• <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 ?

    改進(jìn)VMD與廣義互相關(guān)在供水管道泄漏定位中的應(yīng)用

    2024-10-13 00:00:00胡佳佳魏媛媛付世沫王耀力常青
    現(xiàn)代電子技術(shù) 2024年19期

    摘" 要: 針對(duì)管道泄漏定位時(shí),采集到的泄漏信號(hào)會(huì)受到噪聲干擾而影響定位精度的問(wèn)題,提出了一種參數(shù)自尋優(yōu)變分模態(tài)分解結(jié)合廣義互相關(guān)的定位方法。首先,在現(xiàn)有的頻域加權(quán)函數(shù)的基礎(chǔ)上,提出了一種復(fù)合加權(quán)函數(shù),對(duì)不同的頻域加權(quán)函數(shù)在供水管道泄漏聲信號(hào)下的性能進(jìn)行研究;其次,利用高斯變異和量子行為對(duì)粒子群進(jìn)行優(yōu)化,建立復(fù)合指標(biāo)排列熵/互信息熵作為適應(yīng)度函數(shù),改善粒子在求解過(guò)程中的多樣性;然后,通過(guò)改進(jìn)的粒子群算法優(yōu)化變分模態(tài)分解(VMD)最優(yōu)參數(shù)組合,實(shí)現(xiàn)對(duì)信號(hào)的降噪處理。實(shí)驗(yàn)結(jié)果表明,文中方法在供水管道泄漏情況下具有更高的定位精度,平均相對(duì)定位誤差僅為3.7%,且最大誤差也只有8.0%,能夠有效地濾除原始信號(hào)中的噪聲干擾。

    關(guān)鍵詞: 供水管道; 泄漏定位; 粒子群優(yōu)化算法; 變分模態(tài)分解; 時(shí)延估計(jì); 廣義互相關(guān)

    中圖分類號(hào): TN911.4?34" " " " " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼: A" " " " " " " " " " " " 文章編號(hào): 1004?373X(2024)19?0075?08

    Improved VMD and generalized cross?correlation for leakage

    localization in water supply pipelines

    HU Jiajia1, WEI Yuanyuan2, FU Shimo2, WANG Yaoli1, CHANG Qing1

    (1. College of Electronic Information and Optical Engineering, Taiyuan University of Technology, Jinzhong 030600, China;

    2. Taiyuan Water Supply Design and Research Institute Co., Ltd., Taiyuan 030001, China)

    Abstract: When locating a pipeline leakage, the collected leakage signals are susceptible to noise interference, which will affect the positioning accuracy in turn, so a positioning method of parameter self?optimizing variational modal decomposition (VMD) combined with generalized cross?correlation (GCC) is proposed. A composite weighting function is proposed on the basis of the existing frequency?domain weighting functions. The performance of different frequency?domain weighting functions during the occurrence of the leakage acoustic signals is studied. The Gaussian mutation and quantum behavior are used to optimize the particle swarm, and a composite index of permutation entropy/mutual information entropy is established and taken as the fitness function to improve the diversity of particles during the process of solving. The optimal parameter combination of VMD is optimized by the improved particle swarm optimization (PSO) algorithm, so that the noise reduction of the signals is achieved. The experimental results demonstrate that the proposed method exhibits higher localization accuracy in the case of water supply pipeline leakage, with an average relative positioning error of merely 3.7%, and a maximum error of only 8.0%, so the method can eliminate noise interference from the original signals effectively.

    Keywords: water supply pipeline; leakage location; PSO algorithm; VMD; time delay estimation; GCC

    0" 引" 言

    供水管網(wǎng)是現(xiàn)代城市不可或缺的基礎(chǔ)設(shè)施之一。然而,供水管道系統(tǒng)也面臨著諸多挑戰(zhàn),包括腐蝕、焊接問(wèn)題、人為破壞等多種因素,這些問(wèn)題可能導(dǎo)致管道運(yùn)行不正常,進(jìn)而引發(fā)能源、經(jīng)濟(jì)、環(huán)境等多方面的損失,甚至危及到人們的生命安全。因此,監(jiān)測(cè)供水管道和準(zhǔn)確地確定管道泄漏位置,已經(jīng)成為國(guó)內(nèi)外相關(guān)領(lǐng)域緊迫的研究課題。目前,時(shí)延估計(jì)被廣泛應(yīng)用于管道泄漏的定位。在時(shí)延估計(jì)中,廣義互相關(guān)算法[1]脫穎而出。然而,自來(lái)水管道系統(tǒng)通常非常龐大,噪聲會(huì)掩蓋泄漏信號(hào),導(dǎo)致廣義互相關(guān)時(shí)延估計(jì)方法的性能受到影響。因此,許多學(xué)者致力于對(duì)采集到的信號(hào)進(jìn)行預(yù)處理,以在復(fù)雜的環(huán)境和條件下實(shí)現(xiàn)對(duì)管道泄漏點(diǎn)的準(zhǔn)確識(shí)別與定位。

    文獻(xiàn)[1]提出廣義互相關(guān)算法對(duì)信號(hào)進(jìn)行處理,在實(shí)現(xiàn)基本互相關(guān)方法之前對(duì)泄漏信號(hào)進(jìn)行預(yù)濾波,以增強(qiáng)有效信號(hào),減少噪聲信號(hào)的干擾。文獻(xiàn)[2]提出了一種基于信號(hào)自身的尺度特征來(lái)進(jìn)行信號(hào)分解的技術(shù),被稱為經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)。文獻(xiàn)[3]提出了一種基于EMD的自適應(yīng)去噪方法,成功抑制了供水管道中的隨機(jī)噪聲,有效降低了定位誤差。但是,EMD的模式選擇取決于經(jīng)驗(yàn),會(huì)導(dǎo)致EMD分解中出現(xiàn)模式混疊現(xiàn)象[4?5]。文獻(xiàn)[6]采用EEMD和相關(guān)系數(shù)結(jié)合的方法降低噪聲對(duì)相關(guān)時(shí)延估計(jì)方法的影響。雖然EEMD可以在一定程度上抑制模態(tài)混疊現(xiàn)象,但也存在計(jì)算量大、信號(hào)解析效果不理想的缺點(diǎn)[7]。

    為了充分抑制模態(tài)混疊和過(guò)度分解現(xiàn)象,文獻(xiàn)[8]提出變分模態(tài)分解(Variational Mode Decomposition, VMD)。它可以自適應(yīng)地確定模數(shù),在信號(hào)處理方面有較好的表現(xiàn)[9]。但是,VMD仍然存在局限性。在對(duì)信號(hào)進(jìn)行VMD分解之前,需要已知分解層數(shù)[K]和懲罰因子項(xiàng)[α]。在許多情況下,信號(hào)的先驗(yàn)知識(shí)是未知的,若[K]和[α]選擇不當(dāng),會(huì)導(dǎo)致信號(hào)分量丟失或引入更多的噪聲。針對(duì)參數(shù)組合[[K,α]]的選取,許多研究學(xué)者結(jié)合元啟發(fā)式算法進(jìn)行參數(shù)組合的自適應(yīng)尋優(yōu),如灰狼算法[10]、鯨魚算法[11]和粒子群算法[12?14]等。這些優(yōu)化方法可以搜尋到合適的參數(shù)組合,但一般需要大量的迭代次數(shù)、合適的適應(yīng)度函數(shù),有時(shí)還會(huì)陷入局部最優(yōu)解的困境中。

