• <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 ?

    基于小波時頻圖與輕量級卷積神經(jīng)網(wǎng)絡(luò)的螺栓連接損傷識別

    2021-09-23 10:41:42卓德兵
    工程力學(xué) 2021年9期
    關(guān)鍵詞:小波螺栓準(zhǔn)確率

    卓德兵,曹 暉

    (1. 重慶大學(xué)土木工程學(xué)院,重慶 400045;2. 重慶大學(xué)山地城鎮(zhèn)建設(shè)與新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,重慶 400045;3. 吉首大學(xué)土木工程與建筑學(xué)院,張家界 427000)

    螺栓連接廣泛應(yīng)用于工程結(jié)構(gòu),尤其是鋼結(jié)構(gòu)和組合結(jié)構(gòu)。在服役期內(nèi),結(jié)構(gòu)遭遇的不可避免的振動和沖擊等外部作用會導(dǎo)致螺栓連接狀態(tài)的改變,出現(xiàn)松動、滑移甚至脫落等問題,從而降低結(jié)構(gòu)的剛度、破壞結(jié)構(gòu)的完整性,危及結(jié)構(gòu)安全[1]。因此,螺栓連接狀態(tài)的監(jiān)測,對于保證結(jié)構(gòu)安全、避免重大安全事故和降低事故危害性具有重要意義。

    目前,常用的螺栓連接損傷檢測方法分為基于模態(tài)和基于阻抗兩類[2]。螺栓松動會改變結(jié)構(gòu)連接狀態(tài),從而導(dǎo)致結(jié)構(gòu)模態(tài)參數(shù)發(fā)生相應(yīng)的變化[3]。將實(shí)測的結(jié)構(gòu)模態(tài)參數(shù)與基準(zhǔn)參數(shù)比較,從而判斷螺栓連接狀態(tài)是基于模態(tài)的檢測方法的基本原理。然而,結(jié)構(gòu)的低階振動參數(shù)和低頻段傳遞特性等特征參量對螺栓連接損傷這樣的局部特性變化不夠敏感[4]。如果要提高特征參量的靈敏度,就需要在高頻段甚至極高頻段準(zhǔn)確測量和識別結(jié)構(gòu)的模態(tài)參數(shù),這在目前還存在很大困難。此外,結(jié)構(gòu)模態(tài)參數(shù)的識別多是基于線彈性振動的假設(shè),會不可避免地過濾掉重要的非線性振動現(xiàn)象。這使得其在螺栓連接狀態(tài)監(jiān)測上存在先天不足[5 ? 6]。

    基于阻抗的方法是比較結(jié)構(gòu)監(jiān)測狀態(tài)與基準(zhǔn)狀態(tài)下的高頻段阻抗譜,判別螺栓連接的損傷程度。自Sun等[7]首次提出應(yīng)用壓電阻抗方法監(jiān)測桁架結(jié)構(gòu)的節(jié)點(diǎn)狀態(tài)以來,不少學(xué)者研究了基于該方法的螺栓連接狀態(tài)的監(jiān)測和辨識[8 ? 10]。這種方法受到測點(diǎn)數(shù)量的制約。以具有大量的連接節(jié)點(diǎn)和螺栓的鋼桁架為例,同時監(jiān)測所有的節(jié)點(diǎn),需要大量的傳感器,經(jīng)濟(jì)性不佳[2]。而且與基于模態(tài)的方法一樣,基于阻抗的技術(shù)往往對激勵和實(shí)測環(huán)境有嚴(yán)格的要求,比如通常需要結(jié)構(gòu)的某些功能暫時中斷,這給在線監(jiān)測造成了困難[1 ? 2]。此外,這類方法使用的采集設(shè)備通常較大或昂貴(或二者兼具),不利于實(shí)際應(yīng)用[7 ? 9]。

    近年來,利用聲音信號進(jìn)行損傷檢測的技術(shù)愈發(fā)興起。聲音信號具有時間分辨率高,傳播具有全向性且不受能見度限制等優(yōu)點(diǎn)[11]。不同于傳統(tǒng)的振動信號測量,需要將傳感器固定于被測物體表面且對布點(diǎn)有較高的要求,聲音測量屬于非接觸式測量,采用的傳聲器測量裝置受空間限制少、安裝方便且造價相對較低[12],并能夠有效避免加速度傳感器測量時普遍存在的飽和及失效現(xiàn)象。Garcia-Perez等[13]基于高分辨率光譜分析的多信號分類算法,利用聲音信號對存在單個故障的感應(yīng)電動機(jī)的故障狀態(tài)進(jìn)行識別。Amarnath等[14]采用決策樹機(jī)器學(xué)習(xí)方法,對從軸承現(xiàn)場附近采集的聲音信號進(jìn)行分析處理,實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械軸承故障診斷。Madhusudana等[15]提出了一種基于決策樹和聲信號小波變換技術(shù)的故障診斷方法,可以對銑刀表面粗糙度、尺寸公差和刀具狀態(tài)進(jìn)行識別和監(jiān)控。Lu等[16]提出了一種基于瞬態(tài)聲信號分析的變速器軸承故障診斷方法,該方法可以準(zhǔn)確地估計(jì)故障引起的脈沖的相位信息,為實(shí)現(xiàn)變速電機(jī)軸承故障診斷提供了一種簡單有效的方法。瞿金秀等[17]構(gòu)建了一種基于聲音信號的結(jié)構(gòu)損傷識別模型,并將該模型應(yīng)用于實(shí)驗(yàn)懸臂梁和鐵路轉(zhuǎn)轍機(jī)動作桿的裂紋損傷識別。

