• <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 ?

    基于層疊式殘差LSTM 網(wǎng)絡(luò)的橋梁非線性地震響應(yīng)預(yù)測(cè)

    2024-04-11 03:44:40廖聿宸張瑞陽(yáng)宗周紅
    工程力學(xué) 2024年4期
    關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)有限元樣本

    廖聿宸,張瑞陽(yáng),林 榕,宗周紅,吳 剛

    (1.東南大學(xué)混凝土及預(yù)應(yīng)力混凝土結(jié)構(gòu)教育部重點(diǎn)實(shí)驗(yàn)室,江蘇,南京 211189;2.東南大學(xué)智慧建造與運(yùn)維國(guó)家地方聯(lián)合工程研究中心,江蘇,南京 211189;3.東南大學(xué)土木工程學(xué)院,江蘇,南京 211189;4.東南大學(xué)爆炸安全防護(hù)教育部工程研究中心,江蘇,南京 211189)

    橋梁作為公路、鐵路、市政工程的重要交通基礎(chǔ)設(shè)施,保障其運(yùn)營(yíng)安全對(duì)國(guó)家社會(huì)經(jīng)濟(jì)發(fā)展具有重要意義。特別是,橋梁面臨強(qiáng)震、重載、颶風(fēng)、海嘯等各類(lèi)極端事件威脅[1],如何快速、準(zhǔn)確地評(píng)價(jià)橋梁的抗災(zāi)變能力成為亟待解決的難題。通常,采用彈塑性有限元分析方法預(yù)測(cè)橋梁遭受極端荷載時(shí)的結(jié)構(gòu)響應(yīng)[2-6]。然而,非線性有限元分析存在計(jì)算耗時(shí)長(zhǎng)、實(shí)時(shí)性差等問(wèn)題。諸如橋梁易損性分析[7-9]、可靠度分析[10]以及非線性模型修正[11]等方法需重復(fù)若干次有限元分析,加劇了原本高昂的計(jì)算成本。因此,亟需發(fā)展耗時(shí)少、精度高的高效代理模型,實(shí)現(xiàn)橋梁性能的快速評(píng)估。

    為建立橋梁響應(yīng)與荷載作用的近似映射關(guān)系,降低結(jié)構(gòu)分析的計(jì)算成本,多元回歸模型[12]、Kriging 模型[13-14]、徑向基函數(shù)(radius base function,RBF)[15]、ARMA 模型[16]、支持向量機(jī)(support vector machine, SVM)[17]等代理模型已得到廣泛應(yīng)用。但是上述代理模型擬合參數(shù)少,通常只適用于線性或弱非線性系統(tǒng)的動(dòng)力響應(yīng)預(yù)測(cè),難以揭示大變形情況下復(fù)雜系統(tǒng)的動(dòng)力性能[18]。相比之下,人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)具備較為優(yōu)良的非線性擬合能力,成為非線性動(dòng)力系統(tǒng)建模的強(qiáng)力工具[19]。例如,JENG 等[20]通過(guò)多層感知機(jī)(multilayer perceptron, MLP)預(yù)測(cè)了預(yù)應(yīng)力混凝土簡(jiǎn)支梁橋的結(jié)構(gòu)響應(yīng),并比較了不同網(wǎng)絡(luò)層數(shù)、隱藏層節(jié)點(diǎn)數(shù)目等超參數(shù)對(duì)預(yù)測(cè)精度的影響。WANG 等[21]建立了4 層ANN 模型來(lái)預(yù)測(cè)預(yù)應(yīng)力混凝土剛構(gòu)橋的地震響應(yīng),并采用Levenberg-Marquardt 算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練,實(shí)現(xiàn)了中小震下橋梁響應(yīng)的準(zhǔn)確預(yù)測(cè)。ABBAS 等[22]采用ANN 模型建立了橋梁典型氣動(dòng)力響應(yīng)與自激氣動(dòng)力之間的關(guān)系,為橋梁氣動(dòng)外形設(shè)計(jì)提供更為便捷的計(jì)算工具。

    雖然ANN 模型已在非線性響應(yīng)建模方面取得不少成果,但是其淺層網(wǎng)絡(luò)結(jié)構(gòu)使得復(fù)雜非線性動(dòng)力系統(tǒng)的響應(yīng)預(yù)測(cè)仍存在精度不足的問(wèn)題。目前深度學(xué)習(xí)已經(jīng)有了迅猛發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(deep neural network, DNN)為克服上述問(wèn)題提供了更為有效的思路。WU 和JAHANSHAHI[23]將卷積神經(jīng)網(wǎng)絡(luò)(convolution neural network, CNN)模型應(yīng)用于單自由度與多自由度結(jié)構(gòu)的動(dòng)力響應(yīng)預(yù)測(cè),分析了預(yù)測(cè)值與真實(shí)值的誤差分布、頻譜差異。然而,CNN 模型更多地關(guān)注時(shí)間序列的局部特征,無(wú)法有效捕捉相鄰時(shí)刻的相關(guān)關(guān)系。相比而言,循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)及長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(long short-term memory neural network, LSTM)等變體網(wǎng)絡(luò)在序列預(yù)測(cè)方面具有良好的優(yōu)勢(shì),部分研究人員成功將其應(yīng)用于非線性動(dòng)力系統(tǒng)的響應(yīng)預(yù)測(cè)。PEREZ-RAMIREZ等[24]借助RNN 模型預(yù)測(cè)大型結(jié)構(gòu)的地震響應(yīng),并采用Bayesian 正則化方法對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化訓(xùn)練。ZHANG 等[25]通過(guò)雙層LSTM 網(wǎng)絡(luò)對(duì)多層框架結(jié)構(gòu)的地震響應(yīng)進(jìn)行準(zhǔn)確預(yù)測(cè),同時(shí)提出層疊式LSTM 網(wǎng)絡(luò)(LSTM-s)降低網(wǎng)絡(luò)規(guī)模以提高訓(xùn)練效率。隨后,ZHANG 等[26]進(jìn)一步將物理信息嵌入多層LSTM 網(wǎng)絡(luò)的損失函數(shù),有效改善了少樣本下的非線性地震響應(yīng)預(yù)測(cè)精度。TORKY 等[27]采用一種混合ConvLSTM 網(wǎng)絡(luò)(convolution-long short-term memory neural network)對(duì)高層建筑在三向地震動(dòng)輸入下的結(jié)構(gòu)響應(yīng)進(jìn)行預(yù)測(cè),充分發(fā)揮LSTM 網(wǎng)絡(luò)的復(fù)雜序列回歸能力與CNN 網(wǎng)絡(luò)的多維信息捕捉能力。許澤坤和陳雋[28]提出了一種單向多層堆疊式的LSTM 網(wǎng)絡(luò),通過(guò)滑動(dòng)時(shí)間窗實(shí)現(xiàn)了非線性結(jié)構(gòu)地震響應(yīng)的遞推計(jì)算。LI 等[29-30]提出了數(shù)據(jù)驅(qū)動(dòng)的LSTM 網(wǎng)絡(luò)和物理信息嵌入的RNN 網(wǎng)絡(luò),利用監(jiān)測(cè)數(shù)據(jù)成功預(yù)測(cè)出大跨度懸索橋的抖振和渦激振動(dòng)響應(yīng)。RAO 等[31]將控制方程、邊界條件、初值條件等約束作為物理信息引入神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了無(wú)標(biāo)簽數(shù)據(jù)的彈性動(dòng)力問(wèn)題建模。

    目前,基于深度神經(jīng)網(wǎng)絡(luò)的橋梁非線性地震響應(yīng)建模仍較少見(jiàn),相關(guān)研究的預(yù)測(cè)效果也有待改善。在已有研究的基礎(chǔ)上,本研究結(jié)合殘差網(wǎng)絡(luò)結(jié)構(gòu)與LSTM 網(wǎng)絡(luò)的優(yōu)勢(shì),提出一種數(shù)據(jù)驅(qū)動(dòng)的層疊式殘差長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(residual long short-term memory neural network, ResLSTM)作為代理模型,改善經(jīng)典深度LSTM 網(wǎng)絡(luò)的預(yù)測(cè)效果,并首次應(yīng)用于地震作用下的橋梁非線性響應(yīng)預(yù)測(cè)。最后,通過(guò)預(yù)應(yīng)力混凝土連續(xù)梁橋與組合梁斜拉橋兩組數(shù)值算例,以及美國(guó)Meloland 跨線橋的現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證,并依據(jù)相關(guān)系數(shù)、峰值響應(yīng)誤差等指標(biāo)對(duì)模型的非線性響應(yīng)預(yù)測(cè)性能進(jìn)行檢驗(yàn)。

