• <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 ?

    基于深度學(xué)習(xí)和監(jiān)測(cè)數(shù)據(jù)的橋梁損傷識(shí)別方法研究

    2022-02-25 03:22:16邊祖光趙銀飛
    城市道橋與防洪 2022年1期
    關(guān)鍵詞:監(jiān)測(cè)數(shù)據(jù)編碼器測(cè)點(diǎn)

    唐 良,邊祖光,趙銀飛,金 婉

    (1.陜西建工機(jī)械施工集團(tuán)有限公司,陜西 西安 710000;2.浙江科技學(xué)院 土木與建筑工程學(xué)院,浙江 杭州 310023;3.浙江科嘉工程技術(shù)研究有限公司,浙江 寧波 315000;4.浙江大學(xué) 建筑工程學(xué)院,浙江 杭州 310058)

    0 引 言

    隨著越來(lái)越多大型橋梁的建造,橋梁的安全問(wèn)題迎來(lái)新的挑戰(zhàn),因此橋梁健康監(jiān)測(cè)系統(tǒng)的研究也日益興起。但是,目前大多數(shù)監(jiān)測(cè)系統(tǒng)中缺乏有效而可靠的數(shù)據(jù)預(yù)處理與分析系統(tǒng),導(dǎo)致大量存儲(chǔ)的數(shù)據(jù)顯得多余且無(wú)效[1]。因此,有必要加強(qiáng)對(duì)監(jiān)測(cè)數(shù)據(jù)的預(yù)處理和分析,得出監(jiān)測(cè)數(shù)據(jù)中能夠反映橋梁損傷狀態(tài)的關(guān)鍵指標(biāo),從而通過(guò)橋梁的損傷識(shí)別來(lái)預(yù)判橋梁的安全問(wèn)題[2]。

    對(duì)于傳統(tǒng)的損傷識(shí)別方法,大多數(shù)學(xué)者采用的是整體法,該方法涉及了結(jié)構(gòu)動(dòng)力學(xué)、靜動(dòng)力識(shí)別、信號(hào)處理等不同學(xué)科內(nèi)容[3]。整體法中,人工智能技術(shù)在結(jié)構(gòu)損傷識(shí)別中得到了較為深入的應(yīng)用,其中以人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、機(jī)器學(xué)習(xí)等技術(shù)較為成熟。占洋洋等[4]圍繞基礎(chǔ)理論較完善的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行損傷識(shí)別研究,發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)方法雖然能夠準(zhǔn)確檢測(cè)出損傷,但這需要依賴完整的損傷模式庫(kù),故其在工程中的應(yīng)用受到模態(tài)測(cè)量的影響。Tang等[5]將異常檢測(cè)問(wèn)題建模為一個(gè)標(biāo)準(zhǔn)的圖像分類任務(wù),多類異常檢測(cè)過(guò)程被統(tǒng)一到一個(gè)神經(jīng)網(wǎng)絡(luò)模型中。在神經(jīng)網(wǎng)絡(luò)的時(shí)域和頻域圖像特征信息的基礎(chǔ)上,所有七種數(shù)據(jù)異常模式識(shí)別都取得了85%以上精度。此外,劉春城等[6]在拱橋損傷識(shí)別中首次引入支持向量機(jī)來(lái)分析;熊仲明[7]等在大跨鋼結(jié)構(gòu)損傷識(shí)別中分別采用了人工神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)、概率網(wǎng)絡(luò)和徑向基網(wǎng)絡(luò)。雖然基于人工智能技術(shù)的損傷識(shí)別研究取得一定進(jìn)展,但是以上人工智能算法中的淺層神經(jīng)網(wǎng)絡(luò)如支持向量機(jī)(SupportVectorMachines,SVM)和k最近鄰(k-NearestNeighbor,KNN)等,由于結(jié)構(gòu)簡(jiǎn)單、實(shí)際應(yīng)用中的分類能力較弱,使得對(duì)它們的研究在橋梁損傷識(shí)別領(lǐng)域陷入瓶頸。

    深度神經(jīng)網(wǎng)絡(luò)的出現(xiàn)解決了淺層神經(jīng)網(wǎng)絡(luò)分類能力有限的問(wèn)題,其具有更多的隱藏層,能夠處理實(shí)際工程中的復(fù)雜模式分類及回歸問(wèn)題[8]。在深度神經(jīng)網(wǎng)絡(luò)中,卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork,CNN)和棧式自動(dòng)編碼器(StackedAutoencoders,SAE)應(yīng)用較為廣泛,在無(wú)人機(jī)、自動(dòng)駕駛、語(yǔ)音及圖像識(shí)別領(lǐng)域均得到了很大發(fā)展[9],同樣,它們?cè)跇蛄侯I(lǐng)域也有了初步應(yīng)用。Pathirage等[10]提出了一種用于結(jié)構(gòu)損傷識(shí)別的深度稀疏自動(dòng)編碼器,對(duì)鋼框架結(jié)構(gòu)和橋梁結(jié)構(gòu)進(jìn)行了損傷識(shí)別研究,并證明了所提方法的可靠性。Guo等[11]使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取損傷指標(biāo),數(shù)據(jù)來(lái)源于數(shù)值模擬以及實(shí)驗(yàn)測(cè)量,與其他網(wǎng)絡(luò)體系結(jié)構(gòu)相比,該方法的準(zhǔn)確性至少提高了10%。Bao等[12]將計(jì)算機(jī)視覺(jué)方法應(yīng)用于數(shù)據(jù)異常診斷,使用橋梁健康監(jiān)測(cè)系統(tǒng)的加速度響應(yīng)進(jìn)行識(shí)別,證明了該方法能夠識(shí)別數(shù)據(jù)的多模式異常。以上學(xué)者將深度學(xué)習(xí)方法引入到了橋梁結(jié)構(gòu)損傷領(lǐng)域,但基于健康監(jiān)測(cè)數(shù)據(jù)的損傷識(shí)別卻鮮有研究與應(yīng)用。

    針對(duì)橋梁健康監(jiān)測(cè)系統(tǒng)中海量數(shù)據(jù)的冗余問(wèn)題和傳統(tǒng)損傷識(shí)別方法的不足,在橋梁損傷識(shí)別領(lǐng)域采用深度學(xué)習(xí)技術(shù),并立足于監(jiān)測(cè)數(shù)據(jù)完成損傷識(shí)別。區(qū)別于前人使用的數(shù)值模擬數(shù)據(jù)集及試驗(yàn)測(cè)試數(shù)據(jù)集等,本文利用CNN和SAE直接對(duì)實(shí)際的橋梁健康監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析,從監(jiān)測(cè)數(shù)據(jù)中來(lái)獲取橋梁的損傷狀態(tài)。

