• <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 ?

    自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時(shí)傅里葉變換的變轉(zhuǎn)速滾動(dòng)軸承故障診斷

    2024-12-03 00:00:00趙一楠,剡昌鋒,孟佳東,王宗剛,王慧濱,吳黎曉
    振動(dòng)工程學(xué)報(bào) 2024年6期

    摘要: 針對短時(shí)傅里葉變換 (STFT) 中固定窗效應(yīng)所導(dǎo)致的能量集中度不高的問題,提出了一種自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時(shí)傅里葉變換 (AWROSTFT) 的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法。通過變分模態(tài)分解 (VMD) 對原始振動(dòng)信號(hào)進(jìn)行降噪,并利用粒子群優(yōu)化算法 (PSO) 解決了VMD參數(shù)選擇困難的問題;利用切線思想對STFT中水平窗口自適應(yīng)匹配一系列的旋轉(zhuǎn)算子,使得窗口旋轉(zhuǎn)方向接近甚至等于瞬時(shí)調(diào)頻率,提高了時(shí)頻表示的能量集中度;計(jì)算出譜峰檢測法提取到的瞬時(shí)頻率與轉(zhuǎn)頻的平均比值,將得到的結(jié)果與軸承的故障特征系數(shù)進(jìn)行匹配,以此實(shí)現(xiàn)變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷。仿真和實(shí)驗(yàn)的結(jié)果都表明,本文所提方法能夠兼顧PSO?VMD和AWROSTFT的優(yōu)勢,通過切線思想自適應(yīng)的旋轉(zhuǎn)窗口使得信號(hào)與窗函數(shù)在全局上的夾角都為零,從而達(dá)到提高能量集中度和銳化時(shí)頻脊線的目的,實(shí)現(xiàn)了變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷。

    關(guān)鍵詞: 故障診斷; 時(shí)頻分析; 自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時(shí)傅里葉變換; 變分模態(tài)分解; 變轉(zhuǎn)速

    中圖分類號(hào): TH165+.3; TH133.33 文獻(xiàn)標(biāo)志碼: A 文章編號(hào): 1004-4523(2024)06-1064-13

    DOI:10.16385/j.cnki.issn.1004-4523.2024.06.017

    引 言

    滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械的關(guān)鍵部件,對機(jī)械設(shè)備的安全穩(wěn)定運(yùn)行起著至關(guān)重要的作用,統(tǒng)計(jì)表明,30%以上的機(jī)械設(shè)備故障是由軸承故障引起的[1]。以傅里葉變換為基礎(chǔ)的包絡(luò)分析技術(shù)是滾動(dòng)軸承故障診斷最重要的方法之一[2],然而在變轉(zhuǎn)速工況下,由于轉(zhuǎn)速變化導(dǎo)致的頻譜模糊現(xiàn)象使其不再適用[3]。因此,準(zhǔn)確診斷出變轉(zhuǎn)速工況下滾動(dòng)軸承的故障有利于設(shè)備的正常運(yùn)行和維護(hù)。

    變轉(zhuǎn)速滾動(dòng)軸承的故障診斷方法主要分為階次跟蹤、循環(huán)平穩(wěn)理論和時(shí)頻分析三類[4?9]。

    階次跟蹤通過角度域重采樣將時(shí)域非平穩(wěn)信號(hào)轉(zhuǎn)化為角域平穩(wěn)信號(hào),從而利用頻譜分析方法診斷軸承故障。由于硬件階次跟蹤(Hardware Order Tracking, HOT)[10]方法完全采用硬件實(shí)現(xiàn),成本很高,之后學(xué)者提出了計(jì)算階次跟蹤 (Computed Order Tracking, COT)方法[11?12]。但COT要獲取鍵相信號(hào)才能重采樣,在某些情況下鍵相信號(hào)獲取困難,因此無鍵相階次跟蹤(Tacholess Order Tracking, TLOT)已成為國內(nèi)外學(xué)者關(guān)注的焦點(diǎn)[13?14]。階次跟蹤雖然解決了轉(zhuǎn)速波動(dòng)導(dǎo)致的頻譜模糊問題,但其產(chǎn)生的精度誤差以及效率方面的缺陷也難以忽略。

    針對階次跟蹤的弊端,學(xué)者們嘗試?yán)醚h(huán)平穩(wěn)理論解決變轉(zhuǎn)速滾動(dòng)軸承的故障診斷問題。Abbound等[15?16]提出了角度/時(shí)間循環(huán)平穩(wěn)(Angle/Time Cyclostationary, AT?CS)理論,利用階頻譜相關(guān)(Order?Frequency Spectral Correlation, OFSC)的方法提取出了變轉(zhuǎn)速滾動(dòng)軸承的故障特征。Urbanek等[17]通過廣義角度時(shí)間確定(Generalized Angular Temporal Deterministic, GATD)提取出了變轉(zhuǎn)速機(jī)械故障特征。但僅從時(shí)域或頻域分析振動(dòng)信號(hào),通常無法獲得時(shí)頻瞬態(tài)特性,而這種特性正是處理非平穩(wěn)信號(hào)的核心[18]。

    時(shí)頻分析提供了時(shí)域與頻域的聯(lián)合分布信息,非常適合提取振動(dòng)信號(hào)的瞬態(tài)特征。短時(shí)傅里葉變換(Short?Time Fourier Transform, STFT)利用時(shí)頻局部化的思想描述信號(hào)頻率隨時(shí)間變化的關(guān)系,被廣泛應(yīng)用于變轉(zhuǎn)速設(shè)備的狀態(tài)監(jiān)測與故障診斷。趙曉平等[19]結(jié)合圖像分析方法與STFT提出了改進(jìn)的Seam Carving瞬時(shí)頻率估計(jì)算法,提取瞬時(shí)轉(zhuǎn)頻曲線。李恒等[20]提出了基于STFT和卷積神經(jīng)網(wǎng)絡(luò)的故障軸承診斷方法,實(shí)現(xiàn)了端到端的故障模式識(shí)別。Zhao等[21]把STFT與瀑布圖相結(jié)合,分離出了多級齒輪傳動(dòng)系統(tǒng)耦合故障的故障特征。但是STFT窗口不變的特性固化了整個(gè)時(shí)頻平面中的時(shí)頻分辨率,對分析快速變化的非平穩(wěn)信號(hào)存在一定的局限性。

