| 不卡av一区二区三区| av天堂在线播放| 五月开心婷婷网| 一进一出抽搐动态| 日日爽夜夜爽网站| 99国产极品粉嫩在线观看| 久久精品人人爽人人爽视色| 老司机午夜福利在线观看视频 | 久久 成人 亚洲| 久久久久久久大尺度免费视频| 国产在线视频一区二区| 欧美黄色淫秽网站| 精品福利观看| 亚洲av美国av| 18禁黄网站禁片午夜丰满| 真人做人爱边吃奶动态| tube8黄色片| 日本a在线网址| 性少妇av在线| 国产精品一区二区精品视频观看| 高清视频免费观看一区二区| 一区二区av电影网| 午夜日韩欧美国产| 国产日韩欧美亚洲二区| 母亲3免费完整高清在线观看| √禁漫天堂资源中文www| 侵犯人妻中文字幕一二三四区| 国产又色又爽无遮挡免| 欧美日韩福利视频一区二区| 欧美人与性动交α欧美软件| 亚洲视频免费观看视频| 国产精品秋霞免费鲁丝片| 亚洲av成人一区二区三| 成年动漫av网址| 亚洲一区二区三区欧美精品| 亚洲 欧美一区二区三区| 韩国精品一区二区三区| 精品免费久久久久久久清纯 | 老司机午夜十八禁免费视频| 两性午夜刺激爽爽歪歪视频在线观看 | 美女大奶头黄色视频| 免费av中文字幕在线| 亚洲精品第二区| 99国产精品免费福利视频| 中文字幕人妻熟女乱码| 亚洲av片天天在线观看| 久久久欧美国产精品| 亚洲五月婷婷丁香| 午夜福利影视在线免费观看| 国产在线观看jvid| 大香蕉久久成人网| 国产成+人综合+亚洲专区| 欧美在线黄色| 久久免费观看电影| 丝袜美足系列| 午夜福利乱码中文字幕| 99精品久久久久人妻精品| 老汉色∧v一级毛片| 亚洲成人国产一区在线观看| 免费人妻精品一区二区三区视频| 精品久久久精品久久久| avwww免费| 日韩大码丰满熟妇| 99久久99久久久精品蜜桃| av在线老鸭窝| 久久精品亚洲av国产电影网| 丝袜美足系列| 亚洲视频免费观看视频| e午夜精品久久久久久久| 欧美国产精品va在线观看不卡| 80岁老熟妇乱子伦牲交| 黄色片一级片一级黄色片| 久久精品国产综合久久久| 精品一区二区三卡| 国产熟女午夜一区二区三区| 色婷婷久久久亚洲欧美| 久久天堂一区二区三区四区| 最新在线观看一区二区三区| 亚洲成人免费电影在线观看| 亚洲性夜色夜夜综合| 久久久久国产一级毛片高清牌| a 毛片基地| 99精品欧美一区二区三区四区| 午夜老司机福利片| 国产1区2区3区精品| 中国国产av一级| 亚洲精品久久久久久婷婷小说| av片东京热男人的天堂| 脱女人内裤的视频| 美国免费a级毛片| 搡老熟女国产l中国老女人| 欧美日韩亚洲高清精品| 他把我摸到了高潮在线观看 | 久热这里只有精品99| 叶爱在线成人免费视频播放| 亚洲精品乱久久久久久| 亚洲专区字幕在线| 新久久久久国产一级毛片| www.999成人在线观看| 国产精品久久久久久人妻精品电影 | 在线天堂中文资源库| 男女免费视频国产| 久9热在线精品视频| 久久久久久久久免费视频了| 蜜桃国产av成人99| 亚洲久久久国产精品| 国产黄频视频在线观看| 欧美另类一区| 免费日韩欧美在线观看| 国产又爽黄色视频| 国产精品一区二区在线观看99| 日本撒尿小便嘘嘘汇集6| 国产精品久久久久成人av| 丁香六月天网| 欧美日韩亚洲综合一区二区三区_| 国产极品粉嫩免费观看在线| 99九九在线精品视频| 国产野战对白在线观看| 狠狠婷婷综合久久久久久88av| 国产成人欧美在线观看 | 女性生殖器流出的白浆| 日韩大码丰满熟妇| 亚洲av电影在线观看一区二区三区| 久久久精品区二区三区| 免费在线观看完整版高清| 久久免费观看电影| √禁漫天堂资源中文www| 下体分泌物呈黄色| av视频免费观看在线观看| 久久天躁狠狠躁夜夜2o2o| 男女高潮啪啪啪动态图| 免费日韩欧美在线观看| av在线app专区| 久久精品人人爽人人爽视色| 久久久久久亚洲精品国产蜜桃av| 无限看片的www在线观看| 日韩 欧美 亚洲 中文字幕| 日韩视频一区二区在线观看| 