• <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 ?

    基于內(nèi)積矩陣及卷積自編碼器的螺栓松動(dòng)狀態(tài)監(jiān)測

    2022-11-30 08:53:20張敏照田鑫海
    工程力學(xué) 2022年12期
    關(guān)鍵詞:內(nèi)積編碼器螺栓

    張敏照,王 樂,田鑫海

    (西北工業(yè)大學(xué)航空學(xué)院航空結(jié)構(gòu)工程系,陜西,西安,710072)

    結(jié)構(gòu)健康監(jiān)測技術(shù)是指通過監(jiān)測到的系統(tǒng)響應(yīng),并結(jié)合結(jié)構(gòu)自身的特性,來確定結(jié)構(gòu)的損傷位置,評估結(jié)構(gòu)的損傷程度,預(yù)測結(jié)構(gòu)的剩余壽命[1?4]。目前,基于振動(dòng)的結(jié)構(gòu)健康監(jiān)測技術(shù),尤其是飛行器結(jié)構(gòu)健康監(jiān)測,是國內(nèi)外的一個(gè)研究熱點(diǎn)[5]。

    飛行器結(jié)構(gòu)在服役過程中會(huì)遭遇各種環(huán)境載荷的作用[6?7],從而導(dǎo)致其螺栓連接結(jié)構(gòu)的預(yù)緊扭矩下降,螺栓發(fā)生松動(dòng)甚至松脫,給飛行器結(jié)構(gòu)帶來了嚴(yán)重的安全隱患,因此亟待一種穩(wěn)定可靠的方法對螺栓松動(dòng)狀態(tài)進(jìn)行監(jiān)測。詹陽磊等[8]對螺栓連接的鋁板進(jìn)行了溫變工況下的實(shí)驗(yàn),可以在一定程度下識別螺栓松動(dòng)。杜飛等[9]利用透射過螺栓的超聲導(dǎo)波信號的均方根偏差作為擰緊指標(biāo),對螺栓連接結(jié)構(gòu)進(jìn)行了松動(dòng)監(jiān)測。NA 等[10]使用機(jī)電阻抗技術(shù)和概率神經(jīng)網(wǎng)絡(luò)來識別螺栓結(jié)構(gòu)試樣上螺栓的扭矩?fù)p失。王剛等[11]利用鋁板上的壓電陣列采集Lamb 波信號,建立高斯混合模型來監(jiān)測螺栓松動(dòng)情況。TU 等[12]使用光纖布拉格光柵傳感器來監(jiān)控螺栓連接處在熱負(fù)荷下的夾緊力變化。目前現(xiàn)有方法對螺栓松動(dòng)監(jiān)測的研究已經(jīng)取得了豐碩的研究成果,但實(shí)際工程中構(gòu)件所處環(huán)境復(fù)雜,可能會(huì)受到電磁干擾、溫度變化等影響,由于傳感器的靈敏度有限,構(gòu)件中的一些狀態(tài)變化反映到測試信號中時(shí),信號變化通常并不明顯。因此,對信號進(jìn)行數(shù)據(jù)分析和損傷特征提取是螺栓松動(dòng)監(jiān)測的一個(gè)關(guān)鍵問題。

    目前,基于信號處理的結(jié)構(gòu)健康監(jiān)測研究工作集中在如何利用先進(jìn)的信號處理技術(shù)有效地進(jìn)行信號降噪、結(jié)構(gòu)損傷特征提取、辨識損傷位置上[13 ?14]。徐浩等[15]引入二維連續(xù)小波變換與數(shù)據(jù)融合技術(shù),增強(qiáng)了損傷檢測模型的抗噪能力以及工程適用性。LU 等[16]提出了基于自適應(yīng)諧波小波變換的方法,并使用時(shí)頻分析技術(shù)來對波信號進(jìn)行特征提取。周廣東等[17]針對橋梁監(jiān)測的無線測點(diǎn)優(yōu)化布置問題,提出了一種基于自適應(yīng)動(dòng)態(tài)罰函數(shù)的改進(jìn)廣義遺傳算法。在上述方法中,對參數(shù)優(yōu)化的要求較高,這使得相關(guān)信號處理的結(jié)構(gòu)健康監(jiān)測方法依賴于工程師的經(jīng)驗(yàn),會(huì)造成不可避免的人為誤差。同時(shí),現(xiàn)有的研究方法大多是基于結(jié)構(gòu)模型驅(qū)動(dòng)的健康監(jiān)測方法。然而,針對復(fù)雜結(jié)構(gòu)的健康監(jiān)測,難以建立準(zhǔn)確的結(jié)構(gòu)理論模型,限制了這些方法在結(jié)構(gòu)健康監(jiān)測領(lǐng)域的應(yīng)用。同時(shí),隨著監(jiān)測技術(shù)手段的不斷提高,結(jié)構(gòu)健康監(jiān)測領(lǐng)域產(chǎn)生了海量的監(jiān)測數(shù)據(jù)。因此,有必要設(shè)計(jì)基于數(shù)據(jù)驅(qū)動(dòng)的結(jié)構(gòu)健康監(jiān)測方法來對結(jié)構(gòu)的螺栓松動(dòng)進(jìn)行監(jiān)測。

    近年來,深度學(xué)習(xí)技術(shù),如堆棧自動(dòng)編碼器(stack autoencoder, SAE)、卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)、膠 囊 網(wǎng) 絡(luò)(capsule network, CapsNet)、卷 積 自 編 碼 器(convolutional autoencoder, CAE)等已經(jīng)成功應(yīng)用到信號處理和結(jié)構(gòu)健康監(jiān)測領(lǐng)域。與現(xiàn)有的基于模型驅(qū)動(dòng)的方法相比,基于數(shù)據(jù)驅(qū)動(dòng)的方法,如基于深度學(xué)習(xí)的損傷特征提取技術(shù)可以自動(dòng)從被測信號中提取到有用的損傷特征,從而避免了人工選擇參數(shù)帶來的誤差。例如,KANARACHOS 等[18]結(jié)合小波變換、神經(jīng)網(wǎng)絡(luò)和希爾伯特變換提出了一種新的信號處理算法;CHANG 等[19]提出了一種基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)健康監(jiān)測方法,可用于估計(jì)剛度降低引起的損傷;CHEN 等[20]提出了一種智能、端到端的健康指標(biāo)構(gòu)建方法,該方法通過遞歸神經(jīng)網(wǎng)絡(luò)連接順序局部特征,使遞歸層中提取的特征包含具有時(shí)間序列的全局信息;DENG 等[21]將空洞空間金字塔池化模塊設(shè)計(jì)為橋梁損傷檢測的新型網(wǎng)絡(luò),提出了一種橋梁結(jié)構(gòu)損傷檢測模型。上述方法在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中學(xué)習(xí)和提取輸入數(shù)據(jù)的特征并進(jìn)行結(jié)構(gòu)的損傷檢測。但是針對大量損傷特征不明顯、噪聲比較大的數(shù)據(jù),簡單的利用神經(jīng)網(wǎng)絡(luò)可能無法提取到完整的損傷信息。