    為了解決STFT窗口固定、分析調(diào)頻信號(hào)能力差的問題,學(xué)者們基于窗函數(shù)中窗口寬度可變和窗口方向可變兩個(gè)方面對STFT進(jìn)行改進(jìn)。Pei等[22]提出了一種基于能量測量的自適應(yīng)短時(shí)傅里葉變換方法,可以自適應(yīng)獲得具有時(shí)變窗寬的高斯內(nèi)核。通過窗口寬度可變改進(jìn)STFT的方法計(jì)算復(fù)雜度較高,并且估計(jì)的參數(shù)往往精度較低。而通過窗口方向變化改進(jìn)STFT的方法易于實(shí)現(xiàn),精度也高于前者。

    線性調(diào)頻變換(Linear Chirplet Transform, LCT)以一個(gè)固定旋轉(zhuǎn)度來改變STFT中窗口的方向,適用于線性調(diào)頻信號(hào)。Yu等[23]提出了一般線性調(diào)頻變換(General Linear Chirplet Transform, GLCT),通過等間隔選取多個(gè)旋轉(zhuǎn)度來旋轉(zhuǎn)窗口,在一定程度上增強(qiáng)了非線性調(diào)頻信號(hào)的時(shí)頻聚集性。GLCT方法雖然增強(qiáng)了時(shí)頻平面的能量集中度,但是無法保證旋轉(zhuǎn)后的窗口與信號(hào)頻率方向的夾角恒為零,并且該方法需要進(jìn)行多次LCT計(jì)算才能確定最優(yōu)的窗口旋轉(zhuǎn)度。現(xiàn)有的兩類優(yōu)化STFT窗口方向的方法都是通過人為設(shè)置若干個(gè)旋轉(zhuǎn)度來旋轉(zhuǎn)窗口,只能在局部增強(qiáng)能量集中度。因此,有必要研究如何通過自適應(yīng)的旋轉(zhuǎn)窗口的方法來增強(qiáng)全局的能量集中度。

    針對現(xiàn)有STFT窗函數(shù)改進(jìn)方法中所出現(xiàn)的能量集中度低和耗時(shí)長等問題,為了提高變轉(zhuǎn)速滾動(dòng)軸承的時(shí)頻分辨率和故障識(shí)別的準(zhǔn)確性,本文從窗口方向可變的角度,基于切線思想對STFT的窗函數(shù)進(jìn)行了改進(jìn),提出了一種自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化STFT (Adaptive Window Rotation Optimization Short?Time Fourier Transform, AWROSTFT) 的方法,并通過粒子群優(yōu)化(Particle Swarm Optimization, PSO)和變分模態(tài)分解(Variational Mode Decomposition, VMD)方法提高振動(dòng)信號(hào)的信噪比,以此獲得更高精度的瞬時(shí)頻率脊線,最后用譜峰檢測法從時(shí)頻表示(Time?Frequency Representation, TFR)中提取出瞬時(shí)頻率(Instantaneous Frequency, IF),計(jì)算出譜峰檢測法提取到的瞬時(shí)頻率與轉(zhuǎn)頻的平均比值,并將得到的結(jié)果與軸承的故障特征系數(shù)進(jìn)行匹配,即可實(shí)現(xiàn)變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷。仿真和實(shí)驗(yàn)的結(jié)果表明,本文所提出的基于PSO?VMD和自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化STFT的方法能夠提高瞬時(shí)頻率提取的精度,可以有效實(shí)現(xiàn)變轉(zhuǎn)速滾動(dòng)軸承的故障診斷。

    1 基本原理

    1.1 PSO?VMD

    利用PSO對VMD算法的參數(shù)進(jìn)行優(yōu)化,假設(shè)在d維空間中搜索粒子,通過迭代更新找到最優(yōu)解[24]。每次迭代都可以用位置向量和速度向量表示粒子信息,第oi個(gè)粒子的位置和速度分別表示為:So=(So1,So2,…,SoD),Vo=(Vo1,Vo2,…,VoD)。粒子可以根據(jù)個(gè)體的局部極值和全局極值不斷更新自己的兩個(gè)信息,更新公式為[24]:

    (1)

    (2)

    式中 o=1,2,3,…;h為迭代次數(shù);為粒子在d維中第h次迭代時(shí)的速度;[0,1]為慣性權(quán)重;c1和c2為學(xué)習(xí)因子;為[0,1]之間的隨機(jī)數(shù);為粒子在d維中第h次迭代時(shí)的個(gè)別極值點(diǎn)位置;為粒子在d維中第h次迭代時(shí)的當(dāng)前位置;為整個(gè)種群在第h次迭代時(shí)全局極值在d維上的位置。

    在PSO中,慣性權(quán)重按凹函數(shù)變化,凹函數(shù)策略調(diào)整可表示為[24]:

    (3)

    式中 為最大權(quán)重值;為最小權(quán)重值;H為最大迭代次數(shù)。

    將式(3)代入式(1)中,得到:

    (4)

    PSO算法進(jìn)行優(yōu)化時(shí),需要確定一個(gè)適應(yīng)度函數(shù),根據(jù)整個(gè)粒子群的適應(yīng)度來確定最優(yōu)解??紤]振動(dòng)信號(hào)中沖擊分量的周期性和強(qiáng)度,引入包絡(luò)譜峰值因子Ec作為適應(yīng)度函數(shù)。假設(shè)信號(hào)包絡(luò)譜的幅值序列為X(z)(z=1,2,…,Z),Ec可以表示為[25]:

    (5)

    Ec越大,周期沖擊性越強(qiáng),軸承故障特征越明顯。PSO優(yōu)化VMD的流程如圖1所示,具體步驟如下:

    (1) 初始化PSO中的參數(shù)懲罰因子ξ和分量數(shù)K,將VMD算法的參數(shù)組合[ξ, K]作為個(gè)體位置,隨機(jī)產(chǎn)生與種群數(shù)量相當(dāng)?shù)膮?shù)組合,作為種群中個(gè)體的初始化位置,隨機(jī)初始化每個(gè)粒子個(gè)體的移動(dòng)速度;

    (2) 計(jì)算各粒子適應(yīng)度函數(shù)值Ec,對比和評價(jià)適應(yīng)度值,更新個(gè)體局部極值和種群全局極值;

    (3) 更新粒子的速度和位置;

    (4) 循環(huán)迭代,轉(zhuǎn)至步驟2,直至迭代次數(shù)達(dá)到最大設(shè)定值后輸出最佳參數(shù)組合。

    1.2 短時(shí)傅里葉變換

    短時(shí)傅里葉變換提供了時(shí)域與頻域的聯(lián)合分布信息,是一種典型的線性變換方法。一個(gè)時(shí)變信號(hào)s(t)的STFT可以表示為[26]:

    (6)

    式中 為窗函數(shù);為頻率;為窗長。

    STFT的原理如圖2所示,實(shí)質(zhì)上是對一系列信號(hào)分段求傅里葉變換的過程,可以表示成g(τ-t)s(τ),其中τ為截取時(shí)間的長度,且。

    由圖2可知,STFT窗口不變特性固化了整個(gè)時(shí)頻面的時(shí)頻分辨率,因此STFT不適合直接表征快速變化的非平穩(wěn)信號(hào)。

    1.3 譜峰檢測法

    譜峰檢測法是一種基于能量峰值的瞬時(shí)頻率提取算法,通過搜尋峰值在時(shí)頻圖上的坐標(biāo)位置來估計(jì)瞬時(shí)頻率,其表達(dá)式為[27]:

    (7)

    式中 fk(j)表示第k個(gè)分量的瞬時(shí)頻率估計(jì);TFR(:, j)表示信號(hào)進(jìn)行時(shí)頻變換以后的時(shí)頻系數(shù);為其單峰幅值。

    譜峰檢測法不受信號(hào)時(shí)變程度的影響,其估計(jì)精度僅取決于時(shí)頻表示的能量集中水平。時(shí)頻表示的能量集中水平越高,提取到的瞬時(shí)頻率的精度也越高。

    2 自適應(yīng)旋轉(zhuǎn)窗口的短時(shí)傅里葉變換

    2.1 調(diào)頻率與時(shí)頻能量集中度的關(guān)系

    選擇式(6)中窗函數(shù)g(t)為高斯窗,定義為[27]:

    (8)

    線性調(diào)頻(Linear Frequency Modulated, LFM)和平穩(wěn)信號(hào)在相同窗長下信號(hào)的帶寬如圖3所示。對于瞬時(shí)頻率φ(t)=C0的平穩(wěn)信號(hào),窗函數(shù)與瞬時(shí)頻率的夾角θ為0,當(dāng)窗口長度一定時(shí),在時(shí)頻圖中頻率帶寬最小,能夠獲得最佳能量集中度。對于瞬時(shí)頻率φ(t)=rt+C0(其中為調(diào)頻率)的LFM信號(hào),瞬時(shí)頻率與窗函數(shù)之間會(huì)有一個(gè)夾角θ,這使得LFM信號(hào)的頻率帶寬將大于平穩(wěn)信號(hào)的帶寬。

    如圖3截取放大部分所示,調(diào)頻率r與頻率帶寬dg之間的幾何關(guān)系可表示為:

    (9)

    從式(9)中可知,當(dāng)窗長τ選定時(shí),頻率帶寬dg只與信號(hào)的瞬時(shí)調(diào)頻率r有關(guān),并且dg隨|r|的增大而增大。為了定量分析調(diào)頻率與能量集中之間的關(guān)系,本文將頻率帶寬作為能量集中度的量化指標(biāo),能量集中度越高,信號(hào)分量在時(shí)頻平面中的頻率帶寬越窄,dg越小。

    2.2 基于切線思想的自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化STFT

    LCT方法僅對窗口進(jìn)行一次旋轉(zhuǎn),能夠有效地處理LFM信號(hào),其表達(dá)式為:

    (10)

    式中 hN(τ-t)為旋轉(zhuǎn)后的窗口函數(shù),可以表示為:

    (11)

    式中 N為旋轉(zhuǎn)度;為固定旋轉(zhuǎn)算子,是在t時(shí)刻將窗口旋轉(zhuǎn)arctan N角度。

    對于非線性調(diào)頻(Non?Linear Frequency Modulated, NLFM)信號(hào),其瞬時(shí)頻率是連續(xù)的,僅靠一個(gè)旋轉(zhuǎn)度N不能夠完全實(shí)現(xiàn)信號(hào)全局上的頻率帶寬最小。因此本文提出一種基于切線思想的自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化STFT方法,其原理如圖4所示。把一個(gè)小時(shí)間段內(nèi)的弧線近似看作線段,每個(gè)線段都可以用一個(gè)調(diào)頻率為rn(其中n=1,2,3,…)的線性調(diào)頻信號(hào)表示。如果將NLFM信號(hào)不斷細(xì)分,每一時(shí)刻的調(diào)頻率將越來越接近真實(shí)值。當(dāng)無限細(xì)分下去,信號(hào)每一時(shí)刻的調(diào)頻率可以用瞬時(shí)頻率曲線的切線即瞬時(shí)頻率的一階導(dǎo)數(shù)φ'(t)表示。

    本文基于切線思想的AWROSTFT方法,通過自適應(yīng)地匹配一系列的旋轉(zhuǎn)度N(t)來旋轉(zhuǎn)水平窗口,使得窗口方向接近甚至等于瞬時(shí)調(diào)頻率,則信號(hào)將在全局上具有最佳能量集中度。提出的自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時(shí)傅里葉變換方法定義如下:

    (12)

    式中 hN(t)(τ-t)為時(shí)變旋轉(zhuǎn)窗口函數(shù),可以表示為:

    (13)