    針對(duì)上述問(wèn)題,本文提出了一種改進(jìn)粒子群優(yōu)化VMD參數(shù)尋優(yōu)的廣義互相關(guān)時(shí)延估計(jì)算法。數(shù)值仿真和實(shí)驗(yàn)數(shù)據(jù)分析表明,本文所提方法降噪效果明顯,可以有效提高時(shí)延估計(jì)性能和精度。

    1" 泄漏信號(hào)自適應(yīng)降噪

    1.1" 變分模態(tài)分解算法

    VMD算法利用迭代搜索變分模型的最優(yōu)解,將輸入信號(hào)分解為若干個(gè)具有稀疏性的本征模態(tài)分量,每個(gè)分量稱為本征模態(tài)函數(shù)(IMF)。為了求解每個(gè)IMF并估計(jì)其帶寬,首先建立如下約束變分模型:

    [min{uk,ωk}k?tδ(t)+jπt*uk(t)e-jωkt22s.t." " kuk=f] (1)

    式中:[uk= {u1,u2,…,uk}]為各模態(tài)函數(shù);[ωk= {ω1,ω2,…,ωk}]為各中心頻率。

    為了求解式(1),引入了二次懲罰項(xiàng)[α]和拉格朗日乘子[λ],將約束性變分問(wèn)題轉(zhuǎn)換為非約束性變分問(wèn)題。

    [Luk,ωk,λ=αk?tσ(t)+jπt*uk(t)e-jωkt22+" " " " " " f(t)-kuk(t)22+λ(t)," "f(t)-kuk(t)" " "(2)]

    采用交替方向乘子法求解式(2),原始信號(hào)[f]最終被自適應(yīng)地分解為[K]個(gè)模態(tài)分量。

    1.2" 改進(jìn)粒子群優(yōu)化VMD的自適應(yīng)去噪算法

    VMD對(duì)于參數(shù)組合[[K,α]]較為敏感,不同的參數(shù)值會(huì)導(dǎo)致實(shí)驗(yàn)結(jié)果產(chǎn)生較大差距。傳統(tǒng)的VMD方法[11?13]需要根據(jù)過(guò)去的經(jīng)驗(yàn)預(yù)設(shè)這些參數(shù),任何不適當(dāng)?shù)倪x擇都可能導(dǎo)致不適當(dāng)?shù)姆纸?。綜上所述,本文采用改進(jìn)后的粒子群算法對(duì)VMD進(jìn)行參數(shù)自適應(yīng)尋優(yōu),以確定最優(yōu)參數(shù)組合[[K,α]]。選取模態(tài)能量和高于80%的前[m]個(gè)IMF分量重構(gòu)信號(hào),以達(dá)到去噪效果。

    1.2.1" 粒子群優(yōu)化算法模型

    粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法是一種基于群體智能的隨機(jī)搜索優(yōu)化算法。該算法可以看作模擬鳥(niǎo)群覓食行為的過(guò)程。每只鳥(niǎo)在某處位置能夠找到食物的可能性可以通過(guò)適應(yīng)值來(lái)刻畫,每只鳥(niǎo)能夠記住自己的覓食位置,并且找到其中的最佳位置(局部最優(yōu)),鳥(niǎo)群中所有個(gè)體的最佳位置就可以看作整個(gè)鳥(niǎo)群的最佳覓食點(diǎn)(全局最優(yōu))。當(dāng)找到局部最優(yōu)和全局最優(yōu)后,粒子的速度和位置分別通過(guò)式(3)和式(4)更新。

    [vid(t+1)=ωvid+c1×r1[pid-xid(t)]+c2×r2[pid-xid(t)]]" " " " (3)

    [xid(t+1)=xid(t)+vid(t+1)] (4)

    式中:[ω]代表慣性權(quán)重,平衡粒子的全局搜索和局部搜索能力;[c1]和[c2]分別為個(gè)體學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子,調(diào)整粒子速度和位置;[r1]和[r2]為學(xué)習(xí)因子的隨機(jī)數(shù),幫助粒子調(diào)整更新權(quán)重;[vid]為粒子速度;[xid]為粒子位置。

    1.2.2" 引入量子行為

    在粒子群算法中,粒子的狀態(tài)使用速度和位置來(lái)描述,粒子沿著確定的軌跡運(yùn)動(dòng),搜索空間受到限制。因此,粒子群算法不能保證以概率1收斂到全局最優(yōu)解。為此,將量子行為的思想加入到量子行為粒子群優(yōu)化(Quantum Behaved Particle Swarm Optimization, QPSO)算法中。

    量子空間中,粒子狀態(tài)依賴于波函數(shù)且僅關(guān)乎位置。假如粒子在以吸引點(diǎn)為中心的一維[δ]勢(shì)阱中運(yùn)動(dòng),得到概率擾動(dòng)函數(shù)[D(x)=e-2G-x L],使用蒙特卡洛方法得到下一步更新方程:

    [xij=gij±Lij2×ln1u,u~U(0,1)]" " " "(5)

    式中:[u]表示(0,1)區(qū)間的均勻分布隨機(jī)數(shù);參數(shù)[L]為特征長(zhǎng)度。為了更好地調(diào)節(jié)特征長(zhǎng)度的取值,引入平均最優(yōu)位置。粒子位置更新方程為:

    [xij(t+1)=Gij(t)±β×Cj(t)-xij(t)×ln1u] (6)

    式中[β]為Q收縮?擴(kuò)張系數(shù)。

    從更新方程中得知:QPSO只有收縮?擴(kuò)張系數(shù)這一個(gè)參數(shù);粒子的隨機(jī)性強(qiáng),可以以一定概率出現(xiàn)在整個(gè)搜索空間的任意位置,具有較強(qiáng)的全局搜索能力。

    1.2.3" 高斯擾動(dòng)

    在QPSO算法中,粒子除了學(xué)習(xí)自身的經(jīng)驗(yàn)外,只以歷史最優(yōu)種群為指導(dǎo),種群群集性導(dǎo)致多樣性較差。在粒子位置更新過(guò)程中,適當(dāng)?shù)卦谌肿詈玫奈恢锰砑右恍_動(dòng),很容易使某些解值跳出局部最優(yōu),所以將高斯變異的思想代入QPSO算法尋找最優(yōu)解的過(guò)程中,改善粒子在求解過(guò)程中的多樣性(QGPSO)。在全局最好位置[Pg(t)]添加高斯擾動(dòng)的公式為:

    [Pg(t)=Pg(t)+ε×Rn," " n=1,2,…,N]" "(7)

    式中:下標(biāo)g代表全局最好位置粒子;[ε]是一個(gè)預(yù)先設(shè)定的參數(shù);[N]是期望為0、標(biāo)準(zhǔn)差為1的正態(tài)分布的隨機(jī)數(shù)。

    1.2.4" 適應(yīng)度函數(shù)

    排列熵(PE)對(duì)檢測(cè)時(shí)間序列變化的敏感性強(qiáng),即使時(shí)間序列發(fā)生微小變化都會(huì)影響其熵值。當(dāng)IMF分量包含較多噪聲,信號(hào)較復(fù)雜、隨機(jī)時(shí),排列熵值([Hp])較大;當(dāng)IMF分量重的噪聲較少時(shí),信號(hào)較規(guī)則,則排列熵值較小。