    為了克服已有健康監(jiān)測方法在信號處理和特征提取問題上的不足,本文提出基于內(nèi)積矩陣的卷積自編碼器深度學(xué)習(xí)框架。首先,通過實(shí)驗(yàn)測得的響應(yīng)數(shù)據(jù)求得內(nèi)積矩陣,組成模型的訓(xùn)練數(shù)據(jù)集。其次,通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練數(shù)據(jù)的重要特征,并調(diào)整計(jì)算內(nèi)積矩陣時(shí)的采樣點(diǎn)數(shù)和CAE 網(wǎng)絡(luò)的批次大小等參數(shù),以得到更加合適的網(wǎng)絡(luò)模型。然后,將內(nèi)積矩陣數(shù)據(jù)作為網(wǎng)絡(luò)的輸入,將標(biāo)簽即預(yù)緊扭矩作為輸出,從而進(jìn)行螺栓松動(dòng)狀態(tài)的監(jiān)測。最后,與使用 IPM 的CNN、SAE、CapsNet(即 IPM-CNN 、IPM-SAE 和IPMCapsNet)相比,IPM-CAE 獲得了最佳的訓(xùn)練效率和最優(yōu)的監(jiān)測準(zhǔn)確率,驗(yàn)證了所提方法在螺栓松動(dòng)狀態(tài)監(jiān)測上的優(yōu)勢。

    首先,介紹內(nèi)積矩陣的概念;然后,簡述卷積自編碼器的理論基礎(chǔ);最后,提出基于內(nèi)積矩陣及卷積自編碼器的螺栓預(yù)緊扭矩監(jiān)測方法。

    1 理論基礎(chǔ)

    1.1 基于內(nèi)積矩陣的振動(dòng)信號處理方法

    假定在白噪聲激勵(lì)下,采集獲得結(jié)構(gòu)上若干測點(diǎn)1,2,···p上的加速度響應(yīng)為x¨1,x¨2···,x¨p,參考點(diǎn)的加速度響應(yīng)為x¨j,各響應(yīng)的采樣點(diǎn)個(gè)數(shù)均為Ns,可以獲得內(nèi)積向量的計(jì)算公式如下[22]:

    式 中,Rx¨px¨j(0) 表 示 響 應(yīng)x¨p(t)(p=0,1,···n)與 響 應(yīng)¨xj(t)的互相關(guān)函數(shù)在時(shí)間延遲為零的值。根據(jù)線性系統(tǒng)的疊加原理可知,針對某一參考點(diǎn),通過相關(guān)理論推導(dǎo),可以確定內(nèi)積向量為結(jié)構(gòu)各階模態(tài)振型的線性組合。結(jié)構(gòu)發(fā)生損傷時(shí)模態(tài)振型的變化可以體現(xiàn)在內(nèi)積向量的變化上。內(nèi)積向量是由結(jié)構(gòu)加速度響應(yīng)測點(diǎn)的時(shí)域響應(yīng)直接計(jì)算得到的,此過程不需要模態(tài)識別,從而有效避免了模態(tài)識別帶來的誤差。因此,內(nèi)積向量可以有效地應(yīng)用在結(jié)構(gòu)損傷識別中。

    由于內(nèi)積向量是一個(gè)一維向量,包含的結(jié)構(gòu)測點(diǎn)的時(shí)域響應(yīng)數(shù)據(jù)較少,且在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中需要輸入的數(shù)據(jù)通常為二維矩陣,因此,為了充分利用實(shí)驗(yàn)中各測點(diǎn)的時(shí)域響應(yīng)數(shù)據(jù)并滿足神經(jīng)網(wǎng)絡(luò)的輸入要求,可將內(nèi)積向量擴(kuò)展到內(nèi)積矩陣。在內(nèi)積向量中,僅采用某一個(gè)測點(diǎn)j的加速度響應(yīng)作為參考點(diǎn)來與其他響應(yīng)進(jìn)行內(nèi)積運(yùn)算。在內(nèi)積矩陣的計(jì)算中,將參考點(diǎn)j的取值分別設(shè)為各個(gè)測點(diǎn),即j=1,2,···p,則內(nèi)積矩陣的計(jì)算公式如下:

    1.2 卷積自編碼器

    卷積自編碼器使用了傳統(tǒng)自編碼器的無監(jiān)督學(xué)習(xí)方式,并結(jié)合了卷積神經(jīng)網(wǎng)絡(luò)的卷積和池化操作,從而實(shí)現(xiàn)特征提取[23]。卷積自編碼器在其訓(xùn)練過程中,先對輸入數(shù)據(jù)進(jìn)行編碼再解碼,并比較解碼后的數(shù)據(jù)與原始數(shù)據(jù)的差異進(jìn)行訓(xùn)練,從而得到比較穩(wěn)定的參數(shù)。在一層的參數(shù)都訓(xùn)練好后,再進(jìn)行下一步的訓(xùn)練。在卷積自編碼器中,使用卷積神經(jīng)網(wǎng)絡(luò)作為編碼器和解碼器,從而對數(shù)據(jù)進(jìn)行特征提取。簡單的卷積自編碼器如圖1 所示。

    圖1 CAE 網(wǎng)絡(luò)結(jié)構(gòu)Fig. 1 Network structure of CAE

    卷積自編碼器的原理如下:

    在卷積層中,假設(shè)有k個(gè)卷積核,每個(gè)卷積核由參數(shù)wk和偏置bk組成。用hk表示卷積層,輸入x后可生成k個(gè)特征數(shù)據(jù),則:

    在池化層中對卷積層生成的特征數(shù)據(jù)進(jìn)行池化操作。

    然后,對上面生成的特征數(shù)據(jù)進(jìn)行反池化操作,使用保留池化時(shí)的位置關(guān)系矩陣,將數(shù)據(jù)還原到原始大小的矩陣。

    在反卷積過程中,將每個(gè)特征數(shù)據(jù)與其對應(yīng)的卷積核的轉(zhuǎn)置進(jìn)行卷積操作并將結(jié)果求和,再加上偏置c,激活函數(shù)不變。則輸出y的計(jì)算公式如下:

    采用MSE(均方誤差)函數(shù)作為損失函數(shù),即目標(biāo)值減去預(yù)測值的平方和再求均值,公式如下:

    2 IPM-CAE 方法原理

    為了從原始的振動(dòng)響應(yīng)信號中提取有效的損傷信息,提高計(jì)算效率,本文將內(nèi)積矩陣與深度學(xué)習(xí)方法相結(jié)合,將內(nèi)積矩陣作為CAE 網(wǎng)絡(luò)的輸入。將每個(gè)螺栓的S 種健康狀態(tài)分為S 類,作為網(wǎng)絡(luò)的輸出,再使用CAE 網(wǎng)絡(luò)來訓(xùn)練此分類問題。由于使用CAE 網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)需要大量帶標(biāo)簽的數(shù)據(jù),本文將每個(gè)傳感器測得的加速度時(shí)域響應(yīng)進(jìn)行分組,從而構(gòu)建標(biāo)簽數(shù)據(jù)庫。將結(jié)構(gòu)健康狀態(tài)下每一個(gè)傳感器的測試數(shù)據(jù)分為m組,每組的每一個(gè)響應(yīng)測點(diǎn)均包含n個(gè)采樣點(diǎn),利用每組p個(gè)傳感器的n個(gè)采樣點(diǎn),可以獲得改組的內(nèi)積矩陣,進(jìn)而可一共獲得m個(gè)內(nèi)積矩陣,這就構(gòu)成了結(jié)構(gòu)在當(dāng)前健康狀態(tài)下的標(biāo)簽數(shù)據(jù)庫。

