• <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SSA-LSTM 的風(fēng)速異常波動檢測方法

    2024-05-23 08:47:42鄧立軍袁金波尚文天
    煤炭科學(xué)技術(shù) 2024年3期
    關(guān)鍵詞:風(fēng)門波動分量

    鄧立軍 ,袁金波 ,劉 劍 ,尚文天

    (1.遼寧工程技術(shù)大學(xué) 安全科學(xué)與工程學(xué)院, 遼寧 葫蘆島 125105;2.遼寧工程技術(shù)大學(xué) 礦山熱動力災(zāi)害與防治教育部重點實驗室, 遼寧 葫蘆島 125105)

    0 引 言

    風(fēng)門開閉會引起通風(fēng)系統(tǒng)及關(guān)聯(lián)巷道風(fēng)流發(fā)生波動。當(dāng)風(fēng)門處于靜止?fàn)顟B(tài)(保持關(guān)閉或保持敞開),即無擾動條件下,風(fēng)速傳感器監(jiān)測數(shù)據(jù)在湍流脈動作用下呈現(xiàn)無周期、非線性的小幅度波動[1]。而在風(fēng)門開閉過程中,關(guān)聯(lián)巷道風(fēng)速傳感器監(jiān)測數(shù)據(jù)會出現(xiàn)短時異常波動。由于湍流脈動的作用,風(fēng)速傳感器監(jiān)測數(shù)據(jù)存在大量噪聲,傳統(tǒng)統(tǒng)計方法無法精確檢測風(fēng)速傳感器監(jiān)測數(shù)據(jù)中的異常波動,存在漏報率和誤報率高的問題,給預(yù)警與控制帶來較大困難,因此需盡早檢測風(fēng)速異常波動。風(fēng)速傳感器監(jiān)測數(shù)據(jù)可視為一類非線性、非平穩(wěn)時間序列數(shù)據(jù)。為盡可能地提取時間序列數(shù)據(jù)中的有效信息,排除噪聲干擾,有學(xué)者將時間序列數(shù)據(jù)分解成具有不同時間尺度的若干分量,并對單一分量進(jìn)行分析和重組,從而實現(xiàn)噪聲分離[2]。目前常用的時間序列數(shù)據(jù)降噪方法——傅里葉變換(Fourier Transform,F(xiàn)T)、小波分析(Wavelet Analysis,WA)、經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD) 和SSA(Singular Spectrum Analysis,SSA)等均對時間序列數(shù)據(jù)有著較好的降噪作用。然而,傅里葉變換只適用于平穩(wěn)的數(shù)據(jù)分析,在處理非平穩(wěn)數(shù)據(jù)時有著一定的局限性[3];小波分析降噪過程中,雖能對非平穩(wěn)數(shù)據(jù)進(jìn)行分解,但其小波基、分解層和小波閾值等相關(guān)參數(shù)受人為影響因素較多,容易出現(xiàn)偏差[4];EMD 可根據(jù)原始數(shù)據(jù)本身特征將數(shù)據(jù)分解為多個本征模態(tài)分量,實現(xiàn)了數(shù)據(jù)的自適應(yīng)分解,被廣泛應(yīng)用于數(shù)據(jù)降噪領(lǐng)域,但由于EMD 在分解過程中極易出現(xiàn)模態(tài)混疊以及端點效應(yīng),在一定程度上影響了EMD 的降噪效果[5];SSA 可有效規(guī)避以上問題,因其具備不需要復(fù)雜先驗信息的數(shù)據(jù)處理優(yōu)勢,成為了解析優(yōu)化非線性時序數(shù)據(jù)十分有效的技術(shù)手段[6-7]。

    為深度挖掘時間序列數(shù)據(jù)內(nèi)在關(guān)聯(lián)關(guān)系及數(shù)據(jù)特征,在時間序列異常檢測領(lǐng)域大量學(xué)者針對深度學(xué)習(xí)方法進(jìn)行研究及應(yīng)用[8]。鄧華偉等[9]利用隨機(jī)森林提取網(wǎng)絡(luò)流量數(shù)據(jù)特征,構(gòu)建LSTM(Long Short Term Memory,LSTM)神經(jīng)網(wǎng)絡(luò)模型,實現(xiàn)網(wǎng)絡(luò)流量異常檢測。龔向陽等[10]提出一種基于深度殘差LSTM的視頻異常行為識別算法,將登桿作業(yè)的多個視頻序列作為輸入數(shù)據(jù),通過深度殘差網(wǎng)絡(luò)獲得多個視頻序列的特征,進(jìn)一步將融合后的特征作為LSTM網(wǎng)絡(luò)輸入,實現(xiàn)登桿作業(yè)異常行為的識別。蔡興旭等[11]提出基于LSTM 的橋梁傳感器異常檢測方法,通過小波變換與奇異譜分析對傳感器數(shù)據(jù)進(jìn)行預(yù)處理,基于貝葉斯優(yōu)化算法以及LSTM 構(gòu)建時間序列異常檢測模型,最終通過學(xué)習(xí)異常報警閾值實現(xiàn)潛在異常檢測。田亮等[12]提出了基于數(shù)據(jù)驅(qū)動的故障診斷方法,通過LSTM 神經(jīng)網(wǎng)絡(luò)的預(yù)測能力和證據(jù)理論的多源信息融合能力來對引風(fēng)機(jī)軸承的狀態(tài)進(jìn)行診斷。除LSTM 以外,ARIMA、BP、CNN 等方法也可用于時間序列數(shù)據(jù)異常檢測。但ARIMA 很難用來挖掘時間序列數(shù)據(jù)之間的非線性關(guān)系,預(yù)測精度較差[13]。BP 網(wǎng)絡(luò)對波動性較強(qiáng)的時間序列數(shù)據(jù)預(yù)測效果較低且泛化能力較弱[14-15]。CNN 的池化層會丟失大量有價值的信息,降低局部與整體的相關(guān)性[16]。