    互信息(MI)熵主要用于表示兩事件的相關(guān)程度,不易受外界因素干擾?;バ畔㈧刂翟酱?,則兩事件的相關(guān)性越強(qiáng)。就IMF分量而言,其包含越豐富的原始信號(hào)特征信息,則互信息(MI)熵值越大。式(8)為復(fù)合指標(biāo)排列熵與互信息熵的比值:

    [CI=HpMI]" " (8)

    考慮IMF分量的噪聲水平和特征信息,當(dāng)IMF分量包含的噪聲較少且包含較豐富的特征信息時(shí),復(fù)合指標(biāo)的值較小,因此將其最小值作為參數(shù)優(yōu)化的適應(yīng)度函數(shù)。

    改進(jìn)后的QGPSO算法步驟如下。

    1) 設(shè)置參數(shù):種群規(guī)模[N]、迭代次數(shù)[m]、粒子群維度[D]、粒子位置等。

    2) 根據(jù)式(8)計(jì)算每個(gè)粒子的適應(yīng)度值,如果當(dāng)前位置適應(yīng)度值小于上次迭代,那么更新粒子的個(gè)體最優(yōu)位置。

    3) 更新粒子群的全局最優(yōu)位置。

    4) 計(jì)算平均最優(yōu)位置,利用式(7)分別對(duì)[Pg]進(jìn)行擾動(dòng)。

    5) 對(duì)每個(gè)粒子利用式(6)更新粒子的位置。

    6) 重復(fù)步驟2)~步驟5),直至滿足循環(huán)條件。

    2" 改進(jìn)的廣義互相關(guān)定位法

    2.1" 管道泄漏定位原理

    當(dāng)供水管道出現(xiàn)泄漏事故時(shí),管內(nèi)泄漏點(diǎn)的壓力下降較為明顯,管道內(nèi)的水流向外沖擊,與管道壁摩擦產(chǎn)生聲信號(hào),通過(guò)對(duì)聲信號(hào)進(jìn)行采集和分析可以實(shí)現(xiàn)管道泄漏的檢測(cè)。在管道的泄漏點(diǎn)定位中,常常采用時(shí)間延遲估計(jì)法,其原理圖如圖1所示。

    在管道泄漏點(diǎn)的兩端分別安裝聲傳感器S1和S2。假設(shè)二者之間距離為[L],泄漏點(diǎn)到S1的距離為[L1],該信號(hào)以一定的速度[v]沿管道上下游方向進(jìn)行傳播,對(duì)上下游傳感器接收到的信號(hào)進(jìn)行時(shí)間延遲估計(jì)([τ]),則泄漏點(diǎn)計(jì)算公式如下:

    [L1=L+vτ2] (9)

    2.2" 互相關(guān)技術(shù)

    時(shí)延估計(jì)是泄漏信號(hào)到達(dá)兩個(gè)傳感器的時(shí)刻之間的時(shí)間差?;ハ嚓P(guān)函數(shù)是計(jì)算兩個(gè)信號(hào)相關(guān)性的常用方法,根據(jù)互相關(guān)時(shí)域分析圖中最大峰值計(jì)算得到上、下游有效泄漏信號(hào)到達(dá)兩個(gè)傳感器的時(shí)差[τ]。

    假設(shè)泄漏點(diǎn)上下游傳感器接收到的信號(hào)為[x1(t)]和[x2(t)],兩個(gè)信號(hào)的數(shù)學(xué)模型可以表示為:

    [x1(t)=α1s(t-t1)+n1(t)] (10)

    [x2(t)=α2s(t-t2)+n2(t)] (11)

    式中:[α]表示泄漏聲信號(hào)在傳輸過(guò)程中的衰減;[s(t)]表示泄漏點(diǎn)發(fā)出的純凈聲信號(hào);[n(t)]表示加性噪聲。

    對(duì)兩個(gè)信號(hào)進(jìn)行互相關(guān)分析:

    [R1,2(τ)=E[x1(t)x2(t-τ)]]" " "(12)

    因?yàn)樾孤c(diǎn)發(fā)出的聲信號(hào)與加性噪聲互不相關(guān),加性噪聲之間也互不相關(guān),那么[R1,2(τ)]可以表示為:

    [R1,2(τ)=E[h(t-t1)h(t-t2-τ)]=R(τ-(t1-t2))] (13)

    由互相關(guān)函數(shù)性質(zhì)可知,當(dāng)[τ=t1-t2]時(shí),[R1,2(τ)]達(dá)到最大值,即兩路信號(hào)的時(shí)間差值。

    2.3" 改進(jìn)頻域加權(quán)函數(shù)

    理論上使用傳統(tǒng)的互相關(guān)方法已經(jīng)可以得到時(shí)延值,但是信號(hào)與噪聲之間互不相關(guān)、噪聲與噪聲之間互不相關(guān)的假設(shè)很難被滿足,互相關(guān)函數(shù)的峰值不夠明顯,在判斷極值的時(shí)候造成誤差[9]。廣義互相關(guān)時(shí)延估計(jì)法在進(jìn)行互相關(guān)之前將輸入信號(hào)通過(guò)選定的加權(quán)函數(shù)進(jìn)行傅里葉變換,以增強(qiáng)或減弱不同頻率成分的影響。廣義互相關(guān)函數(shù)為:

    [Rgx1,x2(τ)=12π-∞+∞ψg(ω)Sx1,x2(ω)ejωτdω] (14)

    式中:[ψg(ω)]為頻域加權(quán)函數(shù);[Sx1,x2(ω)]為兩個(gè)泄漏信號(hào)的互功率譜密度。常見(jiàn)的頻域加權(quán)函數(shù)及說(shuō)明如表1所示。

    綜合考慮傳統(tǒng)加權(quán)函數(shù)的優(yōu)缺點(diǎn),本文在SCOT加權(quán)函數(shù)的基礎(chǔ)上設(shè)計(jì)了一種復(fù)合加權(quán)函數(shù),如式(15)所示。該式使用兩個(gè)信號(hào)的自功率譜相乘,同時(shí)兼顧了兩路信號(hào),克服了相關(guān)函數(shù)峰值拓寬而產(chǎn)生虛假峰值的影響;對(duì)輸入信號(hào)的自功率譜做歸一化處理,進(jìn)行預(yù)濾波,增強(qiáng)聲源信號(hào)的有用成分。

    [φ(ω)=1Sx1,x1(ω)Sx2,x2(ω)?Sx1,x2(ω)Sx1,x1(ω)Sx2,x2(ω)] (15)

    式中:[Sx1,x1(ω)]和[Sx2,x2(ω)]分別是兩個(gè)信號(hào)的自功率譜;[Sx1,x2(ω)]是兩個(gè)信號(hào)的互功率譜。

    3" 本文定位算法

    在上述理論的基礎(chǔ)上,本文將參數(shù)自尋優(yōu)變分模態(tài)分解與改進(jìn)的廣義互相關(guān)相結(jié)合,提出了一種全新的管道泄漏定位算法。該算法的原理是:首先利用改進(jìn)后的粒子群算法對(duì)VMD優(yōu)化,找到最佳參數(shù)組合[[K,α]],對(duì)原始信號(hào)進(jìn)行分解;利用模態(tài)頻帶能量比對(duì)分解后的模態(tài)分量選擇有效模態(tài),重構(gòu)信號(hào);將處理后的信號(hào)通過(guò)改進(jìn)的廣義互相關(guān)算法得到泄漏點(diǎn)位置。