    在計(jì)算得到輸入數(shù)據(jù)之后,需要將數(shù)據(jù)輸入卷積自編碼器中。本文所設(shè)計(jì)的卷積自編碼器包括編碼器、解碼器、全連接層及softmax 分類層,其中編碼器由兩個(gè)卷積層和一個(gè)池化層組成,解碼器由兩個(gè)反卷積層和一個(gè)上采樣層組成,它們將原始數(shù)據(jù)映射到隱藏特征空間,以提取數(shù)據(jù)特征。全連接層為一層,它將提取到的數(shù)據(jù)特征映射到樣本標(biāo)記空間。Softmax 分類層可以獲得分類的概率[24]?;诰矸e自動(dòng)編碼器進(jìn)行螺栓松動(dòng)狀態(tài)監(jiān)測的流程如圖2 所示。

    圖2 螺栓松動(dòng)狀態(tài)監(jiān)測過程圖Fig. 2 Process diagram of bolt loosening state monitoring

    具體監(jiān)測流程如下:

    步驟 1. 將振動(dòng)響應(yīng)數(shù)據(jù)集進(jìn)行處理,計(jì)算其內(nèi)積矩陣,以此作為神經(jīng)網(wǎng)絡(luò)的輸入。

    步驟 2. 設(shè)置合理的卷積自編碼器網(wǎng)絡(luò)結(jié)構(gòu)。

    步驟 3. 將處理好的內(nèi)積矩陣分成訓(xùn)練集、測試集和驗(yàn)證集并輸入CAE 網(wǎng)絡(luò)。

    步驟 4. 對網(wǎng)絡(luò)進(jìn)行無監(jiān)督訓(xùn)練,以提取輸入數(shù)據(jù)的特征。

    步驟 5. 將內(nèi)積矩陣數(shù)據(jù)作為網(wǎng)絡(luò)的輸入,將螺栓預(yù)緊扭矩編號作為標(biāo)簽,對網(wǎng)絡(luò)進(jìn)行有監(jiān)督的訓(xùn)練。

    步驟 6. 將測試集數(shù)據(jù)輸入到CAE 網(wǎng)絡(luò)中,測試網(wǎng)絡(luò)的識別效果。

    3 螺栓連接搭接板的螺栓松動(dòng)狀態(tài)識別研究

    螺栓連接搭接板結(jié)構(gòu)是航空領(lǐng)域常見的一種連接方式,本節(jié)將以此為研究對象來說明本文方法的可行性及有效性。

    3.1 實(shí)驗(yàn)數(shù)據(jù)采集

    本文采用的螺栓連接的搭接板由兩塊尺寸為150 mm×90 mm×2 mm 的 鋁 板 組 成,并 由6 個(gè)M5 螺栓連接。搭接板兩側(cè)通過加持夾具固定在振動(dòng)臺上,以模擬兩邊固支邊界。

    根據(jù)內(nèi)積矩陣的理論,構(gòu)建內(nèi)積矩陣時(shí)可采用任何環(huán)境激勵(lì)作為激勵(lì)源,考慮到航空結(jié)構(gòu)在實(shí)際飛行過程中所受的環(huán)境激勵(lì)通??刹捎蔑w機(jī)振動(dòng)環(huán)境試驗(yàn)譜進(jìn)行模擬,因此本文采用某飛機(jī)振動(dòng)環(huán)境試驗(yàn)譜作為環(huán)境激勵(lì),對搭接板進(jìn)行激勵(lì)。

    實(shí)驗(yàn)中,在m+p VibControl 振動(dòng)控制系統(tǒng)中設(shè)置振動(dòng)環(huán)境試驗(yàn)譜,以驅(qū)動(dòng)?xùn)|菱ET-20 振動(dòng)臺及安裝在其上的螺栓連接搭接板,并在搭接板上布置8 個(gè)PCB Piezoelectrics 333B30 加速度傳感器(測量方向與振動(dòng)方向相同,即垂直板面方向),進(jìn)而采用Dewesoft SIRIUS 數(shù)據(jù)采集儀采集各個(gè)測點(diǎn)的加速度響應(yīng)信號。實(shí)驗(yàn)示意圖如圖3 所示,實(shí)驗(yàn)現(xiàn)場如圖4 所示。針對每一種工況的實(shí)驗(yàn),采樣頻率均為20 000 Hz,采樣時(shí)長為10 min。

    圖3 實(shí)驗(yàn)示意圖Fig. 3 Experimental schematic

    圖4 實(shí)驗(yàn)現(xiàn)場Fig. 4 Experimental setup

    將6 個(gè)螺栓按順序編號,分別為1 號~6 號,在每個(gè)螺栓旁邊布置加速度傳感器,共計(jì)8 個(gè)加速度傳感器,來測量結(jié)構(gòu)在隨機(jī)激勵(lì)下的加速度響應(yīng)。去除采樣開始的30 s 和結(jié)束的30 s 數(shù)據(jù),最終選擇9 分鐘的數(shù)據(jù)進(jìn)行數(shù)據(jù)庫構(gòu)建。對每個(gè)螺栓施加5 N·m 的預(yù)緊扭矩作為健康狀態(tài),當(dāng)1 號~6 號螺栓的預(yù)緊扭矩均為5 N·m 時(shí)結(jié)構(gòu)處于健康狀態(tài)。試驗(yàn)時(shí)分別對每個(gè)螺栓進(jìn)行松動(dòng),設(shè)置不同的預(yù)緊扭矩,間隔為0.5 N·m,其他螺栓保持5 N·m 不變。每個(gè)螺栓的預(yù)緊扭矩狀態(tài)均為5 N·m、4.5 N·m、4 N·m、3.5 N·m、3 N·m、2.5 N·m、2 N·m、1.5 N·m、1 N·m、0.5 N·m、0 N·m,共11 種工況。按螺栓編號進(jìn)行命名,如1-4.5,表示1 號螺栓預(yù)緊扭矩為4.5 N·m 的狀態(tài)。以1 號螺栓為例,具體實(shí)驗(yàn)設(shè)置如表1 所示,健康狀態(tài)和部分損傷狀態(tài)的信號圖如圖5 所示。

    圖5 1 號螺栓健康狀態(tài)和部分損傷狀態(tài)響應(yīng)圖Fig. 5 Responses of No. 1 bolt health status and partial damage status

    表1 實(shí)驗(yàn)編號設(shè)置Table 1 Experiment number setting

    3.2 實(shí)驗(yàn)參數(shù)選擇

    在實(shí)驗(yàn)中,對每一個(gè)螺栓,共進(jìn)行10 種損傷狀態(tài)、1 種健康狀態(tài)的測試,共獲得11 組數(shù)據(jù),每組數(shù)據(jù)均包含8 個(gè)測點(diǎn)的時(shí)域加速度響應(yīng)。在計(jì)算內(nèi)積矩陣時(shí),增大n的值即增加采樣點(diǎn)數(shù),會(huì)增加損傷信息,從而可以提取更加顯著的結(jié)構(gòu)損傷特征。因此在損傷指標(biāo)構(gòu)建過程中,取n=8192,m=1024,即針對11 種結(jié)構(gòu)健康狀態(tài),共計(jì)獲 得11×1024=11 264 個(gè) 內(nèi) 積 矩 陣。本 文 按 照8∶1∶1 的比例將數(shù)據(jù)劃分為訓(xùn)練集,驗(yàn)證集和測試集。

    對于IPM-CAE 網(wǎng)絡(luò)模型,一些重要的參數(shù)會(huì)對網(wǎng)絡(luò)的訓(xùn)練結(jié)果產(chǎn)生一定的影響,如卷積層的數(shù)量、卷積核的個(gè)數(shù)等。