    1 層疊式殘差長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)

    1.1 殘差長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)結(jié)構(gòu)

    采用圖1 的ResLSTM 神經(jīng)網(wǎng)絡(luò)構(gòu)建橋梁地震響應(yīng)的代理模型,該模型對(duì)應(yīng)于橋梁結(jié)構(gòu)的真實(shí)物理模型或數(shù)值模型。ResLSTM 網(wǎng)絡(luò)的輸入為地震動(dòng)的加速度時(shí)程,而輸出為結(jié)構(gòu)位移、速度、加速度等地震響應(yīng)時(shí)程。所提出的網(wǎng)絡(luò)單向堆疊了輸入層、兩層LSTM 層和兩層全連接層(fullyconnected layer,F(xiàn)C),以及輸出層,由此形成層疊式的LSTM 網(wǎng)絡(luò)。進(jìn)一步地,在LSTM 網(wǎng)絡(luò)中引入殘差連接模塊(residual connection,RC),形成層疊式殘差神經(jīng)網(wǎng)絡(luò)(ResLSTM)。RC 模塊源自HE 等[32]提出的殘差神經(jīng)網(wǎng)絡(luò)(residual neural network,ResNet),已在語(yǔ)義分割[33]、情感分析[34]等場(chǎng)景廣泛應(yīng)用。RC 模塊能夠緩解誤差反向傳播、修正時(shí)的梯度消失現(xiàn)象,使得LSTM 等DNN的優(yōu)化訓(xùn)練更為容易、穩(wěn)健;同時(shí),上一隱藏層輸出的細(xì)節(jié)信息在前向計(jì)算過(guò)程中得以完好保留。因此,RC 模塊能最大程度地保證DNN 的預(yù)測(cè)精度和魯棒性。

    圖1 ResLSTM 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 The structure of ResLSTM neural network

    ResLSTM 中,RC 模塊將相鄰兩層LSTM 層的輸出進(jìn)行逐元素相加,具體實(shí)現(xiàn)方式如下:

    式中:yRC為RC 模塊的輸出;yLSTM1和yLSTM2分別為第一層和第二層LSTM 層的輸出; HLSTM2(·)為第二層LSTM 層的非線性映射, ReLU(·)為線性整流函數(shù)。進(jìn)一步地,RC 模塊的輸出結(jié)果傳入FC 層,并由兩層FC 層映射為橋梁的地震響應(yīng)。

    ResLSTM 網(wǎng)絡(luò)中,LSTM 層由若干LSTM 單元組成,其層數(shù)經(jīng)試算確定為兩層。LSTM 單元如圖2 所示,包含輸入門(mén)it、遺忘門(mén)ft、tanh 層及輸出門(mén)ot,單元中各激活函數(shù)及計(jì)算流程如式(3)~式(8)所示。LSTM 單元通過(guò)門(mén)機(jī)制決定當(dāng)前時(shí)刻輸入xt與上一LSTM 單元輸出ht-1的信息保留程度,實(shí)現(xiàn)長(zhǎng)短期信息的篩選與保留[35]。

    圖2 LSTM 單元結(jié)構(gòu)Fig.2 The structure of the LSTM cell

    圖3 輸入與輸出序列劃分Fig.3 Division of input and output sequences

    式中: σ(·) 為 sigmoid 函數(shù); tanh(·)為雙曲正切函數(shù);Wp(p=f,i,o)為輸入門(mén)、遺忘門(mén)、輸出門(mén)的權(quán)重矩陣;bp(p=f,i,o)為輸入門(mén)、遺忘門(mén)、輸出門(mén)的偏置向量; ?為矩陣或向量之間逐元素相乘。

    ResLSTM 網(wǎng)絡(luò)采用均方誤差(MSE)作為損失函數(shù),具體形式如下:

    式中:J為損失函數(shù);D={(xi,yi)|i=1,2,···,Nm}為訓(xùn)練集數(shù)據(jù);xi和yi分別為第i組訓(xùn)練樣本的輸入序列和輸出序列;Nm為訓(xùn)練集樣本數(shù)量;Hi(w,b,x)為給定參數(shù)和輸入的網(wǎng)絡(luò)預(yù)測(cè)結(jié)果。

    ResLSTM 網(wǎng)絡(luò)的優(yōu)化目標(biāo)如式(10)所示,采用Adam 優(yōu)化算法[36]對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。此外,采取剪枝操作(dropout)防止網(wǎng)絡(luò)過(guò)擬合[37],節(jié)點(diǎn)隨機(jī)失效概率設(shè)置為0.2。

    1.2 層疊式序列結(jié)構(gòu)

    為減少LSTM 隱藏層節(jié)點(diǎn)數(shù)量,將地震動(dòng)記錄構(gòu)成的輸入序列X=[x1,x2,···,xn]T∈Rn×Ni和地震響 應(yīng) 構(gòu) 成 的 輸 出 序 列Y=[y1,y2,···,yn]T∈Rn×No按照固定窗長(zhǎng)sw劃分為若干段子序列(Ni和No分別表示輸入與輸出的特征數(shù)量)。由此,進(jìn)一步降低ResLSTM 網(wǎng)絡(luò)的訓(xùn)練難度和耗時(shí),并提高地震響應(yīng)的預(yù)測(cè)精度。

    2 數(shù)值算例驗(yàn)證

    2.1 雙跨連續(xù)梁橋地震響應(yīng)建模

    通過(guò)文獻(xiàn)[38]的Benchmark 模型驗(yàn)證方法效果。原橋?yàn)閮煽珙A(yù)應(yīng)力混凝土連續(xù)梁橋,主梁與蓋梁、蓋梁與橋墩均為固結(jié)。其中,主梁梁高為2.36 m,蓋梁高3.2 m,橋墩高7.32 m,墩身最大外徑為2.73 m。采用ABAQUS 軟件建立有限元模型,模型如圖4 所示,全橋模型共計(jì)430 個(gè)自由度。其中,主梁、蓋梁、橋墩采用B31 單元進(jìn)行模擬,端橫梁采用剛體單元模擬,支座通過(guò)非線性彈簧單元模擬,橋臺(tái)、樁基的土-結(jié)構(gòu)相互作用通過(guò)線性彈簧-阻尼單元模擬。此外,為提高計(jì)算效率,橋墩依據(jù)受力情況分為彈塑性區(qū)段和彈性區(qū)段。其中,彈塑性區(qū)段采用了雙折線模型來(lái)描述橋墩的彎矩-曲率關(guān)系,從而模擬橋墩在地震作用下的非線性行為。

    圖4 Benchmark 模型[38]Fig.4 The benchmark model

    將ABAQUS 模型的質(zhì)量矩陣、單元?jiǎng)偠染仃囈约皢卧芯€剛度矩陣導(dǎo)入MATLAB,并基于Rayleigh 阻尼假定生成結(jié)構(gòu)阻尼矩陣,阻尼比取5%。采用MATLAB 的ODE45 求解器進(jìn)行彈塑性時(shí)程分析,計(jì)算過(guò)程根據(jù)材料本構(gòu)和構(gòu)件應(yīng)力狀態(tài)對(duì)總體剛度矩陣進(jìn)行迭代更新;地震加速度輸入方向垂直于主梁軸線方向,分析步長(zhǎng)為0.005 s,輸出步長(zhǎng)為0.01 s。從美國(guó)NGA 數(shù)據(jù)庫(kù)[39]的100 條強(qiáng)震記錄中選取12 條進(jìn)行增量動(dòng)力分析,按照原始記錄的0.6 倍、0.7 倍……1.5 倍進(jìn)行調(diào)幅。當(dāng)?shù)卣鹞灰祈憫?yīng)超過(guò)0.08 m 時(shí)橋梁結(jié)構(gòu)因塑性變形過(guò)大已發(fā)生破壞,因此剔除峰值位移大于0.08 m的地震響應(yīng)計(jì)算結(jié)果,避免過(guò)大非線性對(duì)模型訓(xùn)練的不良影響。之后,從各組結(jié)果中選取5 條響應(yīng)時(shí)程作為訓(xùn)練集與驗(yàn)證集樣本,共計(jì)60 個(gè)樣本。除上述12 條地震動(dòng)記錄以外,另隨機(jī)選取20 條地震動(dòng)記錄,按照0.1 倍、0.2 倍……1.5 倍幅值進(jìn)行彈塑性時(shí)程分析,所得計(jì)算結(jié)果作為預(yù)測(cè)集,共計(jì)300 個(gè)樣本。