    式中 N(t)為時(shí)變的旋轉(zhuǎn)度,其值不大于信號(hào)長度L。當(dāng)且僅當(dāng)N(t)=φ'(t)時(shí),信號(hào)具有最小的頻率帶寬。

    在短時(shí)間τ內(nèi),時(shí)變信號(hào)的瞬時(shí)頻率φ(t)可以用一階泰勒公式展開成如下形式:

    (14)

    此時(shí),式(6)和(12)可以分別寫成:

    (15)

    (16)

    式中 為瞬時(shí)幅值。

    由式(15)可知,由于調(diào)制項(xiàng)的存在,使得信號(hào)出現(xiàn)了能量發(fā)散現(xiàn)象。而由式(16)可知,引入時(shí)變的旋轉(zhuǎn)度N(t)后,此時(shí)信號(hào)的調(diào)制項(xiàng)變?yōu)?,?dāng)N(t)接近于的φ'(t)時(shí),信號(hào)的這種調(diào)制現(xiàn)象將減弱。當(dāng)且僅當(dāng)N(t)=φ'(t)時(shí),信號(hào)中不包含調(diào)制項(xiàng),此時(shí)信號(hào)與窗函數(shù)hN(t)的夾角為零,經(jīng)過STFT變換后將獲得最佳的能量集中度。

    STFT,LCT,GLCT和AWROSTFT四種方法在處理單分量信號(hào)時(shí)的窗口變化原理如圖5所示。對于單分量信號(hào),AWROSTFT是容易實(shí)現(xiàn)的。對于多分量信號(hào),信號(hào)是各個(gè)分量在時(shí)間序列上的疊加,并且窗函數(shù)是直接作用在序列組合上的,因此很難同時(shí)實(shí)現(xiàn)窗口在不同分量上不同角度的旋轉(zhuǎn)。為此,本文給出了一種時(shí)頻融合方法。首先,通過不同分量的旋轉(zhuǎn)度Ni(t)分別對各分量進(jìn)行調(diào)頻變換;其次,提取各個(gè)分量調(diào)頻變換后時(shí)頻系數(shù);最后,將提取的時(shí)頻系數(shù)等按照分量頻率位置轉(zhuǎn)化到新的時(shí)頻面上。

    假設(shè)第個(gè)分量的AWROSTFT時(shí)頻系數(shù)表示為,若已知其瞬時(shí)頻率為φi(t),那么時(shí)頻系數(shù)提取可以表示為:

    (17)

    式中 φi(t)為信號(hào)第個(gè)分量的瞬時(shí)頻率;為常數(shù),dg。

    由于時(shí)頻融合是沿頻率方向進(jìn)行重組的,因此該方法也起到了時(shí)變帶通濾波器的效果。

    3 基于PSO-VMD和AWROSTFT的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法

    針對變轉(zhuǎn)速滾動(dòng)軸承故障診斷所出現(xiàn)的能量集中度低、耗時(shí)長和強(qiáng)背景噪聲等問題,本文提出了一種基于PSO?VMD和AWROSTFT的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法。該方法包括:振動(dòng)信號(hào)采集、降噪、自適應(yīng)窗口旋轉(zhuǎn)、瞬時(shí)頻率的提取與識(shí)別和故障類型的判斷,整個(gè)故障診斷的流程如圖6所示,具體的步驟如下:

    (1) 傳感器采集變轉(zhuǎn)速工況下設(shè)備的振動(dòng)信號(hào)。

    (2) 通過PSO算法確定VMD最佳影響參數(shù)[ξ0, K0]。將PSO算法的參數(shù)大小設(shè)置為[25]:學(xué)習(xí)因子c1=c2=2,種群規(guī)模O=30。H為最大迭代次數(shù),如果H值過大會(huì)增加算法的計(jì)算時(shí)間,如果H值太小,至迭代終止時(shí)算法可能仍然不收斂,因此本文設(shè)定H=20。最大權(quán)重值和最小權(quán)重值分別為0.9和0.4;[ξ, K]的尋優(yōu)范圍分別為[100, 2000],[3, 10]。

    (3) 用最佳影響參數(shù)[ξ0, K0]對振動(dòng)信號(hào)進(jìn)行VMD處理。計(jì)算分解后的各個(gè)IMF分量的Ec值,根據(jù)Ec值挑選IMF進(jìn)行重構(gòu),得到重構(gòu)信號(hào)X1(t)。

    (4) 應(yīng)用AWROSTFT算法獲得具有高能量集中度的時(shí)頻表示,采用譜峰檢測法從TFR中提取出瞬時(shí)頻率。

    (5) 將瞬時(shí)頻率與轉(zhuǎn)頻的平均比值與軸承的故障特征系數(shù)FCC進(jìn)行匹配,即可實(shí)現(xiàn)變轉(zhuǎn)速工況下滾動(dòng)軸承故障類型的判斷。

    4 故障軸承仿真信號(hào)分析

    4.1 仿真信號(hào)構(gòu)造

    為驗(yàn)證本文所提方法的有效性,構(gòu)造了升速條件下的故障軸承仿真信號(hào)[28]:

    (18)

    式中 M為信號(hào)的長度;Am=λtm表示第m個(gè)沖擊的幅值;η為結(jié)構(gòu)的衰減系數(shù);ωr表示軸承故障激勵(lì)的共振頻率;μ(t)為單位階躍函數(shù);n(t)為高斯白噪聲;tm表示第m個(gè)沖擊出現(xiàn)的時(shí)間,計(jì)算公式如下:

    (19)

    式中 t0=0;m=1,2,3,…,M;x(t)=1.5t+13表示軸承轉(zhuǎn)頻隨時(shí)間變化的規(guī)律;表示由滾動(dòng)體滑移帶來的故障沖擊間隔之間的誤差;n表示軸承每轉(zhuǎn)出現(xiàn)的故障沖擊數(shù),其他參數(shù)取值如表1所示。

