• <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 ?

    液體火箭發(fā)動(dòng)機(jī)智能故障診斷的研究現(xiàn)狀*

    2023-03-13 02:48:12胡海峰
    航天控制 2023年1期
    關(guān)鍵詞:火箭故障診斷液體

    胡海峰

    1.北京航天自動(dòng)控制研究所,北京 100854 2.航天智能控制國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100854

    0 引言

    液體火箭發(fā)動(dòng)機(jī)工作在惡劣物理?xiàng)l件下,作為火箭的動(dòng)力核心,運(yùn)行過程中一旦發(fā)生故障,會(huì)造成巨大災(zāi)難[1,2]。自1967年1月阿波羅4A號(hào)發(fā)生嚴(yán)重事故、到2006年為止,在美國(guó)等國(guó)家進(jìn)行的共249次載人航天發(fā)射飛行中,出現(xiàn)故障166起[3],其中動(dòng)力系統(tǒng)故障占航天系統(tǒng)總故障的60%以上[4]。因此,及時(shí)準(zhǔn)確發(fā)現(xiàn)發(fā)動(dòng)機(jī)運(yùn)行過程中的異常,對(duì)于及時(shí)補(bǔ)救和完善操作規(guī)程[5]、進(jìn)行飛行控制重構(gòu),以盡可能挽救任務(wù)具有重要意義[6-7]。

    液體火箭發(fā)動(dòng)機(jī)的結(jié)構(gòu)極其復(fù)雜,是包含多個(gè)樹形分支子系統(tǒng)的復(fù)雜系統(tǒng),可分為管路系統(tǒng)、渦輪泵系統(tǒng)以及推力室系統(tǒng),每個(gè)系統(tǒng)又由多個(gè)部件耦合連接[8-9]。當(dāng)故障發(fā)生時(shí),環(huán)境干擾及故障多樣性、故障信息耦合的復(fù)雜性,給液體火箭發(fā)動(dòng)機(jī)故障診斷及預(yù)測(cè)帶來了極大挑戰(zhàn)[5,8]。

    液體火箭發(fā)動(dòng)機(jī)的健康監(jiān)控包括故障檢測(cè)、故障診斷和故障控制等。故障檢測(cè)是利用各類傳感器測(cè)量和提取得到的發(fā)動(dòng)機(jī)運(yùn)行過程數(shù)據(jù),對(duì)發(fā)動(dòng)機(jī)的工作狀態(tài)有無異常做出可靠判斷;故障診斷是根據(jù)經(jīng)驗(yàn)和推測(cè)所獲得的異常狀態(tài)信息,對(duì)發(fā)生故障的類型、程度和部位進(jìn)行分類診斷,從而確定故障時(shí)間、估計(jì)故障程度并實(shí)現(xiàn)故障模式的分離[4]。已有文獻(xiàn)[10]對(duì)故障檢測(cè)和監(jiān)控進(jìn)行了詳細(xì)的綜述。近年來基于人工智能的液體火箭發(fā)動(dòng)機(jī)得到了應(yīng)用和廣泛重視[4]。

    本文目的是匯總分析故障模式及監(jiān)控信號(hào),總結(jié)分析液體火箭發(fā)動(dòng)機(jī)故障診斷研究的進(jìn)展。

    1 液體火箭發(fā)動(dòng)機(jī)的故障模式研究

    液體火箭發(fā)動(dòng)機(jī)發(fā)生故障的機(jī)理復(fù)雜,包括單一機(jī)理和耦合機(jī)理。文獻(xiàn)[5]基于泵壓式液體火箭發(fā)動(dòng)機(jī)的故障統(tǒng)計(jì)數(shù)據(jù)和故障事件等,總結(jié)了發(fā)動(dòng)機(jī)故障的模式;文獻(xiàn)[11]以國(guó)內(nèi)4種泵壓式液體火箭發(fā)動(dòng)機(jī)研制歷史為基礎(chǔ),提出發(fā)動(dòng)機(jī)常見的故障模式;文獻(xiàn)[12]對(duì)YF-75液體火箭發(fā)動(dòng)機(jī)故障模式進(jìn)行分析;文獻(xiàn)[13]針對(duì)某定型大型液體火箭發(fā)動(dòng)機(jī),論述了可能出現(xiàn)或已發(fā)生的故障模式;文獻(xiàn)[14]總結(jié)了發(fā)動(dòng)機(jī)常見故障模式;文獻(xiàn)[15]收集了各種發(fā)動(dòng)機(jī)試車故障情況,把故障類型分為6大類;基于已有文獻(xiàn)研究成果,歸納液體火箭發(fā)動(dòng)機(jī)主要故障模式如表1所示,其中大部分故障與渦輪泵有關(guān)[16],渦輪泵故障率最高[11,14]。

    表1 泵壓式液體火箭發(fā)動(dòng)機(jī)主要故障模式

    在對(duì)液體火箭發(fā)動(dòng)機(jī)進(jìn)行故障診斷之前,需要提取發(fā)動(dòng)機(jī)運(yùn)行過程中的信號(hào)。由于液體火箭發(fā)動(dòng)機(jī)結(jié)構(gòu)緊湊,傳感器布置位置和數(shù)量受到限制,導(dǎo)致液體火箭發(fā)動(dòng)機(jī)信號(hào)表征不強(qiáng),給其物理信息的獲取帶來困難,常見的傳感器監(jiān)控信號(hào)如表2所示。

    表2 常見液體火箭發(fā)動(dòng)機(jī)監(jiān)控信號(hào)

    根據(jù)采集信號(hào)方式可將傳感器數(shù)據(jù)分成運(yùn)行中的連續(xù)時(shí)序數(shù)據(jù)和狀態(tài)參數(shù)的離散數(shù)據(jù)兩大類[4],可以根據(jù)傳感器采集到的數(shù)據(jù)進(jìn)行故障診斷。針對(duì)不同的信號(hào)選取種類和處理方法,現(xiàn)有的故障診斷方法包括基于模型、基于信號(hào)分析和基于人工智能的故障診斷[5,17]。

    2 基于模型的故障診斷

    2.1 基于時(shí)間序列算法的故障診斷方法

    時(shí)間序列算法(ARMA)是用較早的信號(hào)來評(píng)估目前的信號(hào),以信號(hào)結(jié)構(gòu)模型實(shí)現(xiàn)對(duì)故障的檢測(cè)[5,17]?;贏RMA的模型已被用于穩(wěn)態(tài)工況下快速性和振蕩性故障的檢測(cè)。該方法具有良好的魯棒性、實(shí)時(shí)性和實(shí)用性,國(guó)內(nèi)外對(duì)此做了大量的研究。

    2000年,王建波[18]介紹了用ARMA模型對(duì)YF-75發(fā)動(dòng)機(jī)中出現(xiàn)的的泄漏故障進(jìn)行分析檢測(cè)的方法?;诓煌臋z測(cè)參數(shù)時(shí)間序列構(gòu)建自回歸模型,模型的判別函數(shù)為Kullback-Leibler信息測(cè)度。該方法具有預(yù)警及預(yù)測(cè)能力,能實(shí)現(xiàn)泄漏故障的實(shí)時(shí)預(yù)測(cè)。針對(duì)重復(fù)使用火箭發(fā)動(dòng)機(jī),基于ARMA模型的實(shí)時(shí)故障診斷系統(tǒng)[19]仿真分析表明該算法能成功診斷出發(fā)動(dòng)機(jī)的常見故障,并進(jìn)行報(bào)警。2020年,鄧晨等[20]針對(duì)新一代大推力氫氧補(bǔ)燃循環(huán)液體火箭發(fā)動(dòng)機(jī)主級(jí)工況,開發(fā)了基于ARMA模型的實(shí)時(shí)故障診斷算法、故障閾值求解方法及判別準(zhǔn)則,證明了改進(jìn)算法的高效性及有效性。此外,劉冰[21]、劉英元[22]等先后利用故障信號(hào)提取的方式對(duì)檢驗(yàn)?zāi)P瓦M(jìn)行了驗(yàn)證。