    1 深度神經(jīng)網(wǎng)絡(luò)

    深度學(xué)習(xí),又稱深度神經(jīng)網(wǎng)絡(luò),是當(dāng)下人工智能與機(jī)器學(xué)習(xí)的熱門(mén)技術(shù)。與傳統(tǒng)的機(jī)器學(xué)習(xí)不同,深度神經(jīng)網(wǎng)絡(luò)在大量的數(shù)據(jù)樣本中學(xué)習(xí)數(shù)據(jù)之間的映射關(guān)系,并使用優(yōu)化算法來(lái)獲得網(wǎng)絡(luò)參數(shù)[13]。本文采用深度神經(jīng)網(wǎng)絡(luò)中的CNN和SAE來(lái)識(shí)別監(jiān)測(cè)數(shù)據(jù)中的損傷信息。

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    CNN結(jié)構(gòu)如圖1所示,單個(gè)卷積層連接到單個(gè)池化層,池化層再與卷積層相連,而輸出層之前則由全連接層相連接組成[14]。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型

    卷積層的運(yùn)算[13]可以表示為:

    池化層上的神經(jīng)元的計(jì)算公式[13]為:

    式中:Xi、Yi分別為第i層網(wǎng)絡(luò)的特征圖;f(ai+Xi-1*Wi)為激活函數(shù);g(Yi-1)為池化函數(shù);ai、Wi分別為卷積過(guò)程第i層的偏置向量和權(quán)重向量;bi為第i層的偏置向量;*為進(jìn)行卷積運(yùn)算。

    1.2 棧式自動(dòng)編碼器

    自動(dòng)編碼器,又稱自編碼神經(jīng)網(wǎng)絡(luò),如圖2所示。由多個(gè)自動(dòng)編碼器前后相連就組成了棧式自編碼神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)的輸出端是用于分類、回歸等任務(wù)的分類器[8],如圖3所示。

    圖2 自動(dòng)編碼器模型

    圖3 棧式自動(dòng)編碼器模型

    編碼神經(jīng)網(wǎng)絡(luò)的編碼過(guò)程[15]可表示為:

    解碼過(guò)程[15]可表示為:

    式中:A1、A2分別代表權(quán)重矩陣;c1、c2分別代表偏置矩陣;σe、σd分別代表激活函數(shù),本文的激活函數(shù)選用針對(duì)復(fù)雜分類情況的Softmax函數(shù),即

    式中:zi、zj分別為第i個(gè)和第j個(gè)節(jié)點(diǎn)的輸出;N為分類的種類數(shù)量。

    2 基于深度學(xué)習(xí)的橋梁監(jiān)測(cè)數(shù)據(jù)損傷識(shí)別方法

    區(qū)別于傳統(tǒng)的橋梁損傷識(shí)別,基于監(jiān)測(cè)數(shù)據(jù)的損傷識(shí)別方法需要先對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理,將處理后的數(shù)據(jù)分別用CNN和SAE進(jìn)行識(shí)別。整個(gè)過(guò)程包括4個(gè)步驟:確定損傷指標(biāo)、監(jiān)測(cè)數(shù)據(jù)預(yù)處理、構(gòu)建訓(xùn)練樣本庫(kù)、搭建并訓(xùn)練網(wǎng)絡(luò)。

    2.1 確定損傷指標(biāo)

    深度神經(jīng)網(wǎng)絡(luò)的識(shí)別效果往往依賴于損傷指標(biāo)的特征,理想的損傷指標(biāo)具有以下特征:對(duì)結(jié)構(gòu)損傷敏感性高同時(shí)對(duì)測(cè)試誤差的敏感性較低,獲取比較方便、容易[16]。本文選用能夠反映結(jié)構(gòu)損傷特征,對(duì)損傷敏感且在實(shí)際應(yīng)用中獲取較為容易、方便的豎向加速度作為損傷指標(biāo)。

    2.2 監(jiān)測(cè)數(shù)據(jù)預(yù)處理

    原始的監(jiān)測(cè)數(shù)據(jù)包含大量噪聲,在損傷識(shí)別之前須經(jīng)預(yù)處理得到降噪后的平滑數(shù)據(jù)。數(shù)據(jù)的預(yù)處理包括可信度評(píng)價(jià)、粗差剔除及平滑濾波3個(gè)步驟,本文的預(yù)處理過(guò)程基于Matlab程序,通過(guò)編程來(lái)計(jì)算處理。

    2.2.1 可信度評(píng)價(jià)

    首先,選擇橋跨對(duì)稱位置的4個(gè)測(cè)點(diǎn),以一周的時(shí)間跨度提取每個(gè)測(cè)點(diǎn)的豎向加速度響應(yīng)信號(hào),每一組加速度信號(hào)以列向量的形式存儲(chǔ)在表格中。然后對(duì)所有列向量進(jìn)行均值化處理,得到更加穩(wěn)定的數(shù)據(jù)形式。選取某一列向量為參考序列,其余的作為比較序列,依次相減得到最大差值和最小差值。最后利用鄧氏關(guān)聯(lián)度[17]計(jì)算關(guān)聯(lián)系數(shù)(式6)和關(guān)聯(lián)度(式7),可以得到不同測(cè)點(diǎn)加速度響應(yīng)信號(hào)的關(guān)聯(lián)度值,若關(guān)聯(lián)度的概率標(biāo)準(zhǔn)差低于閾值,則說(shuō)明對(duì)稱位置的監(jiān)測(cè)數(shù)據(jù)相關(guān)性較好,可進(jìn)行下一步處理。

    式中:ξi(j)為j時(shí)間的參考序列和比較序列i的關(guān)聯(lián)系數(shù);Δ(min)和Δ(max)分別是所有比較序列的絕對(duì)差值中的最小差值和最大差值;ρ是分辨系數(shù),本文取值為0.5;Δi(j)為j時(shí)間的參考序列和比較序列i差值的絕對(duì)值;γi為參考序列和比較序列i的關(guān)聯(lián)度;m為序列維度。

    2.2.2 粗差剔除

    對(duì)于粗差剔除,先利用概率法剔除明顯的異常值,剩余的粗差剔除由數(shù)據(jù)跳躍法[18]實(shí)現(xiàn)。將通過(guò)可信度評(píng)價(jià)的列向量存儲(chǔ)在不同向量組中,設(shè)定分位數(shù)為5%,使用基于平均值與標(biāo)準(zhǔn)偏差的概率法處理,可以剔除異常值及其對(duì)應(yīng)的采樣時(shí)間。然后將概率法處理后的數(shù)據(jù)代入循環(huán)依次相減得到互差值,互差最大的值兩側(cè)即為跳躍點(diǎn)。對(duì)跳躍點(diǎn)的監(jiān)測(cè)數(shù)據(jù)Lk分別計(jì)算殘差值,每一組殘差代入式(8)中,判斷該跳躍點(diǎn)是否異常,若存在異常值,直接在數(shù)組中剔除其對(duì)應(yīng)的數(shù)據(jù)及采樣時(shí)間。