    本文研究了卷積層數(shù)和卷積核個(gè)數(shù)的影響。卷積核也稱為濾波器[25],分別使用 1 層、2 層和 3層 CAE 模型進(jìn)行訓(xùn)練,具體模型參數(shù)如表2 所示。準(zhǔn)確率定義為預(yù)測正確的結(jié)果占樣本總數(shù)的百分比,是檢測網(wǎng)絡(luò)訓(xùn)練結(jié)果的重要指標(biāo)。以1 號螺栓為例,訓(xùn)練185 個(gè)epoch 后,訓(xùn)練結(jié)果準(zhǔn)確率如表2 最后一列所示。

    表2 CAE 模型結(jié)構(gòu)對監(jiān)測結(jié)果的影響Table 2 Effect of the structure of different CAE models on the detection results

    從結(jié)果可以看出,9 種CAE 模型在進(jìn)行185次的訓(xùn)練之后均取得了不錯(cuò)的監(jiān)測效果。CAE_6的監(jiān)測準(zhǔn)確率最高,CAE_1 最低。因此適當(dāng)增加卷積層數(shù)可以使網(wǎng)絡(luò)學(xué)習(xí)到更復(fù)雜的特征表達(dá),從而提高模型的準(zhǔn)確率,更多的卷積核個(gè)數(shù)更加有利于提取信號的主要特征。盡管如此,太多的卷積層會(huì)導(dǎo)致模型面臨梯度消失或梯度爆炸的風(fēng)險(xiǎn),過多的卷積核會(huì)造成參數(shù)冗余,影響模型的訓(xùn)練結(jié)果。因此,本文選擇CAE_6,即第一層卷積核個(gè)數(shù)為128、第二層為56 進(jìn)行后續(xù)研究。

    正則化系數(shù)用于減弱深層神經(jīng)網(wǎng)絡(luò)的過擬合效應(yīng),其候選集合為:L1 正則化和L2 正則化,參數(shù)值分別取0、0.001、0.01、0.1、0.5、0.9。學(xué)習(xí)率是指在優(yōu)化算法中更新網(wǎng)絡(luò)權(quán)重的幅度大小,用來控制權(quán)值更新的步長。學(xué)習(xí)率過大,可能會(huì)使損失函數(shù)直接越過全局最優(yōu)點(diǎn),訓(xùn)練容易產(chǎn)生振蕩;學(xué)習(xí)率如果過小,損失函數(shù)的變化速度很慢,可能出現(xiàn)過擬合,并且很容易被困在局部最小值或者鞍點(diǎn)。學(xué)習(xí)率的候選范圍為0.0001、 0.0005、 0.001、 0.005、 0.01、 0.05。batch_size 表示一次訓(xùn)練所取的樣本數(shù),其大小對模型的優(yōu)化速度和程度都有影響,同時(shí)還會(huì)影響到計(jì)算機(jī)GPU 內(nèi)存的使用情況,batch_size 的值越大,所使用的GPU 內(nèi)存越大,然而過小的batch_size 會(huì)使梯度頻繁變化,且不準(zhǔn)確,從而導(dǎo)致網(wǎng)絡(luò)很難收斂。batch_size 的候選范圍為8、16、32、64、128、256、356、512、712。本文使用嵌套的五折交叉驗(yàn)證方法查找最佳參數(shù)。具體來說,產(chǎn)生最高分類精度的參數(shù)被選為后續(xù)研究的最佳參數(shù)。對比不同取值下模型訓(xùn)練的準(zhǔn)確率,由結(jié)果可知,使用L2 正則化,參數(shù)值為0.01,學(xué)習(xí)率為0.001 時(shí)識別效果最好。

    實(shí)驗(yàn)采用的最佳網(wǎng)絡(luò)結(jié)構(gòu)如表3 所示。在CAE 網(wǎng)絡(luò)的編碼階段設(shè)置了兩個(gè)卷積層和一個(gè)池化層。在兩個(gè)卷積層中均使用‘ReLU’函數(shù)作為激活函數(shù)。為了平衡模型的復(fù)雜度和性能,防止過擬合,在卷積層中添加L2 正則化[26],并將系數(shù)設(shè)置為0.01。自編碼器的解碼器和編碼器對稱,解碼器中反卷積層也加入同樣的激活函數(shù)和L2 正則化。優(yōu)化器使用Adam[27],并將學(xué)習(xí)率設(shè)置為0.001。

    表3 最佳的CAE 網(wǎng)絡(luò)結(jié)構(gòu)Table 3 The best structure of CAE network

    3.3 實(shí)驗(yàn)結(jié)果分析

    用1 號~6 號螺栓在不同預(yù)緊扭矩下實(shí)驗(yàn)測得的加速度響應(yīng)數(shù)據(jù)求解內(nèi)積矩陣,并將求得的數(shù)據(jù)輸入設(shè)計(jì)好的CAE 網(wǎng)絡(luò)中,對螺栓的預(yù)緊扭矩進(jìn)行監(jiān)測。實(shí)驗(yàn)中每個(gè)螺栓共11 種健康狀態(tài),因此預(yù)緊扭矩的監(jiān)測為多分類問題,在神經(jīng)網(wǎng)絡(luò)中將11 種工況分為11 類。6 個(gè)螺栓的松動(dòng)狀態(tài)監(jiān)測結(jié)果如圖6 所示,測試集準(zhǔn)確率如表4 所示。

    表4 6 個(gè)螺栓測試集準(zhǔn)確率Table 4 Accuracy of 6 bolts test sets

    圖6 6 個(gè)螺栓的松動(dòng)狀態(tài)監(jiān)測結(jié)果Fig. 6 Monitoring results of the loose states of 6 bolts

    由結(jié)果可知,對1 號~6 號螺栓的預(yù)緊扭矩監(jiān)測均取得了較好的效果。其中,5 號螺栓測試集準(zhǔn)確率達(dá)到了97%,1 號螺栓為99%,其他螺栓均為98%。從圖7 可以看出,對1 號來說,當(dāng)預(yù)緊扭矩為2.5 N·m 和3 N·m 時(shí)監(jiān)測效果最差,此時(shí)二者測試集的準(zhǔn)確率分別為90%和88%,其他預(yù)緊扭矩的準(zhǔn)確率均在98%以上。對5 號螺栓,當(dāng)預(yù)緊扭矩為1.5 N·m 和2 N·m 時(shí)監(jiān)測效果相對較差,此時(shí)二者測試集的準(zhǔn)確率分別為90%和88%,其他預(yù)緊扭矩的監(jiān)測準(zhǔn)確率均在95%以上。對2 號螺栓,當(dāng)預(yù)緊扭矩為2 N·m 時(shí)監(jiān)測效果相對較差,測試集準(zhǔn)確率為93%,其他預(yù)緊扭矩的監(jiān)測準(zhǔn)確率均在95%以上。對3 號、4 號、6 號螺栓,監(jiān)測其預(yù)緊扭矩的準(zhǔn)確率均在95%以上。

    圖7 6 個(gè)螺栓的預(yù)緊扭矩混淆矩陣Fig. 7 Confusion matrix of 6 bolts pre-tightening torques