    本文提出的定位算法在供水管道泄漏定位的具體實(shí)現(xiàn)步驟如圖2所示。

    4" 實(shí)" 驗(yàn)

    4.1" 仿真信號(hào)去噪實(shí)驗(yàn)

    實(shí)驗(yàn)使用Matlab R2021a。VMD分解層數(shù)[K]和懲罰因子項(xiàng)的取值范圍分別為[3,10]和[10,2 500],其余仿真參數(shù)如表2所示。

    為了驗(yàn)證所提去噪算法的性能,設(shè)置仿真信號(hào)長(zhǎng)度為1 000,由三個(gè)正余弦信號(hào)組合而成,[f1]=10 Hz,[f2]=60 Hz,[f3]=200 Hz。同時(shí)在組合信號(hào)中加入模擬的水流噪聲[δ]。仿真信號(hào)如式(16)所示:

    [x(t)=sin(2πf1t)+1.6cos(2πf2t)+2.2sin(2πf3t)+δ]" (16)

    使用三種算法尋找VMD分解該信號(hào)合適的參數(shù)組合[[K,α]]。仿真中由于PSO是一種隨機(jī)搜索算法,因此本文對(duì)VMD的參數(shù)進(jìn)行了10次優(yōu)化,優(yōu)化結(jié)果如表3所示。

    由表3可知,從分解層數(shù)[K]和懲罰因子[α]的方差來(lái)看,QGPSO?VMD都是最小的,說(shuō)明QGPSO?VMD優(yōu)化的兩個(gè)參數(shù)波動(dòng)更小,具有更強(qiáng)的穩(wěn)定性。

    將QGPSO?VMD優(yōu)化得到的參數(shù)組合[4,2 276]輸入到VMD中,對(duì)仿真信號(hào)進(jìn)行分解,分解后的模態(tài)分量及其相應(yīng)的頻譜如圖3所示。

    由圖3的QGPSO?VMD實(shí)驗(yàn)結(jié)果中可以看出,分解后的中心頻率分別位于10.65 Hz、59.57 Hz、199.71 Hz和噪聲分量。盡管分解的頻率不等于原始頻率,但誤差保持在可接受的范圍內(nèi),并且不存在模態(tài)混疊現(xiàn)象。

    圖4為PSO?VMD、QPSO?VMD和QGPSO?VMD適應(yīng)度函數(shù)值隨迭代次數(shù)的變化曲線。由圖4可見(jiàn),PSO?VMD和QPSO?VMD分別在第18次和第12次尋得了最優(yōu)適應(yīng)度值,完成收斂;QGPSO?VMD表現(xiàn)較好,于第3次迭代時(shí)即完成收斂。對(duì)比適應(yīng)度值的大小,QGPSO?VMD尋得的適應(yīng)度值最小,其值為0.456 4。綜上所述,QGPSO?VMD能夠最快完成收斂并獲得最小適應(yīng)度值,證明其性能更優(yōu),相對(duì)來(lái)說(shuō)效果更好。

    為了評(píng)估所提算法的去噪性能,通過(guò)信號(hào)處理領(lǐng)域中常用的評(píng)價(jià)方法進(jìn)行評(píng)估,分別是信噪比(SNR)、均方誤差(MSE)以及平均絕對(duì)誤差(MAE)。

    [SNR=10lgi=1Nf2ii=1N(fi-fi)2]" "(17)

    [MSE=1Ni=1N(fi-fi)2]" "(18)

    [MAE=1Ni=1Nfi-fi] (19)

    仿真信號(hào)去噪效果對(duì)比如表4所示。

    SNR是衡量信號(hào)去噪效果的重要指標(biāo),其數(shù)值越高表示去噪效果越好。在具體的信號(hào)處理中,MSE和MAE則用于衡量去噪信號(hào)與原始純凈信號(hào)的相似程度,值越小表示去噪信號(hào)與原始信號(hào)越接近。從表4中觀察到QGPSO?VMD的SNR最大、MSE和MAE最小。這表明QGPSO?VMD在信號(hào)去噪過(guò)程中具有顯著的優(yōu)勢(shì),能夠更好地保留原始信號(hào)的有效部分,同時(shí)去除更多的噪聲,最大程度地還原原始信號(hào)。

    4.2" 管道泄漏信號(hào)去噪實(shí)驗(yàn)

    由搭建的供水管道相似模型構(gòu)造泄漏信號(hào)采集系統(tǒng),模擬管道泄漏,并結(jié)合實(shí)際供水管網(wǎng)數(shù)據(jù)檢驗(yàn)管網(wǎng)泄漏定位的有效性。管道系統(tǒng)實(shí)物如圖5a)所示。供水管道系統(tǒng)總長(zhǎng)5.4 m,管徑為DN100。水管泄漏定位實(shí)驗(yàn)平臺(tái)由管道系統(tǒng)和信號(hào)采集系統(tǒng)組成。管道兩端分別連接了水泵和水箱,形成閉合的循環(huán)系統(tǒng)。在實(shí)驗(yàn)中,開(kāi)啟比例閥門來(lái)模擬泄漏,實(shí)驗(yàn)環(huán)境溫度為室溫25 ℃左右,管道內(nèi)壓力維持在0.6 MPa。實(shí)際供水網(wǎng)絡(luò)數(shù)據(jù)則來(lái)自太原市490加壓站網(wǎng)絡(luò),如圖5b)所示。

    接下來(lái),使用圖4中的三種算法優(yōu)化VMD分解管道泄漏信號(hào)以尋找合適的參數(shù)組合[[K,α]]。VMD參數(shù)優(yōu)化結(jié)果見(jiàn)表5。通過(guò)表5得出的參數(shù)組合,將[4,1 812]賦值到VMD中,對(duì)實(shí)測(cè)信號(hào)進(jìn)行分解,信號(hào)分解結(jié)果如圖6~圖8所示。

    管道泄漏信號(hào)的有效頻率是未知的,對(duì)以上實(shí)驗(yàn)結(jié)果進(jìn)行分析。從圖6~圖8可以看出,PSO?VMD方法與QPSO?VMD方法分解不透徹,有效分量與噪聲分量混疊在一起;QGPSO方法分離出了兩個(gè)有效分量和兩個(gè)噪聲分量。這說(shuō)明在管道泄漏信號(hào)的處理上,QGPSO?VMD仍然有相對(duì)優(yōu)越的信號(hào)處理能力,更適合處理管道泄漏信號(hào)。

    同樣地,為了評(píng)估所提方法對(duì)管道泄漏信號(hào)的有效性,將三種算法采用前文所敘述的指標(biāo)進(jìn)行去噪性能對(duì)比,結(jié)果如表6所示。

    不同方法都能消除信號(hào)中的大部分噪聲,但本文提出的QGPSO?VMD的SNR最大,MAE和MSE的值最小,證明該算法能夠?qū)崿F(xiàn)卓越的性能,最大程度地還原原始信號(hào),使得信號(hào)的清晰度和還原度得到最大程度的提高。