    綜上所述,SSA 方法能夠較好的分離非線性時間序列數(shù)據(jù)中的噪聲,LSTM 方法對時間序列數(shù)據(jù)有著較好的預(yù)測效果且泛化能力強(qiáng),筆者提出一種基于SSA-LSTM 的風(fēng)速異常波動檢測方法。首先采用SSA 對原始風(fēng)速數(shù)據(jù)序列進(jìn)行重組,分離湍流脈動噪聲,然后利用LSTM 對SSA 重組后的風(fēng)速序列數(shù)據(jù)進(jìn)行重構(gòu),最后利用對數(shù)概率密度函數(shù)計算原始數(shù)據(jù)與LSTM 重構(gòu)數(shù)據(jù)的異常分?jǐn)?shù),并擬定異常報警閾值,從而實現(xiàn)風(fēng)速傳感器監(jiān)測數(shù)據(jù)中的異常波動檢測[17]。

    1 SSA 與LSTM 算法原理

    1.1 奇異譜分析法(SSA)

    風(fēng)速傳感器監(jiān)測數(shù)據(jù)中由于湍流脈動作用存在大量噪聲,為去除這部分噪聲,提高異常檢測性能,引入SSA 方法。SSA 是一種處理非線性時間序列數(shù)據(jù)的方法,通過對所要研究的時間序列進(jìn)行嵌入、分解、分組、重組4 個步驟處理,提取主要趨勢成分,以達(dá)到降噪的目的。主要步驟如下:

    1)嵌入:將一維時間序列 [x1,x2,···,xn]以長度為l的時間窗口進(jìn)行映射,形成k個長度為l的向量,其中k=n-l+1,組成的軌跡矩陣[18]如下:

    2)分解:對得到的軌跡矩陣進(jìn)行奇異值分解(SVD):

    式中:d為非零奇異值的數(shù)量,d=rank(X)≤min(l,m);Ui、Vi為X的左右奇異向量。

    3)分組:為去除數(shù)據(jù)中多余的噪點,若數(shù)據(jù)X的組成是由有用信號S和噪聲E組成,即X=S+E,分組是為了盡可能將E部分去除。前r個較大的奇異值組成的數(shù)據(jù)即可被認(rèn)為是有用數(shù)據(jù),則d-r部分則為噪聲部分,因此,選擇合適的r值即可實現(xiàn)數(shù)據(jù)和噪聲分離的效果。

    4)重組:重組是利用對角平均化將上述分組得到的矩陣轉(zhuǎn)化成所需的長度為n的重構(gòu)序列RC。令代表分組后得到的任一矩陣,為矩陣中的各元素。設(shè),,當(dāng)l

    1.2 長短期記憶網(wǎng)絡(luò)(LSTM)

    LSTM 神經(jīng)網(wǎng)絡(luò)是RNN 神經(jīng)網(wǎng)絡(luò)的改進(jìn)版,除繼承了RNN 的結(jié)構(gòu)類型外,新建遺忘門對輸入的數(shù)據(jù)信息進(jìn)行選擇性遺忘,有效地避免了隱藏層權(quán)重在迭代多次后出現(xiàn)梯度消失或梯度爆炸的情況的發(fā)生[19]。

    LSTM 神經(jīng)網(wǎng)絡(luò)繼承了RNN 的結(jié)構(gòu)類型外,增加了門的思維來對參數(shù)進(jìn)行篩選,其中遺忘門決定了將多少上一時刻的細(xì)胞狀態(tài)ct-1保留下來;輸入門決定了將當(dāng)前輸入xt是否保留至當(dāng)前細(xì)胞狀態(tài)ct中,避免不重要的記憶信息進(jìn)入細(xì)胞;輸出門決定傳入下一時刻的輸出信息,如圖1 所示。

    圖1 LSTM 單元結(jié)構(gòu)Fig.1 LSTM unit structure

    圖1 中,將sigmoid 和tanh 函數(shù)作為激活函數(shù),遺忘門、輸入門、輸出門將傳入的信息受權(quán)重矩陣和偏置向量的影響,將得到新的輸出矩陣和新的細(xì)胞狀態(tài),主要公式如下:

    式中:ft為遺忘門;it為輸入門;gt為細(xì)胞狀態(tài)的輸入;ot為輸出門;ct-1和ct為上一時刻和當(dāng)前時刻的細(xì)胞狀態(tài);ht-1和ht為上一時刻和當(dāng)前時刻的輸出;Wf,Wi,Wc,Wo和bi,bf,bc,bo分別為LSTM 三個門不同狀態(tài)下的權(quán)重矩陣和偏置向量。

    2 SSA-LSTM 風(fēng)速異常波動檢測方法

    SSA-LSTM 風(fēng)速異常波動檢測方法可分為預(yù)處理、LSTM 風(fēng)速重構(gòu)和風(fēng)速異常波動檢測3 部分,主要流程如圖2 所示。

    圖2 風(fēng)速異常波動檢測Fig.2 Wind speed abnormal fluctuation detection

    2.1 預(yù)處理

    采用SSA 可將風(fēng)速傳感器監(jiān)測數(shù)據(jù)分解為趨勢分量、周期分量和噪聲分量,再重構(gòu)趨勢分量和周期分量,以達(dá)到去除數(shù)據(jù)中存在的噪聲的目的。

    2.2 LSTM 風(fēng)速重構(gòu)

    構(gòu)建LSTM 風(fēng)速重構(gòu)模型,該模型分為3 個部分:輸入層、隱藏層和輸出層。首先輸入層主要對原始風(fēng)速監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理和數(shù)據(jù)集劃分;然后基于隱藏層對訓(xùn)練集進(jìn)行訓(xùn)練,通過Adam 優(yōu)化算法對LSTM 神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行更新,不斷調(diào)整網(wǎng)絡(luò)層數(shù)得到最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu),并添加Dropout 層防止過擬合;最后,輸出層根據(jù)隱藏層中訓(xùn)練的模型進(jìn)行預(yù)測,得到重構(gòu)風(fēng)速。

    2.3 風(fēng)速異常波動檢測

    重構(gòu)風(fēng)速誤差是t-1 之前的歷史數(shù)據(jù)對t時刻風(fēng)速預(yù)測值與t時刻實際風(fēng)速的差值,計算該誤差的對數(shù)概率密度作為異常分?jǐn)?shù),并設(shè)定閾值 τ用于判定異常風(fēng)速:異常分?jǐn)?shù)在閾值以下,則該點出現(xiàn)異常,否則正常。為減少異常檢測誤判,閾值 τ取訓(xùn)練集異常分?jǐn)?shù)最小值。異常分?jǐn)?shù)計算公式如公式(5)所示,異常分?jǐn)?shù)越小,t時刻風(fēng)速屬于異常波動區(qū)間概率越大[20]。

