• <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
    国产在线视频一区二区| 久久香蕉激情| 老司机福利观看| 黄色毛片三级朝国网站| 激情视频va一区二区三区| 午夜激情av网站| www日本在线高清视频| 日韩制服丝袜自拍偷拍| 亚洲av电影在线进入| 欧美精品一区二区免费开放| 黄色a级毛片大全视频| 丝袜脚勾引网站| 国产亚洲av片在线观看秒播厂| 亚洲精品国产精品久久久不卡| 国产成人影院久久av| 久久久久国产一级毛片高清牌| 亚洲av片天天在线观看| 国产亚洲av片在线观看秒播厂| 色94色欧美一区二区| 欧美日韩视频精品一区| 国产成人免费无遮挡视频| 美女国产高潮福利片在线看| 亚洲成人手机| videosex国产| 欧美黑人欧美精品刺激| 在线永久观看黄色视频| 三上悠亚av全集在线观看| 妹子高潮喷水视频| 777久久人妻少妇嫩草av网站| 女人高潮潮喷娇喘18禁视频| 91成年电影在线观看| 中文字幕人妻熟女乱码| 亚洲中文日韩欧美视频| 日本91视频免费播放| 91成年电影在线观看| 国产成人av教育| 亚洲色图综合在线观看| 99久久人妻综合| 国产一区二区三区在线臀色熟女 | 精品卡一卡二卡四卡免费| 少妇粗大呻吟视频| 性高湖久久久久久久久免费观看| av片东京热男人的天堂| 欧美激情久久久久久爽电影 | 狠狠婷婷综合久久久久久88av| 最黄视频免费看| 精品少妇久久久久久888优播| 动漫黄色视频在线观看| 国产在线免费精品| av片东京热男人的天堂| 中文字幕精品免费在线观看视频| 美女中出高潮动态图| 在线看a的网站| 高清av免费在线| 男人爽女人下面视频在线观看| 亚洲伊人色综图| 秋霞在线观看毛片| 如日韩欧美国产精品一区二区三区| 免费观看a级毛片全部| 亚洲国产av影院在线观看| 中文精品一卡2卡3卡4更新| 欧美人与性动交α欧美软件| 青春草视频在线免费观看| 欧美在线一区亚洲| 久久国产精品人妻蜜桃| 好男人电影高清在线观看| 美女高潮到喷水免费观看| 久9热在线精品视频| 脱女人内裤的视频| 国产日韩欧美亚洲二区| 99国产精品一区二区蜜桃av | 久久天躁狠狠躁夜夜2o2o| 法律面前人人平等表现在哪些方面 | 美女国产高潮福利片在线看| 国产伦理片在线播放av一区| 精品国产乱码久久久久久小说| 亚洲中文日韩欧美视频| videos熟女内射| 精品国产乱码久久久久久男人| 国产黄色免费在线视频| 亚洲人成电影免费在线| 欧美乱码精品一区二区三区| 日韩精品免费视频一区二区三区| 亚洲精华国产精华精| 亚洲欧洲精品一区二区精品久久久| 少妇 在线观看| 热99久久久久精品小说推荐| 黄色毛片三级朝国网站| 黑人巨大精品欧美一区二区蜜桃| 中文字幕人妻丝袜制服| www.熟女人妻精品国产| 亚洲欧美激情在线| 90打野战视频偷拍视频| 一本色道久久久久久精品综合| 超碰成人久久| 久久久欧美国产精品| 大香蕉久久成人网| 91精品国产国语对白视频| 美女国产高潮福利片在线看| 精品国产超薄肉色丝袜足j| 97在线人人人人妻| 日韩视频一区二区在线观看| 美女高潮到喷水免费观看| 中亚洲国语对白在线视频| 1024视频免费在线观看| 一区二区三区精品91| 首页视频小说图片口味搜索| 亚洲 欧美一区二区三区| 国产成人欧美| 欧美激情高清一区二区三区| 高清在线国产一区| 三上悠亚av全集在线观看| 亚洲性夜色夜夜综合| 国产精品亚洲av一区麻豆| www日本在线高清视频| 考比视频在线观看| 一区在线观看完整版| 