    4.3" 頻域加權(quán)函數(shù)性能仿真

    為了證明改進(jìn)后的頻域加權(quán)函數(shù)(Ours)噪聲抑制的性能更優(yōu),對(duì)不同頻域的加權(quán)函數(shù)在不同信噪比下的時(shí)延估計(jì)誤差進(jìn)行仿真研究。利用Python函數(shù)numpy產(chǎn)生的高斯信號(hào)作為管道泄漏源信號(hào)[x1(t)],采樣點(diǎn)數(shù)[N]=1 000,采樣率設(shè)為1 000 Hz,延遲[D]=40作為延遲源信號(hào)[x2(t)]。每組[x1(t)]和[x2(t)]在相同的信噪比下進(jìn)行10次實(shí)驗(yàn),共40組實(shí)驗(yàn)。不同信噪比下的時(shí)延估計(jì)值的均方根誤差如圖9所示。

    觀察圖9可知,隨著信噪比的增加,不同類型的加權(quán)函數(shù)的時(shí)延估計(jì)誤差均減少。在SNRlt;-12的情況下,本文方法的時(shí)延估計(jì)誤差最小,并且時(shí)延估計(jì)誤差為0。這表明在相對(duì)較高的信噪比條件下,本文方法的時(shí)延估計(jì)性能達(dá)到最優(yōu)??傮w來(lái)說(shuō),本文方法在噪聲背景下具備最優(yōu)的噪聲抑制性能。因此,研究中選擇了改進(jìn)后的加權(quán)函數(shù)作為廣義互相關(guān)的加權(quán)函數(shù)。

    4.4" 管道泄漏定位實(shí)驗(yàn)

    為檢驗(yàn)本文提出的定位算法的準(zhǔn)確性,在太原市490加壓站供水網(wǎng)絡(luò)采集了管道泄漏數(shù)據(jù)。這些數(shù)據(jù)分為兩組,每組包含5組數(shù)據(jù)。在采集第1組數(shù)據(jù)時(shí),設(shè)置兩傳感器之間的距離[L]=10.75 m,泄漏點(diǎn)與傳感器之間的距離為5.5 m;在采集第2組數(shù)據(jù)時(shí),設(shè)置兩傳感器之間的距離[L]=12.8 m,泄漏點(diǎn)與傳感器之間的距離為7.5 m。將本文提出的定位算法、復(fù)合加權(quán)函數(shù)定位算法和廣義SCOT互相關(guān)定位方法進(jìn)行誤差分析比較,以驗(yàn)證本文算法的準(zhǔn)確性,結(jié)果如表7所示。

    從表7可以看出,在供水管道泄漏情況下,兩個(gè)傳感器之間的距離不同,本文定位算法的定位精度最高,平均相對(duì)定位誤差為3.7%、最小相對(duì)定位誤差為4.0%,最大相對(duì)定位誤差為8.0%。SCOT互相關(guān)算法的定位效果差,平均相對(duì)定位誤差為8.0%、最小相對(duì)定位誤差為7.2%,最大相對(duì)定位誤差為18.1%。因此,對(duì)于常見(jiàn)的管道泄漏事故,本文提出的算法可以有效地濾除原始信號(hào)中的噪聲,從而提高定位精度。

    5" 結(jié)" 語(yǔ)

    本文提出改進(jìn)粒子群優(yōu)化VMD結(jié)合廣義互相關(guān)時(shí)延估計(jì)算法對(duì)管道泄漏位置進(jìn)行定位,實(shí)現(xiàn)了較為精確的估計(jì)結(jié)果。在不同信噪比的噪聲背景下,分別對(duì)4種廣義互相關(guān)的加權(quán)函數(shù)的時(shí)延估計(jì)誤差進(jìn)行了理論仿真研究,結(jié)果表明改進(jìn)后的加權(quán)函數(shù)的時(shí)延估計(jì)誤差最??;應(yīng)用VMD方法分離含噪信號(hào)中噪聲部分的特點(diǎn),改進(jìn)粒子群優(yōu)化VMD算法,提高了算法的收斂精度,獲取最佳的VMD參數(shù)組合[[K,α]],實(shí)現(xiàn)了信號(hào)的預(yù)先去噪;處理后的信號(hào)進(jìn)行廣義互相關(guān)運(yùn)算得到準(zhǔn)確的泄漏點(diǎn)位置。從仿真和實(shí)驗(yàn)數(shù)據(jù)角度定量說(shuō)明本文方法在管道泄漏定位中具有更好的效果。

    參考文獻(xiàn)

    [1] KNAPP C, CARTER G. The generalized correlation method for estimation of time delay [J]. IEEE transactions on acoustics, speech, and signal processing, 1976, 24(4): 320?327.

    [2] HUANG N E, SHEN Z, LONG S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non?stationary time series analysis [J]. Proceedings of the Royal Society of London. Series A: Mathematical, physical and engineering sciences, 1998, 454(1971): 903?995.

    [3] GUO C C, WEN Y M, LI P, et al. Adaptive noise cancellation based on EMD in water?supply pipeline leak detection [J]. Measurement, 2016, 79: 188?197.

    [4] NGUYEN P, KANG M, KIM J M, et al. Robust condition monitoring of rolling element bearings using de?noising and envelope analysis with signal decomposition techniques [J]. Expert systems with applications, 2015, 42(22): 9024?9032.

    [5] BHARATHI B M R, MOHANTY A R. Time delay estimation in reverberant and low SNR environment by EMD based maximum likelihood method [J]. Measurement, 2019, 137: 655?663.

    [6] XIE H Y, WANG S X, GUO Q, et al. Infrasonic wave method for pipeline leakage locating based on EEMD filter and time delay estimation [J]. Oil amp; gas storage and transportation, 2020, 39(10): 1148?1154.

    [7] WU Z H, HUANG N E. Ensemble empirical mode decomposition: A noise?assisted data analysis method [J]. Advances in adaptive data analysis, 2009, 1(1): 1?41.

    [8] DRAGOMIRETSKIY K, ZOSSO D. Variational mode decomposition [J]. IEEE transactions on signal processing, 2013, 62(3): 531?544.

    [9] YIN A J, REN H J. A propagating mode extraction algorithm for microwave waveguide using variational mode decomposition [J]. Measurement science and technology, 2015, 26(9): 095009.

    [10] HU B B, GUO C, WU J M, et al. An adaptive periodical stochastic resonance method based on the grey wolf optimizer algorithm and its application in rolling bearing fault diagnosis [J]. Journal of vibration and acoustics, 2019, 141(4): 041016.

    [11] 陳鵬,趙小強(qiáng).基于優(yōu)化VMD與改進(jìn)閾值降噪的滾動(dòng)軸承早期故障特征提取[J].振動(dòng)與沖擊,2021,40(13):146?153.

    [12] MA Z Q, LU F Y, LIU S Y, et al. A parameter?adaptive ACMD method based on particle swarm optimization algorithm for rolling bearing fault diagnosis under variable speed [J]. Journal of mechanical science and technology, 2021, 35(5): 1851?1865.

    [13] 蔣麗英,盧曉東,王景霖,等.基于PSO?VMD的齒輪特征參數(shù)提取方法研究[J].制造技術(shù)與機(jī)床,2017(11):65?71.