    基于聲音信號的損傷識別方法研究目前大多集中在旋轉(zhuǎn)機(jī)械領(lǐng)域,借鑒傳統(tǒng)的語音識別技術(shù),即通過人為選取特征參數(shù),采用決策樹、支持向量機(jī)等方法進(jìn)行建模,識別損傷狀態(tài)下的聲音信號。依靠人工選取的特征往往比較單一并帶有較強(qiáng)的主觀性。決策樹和支持向量機(jī)屬于淺層模型,需要進(jìn)行復(fù)雜的調(diào)參,且每個方法都是針對具體應(yīng)用,泛化能力及魯棒性較差,影響了其實(shí)用性[18]。近年來,得益于計(jì)算機(jī)硬件水平的提升,尤其是云計(jì)算和大規(guī)模GPU并行計(jì)算的發(fā)展,以深度卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)在圖像分類、目標(biāo)檢測和圖像分割等計(jì)算機(jī)視覺任務(wù)中表現(xiàn)出了巨大的優(yōu)越性[19],更多更深的卷積神經(jīng)網(wǎng)絡(luò)如AlexNet(2012年)、VGGNet(2014年)、GoogleNet(2014年)、ResNet(2015年)等相繼被提出[20 ? 22]。深度學(xué)習(xí)技術(shù)主要依靠數(shù)據(jù)驅(qū)動進(jìn)行特征提取,通過學(xué)習(xí)大量樣本得到深層的、特定的特征表示,對樣本集的表征更高效和準(zhǔn)確,魯棒性更強(qiáng),泛化能力更好。目前,利用深度卷積神經(jīng)網(wǎng)絡(luò)解決工程問題成為了眾多領(lǐng)域的研究熱點(diǎn)[23 ? 27]。深度卷積神經(jīng)網(wǎng)絡(luò)在聲學(xué)建模方面也取得了飛速的發(fā)展,并逐漸成為語音識別的主流模型[28]。在非語音信號識別中,如環(huán)境聲音識別[29],變壓器聲紋識別[30],深度學(xué)習(xí)也有一定的應(yīng)用。

    本文以振動環(huán)境下螺栓連接結(jié)構(gòu)為研究對象,提出基于聲音信號的螺栓連接損傷智能識別方法。對于常年處于振動環(huán)境中的鋼桁架結(jié)構(gòu),如載人索道支架,當(dāng)結(jié)構(gòu)桿件的連接螺栓發(fā)生松動時,螺栓連接界面在鋼絲繩和吊籃激勵作用下發(fā)生碰撞而發(fā)出特有的聲音信號。與普通旋轉(zhuǎn)機(jī)械故障產(chǎn)生的聲音信號不同,螺栓松動發(fā)出的聲音信號具有典型的時變非線性特征,同時考慮到工程結(jié)構(gòu)所處室外環(huán)境噪聲干擾嚴(yán)重,本文將小波時頻圖與輕量級卷積神經(jīng)網(wǎng)絡(luò)MobileNetv2相結(jié)合,充分發(fā)揮小波時頻分析處理非平穩(wěn)信號的優(yōu)勢和MobileNetv2強(qiáng)大的圖像分類能力,實(shí)現(xiàn)基于聲音信號的螺栓連接損傷識別。

    1 螺栓松動損傷識別原理

    1.1 聲音信號的預(yù)處理

    首先,對麥克風(fēng)采集的聲音信號進(jìn)行分幀、加窗處理,同時求取各幀信號的短時能量。

    假設(shè)x(n)為麥克風(fēng)接收到的聲音信號離散序列,ω(n) 為窗函數(shù),L為幀長,inc為幀移,N為分幀后的總幀數(shù),則第i幀信號xi(n)可以表示為:

    第i幀信號xi(n) 的短時能量E(i)定義如下:

    1.2 小波時頻分析

    經(jīng)分幀加窗處理之后,對聲音信號進(jìn)行連續(xù)小波變換。連續(xù)小波變換的公式如下:

    式中,母小波ψ 采用Complex Morlet小波。Complex Morlet是一種常用的復(fù)值小波,與其它小波相比,該小波在時頻兩域均具有良好的分辨率,在時頻圖上反映的時頻聚集性好,適合于處理非平穩(wěn)的聲音信號。

    將聲音信號進(jìn)行連續(xù)小波變換生成為時頻圖,需要用到matlab小波工具箱中的cwt( )、scal2frq( )、imagesc( )等函數(shù),其步驟為:首先確定小波基和尺度,并利用cwt( )求小波系數(shù)coefs,然后用scal2frq( )將尺度序列轉(zhuǎn)換為實(shí)際頻率序列f,最后結(jié)合時間序列t,用imagesc(t,f,abs(coefs))畫出小波時頻圖。

    1.3 MobileNetv2輕量級卷積神經(jīng)網(wǎng)絡(luò)

    自從2006年Hinton等[31]在《Science》上首次提出深度學(xué)習(xí)的概念,深度神經(jīng)網(wǎng)絡(luò)的表征學(xué)習(xí)能力得到了廣泛關(guān)注。在深度學(xué)習(xí)領(lǐng)域中,已經(jīng)驗(yàn)證的典型成熟算法有卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、生成對抗網(wǎng)絡(luò)(GANs)、深度強(qiáng)化學(xué)習(xí)(RL)等。其中CNN是深度學(xué)習(xí)最為典型的網(wǎng)絡(luò)模型,一般由卷積層、池化層和全連接層等組成,CNN通過構(gòu)建多個能夠提取輸入數(shù)據(jù)特征的卷積核,結(jié)合稀疏連接、權(quán)重共享、空間或時間上的降采樣,對輸入數(shù)據(jù)進(jìn)行逐層卷積及池化,逐級提取隱藏在數(shù)據(jù)之中的拓?fù)浣Y(jié)構(gòu)特征。

    然而,經(jīng)典的CNN由于模型參數(shù)和運(yùn)算量龐大,分析時需要占用大量的存儲空間且對計(jì)算機(jī)硬件要求高。在工程應(yīng)用中,很多設(shè)備(如移動、嵌入式設(shè)備)的計(jì)算能力和存儲空間都很有限,難以運(yùn)行這樣的模型,不利于CNN技術(shù)的工程普及。為了能夠讓深度網(wǎng)絡(luò)適應(yīng)這些設(shè)備,2017年,Howard等[32]提出了輕量級CNN網(wǎng)絡(luò)MobileNetv1。MobileNetv1的核心層使用了一種稱之為Separable Convolution的操作來替代傳統(tǒng)的標(biāo)準(zhǔn)卷積,該網(wǎng)絡(luò)在保證計(jì)算精度基本不降低(或小幅降低)的前提下大幅減少模型參數(shù)與運(yùn)算量。2018年,Sandler等[33]又進(jìn)一步提出了MobileNetv2。MobileNetv2網(wǎng)絡(luò)在卷積過程中使用了一種名為Inverted Residuals and Linear Bottlenecks的結(jié)構(gòu),如圖1所示,解決了上一版本中Separable Convolution存在的輸入層Kernel數(shù)量固定的瓶頸,而且模型更小,準(zhǔn)確率更高。