午夜精品久久久久久毛片777| av在线播放精品| 亚洲精品国产区一区二| 国产欧美亚洲国产| 亚洲人成电影免费在线| 我的亚洲天堂| 国产亚洲av高清不卡| 午夜福利一区二区在线看| 嫁个100分男人电影在线观看| 精品一区二区三区av网在线观看 | 久久国产精品人妻蜜桃| 亚洲精品国产av成人精品| 久久国产精品男人的天堂亚洲| 最近最新免费中文字幕在线| 丰满迷人的少妇在线观看| 亚洲精品国产av成人精品| 涩涩av久久男人的天堂| 91av网站免费观看| 成年女人毛片免费观看观看9 | 人人妻人人澡人人爽人人夜夜| 99久久国产精品久久久| 中国国产av一级| 亚洲国产成人一精品久久久| 国产男女超爽视频在线观看| 色综合欧美亚洲国产小说| 中文字幕精品免费在线观看视频| av天堂在线播放| 日韩,欧美,国产一区二区三区| 超色免费av| 50天的宝宝边吃奶边哭怎么回事| 曰老女人黄片| 国产精品香港三级国产av潘金莲| 亚洲精品日韩在线中文字幕| 亚洲欧洲精品一区二区精品久久久| 99热全是精品| 国产欧美日韩精品亚洲av| 免费不卡黄色视频| 色婷婷久久久亚洲欧美| 美女高潮喷水抽搐中文字幕| 青草久久国产| 国产1区2区3区精品| www.自偷自拍.com| 男女之事视频高清在线观看| 精品一区在线观看国产| 99热全是精品| 中文字幕av电影在线播放| 国产亚洲一区二区精品| 在线天堂中文资源库| 久久久精品国产亚洲av高清涩受| 免费日韩欧美在线观看| 欧美午夜高清在线| 免费高清在线观看视频在线观看| 99国产精品99久久久久| tube8黄色片| 视频在线观看一区二区三区| xxxhd国产人妻xxx| 亚洲精品一区蜜桃| 满18在线观看网站| 日韩一卡2卡3卡4卡2021年| 欧美人与性动交α欧美软件| 欧美黑人欧美精品刺激| 一区二区三区精品91| 亚洲精品av麻豆狂野| 精品人妻一区二区三区麻豆| 亚洲一码二码三码区别大吗| 国产片内射在线| 激情视频va一区二区三区| 国产免费现黄频在线看| 一本色道久久久久久精品综合| 色老头精品视频在线观看| 久久天堂一区二区三区四区| 成人黄色视频免费在线看| 人妻人人澡人人爽人人| 久久久国产欧美日韩av| 亚洲激情五月婷婷啪啪| 青青草视频在线视频观看| 亚洲 国产 在线| 色94色欧美一区二区| 老司机福利观看| 亚洲熟女毛片儿| 亚洲精品国产精品久久久不卡| 亚洲精品乱久久久久久| 国产精品熟女久久久久浪| 精品人妻在线不人妻| 制服诱惑二区| 无限看片的www在线观看| 黄片小视频在线播放| 久久久精品国产亚洲av高清涩受| 99九九在线精品视频| 丁香六月天网| 一级,二级,三级黄色视频| 亚洲精品久久午夜乱码| 日本五十路高清| 欧美在线一区亚洲| 一级毛片精品| 波多野结衣av一区二区av| 性色av乱码一区二区三区2| 成人国产av品久久久| 美女扒开内裤让男人捅视频| 777久久人妻少妇嫩草av网站| 91麻豆精品激情在线观看国产 | 欧美xxⅹ黑人| 夜夜夜夜夜久久久久| 男男h啪啪无遮挡| 999精品在线视频| 久久亚洲国产成人精品v| 中文字幕另类日韩欧美亚洲嫩草| 成人国语在线视频| 一本久久精品| 涩涩av久久男人的天堂| 欧美日本中文国产一区发布| 免费在线观看黄色视频的| 国产精品久久久久成人av| 国产av一区二区精品久久| e午夜精品久久久久久久| 中文字幕制服av| 黄片大片在线免费观看| 动漫黄色视频在线观看| 成年人黄色毛片网站| 日韩一区二区三区影片| 丝袜人妻中文字幕| 97精品久久久久久久久久精品| cao死你这个sao货| 男人爽女人下面视频在线观看| 欧美日韩亚洲综合一区二区三区_| 热re99久久国产66热| 亚洲国产日韩一区二区| 窝窝影院91人妻| 久久av网站| 一级毛片电影观看| 午夜福利一区二区在线看| 久久久国产一区二区| 在线观看人妻少妇| 成人国产av品久久久| 人妻一区二区av| 高清在线国产一区| 欧美老熟妇乱子伦牲交| 