    式中:vk為跳躍點(diǎn)的殘差值;Li為第i個(gè)采樣時(shí)間點(diǎn)對(duì)應(yīng)的監(jiān)測(cè)數(shù)據(jù);n為每個(gè)測(cè)點(diǎn)的采樣次數(shù);δ為列向量的方差。

    2.2.3 平滑濾波

    平滑濾波,統(tǒng)一采用較為經(jīng)典的滑動(dòng)平均法[19]處理。作為預(yù)處理的最后一步,需要通過(guò)自定義平滑函數(shù)來(lái)實(shí)現(xiàn)。在自定義函數(shù)中,先選擇平滑窗口大小,對(duì)窗口內(nèi)的數(shù)據(jù)作加權(quán)平均來(lái)得到平滑數(shù)據(jù),利用循環(huán)來(lái)實(shí)現(xiàn)其不斷向前滑動(dòng),直至到達(dá)端點(diǎn)。其中,平滑效果受參數(shù)選取的影響,本文中,為保證平滑效果,平滑窗口選擇為5。

    2.3 構(gòu)建訓(xùn)練樣本庫(kù)

    樣本庫(kù)分為有、無(wú)標(biāo)簽兩類樣本,無(wú)標(biāo)簽樣本是未使用理想輸出標(biāo)簽標(biāo)注的訓(xùn)練樣本,有標(biāo)簽樣本則是具有理想輸出標(biāo)簽的訓(xùn)練樣本[20]。本文中,CNN由于只需要有監(jiān)督訓(xùn)練即可完成,故僅需要有標(biāo)簽樣本;SAE的訓(xùn)練分為各個(gè)自動(dòng)編碼器預(yù)訓(xùn)練與整個(gè)SAE通過(guò)BP算法進(jìn)行有監(jiān)督微調(diào)兩部分,其中預(yù)訓(xùn)練需要無(wú)標(biāo)簽樣本,而有監(jiān)督微調(diào)需要有標(biāo)簽樣本。無(wú)標(biāo)簽樣本不需要標(biāo)出數(shù)據(jù)的損傷信息,提取較容易;而有標(biāo)簽樣本需要大量含損傷信息的數(shù)據(jù)。由于監(jiān)測(cè)數(shù)據(jù)中的損傷數(shù)據(jù)提取需要耗費(fèi)大量時(shí)間,故本文中的有標(biāo)簽樣本以有限元模擬獲得的損傷數(shù)據(jù)為主,用監(jiān)測(cè)數(shù)據(jù)當(dāng)作補(bǔ)充。

    2.4 搭建并訓(xùn)練網(wǎng)絡(luò)

    2.4.1 卷積神經(jīng)網(wǎng)絡(luò)

    利用Matlab平臺(tái),筆者通過(guò)編程搭建并訓(xùn)練CNN,設(shè)計(jì)結(jié)構(gòu)圖如圖4所示。其中:輸入層對(duì)應(yīng)圖像的像素100×100×1,輸出層則對(duì)應(yīng)工況種類設(shè)置。卷積池化過(guò)程設(shè)置為3次,第一層是8個(gè)7×7卷積核,第二層是16個(gè)7×7卷積核,第三層是64個(gè)7×7卷積核。兩個(gè)池化層的步長(zhǎng)為2,矩形輸入?yún)^(qū)域?yàn)?×2。搭建CNN后,訓(xùn)練采用隨機(jī)梯度下降法,將最大訓(xùn)練輪數(shù)設(shè)置為100,初始學(xué)習(xí)率為0.001,并不斷調(diào)整學(xué)習(xí)率,保存最優(yōu)訓(xùn)練結(jié)果。

    圖4 CNN設(shè)計(jì)結(jié)構(gòu)圖

    2.4.2 棧式自編碼網(wǎng)絡(luò)

    利用Matlab平臺(tái),筆者通過(guò)編程搭建并訓(xùn)練SAE,設(shè)計(jì)結(jié)構(gòu)圖如圖5所示。其中輸入層大小對(duì)應(yīng)測(cè)點(diǎn)一周采集數(shù)據(jù)點(diǎn)總量,設(shè)置3個(gè)自動(dòng)編碼器,其隱含層數(shù)量分別為700、100、50,依次遞減以提取輸入數(shù)據(jù)特征的更小表示。

    圖5 SAE設(shè)計(jì)結(jié)構(gòu)圖

    SAE的訓(xùn)練包括以下4個(gè)步驟:

    (1)用預(yù)處理后的數(shù)據(jù)作為輸入,訓(xùn)練第1個(gè)編碼器,設(shè)置其最大訓(xùn)練輪數(shù)為600,網(wǎng)絡(luò)權(quán)重為0.004,稀疏正則項(xiàng)的參數(shù)4,稀疏比例為0.15;

    (2)把第1個(gè)編碼器的結(jié)果保存并用作第2個(gè)編碼器的輸入,設(shè)置其最大訓(xùn)練輪數(shù)為400,網(wǎng)絡(luò)權(quán)重為0.004,稀疏正則項(xiàng)的參數(shù)4,稀疏比例為0.15;

    (3)把第2個(gè)編碼器的結(jié)果保存并用作第3個(gè)編碼器的輸入,設(shè)置其最大訓(xùn)練輪數(shù)為100,網(wǎng)絡(luò)權(quán)重為0.002,稀疏正則項(xiàng)的參數(shù)4,稀疏比例為0.1;

    (4)堆疊3個(gè)編碼器和Softmax分類器形成整個(gè)網(wǎng)絡(luò),最后訓(xùn)練整個(gè)網(wǎng)絡(luò)。

    3 工程實(shí)例分析

    本文選取寧波市明州大橋健康監(jiān)測(cè)數(shù)據(jù),進(jìn)行損傷定位識(shí)別,詳細(xì)論述本文提出的橋梁監(jiān)測(cè)數(shù)據(jù)損傷識(shí)別方法應(yīng)用。

    3.1 工程概況

    明州大橋位于寧波市高教園區(qū),為中承式系桿拱橋,總長(zhǎng)約1330m,其中主橋?yàn)?00m+450m+100m,橋?qū)?6m,引橋橋?qū)?2m。大橋主要監(jiān)測(cè)的內(nèi)容包括鋼箱梁應(yīng)變、橋梁的整體撓度以及橋梁的結(jié)構(gòu)動(dòng)力特性及振動(dòng)等。其中拱肋振動(dòng)加速度測(cè)點(diǎn)布置如圖6所示。