    4 不同方法測試結(jié)果的對比

    為了驗(yàn)證本文所提CAE 神經(jīng)網(wǎng)絡(luò)的有效性,將CAE 網(wǎng)絡(luò)和SAE、CNN、CapsNet 進(jìn)行對比。其中,CNN 網(wǎng)絡(luò)包含兩個(gè)卷積層和一個(gè)池化層。第一個(gè)卷積層中卷積核的個(gè)數(shù)為128,大小為3×3,第二個(gè)卷積層中卷積核的個(gè)數(shù)為56,大小為3×3,在卷積層中加入系數(shù)為0.01 的L2 正則化,設(shè)置學(xué)習(xí)率為0.001。SAE 網(wǎng)絡(luò)包括兩個(gè)隱藏層,隱藏層大小分別為128 和56,隱藏層中同樣加入系數(shù)為0.01 的L2 正則化,將網(wǎng)絡(luò)優(yōu)化器的學(xué)習(xí)率設(shè)置為0.001。對CapsNet,本文使用Hinton論文中提出的模型進(jìn)行計(jì)算。上述模型的batch_size均為128,在互相關(guān)矩陣的計(jì)算中n=8192,m=1024,訓(xùn)練次數(shù)均為185 次。網(wǎng)絡(luò)的對比結(jié)果如表5 所示,訓(xùn)練曲線如圖8 所示。

    圖8 不同網(wǎng)絡(luò)的訓(xùn)練曲線Fig. 8 Training curves of different networks

    表5 不同網(wǎng)絡(luò)的對比結(jié)果Table 5 Comparison results of different networks

    由結(jié)果可以看出,在四種網(wǎng)絡(luò)中,本文所提CAE 網(wǎng)絡(luò)的效果最好,測試集準(zhǔn)確率達(dá)到了0.99,損失值為0.05,訓(xùn)練曲線具有較高的收斂效率。SAE 網(wǎng)絡(luò)次之,測試集準(zhǔn)確率為0.97,與CAE 相比,它收斂速度較慢,迭代效率不高。對CNN 網(wǎng)絡(luò),測試集準(zhǔn)確率為0.96,其驗(yàn)證集曲線波動(dòng)較大,這會(huì)導(dǎo)致監(jiān)測結(jié)果不穩(wěn)定。CapsNet 的訓(xùn)練曲線波動(dòng)也較大,且測試集準(zhǔn)確率不高,僅為0.90,但損失值較小,為0.02。由以上結(jié)果可知,與其他網(wǎng)絡(luò)相比,本文所提CAE 網(wǎng)絡(luò)具有較好的監(jiān)測螺栓連接搭接板中螺栓的松動(dòng)狀態(tài)的能力。

    5 模型性能優(yōu)化

    在準(zhǔn)確率達(dá)到預(yù)計(jì)要求后,本文開展了進(jìn)一步優(yōu)化,尋找在使用盡可能少的加速度傳感器的情況下保持較高的監(jiān)測準(zhǔn)確率的方法。在上文中使用了 8 個(gè)加速度傳感器數(shù)據(jù)進(jìn)行監(jiān)測,本節(jié)改變加速度傳感器的數(shù)量,分別測試傳感器數(shù)量為6、4、2 時(shí)網(wǎng)絡(luò)結(jié)構(gòu)的識別情況。其中使用 6 個(gè)傳感器進(jìn)行監(jiān)測,即使用1 號、3 號、4 號、5 號、6 號、8 號傳感器;4 個(gè)傳感器,即使用1 號、4 號、5 號、8 號傳感器;2 個(gè)傳感器,即使用2 號、7 號傳感器。

    對CAE 網(wǎng)絡(luò),將測點(diǎn)數(shù)量設(shè)置為6,準(zhǔn)確率變?yōu)?5.5%;將測點(diǎn)數(shù)量設(shè)置為4,準(zhǔn)確率為91.0%;將測點(diǎn)數(shù)量設(shè)置為2,準(zhǔn)確率為53.1%。說明減少傳感器數(shù)量會(huì)降低螺栓松動(dòng)狀態(tài)監(jiān)測的準(zhǔn)確率。對模型進(jìn)行優(yōu)化,一般認(rèn)為,在不發(fā)生過擬合情況時(shí),網(wǎng)絡(luò)收斂性能的減弱與數(shù)據(jù)集信息量不足有很大的關(guān)系。因此,本文增加網(wǎng)絡(luò)中輸入數(shù)據(jù)的數(shù)據(jù)量,并判斷其對網(wǎng)絡(luò)監(jiān)測性能的影響。

    本文原截取數(shù)據(jù)的方法是每隔8192 個(gè)采樣點(diǎn)截取一次數(shù)據(jù)求解其內(nèi)積矩陣,作為輸入數(shù)據(jù)?,F(xiàn)增大數(shù)據(jù)量,即增加計(jì)算內(nèi)積矩陣時(shí)截取數(shù)據(jù)的采樣點(diǎn)數(shù),這種截取方法使輸入的數(shù)據(jù)中包含了更大的信息量。為了進(jìn)一步驗(yàn)證輸入數(shù)據(jù)量的大小以及測點(diǎn)數(shù)量對網(wǎng)絡(luò)性能的影響,將截取采樣點(diǎn)的長度分別設(shè)置為8192、9216、10 240、11 264,測點(diǎn)數(shù)量設(shè)置為6、4、2,對不同輸入下的模型進(jìn)行訓(xùn)練,結(jié)果如表6 所示。由結(jié)果可知,減少傳感器測點(diǎn)的數(shù)量會(huì)使網(wǎng)絡(luò)性能下降。此時(shí)通過更改網(wǎng)絡(luò)中輸入的數(shù)據(jù)量,采用間隔更長的數(shù)據(jù)劃分方式可以有效提高網(wǎng)絡(luò)性能。

    表6 不同采樣點(diǎn)數(shù)和測點(diǎn)數(shù)量下的準(zhǔn)確率對比Table 6 Comparison of accuracy rates under different sample points and measurement points

    6 結(jié)論

    本文利用環(huán)境激勵(lì)下的結(jié)構(gòu)振動(dòng)響應(yīng)及深度學(xué)習(xí)技術(shù),提出基于卷積自編碼器的螺栓松動(dòng)狀態(tài)監(jiān)測方法。首先,將結(jié)構(gòu)在環(huán)境激勵(lì)下的時(shí)域振動(dòng)響應(yīng)數(shù)據(jù)作為原始信號,并利用時(shí)域響應(yīng)的內(nèi)積向量法,獲得描述結(jié)構(gòu)健康狀態(tài)的損傷特征指標(biāo)。其次,以獲得的損傷特征指標(biāo)為輸入構(gòu)建了卷積自編碼器。最后,以螺栓連接的搭接板為研究對象,進(jìn)行了螺栓松動(dòng)狀態(tài)監(jiān)測的實(shí)驗(yàn)研究,結(jié)果表明:

    (1) 本文方法在時(shí)域響應(yīng)的內(nèi)積矩陣計(jì)算過程中會(huì)自動(dòng)剔除相關(guān)測量噪聲的影響[28],從而獲得更好的結(jié)構(gòu)損傷特征,可作為輸入數(shù)據(jù)用于深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

    (2) 使用卷積層和池化層代替自編碼器的全連接層,可以實(shí)現(xiàn)對輸入信號的線性變換,更好的保留輸入數(shù)據(jù)的特征信息,減少重構(gòu)誤差,提高網(wǎng)絡(luò)的特征提取能力。