    3 試驗驗證

    為驗證方法的有效性,試驗數(shù)據(jù)來源課題組前期的風(fēng)門開閉風(fēng)流擾動試驗[21]。試驗裝置滿足幾何相似與動力相似,整體相似比為1∶16。設(shè)定入口風(fēng)速為8 m/s,在風(fēng)門串聯(lián)巷道、風(fēng)門所在巷道迎風(fēng)側(cè)、風(fēng)門所在巷道通風(fēng)側(cè)、風(fēng)門并聯(lián)巷道布置4 個風(fēng)速測點。試驗參數(shù)包括開閉角度、風(fēng)門開閉速度、風(fēng)門敞開時間3 個變量,構(gòu)成96 種工況,共得到4 000 組無擾動(風(fēng)門保持關(guān)閉或敞開)風(fēng)速監(jiān)測數(shù)據(jù)以及120 組有擾動(風(fēng)門開閉動態(tài)過程)風(fēng)速監(jiān)測數(shù)據(jù)。

    風(fēng)門開閉時間分別為t1=30 s,t2=50 s,風(fēng)門開閉過程中,風(fēng)門所在巷道及前后巷道風(fēng)流會產(chǎn)生“向上”的異常波動;并聯(lián)巷道風(fēng)流會產(chǎn)生“向下”的異常波動,如圖3 所示。

    圖3 風(fēng)門所在巷道和并聯(lián)巷道風(fēng)速波動Fig.3 Air velocity fluctuations of air tunnel and parallel tunnel

    由于不同巷道的風(fēng)速不同,在預(yù)處理之前需將不同的風(fēng)速時間序列數(shù)據(jù)進(jìn)行滑移處理。取某一段序列數(shù)據(jù)的無擾動區(qū)域風(fēng)速均值作為基準(zhǔn)線,計算其它段序列的無擾動區(qū)域風(fēng)速均值與基準(zhǔn)線的差值,將序列段垂直滑移到基準(zhǔn)線。

    3.1 預(yù)處理

    基于前文所述SSA 方法對數(shù)據(jù)樣本進(jìn)行降噪處理,分解出的趨勢分量、周期分量、噪聲分量及貢獻(xiàn)率如圖4 所示。

    圖4 數(shù)據(jù)分量及貢獻(xiàn)率Fig.4 Data component and contribution rate

    由圖4 可知,湍流脈動產(chǎn)生的噪聲其貢獻(xiàn)率占比很小,不足1%,周期分量和趨勢分量可以反映整體的風(fēng)速波動情況,因此可以將噪聲分量去除。

    利用SSA 方法將趨勢分量和周期分量進(jìn)行重構(gòu),重構(gòu)前后結(jié)果如圖5 所示,SSA 方法可以很好地剔除原始風(fēng)速數(shù)據(jù)中的湍流脈動噪聲,以更光滑的曲線保留整體的風(fēng)速波動情況。

    圖5 SSA 降噪與原始數(shù)據(jù)擬合Fig.5 SSA noise reduction and real data fitting figure

    為評估SSA 方法的降噪性能,本文選取傳統(tǒng)的滑動平均法(Moving Average,MA)和小波分析法(Wavelet Analysis,WA)與SSA 方法進(jìn)行對比,對比結(jié)果如圖6、圖7 所示。

    圖6 WA 降噪與原始數(shù)據(jù)擬合Fig.6 WA noise reduction and real data fitting figure

    圖7 MA 降噪與原始數(shù)據(jù)擬合效果Fig.7 MA noise reduction and real data fitting figure

    由圖6 可知,小波降噪法雖然對原始風(fēng)速數(shù)據(jù)起到了一定的降噪效果,但是卻丟失了過多的趨勢細(xì)節(jié)信息;滑動平均降噪因其窗口大小不同,會致使數(shù)據(jù)結(jié)果向后進(jìn)行滑移,誤差較大,如圖7 所示。最后,選用信噪比(Signal Noise Ratio,SNR)和皮爾遜相關(guān)系數(shù)(Pearson Correlation Coefficient,PCC)對SSA、MA、WA 后的數(shù)據(jù)進(jìn)行評估。在兩個評價指標(biāo)中,SNR 越大,代表降噪效果越好;PCC 值越接近1,代表曲線與原曲線擬合效果越好。公式如下:

    式中:xt為t時刻實際風(fēng)速值;yt為t時刻降噪后的風(fēng)速值。

    式中:μx為實際風(fēng)速值的均值;σx為實際風(fēng)速值的標(biāo)準(zhǔn)差;μy為降噪后的風(fēng)速均值;σy為降噪后的風(fēng)速標(biāo)準(zhǔn)差,計算結(jié)果見表1。

    表1 降噪方法評價對比Table 1 Evaluation comparison of noise reduction methods

    從結(jié)果上看,利用SSA 對數(shù)據(jù)降噪后的信噪比為75.12,線性相關(guān)系數(shù)為0.987 1,降噪能力都優(yōu)于MA 和WA。

    3.2 LSTM 風(fēng)速重構(gòu)模型

    采用深度學(xué)習(xí)庫Keras 構(gòu)建LSTM 風(fēng)速重構(gòu)模型,后端采用基于C++開發(fā)的TensorFlow-GPU 開源框架。將數(shù)據(jù)按照一定比例進(jìn)行劃分,其中4 000 組無擾動風(fēng)速數(shù)據(jù)作為訓(xùn)練集樣本,120 組有擾動風(fēng)速數(shù)據(jù)作為測試集樣本。LSTM 模型構(gòu)建時對比不同層數(shù)下的預(yù)測效果,選取合適的隱藏層層數(shù),確定模型相關(guān)參數(shù),其中神經(jīng)元個數(shù)為64,步長為10,學(xué)習(xí)率為0.01,Dropout 的比例為0.5。

    3.3 LSTM 隱藏層調(diào)優(yōu)

    理論上LSTM 隱藏層層數(shù)越多,預(yù)測數(shù)據(jù)曲線擬合能力越強(qiáng)。但層數(shù)增多,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜,訓(xùn)練時間越來越長,容易出現(xiàn)過擬合現(xiàn)象,泛化能力變差。分別比較了隱層數(shù)為1、2、3、4 時LSTM 的預(yù)測效果,結(jié)果如圖8、表2 所示。