    圖6 明州大橋拱肋振動(dòng)加速度監(jiān)測(cè)點(diǎn)布置圖

    3.2 明州大橋監(jiān)測(cè)數(shù)據(jù)預(yù)處理

    由于篇幅原因,本小節(jié)選取明州大橋2020年1月1日至1月7日的跨中拱肋豎向加速度監(jiān)測(cè)點(diǎn)AC14所得數(shù)據(jù)為例說(shuō)明。由于明州大橋健康監(jiān)測(cè)系統(tǒng)每10分鐘自動(dòng)采集一次數(shù)據(jù),AC14測(cè)點(diǎn)一周采集數(shù)據(jù)點(diǎn)總計(jì)1008個(gè)。圖7所示是監(jiān)測(cè)數(shù)據(jù)通過(guò)粗差剔除、平滑濾波前后的對(duì)比圖。

    圖7 AC14測(cè)點(diǎn)豎向加速度處理前后對(duì)比曲線(單位:m/s2)

    3.3 構(gòu)建訓(xùn)練樣本庫(kù)

    針對(duì)明州大橋的損傷位置識(shí)別任務(wù),本文提取了明州大橋健康監(jiān)測(cè)系統(tǒng)2020年1月至6月的跨中拱肋豎向加速度監(jiān)測(cè)值。由于監(jiān)測(cè)數(shù)據(jù)中含有的損傷監(jiān)測(cè)數(shù)據(jù)不足,筆者采用Midas對(duì)明州大橋進(jìn)行有限元建模,而損傷工況則利用有限元模型來(lái)模擬,有限元模型如圖8所示。模型中相關(guān)單元的選取:吊索及系桿用桁架單元模擬,其他主梁及主拱用梁?jiǎn)卧M,總計(jì)2330個(gè)節(jié)點(diǎn),3270個(gè)單元。模型中,荷載分析采用時(shí)程荷載,主梁各節(jié)點(diǎn)之間視為剛性連接,吊索及系桿節(jié)點(diǎn)采用鉸接。為對(duì)比分析,有限元模擬數(shù)據(jù)的加速度響應(yīng)則選取跨中拱肋位置的豎向加速度時(shí)程響應(yīng)(對(duì)應(yīng)AC14測(cè)點(diǎn)監(jiān)測(cè)數(shù)據(jù)),由于時(shí)程分析的時(shí)長(zhǎng)為4s,頻率為50Hz,所以直接從豎向加速度時(shí)程響應(yīng)提取前1008個(gè)數(shù)據(jù)即可得到相應(yīng)損傷樣本。其中,損傷程度用材料彈性模量E的變化來(lái)模擬。

    圖8 明州大橋有限元模型圖

    CNN方法的有標(biāo)簽樣本采用20個(gè)AC14測(cè)點(diǎn)一周的豎向加速度樣本以及10個(gè)不同類型單元分別損傷10%、20%、30%、40%、50%、60%、70%、80%、90%的有限元加速度響應(yīng),共計(jì)110個(gè)有標(biāo)簽樣本。SAE方法的有標(biāo)簽樣本采用10個(gè)AC14測(cè)點(diǎn)一周的豎向加速度樣本以及10個(gè)不同類型單元分別損傷25%、75%的有限元加速度響應(yīng);無(wú)標(biāo)簽樣本采用有限元模型隨機(jī)提取的70個(gè)加速度響應(yīng)樣本和20個(gè)AC14測(cè)點(diǎn)一周的豎向加速度樣本,訓(xùn)練樣本見(jiàn)表1。

    表1 訓(xùn)練樣本

    根據(jù)實(shí)際橋梁結(jié)構(gòu)的測(cè)點(diǎn)布置,并參考有限元模型的結(jié)果,本文選擇橋梁易發(fā)生損傷關(guān)鍵部位的監(jiān)測(cè)和數(shù)值模擬數(shù)據(jù)作為損傷研究對(duì)象,其中監(jiān)測(cè)數(shù)據(jù)取自AC14測(cè)點(diǎn),模擬數(shù)據(jù)取自10處易受損單元對(duì)應(yīng)的跨中拱肋加速度響應(yīng)。為簡(jiǎn)化損傷狀態(tài),檢驗(yàn)基于監(jiān)測(cè)數(shù)據(jù)的損傷識(shí)別效果,本文將相同損傷位置的不同損傷程度情況設(shè)定為同一損傷工況,工況設(shè)置見(jiàn)表2。

    表2 損傷工況

    3.4 損傷識(shí)別結(jié)果

    3.4.1 卷積神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果

    由于CNN的圖像識(shí)別能力較強(qiáng),筆者首先對(duì)樣本數(shù)據(jù)以一周為單位進(jìn)行圖像可視化,之后再利用CNN來(lái)識(shí)別歸一化、壓縮、灰度化后的樣本圖像,圖像像素保存為100×100×1。對(duì)全部110個(gè)樣本圖像識(shí)別,其中70%用作訓(xùn)練集,30%用作預(yù)測(cè)集,預(yù)測(cè)集不參與網(wǎng)絡(luò)訓(xùn)練,訓(xùn)練過(guò)程如圖9所示。

    圖9 CNN訓(xùn)練過(guò)程

    由圖9的結(jié)果可見(jiàn),經(jīng)過(guò)100次完全迭代后,損失值保持穩(wěn)定,表明訓(xùn)練完成。圖10中,展示了10個(gè)樣本數(shù)據(jù),分別對(duì)應(yīng)10個(gè)灰度圖,其中圖像下方為真實(shí)的工況(種類為11類,對(duì)應(yīng)數(shù)據(jù)1至11),圖像上方為預(yù)測(cè)工況,若預(yù)測(cè)與真實(shí)工況情況一致則為預(yù)測(cè)正確。由圖9可知,CNN識(shí)別樣本數(shù)據(jù)的損傷整體正確率達(dá)到87.5%,識(shí)別結(jié)果說(shuō)明:針對(duì)二維圖像的CNN損傷識(shí)別具備優(yōu)秀的分類能力,可用于識(shí)別真實(shí)的健康監(jiān)測(cè)數(shù)據(jù)。