    圖1 MobileNetv2卷積過程Fig.1 Convolution process of MobileNetv2

    本文采用的網(wǎng)絡(luò)結(jié)構(gòu)模型為MobileNetv2模型,如表1所示。

    在表1中,擴(kuò)展因子用于調(diào)整輸入圖像的大小,同一序列中的所有層具有相同的輸出通道數(shù),除第一層外,其他層的步長為1;所有空間卷積使用3×3的核。

    表1 網(wǎng)絡(luò)結(jié)構(gòu)模型Table 1 Network structure model

    1.4 基于小波時頻圖與MobileNetv2的螺栓松動識別方法

    基于小波時頻圖與MobileNetv2的螺栓松動識別方法結(jié)構(gòu)圖如圖2所示。該方法分為訓(xùn)練和測試兩個階段,訓(xùn)練階段是利用傳聲器采集足夠數(shù)量的螺栓松動聲音信號和環(huán)境噪聲信號,通過信號處理方法提取聲音信號的小波時頻圖作為輸入,利用設(shè)置好參數(shù)的MobileNetv2進(jìn)行訓(xùn)練得到螺栓松動識別模型。測試階段則是利用訓(xùn)練好的模型對輸入的未知信號進(jìn)行識別。

    圖2 小波時頻圖- MobileNetv2螺栓松動損傷識別方法結(jié)構(gòu)圖Fig.2 Structural diagram of bolt loosening damage identification method based on wavelet time frequency diagrams and MobileNetv2

    2 鋼桁架試驗(yàn)

    2.1 試驗(yàn)簡介

    試驗(yàn)?zāi)P蜑橐晃挥谑彝獾仄荷系恼呅武摴芩芙Y(jié)構(gòu),如圖3所示。模型邊長為1.5 m,高度為6 m,共四層,底層距離地面高度為0.5 m,其余三層高度為1.8 m。塔身立柱采用直徑為16 cm的Q235無縫鋼管,所有的水平桿件和斜桿均采用等邊角鋼L40×4,各桿件端部與立柱節(jié)點(diǎn)板間采用2個M20螺栓連接(如圖3(a)),每根立柱與地面采用四個地腳螺栓連接。模型每層有6個節(jié)點(diǎn),4層共計(jì)24個連接節(jié)點(diǎn)。為便于下文分析,對各節(jié)點(diǎn)統(tǒng)一編號,如圖3(b)所示,如Ji4表示第i層第4個節(jié)點(diǎn)。

    本試驗(yàn)數(shù)據(jù)采集系統(tǒng)由拾音設(shè)備、數(shù)據(jù)采集設(shè)備及計(jì)算機(jī)組成。拾音設(shè)備為放置于模型底部中心位置的8個麥克風(fēng)組成的環(huán)形麥克風(fēng)陣列,陣列直徑20 cm,距地面20 cm。麥克風(fēng)采用MPA416全指向性麥克風(fēng),數(shù)據(jù)采集模塊采用PXI動態(tài)信號測試分析儀,如圖3所示。

    試驗(yàn)步驟如下:

    步驟1:損傷工況、噪聲工況及復(fù)雜工況的模擬。通過松動不同位置、不同數(shù)量以及不同程度的螺栓,模擬10種損傷工況,如表2所示。通過一放置于J12節(jié)點(diǎn)位置處的手機(jī)控制的藍(lán)牙音箱(見圖3(c))模擬蟬鳴聲、音樂聲、下雨聲和語音4種常見環(huán)境噪聲工況。通過組合工況6+蟬鳴聲、工況6+下雨聲構(gòu)造2種復(fù)雜工況。

    表2 損傷工況Table 2 Damage cases

    步驟2:模型激振。采用小型偏心式激振器進(jìn)行激振,當(dāng)測試第1層~第2層節(jié)點(diǎn)時,激振器固定于J12與J13節(jié)點(diǎn)之間的橫桿位置處。當(dāng)測試第3層~第4層節(jié)點(diǎn)時,激振器固定于J32與J33節(jié)點(diǎn)之間的橫桿位置處,如圖3(e)所示。

    圖3 試驗(yàn)?zāi)P图皽y試系統(tǒng)Fig.3 Test model and test system

    步驟3:信號采集。利用PXI動態(tài)信號測試分析儀分別采集10種損傷工況、4種噪聲工況以及2種復(fù)雜工況共計(jì)16種工況的聲音信號,信號采樣頻率為20 kHz。

    2.2 聲音信號小波時頻分析

    對采集到的各工況聲音信號進(jìn)行分幀、加窗處理,并分析其短時能量。分幀的幀長取1024點(diǎn),幀移取512點(diǎn),加漢寧窗。采用Complex Morlet進(jìn)行連續(xù)小波變換,其中帶寬參數(shù)和小波中心頻率均取3,尺度序列長度取256。

    圖4~圖6分別給出了時長為1 s的蟬鳴聲、下雨聲、工況6聲音信號的典型波形圖和相應(yīng)的38幀短時能量分布圖,以及利用短時能量最大的信號幀分析得到的功率譜圖和小波時頻圖。從圖4~圖6的功率譜圖可以看出,三類信號的頻率成分非常豐富,其中蟬鳴聲頻率主要分布在2000 Hz附近和3000 Hz~4000 Hz,下雨聲主要分布在1000 Hz~3000 Hz,而螺栓松動聲音的頻率在0 Hz~4000 Hz均有分布。因此,很難根據(jù)功率譜圖的特征識別各工況下的聲音信號。

    圖4 蟬鳴聲信號圖及短時能量最大幀的分析結(jié)果Fig.4 Cicada sound signal diagram and analysis results of frame with the largest short-time energy

    圖5 下雨聲信號圖及短時能量最大幀的分析結(jié)果Fig.5 Rain sound signal diagram and analysis results of frame with the largest short-time energy

    圖6 工況6信號圖及短時能量最大幀的分析結(jié)果Fig.6 Signal diagram of Case 6 and analysis results of frame with the largest short-time energy

    與功率譜圖不同,小波時頻圖顯示了信號頻率成分隨時間的變化。小波時頻圖通過冷暖顏色反映信號各頻率成分?jǐn)y帶的能量大小,顏色越暖能量越大。從圖4~圖6中可以看出,三種信號的小波時頻圖暖色部分大多呈現(xiàn)不規(guī)則塊狀分布,且沿時間軸的顏色變化也十分復(fù)雜。這樣的時頻圖很難通過人工判斷或常規(guī)的模式識別方法找出其規(guī)律,從而辨別各工況下螺栓松動聲音信號。對此,輕量級卷積神經(jīng)網(wǎng)絡(luò)MobileNetv2可以發(fā)揮其強(qiáng)大的圖像分類功能。