    表2 訓(xùn)練時間以及預(yù)測誤差Table 2 Training time and prediction error

    圖8 不同LSTM 隱層預(yù)測效果Fig.8 Different LSTM prediction effects

    圖8 中,單層LSTM 預(yù)測結(jié)果與實際值偏差較大;二、三、四層LSTM 在無擾動區(qū)域預(yù)測結(jié)果與實際值均較吻合,但在有擾動區(qū)域,三、四層LSTM 出現(xiàn)過擬合現(xiàn)象,有擾動區(qū)域風(fēng)速預(yù)測結(jié)果與實際值過于接近,而二層LSTM 具有良好的區(qū)分效果。隨著層數(shù)的增加,LSTM 模型訓(xùn)練時間也會增加,但誤差并沒有顯著下降。綜合考慮,二層LSTM 模型預(yù)測效果是最優(yōu)的。

    3.4 風(fēng)速波動異常檢測

    計算訓(xùn)練集實際風(fēng)速與LSTM 重構(gòu)風(fēng)速的誤差,依據(jù)式(5)計算訓(xùn)練集中每個風(fēng)速對應(yīng)的異常分?jǐn)?shù),計算結(jié)果如圖9 所示。取異常分?jǐn)?shù)最小值作為閾值τ。

    圖9 重構(gòu)誤差與異常分?jǐn)?shù)曲線Fig.9 Reconstruction error and anomaly score curves

    3.4.1風(fēng)門所在巷道風(fēng)速波動異常檢測

    當(dāng)風(fēng)門處于靜止?fàn)顟B(tài)(保持關(guān)閉或保持敞開),風(fēng)速傳感器監(jiān)測數(shù)據(jù)在8.5~9.5 m/s 范圍內(nèi)波動,風(fēng)門開閉過程中,風(fēng)門所在巷道及前后巷道風(fēng)速會增大,產(chǎn)生“向上”的風(fēng)速異常波動。如圖10 所示,在30~50 s 時,風(fēng)門開閉,風(fēng)速超出正常波動范圍,最大風(fēng)速達(dá)到了12.8 m/s,屬于異常波動范圍。選取風(fēng)門所在巷道風(fēng)速監(jiān)測數(shù)據(jù)中的測試集序列,將預(yù)處理后的序列數(shù)據(jù)進(jìn)行LSTM 風(fēng)速重構(gòu),LSTM 在30~50 s 是能根據(jù)歷史風(fēng)速波動數(shù)據(jù)信息重構(gòu)正確的風(fēng)速波動趨勢。計算重構(gòu)誤差的異常分?jǐn)?shù),以上文設(shè)定的閾值τ進(jìn)行異常檢測。使用斜線填充將小于閾值的風(fēng)速數(shù)據(jù)時間區(qū)間進(jìn)行標(biāo)記,小于閾值的時間風(fēng)速區(qū)間范圍為31~50 s,與實際風(fēng)門開閉時間區(qū)間接近,證明了所提方法的可行性。

    3.4.2風(fēng)門并聯(lián)巷道風(fēng)速波動異常檢測

    風(fēng)門開閉過程中,風(fēng)門并聯(lián)巷道會減小,產(chǎn)生“向下”的風(fēng)速異常波動。如圖11 所示,風(fēng)速正常波動8.5~9.5 m/s 內(nèi)上下波動時屬于正常風(fēng)速數(shù)據(jù),但在30~50 s 時,風(fēng)門開閉時,風(fēng)速偏離正常波動范圍,最小風(fēng)速達(dá)到了6.5 m/s,屬于異常波動范圍。

    圖11 并聯(lián)巷道異常劃分Fig.11 Parallel tunnel anomaly division

    3.5 模型對比分析

    為驗證方法的風(fēng)速重構(gòu)效果及異常檢測的準(zhǔn)確率,以SSA-ARIMA、SSA-CNN 和SSA-BP 模型進(jìn)行比較,各模型均采用與SSA-LSTM 模型相同的數(shù)據(jù)集,如圖12、圖13 所示。

    圖12 不同模型重構(gòu)效果Fig.12 Different model reconstruction effects

    圖13 其他各模型異常檢測Fig.13 Anomaly detection figure for other models

    1)重構(gòu)效果對比分析。不同模型的風(fēng)速重構(gòu)效果如圖12 所示,在10~30 s 的正常風(fēng)速波動段中,巷道風(fēng)流受湍流脈動的影響出現(xiàn)了小幅的風(fēng)速波動,SSA-BP 與SSA-CNN 模型重構(gòu)數(shù)據(jù)波動趨勢較為平穩(wěn),無法對因湍流脈動導(dǎo)致的小幅風(fēng)速波動數(shù)據(jù)進(jìn)行正確擬合;SSA-LSTM 和SSA-ARIMA 模型重構(gòu)曲線與實際風(fēng)速曲線接近,表明二者對正常風(fēng)速段中的小幅湍流脈動可正確重構(gòu)。在30~50 s 的異常風(fēng)速波動段中,風(fēng)門開閉,風(fēng)速波動趨勢發(fā)生大幅波動,SSA-ARIMA 模型重構(gòu)數(shù)據(jù)與實際異常波動數(shù)據(jù)接近,出現(xiàn)過擬合現(xiàn)象;SSA-BP、SSA-CNN 和SSALSTM 模型重構(gòu)數(shù)據(jù)波動趨勢較為平穩(wěn),對異常風(fēng)速波動進(jìn)行逆重構(gòu)效果較好。在60~100 s 的正常風(fēng)速波動段中,巷道風(fēng)流受湍流脈動影響較小且無風(fēng)門開閉等影響風(fēng)流改變的現(xiàn)象出現(xiàn),風(fēng)速波動較為平穩(wěn),各模型重構(gòu)曲線與實際風(fēng)速曲線擬合良好。SSA-LSTM 模型能正確重構(gòu)因湍流脈動導(dǎo)致的小幅波動風(fēng)速數(shù)據(jù),也能對異常風(fēng)速數(shù)據(jù)進(jìn)行逆重構(gòu),在4 個模型中重構(gòu)能力最好。