    [14] 李帥永,毛維培,程振華,等.基于廣義互相關(guān)的供水管道泄漏振動(dòng)信號(hào)時(shí)延估計(jì)器性能研究[J].電子測(cè)量與儀器學(xué)報(bào),2021,35(2):202?211.

    作者簡(jiǎn)介:胡佳佳(2000—),女,山西長(zhǎng)治人,碩士研究生,研究方向?yàn)樾盘?hào)處理、管道泄漏信號(hào)檢測(cè)與定位等。

    王耀力(1965—),男,山西太原人,博士研究生,副教授,研究方向?yàn)楣艿澜】怠⒂?jì)算智能與最優(yōu)化建模、無(wú)線傳感器網(wǎng)絡(luò)。

    收稿日期:2024?03?12" " " " " "修回日期:2024?04?03

    基金項(xiàng)目:山西省重點(diǎn)研發(fā)項(xiàng)目(201903D321003);太原供水設(shè)計(jì)研究院有限公司項(xiàng)目(RH2000005391);山西省自然科學(xué)基金項(xiàng)目(201801D121141)

    99热国产这里只有精品6| 中国国产av一级| 中文字幕av电影在线播放| 乱系列少妇在线播放| 亚洲图色成人| 女人久久www免费人成看片| 国产 一区精品| 国产视频首页在线观看| 国产美女午夜福利| 日韩欧美一区视频在线观看 | 啦啦啦中文免费视频观看日本| 最近的中文字幕免费完整| 99热这里只有是精品50| 国产男女超爽视频在线观看| 亚洲欧洲国产日韩| 美女福利国产在线| 国产精品蜜桃在线观看| 成年人免费黄色播放视频 | 五月天丁香电影| 精品亚洲乱码少妇综合久久| 亚洲成人av在线免费| 少妇人妻 视频| 久久97久久精品| 性色av一级| 在线观看免费视频网站a站| 精品熟女少妇av免费看| 国产精品人妻久久久影院| videossex国产| 成年av动漫网址| 国产精品99久久久久久久久| 观看av在线不卡| 丰满迷人的少妇在线观看| 简卡轻食公司| 人妻 亚洲 视频| 亚洲精品aⅴ在线观看| 亚州av有码| 插阴视频在线观看视频| 涩涩av久久男人的天堂| av.在线天堂| 26uuu在线亚洲综合色| 国产黄片视频在线免费观看| 国产精品久久久久久久久免| 三级经典国产精品| 久久久久久久久大av| 热re99久久国产66热| 精品99又大又爽又粗少妇毛片| 午夜福利,免费看| 久久久午夜欧美精品| 91久久精品国产一区二区三区| 亚洲国产精品成人久久小说| 两个人免费观看高清视频 | 超碰97精品在线观看| 日韩在线高清观看一区二区三区| 久久99蜜桃精品久久| 狂野欧美激情性xxxx在线观看| a 毛片基地| 国产成人精品一,二区| .国产精品久久| 一区二区av电影网| av国产久精品久网站免费入址| 少妇 在线观看| 亚洲三级黄色毛片| 一级,二级,三级黄色视频| 日本猛色少妇xxxxx猛交久久| 国产精品久久久久成人av| 新久久久久国产一级毛片| 老司机影院毛片| 国产精品秋霞免费鲁丝片| 好男人视频免费观看在线| 老熟女久久久| 制服丝袜香蕉在线| 欧美少妇被猛烈插入视频| av女优亚洲男人天堂| 国产免费又黄又爽又色| 91午夜精品亚洲一区二区三区| 国产亚洲最大av| 99热全是精品| 国产在线免费精品| 亚洲欧美成人综合另类久久久| 黄色毛片三级朝国网站 | 一级毛片 在线播放| 插阴视频在线观看视频| 久久久精品免费免费高清| 日韩av在线免费看完整版不卡| 一级毛片电影观看| 免费看日本二区| 国产在线视频一区二区| 极品人妻少妇av视频| 性色avwww在线观看| 国产色爽女视频免费观看| 免费观看在线日韩| 日韩强制内射视频| 婷婷色av中文字幕| 老司机影院毛片| 爱豆传媒免费全集在线观看| 97精品久久久久久久久久精品| 久久毛片免费看一区二区三区| 亚洲精品久久久久久婷婷小说| 成人漫画全彩无遮挡| 妹子高潮喷水视频| 九草在线视频观看| 丰满人妻一区二区三区视频av| 久久久久网色| 少妇被粗大的猛进出69影院 | 亚洲,欧美,日韩| 一区在线观看完整版| 少妇猛男粗大的猛烈进出视频| 国产色爽女视频免费观看| 永久免费av网站大全| 国产国拍精品亚洲av在线观看| 国产 精品1| 亚洲精品一二三| 中文欧美无线码| 亚洲色图综合在线观看| 中文字幕免费在线视频6| 夫妻性生交免费视频一级片| 一边亲一边摸免费视频| 婷婷色av中文字幕| 久久久久久久久久久免费av| 一级a做视频免费观看| 在线免费观看不下载黄p国产| 国产成人一区二区在线| 欧美日韩精品成人综合77777| 欧美性感艳星| 特大巨黑吊av在线直播| 成年美女黄网站色视频大全免费 | 下体分泌物呈黄色| 日韩成人伦理影院| 亚洲国产av新网站| 2021少妇久久久久久久久久久| 日韩电影二区| 一区在线观看完整版| 一区二区三区免费毛片| 亚洲人成网站在线观看播放| 草草在线视频免费看| 男男h啪啪无遮挡| 亚洲国产欧美日韩在线播放 | 啦啦啦啦在线视频资源| 老司机亚洲免费影院| av女优亚洲男人天堂| 丝袜在线中文字幕| h视频一区二区三区| 永久网站在线| 人人妻人人澡人人看| 丰满乱子伦码专区| 99九九在线精品视频 | 美女脱内裤让男人舔精品视频| 在线看a的网站| 亚洲精品,欧美精品| 自拍欧美九色日韩亚洲蝌蚪91 | 国产av精品麻豆| 日韩伦理黄色片| 青青草视频在线视频观看| 国产精品99久久99久久久不卡 | 亚洲欧美日韩另类电影网站| 国产淫语在线视频| 久久人妻熟女aⅴ| 亚洲av男天堂| 一本大道久久a久久精品| 80岁老熟妇乱子伦牲交| 99久久精品热视频| 欧美 亚洲 国产 日韩一| 久久国产精品男人的天堂亚洲 | 大又大粗又爽又黄少妇毛片口| 黄色配什么色好看| 日韩av免费高清视频| 十八禁高潮呻吟视频 | 麻豆精品久久久久久蜜桃| 中国美白少妇内射xxxbb| 亚洲欧美成人综合另类久久久| 在线 av 中文字幕| 成年人免费黄色播放视频 | 99久久人妻综合| 免费观看av网站的网址| 伦理电影免费视频| 亚洲精品一区蜜桃| 两个人的视频大全免费| 国产精品久久久久久av不卡| 国产精品人妻久久久久久| 免费播放大片免费观看视频在线观看| 黄色视频在线播放观看不卡| 久久国产精品大桥未久av | 国产精品.