    4.2 仿真信號(hào)分析

    根據(jù)上述仿真信號(hào)得到的時(shí)域波形和轉(zhuǎn)頻曲線如圖7所示。由圖7可以分析出故障軸承振動(dòng)信號(hào)在變轉(zhuǎn)速工況下的時(shí)域特性:振動(dòng)信號(hào)的幅值隨著轉(zhuǎn)速的變化而發(fā)生變化,轉(zhuǎn)速低時(shí)信號(hào)的振幅低,轉(zhuǎn)速增大時(shí)信號(hào)的振幅也相應(yīng)增大;隨著轉(zhuǎn)速的增大,故障振動(dòng)沖擊時(shí)間間隔減小,軸承的故障特征頻率不再是一個(gè)定值,從而導(dǎo)致在變轉(zhuǎn)速工況下無法使用故障特征頻率識(shí)別故障。

    在變轉(zhuǎn)速工況下,滾動(dòng)軸承的故障特征頻率將隨著時(shí)間的變化而變化。而故障特征頻率與轉(zhuǎn)頻的比值是一個(gè)常數(shù),且該常數(shù)只與軸承本身的參數(shù)有關(guān),與轉(zhuǎn)速無關(guān),因此被稱為故障特征系數(shù)(Fault Characteristic Coefficient, FCC)[27]。軸承參數(shù)一旦被確定,其FCC就是一個(gè)定值,它反映了軸承每轉(zhuǎn)一周所發(fā)生故障沖擊的次數(shù),與轉(zhuǎn)速無關(guān),因此常被用在變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷中。計(jì)算出譜峰檢測法提取到的瞬時(shí)頻率與轉(zhuǎn)頻的平均比值,所得到的結(jié)果與軸承的FCC進(jìn)行匹配,即可判斷出變轉(zhuǎn)速軸承的故障類型。

    采用PSO?VMD和AWROSTFT的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法對仿真信號(hào)進(jìn)行分析。先對VMD算法中的兩個(gè)參數(shù)[ξ,K]進(jìn)行尋優(yōu)。圖8(a)表示局部最大包絡(luò)譜峰值因子Ec1隨迭代次數(shù)變化的曲線,縱坐標(biāo)Ec1為無量綱指標(biāo)。PSO優(yōu)化VMD在第15代收斂,搜索到的Ec1為5.125,最佳參數(shù)組合為[1450,7]。根據(jù)優(yōu)化結(jié)果設(shè)定懲罰因子ξ0=1450和分量個(gè)數(shù)K0=7。對仿真信號(hào)進(jìn)行VMD處理,得到7個(gè)IMF分量。計(jì)算每個(gè)IMF分量Ec的幅值,從圖8(b)中可以看出,第5和第6個(gè)IMF分量Ec的幅值最大,對這兩個(gè)分量進(jìn)行重構(gòu),得到重構(gòu)信號(hào)X1(t)。

    采用AWROSTFT方法提取重構(gòu)信號(hào)X1(t)在變轉(zhuǎn)速工況下的瞬時(shí)頻率,圖9(a)為經(jīng)過AWROS TFT后的時(shí)頻表示結(jié)果,圖9(b)為用譜峰檢測法從圖9(a)中提取到的瞬時(shí)頻率。

    計(jì)算得到圖9(b)中的瞬時(shí)頻率與轉(zhuǎn)頻的平均比值為5.5,等于仿真信號(hào)的FCC,實(shí)現(xiàn)了對變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷。

    4.3 結(jié)果對比

    為了驗(yàn)證所提方法在識(shí)別變轉(zhuǎn)速滾動(dòng)軸承故障方面的可行性,分別用STFT,LCT和GLCT三種方法對該仿真信號(hào)進(jìn)行分析,圖10~13分別為三種方法得到的TFR結(jié)果和各自提取到的瞬時(shí)頻率。

    從圖10和11中可以看出,無論是STFT方法還是LCT方法,兩者時(shí)頻表示的能量集中度都很低,采用譜峰檢測法提取到的IF與真實(shí)的IF相比誤差都很大,不能準(zhǔn)確診斷出變轉(zhuǎn)速滾動(dòng)軸承的故障類型。這是因?yàn)樵谠肼暫驼{(diào)制項(xiàng)的干擾下,STFT和LCT的時(shí)頻表示都存在能量發(fā)散的現(xiàn)象。STFT由于窗口不變的特性固化了整個(gè)時(shí)頻面的時(shí)頻分辨率,導(dǎo)致在處理轉(zhuǎn)速波動(dòng)較大的時(shí)變信號(hào)時(shí)能量集中度較低。LCT與STFT類似,由于只對窗口旋轉(zhuǎn)了一次,所以在全局上無法保證旋轉(zhuǎn)后窗口方向與信號(hào)頻率方向的夾角為零。

    從圖12和13中可以看出,GLCT方法的能量集中度略有改善,且旋轉(zhuǎn)度N越大效果越好,但是用譜峰檢測法提取到的瞬時(shí)頻率依舊存在誤差。這是因?yàn)镚LCT方法的旋轉(zhuǎn)度N不能完全匹配瞬時(shí)調(diào)頻率,導(dǎo)致其分割痕跡比較嚴(yán)重,并且時(shí)頻脊線也不夠平滑。雖然增加N的數(shù)量可以獲得更高的能量集中度,但同時(shí)意味著需要進(jìn)行N次LCT運(yùn)算,計(jì)算量增加;其次,GLCT中窗口旋轉(zhuǎn)算子的數(shù)量遠(yuǎn)小于信號(hào)采樣數(shù),因此并不能獲得更佳的能量集中度,造成提取到的瞬時(shí)頻率不夠準(zhǔn)確,從而導(dǎo)致漏診或者誤診。

    本文所提的AWROSTFT方法利用切線思想對STFT的固定窗口進(jìn)行自適應(yīng)旋轉(zhuǎn),使得窗口方向接近甚至等于瞬時(shí)調(diào)頻率,提高了信號(hào)在全局上的能量集中度。與上述四種時(shí)頻表示方法相比,無論是在局部和總體的診斷效果上,還是在參數(shù)的選擇以及計(jì)算效率上都要更加優(yōu)秀。