    2)異常檢測效果對比分析。以準(zhǔn)確率和F1-Score 為評價指標(biāo)對不同模型進(jìn)行評價分析。準(zhǔn)確率表示模型重構(gòu)正確的數(shù)據(jù)樣本占整體風(fēng)速數(shù)據(jù)樣本的比重;F1-Score 是精確率和召回率的調(diào)和平均,可以較為全面地評價模型的異常檢測效果,F(xiàn)1-Score越大說明模型檢測效果越好,結(jié)果見表3。

    表3 不同模型異常檢測評價指標(biāo)Table 3 Evaluation metrics for anomaly detection in different models

    SSA-ARIMA 模型異常檢測精度較差,誤將13、14、23 s 時刻的風(fēng)速檢測為異常風(fēng)速,僅正確識別出了38%的風(fēng)速異常波動數(shù)據(jù);SSA-BP 與SSA-CNN模型異常檢測精度接近,但均誤將因湍流脈動導(dǎo)致的小幅波動識別為異常風(fēng)速波動;SSA-LSTM 模型不僅正確識別出異常波動區(qū)間,且當(dāng)風(fēng)速出現(xiàn)小幅波動時具有較好的魯棒性,相較于其他模型,本文所提模型表現(xiàn)最優(yōu),異常檢測的準(zhǔn)確率和F1-Score 分別達(dá)到了99.2%和97%。

    4 結(jié) 論

    1)SSA 方法可以將風(fēng)速傳感器監(jiān)測數(shù)據(jù)序列中的趨勢分量、周期分量和噪聲分量有效分離,提高信噪比,能夠有效去除因湍流脈動產(chǎn)生的數(shù)據(jù)噪聲,去噪效果明顯,有助于提高風(fēng)速重構(gòu)效果和異常檢測準(zhǔn)確率。

    2)當(dāng)監(jiān)測數(shù)據(jù)無異常波動時,SSA-LSTM 模型能夠捕捉風(fēng)速監(jiān)測傳感器數(shù)據(jù)中的隱藏特征,能根據(jù)歷史風(fēng)速波動數(shù)據(jù)信息重構(gòu)正確的無異常風(fēng)速波動趨勢;當(dāng)監(jiān)測數(shù)據(jù)出現(xiàn)異常波動時,利用對數(shù)概率密度函數(shù)計算實際風(fēng)速與SSA-LSTM 模型重構(gòu)風(fēng)速的異常得分,取異常分?jǐn)?shù)最小值作為閾值,根據(jù)閾值檢測監(jiān)測數(shù)據(jù)是否屬于異常風(fēng)速。

    3)SSA-LSTM 模型相對于SSA-BP、SSA-CNN、SSA-ARIMA 模型明顯具有更優(yōu)的重構(gòu)效果和異常檢測準(zhǔn)確率,能正確重構(gòu)因湍流脈動導(dǎo)致的小幅波動風(fēng)速數(shù)據(jù),進(jìn)而提高了異常檢測的準(zhǔn)確率。經(jīng)驗證該模型的檢測準(zhǔn)確率和F1-Score 指標(biāo)也優(yōu)于其它模型。

    4)由于礦井生產(chǎn)活動復(fù)雜,導(dǎo)致風(fēng)流出現(xiàn)異常波動的因素可能還包括罐籠提升、礦車運(yùn)行等,出現(xiàn)異常波動的規(guī)律、趨勢也有一定的差別,因此在礦井風(fēng)流異常檢測研究中,多因素、多特征的風(fēng)速異常檢測可為下一步的研究目標(biāo)。