    2.3 數(shù)據(jù)集構(gòu)造

    數(shù)據(jù)是深度學(xué)習(xí)的“原材料”,學(xué)習(xí)結(jié)果的好壞與數(shù)據(jù)的規(guī)模和質(zhì)量密切相關(guān)。對本文設(shè)定的16種工況聲音信號重復(fù)實(shí)測3次,依次對麥克風(fēng)接收到的聲音信號進(jìn)行分幀、加窗預(yù)處理,根據(jù)短時能量大小選擇特定數(shù)目的信號幀,進(jìn)而進(jìn)行小波時頻分析構(gòu)造數(shù)據(jù)集。本文在進(jìn)行數(shù)據(jù)集構(gòu)建時每一工況選取的典型信號時長為15 s,經(jīng)分幀后共計(jì)有584幀信號。去除短時能量低于某一特定閾值的信號幀,選擇短時能量偏大的500幀信號進(jìn)行小波時頻分析獲得其小波時頻圖。將每一個小波時頻圖作為一個樣本,可以得到一個由500個典型樣本構(gòu)成的數(shù)據(jù)集。

    圖6展示的是工況6采集到的一段時長為1 s的聲音信號,其中前半部分為激振器信號(含弱環(huán)境干擾),后半部分為螺栓松動信號。從圖6中可以看出,激振器信號的短時能量(約為0.2)要明顯小于螺栓松動信號。因此,為了排除激振器信號對最終結(jié)果的影響,提高分析效率,本文取一個稍微偏大的預(yù)警閥值T=0.5,即僅選擇T≥0.5的信號幀進(jìn)行小波時頻分析。

    對16種工況聲音信號分析得到的各小波時頻圖進(jìn)行歸類并標(biāo)注,其中10種損傷工況依次用A~J表示,4種噪聲工況用K~N表示,2種復(fù)雜工況用O和P表示。每個數(shù)據(jù)集按照8∶1∶1的比例隨機(jī)劃分出400個樣本作為訓(xùn)練集,用以訓(xùn)練模型參數(shù)。50個樣本作為驗(yàn)證集,用來對模型的參數(shù)進(jìn)行調(diào)優(yōu)并初步評估模型的準(zhǔn)確性,剩余的50個樣本作為測試集,用于評價模型的泛化能力。因此,最終構(gòu)造的數(shù)據(jù)集為8000個樣本,其中訓(xùn)練集樣本為6400個,驗(yàn)證集和測試集樣本各為800個。

    3 模型訓(xùn)練

    MobileNetv2卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時需要設(shè)置的參數(shù)主要有BatchSize、learning_rate、Dropout、Epochs、num_classes等。綜合考慮訓(xùn)練集樣本特征和大小、計(jì)算機(jī)硬件水平、網(wǎng)絡(luò)結(jié)構(gòu)的深度和復(fù)雜度等因素,設(shè)定BatchSize為32、learning_rate為0.0005、Dropout為0.2、Epochs為100、num_classes為16、損傷函數(shù)采用交叉熵(Cross-Entropy)損失函數(shù)。MobileNetv2模型運(yùn)行的計(jì)算機(jī)平臺及編程環(huán)境如表3所示。

    表3 計(jì)算機(jī)平臺及環(huán)境配置Table 3 Computer platform and environment configuration

    圖7展示了當(dāng)輸入模型的樣本幀長分別取128、256、512、1024和2048時,訓(xùn)練集和驗(yàn)證集的準(zhǔn)確率(Accuracy)和損失值(Loss)隨著迭代次數(shù)(Epochs)的變化曲線圖。從圖7中可以看出,當(dāng)幀長在1024以內(nèi)時,樣本的幀長對模型訓(xùn)練結(jié)果影響較大,幀長越長,模型的準(zhǔn)確率越高,收斂速度越快,識別結(jié)果越穩(wěn)定,相應(yīng)最終損失值越??;而當(dāng)幀長大于1024時,其改善效果不再明顯。因此,幀長設(shè)定為1024。

    圖7 樣本幀長對MobileNetv2模型識別結(jié)果的影響Fig.7 Influence of sample frame length on recognition results of MobileNetv2 model

    從圖7中還可以看出,當(dāng)?shù)螖?shù)在20以內(nèi)時,訓(xùn)練集和驗(yàn)證集的準(zhǔn)確率曲線和損失值曲線都變化較快;當(dāng)?shù)螖?shù)位于20和50區(qū)間時,其曲線變化速度明顯放緩;而當(dāng)?shù)螖?shù)大于50時,曲線變化則基本趨于穩(wěn)定。如圖7中幀長為1024的情況,當(dāng)?shù)螖?shù)為1~20時,其訓(xùn)練集準(zhǔn)確率由63%提高到99%,損失值由1.06降為0.03,驗(yàn)證集準(zhǔn)確率由92%提高到99%,損失值由0.23降為0.0004;而當(dāng)?shù)螖?shù)等于100時,兩類準(zhǔn)確率均達(dá)到100%,損失值則趨近于0。

    此外,本文還將MobileNetv2模型的訓(xùn)練結(jié)果與AlexNet、VGG16、GoogleNet與ResNet50等經(jīng)典的圖像識別CNN模型的訓(xùn)練結(jié)果進(jìn)行了比較。各模型訓(xùn)練集與驗(yàn)證集的準(zhǔn)確率曲線和損失值曲線如圖8所示,經(jīng)100次迭代以后的識別結(jié)果如表4所示。

    圖8 MobileNetv2模型與不同CNN模型的訓(xùn)練結(jié)果對比Fig.8 Comparison of training results between MobileNetv2 and other CNN models

    表4 各模型迭代100次的分類準(zhǔn)確率和損失值Table 4 Classification accuracy and loss of each model after 100 iterations

    從圖8和表4中不難看出,MobileNetv2模型與其它4種方法在經(jīng)過100次迭代以后都已經(jīng)收斂,其中從訓(xùn)練集和驗(yàn)證集準(zhǔn)確率來看,MobileNetv2最好,其最終準(zhǔn)確率都達(dá)到了100%,ResNet50和VGG16次之,而GoogleNet和AlexNet相對較差,尤其是后者驗(yàn)證集準(zhǔn)確率不到99%。從識別穩(wěn)定性來看,MobileNetv2和ResNet50最好,其識別準(zhǔn)確率和損失值曲線除了在少數(shù)位置出現(xiàn)波動以外,總體非常穩(wěn)定。而其它三者相對較差,尤其是GoogleNet和AlexNet出現(xiàn)了較大程度的波動。因此,可以看出,相較于其它幾種模型,MobileNetv2無論是在識別準(zhǔn)確率還是在穩(wěn)定性方面的表現(xiàn)都更為優(yōu)異。