9色porny在线观看| 亚洲久久久国产精品| 久久久久久久久免费视频了| 老汉色av国产亚洲站长工具| 中文字幕av电影在线播放| 亚洲精品美女久久久久99蜜臀| 国产高清国产精品国产三级| 亚洲av美国av| 久久青草综合色| 亚洲av美国av| 精品国内亚洲2022精品成人 | 不卡一级毛片| 国产av又大| 999久久久精品免费观看国产| 免费看十八禁软件| 日韩中文字幕欧美一区二区| tocl精华| 中文字幕制服av| 亚洲人成电影免费在线| 日韩欧美国产一区二区入口| 国产97色在线日韩免费| 巨乳人妻的诱惑在线观看| 欧美黄色淫秽网站| 亚洲国产看品久久| 熟女少妇亚洲综合色aaa.| 日韩视频在线欧美| 国产成人啪精品午夜网站| 成年动漫av网址| 日本猛色少妇xxxxx猛交久久| 精品视频人人做人人爽| 亚洲欧洲日产国产| 另类亚洲欧美激情| 久久热在线av| 日韩三级视频一区二区三区| 国产成人精品久久二区二区免费| 亚洲九九香蕉| 亚洲一区中文字幕在线| 亚洲精品自拍成人| 999久久久精品免费观看国产| 青草久久国产| 狠狠精品人妻久久久久久综合| 欧美日韩一级在线毛片| 伊人久久大香线蕉亚洲五| 国产麻豆69| 99久久人妻综合| 国产精品秋霞免费鲁丝片| 99国产极品粉嫩在线观看| e午夜精品久久久久久久| 久久久国产欧美日韩av| 美女扒开内裤让男人捅视频| 国产欧美日韩一区二区三 | 欧美精品高潮呻吟av久久| av又黄又爽大尺度在线免费看| tube8黄色片| 777米奇影视久久| avwww免费| 一级毛片电影观看| 亚洲久久久国产精品| 啦啦啦中文免费视频观看日本| 亚洲精品国产精品久久久不卡| 中文字幕高清在线视频| 国产亚洲精品久久久久5区| 色婷婷久久久亚洲欧美| 亚洲精品自拍成人| 国产一级毛片在线| 日韩制服骚丝袜av| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲午夜精品一区二区久久| 欧美黄色片欧美黄色片| a在线观看视频网站| 不卡一级毛片| 日韩制服骚丝袜av| 欧美在线黄色| 91大片在线观看| 99国产精品免费福利视频| 日日爽夜夜爽网站| 国产男女超爽视频在线观看| 女性被躁到高潮视频| 欧美xxⅹ黑人| 久久人人爽人人片av| 成年人黄色毛片网站| 三上悠亚av全集在线观看| 精品久久久久久电影网| 青春草视频在线免费观看| 法律面前人人平等表现在哪些方面 | 波多野结衣一区麻豆| 欧美日韩亚洲高清精品| 极品人妻少妇av视频| 日本91视频免费播放| 久久久久国产一级毛片高清牌| 午夜影院在线不卡| 欧美少妇被猛烈插入视频| 一本一本久久a久久精品综合妖精| 我的亚洲天堂| 大陆偷拍与自拍| 欧美 亚洲 国产 日韩一| 电影成人av| 亚洲精品在线美女| 亚洲伊人久久精品综合| avwww免费| 国产一区二区 视频在线| 亚洲精品粉嫩美女一区| 天天躁日日躁夜夜躁夜夜| 亚洲欧美一区二区三区黑人| 久热爱精品视频在线9| 久久精品亚洲av国产电影网| 日韩制服丝袜自拍偷拍| 国产亚洲欧美精品永久| 日本精品一区二区三区蜜桃| 亚洲欧美一区二区三区久久| 国产精品久久久久久人妻精品电影 | 蜜桃国产av成人99| 国产成人免费观看mmmm| 精品视频人人做人人爽| 黄色a级毛片大全视频| 成人亚洲精品一区在线观看| 欧美激情久久久久久爽电影 | 欧美大码av| 亚洲精品粉嫩美女一区| 亚洲va日本ⅴa欧美va伊人久久 | 亚洲国产精品成人久久小说| 亚洲精品日韩在线中文字幕| 狠狠精品人妻久久久久久综合| 国产精品亚洲av一区麻豆| 男人添女人高潮全过程视频| 淫妇啪啪啪对白视频 | 青春草亚洲视频在线观看| 国产欧美日韩精品亚洲av| 亚洲欧美一区二区三区久久| 亚洲精华国产精华精| 久久久久久免费高清国产稀缺| 国产成人一区二区三区免费视频网站| 日韩 欧美 亚洲 中文字幕| 亚洲国产精品一区三区| 国产精品九九99| 超碰成人久久| 