    還有學(xué)者使用AR-CGARCH模型進(jìn)行故障檢測(cè),避免了傳統(tǒng)自適應(yīng)閾值算法對(duì)時(shí)間序列方差跟蹤能力不足,以及故障階段帶寬自動(dòng)放大的問題[23],證明時(shí)間序列分析的診斷方法在液體火箭發(fā)動(dòng)機(jī)故障診斷領(lǐng)域有極大的發(fā)展?jié)摿Γ?/p>

    2.2 基于數(shù)學(xué)模型的故障診斷

    1994年,張育林[24]等針對(duì)泵壓式供應(yīng)系統(tǒng)液體火箭發(fā)動(dòng)機(jī)提出了故障檢測(cè)與故障診斷的基本框架,如圖1所示。建立了基于發(fā)動(dòng)機(jī)系統(tǒng)燃燒室壓力、燃燒室組元比、燃?xì)獍l(fā)生器室壓等11個(gè)狀態(tài)變量的非線性數(shù)學(xué)模型,研究了推廣的卡爾曼濾波的故障檢測(cè)方法和基于低階線性模型的故障診斷方法。

    圖1 故障診斷系統(tǒng)與研究框架[24]

    1997年,吳建軍等[25]基于液體火箭發(fā)動(dòng)機(jī)故障診斷方法實(shí)時(shí)驗(yàn)證的需求,將發(fā)動(dòng)機(jī)全階非線性數(shù)學(xué)模型進(jìn)行針對(duì)性優(yōu)化,建立起發(fā)動(dòng)機(jī)降階非線性動(dòng)態(tài)模型,可以用來模擬發(fā)動(dòng)機(jī)隨機(jī)動(dòng)態(tài)特性。該模型在精確性、實(shí)時(shí)性等方面可以滿足實(shí)時(shí)性驗(yàn)證的要求。朱恒偉[26]提出基于靜態(tài)方程形式的故障診斷策略,但該策略存在測(cè)量參數(shù)不足與反饋回路的問題,導(dǎo)致故障影響參數(shù)傳播、故障診斷有效性受到影響。針對(duì)以上問題,提出了反映部件特性的故障診斷策略,能夠?qū)崿F(xiàn)與已有基于系統(tǒng)方程的診斷系統(tǒng)相一致的診斷效果。王碩等[27]基于運(yùn)載火箭的動(dòng)力學(xué)與運(yùn)動(dòng)學(xué)模型提出一種帶遺忘因子的多信息融合最小二乘算法,僅利用導(dǎo)航敏感器件的慣性測(cè)量信息,就實(shí)現(xiàn)了發(fā)動(dòng)機(jī)的在線故障診斷,并通過仿真驗(yàn)證了該方法的適應(yīng)性和準(zhǔn)確性。

    根據(jù)模型的故障診斷方法,能夠反映大量發(fā)動(dòng)機(jī)實(shí)際系統(tǒng)特性,雖已具備理論依據(jù),但仍需要實(shí)際試車檢驗(yàn)[28]。液體火箭發(fā)動(dòng)機(jī)系統(tǒng)非常復(fù)雜,特別是其強(qiáng)非線性特性導(dǎo)致難以構(gòu)建精準(zhǔn)的數(shù)學(xué)模型,限制了基于模型故障診斷方法的應(yīng)用。

    基于系統(tǒng)辨識(shí)的模型能夠捕獲復(fù)雜物理過程,這種非線性數(shù)學(xué)模型更為簡(jiǎn)單、明確[29]。Kyelim Lee等[30]針對(duì)開式循環(huán)液體火箭發(fā)動(dòng)機(jī)穩(wěn)態(tài)故障診斷,提出了基于卡爾曼濾波和故障因子法的故障檢測(cè)與診斷算法,該算法由閾值法、白度法、GLRT法和MM法組成。通過對(duì)開式循環(huán)全推理液體推進(jìn)劑火箭發(fā)動(dòng)機(jī)進(jìn)行數(shù)值模擬,驗(yàn)證了卡爾曼濾波算法在識(shí)別傳感器或內(nèi)部元件故障發(fā)生位置方面的有效性,以及故障因子法在快速檢測(cè)內(nèi)部元件故障發(fā)生的時(shí)間和位置方面的有效性。薛薇等[31]針對(duì)氫氧發(fā)動(dòng)機(jī)的故障診斷,設(shè)計(jì)并構(gòu)建了遞歸結(jié)構(gòu)識(shí)別(RESID)模型,該模型以遞歸方式建立不同特征之間的相互關(guān)系,構(gòu)建一個(gè)更高階的非線性回歸方程作為判別函數(shù),并且通過半實(shí)物仿真驗(yàn)證了該方法的有效性。

    基于模型的故障診斷在原理上具有最高的精度,但由于液體火箭發(fā)動(dòng)機(jī)中各部件強(qiáng)耦合,故障的結(jié)構(gòu)參數(shù)維度通常遠(yuǎn)大于傳感器能提供的參數(shù)維度,導(dǎo)致模型無法求解、建模難度及成本過高;另外基于模型的故障診斷的前提是有大量的發(fā)動(dòng)機(jī)故障先驗(yàn)知識(shí),診斷結(jié)果的準(zhǔn)確性直接依賴于所建立的數(shù)學(xué)模型與實(shí)際系統(tǒng)的相符程度。因此,僅從模型的角度出發(fā)難以滿足液體火箭發(fā)動(dòng)機(jī)故障診斷的精度和速度要求,需要借助傳感器信號(hào)等具有結(jié)構(gòu)和故障表征能力的數(shù)據(jù)進(jìn)行分析。

    3 基于信號(hào)分析的故障診斷方法

    3.1 基于振動(dòng)信號(hào)的故障診斷

    液體火箭發(fā)動(dòng)機(jī)在運(yùn)行過程中會(huì)產(chǎn)生振動(dòng),這些振動(dòng)可以引起系統(tǒng)故障,進(jìn)而影響到整機(jī)性能。液體火箭發(fā)動(dòng)機(jī)的振動(dòng)包含了發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)和發(fā)動(dòng)機(jī)結(jié)構(gòu)等信息,其變化范圍在幾赫茲到幾十赫茲變化。利用動(dòng)態(tài)測(cè)試儀對(duì)振動(dòng)信號(hào)進(jìn)行捕捉、處理、分析,能夠得到液體火箭發(fā)動(dòng)機(jī)的運(yùn)轉(zhuǎn)信息,進(jìn)而對(duì)發(fā)動(dòng)機(jī)的健康情況和系統(tǒng)性能作出評(píng)估,并進(jìn)一步診斷故障[5]。

    振動(dòng)信號(hào)可以采用時(shí)域、頻域、時(shí)頻域的方法進(jìn)行分析。在時(shí)域內(nèi),其分析指標(biāo)包括幅值、周期、上升時(shí)間和下降時(shí)間等。在頻域內(nèi),其分析方法包括FFT、高頻譜分析、STFT、倒頻譜分析等。在時(shí)頻域內(nèi),分析方法主要包括小波分析、WD分布等[5]。

    截至1990年,用于航天飛機(jī)主發(fā)動(dòng)機(jī)振動(dòng)監(jiān)測(cè)的飛行加速度安全關(guān)機(jī)系統(tǒng)FASCOS,參加了多次地面試車[32],但由于儀器設(shè)備可靠性低,該系統(tǒng)未被用于飛行試車。1997年,針對(duì)YF-75發(fā)動(dòng)機(jī)渦輪泵振動(dòng)信號(hào),朱恒偉[26]開發(fā)簡(jiǎn)單實(shí)用的振動(dòng)信號(hào)實(shí)時(shí)檢測(cè)方法;開發(fā)了基于比較細(xì)致的信號(hào)頻域特征和神經(jīng)網(wǎng)絡(luò)的振動(dòng)故障方法,計(jì)算復(fù)雜度較高,可進(jìn)一步擴(kuò)展為故障診斷方法[33]。