    猜你喜歡
    風(fēng)門波動分量
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    羊肉價回穩(wěn) 后期不會大幅波動
    微風(fēng)里優(yōu)美地波動
    中國化肥信息(2019年3期)2019-04-25 01:56:16
    雙柳煤礦新型風(fēng)門閉鎖裝置應(yīng)用及改進(jìn)
    風(fēng)門聯(lián)鎖裝置在礦井生產(chǎn)中的改進(jìn)與應(yīng)用
    論《哈姆雷特》中良心的分量
    干濕法SO2排放波動對比及分析
    分量
    少妇的逼水好多| 性色avwww在线观看| 1000部很黄的大片| netflix在线观看网站| 亚洲av电影不卡..在线观看| 在线观看午夜福利视频| 五月玫瑰六月丁香| 丰满人妻一区二区三区视频av | 狂野欧美激情性xxxx| 夜夜爽天天搞| 国产成人福利小说| 18禁黄网站禁片免费观看直播| 三级国产精品欧美在线观看 | 日本精品一区二区三区蜜桃| 天堂动漫精品| 国产成人系列免费观看| 中文亚洲av片在线观看爽| 成人精品一区二区免费| 成人三级做爰电影| 18禁黄网站禁片午夜丰满| 亚洲熟女毛片儿| 美女 人体艺术 gogo| 国产精品女同一区二区软件 | 三级国产精品欧美在线观看 | 欧美xxxx黑人xx丫x性爽| 国产又色又爽无遮挡免费看| 久久香蕉精品热| 国产欧美日韩精品一区二区| 欧美xxxx黑人xx丫x性爽| 久久精品国产亚洲av香蕉五月| 午夜免费成人在线视频| 精品国产亚洲在线| 国产精品98久久久久久宅男小说| 人妻丰满熟妇av一区二区三区| 男女那种视频在线观看| 两性夫妻黄色片| av女优亚洲男人天堂 | 最新美女视频免费是黄的| 99久久综合精品五月天人人| 色综合欧美亚洲国产小说| 香蕉国产在线看| 露出奶头的视频| 久久精品国产亚洲av香蕉五月| ponron亚洲| 一区二区三区高清视频在线| 欧美乱码精品一区二区三区| 久久国产精品人妻蜜桃| 国产97色在线日韩免费| 午夜免费激情av| 国产三级黄色录像| 色综合亚洲欧美另类图片| 亚洲国产精品sss在线观看| av天堂在线播放| 国产精品久久久久久亚洲av鲁大| 亚洲中文字幕日韩| 亚洲国产欧美网| 最近最新中文字幕大全电影3| 欧美丝袜亚洲另类 | 欧美性猛交╳xxx乱大交人| 国产精品一及| 99久久精品热视频| 亚洲国产精品999在线| 男人舔女人下体高潮全视频| www.自偷自拍.com| 日韩中文字幕欧美一区二区| 好看av亚洲va欧美ⅴa在| 国产精品电影一区二区三区| 日韩欧美在线乱码| 看免费av毛片| 亚洲一区高清亚洲精品| 1024手机看黄色片| a级毛片在线看网站| 极品教师在线免费播放| 国产一区二区三区在线臀色熟女| 老汉色av国产亚洲站长工具| 男女床上黄色一级片免费看| 舔av片在线| 国产精品,欧美在线| 午夜福利欧美成人| 男人舔奶头视频| 精品国产超薄肉色丝袜足j| 免费av不卡在线播放| 全区人妻精品视频| 国产毛片a区久久久久| 亚洲av成人精品一区久久| 午夜福利成人在线免费观看| 美女 人体艺术 gogo| 国产亚洲av嫩草精品影院| 久久精品91无色码中文字幕| 男女之事视频高清在线观看| 观看美女的网站| 露出奶头的视频| 国产亚洲欧美在线一区二区| 国产成年人精品一区二区| 日韩欧美三级三区| 国产主播在线观看一区二区| 午夜影院日韩av| 村上凉子中文字幕在线| 嫩草影视91久久| 亚洲成人精品中文字幕电影| 久久国产乱子伦精品免费另类| 亚洲美女黄片视频| av中文乱码字幕在线| 两个人的视频大全免费| 久久欧美精品欧美久久欧美| 最好的美女福利视频网| www.自偷自拍.com| 日韩 欧美 亚洲 中文字幕| 在线视频色国产色| 久久欧美精品欧美久久欧美| 人人妻人人澡欧美一区二区| 丁香欧美五月| 久久亚洲精品不卡| 香蕉av资源在线| 午夜福利免费观看在线| 精品乱码久久久久久99久播| 丰满人妻一区二区三区视频av | 青草久久国产| 男女视频在线观看网站免费| 精品久久久久久久毛片微露脸| 成人特级av手机在线观看| 91av网站免费观看| 天天躁日日操中文字幕| 最近最新中文字幕大全免费视频| 久久九九热精品免费| 久久亚洲真实| 最近最新免费中文字幕在线| 亚洲精品中文字幕一二三四区| 国产午夜精品久久久久久| 90打野战视频偷拍视频| 狠狠狠狠99中文字幕| 嫩草影院入口| 香蕉国产在线看| av片东京热男人的天堂| 女警被强在线播放| 99热6这里只有精品| 久久精品国产99精品国产亚洲性色| 久久这里只有精品19| 女警被强在线播放| 国产成人一区二区三区免费视频网站| 熟女人妻精品中文字幕| 国产成人av教育| bbb黄色大片| 在线观看免费午夜福利视频| 国产淫片久久久久久久久 | 99久久综合精品五月天人人| 日本三级黄在线观看| 国产精品一区二区免费欧美| 欧美日本视频| 亚洲色图av天堂| 亚洲熟女毛片儿| 午夜视频精品福利| 一进一出抽搐gif免费好疼| 色哟哟哟哟哟哟| av中文乱码字幕在线| 2021天堂中文幕一二区在线观| 久久精品夜夜夜夜夜久久蜜豆| 久久天堂一区二区三区四区| 国产成人福利小说| 男女视频在线观看网站免费| 欧美色视频一区免费| 免费在线观看亚洲国产| 成人鲁丝片一二三区免费| 欧美极品一区二区三区四区| 日日夜夜操网爽| 老司机深夜福利视频在线观看| 欧美精品啪啪一区二区三区| 我的老师免费观看完整版| 黑人巨大精品欧美一区二区mp4| 一二三四在线观看免费中文在| 日本免费一区二区三区高清不卡| 色在线成人网| 亚洲自拍偷在线| 五月玫瑰六月丁香| 舔av片在线| 夜夜爽天天搞| 在线看三级毛片| 高清在线国产一区| 丁香六月欧美| 亚洲人成网站在线播放欧美日韩| 少妇人妻一区二区三区视频| 亚洲18禁久久av| 国产欧美日韩精品亚洲av| 成年女人永久免费观看视频| 亚洲av电影在线进入| 国产精品女同一区二区软件 | 亚洲国产欧美人成| 日韩欧美免费精品| 午夜免费激情av| 亚洲成a人片在线一区二区| 