久久久| 日韩中文字幕视频在线看片| 欧美 日韩 精品 国产| 亚洲电影在线观看av| 国产亚洲最大av| 亚洲图色成人| 国产午夜精品久久久久久一区二区三区| 国产免费一区二区三区四区乱码| 两个人免费观看高清视频 | 国产淫语在线视频| 国产伦精品一区二区三区视频9| a 毛片基地| 国产欧美亚洲国产| 大码成人一级视频| 熟妇人妻不卡中文字幕| 亚洲一区二区三区欧美精品| 高清欧美精品videossex| 国产又色又爽无遮挡免| 99久久中文字幕三级久久日本| 欧美xxxx性猛交bbbb| 国产成人精品福利久久| 久久久精品94久久精品| 老女人水多毛片| 亚洲精品,欧美精品| 丰满少妇做爰视频| 国产精品人妻久久久久久| 极品人妻少妇av视频| 久久人人爽人人片av| 久久久久久久久久人人人人人人| 少妇裸体淫交视频免费看高清| av在线app专区| 这个男人来自地球电影免费观看 | 97在线人人人人妻| 亚洲一区二区三区欧美精品| 亚洲av免费高清在线观看| 99国产精品免费福利视频| 亚洲精品乱久久久久久| 亚洲美女搞黄在线观看| 亚洲激情五月婷婷啪啪| av一本久久久久| 亚洲欧美一区二区三区国产| 秋霞伦理黄片| 国产免费一级a男人的天堂| 99久久中文字幕三级久久日本| 天美传媒精品一区二区| 热re99久久精品国产66热6| 亚洲,欧美,日韩| 免费观看a级毛片全部| 最近中文字幕高清免费大全6| 91精品国产九色| 少妇高潮的动态图| 26uuu在线亚洲综合色| 大片免费播放器 马上看| 久久久久久久久久久丰满| 国产av精品麻豆| 欧美精品国产亚洲| 一本久久精品| 欧美精品高潮呻吟av久久| 亚洲真实伦在线观看| 最近手机中文字幕大全| 女人久久www免费人成看片| 亚洲精品国产成人久久av| 久久久久久久久久久丰满| 免费人妻精品一区二区三区视频| 五月天丁香电影| av有码第一页| 久久青草综合色| 久久久精品免费免费高清| 久久久久久伊人网av| 久久99热6这里只有精品| 国产成人精品久久久久久| 啦啦啦视频在线资源免费观看| av专区在线播放| 亚洲伊人久久精品综合| 午夜精品国产一区二区电影| 久久99蜜桃精品久久| 久久久久网色| 久久人妻熟女aⅴ| 日日摸夜夜添夜夜爱| 国产精品人妻久久久久久| 久久久久视频综合| 中文字幕制服av| 日韩一本色道免费dvd| 丰满少妇做爰视频| 人人妻人人澡人人爽人人夜夜| 18禁在线播放成人免费| 国产av一区二区精品久久| 美女国产视频在线观看| 国产91av在线免费观看| 美女主播在线视频| 热re99久久精品国产66热6| 边亲边吃奶的免费视频| 国产精品嫩草影院av在线观看| 看十八女毛片水多多多| 校园人妻丝袜中文字幕| a级片在线免费高清观看视频| 一本色道久久久久久精品综合| 久久久久久久国产电影| 亚洲精品日韩av片在线观看| 欧美3d第一页| 国产精品国产三级专区第一集| 五月天丁香电影| 色网站视频免费| 国产av国产精品国产| 少妇被粗大的猛进出69影院 | 精品国产露脸久久av麻豆| 免费观看性生交大片5| 欧美变态另类bdsm刘玥| 少妇的逼好多水| 丁香六月天网| 女人精品久久久久毛片| 中文字幕人妻熟人妻熟丝袜美| av福利片在线| 亚洲精品中文字幕在线视频 | 久久国内精品自在自线图片| 插逼视频在线观看| 午夜91福利影院| 不卡视频在线观看欧美| 9色porny在线观看| 91精品一卡2卡3卡4卡| 午夜久久久在线观看| 中文在线观看免费www的网站| 美女主播在线视频| 女的被弄到高潮叫床怎么办| 婷婷色综合大香蕉| 久久久久久久大尺度免费视频| 最新的欧美精品一区二区| 简卡轻食公司| 精品人妻偷拍中文字幕| 最近2019中文字幕mv第一页| 中文天堂在线官网| 人妻少妇偷人精品九色| 亚洲av欧美aⅴ国产| 大香蕉97超碰在线| 免费观看在线日韩| 大香蕉97超碰在线| 在线看a的网站| 精品久久久精品久久久| 插逼视频在线观看| 中文字幕精品免费在线观看视频 | 欧美人与善性xxx| 欧美另类一区| 午夜免费观看性视频| xxx大片免费视频| 高清在线视频一区二区三区| 26uuu在线亚洲综合色| 国产一级毛片在线| 欧美日韩在线观看h| 国产日韩欧美视频二区| 免费高清在线观看视频在线观看| 99热这里只有是精品在线观看| 亚洲激情五月婷婷啪啪| 免费在线观看成人毛片| 国产黄频视频在线观看| 99热全是精品| 久久99蜜桃精品久久| 日韩一区二区三区影片| 日韩一本色道免费dvd| 亚洲国产色片| 亚洲av欧美aⅴ国产| 老司机影院成人| 高清午夜精品一区二区三区| 精品国产国语对白av| 成人亚洲精品一区在线观看| av国产久精品久网站免费入址| h日本视频在线播放| 亚洲欧美日韩卡通动漫| 国产一区二区三区综合在线观看 | 国产精品欧美亚洲77777| 亚洲第一av免费看| 国产男人的电影天堂91| 精品一品国产午夜福利视频| 精品久久国产蜜桃| 久久久精品免费免费高清| 一级a做视频免费观看| 日韩电影二区| 精品一区在线观看国产| 人人妻人人看人人澡| 免费av中文字幕在线| 人妻 亚洲 视频| 国产亚洲午夜精品一区二区久久| 国产成人午夜福利电影在线观看| 久久久久人妻精品一区果冻| 国产伦理片在线播放av一区| 午夜免费鲁丝| 九草在线视频观看| 王馨瑶露胸无遮挡在线观看| 亚洲成人av在线免费| 日韩欧美精品免费久久| 欧美xxⅹ黑人| 国产成人aa在线观看| 91久久精品电影网| 少妇人妻精品综合一区二区| 亚洲欧美精品专区久久| 欧美 日韩 精品 国产| 国产一区二区在线观看日韩| 内地一区二区视频在线| 色吧在线观看| 日本欧美视频一区| 国产精品免费大片| 亚洲精品一二三| 欧美性感艳星| 国产成人精品福利久久| 嫩草影院入口| 九九在线视频观看精品| 男人和女人高潮做爰伦理| 国产成人精品久久久久久| 久久久久网色| 最新的欧美精品一区二区| 韩国高清视频一区二区三区| 亚洲精品日韩av片在线观看| 久久精品国产亚洲av天美| 九九久久精品国产亚洲av麻豆| 高清在线视频一区二区三区| 在线观看三级黄色| 97在线人人人人妻| 欧美精品一区二区免费开放| 91精品伊人久久大香线蕉| 