    1996年,馬歇爾空間飛行中心開發(fā)了針對(duì)渦輪泵振動(dòng)分析的航天發(fā)飛機(jī)主動(dòng)機(jī)實(shí)時(shí)振動(dòng)監(jiān)測(cè)系統(tǒng)(RTVMS)[34],提高了渦輪泵設(shè)備的安全可靠性。1999年,RTVMS縮減版被引入?yún)⑴c了實(shí)際飛行試驗(yàn),該系統(tǒng)至今已為150臺(tái)次高壓渦輪泵靜態(tài)試驗(yàn)提供主動(dòng)振動(dòng)監(jiān)測(cè),且從未出現(xiàn)系統(tǒng)故障。

    2008年,夏魯瑞等[35]分析了汽輪泵轉(zhuǎn)子葉片斷裂脫落的典型故障原因,并采用動(dòng)態(tài)分析的方法,研究了故障的振動(dòng)特征,選擇了能有效揭示渦輪泵轉(zhuǎn)子葉片斷裂脫落典型故障的頻率特征;通過變換處理找出了速度變化對(duì)振動(dòng)頻率的影響,提取出穩(wěn)定的頻率特征。結(jié)合汽輪泵歷史試驗(yàn)中的故障數(shù)據(jù),通過跟蹤特征頻率的幅值變化,可以有效地檢測(cè)和診斷汽輪泵轉(zhuǎn)子葉片的斷裂和脫落故障,頻率特征提取的原理框圖如圖2所示。

    圖2 頻率特征提取原理圖[35]

    3.2 基于羽流光譜技術(shù)的故障診斷

    液體火箭發(fā)動(dòng)機(jī)部件發(fā)生故障時(shí),如渦輪泵、閥門和噴注器發(fā)生老化、磨損或燒蝕時(shí),一些金屬雜質(zhì)會(huì)從燃燒室進(jìn)入羽流[36]。高溫時(shí)這些金屬雜質(zhì)能發(fā)射出足夠強(qiáng)的可見輻射和紫外光譜用于檢測(cè)。羽流光譜技術(shù)具有誤診率低、算力要求較低、非侵入式、覆蓋信息廣等優(yōu)點(diǎn),自1986年至今,取得了很大的發(fā)展。美國(guó)研制的羽流光譜故障檢測(cè)與診斷系統(tǒng),成功應(yīng)用于航天飛機(jī)主發(fā)動(dòng)機(jī)的地面試車健康監(jiān)測(cè)。2001年,趙永學(xué)[36]通過仿真及實(shí)驗(yàn),研究了YF-75發(fā)動(dòng)機(jī)故障的羽流光譜和氣氧/煤油火焰輻射光譜、模型發(fā)動(dòng)機(jī)羽流輻射光譜,表明基于羽流輻射光譜的故障檢測(cè)技術(shù)非常適合發(fā)展為發(fā)動(dòng)機(jī)健康監(jiān)控及故障診斷技術(shù)。

    相對(duì)基于模型的方法,信號(hào)分析的診斷方法擁有更佳的實(shí)時(shí)性,并已經(jīng)實(shí)際應(yīng)用在多種型號(hào)液體火箭發(fā)動(dòng)機(jī)中。然而,該種方法對(duì)信號(hào)質(zhì)量要求較高,由于液體火箭發(fā)動(dòng)機(jī)實(shí)際運(yùn)行工況變化劇烈,采集信號(hào)包含大量噪聲;并且發(fā)動(dòng)機(jī)傳感器本身存在高漂、通道丟失等故障,所以依賴單一傳感器信號(hào)故障診斷的誤診率較高,而信號(hào)之間的耦合問題又給多信號(hào)綜合分析帶來了極大挑戰(zhàn),實(shí)際過程中收集到的數(shù)據(jù)往往不能達(dá)到精度要求,這在一定程度上限制了基于信號(hào)分析的故障診斷方法的應(yīng)用。

    4 基于人工智能的故障診斷

    4.1 基于專家系統(tǒng)的故障診斷

    基于專家系統(tǒng)的故障診斷方法,是在大量的專家系統(tǒng)知識(shí)庫(kù)基礎(chǔ)上,推理機(jī)在一定的推理機(jī)制下,運(yùn)用知識(shí)進(jìn)行診斷推理。目前已研發(fā)的發(fā)動(dòng)機(jī)故障檢測(cè)與診斷的專家系統(tǒng)包括AEROJETT公司研制的基于規(guī)則的Titan健康評(píng)估專家系統(tǒng)、LeRC開發(fā)的試車后數(shù)據(jù)自動(dòng)評(píng)估系統(tǒng)、MSFC聯(lián)合Alabama大學(xué)開發(fā)的發(fā)動(dòng)機(jī)數(shù)據(jù)解釋系統(tǒng)等[10]。專家系統(tǒng)還可以與發(fā)動(dòng)機(jī)靜態(tài)數(shù)學(xué)模型相結(jié)合,在參數(shù)估計(jì)方法中引入專家系統(tǒng)推理過程的故障診斷策略[26]。

    4.2 基于模糊理論的故障診斷

    液體火箭發(fā)動(dòng)機(jī)故障診斷過程存在各種不確定性,包括設(shè)備測(cè)量精度誤差、系統(tǒng)環(huán)境干擾噪聲、模型及故障描述的不精確性等?;谀:碚摰姆椒▋H基于數(shù)據(jù)特征,因此在處理系統(tǒng)復(fù)雜性和不確定性方面具備一定的優(yōu)勢(shì)[37];該類方法主要為基于模型聚類、基于模糊模型、基于模糊理論與其他方法相結(jié)合的方法?;谀:P偷墓收显\斷方法,基于黑箱模型、歷史數(shù)據(jù)或其他知識(shí),建立模糊模型模擬輸入輸出對(duì)象的對(duì)應(yīng)關(guān)系,通過模型輸出與實(shí)際輸出的比較結(jié)果實(shí)現(xiàn)故障檢測(cè)與診斷[10]。

    謝濤等[38]基于最大隸屬度原則的模糊聚類方法識(shí)別火箭發(fā)動(dòng)機(jī)故障模式,基于模糊熵與方向相似度的液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)方法[39],采用基于廣義模糊熵的模糊Kohonen聚類網(wǎng)絡(luò)作為滑動(dòng)數(shù)據(jù)窗口的聚類算法,對(duì)強(qiáng)干擾噪聲工況的魯棒性和適應(yīng)性得到顯著提升[40]。周宵鵬等[41]提出了基于改進(jìn)型可能性C-均質(zhì)聚類和故障向量理論的故障診斷方法。董周杰等[42]利用提出一種基于數(shù)據(jù)驅(qū)動(dòng)的綜合模糊聚類算法用于故障診斷,只需要少量先驗(yàn)正常樣本數(shù)據(jù)就可以快速、準(zhǔn)確檢測(cè)出故障的發(fā)生。王冠等[43]基于模糊聚類和LSTM網(wǎng)絡(luò),提出了一種數(shù)據(jù)驅(qū)動(dòng)的運(yùn)載火箭發(fā)動(dòng)機(jī)氧渦輪泵數(shù)據(jù)異常分析方法,通過模糊聚類對(duì)標(biāo)簽不完整的數(shù)據(jù)樣本進(jìn)行預(yù)分類,得到完整的標(biāo)簽并且分析特征貢獻(xiàn)度,顯著增強(qiáng)了系統(tǒng)故障檢測(cè)的能力。

    模糊理論可以與專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等相結(jié)合,實(shí)現(xiàn)更有效的故障診斷[43-47]。