    基于Python 環(huán)境的Pytorch 框架訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),計(jì)算機(jī)配置為8 核16 線程i7-10900 CPU和NIVIDIA ROG-RTX3060 GPU。時(shí)間序列的劃分窗長(zhǎng)為10,LSTM 層節(jié)點(diǎn)數(shù)量為50,訓(xùn)練過(guò)程的最大迭代步數(shù)為50 000,L2 范數(shù)正則化系數(shù)為1×10-8,初始學(xué)習(xí)率為0.001,批訓(xùn)練樣本數(shù)為20。訓(xùn)練前,將全部數(shù)據(jù)歸一化至[-1,1]的閉區(qū)間上,以此消除量綱差異,加快網(wǎng)絡(luò)優(yōu)化的收斂速度。同時(shí),采用文獻(xiàn)[25]的LSTM 網(wǎng)絡(luò)進(jìn)行對(duì)比,并選取相同的訓(xùn)練樣本、劃分窗長(zhǎng)、優(yōu)化器、最大訓(xùn)練步數(shù),以及LSTM 的隱藏層節(jié)點(diǎn)數(shù)目。

    本研究通過(guò)相關(guān)系數(shù)和峰值響應(yīng)的相對(duì)誤差來(lái)衡量模型的預(yù)測(cè)精度。其中,相關(guān)系數(shù)是回歸分析的常用無(wú)量綱指標(biāo),可以衡量序列間的整體相似度,并消除序列幅值差異對(duì)評(píng)價(jià)結(jié)果的影響。相關(guān)系數(shù)的定義如下式所示:

    式中:CI(Ypre,Yref) 為 預(yù)測(cè)響應(yīng)Ypre和目標(biāo)響應(yīng)Yref之間的相關(guān)系數(shù); Cov(·)為不同序列間的協(xié)方差;Var(·)為序列的方差。

    因相關(guān)系數(shù)僅反映地震響應(yīng)預(yù)測(cè)值與目標(biāo)值的整體相似度,未能考慮峰值響應(yīng)對(duì)結(jié)構(gòu)的重要影響。因此,另采用峰值響應(yīng)的相對(duì)誤差對(duì)模型預(yù)測(cè)精度進(jìn)行補(bǔ)充評(píng)價(jià):

    式中:Epr為相對(duì)誤差; |Ypre,p| 和 |Yref,p|分別為峰值響應(yīng)預(yù)測(cè)值和目標(biāo)值的絕對(duì)值。在后續(xù)分析中,相關(guān)系數(shù)與峰值響應(yīng)相對(duì)誤差兩類(lèi)評(píng)價(jià)指標(biāo)的集中程度將通過(guò)四分位值進(jìn)行量化。評(píng)價(jià)指標(biāo)分布越集中,說(shuō)明模型的預(yù)測(cè)精度越穩(wěn)定、魯棒性越好。

    圖5 分別給出了兩類(lèi)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的評(píng)價(jià)指標(biāo)分布情況,并標(biāo)出了4 組典型工況的評(píng)價(jià)指標(biāo);表1 列出了評(píng)價(jià)指標(biāo)的統(tǒng)計(jì)結(jié)果。相比LSTM 網(wǎng)絡(luò),ResLSTM 預(yù)測(cè)結(jié)果的相關(guān)系數(shù)分布更為集中。其中,ResLSTM 網(wǎng)絡(luò)的上四分位數(shù)和下四分位點(diǎn)分別為0.9116 和0.9320,而LSTM 網(wǎng)絡(luò)的上四分位數(shù)和下四分位數(shù)分別為0.9088 和0.9318。由此表明,ResLSTM 網(wǎng)絡(luò)的魯棒性強(qiáng)于LSTM 網(wǎng)絡(luò)。對(duì)比最小相關(guān)系數(shù),LSTM 網(wǎng)絡(luò)為0.7571,ResLSTM 網(wǎng)絡(luò)則為0.7336。雖然ResLSTM網(wǎng)絡(luò)的最小相關(guān)系數(shù)更低,但是僅個(gè)別測(cè)試集樣本的預(yù)測(cè)結(jié)果出現(xiàn)偏差,而LSTM 網(wǎng)絡(luò)在較多測(cè)試集樣本上存在明顯預(yù)測(cè)誤差。因此,上述結(jié)果表明ResLSTM 網(wǎng)絡(luò)的預(yù)測(cè)精度總體良好,相較于LSTM 網(wǎng)絡(luò)表現(xiàn)出更好的魯棒性,僅在個(gè)別樣本上表現(xiàn)欠佳。通過(guò)查驗(yàn)測(cè)試集數(shù)據(jù),預(yù)測(cè)偏差大的樣本均來(lái)自同一組地震動(dòng)記錄的增量分析結(jié)果,且兩類(lèi)模型均無(wú)法準(zhǔn)確預(yù)測(cè)所提及的幾組地震響應(yīng)。如圖6 所示,其原因在于,該組地震動(dòng)與訓(xùn)練集的地震動(dòng)在末尾段的振動(dòng)規(guī)律存在較大差異,使得該范圍內(nèi)響應(yīng)預(yù)測(cè)值與目標(biāo)值發(fā)生偏離。

    表1 評(píng)價(jià)指標(biāo)統(tǒng)計(jì)結(jié)果(梁橋)Table 1 The statistics of the assessment indicators (the girder bridge)

    圖5 評(píng)價(jià)指標(biāo)分布(梁橋)Fig.5 Distribution of assessment indicators(the girder bridge)

    圖6 訓(xùn)練集樣本與預(yù)測(cè)異常樣本的地震動(dòng)對(duì)比Fig.6 Comparison between the ground motions of the training samples and the abnormal prediction sample

    峰值響應(yīng)的相對(duì)誤差也驗(yàn)證了ResLSTM 模型具有良好的預(yù)測(cè)性能。對(duì)于ResLSTM 模型,峰值響應(yīng)預(yù)測(cè)誤差的四分位數(shù)分別為-3.23%和1.13%;對(duì)于LSTM 模型,四分位數(shù)則為-3.61%和3.60%。此外,ResLSTM 模型預(yù)測(cè)誤差的最大值和最小值分別為6.94%和-15.59%,LSTM 模型則為19.15%和-28.28%。上述研究結(jié)果表明,ResLSTM 模型對(duì)峰值響應(yīng)的預(yù)測(cè)較LSTM 模型更為可靠,預(yù)測(cè)精度總體更為準(zhǔn)確。

    圖7 給出了圖5 中4 組典型地震作用工況下主梁跨中橫向位移(垂直于橋軸方向)的預(yù)測(cè)結(jié)果。對(duì)于數(shù)值算例,圖上目標(biāo)值代表有限元仿真結(jié)果??梢钥闯觯诰€性與弱非線性情況下(圖7(a)和圖7(b)),ResLSTM 網(wǎng)絡(luò)準(zhǔn)確預(yù)測(cè)了跨中位移,而LSTM 網(wǎng)絡(luò)存在輕微偏移;在強(qiáng)非線性情況下(圖7(c)和圖7(d)),兩者預(yù)測(cè)結(jié)果的相位與目標(biāo)值一致,僅部分時(shí)段幅值產(chǎn)生偏離,且ResLSTM 網(wǎng)絡(luò)較LSTM網(wǎng)絡(luò)偏差更小。此外,ResLSTM 網(wǎng)絡(luò)平均計(jì)算耗時(shí)0.017 s,LSTM 網(wǎng)絡(luò)平均計(jì)算耗時(shí)0.011 s,有限元分析耗時(shí)約24.125 s。需指出,該有限元模型較為簡(jiǎn)單,并通過(guò)matlab 環(huán)境進(jìn)行優(yōu)化,因而計(jì)算效率較高。相比之下,ResLSTM 網(wǎng)絡(luò)和LSTM網(wǎng)絡(luò)的耗時(shí)僅為有限元模型的0.71‰和0.435‰。因ResLSTM 網(wǎng)絡(luò)采用殘差結(jié)構(gòu),其計(jì)算效率略低于LSTM 網(wǎng)絡(luò)。但是,兩者計(jì)算耗時(shí)僅相差0.0067 s,并遠(yuǎn)高于有限元方法,證明了ResLSTM 網(wǎng)絡(luò)的高效性。