    為了考察MobileNetv2模型對計(jì)算設(shè)備存儲的占用情況,本文對比分析了各模型經(jīng)100次迭代后的總參數(shù)量和分析過程生成的權(quán)重文件大小,如表5所示。結(jié)果表明:MobileNetv2模型的權(quán)重文件和總參數(shù)量都遠(yuǎn)遠(yuǎn)小于其它四類模型的權(quán)重文件和總參數(shù)量,證明了其在移動設(shè)備或嵌入式設(shè)備中應(yīng)用的優(yōu)越性。

    表5 各模型100次迭代后的總參數(shù)量和權(quán)重文件大小Table 5 Total parameters and weight file size of each model after 100 iterations

    4 模型測試

    為了檢驗(yàn)經(jīng)過上述訓(xùn)練之后得到的MobileNetv2模型的有效性及泛化能力,采用一組全新的測試集對模型進(jìn)行測試。測試集的構(gòu)造方法如2.3節(jié)所示。

    本文采用混淆矩陣(Confusion matrix)、精確率(Precision)、召回率(Recall)和特異度(Specificity)四個指標(biāo)來衡量模型對測試樣本的分類準(zhǔn)確程度[27],分析結(jié)果如圖9和表6所示。

    圖9 混淆矩陣Fig.9 Confusion matrix

    表6 分類精確率、召回率和特異度Table 6 Precision, recall and specificity

    分析發(fā)現(xiàn),訓(xùn)練得到的MobileNetv2模型對測試樣本分類準(zhǔn)確率達(dá)到99.8%,錯誤率僅為0.2%。其中,除了標(biāo)簽A、I和N有1個樣本,C有2個樣本,E有3個樣本,J有8個樣本被錯分到其它類別以外,其它標(biāo)簽的50個測試樣本全部被正確識別并分類。通過表6可以看出,盡管標(biāo)簽L對應(yīng)的50樣本全部被準(zhǔn)確識別,但由于標(biāo)簽G有2個樣本被錯分為L,因此,其精確率和特異度分別為0.943和0.996。對于標(biāo)簽C,盡管只有2個樣本被錯分為I,但由于E有3個樣本,I有1個樣本,J有2個樣本被錯分為C,因此,其精確率只有0.873,而召回率和特異度分別為0.96和0.991,以此類推。

    上述結(jié)果表明:本文所采用的基于小波時頻圖的MobileNetv2模型不僅能識別不同類型的環(huán)境噪聲信號,還能很好地區(qū)分不同位置、不同數(shù)目和松動程度的螺栓松動聲音信號。

    5 結(jié)論

    針對目前大型結(jié)構(gòu)螺栓連接狀態(tài)監(jiān)測的困難,本文采用聲音信號識別的思路,提出了基于小波時頻圖與輕量級卷積神經(jīng)網(wǎng)絡(luò)MobileNetv2的螺栓松動識別方法。

    (1)該方法通過對采集到的聲音信號進(jìn)行預(yù)處理和連續(xù)小波變換得到小波時頻圖,以小波時頻圖作為樣本對輕量級卷積神經(jīng)網(wǎng)絡(luò)MobileNetv2進(jìn)行訓(xùn)練,從而實(shí)現(xiàn)螺栓松動聲音信號的識別。

    (2)對一鋼桁架模型的室外試驗(yàn)研究表明,該方法充分發(fā)揮了小波時頻分析在處理非平穩(wěn)信號方面的優(yōu)勢和MobileNetv2強(qiáng)大的圖像分類能力,能實(shí)現(xiàn)對不同環(huán)境噪聲信號,不同位置、數(shù)目和松動程度的螺栓松動聲音信號的精準(zhǔn)識別。

    (3)該方法不僅識別準(zhǔn)確率高、穩(wěn)定性好,而且對計(jì)算和存儲的要求低,便于應(yīng)用于移動設(shè)備和嵌入式設(shè)備。

    進(jìn)一步的研究工作,將對具有更多的損傷工況和處在更加復(fù)雜的環(huán)境下的模型進(jìn)行試驗(yàn),并將考慮對工作狀態(tài)下的大型鋼桁架結(jié)構(gòu)進(jìn)行實(shí)測。