    4.3 基于遺傳算法模型的故障診斷

    遺傳算法已經(jīng)廣泛運(yùn)用在機(jī)器學(xué)習(xí)、信號(hào)處理、組合優(yōu)化等領(lǐng)域。2008年,楊晉朝[3]將液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)與診斷中的關(guān)鍵技術(shù)問題轉(zhuǎn)化為相應(yīng)的優(yōu)化問題,并用遺傳算法和量子遺傳算法加以解決,提出了將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)深度交叉混合的遺傳神經(jīng)網(wǎng)絡(luò)。性能分析表明,該算法相比于BP算法更易于找到全局最優(yōu)解,同時(shí)克服了遺傳算法搜索性能相對(duì)較低的問題;該算法還能夠避免通過經(jīng)驗(yàn)數(shù)據(jù)方法選用權(quán)值和閾值的弊端,能夠較全面、充分地表達(dá)診斷故障的特征信息,提高神經(jīng)網(wǎng)絡(luò)非線性映射的能力。Yu等[44]提出了一種自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的液體火箭發(fā)動(dòng)機(jī)實(shí)時(shí)故障檢測(cè)方法,仿真分析結(jié)果表明,該方法檢測(cè)結(jié)果比BP神經(jīng)網(wǎng)絡(luò)模型更接近實(shí)際,效果更快。在遺傳神經(jīng)網(wǎng)絡(luò)模型中,采用遺傳模糊C均質(zhì)算法,使聚類算法具有更好的搜索結(jié)果和較優(yōu)的目標(biāo)函數(shù)值,分類錯(cuò)誤率更低,能夠全部準(zhǔn)確監(jiān)控正常試車數(shù)據(jù),并準(zhǔn)確診斷出兩次發(fā)動(dòng)機(jī)故障[1]。李寧寧等[48]針對(duì)BP神經(jīng)網(wǎng)絡(luò)容易受到局部極小點(diǎn)的缺點(diǎn),用遺傳算法來優(yōu)化BP網(wǎng)絡(luò),構(gòu)建了發(fā)動(dòng)機(jī)工作過程的非線性辨識(shí)模型,并使用歷史數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)故障檢測(cè)模型進(jìn)行對(duì)比,驗(yàn)證了該方法可靠性和精確性。

    4.4 基于決策樹模型的故障診斷

    決策樹是一個(gè)類似于流程圖的樹狀結(jié)構(gòu),將分類和決策作為目的,以實(shí)例為基礎(chǔ)進(jìn)行歸納學(xué)習(xí)。決策樹方法將專家診斷知識(shí)隱含在整個(gè)決策樹的各個(gè)葉節(jié)點(diǎn)和內(nèi)部節(jié)點(diǎn)上,根據(jù)節(jié)點(diǎn)屬性及取值體現(xiàn)診斷知識(shí)的條件部分,葉節(jié)點(diǎn)指向知識(shí)結(jié)論部分[49]。

    2007年,韓泉東等[49]以泵壓式液體火箭發(fā)動(dòng)機(jī)為研究對(duì)象,針對(duì)故障特征難以提取的問題,提出了在大量試車數(shù)據(jù)的基礎(chǔ)上,應(yīng)用決策樹方法提取故障特征并進(jìn)行穩(wěn)態(tài)段故障檢測(cè)與診斷的思路,對(duì)某型發(fā)動(dòng)機(jī)大量熱試車數(shù)據(jù)進(jìn)行了實(shí)例分析,將得到的故障檢測(cè)和診斷結(jié)果與神經(jīng)網(wǎng)絡(luò)等方法所得結(jié)果進(jìn)行了比較,并利用仿真數(shù)據(jù)對(duì)該方法的性能進(jìn)行了進(jìn)一步驗(yàn)證,結(jié)果表明,決策樹方法是一種有效、可靠的火箭發(fā)動(dòng)機(jī)故障檢測(cè)與診斷的新途徑。

    4.5 基于神經(jīng)網(wǎng)絡(luò)模型的故障診斷

    神經(jīng)網(wǎng)絡(luò)憑借其具有的高度自適應(yīng)能力和極強(qiáng)的容錯(cuò)性等特點(diǎn),在火箭發(fā)動(dòng)機(jī)故障診斷領(lǐng)域得到了極大的發(fā)展[50-52]。主要的神經(jīng)網(wǎng)絡(luò)模型有自適應(yīng)共振理論ART神經(jīng)網(wǎng)絡(luò)、反傳BP神經(jīng)網(wǎng)絡(luò)、動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)等[5]。

    ART屬于無監(jiān)督自適應(yīng)神經(jīng)網(wǎng)絡(luò),可以對(duì)二維模式進(jìn)行自組織和大規(guī)模并行處理。ART-2模型對(duì)于非平衡、不可預(yù)測(cè)的故障檢測(cè)環(huán)境,具有自穩(wěn)定、自組織和彈性應(yīng)變等特點(diǎn)。該類神經(jīng)網(wǎng)絡(luò)的主要原理為:將測(cè)量數(shù)據(jù)經(jīng)快速傅里葉變換后,得出功率譜密度分布,再根據(jù)該功率譜密度與通過學(xué)習(xí)算法獲得的權(quán)值數(shù)據(jù)計(jì)算其歐氏距離,通過檢驗(yàn)獲得其具有最小值的點(diǎn),從而實(shí)現(xiàn)故障的分類檢測(cè)。經(jīng)過訓(xùn)練的ART-2神經(jīng)網(wǎng)絡(luò),可形成分別表征正常狀態(tài)和故障狀態(tài)的權(quán)值數(shù)據(jù),試驗(yàn)輸入輸出故障檢測(cè)與診斷系統(tǒng)經(jīng)對(duì)比分類,得到正常狀態(tài)或有故障特征的輸出結(jié)果[11]。

    反傳BP神經(jīng)網(wǎng)絡(luò)可將傳統(tǒng)的故障模式識(shí)別及分類方法中的三步,即測(cè)量、特征提取、分類,融合在一起,自動(dòng)提取故障特征。

    動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)用于發(fā)動(dòng)機(jī)故障檢測(cè)時(shí),不需要發(fā)動(dòng)機(jī)系統(tǒng)的工作特性模型,僅通過基于傳感器測(cè)量數(shù)據(jù),即可根據(jù)狀態(tài)特征辨識(shí)產(chǎn)生的殘差值來檢測(cè)故障,并通過辨識(shí)殘差相關(guān)函數(shù)對(duì)故障類型實(shí)現(xiàn)分類,滿足對(duì)故障檢測(cè)與分離的實(shí)時(shí)性工程要求[5]。

    1998年,王建波等[53]提出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的液體火箭發(fā)動(dòng)機(jī)動(dòng)態(tài)過程建模,仿真結(jié)果表明可以達(dá)到很好的逼近精度;2000年,于達(dá)仁等[54]以一個(gè)典型的泵壓式液體火箭發(fā)動(dòng)機(jī)為對(duì)象,針對(duì)發(fā)動(dòng)機(jī)的幾種泄露故障,用自組織網(wǎng)絡(luò)識(shí)別降維樣本,仿真發(fā)現(xiàn)自組織網(wǎng)絡(luò)可以對(duì)發(fā)動(dòng)機(jī)的泄露故障模式進(jìn)行很好的聚類。