    圖10 CNN部分識(shí)別結(jié)果

    3.4.2 棧式自編碼網(wǎng)絡(luò)識(shí)別結(jié)果

    和CNN不同,本節(jié)利用SAE直接識(shí)別樣本數(shù)據(jù)序列,其中輸入層大小對(duì)應(yīng)明州大橋健康監(jiān)測(cè)系統(tǒng)AC14測(cè)點(diǎn)一周采集數(shù)據(jù)點(diǎn)總量1008,輸出層設(shè)置為11以對(duì)應(yīng)11種工況。訓(xùn)練過(guò)程中自動(dòng)編碼器的網(wǎng)絡(luò)性能變化如圖11所示,將所得結(jié)果與CNN識(shí)別結(jié)果比較,結(jié)果如圖12所示。

    圖11SAE網(wǎng)絡(luò)性能變化圖

    圖11 中,以均方誤差來(lái)衡量網(wǎng)絡(luò)的性能,可見(jiàn)均方誤差值隨著訓(xùn)練次數(shù)的增加而不斷下降,并最終無(wú)限逼近最佳網(wǎng)絡(luò)性能值,這說(shuō)明SAE進(jìn)行有效的訓(xùn)練后,網(wǎng)絡(luò)可用于損傷識(shí)別。由圖12的結(jié)果可見(jiàn),經(jīng)過(guò)3層自動(dòng)編碼器充分迭代后,SAE識(shí)別樣本數(shù)據(jù)的損傷整體正確率達(dá)到85.1%。如圖12所示的混淆矩陣中,有9種工況的預(yù)測(cè)正確率都達(dá)到80%以上,其中工況6、7、9識(shí)別正確率達(dá)到100%,識(shí)別結(jié)果說(shuō)明:針對(duì)數(shù)據(jù)序列的SAE損傷識(shí)別同樣具備優(yōu)秀的分類能力,具備工程應(yīng)用的可能性。

    圖12 SAE混淆矩陣圖

    3.4.3 淺層神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果

    為比較深度神經(jīng)網(wǎng)絡(luò)和淺層神經(jīng)網(wǎng)絡(luò)的識(shí)別效果,本節(jié)基于Matlab的分類學(xué)習(xí)工具箱建立了與SAE隱含單元數(shù)量一致的淺層神經(jīng)網(wǎng)絡(luò)SVM及KNN,訓(xùn)練采用相同訓(xùn)練樣本庫(kù),訓(xùn)練結(jié)果如圖13所示。

    由圖13的混淆矩陣計(jì)算可得,SVM識(shí)別正確率為64.3%,KNN為55.4%。綜合圖9~圖13的結(jié)果可見(jiàn),在樣本數(shù)據(jù)不多的情況下,基于深度學(xué)習(xí)方法的損傷位置識(shí)別效果就已經(jīng)大幅領(lǐng)先淺層神經(jīng)網(wǎng)絡(luò)的識(shí)別結(jié)果。其中,CNN識(shí)別正確率為87.5%,SAE為85.1%,而淺層神經(jīng)網(wǎng)絡(luò)中的SVM為64.3%,KNN為55.4%。對(duì)比上述方法的識(shí)別結(jié)果可得:基于深度學(xué)習(xí)的損傷識(shí)別方法可用于識(shí)別海量監(jiān)測(cè)數(shù)據(jù),其具有優(yōu)秀的損傷模式記憶能力,可以區(qū)分不同的損傷工況;采用相同的損傷樣本庫(kù),它比淺層神經(jīng)網(wǎng)絡(luò)方法具有更高的精度。

    圖13 淺層神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果

    4 結(jié) 語(yǔ)

    (1)本文采用的損傷識(shí)別方法不論是通過(guò)圖像識(shí)別還是通過(guò)數(shù)據(jù)序列識(shí)別,都表現(xiàn)出優(yōu)秀的性能,識(shí)別正確率均超過(guò)85%,具備識(shí)別海量監(jiān)測(cè)數(shù)據(jù)的能力。

    (2)在監(jiān)督訓(xùn)練樣本數(shù)量一致的情況下,深度神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別效果比淺層神經(jīng)網(wǎng)絡(luò)更好,識(shí)別正確率提高20%以上。

    (3)本文的損傷樣本主要取自有限元模型,難以充分反映橋梁實(shí)際損傷情況,待將來(lái)建立了各類橋梁監(jiān)測(cè)數(shù)據(jù)損傷樣本庫(kù),本文所提方法針對(duì)海量數(shù)據(jù)集還待有更進(jìn)一步的工程應(yīng)用效果。