    猜你喜歡
    小波螺栓準(zhǔn)確率
    M16吊耳螺栓斷裂失效分析
    構(gòu)造Daubechies小波的一些注記
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    預(yù)緊力衰減對摩擦型高強(qiáng)螺栓群承載力的影響
    四川建筑(2020年1期)2020-07-21 07:26:08
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    螺栓緊固雜談
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動軸承故障診斷
    色婷婷久久久亚洲欧美| 免费看日本二区| 亚洲精品日韩av片在线观看| 两个人免费观看高清视频 | 欧美日韩av久久| 国产男女内射视频| 久久99精品国语久久久| 国产伦在线观看视频一区| 99热这里只有精品一区| 丰满少妇做爰视频| 中国三级夫妇交换| 日本-黄色视频高清免费观看| 国产色爽女视频免费观看| 插阴视频在线观看视频| 97在线视频观看| 精品久久久久久电影网| 亚洲av成人精品一区久久| 乱系列少妇在线播放| av国产精品久久久久影院| av在线播放精品| 少妇裸体淫交视频免费看高清| 99久久中文字幕三级久久日本| 男人舔奶头视频| 男女免费视频国产| h日本视频在线播放| 亚洲,欧美,日韩| 国产成人精品一,二区| 亚洲精品一区蜜桃| 国产爽快片一区二区三区| 亚洲精品成人av观看孕妇| 亚洲四区av| 亚洲成人手机| 日韩强制内射视频| av免费观看日本| 边亲边吃奶的免费视频| 国产精品人妻久久久久久| av线在线观看网站| 香蕉精品网在线| 2021少妇久久久久久久久久久| 亚洲情色 制服丝袜| 亚洲av成人精品一二三区| 亚洲精品亚洲一区二区| 99精国产麻豆久久婷婷| 人人妻人人爽人人添夜夜欢视频 | 中文在线观看免费www的网站| 99热这里只有是精品在线观看| 日日摸夜夜添夜夜爱| 激情五月婷婷亚洲| 菩萨蛮人人尽说江南好唐韦庄| 国产精品一区二区三区四区免费观看| 极品少妇高潮喷水抽搐| 简卡轻食公司| 久久精品久久精品一区二区三区| 日日撸夜夜添| 男女啪啪激烈高潮av片| 亚洲欧美成人精品一区二区| 免费黄网站久久成人精品| 亚洲欧美中文字幕日韩二区| 嫩草影院新地址| 一本色道久久久久久精品综合| 国内少妇人妻偷人精品xxx网站| 全区人妻精品视频| 成年av动漫网址| 亚洲成人一二三区av| 久久久久网色| 国模一区二区三区四区视频| 亚洲,一卡二卡三卡| 国产精品女同一区二区软件| 有码 亚洲区| 啦啦啦在线观看免费高清www| 亚洲国产精品专区欧美| 少妇丰满av| 少妇人妻一区二区三区视频| 天天躁夜夜躁狠狠久久av| 一级毛片黄色毛片免费观看视频| 精品人妻熟女毛片av久久网站| 久热这里只有精品99| 亚洲丝袜综合中文字幕| 欧美精品高潮呻吟av久久| 亚洲美女搞黄在线观看| 欧美丝袜亚洲另类| 免费在线观看成人毛片| 国产精品久久久久成人av| 王馨瑶露胸无遮挡在线观看| 777米奇影视久久| 日日撸夜夜添| 精品国产一区二区久久| 国产成人精品久久久久久| 亚洲成色77777| 在线观看人妻少妇| 99热这里只有精品一区| 男人爽女人下面视频在线观看| 一二三四中文在线观看免费高清| 国产综合精华液| 欧美日韩视频高清一区二区三区二| 大片电影免费在线观看免费| 国产伦精品一区二区三区视频9| 国产极品粉嫩免费观看在线 | 国产爽快片一区二区三区| 三上悠亚av全集在线观看 | 中国三级夫妇交换| 免费久久久久久久精品成人欧美视频 | 欧美最新免费一区二区三区| 天堂中文最新版在线下载| 一级,二级,三级黄色视频| 在线观看免费日韩欧美大片 | 一级毛片黄色毛片免费观看视频| 日韩成人伦理影院| 美女中出高潮动态图| 熟妇人妻不卡中文字幕| 人妻系列 视频| 人妻少妇偷人精品九色| 热99国产精品久久久久久7| 午夜福利视频精品| 亚洲情色 制服丝袜| 一级片'在线观看视频| 久久久久久久久大av| 国产伦精品一区二区三区视频9| av免费观看日本| 国产黄频视频在线观看| 纵有疾风起免费观看全集完整版| 国产白丝娇喘喷水9色精品| 赤兔流量卡办理| 国产日韩欧美在线精品| 亚洲精品乱码久久久v下载方式| 99热这里只有是精品在线观看| 亚洲欧美中文字幕日韩二区| 亚洲av免费高清在线观看| 97在线视频观看| 国产男女内射视频| 多毛熟女@视频| 男女边吃奶边做爰视频| 各种免费的搞黄视频| 国产高清国产精品国产三级| 天堂8中文在线网| xxx大片免费视频| 亚州av有码| 在线观看三级黄色| 777米奇影视久久| 久久久国产一区二区| 日韩三级伦理在线观看| 亚洲国产精品专区欧美| 亚洲美女视频黄频| 久久久久精品久久久久真实原创| 少妇被粗大猛烈的视频| 哪个播放器可以免费观看大片| 国产精品国产三级专区第一集| 人人妻人人澡人人看| 日韩不卡一区二区三区视频在线| 女人精品久久久久毛片| 一级二级三级毛片免费看| 亚洲内射少妇av| 国产高清国产精品国产三级| 日日爽夜夜爽网站| 成人无遮挡网站| 久久久久网色| 超碰97精品在线观看| 如何舔出高潮| 亚洲av在线观看美女高潮| 免费人成在线观看视频色| 日韩视频在线欧美| 18+在线观看网站| 日本黄色日本黄色录像| 三级经典国产精品| 成人亚洲精品一区在线观看| 99视频精品全部免费 在线| 女人久久www免费人成看片| 国产精品久久久久久久电影| 我的老师免费观看完整版| 亚洲精品乱码久久久久久按摩| 亚洲av欧美aⅴ国产| 国产精品无大码| 国产精品秋霞免费鲁丝片| √禁漫天堂资源中文www| 日韩成人av中文字幕在线观看| 美女xxoo啪啪120秒动态图| 人人澡人人妻人| 亚洲va在线va天堂va国产| 亚洲人与动物交配视频| 亚洲精品中文字幕在线视频 | 精品一品国产午夜福利视频| 伦精品一区二区三区| av.