    2001年,張煒等[55]針對(duì)液體火箭發(fā)動(dòng)機(jī)系統(tǒng)多故障同時(shí)發(fā)生的現(xiàn)象,通過分析故障的特征表現(xiàn)建立渦輪泵系統(tǒng)的標(biāo)準(zhǔn)故障模式,在此基礎(chǔ)上提出并采用并行BP神經(jīng)網(wǎng)絡(luò)進(jìn)行多故障診斷分類的方法,結(jié)果表明基本BP神經(jīng)網(wǎng)絡(luò)對(duì)于給定的訓(xùn)練樣本能夠較好地實(shí)現(xiàn)模式表達(dá);楊爾輔等[56]提出了一種應(yīng)用故障機(jī)理模型和SOM(Self-organization Mapping)神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)故障診斷方法,以解決單純依靠故障機(jī)理模型進(jìn)行診斷時(shí)遇到的實(shí)時(shí)性問題和單純依靠SOM神經(jīng)網(wǎng)絡(luò)診斷時(shí)遇到的故障樣本獲取問題;2009年,楊晉朝等[57]將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)深度交叉融合,克服了遺傳算法以類似窮舉的形式尋找最優(yōu)解導(dǎo)致算力要求過高、BP算法易陷入局部最優(yōu)解的缺點(diǎn)。

    2011年,劉垠杰等[58]將云模型與BP神經(jīng)網(wǎng)絡(luò)以串聯(lián)方式有機(jī)結(jié)合,利用云變換方法針對(duì)網(wǎng)絡(luò)結(jié)構(gòu)辨識(shí)和云模型進(jìn)行特征提取,通過在輸入層引入單位延時(shí)處理來描述發(fā)動(dòng)機(jī)工作過程中的動(dòng)態(tài)特性,提出了基于動(dòng)態(tài)云BP網(wǎng)絡(luò)的液體火箭發(fā)動(dòng)機(jī)故障診斷方法。該方法能準(zhǔn)確識(shí)別發(fā)動(dòng)機(jī)已有的3種故障模式,單步運(yùn)行時(shí)長(zhǎng)為1.124×10-4s,完全滿足實(shí)時(shí)性要求,云神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖3所示。

    圖3 云神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[58]

    2013年,彭小輝等[59]針對(duì)當(dāng)前模式分類方法難以處理不確定性信息、屬性特征空間的劃分過硬等缺陷,結(jié)合云模型和云變換研究,提出了一種基于云分類器的液體火箭發(fā)動(dòng)機(jī)起動(dòng)過程故障診斷方法,相比于包絡(luò)線算法、BP神經(jīng)網(wǎng)絡(luò)算法、RBF神經(jīng)網(wǎng)絡(luò)算法和紅線關(guān)機(jī)算法的故障檢測(cè)性能,該算法在診斷及時(shí)性上有一定進(jìn)步。

    2020年,Park等[60]使用數(shù)值模型構(gòu)建發(fā)動(dòng)機(jī)啟動(dòng)期間潛在故障類型的數(shù)據(jù)集,來訓(xùn)練神經(jīng)網(wǎng)絡(luò),故障診斷基于CNN-LSTM,該方法與傳統(tǒng)的紅線截止相比具有優(yōu)越的二元/多分類性能,并證實(shí)了該方法對(duì)實(shí)際液體火箭發(fā)動(dòng)機(jī)的適用性。

    4.6 基于主成分分析的故障診斷

    主成分分析(PCA)作為一種數(shù)據(jù)降維方法,已被應(yīng)用于故障診斷任務(wù)中。該方法基于數(shù)據(jù)生成主成分,在測(cè)試時(shí)根據(jù)測(cè)試數(shù)據(jù)主成分與正常數(shù)據(jù)的偏離值進(jìn)行閾值判斷,進(jìn)而診斷故障[61]。張振臻等[62]提出一種與滑動(dòng)時(shí)間窗結(jié)合的PCA故障診斷方法,基于發(fā)動(dòng)機(jī)試車數(shù)據(jù)進(jìn)行驗(yàn)證,該方法可以實(shí)現(xiàn)對(duì)4種常見傳感器故障和2種發(fā)動(dòng)機(jī)試驗(yàn)故障進(jìn)行診斷。

    4.7 基于支持向量機(jī)模型的故障診斷

    支持向量機(jī)(SVM)建立在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上,是一種更為前沿的的機(jī)器學(xué)習(xí)分類方法。SVM有著嚴(yán)格的理論和數(shù)學(xué)基礎(chǔ),通過最小化經(jīng)驗(yàn)風(fēng)險(xiǎn),在有限的學(xué)習(xí)精度和學(xué)習(xí)泛化能力之間尋求最佳折中。支持向量機(jī)能夠克服傳統(tǒng)機(jī)器學(xué)習(xí)中過學(xué)習(xí)、局部值極小等問題。實(shí)際過程中樣本數(shù)目往往有限,支持向量機(jī)專門針對(duì)小樣本,具有巨大的應(yīng)用潛力。

    支持向量機(jī)的基本思想可以用二維最優(yōu)超平面示意圖進(jìn)行說明[63],如圖4所示。圖中,實(shí)心和空心點(diǎn)代表兩類樣本,H1和H2代表分類線。如果H1和H2正確地將兩類樣本分開,則間隔最大的分類線即為最優(yōu)分類線[63]。推廣到高維空間,最優(yōu)分類線即演變?yōu)樽顑?yōu)分類面。其核心思想是在進(jìn)行分類時(shí),對(duì)于線性不可分樣本,通過非線性映射(核函數(shù)),將原空間樣本映射到高維特征空間(核空間),使得在樣本核空間中線性可分或近似線性可分,從而在核空間中進(jìn)行線性分類[3]。

    圖4 最優(yōu)超平面示意圖[63]

    2007年,韓泉東等[63]將支持向量機(jī)模型用于某種大型液體火箭發(fā)動(dòng)機(jī)穩(wěn)態(tài)試車數(shù)據(jù)挖掘,建立了多故障分類器,如圖5所示?;?3次試車數(shù)據(jù)對(duì)挖掘結(jié)果進(jìn)行測(cè)試,并用28類仿真穩(wěn)態(tài)故障數(shù)據(jù)進(jìn)一步驗(yàn)證,結(jié)果表明,支持向量機(jī)是基于小樣本、有效的液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)和診斷方法。

    圖5 多故障分類器流程圖[63]

    何浩等[64]用SVM對(duì)液體火箭發(fā)動(dòng)機(jī)的故障數(shù)據(jù)進(jìn)行檢測(cè)和診斷。通過學(xué)習(xí)發(fā)動(dòng)機(jī)仿真模型中的9種數(shù)據(jù),檢測(cè)出18組數(shù)據(jù)中的17組,有4組出現(xiàn)誤報(bào),進(jìn)而對(duì)誤報(bào)故障進(jìn)行二次學(xué)習(xí)和再檢測(cè),能正確檢測(cè)這4種故障。經(jīng)過對(duì)C75試車4種故障數(shù)據(jù)的學(xué)習(xí),能正確檢測(cè)其故障類型,進(jìn)一步驗(yàn)證了該方法的正確性和可行性。

    郭小鳳等[4]針對(duì)試驗(yàn)參數(shù)多樣、數(shù)據(jù)復(fù)雜且相關(guān)等特點(diǎn),研究了基于PCA-SVM的液體火箭發(fā)動(dòng)機(jī)試驗(yàn)臺(tái)故障診斷方法,基于主元分析法進(jìn)行原始數(shù)據(jù)特征工程、基于累計(jì)貢獻(xiàn)率函數(shù)選取主元數(shù)目,降低了數(shù)據(jù)維數(shù)和計(jì)算復(fù)雜度;采用了基于聚類的二叉樹方法,建立了多故障分類器模型,解決了標(biāo)準(zhǔn)支持向量機(jī)不適用于多值分類的問題?;谥髟治龊椭С窒蛄繖C(jī)的試驗(yàn)臺(tái)故障診斷分類器,在小樣本情況下識(shí)別率高于BP神經(jīng)網(wǎng)絡(luò),具有較高的識(shí)別率、更好的分類性能、更高的診斷精度。

    單類支持向量機(jī)算法[65]、雙閾值單類支持向量機(jī)在線檢測(cè)算法[66],以及基于凸頻分量均方根和支持向量機(jī)的故障檢測(cè)算法[67],使得支持向量機(jī)模型在故障檢測(cè)方面得到了進(jìn)一步應(yīng)用,并為支持向量機(jī)在故障診斷中的應(yīng)用開辟了空間。