    圖7 主梁跨中橫向位移時(shí)程對(duì)比Fig.7 Comparison of transverse displacement time histories at the mid-span of the girder

    2.2 組合梁斜拉橋地震響應(yīng)建模

    借助文獻(xiàn)[40]的斜拉橋OpenSees 模型進(jìn)一步驗(yàn)證本方法對(duì)大跨度橋梁的適用性,模型如圖8所示。原橋?yàn)檠睾8咚?G2)灌河特大橋,屬于半漂浮體系斜拉橋,跨徑布置為(32.9+115.4+340+115.4+32.9) m。大橋主梁采用預(yù)應(yīng)力混凝土-I 形鋼梁組合梁,主梁高度為3.08 m,橋面寬度為36.6 m;橋塔采用鋼筋混凝土空腹式截面,塔高119.629 m(自基礎(chǔ)頂面以上)。因半漂浮體系斜拉橋在地震作用下的塑性鉸通常位于橋塔與橋墩,僅采用forceBeamColumn 單元模擬上述構(gòu)件的彈塑性行為,其余構(gòu)件采用彈性單元。模型的材料特性、邊界條件等參數(shù)已采用環(huán)境振動(dòng)試驗(yàn)進(jìn)行修正[40]。

    圖8 灌河大橋OpenSees 模型Fig.8 The OpenSees model of Guanhe bridge

    同2.1 節(jié),選取相同地震動(dòng)記錄進(jìn)行增量動(dòng)力分析,加速度輸入的幅值依次取0.6 倍、0.7 倍……1.5 倍的原始幅值?;赗ayleigh 阻尼假定生成結(jié)構(gòu)阻尼矩陣,阻尼比取5%;地震加速度輸入方向平行于主梁軸線方向,分析步步長(zhǎng)與輸出步長(zhǎng)均為0.02 s。采用相同計(jì)算平臺(tái)和深度學(xué)習(xí)框架進(jìn)行深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,并從15 組計(jì)算結(jié)果各選取4 條響應(yīng)時(shí)程作為訓(xùn)練集與驗(yàn)證集樣本,共計(jì)60 個(gè)樣本。除上述15 條地震動(dòng)記錄以外,另隨機(jī)選取30 條地震動(dòng)記錄的增量動(dòng)力分析結(jié)果作為預(yù)測(cè)集樣本,共計(jì)300 個(gè)測(cè)試樣本。因加速度輸入和結(jié)構(gòu)響應(yīng)的采樣頻率與2.1 節(jié)不同,時(shí)間序列的劃分窗長(zhǎng)設(shè)置為5;同時(shí),考慮到斜拉橋響應(yīng)的復(fù)雜性,LSTM 隱藏層節(jié)點(diǎn)數(shù)量設(shè)為100,訓(xùn)練過(guò)程的最大迭代步數(shù)為60 000。除上述參數(shù)以外,其余參數(shù)與數(shù)據(jù)預(yù)處理方法與2.1 節(jié)相同。

    圖9 給出了塔頂位置縱向位移預(yù)測(cè)結(jié)果的指標(biāo)分布,并在表2 中列出了指標(biāo)的統(tǒng)計(jì)結(jié)果。同時(shí),圖上標(biāo)注了兩組典型工況的評(píng)價(jià)指標(biāo),對(duì)應(yīng)的響應(yīng)時(shí)程見(jiàn)圖10。與連續(xù)梁橋預(yù)測(cè)結(jié)果類(lèi)似,ResLSTM 網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的相關(guān)系數(shù)分布更為集中。根據(jù)統(tǒng)計(jì)結(jié)果,ResLSTM 網(wǎng)絡(luò)的上四分位點(diǎn)和下四分位點(diǎn)分別為0.8613 和0.8897,而LSTM網(wǎng)絡(luò)的上四分位點(diǎn)和下四分位點(diǎn)分別為0.8613 和0.8783。對(duì)比最小相關(guān)系數(shù),LSTM 網(wǎng)絡(luò)為0.6743,ResLSTM 網(wǎng)絡(luò)則為0.6558。與梁橋地震響應(yīng)預(yù)測(cè)相同,相關(guān)系數(shù)最小的預(yù)測(cè)結(jié)果來(lái)源同一組預(yù)測(cè)樣本,由同一地震動(dòng)記錄生成。由此可知,ResLSTM網(wǎng)絡(luò)在預(yù)測(cè)大跨度斜拉橋的非線性地震響應(yīng)時(shí)仍表現(xiàn)出更為良好的魯棒性,其預(yù)測(cè)效果較LSTM網(wǎng)絡(luò)更為穩(wěn)定。

    表2 評(píng)價(jià)指標(biāo)統(tǒng)計(jì)結(jié)果(斜拉橋)Table 2 The statistics of the assessment indicators (the cable-stayed bridge)

    圖9 評(píng)價(jià)指標(biāo)分布(斜拉橋)Fig.9 Distribution of assessment indicators(the cable-stayed bridge)

    圖10 橋塔塔頂縱向位移時(shí)程對(duì)比Fig.10 Comparison of longitudinal displacement time histories at the top of the tower

    類(lèi)似地,峰值響應(yīng)的相對(duì)誤差也表明ResLSTM網(wǎng)絡(luò)在預(yù)測(cè)斜拉橋峰值響應(yīng)時(shí)具有更好的預(yù)測(cè)性能。由結(jié)果可知,ResLSTM 網(wǎng)絡(luò)預(yù)測(cè)誤差的最大值和最小值分別為25.65%和-27.12%,優(yōu)于LSTM 網(wǎng)絡(luò)。同時(shí),ResLSTM 網(wǎng)絡(luò)預(yù)測(cè)誤差的中位數(shù)為-3.40%,上四分位數(shù)和下四分位數(shù)分別為-10.11%和5.62%。相比而言,LSTM 網(wǎng)絡(luò)的誤差中位數(shù)為-8.00%,上四分位數(shù)和下四分位數(shù)分別為-13.16%和-0.41%??梢?jiàn),ResLSTM 網(wǎng)絡(luò)的預(yù)測(cè)誤差關(guān)于零值對(duì)稱(chēng)分布,且誤差中位數(shù)的絕對(duì)值小于5%。而LSTM 網(wǎng)絡(luò)的預(yù)測(cè)誤差主要分布在-13.16%~-0.41%,且誤差中位數(shù)的絕對(duì)值大于5%,說(shuō)明預(yù)測(cè)的峰值響應(yīng)總體上小于實(shí)際峰值響應(yīng),預(yù)測(cè)結(jié)果偏于危險(xiǎn)。

    圖10 對(duì)比了塔頂縱向位移時(shí)程的預(yù)測(cè)結(jié)果,圖上的目標(biāo)值代表有限元分析得到的塔頂位移時(shí)程??梢钥闯?,相比于經(jīng)典的LSTM 網(wǎng)絡(luò),ResLSTM網(wǎng)絡(luò)所預(yù)測(cè)的峰值響應(yīng)、殘余位移更貼近真實(shí)位移響應(yīng)。因此,對(duì)于結(jié)構(gòu)形式更為復(fù)雜的大跨度斜拉橋,ResLSTM 網(wǎng)絡(luò)依舊能夠較為準(zhǔn)確地預(yù)測(cè)其非線性地震響應(yīng),表現(xiàn)出良好的預(yù)測(cè)性能。進(jìn)一步地,分析代理模型和有限元模型的計(jì)算效率,ResLSTM 網(wǎng)絡(luò)平均耗時(shí)為0.01195 s,LSTM模型平均耗時(shí)0.00892 s,有限元分析平均耗時(shí)約10 min。由此可知,ResLSTM 網(wǎng)絡(luò)的計(jì)算效率仍與LSTM 網(wǎng)絡(luò)相當(dāng)。不僅如此,因斜拉橋有限元模型的自由度較梁橋大幅增加,其計(jì)算耗時(shí)遠(yuǎn)高于ResLSTM 網(wǎng)絡(luò)和LSTM 網(wǎng)絡(luò)。相較而言,ResLSTM 網(wǎng)絡(luò)和LSTM 網(wǎng)絡(luò)的耗時(shí)僅為有限元模型的0.020‰和0.015‰。與2.1 節(jié)結(jié)果對(duì)比,隨著橋梁模型復(fù)雜度的提高,ResLSTM 網(wǎng)絡(luò)計(jì)算時(shí)間基本一致,而有限元模型計(jì)算成本明顯增加。上述對(duì)比證明,在保證精度的前提下,ResLSTM網(wǎng)絡(luò)具有令人滿(mǎn)意的計(jì)算效率。