在线天堂| 亚洲av国产av综合av卡| 国内揄拍国产精品人妻在线| 中国三级夫妇交换| 久久久久人妻精品一区果冻| 午夜福利视频精品| 国产在视频线精品| 日韩一区二区三区影片| 妹子高潮喷水视频| 精品亚洲乱码少妇综合久久| 精品久久久噜噜| 国产伦理片在线播放av一区| 内射极品少妇av片p| 亚洲精品视频女| 99热网站在线观看| 国产综合精华液| 狂野欧美白嫩少妇大欣赏| 精品久久久噜噜| 人人妻人人澡人人爽人人夜夜| 日本av免费视频播放| 亚洲综合色惰| 亚洲欧洲精品一区二区精品久久久 | 日本色播在线视频| 免费播放大片免费观看视频在线观看| 中国三级夫妇交换| av又黄又爽大尺度在线免费看| 精品午夜福利在线看| 极品人妻少妇av视频| 色吧在线观看| 色哟哟·www| 亚洲精品久久午夜乱码| 国产黄片视频在线免费观看| 嫩草影院入口| 麻豆成人午夜福利视频| 色视频www国产| 自线自在国产av| 大又大粗又爽又黄少妇毛片口| 午夜免费男女啪啪视频观看| 三级经典国产精品| 国产免费福利视频在线观看| 亚洲精品亚洲一区二区| 亚洲av中文av极速乱| 最黄视频免费看| 97超视频在线观看视频| 午夜激情久久久久久久| 搡老乐熟女国产| 久久97久久精品| 热99国产精品久久久久久7| 久久久久国产精品人妻一区二区| 国产欧美日韩一区二区三区在线 | 亚洲精品中文字幕在线视频 | 不卡视频在线观看欧美| 欧美xxⅹ黑人| 国产一区二区在线观看日韩| 欧美国产精品一级二级三级 | 80岁老熟妇乱子伦牲交| 成年人免费黄色播放视频 | 国产伦精品一区二区三区视频9| 国产高清国产精品国产三级| 免费观看的影片在线观看| 国产一级毛片在线| 在线观看免费视频网站a站| 不卡视频在线观看欧美| 伊人亚洲综合成人网| 精品国产一区二区久久| 激情五月婷婷亚洲| 嫩草影院入口| 日韩一区二区三区影片| 午夜免费成人在线视频| 亚洲,欧美精品.| 国产高清国产精品国产三级| 丝袜脚勾引网站| 亚洲男人天堂网一区| 欧美亚洲 丝袜 人妻 在线| 十分钟在线观看高清视频www| 亚洲欧美日韩高清在线视频 | 99九九在线精品视频| 99久久人妻综合| 啦啦啦 在线观看视频| 最近最新免费中文字幕在线| 亚洲国产av新网站| 欧美久久黑人一区二区| 下体分泌物呈黄色| 97在线人人人人妻| 亚洲成人国产一区在线观看| 久久人妻福利社区极品人妻图片| 亚洲欧美一区二区三区黑人| 亚洲人成77777在线视频| 美女脱内裤让男人舔精品视频| 99精国产麻豆久久婷婷| 欧美日韩一级在线毛片| 欧美久久黑人一区二区| 久久久久网色| 99国产极品粉嫩在线观看| 十八禁网站网址无遮挡| av福利片在线| 正在播放国产对白刺激| 精品久久久精品久久久| 国产成人系列免费观看| 黄频高清免费视频| 老司机福利观看| 国产精品1区2区在线观看. | 中文字幕人妻丝袜一区二区| 午夜福利在线观看吧| 精品欧美一区二区三区在线| 少妇猛男粗大的猛烈进出视频| 97人妻天天添夜夜摸| 涩涩av久久男人的天堂| 亚洲成av片中文字幕在线观看| 交换朋友夫妻互换小说| 69精品国产乱码久久久| svipshipincom国产片| 91九色精品人成在线观看| 国产亚洲一区二区精品| 国产真人三级小视频在线观看| 精品久久久久久久毛片微露脸 | 91麻豆av在线| 亚洲国产欧美网| 久久国产精品人妻蜜桃| 久久精品亚洲熟妇少妇任你| 国产欧美日韩一区二区三区在线| 精品乱码久久久久久99久播| cao死你这个sao货| 成人国产av品久久久| 视频在线观看一区二区三区| 高清av免费在线| 精品少妇内射三级| 纯流量卡能插随身wifi吗| 黄片小视频在线播放| 久久天躁狠狠躁夜夜2o2o| 国产成人啪精品午夜网站| 欧美日韩精品网址| 国产在线观看jvid| 俄罗斯特黄特色一大片| 99久久精品国产亚洲精品| 人人妻人人添人人爽欧美一区卜| 老司机在亚洲福利影院| 国产精品久久久av美女十八| 国产精品av久久久久免费| 亚洲伊人久久精品综合| 精品一区二区三区av网在线观看 | 操出白浆在线播放| 制服人妻中文乱码| 老司机亚洲免费影院| 亚洲国产成人一精品久久久| 亚洲,欧美精品.| 1024视频免费在线观看| 丰满人妻熟妇乱又伦精品不卡| 老司机亚洲免费影院| 久久狼人影院| 国产精品av久久久久免费| 国产熟女午夜一区二区三区| 少妇猛男粗大的猛烈进出视频| 一个人免费看片子| 国产精品 国内视频| 91老司机精品| 亚洲全国av大片| 狠狠婷婷综合久久久久久88av| 中文字幕色久视频| 一级黄色大片毛片| 亚洲,欧美精品.| 国产麻豆69| 午夜福利影视在线免费观看| 精品人妻一区二区三区麻豆| 日韩欧美免费精品| 欧美黄色淫秽网站| 午夜91福利影院| 精品亚洲成国产av| 亚洲人成77777在线视频| 国产欧美日韩综合在线一区二区| 欧美久久黑人一区二区| 9热在线视频观看99| 日韩视频在线欧美| 男女之事视频高清在线观看| 桃花免费在线播放| 大片免费播放器 马上看| 久久久久久人人人人人| 十八禁网站网址无遮挡| 国产一区二区三区av在线| av天堂久久9| 国产视频一区二区在线看| 少妇被粗大的猛进出69影院| 美女大奶头黄色视频| 婷婷丁香在线五月| 日本av手机在线免费观看| 午夜激情av网站| 人妻 亚洲 视频| 啪啪无遮挡十八禁网站| 一级片'在线观看视频| 不卡av一区二区三区| 在线观看人妻少妇| 精品国产一区二区三区久久久樱花| 精品一区二区三区四区五区乱码| 丝袜美足系列| 午夜免费成人在线视频| 成在线人永久免费视频| 精品久久久久久电影网| 精品国产国语对白av| 99国产极品粉嫩在线观看| 老司机影院毛片| 少妇人妻久久综合中文| 亚洲国产欧美网| 极品少妇高潮喷水抽搐| 精品国产一区二区三区久久久樱花| bbb黄色大片| 亚洲中文日韩欧美视频| av线在线观看网站| 免费观看av网站的网址| 久久久国产一区二区| 一二三四在线观看免费中文在| 欧美97在线视频| 亚洲精华国产精华精| 夫妻午夜视频| 亚洲欧美日韩另类电影网站| www.999成人在线观看| 亚洲色图 男人天堂 中文字幕| 中文字幕av电影在线播放| 老司机靠b影院| www.av在线官网国产| 日韩制服骚丝袜av| 