    為了對上述各方法的能量集中度進(jìn)行量化分析,引入Renyi熵作為評價(jià)指標(biāo)。Renyi熵可以有效反映時(shí)頻分布能量的離散程度,定義為[29]:

    (20)

    式中 β表示階次,一般β>2;TFR(t,ω)為時(shí)頻系數(shù)。

    由式(20)可知,Renyi熵值越小,時(shí)頻分布的能量集中度越高。表2為上述五種時(shí)頻表示方法的Renyi熵值,其中本文提出的AWROSTFT方法的Renyi熵值最小,能量集中度最高。

    5 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

    為了進(jìn)一步驗(yàn)證所提方法的有效性,在Spectrum Quest Incorporated (SQI)生產(chǎn)的MFS實(shí)驗(yàn)臺(tái)上進(jìn)行了滾動(dòng)軸承變轉(zhuǎn)速工況下的故障實(shí)驗(yàn),整個(gè)實(shí)驗(yàn)臺(tái)如圖14所示。三相交流電機(jī)通過柔性聯(lián)軸器與傳動(dòng)軸連接,兩個(gè)ER?16K滾動(dòng)軸承支撐傳動(dòng)軸。對滾動(dòng)軸承進(jìn)行激光刻蝕模擬軸承的內(nèi)圈故障,缺陷部位如圖15所示。實(shí)驗(yàn)臺(tái)中左邊是故障實(shí)驗(yàn)軸承,右邊是健康軸承,在轉(zhuǎn)軸上安裝5.1 kg的轉(zhuǎn)子盤,施加50 N的徑向載荷,具體軸承的相關(guān)參數(shù)如表3所示。其中加速度傳感器安裝在離故障軸承較近的位置以準(zhǔn)確測取振動(dòng)信號(hào),采樣時(shí)間為10 s,采樣頻率為20 kHz。

    滾動(dòng)軸承內(nèi)圈故障特征系數(shù)FCCi的計(jì)算公式如下式所示[28]:

    (21)

    代入軸承相關(guān)的幾何參數(shù),計(jì)算得到FCCi=5.43。

    在變轉(zhuǎn)速工況下采集軸承內(nèi)圈缺陷的振動(dòng)數(shù)據(jù),其時(shí)域波形和轉(zhuǎn)頻曲線如圖16所示。

    采用PSO?VMD和AWROSTFT的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法對實(shí)驗(yàn)信號(hào)進(jìn)行分析,先對VMD算法中的兩個(gè)參數(shù)[ξ, K]進(jìn)行尋優(yōu)。圖17(a)表示局部最大包絡(luò)譜峰值因子Ec1隨迭代次數(shù)變化的曲線。PSO優(yōu)化VMD在第15代收斂,搜索到的Ec1為7.83,最佳參數(shù)組合為[1500,8]。根據(jù)優(yōu)化結(jié)果設(shè)定懲罰因子ξ0=1500和分量個(gè)數(shù)K0=8。對實(shí)驗(yàn)信號(hào)進(jìn)行VMD處理,得到8個(gè)分量。計(jì)算每個(gè)IMF分量Ec的幅值,從圖17(b)中可以看出,第5和第7個(gè)IMF分量的幅值最大,對這兩個(gè)分量進(jìn)行重構(gòu),得到重構(gòu)信號(hào)X1(t)。

    采用AWROSTFT方法提取重構(gòu)信號(hào)X1(t)在變轉(zhuǎn)速工況下的瞬時(shí)頻率,圖18(a)和(b)分別為經(jīng)過AWROSTFT后的時(shí)頻表示和用譜峰檢測法所提取到的瞬時(shí)頻率。計(jì)算得到圖18(b)中瞬時(shí)頻率與轉(zhuǎn)頻的平均比值為5.43,等于實(shí)驗(yàn)軸承的FCCi,因此可以判斷出該軸承存在內(nèi)圈故障。

    6 討 論

    為了說明所提方法在識(shí)別變轉(zhuǎn)速滾動(dòng)軸承故障方面的可行性和適用性,分別使用STFT,LCT和GLCT三種方法對第5節(jié)的實(shí)驗(yàn)信號(hào)進(jìn)行分析。圖19~22分別為STFT,LC,GLCT(N=5)和GLCT(N=10)四種方法在窗口長度均為128時(shí)得到的TFR結(jié)果和各自提取到的瞬時(shí)頻率。

    比較圖18~22的結(jié)果,可以看出所提AWRO?STFT方法與其他四種時(shí)頻表示方法相比,具有更高的能量集中度和更窄的帶寬,用譜峰檢測法所提取到的時(shí)頻脊線也更加光滑,并且在全局上能量都是處于最集中狀態(tài)。表4為上述五種時(shí)頻表示方法的Renyi熵值,其中本文AWROSTFT方法具有最小的Renyi熵值,因此AWROSTFT方法的能量集中度最高。

    為了進(jìn)一步說明本文所提方法的優(yōu)勢,在相同參數(shù)設(shè)置下分別統(tǒng)計(jì)了上述五種時(shí)頻表示方法的運(yùn)算耗時(shí),結(jié)果如表5所示。AWROSTFT方法比STFT和LCT的耗時(shí)略長,但是這三種方法耗時(shí)的差距在1 s內(nèi),在實(shí)際應(yīng)用中是可以被接受的。AWROSTFT與GLCT方法相比計(jì)算效率較高,這是因?yàn)锳WROSTFT在全局上只進(jìn)行一次LCT運(yùn)算,計(jì)算量大大降低。

    綜上所述,所提方法無論是在故障診斷的準(zhǔn)確性方面,還是在運(yùn)算耗時(shí)方面,其整體效果都要明顯優(yōu)于現(xiàn)有變轉(zhuǎn)速故障診斷方法。主要是因?yàn)樗岱椒朔藭r(shí)變窗口旋轉(zhuǎn)度難以確定的問題,通過切線思想實(shí)現(xiàn)了自適應(yīng)窗口旋轉(zhuǎn),解決了STFT在分析快速變化的非平穩(wěn)信號(hào)上的局限性,既獲得了良好的時(shí)頻分辨率和能量集中度,與其他窗口旋轉(zhuǎn)優(yōu)化方法相比又縮短了運(yùn)算耗時(shí),提高了變轉(zhuǎn)速時(shí)頻表示的能量集中度和滾動(dòng)軸承故障診斷的準(zhǔn)確性。但在處理復(fù)合故障的脊線交叉和轉(zhuǎn)頻曲線精度較低的情況時(shí),本文還存在一定的局限性,后續(xù)將針對該問題進(jìn)行研究。