    2.3 魯棒性檢驗(yàn)

    因ResLSTM 網(wǎng)絡(luò)屬于數(shù)據(jù)驅(qū)動(dòng)的代理模型方法,其預(yù)測(cè)效果受到訓(xùn)練集樣本的影響。當(dāng)訓(xùn)練集包含噪聲污染的樣本時(shí),神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能可能下降。為此,以2.1 節(jié)中的連續(xù)梁橋數(shù)值算例為例(斜拉橋算例結(jié)果類(lèi)似),從訓(xùn)練集中隨機(jī)抽取10%、20%、30%的樣本混入高斯白噪聲,樣本輸入(加速度)和輸出(位移)的信噪比分別為15 dB 和50 dB;測(cè)試集的樣本保持不變,不添加高斯白噪聲。由此,分析含噪聲樣本占比對(duì)ResLSTM網(wǎng)絡(luò)預(yù)測(cè)效果的影響。

    圖11 給出了不同噪聲樣本比例下的ResLSTM網(wǎng)絡(luò)預(yù)測(cè)指標(biāo)。可以看出,隨著含噪樣本的比例增加,ResLSTM 網(wǎng)絡(luò)的預(yù)測(cè)性能未出現(xiàn)顯著下降。而且在含噪樣本比例達(dá)30%的情況下,ResLSTM仍舊能較為準(zhǔn)確地預(yù)測(cè)非線性地震響應(yīng)。

    圖11 不同含噪聲訓(xùn)練樣本比例下ResLSTM 網(wǎng)絡(luò)的評(píng)價(jià)指標(biāo)分布Fig.11 Evaluation index distributions of ResLSTM network with different proportion of noisy training samples

    3 實(shí)橋監(jiān)測(cè)數(shù)據(jù)驗(yàn)證

    實(shí)測(cè)數(shù)據(jù)源自CESMD 數(shù)據(jù)庫(kù)[41],該數(shù)據(jù)庫(kù)包含世界多地的強(qiáng)震記錄及結(jié)構(gòu)響應(yīng)。選取地震記錄較為豐富的美國(guó)Meloland 跨線橋,橋梁編號(hào)為Caltrans Bridge No.58-215,記錄臺(tái)站編號(hào)為01136。該橋?yàn)閮煽珙A(yù)應(yīng)力混凝土連續(xù)T 梁橋,墩梁固結(jié),跨徑組成為2×31.6 m= 33.2 m,標(biāo)準(zhǔn)段主梁高1.7 m,寬10.4 m;下部結(jié)構(gòu)為獨(dú)柱墩,圓形斷面,墩高約6.4 m(自基礎(chǔ)頂面算起)。全橋共布置32 個(gè)觀測(cè)點(diǎn),包含加速度、速度及位移傳感器,采樣頻率均為100 Hz,其中6 個(gè)測(cè)點(diǎn)記錄地震動(dòng),測(cè)點(diǎn)布置如圖12 所示。自1979 年起,Meloland跨線橋的地震動(dòng)及結(jié)構(gòu)響應(yīng)記錄共有10 組,可用數(shù)據(jù)共9 組。其中,訓(xùn)練集、驗(yàn)證集以及測(cè)試集的樣本數(shù)量依次為5 組、2 組、2 組。模型輸入選取測(cè)點(diǎn)2 的加速度記錄,輸出為測(cè)點(diǎn)3、5、7、9、13 的位移響應(yīng)。時(shí)間序列的劃分窗長(zhǎng)為10,模型訓(xùn)練的初始學(xué)習(xí)率為0.001,正則項(xiàng)系數(shù)為1×10-8,批訓(xùn)練樣本數(shù)為5,最大訓(xùn)練步數(shù)為50 000。

    圖12 Meloland 跨線橋傳感器布置圖Fig.12 The sensor layout of Meloland overpass

    對(duì)美國(guó)1978 年Calexico 地震和2009 年Calexico地震余震的位移響應(yīng)進(jìn)行預(yù)測(cè),結(jié)果如圖13 所示,圖上的目標(biāo)值為實(shí)測(cè)的結(jié)構(gòu)位移時(shí)程。因各測(cè)點(diǎn)的位移時(shí)程相似,此處僅列出測(cè)點(diǎn)7 的預(yù)測(cè)結(jié)果??梢钥闯觯瑑深?lèi)模型預(yù)測(cè)的地震響應(yīng)在相位上與實(shí)測(cè)值吻合良好,主要差異在于響應(yīng)幅值。對(duì)于Calexico 地震,兩類(lèi)模型預(yù)測(cè)結(jié)果較為相似,均在地震開(kāi)始階段與實(shí)測(cè)值存在較大差異,表現(xiàn)出與實(shí)測(cè)位移不同的振動(dòng)規(guī)律;隨后,兩者預(yù)測(cè)值的相位與觀測(cè)值趨于一致,但幅值仍有較小差異。對(duì)于Calexico 地震余震,ResLSTM 模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果基本相同,但LSTM 模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)響應(yīng)明顯不同,峰值響應(yīng)的幅值、出現(xiàn)時(shí)刻均與實(shí)測(cè)響應(yīng)存在顯著偏差。

    圖13 Meloland 跨線橋位移響應(yīng)預(yù)測(cè)對(duì)比(測(cè)點(diǎn)7)Fig.13 Comparison of predicted displacements of Meloland overpass (measurement node 7)

    進(jìn)一步地,計(jì)算預(yù)測(cè)結(jié)果與目標(biāo)值的相關(guān)系數(shù),ResLSTM 模型相關(guān)系數(shù)分別為0.2549(Calexico 地震)和0.7045 (Calexico 地震余震)。相比而言,LSTM 模型預(yù)測(cè)結(jié)果的相關(guān)系數(shù)分別為0.2313 和0.4489,預(yù)測(cè)精度遠(yuǎn)低于所提出的ResLSTM 模型。Calexico 地震響應(yīng)預(yù)測(cè)精度較低的原因在于,實(shí)測(cè)響應(yīng)的幅值僅為1×10-4量級(jí),輕微的預(yù)測(cè)誤差將導(dǎo)致預(yù)測(cè)結(jié)果的相關(guān)系數(shù)顯著下降。同時(shí),地震加速度與位移響應(yīng)的測(cè)量設(shè)備不同,誤差分布規(guī)律可能存在差異,導(dǎo)致中小地震下響應(yīng)預(yù)測(cè)易出現(xiàn)顯著偏差,而兩類(lèi)模型的預(yù)測(cè)結(jié)果在初始階段(0 s~5 s)具有一定相似性,在一定程度上可以證明上述猜想。相反,Calexico地震余震的響應(yīng)幅值較大,兩類(lèi)模型的預(yù)測(cè)精度相對(duì)良好,其中ResLSTM 模型的相關(guān)系數(shù)更達(dá)到0.7。此外,實(shí)測(cè)數(shù)據(jù)包含各類(lèi)噪聲干擾,也導(dǎo)致結(jié)構(gòu)響應(yīng)的預(yù)測(cè)效果表現(xiàn)欠佳。但是,考慮訓(xùn)練樣本極少,地震響應(yīng)的相位、峰值基本一致,說(shuō)明ResLSTM 可利用少量樣本預(yù)測(cè)中小震作用下的結(jié)構(gòu)位移響應(yīng),并比傳統(tǒng)LSTM 模型表現(xiàn)出更好的預(yù)測(cè)效果。