国产免费视频播放在线视频| 巨乳人妻的诱惑在线观看| 啪啪无遮挡十八禁网站| 免费在线观看日本一区| 欧美av亚洲av综合av国产av| 国产精品偷伦视频观看了| 看免费av毛片| 精品亚洲乱码少妇综合久久| 视频在线观看一区二区三区| 日日爽夜夜爽网站| 天天影视国产精品| 91国产中文字幕| 亚洲精品av麻豆狂野| 国产日韩欧美亚洲二区| 桃红色精品国产亚洲av| 99九九在线精品视频| 国产日韩欧美在线精品| 如日韩欧美国产精品一区二区三区| 亚洲中文日韩欧美视频| 日韩欧美一区二区三区在线观看 | 亚洲成人国产一区在线观看| 国产极品粉嫩免费观看在线| 久久久久网色| 国产在线视频一区二区| 大码成人一级视频| 亚洲精品国产区一区二| 国产伦人伦偷精品视频| 久久久久久久久免费视频了| tube8黄色片| 1024视频免费在线观看| 丰满少妇做爰视频| 午夜福利,免费看| 国产欧美日韩综合在线一区二区| 美国免费a级毛片| 国产精品香港三级国产av潘金莲| 免费观看a级毛片全部| 在线观看舔阴道视频| 亚洲国产看品久久| 亚洲人成电影免费在线| 手机成人av网站| 欧美黄色片欧美黄色片| 成人国语在线视频| 免费在线观看影片大全网站| 91av网站免费观看| 久久午夜综合久久蜜桃| 国产一区有黄有色的免费视频| 1024视频免费在线观看| 一级毛片精品| 男人添女人高潮全过程视频| 日韩有码中文字幕| 国产精品1区2区在线观看. | 国产野战对白在线观看| 免费人妻精品一区二区三区视频| 91九色精品人成在线观看| 久久亚洲精品不卡| 亚洲伊人久久精品综合| 97人妻天天添夜夜摸| 亚洲精品美女久久久久99蜜臀| 国产麻豆69| 色老头精品视频在线观看| 99re6热这里在线精品视频| 久久这里只有精品19| 五月天丁香电影| 男女床上黄色一级片免费看| 91麻豆av在线| 日韩制服丝袜自拍偷拍| 国产黄频视频在线观看| 欧美日韩国产mv在线观看视频| 精品一品国产午夜福利视频| 制服诱惑二区| 亚洲国产欧美网| 热99国产精品久久久久久7| 性色av一级| av在线app专区| 日本黄色日本黄色录像| 欧美一级毛片孕妇| 久久人人爽人人片av| videosex国产| 天堂8中文在线网| 在线观看人妻少妇| 欧美日韩视频精品一区| 一级a爱视频在线免费观看| 黄色视频不卡| av天堂久久9| www.自偷自拍.com| 亚洲七黄色美女视频| 黑人欧美特级aaaaaa片| 欧美精品高潮呻吟av久久| 中文欧美无线码| 黑人操中国人逼视频| 日韩电影二区| 亚洲国产av新网站| 亚洲精品国产区一区二| 日韩人妻精品一区2区三区| 99国产精品99久久久久| 男女床上黄色一级片免费看| 欧美少妇被猛烈插入视频| 亚洲精品国产av蜜桃| av网站免费在线观看视频| 国精品久久久久久国模美| av欧美777| 日韩有码中文字幕| 亚洲精品在线美女| 母亲3免费完整高清在线观看| 啦啦啦视频在线资源免费观看| 日韩电影二区| 国产精品亚洲av一区麻豆| 超碰97精品在线观看| 久久精品国产亚洲av高清一级| 久久久久久久精品精品| 国产av一区二区精品久久| 一区二区av电影网| 超碰97精品在线观看| 亚洲国产精品一区二区三区在线| 亚洲国产欧美网| 国产伦理片在线播放av一区| 亚洲avbb在线观看| 亚洲少妇的诱惑av| 在线观看免费日韩欧美大片| 亚洲国产精品成人久久小说| 99国产综合亚洲精品| 9色porny在线观看| 考比视频在线观看| 欧美日韩亚洲国产一区二区在线观看 | 亚洲欧美成人综合另类久久久| 老熟妇乱子伦视频在线观看 | 国产精品一区二区免费欧美 | 黄片播放在线免费| 欧美在线黄色| 亚洲国产av新网站| 老司机影院毛片| 日韩中文字幕视频在线看片| 纯流量卡能插随身wifi吗| av超薄肉色丝袜交足视频| 国产免费一区二区三区四区乱码| 男女床上黄色一级片免费看| 精品一区在线观看国产| h视频一区二区三区| 国产一区二区在线观看av| 丰满饥渴人妻一区二区三| 久久人妻熟女aⅴ| 国产99久久九九免费精品| 久久久精品免费免费高清| 国产成人免费观看mmmm| 亚洲全国av大片| 久久久久国内视频| 亚洲精品一卡2卡三卡4卡5卡 | 成人影院久久| 国产淫语在线视频| 国产精品亚洲av一区麻豆| 久久久久久久大尺度免费视频| 母亲3免费完整高清在线观看| 一区二区三区乱码不卡18| 日本精品一区二区三区蜜桃| av一本久久久久| 国产精品久久久av美女十八| 黄色片一级片一级黄色片| 亚洲精品一卡2卡三卡4卡5卡 | 日本撒尿小便嘘嘘汇集6| 国产精品免费视频内射| 五月开心婷婷网| av网站在线播放免费| 99国产极品粉嫩在线观看| 波多野结衣一区麻豆| 亚洲欧美精品综合一区二区三区| 国产免费福利视频在线观看| 欧美人与性动交α欧美软件| 欧美激情高清一区二区三区| 在线观看免费高清a一片| 久久亚洲国产成人精品v| 高清av免费在线| 精品亚洲成国产av| 国产欧美日韩综合在线一区二区| 国产高清视频在线播放一区 | www.自偷自拍.com| 国产国语露脸激情在线看| 不卡一级毛片| 久久久久国内视频| 国产视频一区二区在线看| 满18在线观看网站| 亚洲欧美一区二区三区久久| 久久久国产精品麻豆| 久久久久久久精品精品| www.999成人在线观看| 午夜成年电影在线免费观看| 亚洲国产毛片av蜜桃av| 最新在线观看一区二区三区| 在线亚洲精品国产二区图片欧美| 久9热在线精品视频| 亚洲精品成人av观看孕妇| 高清黄色对白视频在线免费看| 国产成人精品久久二区二区免费| 久久精品人人爽人人爽视色| 中文字幕高清在线视频| 91成年电影在线观看| 亚洲色图综合在线观看| 日韩,欧美,国产一区二区三区| 久久午夜综合久久蜜桃| 亚洲第一青青草原| 制服人妻中文乱码| 亚洲,欧美精品.| 国产片内射在线| 欧美在线黄色| 熟女少妇亚洲综合色aaa.| 一个人免费看片子| 中文字幕色久视频| 国产日韩欧美亚洲二区| 久久久久久亚洲精品国产蜜桃av| 久久精品国产a三级三级三级| 免费观看a级毛片全部| 天堂俺去俺来也www色官网| 久久天躁狠狠躁夜夜2o2o| 曰老女人黄片| 精品福利永久在线观看| a级毛片黄视频| 免费观看人在逋| 91九色精品人成在线观看| 视频区欧美日本亚洲| 久久久久久久精品精品| 成年人免费黄色播放视频| 色视频在线一区二区三区| 亚洲国产精品999| 欧美少妇被猛烈插入视频| 久久精品熟女亚洲av麻豆精品| 欧美一级毛片孕妇| 一区福利在线观看| 亚洲国产中文字幕在线视频| 日韩欧美一区二区三区在线观看 | 久久免费观看电影| 黄色视频在线播放观看不卡| 亚洲激情五月婷婷啪啪| 97精品久久久久久久久久精品| 亚洲av欧美aⅴ国产| 美女国产高潮福利片在线看| 最近最新免费中文字幕在线| av免费在线观看网站| 91成年电影在线观看| 国产高清videossex| 久久久精品区二区三区| 亚洲久久久国产精品| 少妇人妻久久综合中文| 丝袜脚勾引网站| 国产在线免费精品| www.