    不同的人工智能方法的理論基礎(chǔ)不同,應(yīng)用特點(diǎn)也存在差異,本文針對(duì)不同的故障診斷方法,從所需基礎(chǔ)、優(yōu)點(diǎn)和缺點(diǎn)等3個(gè)方面進(jìn)行對(duì)比分析,如表3所示。由于液體火箭發(fā)動(dòng)機(jī)實(shí)驗(yàn)成本較高,試車數(shù)據(jù)量小,獲得故障狀態(tài)數(shù)據(jù)困難,因此目前能夠處理小樣本的決策樹、支持向量機(jī)等傳統(tǒng)機(jī)器學(xué)習(xí)模型擁有更佳的表現(xiàn)和更廣泛的應(yīng)用[64]。但在未來實(shí)驗(yàn)數(shù)據(jù)量積累到一定程度或使用仿真手段獲得大量數(shù)據(jù)的背景下,擁有更大模型容量的深度學(xué)習(xí)模型是值得探索的方案。

    表3 基于人工智能的故障診斷方法的對(duì)比分析

    5 結(jié)論

    現(xiàn)代計(jì)算機(jī)技術(shù)、先進(jìn)傳感器技術(shù)、信號(hào)處理技術(shù)、人工智能技術(shù),液體火箭發(fā)動(dòng)機(jī)故障診斷技術(shù)正朝著智能化,高效化,泛化的方向發(fā)展。但部分故障特征相似、傳感器參數(shù)耦合帶來的影響以及大容量模型帶來的預(yù)測(cè)速度慢和實(shí)時(shí)性差等問題仍制約著液體火箭發(fā)動(dòng)機(jī)故障診斷技術(shù)的發(fā)展。

    未來需繼續(xù)完善故障數(shù)據(jù)庫(kù),并進(jìn)一步識(shí)別故障模式;發(fā)展解耦算法,準(zhǔn)確提取識(shí)別故障特征的關(guān)鍵數(shù)據(jù);改進(jìn)優(yōu)化目前已有的算法或開發(fā)新的算法,以滿足高效性和實(shí)時(shí)性的要求。