    4 結(jié)論

    本研究提出了一種層疊式殘差長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(ResLSTM),并首次應(yīng)用于橋梁非線性地震響應(yīng)預(yù)測(cè)。該神經(jīng)網(wǎng)絡(luò)包含2 層LSTM 層與2 層全連接層,并采用殘差連接結(jié)構(gòu)提升深度網(wǎng)絡(luò)的訓(xùn)練效果,改善有限樣本數(shù)量下的模型預(yù)測(cè)精度。通過(guò)預(yù)應(yīng)力混凝土連續(xù)梁橋與組合梁斜拉橋的數(shù)值仿真算例驗(yàn)證,驗(yàn)證了ResLSTM 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度與魯棒性。同時(shí),該方法成功應(yīng)用于美國(guó)加州Meloland 跨線橋地震響應(yīng)預(yù)測(cè),并與現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)對(duì)比,驗(yàn)證了該方法在實(shí)際工程中的預(yù)測(cè)性能。此外,采用相關(guān)研究的LSTM 神經(jīng)網(wǎng)絡(luò)作為基準(zhǔn)模型進(jìn)行對(duì)照研究,分析ResLSTM 神經(jīng)網(wǎng)絡(luò)的性能提升效果。主要結(jié)論如下:

    (1) 預(yù)應(yīng)力混凝土連續(xù)梁橋的數(shù)值算例表明,ResLSTM 網(wǎng)絡(luò)的計(jì)算效率優(yōu)于經(jīng)典有限元方法,并表現(xiàn)出優(yōu)良、穩(wěn)定的預(yù)測(cè)效果。同時(shí),ResLSTM網(wǎng)絡(luò)采用了殘差連接結(jié)構(gòu),使得誤差能夠有效地沿深度網(wǎng)絡(luò)反向傳遞,最大程度保證了模型參數(shù)的優(yōu)化效果,比傳統(tǒng)LSTM 網(wǎng)絡(luò)具有更好的預(yù)測(cè)精度和魯棒性。

    (2) 組合梁斜拉橋的數(shù)值算例表明,ResLSTM網(wǎng)絡(luò)能夠準(zhǔn)確預(yù)測(cè)出大跨度斜拉橋的復(fù)雜非線性地震響應(yīng),預(yù)測(cè)結(jié)果的峰值、相位變化均與目標(biāo)值吻合良好,并比LSTM 網(wǎng)絡(luò)表現(xiàn)出更為良好和穩(wěn)定的預(yù)測(cè)精度。

    (3) 美國(guó)Meloland 跨線橋的現(xiàn)場(chǎng)監(jiān)測(cè)試驗(yàn)表明,ResLSTM 網(wǎng)絡(luò)成功利用少量觀測(cè)數(shù)據(jù)預(yù)測(cè)出實(shí)際橋梁在中小地震作用下的結(jié)構(gòu)響應(yīng),預(yù)測(cè)結(jié)果的相位變化與實(shí)測(cè)值吻合良好,僅峰值響應(yīng)存在較小差異。此外,對(duì)于實(shí)際結(jié)構(gòu)的地震響應(yīng)預(yù)測(cè),ResLSTM 網(wǎng)絡(luò)的預(yù)測(cè)精度仍?xún)?yōu)于傳統(tǒng)LSTM 網(wǎng)絡(luò)。