    7 結(jié) 論

    針對現(xiàn)有STFT窗函數(shù)改進(jìn)方法中所出現(xiàn)的能量集中度低、背景噪聲強(qiáng)和運(yùn)算耗時(shí)長等問題,本文提出了一種自適應(yīng)旋轉(zhuǎn)窗口優(yōu)化短時(shí)傅里葉變換的變轉(zhuǎn)速滾動(dòng)軸承故障診斷方法,通過仿真信號(hào)和實(shí)驗(yàn)信號(hào)驗(yàn)證了所提方法的可行性。主要結(jié)論如下:

    (1)VMD算法能夠有效抑制噪聲成分,突出瞬態(tài)沖擊,且PSO算法解決了VMD參數(shù)選擇困難的問題。

    (2)利用切線思想自適應(yīng)地匹配時(shí)變窗口的旋轉(zhuǎn)算子,解決了現(xiàn)有方法中窗口旋轉(zhuǎn)度難以確定的問題,增強(qiáng)了算法的適用范圍。

    (3)與STFT,LCT,GLCT等方法進(jìn)行比較,仿真和實(shí)驗(yàn)結(jié)果都表明:本文提出的AWROSTFT方法的能量集中度最高,能夠準(zhǔn)確診斷出變轉(zhuǎn)速工況下滾動(dòng)軸承的故障類型。

    參考文獻(xiàn):

    [1] Wang R, Zhang C Y, Yu L, et al. Rolling bearing weak fault feature extraction under variable speed conditions via joint sparsity and low-rankness in the cyclic order-frequency domain[J]. Applied Sciences, 2022, 12: 2449.

    [2] Chen B, Yin P, Gao Y, et al. Use of the correlated EEMD and time-spectral kurtosis for bearing defect detection under large speed variation[J]. Mechanism and Machine Theory, 2018, 139: 162-174.

    [3] Feng Z P, Chen X W, Wang T Y. Time-varying demodulation analysis for rolling bearing fault diagnosis under variable speed conditions[J]. Journal of Sound Vibration, 2017, 400: 71-85.

    [4] Mahgoun H, Chaari F, Felkaoui A. Detection of gear faults in variable rotating speed using variational mode decomposition(VMD)[J]. Mechanics & Industry, 2016, 17(2): 207.

    [5] Shi J J, Liang M, Guan Y P. Bearing fault diagnosis under variable rotational speed via the joint application of windowed fractal dimension transform and generalized demodulation: a method free from prefiltering and resampling[J]. Mechanical Systems and Signal Processing, 2016, 68-69: 15-33.

    [6] Wang T Y, Chu F L. Bearing fault diagnosis under time-varying rotational speed via the fault characteristic order (FCO) index based demodulation and the stepwise resampling in the fault phase angle (FPA) domain[J]. ISA Transactions, 2019, 94: 391-400.

    [7] Huang H, Baddour N, Liang M. Bearing fault diagnosis under unknown time-varying rotational speed conditions via multiple time-frequency curve extraction[J]. Journal of Sound and Vibration, 2018, 414: 43-60.

    [8] Jahagirdar A C, Gupta K K. Cumulative distribution sharpness profiling based bearing fault diagnosis framework under variable speed conditions[J]. IEEE Sensors Journal, 2021, 21(13): 15124-15132.

    [9] Shi J J, Huang W G, Shen C Q, et al. Dual-guidance-based optimal resonant frequency band selection and multiple ridge path identification for bearing fault diagnosis under time-varying speeds[J]. IEEE Access, 2019, 7: 144995-145012.

    [10] 趙明. 變轉(zhuǎn)速下機(jī)械動(dòng)態(tài)信息的自適應(yīng)提取與狀態(tài)評估[D]. 西安:西安交通大學(xué), 2017.

    Zhao Ming. Adaptive dynamic information extraction and state evaluation for machinery under varying speeds[D]. Xi’an: Xi’an Jiaotong University, 2017.

    [11] 王曉龍, 閆曉麗, 何玉靈. 變速工況下基于IEWT能量階次譜的風(fēng)電機(jī)組軸承故障診斷[J]. 太陽能學(xué)報(bào), 2021, 42(4): 479-486.

    Wang Xiaolong, Yan Xiaoli, He Yuling. Fault diagnosis of wind turbine bearing based on IEWT energy order spectrum under variable speed condition[J]. Acta Energiae Solaris Sinica, 2021, 42(4): 479-486.

    [12] Wang X L, Zhou F C, He Y L, et al. Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum[J]. Measurement Science and Technology, 2019, 30(3): 035003.

    [13] 孫云嵩, 于德介, 陳向民,等. 基于信號(hào)共振稀疏分解的階比分析及其在齒輪故障診斷中的應(yīng)用[J]. 振動(dòng)與沖擊, 2013, 32(16): 88-94.

    Sun Yunsong, Yu Dejie, Chen Xiangmin, et al. Order domain analysis based on resonance-based sparse signal decomposition and its application to gear fault diagnosis[J]. Journal of Vibration and Shock, 2013, 32(16): 88-94.

    [14] Wang Y, Tse P W, Tang B P, et al. Order spectrogram visualization for rolling bearing fault detection under speed variation conditions[J]. Mechanical Systems and Signal Processing, 2019, 122: 580-596.

    [15] Abbound D, Antoni J, Eltabach M, et al. Angle/time cyclostationarity in rolling element bearing vibrations [C]. The 4th International Conference on Condition Monitoring of Machinery in Non-Stationary Operations. 2014.