    猜你喜歡
    火箭故障診斷液體
    液體小“橋”
    『液體的壓強(qiáng)』知識(shí)鞏固
    液體壓強(qiáng)由誰定
    飛出去吧,火箭!
    運(yùn)載火箭
    層層疊疊的液體
    透視奇妙的火箭
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    超酷的火箭
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    精品一区二区免费观看| 中文字幕人妻熟人妻熟丝袜美| 国产精品一区二区在线不卡| 蜜桃久久精品国产亚洲av| 99九九在线精品视频 | 欧美日韩av久久| 国产国拍精品亚洲av在线观看| 色网站视频免费| 黄色欧美视频在线观看| 少妇 在线观看| 国产高清国产精品国产三级| 色吧在线观看| 最黄视频免费看| 激情五月婷婷亚洲| 2021少妇久久久久久久久久久| 老司机影院成人| 熟女人妻精品中文字幕| 国产淫片久久久久久久久| 成人午夜精彩视频在线观看| 这个男人来自地球电影免费观看 | 高清黄色对白视频在线免费看 | 日日啪夜夜爽| 少妇的逼水好多| 亚洲国产日韩一区二区| 国产精品国产三级专区第一集| 精品一区二区免费观看| 国产免费一区二区三区四区乱码| 超碰97精品在线观看| 国产淫语在线视频| 国产女主播在线喷水免费视频网站| 亚洲美女黄色视频免费看| 国产精品国产三级国产av玫瑰| 亚洲,一卡二卡三卡| 99久国产av精品国产电影| av线在线观看网站| 大陆偷拍与自拍| 只有这里有精品99| 国产综合精华液| 国产精品嫩草影院av在线观看| 亚洲图色成人| 最近中文字幕2019免费版| av福利片在线| 久久99热这里只频精品6学生| 久久久久网色| 日韩欧美一区视频在线观看 | 51国产日韩欧美| 成人美女网站在线观看视频| 制服丝袜香蕉在线| 亚洲一级一片aⅴ在线观看| av卡一久久| 亚洲精品中文字幕在线视频 | 亚州av有码| 亚洲av电影在线观看一区二区三区| 一区二区三区乱码不卡18| 国产欧美日韩一区二区三区在线 | 亚洲精品久久久久久婷婷小说| 最近手机中文字幕大全| 国产精品一区www在线观看| 中文乱码字字幕精品一区二区三区| 亚洲国产最新在线播放| 精品卡一卡二卡四卡免费| 亚洲情色 制服丝袜| 亚洲国产欧美在线一区| 亚洲欧洲日产国产| 色视频在线一区二区三区| 免费久久久久久久精品成人欧美视频 | 亚洲人成网站在线观看播放| 亚洲高清免费不卡视频| 亚洲丝袜综合中文字幕| 建设人人有责人人尽责人人享有的| 18禁动态无遮挡网站| 亚洲精品久久午夜乱码| 国产亚洲午夜精品一区二区久久| 91aial.com中文字幕在线观看| 视频区图区小说| 日本av免费视频播放| 制服丝袜香蕉在线| av在线老鸭窝| 国语对白做爰xxxⅹ性视频网站| 2022亚洲国产成人精品| 五月开心婷婷网| 丝袜喷水一区| 国产淫语在线视频| 精品一品国产午夜福利视频| 精品亚洲乱码少妇综合久久| 18禁动态无遮挡网站| 91成人精品电影| 乱码一卡2卡4卡精品| 日韩精品免费视频一区二区三区 | 最近中文字幕2019免费版| 国产男女超爽视频在线观看| 欧美日本中文国产一区发布| 国产又色又爽无遮挡免| 国产午夜精品一二区理论片| 三级经典国产精品| 伊人亚洲综合成人网| 只有这里有精品99| 看非洲黑人一级黄片| 99热网站在线观看| 搡老乐熟女国产| 黄色怎么调成土黄色| 在线观看免费高清a一片| 一级片'在线观看视频| 亚洲美女视频黄频| 美女主播在线视频| 国产精品偷伦视频观看了| 国产女主播在线喷水免费视频网站| 国产女主播在线喷水免费视频网站| 日本黄大片高清| 日韩人妻高清精品专区| 亚洲精品,欧美精品| 精品国产乱码久久久久久小说| 免费播放大片免费观看视频在线观看| 国产欧美日韩综合在线一区二区 | 一级片'在线观看视频| 日韩大片免费观看网站| 国产成人免费观看mmmm| 亚洲综合色惰| 丰满乱子伦码专区| 伦精品一区二区三区| 成人特级av手机在线观看| 成人漫画全彩无遮挡| 六月丁香七月| 久久久久国产精品人妻一区二区| 精品久久久精品久久久| 国产成人a∨麻豆精品| 国产免费视频播放在线视频| 国产淫语在线视频| 极品少妇高潮喷水抽搐| 婷婷色av中文字幕| 国产一级毛片在线| 男人狂女人下面高潮的视频| 中文字幕久久专区| 亚洲久久久国产精品| 蜜桃在线观看..| 国产伦精品一区二区三区四那| 国产一区二区三区综合在线观看 | 国产国拍精品亚洲av在线观看| 亚洲欧美成人综合另类久久久| 免费观看在线日韩| 精品一区二区三卡| 能在线免费看毛片的网站| 色婷婷av一区二区三区视频| 亚洲中文av在线| 蜜桃久久精品国产亚洲av| 嫩草影院新地址| 26uuu在线亚洲综合色| 两个人免费观看高清视频 | 乱系列少妇在线播放| 777米奇影视久久| 久久久久久久久久人人人人人人| 久久久久精品性色| 永久网站在线| 亚洲人成网站在线观看播放| 女性生殖器流出的白浆| 国产精品一区二区三区四区免费观看| 亚洲av中文av极速乱| 丰满人妻一区二区三区视频av| xxx大片免费视频| 黑人高潮一二区| 国产高清国产精品国产三级| 日本av手机在线免费观看| 曰老女人黄片| av线在线观看网站| 日韩成人伦理影院| 久久国产精品大桥未久av | 美女国产视频在线观看| 亚洲国产欧美在线一区| 免费观看性生交大片5| 最近2019中文字幕mv第一页| 亚洲精品国产av蜜桃| 如何舔出高潮| 久久精品国产鲁丝片午夜精品| 十八禁高潮呻吟视频 | 永久网站在线| 美女国产视频在线观看| 日韩强制内射视频| 91精品伊人久久大香线蕉| 麻豆乱淫一区二区| 一级毛片aaaaaa免费看小| 国产探花极品一区二区| 两个人的视频大全免费| 99热国产这里只有精品6| av视频免费观看在线观看| .国产精品久久| 国产黄频视频在线观看| 国产亚洲5aaaaa淫片| 国产欧美另类精品又又久久亚洲欧美| 一二三四中文在线观看免费高清| 啦啦啦啦在线视频资源| 日日摸夜夜添夜夜添av毛片| 久久久久久伊人网av| 在线观看美女被高潮喷水网站| 亚洲av免费高清在线观看| 亚洲欧美日韩另类电影网站| 欧美性感艳星| 人妻少妇偷人精品九色| 极品少妇高潮喷水抽搐| 亚洲国产日韩一区二区| videos熟女内射| 国产精品熟女久久久久浪| 超碰97精品在线观看| 夜夜爽夜夜爽视频| 欧美最新免费一区二区三区| 国产精品无大码| 免费久久久久久久精品成人欧美视频 | 91久久精品国产一区二区成人| 性色av一级| 成人美女网站在线观看视频| 三级国产精品欧美在线观看| 欧美精品一区二区免费开放| .国产精品久久| 欧美xxⅹ黑人| 国产黄频视频在线观看| 国产一区二区在线观看av| 国产av国产精品国产| 久久久久国产精品人妻一区二区| 国产日韩欧美亚洲二区| 黄色配什么色好看| 街头女战士在线观看网站| 美女主播在线视频| 色哟哟·www| 老司机亚洲免费影院| 少妇 在线观看| av专区在线播放| 日本免费在线观看一区| 国产伦精品一区二区三区视频9| 亚洲国产最新在线播放| 色视频在线一区二区三区| 卡戴珊不雅视频在线播放| 成年av动漫网址| 免费少妇av软件| 黄色配什么色好看| 国产真实伦视频高清在线观看| 18禁裸乳无遮挡动漫免费视频| av不卡在线播放| 自线自在国产av| 国产在线一区二区三区精| 日韩,欧美,国产一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 一区二区av电影网| 啦啦啦视频在线资源免费观看| 纯流量卡能插随身wifi吗| 老女人水多毛片| 国产精品人妻久久久久久| 在线观看免费日韩欧美大片 | 精华霜和精华液先用哪个| 国产综合精华液| 乱系列少妇在线播放| 亚洲av成人精品一区久久| 熟女电影av网| av线在线观看网站| 免费人成在线观看视频色| 纵有疾风起免费观看全集完整版| 欧美精品人与动牲交sv欧美| 欧美精品国产亚洲| 久久精品国产亚洲网站| 亚洲中文av在线| 国产av一区二区精品久久| 九九爱精品视频在线观看| 国产伦理片在线播放av一区| 久久99一区二区三区| 精品国产一区二区久久| 亚洲av男天堂| 99久久精品国产国产毛片| 亚洲国产毛片av蜜桃av| 国产黄片美女视频| 草草在线视频免费看| 偷拍熟女少妇极品色| 日韩一区二区三区影片| 熟女av电影| 伊人亚洲综合成人网| 午夜激情久久久久久久| 中文字幕免费在线视频6| 日韩av在线免费看完整版不卡| 一区二区三区乱码不卡18| 看免费成人av毛片| 久久综合国产亚洲精品| 美女中出高潮动态图| 一区在线观看完整版| 男人爽女人下面视频在线观看| 久久鲁丝午夜福利片| 亚洲欧洲日产国产| 在线亚洲精品国产二区图片欧美 | 国产成人免费无遮挡视频| 免费观看无遮挡的男女| 亚洲欧美日韩另类电影网站| 国产一区有黄有色的免费视频| 肉色欧美久久久久久久蜜桃| 少妇被粗大猛烈的视频| 国产成人a∨麻豆精品| av线在线观看网站| 99精国产麻豆久久婷婷| 成人国产麻豆网| 