    猜你喜歡
    神經(jīng)網(wǎng)絡(luò)有限元樣本
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    推動(dòng)醫(yī)改的“直銷(xiāo)樣本”
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    村企共贏的樣本
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    磨削淬硬殘余應(yīng)力的有限元分析
    基于SolidWorks的吸嘴支撐臂有限元分析
    婷婷丁香在线五月| 中文亚洲av片在线观看爽| 99re在线观看精品视频| 欧美久久黑人一区二区| 青草久久国产| 老汉色av国产亚洲站长工具| 国产精品综合久久久久久久免费| 又黄又爽又免费观看的视频| 日本一本二区三区精品| 亚洲精品久久国产高清桃花| 亚洲国产欧洲综合997久久, | 老熟妇仑乱视频hdxx| 日日爽夜夜爽网站| 美女 人体艺术 gogo| 欧美激情高清一区二区三区| 深夜精品福利| 婷婷精品国产亚洲av在线| 国产伦一二天堂av在线观看| 国产精品永久免费网站| 在线观看午夜福利视频| 88av欧美| 国产在线观看jvid| www国产在线视频色| 精品久久蜜臀av无| 香蕉丝袜av| 亚洲va日本ⅴa欧美va伊人久久| 久久精品国产99精品国产亚洲性色| av有码第一页| 50天的宝宝边吃奶边哭怎么回事| 两个人视频免费观看高清| 欧美在线黄色| 亚洲专区国产一区二区| 操出白浆在线播放| 中文资源天堂在线| 1024视频免费在线观看| 亚洲成人精品中文字幕电影| 黄色成人免费大全| 男男h啪啪无遮挡| 中文在线观看免费www的网站 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲成人久久性| 欧洲精品卡2卡3卡4卡5卡区| 两性夫妻黄色片| 久久精品aⅴ一区二区三区四区| 久久欧美精品欧美久久欧美| 久久国产亚洲av麻豆专区| 欧美中文综合在线视频| 美女 人体艺术 gogo| 日韩av在线大香蕉| 男女视频在线观看网站免费 | 自线自在国产av| 变态另类成人亚洲欧美熟女| 色综合婷婷激情| 国产av一区在线观看免费| 国产97色在线日韩免费| 男女之事视频高清在线观看| 国产精品,欧美在线| 91成人精品电影| 欧美日韩黄片免| 亚洲午夜精品一区,二区,三区| 黄色a级毛片大全视频| 久久久久久亚洲精品国产蜜桃av| 久久九九热精品免费| av视频在线观看入口| 欧美日韩乱码在线| 久久久水蜜桃国产精品网| 亚洲片人在线观看| 男女下面进入的视频免费午夜 | 91麻豆精品激情在线观看国产| 久久狼人影院| 国产又爽黄色视频| 丁香欧美五月| 国产av在哪里看| 一进一出抽搐gif免费好疼| 国产乱人伦免费视频| 精品卡一卡二卡四卡免费| 国内精品久久久久精免费| 久久久久久久久免费视频了| 日韩欧美国产在线观看| 午夜成年电影在线免费观看| 国产精品永久免费网站| 亚洲av电影不卡..在线观看| 国产日本99.免费观看| 又大又爽又粗| 日日干狠狠操夜夜爽| 精品久久久久久久毛片微露脸| 国产午夜精品久久久久久| 国产又爽黄色视频| 人人妻人人澡欧美一区二区| 久久久久久免费高清国产稀缺| 好看av亚洲va欧美ⅴa在| 九色国产91popny在线| 午夜福利视频1000在线观看| 久久香蕉国产精品| 日韩欧美三级三区| videosex国产| 亚洲国产毛片av蜜桃av| 人人妻,人人澡人人爽秒播| ponron亚洲| 熟女电影av网| 757午夜福利合集在线观看| 一级毛片高清免费大全| 日本一本二区三区精品| 国产久久久一区二区三区| 别揉我奶头~嗯~啊~动态视频| 欧美在线一区亚洲| 国产精品爽爽va在线观看网站 | 老熟妇仑乱视频hdxx| 国产精品免费视频内射| 91在线观看av| 波多野结衣巨乳人妻| 观看免费一级毛片| 国产亚洲欧美精品永久| 国产单亲对白刺激| 国产色视频综合| 99久久无色码亚洲精品果冻| 人成视频在线观看免费观看| 亚洲七黄色美女视频| 免费观看人在逋| 女生性感内裤真人,穿戴方法视频| 日本精品一区二区三区蜜桃| 99国产极品粉嫩在线观看| 999久久久精品免费观看国产| 中文亚洲av片在线观看爽| 国产视频一区二区在线看| 亚洲五月色婷婷综合| 亚洲中文字幕一区二区三区有码在线看 | 中文字幕精品亚洲无线码一区 | 亚洲在线自拍视频| 中文字幕av电影在线播放| 99精品在免费线老司机午夜| 免费在线观看日本一区| 国产精品电影一区二区三区| 中文字幕高清在线视频| netflix在线观看网站| 国产1区2区3区精品| 欧美一级a爱片免费观看看 | 亚洲av熟女| 一进一出好大好爽视频| 久久国产精品男人的天堂亚洲| 色综合亚洲欧美另类图片| 欧美一区二区精品小视频在线| 国产成人欧美| 熟女电影av网| 欧美日韩精品网址| 亚洲成人免费电影在线观看| 黄色 视频免费看| 一区二区三区高清视频在线| 日本成人三级电影网站| 亚洲中文字幕日韩| 国产精品亚洲一级av第二区| 亚洲色图av天堂| www日本在线高清视频| 国产亚洲精品一区二区www| 欧美乱码精品一区二区三区| 美女国产高潮福利片在线看| 天天一区二区日本电影三级| 好看av亚洲va欧美ⅴa在| 两性午夜刺激爽爽歪歪视频在线观看 | 他把我摸到了高潮在线观看| 亚洲片人在线观看| 亚洲av成人av| 成人午夜高清在线视频 | 窝窝影院91人妻| 久久精品亚洲精品国产色婷小说| 精品高清国产在线一区| 又黄又粗又硬又大视频| 欧美精品亚洲一区二区| 黄色成人免费大全| 好男人电影高清在线观看| 日韩欧美国产一区二区入口| 黄网站色视频无遮挡免费观看| 亚洲成人久久性| 午夜福利在线在线| 人人妻人人澡欧美一区二区| 日韩欧美国产一区二区入口| 大型黄色视频在线免费观看| 亚洲自拍偷在线| 女人高潮潮喷娇喘18禁视频| 美女午夜性视频免费| 色在线成人网| 少妇被粗大的猛进出69影院| 亚洲精品粉嫩美女一区| or卡值多少钱| 国产精品九九99| 亚洲精华国产精华精| 亚洲成人精品中文字幕电影| 女人高潮潮喷娇喘18禁视频| АⅤ资源中文在线天堂| 黄频高清免费视频| 啪啪无遮挡十八禁网站| 成人手机av| 欧美色视频一区免费| 可以免费在线观看a视频的电影网站| 亚洲av电影不卡..在线观看| 免费在线观看日本一区| www.精华液| 日本三级黄在线观看| 丰满人妻熟妇乱又伦精品不卡| 非洲黑人性xxxx精品又粗又长| 两性夫妻黄色片| 欧美激情高清一区二区三区| 好男人在线观看高清免费视频 | 老司机在亚洲福利影院| 亚洲真实伦在线观看| videosex国产| 69av精品久久久久久| 麻豆国产av国片精品| 欧美一级毛片孕妇| av电影中文网址| 久久精品91蜜桃| 婷婷精品国产亚洲av在线| 亚洲男人天堂网一区| 欧美激情极品国产一区二区三区| 国产精品久久久久久人妻精品电影| 女生性感内裤真人,穿戴方法视频| 国产黄a三级三级三级人| 男女床上黄色一级片免费看| 久久精品成人免费网站| 日本撒尿小便嘘嘘汇集6| 91大片在线观看| 亚洲最大成人中文| 国产精品野战在线观看| 搡老熟女国产l中国老女人| 妹子高潮喷水视频| 在线视频色国产色| 国产精品自产拍在线观看55亚洲| 日韩高清综合在线| av片东京热男人的天堂| 国产激情久久老熟女| 日日夜夜操网爽| 不卡av一区二区三区| 精品国产亚洲在线| 亚洲欧美日韩无卡精品| 日韩视频一区二区在线观看| 香蕉国产在线看| 99热这里只有精品一区 | 免费一级毛片在线播放高清视频| 老熟妇乱子伦视频在线观看| 久久久国产欧美日韩av| 亚洲第一青青草原| 日本免费a在线| 18禁裸乳无遮挡免费网站照片 | 欧美中文日本在线观看视频| 亚洲一区高清亚洲精品| 亚洲avbb在线观看| 99精品在免费线老司机午夜| 亚洲精品一卡2卡三卡4卡5卡| 日本五十路高清| 黄片小视频在线播放| 黄频高清免费视频| 非洲黑人性xxxx精品又粗又长| 亚洲人成网站高清观看| 看免费av毛片| 又黄又爽又免费观看的视频| 身体一侧抽搐| 国产又爽黄色视频| 一二三四社区在线视频社区8| 中文字幕另类日韩欧美亚洲嫩草| 又大又爽又粗| bbb黄色大片| 国内久久婷婷六月综合欲色啪| 精品国产乱子伦一区二区三区| 亚洲精品国产区一区二| 欧美黑人精品巨大| 午夜福利一区二区在线看| 日韩欧美一区视频在线观看| 成人免费观看视频高清| av超薄肉色丝袜交足视频| 一进一出抽搐动态| 欧美成人免费av一区二区三区| 久久青草综合色| 手机成人av网站| 久久欧美精品欧美久久欧美| 日韩成人在线观看一区二区三区| 久久精品国产清高在天天线| av有码第一页| 国产精品 国内视频| x7x7x7水蜜桃| 精品第一国产精品| 久久精品亚洲精品国产色婷小说| 亚洲精品在线美女| 丁香欧美五月| 成人亚洲精品一区在线观看| 欧美成狂野欧美在线观看| 国产精品 欧美亚洲| 激情在线观看视频在线高清| 久久人人精品亚洲av| or卡值多少钱| 午夜激情福利司机影院| 日日摸夜夜添夜夜添小说| 亚洲成人免费电影在线观看| 日韩 欧美 亚洲 中文字幕| 欧美日韩乱码在线| 丰满的人妻完整版| 欧美在线一区亚洲| 成人亚洲精品av一区二区| 91在线观看av| 