亚洲精品乱码久久久v下载方式 | 国模一区二区三区四区视频 | 成年版毛片免费区| 精品国产亚洲在线| 在线视频色国产色| 久久精品影院6| 久久久久国内视频| 国产精品美女特级片免费视频播放器 | 国产高清有码在线观看视频| 色精品久久人妻99蜜桃| 国产淫片久久久久久久久 | 少妇的逼水好多| 少妇熟女aⅴ在线视频| 欧美日本视频| 国产视频一区二区在线看| 日韩欧美国产一区二区入口| 欧美午夜高清在线| 国产精品av久久久久免费| 久久精品91无色码中文字幕| 成人三级做爰电影| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲真实伦在线观看| 成人三级黄色视频| 一进一出好大好爽视频| 不卡一级毛片| 精品国产亚洲在线| 成人三级黄色视频| 99精品欧美一区二区三区四区| 观看美女的网站| 日韩高清综合在线| 亚洲成人久久爱视频| 少妇的丰满在线观看| 亚洲欧洲精品一区二区精品久久久| 久久久久久久久免费视频了| 99久久精品一区二区三区| 天天一区二区日本电影三级| 小说图片视频综合网站| 波多野结衣高清无吗| 一区福利在线观看| 久久香蕉国产精品| 制服丝袜大香蕉在线| 国产日本99.免费观看| 午夜成年电影在线免费观看| 精品久久久久久久久久久久久| 免费一级毛片在线播放高清视频| 国产精品乱码一区二三区的特点| 亚洲中文字幕日韩| 亚洲乱码一区二区免费版| 亚洲美女视频黄频| 欧美一区二区国产精品久久精品| 欧美黑人巨大hd| 国产美女午夜福利| www.精华液| 久久久精品大字幕| 老司机深夜福利视频在线观看| 免费在线观看影片大全网站| 一区福利在线观看| 久久久精品欧美日韩精品| 毛片女人毛片| 99久久综合精品五月天人人| 啦啦啦韩国在线观看视频| 激情在线观看视频在线高清| 一区二区三区高清视频在线| 国产主播在线观看一区二区| 国产一区二区激情短视频| 免费看十八禁软件| 久久久久性生活片| 一本精品99久久精品77| 国产成+人综合+亚洲专区| 国产高清视频在线播放一区| 黄色女人牲交| 99国产综合亚洲精品| 精品一区二区三区视频在线 | 亚洲色图 男人天堂 中文字幕| 国产成人啪精品午夜网站| 欧美乱色亚洲激情| 久久久久亚洲av毛片大全| 色吧在线观看| 两个人视频免费观看高清| 日本撒尿小便嘘嘘汇集6| 啦啦啦韩国在线观看视频| 国语自产精品视频在线第100页| 欧美又色又爽又黄视频| 88av欧美| 欧美日韩乱码在线| 操出白浆在线播放| 天堂影院成人在线观看| 一个人看视频在线观看www免费 | 国产精品亚洲一级av第二区| 18禁黄网站禁片免费观看直播| 成人特级av手机在线观看| 一级作爱视频免费观看| 久久午夜综合久久蜜桃| 身体一侧抽搐| 深夜精品福利| 91在线精品国自产拍蜜月 | 日本 欧美在线| 在线看三级毛片| 亚洲欧美日韩高清在线视频| 手机成人av网站| 人人妻,人人澡人人爽秒播| 久久中文看片网| 成人午夜高清在线视频| 免费在线观看亚洲国产| 夜夜躁狠狠躁天天躁| 国产毛片a区久久久久| av天堂在线播放| 亚洲18禁久久av| 亚洲精品久久国产高清桃花| 亚洲人成伊人成综合网2020| 夜夜躁狠狠躁天天躁| 国产一区二区三区视频了| 中文字幕人成人乱码亚洲影| 俄罗斯特黄特色一大片| 久久久久性生活片| 一区二区三区国产精品乱码| 欧美日韩黄片免| 免费电影在线观看免费观看| cao死你这个sao货| 又爽又黄无遮挡网站| 欧美乱色亚洲激情| 欧美av亚洲av综合av国产av| 偷拍熟女少妇极品色| 国产单亲对白刺激| 天堂av国产一区二区熟女人妻| 国产精品久久久久久久电影 | 日韩欧美 国产精品| 国产欧美日韩一区二区三| 午夜免费激情av| 精品久久久久久久久久免费视频| 成人特级黄色片久久久久久久| 丰满的人妻完整版| 久久久久国内视频| 在线播放国产精品三级| 欧美精品啪啪一区二区三区| 五月伊人婷婷丁香| 最近视频中文字幕2019在线8| 日本熟妇午夜| 亚洲真实伦在线观看| 亚洲狠狠婷婷综合久久图片| 非洲黑人性xxxx精品又粗又长| 日日夜夜操网爽| 成人国产一区最新在线观看| 久久中文字幕人妻熟女| 99久久国产精品久久久| 国产成人精品久久二区二区免费| 在线观看免费视频日本深夜| 亚洲av美国av| 操出白浆在线播放| 99久久精品一区二区三区| 亚洲一区二区三区色噜噜| 露出奶头的视频| 成人鲁丝片一二三区免费| 白带黄色成豆腐渣| 1024香蕉在线观看| 在线观看免费午夜福利视频| 中文字幕高清在线视频| 国产精品久久久久久亚洲av鲁大| 长腿黑丝高跟| 欧美日韩福利视频一区二区| www日本在线高清视频| 午夜福利欧美成人| 国产成人影院久久av| 国产激情欧美一区二区| 午夜视频精品福利| 中文字幕熟女人妻在线| aaaaa片日本免费| 好看av亚洲va欧美ⅴa在| 啦啦啦免费观看视频1| 欧美成人性av电影在线观看| 午夜久久久久精精品| 12—13女人毛片做爰片一| av在线天堂中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 成人特级黄色片久久久久久久| 久久久久久国产a免费观看| 黄色片一级片一级黄色片| 中文字幕av在线有码专区| 色在线成人网| 中亚洲国语对白在线视频| 国产 一区 欧美 日韩| 麻豆久久精品国产亚洲av| 床上黄色一级片| 亚洲欧美日韩高清专用| 久久人妻av系列| 我的老师免费观看完整版| or卡值多少钱| 色综合欧美亚洲国产小说| 亚洲最大成人中文| 欧美在线黄色| 亚洲国产欧美一区二区综合| 国内精品久久久久精免费| 国产高潮美女av| 九色成人免费人妻av| 很黄的视频免费| 国语自产精品视频在线第100页| 欧美黑人欧美精品刺激| 成人av在线播放网站| 亚洲国产欧美网| 亚洲乱码一区二区免费版| 极品教师在线免费播放| 亚洲第一欧美日韩一区二区三区| 悠悠久久av| 国产精品自产拍在线观看55亚洲| 狂野欧美激情性xxxx| 亚洲国产精品合色在线| 亚洲,欧美精品.