精华液| 欧美日韩亚洲高清精品| 天堂中文最新版在线下载| 高潮久久久久久久久久久不卡| 波多野结衣av一区二区av| 欧美成狂野欧美在线观看| 欧美日韩国产mv在线观看视频| 亚洲视频免费观看视频| 精品久久久久久电影网| 久久久久国产精品人妻一区二区| 欧美日韩中文字幕国产精品一区二区三区 | 久久人妻熟女aⅴ| 中文字幕精品免费在线观看视频| 国产成人精品久久二区二区91| 五月天丁香电影| cao死你这个sao货| 欧美精品亚洲一区二区| 免费人妻精品一区二区三区视频| 国产成人欧美| 国产麻豆69| 极品少妇高潮喷水抽搐| 亚洲成国产人片在线观看| 午夜福利视频在线观看免费| 色综合欧美亚洲国产小说| 精品视频人人做人人爽| 搡老乐熟女国产| 黄片小视频在线播放| 淫妇啪啪啪对白视频 | 欧美大码av| 欧美黄色片欧美黄色片| 一级毛片精品| 丝袜美腿诱惑在线| 色老头精品视频在线观看| 精品福利永久在线观看| 国产精品国产三级国产专区5o| 一区二区三区精品91| 婷婷色av中文字幕| 国产极品粉嫩免费观看在线| videos熟女内射| 日韩中文字幕视频在线看片| 80岁老熟妇乱子伦牲交| 50天的宝宝边吃奶边哭怎么回事| 啦啦啦 在线观看视频| 91精品伊人久久大香线蕉| 国产一区二区三区在线臀色熟女 | 十八禁人妻一区二区| 国产精品国产三级国产专区5o| 欧美精品一区二区免费开放| 亚洲专区中文字幕在线| 菩萨蛮人人尽说江南好唐韦庄| 涩涩av久久男人的天堂| 免费久久久久久久精品成人欧美视频| 91麻豆精品激情在线观看国产 | 大陆偷拍与自拍| 搡老熟女国产l中国老女人| 丝袜美腿诱惑在线| 午夜激情av网站| 黄片大片在线免费观看| 老熟妇乱子伦视频在线观看 | 国产成人欧美在线观看 | 高清黄色对白视频在线免费看| av天堂久久9| 精品少妇一区二区三区视频日本电影| 五月开心婷婷网| 大片电影免费在线观看免费| 亚洲精品国产av蜜桃| av超薄肉色丝袜交足视频| 国产精品熟女久久久久浪| 国产精品.久久久| 亚洲av成人一区二区三| 欧美xxⅹ黑人| 麻豆乱淫一区二区| 欧美人与性动交α欧美精品济南到| 纯流量卡能插随身wifi吗| 人人妻人人澡人人看| 亚洲 国产 在线| 99热网站在线观看| av欧美777| 国产精品欧美亚洲77777| 在线永久观看黄色视频| 久热这里只有精品99| 欧美精品一区二区免费开放| 亚洲专区国产一区二区| 最近最新中文字幕大全免费视频| 夫妻午夜视频| 丁香六月欧美| 老汉色av国产亚洲站长工具| 高潮久久久久久久久久久不卡| 国产av一区二区精品久久| 成人国语在线视频| 99国产极品粉嫩在线观看| 欧美日韩一级在线毛片| 亚洲欧美日韩另类电影网站| 狠狠狠狠99中文字幕| 男女高潮啪啪啪动态图| 欧美av亚洲av综合av国产av| 精品久久蜜臀av无| 日本五十路高清| 黄色片一级片一级黄色片| 亚洲国产欧美日韩在线播放| 免费人妻精品一区二区三区视频| 亚洲欧美日韩另类电影网站| 啪啪无遮挡十八禁网站| 天天躁日日躁夜夜躁夜夜| 久久久久精品人妻al黑| 老司机福利观看| 丁香六月天网| 三级毛片av免费| 少妇 在线观看| 国产精品久久久久久人妻精品电影 | 亚洲视频免费观看视频| 日韩大片免费观看网站| 不卡一级毛片| 亚洲人成电影观看| 亚洲欧美日韩另类电影网站| 亚洲黑人精品在线| 一区二区三区乱码不卡18| 黄色视频,在线免费观看| 中文字幕高清在线视频| 蜜桃在线观看..