高清欧美精品videossex| 亚洲第一av免费看| 亚洲人成电影观看| 黄色毛片三级朝国网站| 一个人免费看片子| 麻豆av在线久日| 亚洲欧美日韩高清在线视频 | 国产精品久久久久成人av| 欧美黑人精品巨大| 中文欧美无线码| 一区二区三区四区激情视频| 久热这里只有精品99| 国产精品秋霞免费鲁丝片| 亚洲国产精品成人久久小说| 18禁国产床啪视频网站| 中文字幕人妻熟女乱码| 亚洲自偷自拍图片 自拍| 80岁老熟妇乱子伦牲交| 91国产中文字幕| 91精品国产国语对白视频| 久久久国产欧美日韩av| 亚洲av欧美aⅴ国产| 久久青草综合色| 国产成人系列免费观看| 视频在线观看一区二区三区| av在线播放精品| 国产亚洲av片在线观看秒播厂| 大型av网站在线播放| 久久久久久久久免费视频了| 自线自在国产av| 69av精品久久久久久 | 伦理电影免费视频| 久久久久久久大尺度免费视频| 美女脱内裤让男人舔精品视频| svipshipincom国产片| 999精品在线视频| 丝袜美腿诱惑在线| 男女国产视频网站| 老熟妇仑乱视频hdxx| 国产精品一区二区在线观看99| 老司机福利观看| 韩国高清视频一区二区三区| 91成年电影在线观看| 美女扒开内裤让男人捅视频| 欧美 日韩 精品 国产| 天堂中文最新版在线下载| 搡老乐熟女国产| 老熟女久久久| 老鸭窝网址在线观看| 国产av国产精品国产| 亚洲少妇的诱惑av| 伊人亚洲综合成人网| 天堂8中文在线网| 欧美+亚洲+日韩+国产| 大陆偷拍与自拍| 高清在线国产一区| 三上悠亚av全集在线观看| 亚洲一码二码三码区别大吗| 看免费av毛片| h视频一区二区三区| 亚洲成av片中文字幕在线观看| 大片电影免费在线观看免费| 日本五十路高清| 在线看a的网站| 久久久久久久精品精品| 少妇精品久久久久久久| 汤姆久久久久久久影院中文字幕| 色播在线永久视频| 一区二区日韩欧美中文字幕| 在线观看免费午夜福利视频| a级毛片黄视频| 岛国毛片在线播放| 熟女少妇亚洲综合色aaa.| 亚洲国产欧美日韩在线播放| 在线看a的网站| 丁香六月欧美| 人妻 亚洲 视频| 国产麻豆69| 国产视频一区二区在线看| 99国产综合亚洲精品| 久久影院123| 波多野结衣av一区二区av| 国产精品成人在线| 国产精品久久久久成人av| 男女床上黄色一级片免费看| 成人国语在线视频| 建设人人有责人人尽责人人享有的| 精品免费久久久久久久清纯 | 国产成人影院久久av| 咕卡用的链子| 人妻一区二区av| 久久久久国产一级毛片高清牌| 每晚都被弄得嗷嗷叫到高潮| av超薄肉色丝袜交足视频| 亚洲中文日韩欧美视频| 亚洲第一青青草原| av又黄又爽大尺度在线免费看| 丝袜在线中文字幕| 母亲3免费完整高清在线观看| 国产成人免费无遮挡视频| 考比视频在线观看| 两人在一起打扑克的视频| 丰满饥渴人妻一区二区三| 欧美xxⅹ黑人| netflix在线观看网站| 欧美激情 高清一区二区三区| 可以免费在线观看a视频的电影网站| 欧美亚洲日本最大视频资源| 纵有疾风起免费观看全集完整版| 国产1区2区3区精品| 另类亚洲欧美激情| 首页视频小说图片口味搜索| 在线亚洲精品国产二区图片欧美| 伊人亚洲综合成人网| 午夜91福利影院| 十八禁网站网址无遮挡| 一级毛片电影观看| 巨乳人妻的诱惑在线观看| 人人妻人人澡人人看| 不卡一级毛片| 亚洲精品自拍成人| 夜夜骑夜夜射夜夜干| 欧美日韩中文字幕国产精品一区二区三区 | 少妇人妻久久综合中文| 亚洲精品在线美女| 最近最新免费中文字幕在线| 中文字幕精品免费在线观看视频| 五月开心婷婷网| 人人澡人人妻人| 国产精品久久久人人做人人爽| 首页视频小说图片口味搜索| 亚洲全国av大片| 成年人黄色毛片网站| 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| 91九色精品人成在线观看| 国产一区二区激情短视频 | 日韩电影二区| 日本猛色少妇xxxxx猛交久久| 男人添女人高潮全过程视频| 国产成人欧美在线观看 | 久久香蕉激情| 激情视频va一区二区三区| 国产精品久久久久久人妻精品电影 | 91国产中文字幕| 亚洲欧美日韩另类电影网站| 欧美精品人与动牲交sv欧美| 欧美激情久久久久久爽电影 | 精品少妇一区二区三区视频日本电影| 天天操日日干夜夜撸| 欧美性长视频在线观看| 久久人妻福利社区极品人妻图片| 午夜91福利影院| 一个人免费在线观看的高清视频 | 久久久久久免费高清国产稀缺| 母亲3免费完整高清在线观看| 不卡av一区二区三区| 精品国产乱码久久久久久男人| 精品高清国产在线一区| 亚洲精品粉嫩美女一区| 91老司机精品| 亚洲第一青青草原| 国产精品一区二区免费欧美 | 成人三级做爰电影| 美女午夜性视频免费| 91麻豆av在线| 巨乳人妻的诱惑在线观看| 十分钟在线观看高清视频www| 国产精品影院久久| 少妇人妻久久综合中文| 日韩欧美国产一区二区入口| 最黄视频免费看| 久久久久久久大尺度免费视频| 久久香蕉激情| 国产高清视频在线播放一区 | 一级a爱视频在线免费观看| 美女大奶头黄色视频| 精品福利观看| 色精品久久人妻99蜜桃| a 毛片基地| 大型av网站在线播放| 亚洲va日本ⅴa欧美va伊人久久 | 操美女的视频在线观看| 无遮挡黄片免费观看| 少妇的丰满在线观看| 搡老岳熟女国产| 人妻久久中文字幕网| 男女无遮挡免费网站观看| 777米奇影视久久| 免费少妇av软件| 大码成人一级视频| 啦啦啦免费观看视频1| √禁漫天堂资源中文www| 日韩欧美一区视频在线观看| 欧美中文综合在线视频| 精品人妻在线不人妻| 欧美国产精品一级二级三级| 亚洲精品久久成人aⅴ小说| 亚洲欧洲日产国产| 午夜免费观看性视频| 伦理电影免费视频| 免费在线观看完整版高清| 黄色a级毛片大全视频| 老汉色av国产亚洲站长工具| 一级毛片女人18水好多| 国产在线视频一区二区| 亚洲色图综合在线观看| 美女高潮到喷水免费观看| 啦啦啦在线免费观看视频4| 亚洲精品粉嫩美女一区| 丝袜美足系列| 俄罗斯特黄特色一大片| 两性午夜刺激爽爽歪歪视频在线观看 |