    (3) 與基于 IPM 的卷積神經(jīng)網(wǎng)絡(luò) 、堆棧自動(dòng)編碼器和膠囊網(wǎng)絡(luò)(即 IPM-CNN 、IPM-SAE 和IPM- CapsNet)相比,本文提出的IPM-CAE 方法顯示出更好的網(wǎng)絡(luò)訓(xùn)練收斂速度和識別精度。

    (4) 在總數(shù)據(jù)量不變的前提下,減少傳感器測點(diǎn)的數(shù)量并增加計(jì)算內(nèi)積矩陣時(shí)截取數(shù)據(jù)的采樣點(diǎn)數(shù),本文方法仍可以保持較高的監(jiān)測準(zhǔn)確率。

    (5) 本文方法與大部分基于神經(jīng)網(wǎng)絡(luò)的方法類似,其不足之處是需要完備的訓(xùn)練集,下一步將結(jié)合基于深度遷移學(xué)習(xí)的相關(guān)理論方法,以提升本文方法在訓(xùn)練集不完備情況下的監(jiān)測精度。

    猜你喜歡
    內(nèi)積編碼器螺栓
    M16吊耳螺栓斷裂失效分析
    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
    螺栓緊固雜談
    基于FPGA的同步機(jī)軸角編碼器
    基于PRBS檢測的8B/IOB編碼器設(shè)計(jì)
    基于矩陣的內(nèi)積函數(shù)加密
    關(guān)于矩陣的Frobenius內(nèi)積的一個(gè)推廣
    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
    多總線式光電編碼器的設(shè)計(jì)與應(yīng)用
    關(guān)于概率內(nèi)積空間定義的平凡性
    国产精品99久久99久久久不卡 | h视频一区二区三区| 男女国产视频网站| 三级经典国产精品| 国产深夜福利视频在线观看| 久久ye,这里只有精品| 只有这里有精品99| 91久久精品电影网| 在线播放无遮挡| 久久久久久久大尺度免费视频| 亚洲国产精品成人久久小说| 亚洲国产欧美人成| av播播在线观看一区| 亚洲国产高清在线一区二区三| 在线观看免费视频网站a站| 91精品国产九色| 伊人久久国产一区二区| 特大巨黑吊av在线直播| 亚洲高清免费不卡视频| 99久久精品热视频| 日本-黄色视频高清免费观看| 国产高清三级在线| 国产淫片久久久久久久久| 视频中文字幕在线观看| 各种免费的搞黄视频| 亚洲综合色惰| 精品亚洲成a人片在线观看 | 日日啪夜夜爽| 久久精品夜色国产| 春色校园在线视频观看| 国产免费视频播放在线视频| 一级片'在线观看视频| 国产精品无大码| 人妻夜夜爽99麻豆av| 大香蕉久久网| 国产淫语在线视频| 高清在线视频一区二区三区| 午夜激情福利司机影院| 午夜福利视频精品| 色吧在线观看| 91久久精品电影网| 人人妻人人看人人澡| 国产成人精品一,二区| 欧美成人精品欧美一级黄| 亚洲欧美中文字幕日韩二区| av卡一久久| 欧美日韩视频高清一区二区三区二| 色吧在线观看| 国产一区二区三区av在线| 性高湖久久久久久久久免费观看| 秋霞伦理黄片| 亚洲精品乱码久久久v下载方式| 美女视频免费永久观看网站| 少妇人妻精品综合一区二区| 一级毛片我不卡| 国精品久久久久久国模美| 我要看日韩黄色一级片| 高清日韩中文字幕在线| 只有这里有精品99| 免费看光身美女| 久久精品国产亚洲av天美| videossex国产| 天美传媒精品一区二区| 日韩大片免费观看网站| 深夜a级毛片| 午夜日本视频在线| 亚洲经典国产精华液单| 成人美女网站在线观看视频| 蜜桃久久精品国产亚洲av| 亚洲成人一二三区av| 老司机影院成人| 嫩草影院新地址| 国产极品天堂在线| 国产成人一区二区在线| 精品久久久噜噜| 新久久久久国产一级毛片| 妹子高潮喷水视频| 精品人妻熟女av久视频| 日本一二三区视频观看| 国产成人免费无遮挡视频| 五月伊人婷婷丁香| 男的添女的下面高潮视频| 黄色日韩在线| 人人妻人人澡人人爽人人夜夜| 十八禁网站网址无遮挡 | 人妻系列 视频| 精品久久久久久久末码| 亚洲伊人久久精品综合| 国产av精品麻豆| 另类亚洲欧美激情| 日韩电影二区| 日本欧美视频一区| 久久久a久久爽久久v久久| 99久久人妻综合| 国产免费又黄又爽又色| 如何舔出高潮| 最近的中文字幕免费完整| av女优亚洲男人天堂| 精品久久久久久久末码| 一二三四中文在线观看免费高清| 久久ye,这里只有精品| 2018国产大陆天天弄谢| 精品一区在线观看国产| 多毛熟女@视频| 一区在线观看完整版| 国产爱豆传媒在线观看| 国产精品.久久久| 国产在线男女| 精品视频人人做人人爽| 亚洲av成人精品一区久久| 内地一区二区视频在线| 美女高潮的动态| 妹子高潮喷水视频| 如何舔出高潮| 亚洲精品一区蜜桃| 狠狠精品人妻久久久久久综合| 亚洲图色成人| 如何舔出高潮| 精品99又大又爽又粗少妇毛片| 成人二区视频| 热re99久久精品国产66热6| 久久人人爽人人片av| 啦啦啦啦在线视频资源| 欧美丝袜亚洲另类| 国产黄色视频一区二区在线观看| 下体分泌物呈黄色| 人妻系列 视频| 啦啦啦啦在线视频资源| 蜜桃亚洲精品一区二区三区| 欧美日韩亚洲高清精品| 国产精品久久久久久久久免| 久久精品久久久久久久性| 麻豆精品久久久久久蜜桃| 99热全是精品| 三级国产精品片| 亚洲欧美日韩另类电影网站 | 国产淫片久久久久久久久| 简卡轻食公司| 国产高潮美女av| 性高湖久久久久久久久免费观看| 亚洲经典国产精华液单| 色网站视频免费| 日本-黄色视频高清免费观看| 国产精品一区二区性色av| 久久精品人妻少妇| 久久久亚洲精品成人影院| 国产黄频视频在线观看| 日本色播在线视频| 搡女人真爽免费视频火全软件| 亚洲综合色惰| 大片电影免费在线观看免费| 午夜激情久久久久久久| 五月玫瑰六月丁香| 在线观看三级黄色| 天美传媒精品一区二区| av国产精品久久久久影院| 国产在视频线精品| 国产91av在线免费观看| 国产一区有黄有色的免费视频| 国产日韩欧美亚洲二区| 国产爽快片一区二区三区| 国产色爽女视频免费观看| 久久久久久久国产电影| 欧美xxxx性猛交bbbb| 久久久色成人| 精品一区二区三区视频在线| 欧美xxxx性猛交bbbb| 国产精品久久久久久精品古装| 