最新的欧美精品一区二区| 亚洲全国av大片| 日韩大片免费观看网站| 欧美老熟妇乱子伦牲交| 99久久99久久久精品蜜桃| 欧美在线一区亚洲| 亚洲国产欧美日韩在线播放| 爱豆传媒免费全集在线观看| 黄片小视频在线播放| 精品少妇内射三级| 亚洲国产欧美一区二区综合| 纯流量卡能插随身wifi吗| 日韩中文字幕视频在线看片| 91麻豆精品激情在线观看国产 | 99国产精品一区二区蜜桃av | 下体分泌物呈黄色| 别揉我奶头~嗯~啊~动态视频 | 成人18禁高潮啪啪吃奶动态图| 成人免费观看视频高清| 老司机在亚洲福利影院| 男人操女人黄网站| 国产在线观看jvid| 我的亚洲天堂| 久久人妻熟女aⅴ| 日韩中文字幕欧美一区二区| av片东京热男人的天堂| 久久天堂一区二区三区四区| 王馨瑶露胸无遮挡在线观看| 母亲3免费完整高清在线观看| 丝袜在线中文字幕| 国产男人的电影天堂91| 老汉色av国产亚洲站长工具| 国产精品熟女久久久久浪| 国产色视频综合| 精品亚洲成国产av| 黑人欧美特级aaaaaa片| 国产有黄有色有爽视频| 国产亚洲一区二区精品| 国产精品亚洲av一区麻豆| 欧美激情 高清一区二区三区| 午夜91福利影院| 亚洲av国产av综合av卡| 日韩制服丝袜自拍偷拍| 欧美少妇被猛烈插入视频| 欧美日韩中文字幕国产精品一区二区三区 | 脱女人内裤的视频| 国产伦人伦偷精品视频| 999精品在线视频| 老司机午夜福利在线观看视频 | 最近中文字幕2019免费版| 97人妻天天添夜夜摸| 99精品久久久久人妻精品| 精品国产一区二区三区四区第35| av国产精品久久久久影院| 最近最新中文字幕大全免费视频| 超碰97精品在线观看| 女人精品久久久久毛片| a级片在线免费高清观看视频| 国产免费一区二区三区四区乱码| a级毛片在线看网站| 黑人巨大精品欧美一区二区蜜桃| 精品一区在线观看国产| 黄色视频,在线免费观看| 午夜两性在线视频| 最新在线观看一区二区三区| 99精品欧美一区二区三区四区| 高清欧美精品videossex| 大香蕉久久成人网| 在线观看一区二区三区激情| 我的亚洲天堂| 高清黄色对白视频在线免费看| 悠悠久久av| 亚洲精品国产一区二区精华液| 岛国毛片在线播放| 丝袜脚勾引网站| 在线观看免费午夜福利视频| 久久久精品免费免费高清| 国产免费视频播放在线视频| 亚洲精品自拍成人| 国产野战对白在线观看| 天堂8中文在线网| 亚洲国产精品一区二区三区在线| 在线亚洲精品国产二区图片欧美| 2018国产大陆天天弄谢| 女人久久www免费人成看片| 久久久久国产精品人妻一区二区| 国产精品秋霞免费鲁丝片| 1024香蕉在线观看| 亚洲自偷自拍图片 自拍| 国产色视频综合| 欧美在线黄色| 99国产精品99久久久久| 亚洲精品久久久久久婷婷小说| 18禁观看日本| 亚洲成国产人片在线观看| avwww免费| 中文字幕人妻熟女乱码| 午夜免费鲁丝| 亚洲成av片中文字幕在线观看| 欧美精品av麻豆av| 深夜精品福利| 国产成人精品久久二区二区免费| 最近中文字幕2019免费版| 久久国产精品人妻蜜桃| 亚洲精品中文字幕在线视频| 夜夜夜夜夜久久久久| 久久毛片免费看一区二区三区| 啦啦啦中文免费视频观看日本| 免费观看av网站的网址| 狂野欧美激情性bbbbbb| 国产一区二区三区av在线| 丁香六月天网| 久久久精品94久久精品| 亚洲精品美女久久久久99蜜臀| 黄色怎么调成土黄色| 亚洲九九香蕉| 一级黄色大片毛片| 99热国产这里只有精品6| 国产一区有黄有色的免费视频| 欧美少妇被猛烈插入视频| 亚洲国产日韩一区二区| 中文字幕精品免费在线观看视频| 亚洲精品自拍成人| 久久久久久久国产电影| 777米奇影视久久| 一本一本久久a久久精品综合妖精| 亚洲av片天天在线观看| 啪啪无遮挡十八禁网站| 性色av一级| 日韩制服骚丝袜av| 亚洲精品久久成人aⅴ小说| 两个人看的免费小视频| 啦啦啦免费观看视频1| 国产一区二区三区av在线|