| 老司机福利观看| 国产深夜福利视频在线观看| 亚洲一区二区三区欧美精品| 热re99久久国产66热| 欧美老熟妇乱子伦牲交| 在线av久久热| 亚洲国产成人一精品久久久| 日韩大码丰满熟妇| 老司机在亚洲福利影院| 中文字幕另类日韩欧美亚洲嫩草| 欧美另类一区| 自线自在国产av| 欧美亚洲 丝袜 人妻 在线| 99国产精品一区二区三区| 亚洲av电影在线进入| 看免费av毛片| 少妇被粗大的猛进出69影院| 在线av久久热| 精品人妻1区二区| 一区二区av电影网| 国产欧美日韩一区二区三区在线| 亚洲av国产av综合av卡| www日本在线高清视频| 成人免费观看视频高清| 青青草视频在线视频观看| 一区福利在线观看| 首页视频小说图片口味搜索| 欧美日韩黄片免| 嫁个100分男人电影在线观看| 岛国在线观看网站| 视频区欧美日本亚洲| 久久人人爽av亚洲精品天堂| 巨乳人妻的诱惑在线观看| 精品久久久久久电影网| 日韩制服丝袜自拍偷拍| 国产成人av教育| 不卡一级毛片| 国产黄频视频在线观看| 老司机在亚洲福利影院| 俄罗斯特黄特色一大片| 91精品国产国语对白视频| 亚洲精品一二三| 法律面前人人平等表现在哪些方面 | 午夜福利乱码中文字幕| 最新在线观看一区二区三区| 人人妻,人人澡人人爽秒播| 亚洲欧美成人综合另类久久久| 亚洲全国av大片| 日本撒尿小便嘘嘘汇集6| 黑人巨大精品欧美一区二区蜜桃| 国产极品粉嫩免费观看在线| 男人舔女人的私密视频| 亚洲国产av新网站| 男女午夜视频在线观看| 国产成人免费观看mmmm| 精品人妻1区二区| 十分钟在线观看高清视频www| 国产精品麻豆人妻色哟哟久久| 91麻豆av在线| 80岁老熟妇乱子伦牲交| 国产精品一区二区在线不卡| 日本精品一区二区三区蜜桃| 黑人欧美特级aaaaaa片| 99精品欧美一区二区三区四区| 日日摸夜夜添夜夜添小说| videosex国产| 亚洲av片天天在线观看| 黄频高清免费视频| 日韩 亚洲 欧美在线| 久久免费观看电影| 久久人人爽人人片av| 两性夫妻黄色片| 悠悠久久av| 成人黄色视频免费在线看| 亚洲精品在线美女| 青草久久国产| 亚洲欧美激情在线| 老鸭窝网址在线观看| a级毛片黄视频| 亚洲七黄色美女视频| 在线十欧美十亚洲十日本专区| 欧美激情高清一区二区三区| 一本大道久久a久久精品| 精品国产乱码久久久久久男人| 免费一级毛片在线播放高清视频 | 亚洲av成人一区二区三| 视频区欧美日本亚洲| 亚洲色图综合在线观看| 久久久水蜜桃国产精品网| 国产1区2区3区精品| 国产在线视频一区二区| 亚洲精品久久午夜乱码| 国产欧美日韩精品亚洲av| 天堂8中文在线网| 精品少妇黑人巨大在线播放| 中国国产av一级| 国产91精品成人一区二区三区 | 亚洲av美国av| 午夜免费鲁丝| 亚洲精品美女久久av网站| 亚洲国产欧美网| 亚洲一码二码三码区别大吗| 欧美日韩精品网址| 69av精品久久久久久 | 美女国产高潮福利片在线看| 满18在线观看网站| 欧美日韩av久久| 丝袜人妻中文字幕| 精品少妇一区二区三区视频日本电影| 1024视频免费在线观看| 国产精品国产三级国产专区5o| 国产精品成人在线| 欧美日韩黄片免| av福利片在线| 嫩草影视91久久| 三级毛片av免费| 极品少妇高潮喷水抽搐| 中文精品一卡2卡3卡4更新| 精品视频人人做人人爽| 欧美少妇被猛烈插入视频| 国产又色又爽无遮挡免| 青春草亚洲视频在线观看| 国产精品久久久人人做人人爽| 正在播放国产对白刺激| 亚洲av美国av| 窝窝影院91人妻| 欧美日韩亚洲综合一区二区三区_| 欧美 亚洲 国产 日韩一| av网站免费在线观看视频| 亚洲五月色婷婷综合| 日本av免费视频播放| 悠悠久久av| 99热网站在线观看| 巨乳人妻的诱惑在线观看| 午夜久久久在线观看|