亚洲国产精品999在线| 国产亚洲欧美在线一区二区| 在线观看免费午夜福利视频| 亚洲欧美日韩高清在线视频| 国产亚洲av高清不卡| 久久婷婷人人爽人人干人人爱| 99国产精品一区二区蜜桃av| av片东京热男人的天堂| 9191精品国产免费久久| 日本免费一区二区三区高清不卡| 久久精品国产清高在天天线| 久久精品91无色码中文字幕| 老司机福利观看| 一本大道久久a久久精品| 99国产极品粉嫩在线观看| 国产一区二区在线av高清观看| 亚洲一卡2卡3卡4卡5卡精品中文| 91老司机精品| 久久久久久免费高清国产稀缺| 国产欧美日韩精品亚洲av| 青草久久国产| 久久国产精品人妻蜜桃| 日本黄色视频三级网站网址| 他把我摸到了高潮在线观看| 日本a在线网址| 久久久久久亚洲精品国产蜜桃av| 成人18禁高潮啪啪吃奶动态图| 亚洲国产日韩欧美精品在线观看 | 久久久国产成人精品二区| 国产激情欧美一区二区| 女同久久另类99精品国产91| 国产三级黄色录像| 夜夜夜夜夜久久久久| 精品不卡国产一区二区三区| 99国产综合亚洲精品| 法律面前人人平等表现在哪些方面| 久久久久国产精品人妻aⅴ院| 日韩欧美 国产精品| 在线永久观看黄色视频| 嫩草影院精品99| 真人一进一出gif抽搐免费| 欧美中文综合在线视频| netflix在线观看网站| 欧美亚洲日本最大视频资源| 在线永久观看黄色视频| 国产亚洲精品久久久久5区| 久久香蕉激情| 久久久久精品国产欧美久久久| 在线观看舔阴道视频| 男人舔奶头视频| 他把我摸到了高潮在线观看| av视频在线观看入口| 97超级碰碰碰精品色视频在线观看| 国产99久久九九免费精品| 国产亚洲av高清不卡| 久久精品夜夜夜夜夜久久蜜豆 | 成人国产综合亚洲| 人人妻人人澡欧美一区二区| 欧美激情极品国产一区二区三区| 日韩高清综合在线| 成人国语在线视频| 真人做人爱边吃奶动态| 精品国产亚洲在线| 香蕉av资源在线| 亚洲aⅴ乱码一区二区在线播放 | 人成视频在线观看免费观看| 免费看日本二区| 亚洲av片天天在线观看| 丝袜在线中文字幕| 88av欧美| 国产精华一区二区三区| 日本三级黄在线观看| 亚洲av片天天在线观看| 免费在线观看视频国产中文字幕亚洲| 国内少妇人妻偷人精品xxx网站 | 99在线视频只有这里精品首页| 中文在线观看免费www的网站 | 真人做人爱边吃奶动态| а√天堂www在线а√下载| 成人手机av| 国产精品永久免费网站| 757午夜福利合集在线观看| 精品久久久久久,| 欧美日韩乱码在线| 成年免费大片在线观看| 国产亚洲精品av在线| 此物有八面人人有两片| 久久久国产精品麻豆| 精品熟女少妇八av免费久了| 精品国产乱子伦一区二区三区| 国产精品免费视频内射| 两个人免费观看高清视频| 男女视频在线观看网站免费 | 91国产中文字幕| 人妻丰满熟妇av一区二区三区| 久久久久久人人人人人| АⅤ资源中文在线天堂| 国产视频内射| 99久久99久久久精品蜜桃| 18禁观看日本| 亚洲欧美一区二区三区黑人| 国产久久久一区二区三区| 动漫黄色视频在线观看| 日韩视频一区二区在线观看| 午夜成年电影在线免费观看| 国产精品99久久99久久久不卡| 美女高潮喷水抽搐中文字幕| 看黄色毛片网站| 国产精品综合久久久久久久免费| 国产精品自产拍在线观看55亚洲| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲av高清不卡| 国产三级黄色录像| 久久精品国产99精品国产亚洲性色| 美女国产高潮福利片在线看| 国产精品久久久久久精品电影 | 色老头精品视频在线观看| 在线观看一区二区三区| 欧美成人一区二区免费高清观看 | 国产一级毛片七仙女欲春2 | 免费搜索国产男女视频| 精品日产1卡2卡| 中文字幕高清在线视频| 中文字幕高清在线视频| 久久精品91蜜桃| 在线永久观看黄色视频| 51午夜福利影视在线观看| 国产真实乱freesex| 天堂影院成人在线观看| 成人精品一区二区免费| 久热爱精品视频在线9| 男女午夜视频在线观看| 亚洲男人天堂网一区| 日本a在线网址| 很黄的视频免费| 国产精品一区二区免费欧美| 欧美不卡视频在线免费观看 | 亚洲成人久久爱视频| 国产久久久一区二区三区| 丁香六月欧美| 午夜久久久久精精品| 欧美乱色亚洲激情| 日韩视频一区二区在线观看| 啦啦啦观看免费观看视频高清| 无限看片的www在线观看| 精品电影一区二区在线| 亚洲人成77777在线视频| 熟女少妇亚洲综合色aaa.| 欧美三级亚洲精品| 黄频高清免费视频| √禁漫天堂资源中文www| 日韩免费av在线播放| 欧美黑人巨大hd| 中文字幕av电影在线播放| 亚洲国产精品999在线| 香蕉国产在线看| 免费在线观看视频国产中文字幕亚洲| 亚洲精品久久成人aⅴ小说| 麻豆国产av国片精品| 欧美绝顶高潮抽搐喷水| 一二三四社区在线视频社区8| 亚洲avbb在线观看| 999久久久国产精品视频| 国产精品久久久久久人妻精品电影| 高潮久久久久久久久久久不卡| www日本黄色视频网| 亚洲成av人片免费观看| 757午夜福利合集在线观看| www.999成人在线观看| 首页视频小说图片口味搜索| 欧美成人午夜精品| 国产三级黄色录像| √禁漫天堂资源中文www| 欧美+亚洲+日韩+国产| 夜夜爽天天搞| 精品久久久久久久久久免费视频| 大型黄色视频在线免费观看| 又大又爽又粗| 韩国av一区二区三区四区| 18禁国产床啪视频网站| 国产区一区二久久| 亚洲成人免费电影在线观看| 国产一区二区在线av高清观看| 国产区一区二久久| 国产一区二区三区视频了| 99国产精品一区二区蜜桃av| 精品高清国产在线一区| 国产av一区二区精品久久| 99热6这里只有精品| 免费无遮挡裸体视频| 国产亚洲欧美在线一区二区| 级片在线观看| 亚洲成人精品中文字幕电影| 最近在线观看免费完整版| 国产99白浆流出| 一本久久中文字幕| 变态另类成人亚洲欧美熟女| 国产高清有码在线观看视频 | 亚洲av第一区精品v没综合| 亚洲午夜理论影院| 日韩欧美三级三区| 久久精品国产99精品国产亚洲性色| 成人特级黄色片久久久久久久| av在线天堂中文字幕| 一本精品99久久精品77| 97碰自拍视频| 一边摸一边抽搐一进一小说| 日日夜夜操网爽| 亚洲国产看品久久| 久久午夜亚洲精品久久| 亚洲 欧美一区二区三区| www日本黄色视频网| 99久久国产精品久久久| 久久精品91蜜桃| 亚洲精品久久国产高清桃花| 国产伦在线观看视频一区| 免费av毛片视频| 成熟少妇高潮喷水视频| 久久精品人妻少妇| 91国产中文字幕| 色老头精品视频在线观看| 91成年电影在线观看| 亚洲av电影不卡..在线观看| 亚洲一区中文字幕在线| 男女做爰动态图高潮gif福利片| 97超级碰碰碰精品色视频在线观看| 欧美三级亚洲精品| 黄频高清免费视频| 91老司机精品| 久久狼人影院| 香蕉国产在线看| 亚洲五月色婷婷综合| 亚洲七黄色美女视频| 亚洲 欧美一区二区三区| 丰满的人妻完整版| 免费在线观看亚洲国产| 欧美日韩黄片免| 色精品久久人妻99蜜桃| 欧美乱色亚洲激情| 亚洲精品粉嫩美女一区| 亚洲avbb在线观看| 午夜视频精品福利| 在线观看午夜福利视频| 亚洲最大成人中文| 亚洲性夜色夜夜综合| 丁香六月欧美| 久久天堂一区二区三区四区| 欧美丝袜亚洲另类 | 黑人巨大精品欧美一区二区mp4| 国产午夜精品久久久久久| 精品第一国产精品| 两个人免费观看高清视频| 色综合欧美亚洲国产小说| 波多野结衣高清无吗| 午夜精品在线福利| www日本在线高清视频| 亚洲中文av在线| 夜夜躁狠狠躁天天躁| 久久狼人影院| 老司机午夜福利在线观看视频| 久久久久久免费高清国产稀缺| 视频在线观看一区二区三区| 精品国产亚洲在线| 99国产精品一区二区蜜桃av| 成人永久免费在线观看视频| 18禁国产床啪视频网站| 99热这里只有精品一区 | 亚洲国产精品合色在线| 亚洲第一青青草原| 熟女少妇亚洲综合色aaa.| 午夜免费成人在线视频| 制服诱惑二区| 亚洲五月色婷婷综合| a级毛片在线看网站| 精品福利观看| 免费看十八禁软件| 身体一侧抽搐| 青草久久国产| 国产一区二区三区视频了| 国产极品粉嫩免费观看在线| 国产爱豆传媒在线观看 | 国产精品av久久久久免费| 熟妇人妻久久中文字幕3abv| 亚洲欧美一区二区三区黑人| 岛国在线观看网站| 69av精品久久久久久| 精品福利观看| cao死你这个sao货| 白带黄色成豆腐渣| 午夜免费激情av| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 日本免费a在线| 免费无遮挡裸体视频| 久久天躁狠狠躁夜夜2o2o| 少妇熟女aⅴ在线视频| 免费女性裸体啪啪无遮挡网站| 亚洲国产欧美网| 欧美日韩亚洲综合一区二区三区_| 日韩国内少妇激情av| 黄色视频,在线免费观看| 黑人操中国人逼视频| 亚洲av电影在线进入| 国产伦在线观看视频一区| 久久精品国产亚洲av高清一级| 欧美不卡视频在线免费观看 | 国产私拍福利视频在线观看| 国产片内射在线| 男女做爰动态图高潮gif福利片| 久久久久精品国产欧美久久久| 亚洲av美国av| 亚洲在线自拍视频| 99精品欧美一区二区三区四区| 一级毛片女人18水好多| av有码第一页| 热re99久久国产66热| 国产一区二区三区在线臀色熟女|