91成人精品电影| 22中文网久久字幕| 秋霞在线观看毛片| av免费观看日本| 久久久久久久大尺度免费视频| 国产极品粉嫩免费观看在线 | 久久这里有精品视频免费| 激情五月婷婷亚洲| 人人妻人人爽人人添夜夜欢视频 | 亚洲人成网站在线观看播放| 午夜免费鲁丝| 波野结衣二区三区在线| 婷婷色综合www| 国产成人精品无人区| 麻豆成人午夜福利视频| 亚洲精品日韩在线中文字幕| 中文字幕久久专区| 欧美少妇被猛烈插入视频| a级片在线免费高清观看视频| 天堂8中文在线网| 99re6热这里在线精品视频| 久久6这里有精品| 国产男女超爽视频在线观看| 亚洲精品日本国产第一区| 日韩av不卡免费在线播放| 国产精品一二三区在线看| 日本av免费视频播放| 国产精品蜜桃在线观看| 我的女老师完整版在线观看| 秋霞伦理黄片| 人人妻人人添人人爽欧美一区卜| 国产精品一区二区在线观看99| 亚洲高清免费不卡视频| 免费观看在线日韩| 亚洲欧美日韩另类电影网站| 日韩中字成人| tube8黄色片| 免费久久久久久久精品成人欧美视频 | 99热网站在线观看| 精品视频人人做人人爽| 中国国产av一级| 国产欧美亚洲国产| 一本大道久久a久久精品| 美女大奶头黄色视频| 久久人人爽人人片av| 亚洲熟女精品中文字幕| 中文在线观看免费www的网站| 大片电影免费在线观看免费| 亚洲精品一二三| 国精品久久久久久国模美| 美女脱内裤让男人舔精品视频| 久久久久网色| 亚洲美女黄色视频免费看| 三上悠亚av全集在线观看 | 另类亚洲欧美激情| 久久精品久久精品一区二区三区| 一级毛片黄色毛片免费观看视频| 狂野欧美激情性bbbbbb| 深夜a级毛片| 黑人巨大精品欧美一区二区蜜桃 | 亚洲欧美成人综合另类久久久| 久久久a久久爽久久v久久| 夫妻午夜视频| 欧美激情极品国产一区二区三区 | 啦啦啦视频在线资源免费观看| 插逼视频在线观看| 国产中年淑女户外野战色| 一区在线观看完整版| 十八禁高潮呻吟视频 | 免费看光身美女| 亚洲婷婷狠狠爱综合网| 男的添女的下面高潮视频| 99热这里只有是精品在线观看| 插逼视频在线观看| 欧美 亚洲 国产 日韩一| 国产黄色免费在线视频| 熟妇人妻不卡中文字幕| 久久久国产一区二区| 国产成人一区二区在线| 欧美日韩国产mv在线观看视频| 伊人亚洲综合成人网| 国产精品伦人一区二区| 97超视频在线观看视频| 18+在线观看网站| 久久国产亚洲av麻豆专区| 永久网站在线| 日本黄色片子视频| 极品人妻少妇av视频| 秋霞伦理黄片| 一二三四中文在线观看免费高清| 国产免费一级a男人的天堂| 在线观看www视频免费| 国产成人91sexporn| a级一级毛片免费在线观看| 啦啦啦中文免费视频观看日本| 中文字幕人妻丝袜制服| 99热全是精品| 日本vs欧美在线观看视频 | 久久97久久精品| 欧美xxⅹ黑人| 热re99久久精品国产66热6| 美女国产视频在线观看| 欧美高清成人免费视频www| 国产成人a∨麻豆精品| 成年美女黄网站色视频大全免费 | 精品人妻熟女毛片av久久网站| 精品久久久精品久久久| 蜜臀久久99精品久久宅男| 国产91av在线免费观看| 国产精品免费大片| 岛国毛片在线播放| 曰老女人黄片| 日本色播在线视频| 国产一区有黄有色的免费视频| 国产高清国产精品国产三级| av福利片在线观看| 秋霞在线观看毛片| 99热网站在线观看| 91精品一卡2卡3卡4卡| 精品国产国语对白av| 日韩av在线免费看完整版不卡| 熟妇人妻不卡中文字幕| 国国产精品蜜臀av免费| 大香蕉久久网| av女优亚洲男人天堂| 日韩中字成人| 国产欧美日韩精品一区二区| 久久国产亚洲av麻豆专区| 成人毛片a级毛片在线播放| 国产精品蜜桃在线观看| 国产国拍精品亚洲av在线观看| 欧美日本中文国产一区发布| 日韩亚洲欧美综合| 日韩中字成人| 日韩欧美一区视频在线观看 | 91久久精品电影网| 国产爽快片一区二区三区| 又粗又硬又长又爽又黄的视频| 国产成人freesex在线| 国产精品久久久久成人av| 国产精品无大码| 国产亚洲av片在线观看秒播厂| 一级二级三级毛片免费看| 国产精品久久久久久久电影| 99热这里只有是精品在线观看| 女人精品久久久久毛片| 国产伦在线观看视频一区| 国产精品久久久久成人av| 如日韩欧美国产精品一区二区三区 | 欧美丝袜亚洲另类| 日韩大片免费观看网站| 内射极品少妇av片p| 老司机影院成人| 久久精品国产自在天天线| 亚洲丝袜综合中文字幕| 精品少妇内射三级| 亚洲精品久久久久久婷婷小说| 中文在线观看免费www的网站| 9色porny在线观看| 大话2 男鬼变身卡| 中文字幕免费在线视频6| 免费av中文字幕在线| av天堂中文字幕网| 国产日韩欧美视频二区| 亚州av有码| 日韩,欧美,国产一区二区三区| 男人爽女人下面视频在线观看| 3wmmmm亚洲av在线观看| 80岁老熟妇乱子伦牲交| 国语对白做爰xxxⅹ性视频网站| 欧美亚洲 丝袜 人妻 在线| 久久久久久久亚洲中文字幕| 亚洲精品久久午夜乱码| 国内少妇人妻偷人精品xxx网站| 国产在线一区二区三区精| 9色porny在线观看| 国产成人精品无人区| 亚洲美女搞黄在线观看| 青春草亚洲视频在线观看| 免费观看av网站的网址| 亚洲av不卡在线观看| 久久久精品94久久精品| 在线天堂最新版资源| 另类精品久久| 国产精品三级大全| 精品国产露脸久久av麻豆| 久热久热在线精品观看| 亚洲精品色激情综合| 大香蕉久久网| 日韩一区二区三区影片| 在线观看三级黄色| h日本视频在线播放| 天堂俺去俺来也www色官网| 五月玫瑰六月丁香| 国产白丝娇喘喷水9色精品| 国产视频内射| 一级片'在线观看视频| 女性生殖器流出的白浆| 青春草国产在线视频| 大片电影免费在线观看免费| 夫妻性生交免费视频一级片| 婷婷色av中文字幕| 免费av中文字幕在线| 肉色欧美久久久久久久蜜桃| 欧美 日韩 精品 国产| 国产视频首页在线观看| 永久网站在线| 久久精品国产亚洲av天美| 天堂8中文在线网| 精品人妻偷拍中文字幕| 久久久a久久爽久久v久久| 一二三四中文在线观看免费高清| 欧美亚洲 丝袜 人妻 在线| 亚洲三级黄色毛片| 欧美日韩国产mv在线观看视频|