嘟嘟电影网在线观看| 中文字幕免费在线视频6| av在线老鸭窝| 久久国产精品男人的天堂亚洲 | 免费人成在线观看视频色| 中文字幕亚洲精品专区| 欧美丝袜亚洲另类| 欧美精品亚洲一区二区| 狂野欧美白嫩少妇大欣赏| av线在线观看网站| 日韩电影二区| 欧美高清成人免费视频www| 日韩欧美一区视频在线观看 | 国产成人精品一,二区| 欧美日本视频| 国产免费福利视频在线观看| 国产真实伦视频高清在线观看| 亚洲精品国产色婷婷电影| 午夜免费鲁丝| 精品久久久久久久末码| 天天躁日日操中文字幕| 2021少妇久久久久久久久久久| 丝袜脚勾引网站| av不卡在线播放| 国产成人a∨麻豆精品| 天堂8中文在线网| 久久国产亚洲av麻豆专区| 毛片女人毛片| 午夜激情福利司机影院| 亚洲图色成人| 国产色婷婷99| 国产精品一区二区三区四区免费观看| 国产白丝娇喘喷水9色精品| 精品国产一区二区三区久久久樱花 | av卡一久久| 国产精品久久久久成人av| 男人爽女人下面视频在线观看| 午夜激情福利司机影院| 特大巨黑吊av在线直播| 一个人免费看片子| 秋霞伦理黄片| 十八禁网站网址无遮挡 | 中国美白少妇内射xxxbb| 国产精品一区二区三区四区免费观看| 人体艺术视频欧美日本| 亚洲精品乱码久久久久久按摩| 亚洲欧美成人综合另类久久久| 成人18禁高潮啪啪吃奶动态图 | 人妻系列 视频| 国产高清三级在线| 九草在线视频观看| 人妻夜夜爽99麻豆av| 美女主播在线视频| 日本猛色少妇xxxxx猛交久久| 久久97久久精品| 国产淫片久久久久久久久| 干丝袜人妻中文字幕| 一个人免费看片子| 亚洲在久久综合| 三级国产精品欧美在线观看| av播播在线观看一区| 国产亚洲欧美精品永久| 超碰av人人做人人爽久久| a 毛片基地| 高清毛片免费看| 亚洲av成人精品一区久久| 成人午夜精彩视频在线观看| 日本欧美视频一区| 日韩一区二区视频免费看| 国产成人freesex在线| 国产女主播在线喷水免费视频网站| 欧美日韩视频精品一区| 18禁裸乳无遮挡动漫免费视频| 在线观看国产h片| 亚洲精品国产av成人精品| 韩国高清视频一区二区三区| 人妻系列 视频| 欧美一级a爱片免费观看看| 国产毛片在线视频| 亚洲成色77777| 亚洲激情五月婷婷啪啪| 日韩不卡一区二区三区视频在线| 国产精品欧美亚洲77777| 国产精品久久久久久av不卡| 亚洲人与动物交配视频| av线在线观看网站| 国产午夜精品一二区理论片| 黑丝袜美女国产一区| 日产精品乱码卡一卡2卡三| 各种免费的搞黄视频| 久久国产亚洲av麻豆专区| 三级国产精品片| 国产成人精品一,二区| 九草在线视频观看| 中文字幕av成人在线电影| 国产精品秋霞免费鲁丝片| 亚洲av电影在线观看一区二区三区| 久久国产亚洲av麻豆专区| 51国产日韩欧美| 极品少妇高潮喷水抽搐| 成人一区二区视频在线观看| 日本黄色日本黄色录像| 婷婷色麻豆天堂久久| 在线观看三级黄色| 欧美日韩国产mv在线观看视频 | 人妻一区二区av| 老司机影院毛片| 亚洲欧美精品自产自拍| 免费人成在线观看视频色| 久久亚洲国产成人精品v| 国产有黄有色有爽视频| 黄片wwwwww| 国产综合精华液| 午夜激情福利司机影院| 在线观看一区二区三区激情| 成人亚洲欧美一区二区av| 国产一区二区在线观看日韩| 久久人人爽人人爽人人片va| 六月丁香七月| 久热久热在线精品观看| 中国美白少妇内射xxxbb| 成年美女黄网站色视频大全免费 | 毛片女人毛片| 国产69精品久久久久777片| 91精品国产九色| 97在线人人人人妻| 午夜免费男女啪啪视频观看| 在线天堂最新版资源| 亚洲av成人精品一二三区| 青青草视频在线视频观看| 99久国产av精品国产电影| 蜜桃久久精品国产亚洲av| 精品少妇黑人巨大在线播放| 午夜福利高清视频| 亚洲av成人精品一二三区| 超碰av人人做人人爽久久| 国产精品久久久久久久久免| 女人久久www免费人成看片| 亚洲欧美精品专区久久| 久久99热这里只有精品18| 免费观看无遮挡的男女| 亚洲av不卡在线观看| 午夜免费男女啪啪视频观看| 国产免费一级a男人的天堂| 国产国拍精品亚洲av在线观看| 国产在视频线精品| 精品99又大又爽又粗少妇毛片| 日日摸夜夜添夜夜添av毛片| 免费看光身美女| 国产免费福利视频在线观看| 深夜a级毛片| 最近最新中文字幕免费大全7| 久久97久久精品| 久久精品国产a三级三级三级| h视频一区二区三区| 你懂的网址亚洲精品在线观看| 又大又黄又爽视频免费| 精品久久久精品久久久| 亚洲av综合色区一区| av线在线观看网站| 黑丝袜美女国产一区| 自拍偷自拍亚洲精品老妇| 亚洲av福利一区| 国产免费视频播放在线视频| 少妇熟女欧美另类| 午夜视频国产福利| 国产精品福利在线免费观看| 日韩中文字幕视频在线看片 | 国产v大片淫在线免费观看| 尾随美女入室| 亚洲精品自拍成人| 亚洲一级一片aⅴ在线观看| 欧美成人a在线观看| 久久久久国产精品人妻一区二区| 精品视频人人做人人爽| 国产高潮美女av| 在线观看三级黄色| 中文乱码字字幕精品一区二区三区| 国产淫语在线视频| 亚洲国产高清在线一区二区三| 一级毛片 在线播放| 亚洲欧美清纯卡通| 国产日韩欧美亚洲二区| 纵有疾风起免费观看全集完整版| 亚州av有码| a 毛片基地| 国产午夜精品一二区理论片| av国产免费在线观看| 2021少妇久久久久久久久久久| 色5月婷婷丁香| 国产成人91sexporn| 少妇熟女欧美另类| 国产av精品麻豆| 美女xxoo啪啪120秒动态图| 乱码一卡2卡4卡精品| 国产黄频视频在线观看| 在现免费观看毛片| 黄色配什么色好看| 九色成人免费人妻av| 高清毛片免费看| 男人舔奶头视频| 国语对白做爰xxxⅹ性视频网站| 亚洲国产精品999| 菩萨蛮人人尽说江南好唐韦庄| 热re99久久精品国产66热6| av播播在线观看一区| 国产无遮挡羞羞视频在线观看| 亚洲美女黄色视频免费看| 成人二区视频| 视频区图区小说| 老熟女久久久| 国产成人91sexporn| 中文字幕人妻熟人妻熟丝袜美| 七月丁香在线播放| 男人添女人高潮全过程视频| 久久久精品94久久精品| 亚洲欧美成人精品一区二区| 欧美一区二区亚洲| 不卡视频在线观看欧美| 一级爰片在线观看| 少妇人妻久久综合中文| 麻豆精品久久久久久蜜桃| 亚洲色图av天堂| 一本—道久久a久久精品蜜桃钙片| 