| 可以在线观看的亚洲视频| 黑人操中国人逼视频| 亚洲片人在线观看| 禁无遮挡网站| 精品国内亚洲2022精品成人| 国产精品久久久久久亚洲av鲁大| 日本a在线网址| 成人18禁在线播放| 一进一出抽搐gif免费好疼| 天天添夜夜摸| 午夜福利成人在线免费观看| 日韩中文字幕欧美一区二区| 一个人免费在线观看的高清视频| 婷婷丁香在线五月| 麻豆成人av在线观看| 五月玫瑰六月丁香| 97超级碰碰碰精品色视频在线观看| 国内精品一区二区在线观看| 精品国产美女av久久久久小说| 精品欧美国产一区二区三| 日本熟妇午夜| 国产精品九九99| 色视频www国产| 日韩中文字幕欧美一区二区| 亚洲熟妇熟女久久| 亚洲成人久久爱视频| 少妇的逼水好多| 国产野战对白在线观看| 在线观看午夜福利视频| 亚洲人成网站高清观看| 亚洲乱码一区二区免费版| 国产精品 国内视频| 中文字幕久久专区| 在线视频色国产色| www.www免费av| 国产成人精品久久二区二区免费| 亚洲国产看品久久| av女优亚洲男人天堂 | 国产不卡一卡二| 在线看三级毛片| 亚洲人成网站在线播放欧美日韩| 九色成人免费人妻av| 91麻豆av在线| 悠悠久久av| 性色av乱码一区二区三区2| 啦啦啦观看免费观看视频高清| 亚洲片人在线观看| 又爽又黄无遮挡网站| 精品国产超薄肉色丝袜足j| 香蕉丝袜av| 黄色丝袜av网址大全| 国产乱人视频| 成年女人看的毛片在线观看| 国产蜜桃级精品一区二区三区| 操出白浆在线播放| 色老头精品视频在线观看| 成年女人永久免费观看视频| 中文字幕久久专区| 国内精品久久久久精免费| 精品国产超薄肉色丝袜足j| 久久久久国内视频| 欧美日本视频| 国产免费av片在线观看野外av| 欧美中文日本在线观看视频| 色在线成人网| 亚洲成a人片在线一区二区| 午夜免费成人在线视频| 国产精品美女特级片免费视频播放器 | 亚洲国产日韩欧美精品在线观看 | 免费高清视频大片| 久久亚洲精品不卡| 欧美日韩一级在线毛片| 在线十欧美十亚洲十日本专区| 国产私拍福利视频在线观看| 中文字幕精品亚洲无线码一区| 手机成人av网站| 国产精品九九99| 国产精品 欧美亚洲| 日本五十路高清| tocl精华| 两性午夜刺激爽爽歪歪视频在线观看| 久久香蕉国产精品| 成人18禁在线播放| 国产男靠女视频免费网站| 成年人黄色毛片网站| 久久久久国产精品人妻aⅴ院| 麻豆国产97在线/欧美| 99热这里只有精品一区 | avwww免费| 桃色一区二区三区在线观看| 精品国产亚洲在线| 听说在线观看完整版免费高清| 国产精品一区二区免费欧美| 色噜噜av男人的天堂激情| 国产成人av教育| 久久精品人妻少妇| tocl精华| 小说图片视频综合网站| 91在线精品国自产拍蜜月 | 午夜日韩欧美国产| 99在线人妻在线中文字幕| 久久伊人香网站| 国产真人三级小视频在线观看| 一级作爱视频免费观看| 又紧又爽又黄一区二区| 精品国产乱码久久久久久男人| 啦啦啦观看免费观看视频高清| 九九久久精品国产亚洲av麻豆 | 中文字幕av在线有码专区| 免费电影在线观看免费观看| 久久草成人影院| 日本五十路高清| 精品欧美国产一区二区三| h日本视频在线播放| 国内毛片毛片毛片毛片毛片| 国产精品野战在线观看| 国内揄拍国产精品人妻在线| 国产69精品久久久久777片 | 黄频高清免费视频| 亚洲国产欧美网| 哪里可以看免费的av片| 久久热在线av| 男人舔女人下体高潮全视频| 成人三级做爰电影| 97人妻精品一区二区三区麻豆| e午夜精品久久久久久久| 每晚都被弄得嗷嗷叫到高潮| 给我免费播放毛片高清在线观看| 一个人看的www免费观看视频| 在线观看美女被高潮喷水网站 | 亚洲中文字幕日韩| 在线观看午夜福利视频| 老熟妇乱子伦视频在线观看| 免费人成视频x8x8入口观看| 又黄又爽又免费观看的视频| or卡值多少钱| 真人做人爱边吃奶动态| 国产精品日韩av在线免费观看| 国产欧美日韩精品一区二区| 国产精品 国内视频| 在线观看舔阴道视频| 欧美性猛交黑人性爽| 夜夜躁狠狠躁天天躁| 99热只有精品国产| 久久国产精品人妻蜜桃| 美女黄网站色视频| 国产精品一区二区免费欧美| 99热只有精品国产| 一本精品99久久精品77| 久久久成人免费电影| 日本三级黄在线观看| 草草在线视频免费看| 熟女少妇亚洲综合色aaa.| 国产精品香港三级国产av潘金莲| 精品午夜福利视频在线观看一区| 国产精品影院久久| 黄色片一级片一级黄色片| 一区二区三区高清视频在线| 日韩高清综合在线| 黑人巨大精品欧美一区二区mp4| 欧美zozozo另类| www日本在线高清视频| 午夜亚洲福利在线播放| 亚洲av片天天在线观看| 一个人免费在线观看的高清视频| 99久久精品一区二区三区| 五月玫瑰六月丁香| 中文在线观看免费www的网站| 色综合亚洲欧美另类图片| 色尼玛亚洲综合影院| avwww免费| 午夜福利成人在线免费观看| 一级a爱片免费观看的视频| 国产97色在线日韩免费| av中文乱码字幕在线| 中文字幕精品亚洲无线码一区| 欧美一区二区精品小视频在线| 欧美乱妇无乱码| 亚洲精品在线美女| 午夜福利视频1000在线观看| av天堂中文字幕网| 男女视频在线观看网站免费| 欧美精品啪啪一区二区三区| 性色av乱码一区二区三区2| 欧美乱色亚洲激情| 免费观看人在逋| 国产免费男女视频| 少妇裸体淫交视频免费看高清| 搡老熟女国产l中国老女人| 我要搜黄色片| 一个人看视频在线观看www免费 | 男女下面进入的视频免费午夜| 精品日产1卡2卡| 国产又色又爽无遮挡免费看| 成人亚洲精品av一区二区| 亚洲一区二区三区不卡视频| 国产精品爽爽va在线观看网站| 国产亚洲精品av在线| 偷拍熟女少妇极品色| 国产成+人综合+亚洲专区| 制服丝袜大香蕉在线| 不卡av一区二区三区| 岛国在线免费视频观看| 婷婷亚洲欧美| 久久精品91无色码中文字幕| 久久国产精品影院| 桃红色精品国产亚洲av| 婷婷亚洲欧美| 色精品久久人妻99蜜桃| 小说图片视频综合网站| 黄片大片在线免费观看| 精品国产超薄肉色丝袜足j| 好男人在线观看高清免费视频| 国产高潮美女av| 在线免费观看不下载黄p国产 | 一区二区三区高清视频在线| 欧美日韩一级在线毛片| 男人舔奶头视频|