    猜你喜歡
    監(jiān)測(cè)數(shù)據(jù)編碼器測(cè)點(diǎn)
    液壓支架整機(jī)靜強(qiáng)度試驗(yàn)及等效應(yīng)力分析
    基于CATIA的汽車(chē)測(cè)點(diǎn)批量開(kāi)發(fā)的研究與應(yīng)用
    GSM-R接口監(jiān)測(cè)數(shù)據(jù)精確地理化方法及應(yīng)用
    基于FPGA的同步機(jī)軸角編碼器
    基于PRBS檢測(cè)的8B/IOB編碼器設(shè)計(jì)
    JESD204B接口協(xié)議中的8B10B編碼器設(shè)計(jì)
    電子器件(2015年5期)2015-12-29 08:42:24
    GPS異常監(jiān)測(cè)數(shù)據(jù)的關(guān)聯(lián)負(fù)選擇分步識(shí)別算法
    基于小波函數(shù)對(duì)GNSS監(jiān)測(cè)數(shù)據(jù)降噪的應(yīng)用研究
    拱壩結(jié)構(gòu)損傷的多測(cè)點(diǎn)R/S分析
    多總線式光電編碼器的設(shè)計(jì)與應(yīng)用
    婷婷六月久久综合丁香| 波多野结衣高清无吗| 99在线视频只有这里精品首页| 天堂√8在线中文| 亚洲欧美日韩无卡精品| 亚洲人成网站在线播| 丰满人妻一区二区三区视频av | 成人精品一区二区免费| 亚洲一区高清亚洲精品| 欧美3d第一页| 国产日本99.免费观看| 久久久国产成人免费| 亚洲五月婷婷丁香| 精品免费久久久久久久清纯| 亚洲熟妇熟女久久| 十八禁网站免费在线| 亚洲欧美日韩无卡精品| 精品久久久久久,| 一级黄色大片毛片| 国产精品1区2区在线观看.| 99热精品在线国产| а√天堂www在线а√下载| 久久精品人妻少妇| 成人一区二区视频在线观看| 男女之事视频高清在线观看| 日本 av在线| 一进一出抽搐gif免费好疼| 国产探花极品一区二区| 日韩欧美国产在线观看| 国产亚洲欧美98| 成人无遮挡网站| 99在线人妻在线中文字幕| 中文亚洲av片在线观看爽| 99热这里只有是精品50| 18美女黄网站色大片免费观看| 乱人视频在线观看| 国产欧美日韩精品亚洲av| 十八禁网站免费在线| 久久久久久大精品| 叶爱在线成人免费视频播放| 观看美女的网站| 男女之事视频高清在线观看| 久久6这里有精品| 夜夜爽天天搞| 久久久国产精品麻豆| 日韩欧美一区二区三区在线观看| 国产精品99久久久久久久久| 亚洲人成网站高清观看| 99精品在免费线老司机午夜| 午夜精品一区二区三区免费看| 午夜久久久久精精品| 久久天躁狠狠躁夜夜2o2o| 最后的刺客免费高清国语| 最近最新免费中文字幕在线| 嫁个100分男人电影在线观看| 午夜免费激情av| 给我免费播放毛片高清在线观看| 麻豆国产av国片精品| 日韩亚洲欧美综合| 三级毛片av免费| 日本黄色片子视频| 51国产日韩欧美| 亚洲一区高清亚洲精品| 蜜桃亚洲精品一区二区三区| 狂野欧美激情性xxxx| 俄罗斯特黄特色一大片| avwww免费| 久久精品人妻少妇| 久久久久久久久中文| 最新美女视频免费是黄的| x7x7x7水蜜桃| 中文字幕熟女人妻在线| 国内揄拍国产精品人妻在线| 国产真人三级小视频在线观看| 精品国产超薄肉色丝袜足j| 少妇高潮的动态图| 欧美日韩综合久久久久久 | 99国产综合亚洲精品| 久久久久久国产a免费观看| 俄罗斯特黄特色一大片| 国模一区二区三区四区视频| 日本一二三区视频观看| 美女cb高潮喷水在线观看| 舔av片在线| 亚洲国产精品成人综合色| 国产黄a三级三级三级人| 啦啦啦免费观看视频1| 亚洲 国产 在线| 国产精品国产高清国产av| 国产精品野战在线观看| 高清在线国产一区| 国产97色在线日韩免费| svipshipincom国产片| 国产单亲对白刺激| 亚洲国产色片| 男人的好看免费观看在线视频| 亚洲精华国产精华精| 91在线精品国自产拍蜜月 | svipshipincom国产片| 久久久久性生活片| 午夜激情欧美在线| 亚洲成av人片免费观看| 久久久久九九精品影院| 亚洲精华国产精华精| 51午夜福利影视在线观看| 国产精品女同一区二区软件 | 国产精品乱码一区二三区的特点| 一区二区三区激情视频| 午夜福利高清视频| 免费看a级黄色片| 91麻豆精品激情在线观看国产| 精品久久久久久久毛片微露脸| 99精品欧美一区二区三区四区| 神马国产精品三级电影在线观看| 日本成人三级电影网站| av天堂中文字幕网| 又粗又爽又猛毛片免费看| 久久99热这里只有精品18| 国产亚洲欧美在线一区二区| 五月玫瑰六月丁香| 一二三四社区在线视频社区8| 俄罗斯特黄特色一大片| 色精品久久人妻99蜜桃| 最近在线观看免费完整版| 国内精品久久久久久久电影| 午夜福利成人在线免费观看| 中文在线观看免费www的网站| 麻豆一二三区av精品| 网址你懂的国产日韩在线| 国产一区二区三区视频了| 女人高潮潮喷娇喘18禁视频| 91麻豆精品激情在线观看国产| 久久精品综合一区二区三区| 日本a在线网址| 一进一出好大好爽视频| 黄色女人牲交| 伊人久久大香线蕉亚洲五| 亚洲国产精品合色在线| 精品国产超薄肉色丝袜足j| 看片在线看免费视频| 日韩欧美国产在线观看| 国产高清videossex| 亚洲成a人片在线一区二区| 操出白浆在线播放| 给我免费播放毛片高清在线观看| 老司机午夜十八禁免费视频| 中文字幕人妻熟人妻熟丝袜美 | 国产三级在线视频| 宅男免费午夜| 一个人免费在线观看电影| 真人一进一出gif抽搐免费| 国产97色在线日韩免费| 看免费av毛片| 又黄又粗又硬又大视频| 老司机在亚洲福利影院| 亚洲最大成人中文| 日韩欧美在线乱码| 免费一级毛片在线播放高清视频| 夜夜躁狠狠躁天天躁| 色综合欧美亚洲国产小说| 国产成人av教育| 精品欧美国产一区二区三| 欧美乱妇无乱码| 好男人在线观看高清免费视频| 国产成人aa在线观看| 免费在线观看亚洲国产| 狂野欧美激情性xxxx| 国产精品久久电影中文字幕| 国产av一区在线观看免费| 国产成人啪精品午夜网站| 欧美中文综合在线视频| 亚洲一区高清亚洲精品| 欧美另类亚洲清纯唯美| 99久久综合精品五月天人人| 两人在一起打扑克的视频| 成年版毛片免费区| 一进一出抽搐gif免费好疼| 久久精品国产亚洲av香蕉五月| 黄色视频,在线免费观看| 久久久色成人| 欧美日韩亚洲国产一区二区在线观看| 日日夜夜操网爽| 国产精品1区2区在线观看.