国产淫片久久久久久久久| 国产探花极品一区二区| 日韩精品有码人妻一区| 亚洲欧美日韩卡通动漫| 精品99又大又爽又粗少妇毛片| 欧美日本视频| 午夜福利网站1000一区二区三区| 美女国产视频在线观看| 国产免费视频播放在线视频| 干丝袜人妻中文字幕| 赤兔流量卡办理| 亚洲欧美精品自产自拍| 日韩av免费高清视频| 韩国高清视频一区二区三区| 色综合色国产| 国产亚洲91精品色在线| 日韩一区二区视频免费看| 国产免费福利视频在线观看| 一边亲一边摸免费视频| 妹子高潮喷水视频| 老司机影院毛片| 成人漫画全彩无遮挡| 一级爰片在线观看| 亚洲精品aⅴ在线观看| 国产亚洲最大av| 99热这里只有精品一区| 制服丝袜香蕉在线| 国产精品爽爽va在线观看网站| 欧美极品一区二区三区四区| 黑丝袜美女国产一区| 18禁裸乳无遮挡动漫免费视频| 国产美女午夜福利| 高清视频免费观看一区二区| 99热国产这里只有精品6| 美女cb高潮喷水在线观看| 欧美97在线视频| 国产 一区精品| 国产精品久久久久久精品电影小说 | 国产一区有黄有色的免费视频| 免费观看av网站的网址| 午夜激情久久久久久久| 性色av一级| 天堂中文最新版在线下载| 舔av片在线| 在线观看人妻少妇| 在线观看免费日韩欧美大片 | 日本欧美视频一区| 日本-黄色视频高清免费观看| 99九九线精品视频在线观看视频| 九九爱精品视频在线观看| 欧美亚洲 丝袜 人妻 在线| 久久ye,这里只有精品| 狠狠精品人妻久久久久久综合| av网站免费在线观看视频| 高清不卡的av网站| 亚洲三级黄色毛片| 国产真实伦视频高清在线观看| 日韩免费高清中文字幕av| 国产精品久久久久久精品古装| 免费看光身美女| 亚洲欧洲国产日韩| 亚洲欧美清纯卡通| 人妻 亚洲 视频| 只有这里有精品99| 国模一区二区三区四区视频| 18+在线观看网站| 精品一区二区免费观看| 国产中年淑女户外野战色| 黑丝袜美女国产一区| 我要看日韩黄色一级片| 亚洲国产精品国产精品| 亚洲激情五月婷婷啪啪| 国产免费一区二区三区四区乱码| 国产精品人妻久久久久久| 丰满人妻一区二区三区视频av| 亚洲精品中文字幕在线视频 | 97精品久久久久久久久久精品| 伊人久久精品亚洲午夜| av又黄又爽大尺度在线免费看| 涩涩av久久男人的天堂| 纵有疾风起免费观看全集完整版| 久久99热这里只频精品6学生| 国产色爽女视频免费观看| 91aial.com中文字幕在线观看| 2021少妇久久久久久久久久久| 国产欧美亚洲国产| 激情 狠狠 欧美| 日韩视频在线欧美| 一区在线观看完整版| 乱系列少妇在线播放| h日本视频在线播放| 国产精品女同一区二区软件| 中文字幕久久专区| 视频区图区小说| 久热久热在线精品观看| 91久久精品电影网| av国产久精品久网站免费入址| 色5月婷婷丁香| 又粗又硬又长又爽又黄的视频| 欧美高清性xxxxhd video| 免费人妻精品一区二区三区视频| 女性被躁到高潮视频| 色网站视频免费| 啦啦啦中文免费视频观看日本| 免费少妇av软件| 高清日韩中文字幕在线| 妹子高潮喷水视频| 久久久久久九九精品二区国产| 毛片女人毛片| 黄色日韩在线| 午夜免费鲁丝| 午夜视频国产福利| 日韩大片免费观看网站| 国产无遮挡羞羞视频在线观看| 你懂的网址亚洲精品在线观看| 国产黄片视频在线免费观看| 国产午夜精品一二区理论片| av免费在线看不卡| 免费看日本二区| 亚洲精品视频女| 国产亚洲精品久久久com| 国产成人精品福利久久| 一级毛片久久久久久久久女| 精品一品国产午夜福利视频| 一本色道久久久久久精品综合| 国产精品蜜桃在线观看| 男女免费视频国产| 国产免费一区二区三区四区乱码| 国产毛片在线视频| 97在线视频观看| 精品人妻一区二区三区麻豆| 精品久久久久久久久亚洲| 国产精品伦人一区二区| 国产乱人视频| 国产精品嫩草影院av在线观看| 女性生殖器流出的白浆| 嫩草影院新地址| 亚洲欧美成人精品一区二区| 国产男女内射视频| 免费少妇av软件| 99热网站在线观看| 特大巨黑吊av在线直播| 一区在线观看完整版| 日韩亚洲欧美综合| 纵有疾风起免费观看全集完整版| 亚洲欧美清纯卡通| 夜夜看夜夜爽夜夜摸| 五月天丁香电影| 男女边摸边吃奶| 秋霞在线观看毛片| 国产爱豆传媒在线观看| 热99国产精品久久久久久7| 国产精品一区二区在线观看99| 午夜福利视频精品| 不卡视频在线观看欧美| 99九九线精品视频在线观看视频| 美女中出高潮动态图| 成人国产麻豆网| 一区二区三区免费毛片| 看免费成人av毛片| 欧美zozozo另类| 国产精品一区二区在线观看99| 亚洲av电影在线观看一区二区三区| 亚洲精品乱码久久久v下载方式| 久久99蜜桃精品久久| 女性被躁到高潮视频| 国产高清不卡午夜福利| av在线播放精品| 久久久欧美国产精品| 成人国产av品久久久| 少妇 在线观看| 天天躁夜夜躁狠狠久久av| 亚洲精品国产av蜜桃| 又粗又硬又长又爽又黄的视频| 日本黄色日本黄色录像| 久久久久网色| 一区在线观看完整版| 日本欧美视频一区| 精品一区在线观看国产| 一个人看的www免费观看视频| 亚洲精品第二区| 少妇人妻 视频| 80岁老熟妇乱子伦牲交| 亚洲婷婷狠狠爱综合网| 亚洲精品日韩在线中文字幕| 久久精品国产a三级三级三级| 亚洲精品国产成人久久av| 成人亚洲欧美一区二区av| 国产中年淑女户外野战色| 九九久久精品国产亚洲av麻豆| 国产又色又爽无遮挡免| 国语对白做爰xxxⅹ性视频网站| 日韩av不卡免费在线播放| 建设人人有责人人尽责人人享有的 | 日韩在线高清观看一区二区三区| 亚洲欧洲日产国产| 精品亚洲成国产av| 久久久久久久久大av| 中文在线观看免费www的网站| 亚洲精品乱久久久久久| 久久久久久久亚洲中文字幕| 草草在线视频免费看| 内地一区二区视频在线| 一区在线观看完整版| 嘟嘟电影网在线观看| 99热国产这里只有精品6| 在线亚洲精品国产二区图片欧美 | 亚洲欧美一区二区三区国产| 久久热精品热| 青春草国产在线视频| 五月伊人婷婷丁香| 欧美成人午夜免费资源| 日韩不卡一区二区三区视频在线| av在线app专区| 亚洲自偷自拍三级| 成人一区二区视频在线观看| 国产亚洲午夜精品一区二区久久| 蜜桃在线观看..| 亚洲国产欧美人成| 亚洲av中文字字幕乱码综合| 免费av中文字幕在线| 内射极品少妇av片p| 美女内射精品一级片tv|