精品卡一卡二卡四卡免费| 欧美日韩亚洲高清精品| 免费少妇av软件| 国产永久视频网站| 一本—道久久a久久精品蜜桃钙片| 综合色丁香网| 99热这里只有是精品在线观看| 十八禁网站网址无遮挡 | 韩国av在线不卡| 亚洲欧美日韩东京热| 日本vs欧美在线观看视频 | 夜夜看夜夜爽夜夜摸| 国产精品免费大片| 亚洲精品日本国产第一区| 国产精品人妻久久久久久| 日本色播在线视频| 国模一区二区三区四区视频| 久久久久久久久久久丰满| 99精国产麻豆久久婷婷| 国产极品天堂在线| 久久影院123| 男人爽女人下面视频在线观看| 一级爰片在线观看| 少妇人妻精品综合一区二区| 精品人妻熟女毛片av久久网站| 男女边摸边吃奶| 69精品国产乱码久久久| 久久精品久久精品一区二区三区| 晚上一个人看的免费电影| 日韩成人伦理影院| 久久久亚洲精品成人影院| 国产亚洲91精品色在线| 极品教师在线视频| 我的老师免费观看完整版| 一本—道久久a久久精品蜜桃钙片| 欧美精品国产亚洲| 搡老乐熟女国产| 亚洲真实伦在线观看| 国产亚洲91精品色在线| 能在线免费看毛片的网站| 男女无遮挡免费网站观看| 国产女主播在线喷水免费视频网站| 精品久久国产蜜桃| 欧美成人精品欧美一级黄| 十八禁网站网址无遮挡 | 极品少妇高潮喷水抽搐| 大香蕉久久网| 亚洲av福利一区| 亚洲国产色片| 人人妻人人爽人人添夜夜欢视频 | 色视频在线一区二区三区| 国产 精品1| 中文字幕人妻熟人妻熟丝袜美| 天堂中文最新版在线下载| 男女边吃奶边做爰视频| 中文乱码字字幕精品一区二区三区| 日本91视频免费播放| 国产精品一区二区性色av| 日韩av免费高清视频| 日韩欧美精品免费久久| 国产av一区二区精品久久| 日日啪夜夜撸| 日本av手机在线免费观看| 国产深夜福利视频在线观看| 亚洲经典国产精华液单| xxx大片免费视频| 亚洲国产精品成人久久小说| 国产精品不卡视频一区二区| 国产欧美日韩综合在线一区二区 | 欧美激情极品国产一区二区三区 | 亚洲av电影在线观看一区二区三区| 免费人成在线观看视频色| 又粗又硬又长又爽又黄的视频| 黄色欧美视频在线观看| 男女边吃奶边做爰视频| 久久毛片免费看一区二区三区| 99热网站在线观看| 极品少妇高潮喷水抽搐| 七月丁香在线播放| 涩涩av久久男人的天堂| 色吧在线观看| 久久狼人影院| 国产亚洲午夜精品一区二区久久| av专区在线播放| 黑人猛操日本美女一级片| 日韩电影二区| 国产精品三级大全| 尾随美女入室| 亚洲色图综合在线观看| 日韩在线高清观看一区二区三区| 人人妻人人添人人爽欧美一区卜| 国产伦在线观看视频一区| 丰满迷人的少妇在线观看| 久久久欧美国产精品| av天堂久久9| 国产成人午夜福利电影在线观看| 观看美女的网站| 久久鲁丝午夜福利片| 国产成人免费无遮挡视频| 成年人免费黄色播放视频 | 18+在线观看网站| 搡老乐熟女国产| 免费看不卡的av| 老女人水多毛片| 精品人妻熟女av久视频| 九九在线视频观看精品| 天堂8中文在线网| 亚洲图色成人| 亚洲精品亚洲一区二区| 啦啦啦中文免费视频观看日本| 国产欧美日韩一区二区三区在线 | 伊人久久精品亚洲午夜| 中文精品一卡2卡3卡4更新| 晚上一个人看的免费电影| 精品人妻偷拍中文字幕| 一区二区三区乱码不卡18| 看免费成人av毛片| 成人特级av手机在线观看| 国产色爽女视频免费观看| 精品午夜福利在线看| 精品视频人人做人人爽| 啦啦啦在线观看免费高清www| 中文在线观看免费www的网站| 精品午夜福利在线看| 日韩一区二区视频免费看| 国产高清国产精品国产三级| 伦精品一区二区三区| 国精品久久久久久国模美| 岛国毛片在线播放| 性色avwww在线观看| 免费观看av网站的网址| av不卡在线播放| 日本黄大片高清| 最近2019中文字幕mv第一页| 亚洲天堂av无毛| 特大巨黑吊av在线直播| 日韩大片免费观看网站| 美女中出高潮动态图| 亚洲内射少妇av| 国产精品不卡视频一区二区| 91久久精品国产一区二区成人| 国产av码专区亚洲av| 国产片特级美女逼逼视频| 亚洲av欧美aⅴ国产| 嫩草影院新地址| 人人妻人人澡人人爽人人夜夜| 久久 成人 亚洲| 久久国产乱子免费精品| 国产免费一级a男人的天堂| 国产片特级美女逼逼视频| 男女啪啪激烈高潮av片| 丝袜在线中文字幕| 一区二区三区精品91| 热re99久久精品国产66热6| av播播在线观看一区| 纯流量卡能插随身wifi吗| av播播在线观看一区| 老女人水多毛片| 亚洲欧美精品自产自拍| 老司机影院成人| 亚洲精品日韩在线中文字幕| 午夜精品国产一区二区电影| 日本与韩国留学比较| 狠狠精品人妻久久久久久综合| 日韩精品有码人妻一区| 午夜影院在线不卡| 激情五月婷婷亚洲| 精品少妇黑人巨大在线播放| 91精品国产国语对白视频| 成人亚洲精品一区在线观看| 中文字幕精品免费在线观看视频 | 亚洲人成网站在线观看播放| 久久6这里有精品| 99视频精品全部免费 在线| 女性被躁到高潮视频| a级毛片在线看网站| 少妇熟女欧美另类| 日韩不卡一区二区三区视频在线| 国产亚洲av片在线观看秒播厂| av免费在线看不卡| h视频一区二区三区| 免费黄频网站在线观看国产| 成人国产av品久久久| 午夜免费观看性视频| 有码 亚洲区| 亚洲精品一二三| 中国国产av一级| 国产白丝娇喘喷水9色精品| 亚洲四区av| 91午夜精品亚洲一区二区三区| 麻豆乱淫一区二区| 99久久精品热视频| 国产av一区二区精品久久| 久久影院123| 日本黄色日本黄色录像| 亚洲国产最新在线播放| 亚洲精品自拍成人| 欧美日韩亚洲高清精品| 成人国产av品久久久| 高清午夜精品一区二区三区| 狂野欧美白嫩少妇大欣赏| 国产一区二区在线观看日韩| 国产色婷婷99| 观看美女的网站| 全区人妻精品视频| 麻豆精品久久久久久蜜桃| 国产一区二区在线观看av| 中文在线观看免费www的网站| 久久久精品94久久精品| 色94色欧美一区二区| 久久韩国三级中文字幕| 久久久久久久久久久久大奶| 性色av一级| 一区二区av电影网| av在线app专区| 久久久国产一区二区| 久久av网站| 六月丁香七月| 亚洲精品亚洲一区二区| 乱人伦中国视频| 国产亚洲91精品色在线| 欧美日本中文国产一区发布| 夜夜骑夜夜射夜夜干| 日本黄大片高清| 国产精品久久久久久精品电影小说| 国产成人精品久久久久久| 国产精品欧美亚洲77777| 欧美日韩国产mv在线观看视频| 国产欧美日韩精品一区二区| 亚洲内射少妇av| 中文字幕久久专区| 色哟哟·www| 赤兔流量卡办理| 久久影院123| 另类亚洲欧美激情| 少妇的逼好多水| 赤兔流量卡办理| 99九九线精品视频在线观看视频| 久久久久久久久久成人| 国产黄片视频在线免费观看| 免费大片黄手机在线观看| 校园人妻丝袜中文字幕| 伦理电影大哥的女人| 91久久精品国产一区二区成人| 成人亚洲欧美一区二区av| 性色avwww在线观看| 三级国产精品欧美在线观看| 熟女人妻精品中文字幕| 2022亚洲国产成人精品| 国产无遮挡羞羞视频在线观看| 亚洲精品亚洲一区二区| 97精品久久久久久久久久精品| 欧美日韩一区二区视频在线观看视频在线| 国产成人a∨麻豆精品| h日本视频在线播放| 亚洲欧美清纯卡通| 日本黄大片高清| 午夜福利影视在线免费观看| av有码第一页| 人人妻人人添人人爽欧美一区卜| 久久亚洲国产成人精品v| 丰满迷人的少妇在线观看| 日韩一区二区视频免费看| 大片电影免费在线观看免费| 亚洲不卡免费看| 亚洲av男天堂| 丁香六月天网| 99久久中文字幕三级久久日本| 观看免费一级毛片| 亚洲精品国产色婷婷电影| 人人妻人人爽人人添夜夜欢视频 | 丰满饥渴人妻一区二区三| 欧美日韩视频精品一区| 狠狠精品人妻久久久久久综合| av免费观看日本| 十八禁高潮呻吟视频 | 少妇被粗大的猛进出69影院 | 女人久久www免费人成看片| 亚洲美女视频黄频| 国产日韩欧美亚洲二区| 日本午夜av视频| 成年av动漫网址| 国产精品人妻久久久影院| 免费人成在线观看视频色| 国产男女内射视频| 免费黄频网站在线观看国产| 日韩制服骚丝袜av| 又爽又黄a免费视频| 亚州av有码| 国产淫语在线视频| 狂野欧美激情性xxxx在线观看| 午夜福利,免费看| 亚洲av电影在线观看一区二区三区| 国产精品国产av在线观看| 国产精品欧美亚洲77777| 一级毛片aaaaaa免费看小| 成人影院久久| 欧美高清成人免费视频www| 精品一区在线观看国产| 夜夜爽夜夜爽视频| a级毛片免费高清观看在线播放| 亚洲精品一二三| 亚洲精品国产色婷婷电影| 免费看不卡的av| 2018国产大陆天天弄谢| 观看免费一级毛片| 又粗又硬又长又爽又黄的视频| 人妻 亚洲 视频| 一级毛片电影观看| 午夜视频国产福利| 亚洲av电影在线观看一区二区三区| 赤兔流量卡办理| 亚洲精品国产成人久久av| 高清视频免费观看一区二区| 夫妻午夜视频| av专区在线播放| 国产高清国产精品国产三级| 国产伦精品一区二区三区四那| 欧美国产精品一级二级三级 | 免费不卡的大黄色大毛片视频在线观看| 亚洲精品一区蜜桃|