| 午夜福利高清视频| 婷婷精品国产亚洲av在线| 人人妻人人澡欧美一区二区| 久久人人精品亚洲av| av天堂在线播放| 一进一出好大好爽视频| 国产精品爽爽va在线观看网站| 免费搜索国产男女视频| 国产中年淑女户外野战色| 成年免费大片在线观看| 99久国产av精品| 精品午夜福利视频在线观看一区| 国产精品野战在线观看| 国产亚洲精品久久久久久毛片| 亚洲美女黄片视频| 19禁男女啪啪无遮挡网站| 亚洲精华国产精华精| 中出人妻视频一区二区| 脱女人内裤的视频| 亚洲中文字幕日韩| 最新中文字幕久久久久| 亚洲欧美一区二区三区黑人| 99精品久久久久人妻精品| 午夜久久久久精精品| 少妇熟女aⅴ在线视频| 欧美一区二区精品小视频在线| 午夜免费观看网址| 欧美性猛交黑人性爽| 国产精品一区二区三区四区久久| 国产av不卡久久| 国产午夜福利久久久久久| 亚洲国产高清在线一区二区三| 岛国在线观看网站| 校园春色视频在线观看| 亚洲久久久久久中文字幕| 在线观看午夜福利视频| 亚洲精品影视一区二区三区av| 美女高潮的动态| 国产亚洲欧美98| 亚洲人成网站在线播| 国产成+人综合+亚洲专区| 欧美三级亚洲精品| 久久这里只有精品中国| 日韩av在线大香蕉| 美女 人体艺术 gogo| 国产激情欧美一区二区| 亚洲成人免费电影在线观看| 黄色女人牲交| 亚洲国产精品成人综合色| svipshipincom国产片| 亚洲无线观看免费| 亚洲精品亚洲一区二区| 国产精品香港三级国产av潘金莲| 91麻豆精品激情在线观看国产| 88av欧美| 国产精品精品国产色婷婷| 嫁个100分男人电影在线观看| 免费看十八禁软件| 18美女黄网站色大片免费观看| 麻豆国产av国片精品| 很黄的视频免费| 法律面前人人平等表现在哪些方面| 两个人看的免费小视频| 久久久久免费精品人妻一区二区| 亚洲色图av天堂| 91字幕亚洲| 国产精品久久久人人做人人爽| 国产精品爽爽va在线观看网站| 一区二区三区免费毛片| 熟女人妻精品中文字幕| 99热这里只有精品一区| 波多野结衣巨乳人妻| 亚洲无线观看免费| 身体一侧抽搐| 大型黄色视频在线免费观看| 国产免费一级a男人的天堂| 日韩人妻高清精品专区| 女生性感内裤真人,穿戴方法视频| 久久久色成人| 99精品在免费线老司机午夜| ponron亚洲| 国产亚洲欧美在线一区二区| 国产美女午夜福利| 免费一级毛片在线播放高清视频| 日韩人妻高清精品专区| 欧美性猛交黑人性爽| 免费在线观看成人毛片| 欧美乱码精品一区二区三区| 国产爱豆传媒在线观看| 午夜a级毛片| 国产一区二区激情短视频| 舔av片在线| 欧美日韩一级在线毛片| 欧美一级a爱片免费观看看| 亚洲精品在线美女| 国产精品一及| 女人十人毛片免费观看3o分钟| www.www免费av| 欧洲精品卡2卡3卡4卡5卡区| 国产黄片美女视频| 国产免费av片在线观看野外av| 夜夜爽天天搞| 在线播放国产精品三级| 日本黄色视频三级网站网址| 99热只有精品国产| 母亲3免费完整高清在线观看| 国产精品久久久久久久电影 | 给我免费播放毛片高清在线观看| 午夜精品一区二区三区免费看| 一区二区三区激情视频| АⅤ资源中文在线天堂| 操出白浆在线播放| 亚洲av中文字字幕乱码综合| 人妻夜夜爽99麻豆av| 99热只有精品国产| 19禁男女啪啪无遮挡网站| 噜噜噜噜噜久久久久久91| 日韩高清综合在线| 午夜精品久久久久久毛片777| 夜夜夜夜夜久久久久| www.熟女人妻精品国产| 午夜免费男女啪啪视频观看 | 美女被艹到高潮喷水动态| 啦啦啦韩国在线观看视频| 成年女人看的毛片在线观看| 国产精品综合久久久久久久免费| 香蕉av资源在线| 天美传媒精品一区二区| 国产69精品久久久久777片| 亚洲国产日韩欧美精品在线观看 | 久久九九热精品免费| 真实男女啪啪啪动态图| 国产亚洲精品久久久久久毛片| 18禁国产床啪视频网站| 男插女下体视频免费在线播放| 亚洲在线观看片| 一区二区三区高清视频在线| 亚洲狠狠婷婷综合久久图片| 亚洲欧美日韩高清专用| 一级毛片女人18水好多| 国产精品亚洲美女久久久| 动漫黄色视频在线观看| 亚洲国产欧美人成| 国产精品久久久久久久久免 | 国产黄色小视频在线观看| 精品一区二区三区视频在线 | 国产精品98久久久久久宅男小说| 亚洲美女黄片视频| 亚洲狠狠婷婷综合久久图片| 在线观看日韩欧美| 亚洲在线自拍视频| 精品国产超薄肉色丝袜足j| 色吧在线观看| 俺也久久电影网| 一本精品99久久精品77| 免费av不卡在线播放| 啦啦啦免费观看视频1| 狠狠狠狠99中文字幕| 青草久久国产| 亚洲成a人片在线一区二区| 亚洲欧美日韩高清在线视频| 欧美日韩精品网址| 午夜福利18| 亚洲国产欧洲综合997久久,| 免费观看的影片在线观看| 成人精品一区二区免费| 男人舔女人下体高潮全视频| 国产亚洲av嫩草精品影院| 少妇的逼水好多| 国产一区在线观看成人免费| 桃红色精品国产亚洲av| 国产精品野战在线观看| 丁香欧美五月| 十八禁人妻一区二区| 免费av观看视频| 国产不卡一卡二| 国产精品久久视频播放| 一进一出抽搐动态| 亚洲国产中文字幕在线视频| 亚洲国产欧美网| 精品国产亚洲在线| 国产欧美日韩精品亚洲av| 久久久久性生活片| 白带黄色成豆腐渣| 免费电影在线观看免费观看| 免费观看的影片在线观看| 在线播放国产精品三级| 12—13女人毛片做爰片一| av在线天堂中文字幕| 亚洲国产中文字幕在线视频| 成人特级黄色片久久久久久久| 99在线人妻在线中文字幕| 欧美黄色淫秽网站| 一级黄色大片毛片| 亚洲精品粉嫩美女一区| 亚洲人成伊人成综合网2020| 欧美激情久久久久久爽电影| 久久久久久久久久黄片| 黄色片一级片一级黄色片| 成人国产综合亚洲| 中文字幕人妻丝袜一区二区| 国内精品久久久久久久电影| 久久久久国产精品人妻aⅴ院| 男女床上黄色一级片免费看| 亚洲欧美日韩高清专用| 中出人妻视频一区二区| 少妇的逼水好多| 亚洲 国产 在线| 国产精品一区二区三区四区久久| 免费看十八禁软件| 色综合欧美亚洲国产小说| 91久久精品电影网| 国产精品久久久久久精品电影| 免费搜索国产男女视频| 免费在线观看成人毛片| 小蜜桃在线观看免费完整版高清| 亚洲成人久久性| 乱人视频在线观看| 狂野欧美激情性xxxx| 小说图片视频综合网站| 国产精品一区二区三区四区久久| 首页视频小说图片口味搜索| 亚洲中文字幕日韩| 深爱激情五月婷婷| 亚洲天堂国产精品一区在线| 日韩欧美国产一区二区入口| 欧美成人一区二区免费高清观看| 免费人成在线观看视频色| 国产一区在线观看成人免费| 午夜激情福利司机影院| 熟妇人妻久久中文字幕3abv| 99久久精品热视频| 非洲黑人性xxxx精品又粗又长| 老熟妇乱子伦视频在线观看| 久久久久久久午夜电影| 非洲黑人性xxxx精品又粗又长| 午夜日韩欧美国产| 搡女人真爽免费视频火全软件 | 久久久成人免费电影| 日韩高清综合在线| 啦啦啦观看免费观看视频高清| 午夜影院日韩av| 免费观看人在逋| 高清在线国产一区| 欧美一区二区精品小视频在线| 噜噜噜噜噜久久久久久91| 欧美日韩亚洲国产一区二区在线观看| 熟女电影av网| 在线观看美女被高潮喷水网站 | 国产精品女同一区二区软件 | 午夜福利欧美成人| 午夜免费激情av| 国产伦精品一区二区三区四那| 日韩精品青青久久久久久| 日韩欧美免费精品| 内地一区二区视频在线| 在线观看av片永久免费下载| 国产精品久久久久久人妻精品电影| 久久久久久久亚洲中文字幕 | 欧美乱色亚洲激情| 国产蜜桃级精品一区二区三区| 午夜福利高清视频| 亚洲av美国av| 一级黄片播放器| 一个人看的www免费观看视频| www.999成人在线观看| 国产精品久久视频播放| 精品午夜福利视频在线观看一区| 午夜福利在线观看免费完整高清在 | 亚洲精品亚洲一区二区| 制服丝袜大香蕉在线| 国产色婷婷99| 国产精品香港三级国产av潘金莲| 成人性生交大片免费视频hd| 免费av不卡在线播放| 哪里可以看免费的av片| 99久国产av精品| 亚洲精品亚洲一区二区| 一本久久中文字幕| 国产伦在线观看视频一区| 88av欧美| 国产精品久久电影中文字幕| 久久精品人妻少妇| 禁无遮挡网站| 国产精品国产高清国产av| 88av欧美| 精品久久久久久久久久久久久| 人人妻人人澡欧美一区二区| 午夜福利视频1000在线观看| 欧美不卡视频在线免费观看| 99国产综合亚洲精品| 夜夜躁狠狠躁天天躁| 日韩欧美一区二区三区在线观看| 精品熟女少妇八av免费久了| 色综合婷婷激情| 国产私拍福利视频在线观看| 可以在线观看的亚洲视频| 欧美高清成人免费视频www| 国产一区二区激情短视频| 两人在一起打扑克的视频| 日韩国内少妇激情av| 噜噜噜噜噜久久久久久91| 国产精品亚洲av一区麻豆| 国内精品一区二区在线观看| 深夜精品福利| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区三区四区免费观看 | netflix在线观看网站| 国产精品免费一区二区三区在线| 欧美一级毛片孕妇| 男人舔奶头视频| 在线观看日韩欧美| 中文亚洲av片在线观看爽| 一个人免费在线观看电影| 小蜜桃在线观看免费完整版高清| 在线免费观看的www视频| 在线播放国产精品三级| 久久人人精品亚洲av| 成人性生交大片免费视频hd| 国产亚洲精品久久久久久毛片| 两个人视频免费观看高清| 中文资源天堂在线| 成人特级av手机在线观看| 国产 一区 欧美 日韩| 黄色女人牲交| 人妻久久中文字幕网| 欧美一区二区精品小视频在线| 一区二区三区免费毛片| 成年版毛片免费区| 两个人视频免费观看高清| 欧美+日韩+精品| a级毛片a级免费在线| 天堂影院成人在线观看| 日本五十路高清| 99在线视频只有这里精品首页| 国产精品亚洲美女久久久| 亚洲狠狠婷婷综合久久图片| 怎么达到女性高潮| 国内揄拍国产精品人妻在线| 最新在线观看一区二区三区| 日本黄大片高清| 亚洲精品影视一区二区三区av| 免费av观看视频| 变态另类丝袜制服| 久久久久精品国产欧美久久久| 亚洲自拍偷在线| 黄色片一级片一级黄色片| 午夜两性在线视频| 久久久久久久精品吃奶| 人人妻人人看人人澡| 男女床上黄色一级片免费看| 黄色丝袜av网址大全| 美女免费视频网站| 亚洲欧美激情综合另类| 国产99白浆流出| 一区二区三区免费毛片| 香蕉久久夜色| 国产一区二区亚洲精品在线观看| 亚洲欧美日韩高清在线视频| 精华霜和精华液先用哪个| 色av中文字幕| 婷婷精品国产亚洲av| 国产亚洲欧美在线一区二区| 九色国产91popny在线| 99久久精品热视频| 欧洲精品卡2卡3卡4卡5卡区| 最新中文字幕久久久久| 久久草成人影院| 美女免费视频网站| www国产在线视频色| 2021天堂中文幕一二区在线观| 51国产日韩欧美| 亚洲 国产 在线| 狂野欧美白嫩少妇大欣赏| 大型黄色视频在线免费观看| 在线观看日韩欧美| 99久久久亚洲精品蜜臀av| 久久久色成人| 老汉色∧v一级毛片| 亚洲五月婷婷丁香| 999久久久精品免费观看国产| 十八禁人妻一区二区| 白带黄色成豆腐渣| 欧美黑人巨大hd| 成人高潮视频无遮挡免费网站| 欧美性猛交╳xxx乱大交人| 国产色婷婷99| 亚洲国产欧洲综合997久久,| 亚洲av成人精品一区久久| 国产av不卡久久| 可以在线观看毛片的网站| 波多野结衣高清作品| 欧美中文综合在线视频| www.色视频.com| 午夜久久久久精精品| 国产精品av视频在线免费观看| 日本三级黄在线观看| 最新中文字幕久久久久| 亚洲国产中文字幕在线视频| 色噜噜av男人的天堂激情| 午夜福利成人在线免费观看| 亚洲成人精品中文字幕电影| 国产69精品久久久久777片| 午夜福利18| 99热这里只有精品一区| 午夜a级毛片| 高清在线国产一区| 日韩欧美三级三区| 免费观看精品视频网站| 麻豆国产97在线/欧美| 亚洲欧美日韩高清在线视频| www.999成人在线观看| 国产成人av激情在线播放| 国产黄a三级三级三级人| 欧美国产日韩亚洲一区| av中文乱码字幕在线| 在线免费观看不下载黄p国产 | 国产伦精品一区二区三区视频9 | 免费av不卡在线播放| 国模一区二区三区四区视频| 亚洲电影在线观看av| 亚洲最大成人手机在线| 老汉色∧v一级毛片| 51国产日韩欧美| 男女午夜视频在线观看| 成年免费大片在线观看| 国产男靠女视频免费网站| bbb黄色大片| 无遮挡黄片免费观看| 非洲黑人性xxxx精品又粗又长| 亚洲精品亚洲一区二区| 桃色一区二区三区在线观看|