    [16] Abbound D, Antoni J, Eltabach M, et al. Angle/time cyclostationarity for the analysis of rolling element bearing vibrations[J]. Measurement, 2015, 75: 29-39.

    [17] Urbanek J, Barszcz T, Jablonski A. Application of angular-temporal spectrum to exploratory analysis of generalized angular-temporal deterministic signals[J]. Applied Acoustics, 2016, 109: 27-36.

    [18] 白云川, 陳成法, 夏均忠,等. 變轉(zhuǎn)速下滾動(dòng)軸承故障診斷方法研究現(xiàn)狀分析[J]. 軍事交通學(xué)院學(xué)報(bào), 2019, 21(7): 52-56.

    Bai Yunchuan, Chen Chengfa, Xia Junzhong, et al. Current status of rolling bearing fault diagnosis method under variable speed[J]. Journal of Military Transportation University, 2019, 21(7): 52-56.

    [19] 趙曉平, 吳家新, 周子賢. 改進(jìn)的Seam Carving瞬時(shí)頻率估計(jì)算法研究[J]. 南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2017, 9(2): 214-219.

    Zhao Xiaoping, Wu Jiaxin, Zhou Zixian. Instantaneous frequency estimation based on improved Seam Carving algorithm[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition),2017, 9(2): 214-219.

    [20] 李恒, 張氫, 秦仙蓉, 等. 基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 振動(dòng)與沖擊, 2018, 37(19): 124-131.

    Li Heng, Zhang Qing, Qin Xianrong, et al. Fault diagnosis method for rolling bearings based on short-time Fourier transform and convolution neural network[J]. Journal of Vibration and Shock, 2018, 37(19): 124-131.

    [21] Zhao Q R, Wang X, Li T T, et al. Analysis of coupling fault correlation and nonlinear vibration of multi-stage gear transmission system[J]. Journal of Vibroengineering, 2021, 23(1): 114-126.

    [22] Pei S C, Huang S G. STFT with adaptive window width based on the chirp rate[J]. IEEE Transactions on Signal Processing, 2012, 60(8): 4065-4080.

    [23] Yu G, Zhou Y Q. General linear chirplet transform[J]. Mechanical Systems and Signal Processing, 2016, 70-71: 958-973.

    [24] Cheng Y, Wang Z W, Zhang W H, et al. Particle swarm optimization algorithm to solve the deconvolution problem for rolling element bearing fault diagnosis[J]. ISA Transactions, 2019, 90: 244-267.

    [25] 張俊, 張建群, 鐘敏, 等. 基于PSO-VMD-MCKD方法的風(fēng)機(jī)軸承微弱故障診斷[J]. 振動(dòng)、測試與診斷, 2020, 40(2): 287-296.

    Zhang Jun, Zhang Jianqun, Zhong Min, et al. PSO-VMD-MCKD based fault diagnosis for incipient damage in wind turbine rolling bearing[J]. Journal of Vibration, Measurement & Diagnosis, 2020, 40(2): 287-296.

    [26] 俞昆, 羅志濤, 李鴻飛, 等. 廣義參數(shù)化同步壓縮變換及其在旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中的應(yīng)用[J]. 機(jī)械工程學(xué)報(bào), 2019, 55(11): 149-159.

    Yu Kun, Luo Zhitao, Li Hongfei, et al. General parameterized synchrosqueezing transform and its application in rotating machinery vibration signal[J]. Journal of Mechanical Engineering, 2019, 55(11): 149-159.

    [27] 王亞濤. 變轉(zhuǎn)速工況下的滾動(dòng)軸承復(fù)合故障診斷方法研究[D]. 北京:北京化工大學(xué), 2020.

    Wang Yatao. Research on compound fault diagnosis method of rolling bearing under varying speed conditions[D]. Beijing: Beijing University of Chemical Technology, 2020.

    [28] 趙德尊, 李建勇, 程衛(wèi)東, 等 . 變轉(zhuǎn)速下基于廣義解調(diào)算法的滾動(dòng)軸承故障診斷[J]. 振動(dòng)工程學(xué)報(bào), 2017, 30(5): 865-873.

    Zhao Dezun, Li Jianyong, Cheng Weidong, et al. Rolling element bearing fault diagnosis based on generalized demodulation algorithm under variable rotational speed[J]. Journal of Vibration Engineering, 2017, 30(5): 865-873.

    [29] Stankovi? L. A measure of some time-frequency distributions concentration[J]. Signal Processing, 2001, 81(3): 621-631.

    Fault diagnosis of rolling bearings under variable speed conditions based on adaptive window rotation optimization short-time Fourier transform

    ZHAO Yi-nan1, YAN Chang-feng1, MENG Jia-dong2, WANG Zong-gang3,

    WANG Hui-bin1,4, WU Li-xiao1

    (1.School of Mechanical and Electrical Engineering, Lanzhou University of Technology, Lanzhou 730050, China;2.School of Mechanical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China;3.College of Physics and Electromechanical Engineering, Hexi University, Zhangye 734000, China;4.Department of Medical Technology, Zhangzhou Health Vocational College, Zhangzhou 363000, China)

    Abstract: This paper proposes a fault diagnosis method for rolling bearings under variable speed conditions, based on the Adaptive Window Rotation Optimization Short-Time Fourier Transform (AWROSTFT). This method addresses the issue of low energy concentration caused by the fixed window effect in Short-Time Fourier Transform (STFT). Variational Mode Decomposition (VMD) is used to reduce the noise of the original vibration signal, and Particle Swarm Optimization (PSO) is employed to solve the complex problem of VMD parameter selection. A series of rotation operators are adaptively matched to the horizontal window in STFT using the tangent idea, aligning the rotation direction of the window with the instantaneous frequency modulation to improve the energy concentration of time-frequency representation. The instantaneous frequency, extracted by the spectral peak detection method, is divided by the frequency transformation curve. The result is matched with the fault characteristic coefficient of the bearing to achieve fault diagnosis of the rolling bearing under variable speed conditions. The results of simulation and experimental signals show that the proposed method effectively combines the advantages of PSO-VMD and AWROSTFT. Through the adaptive rotation window with the idea of tangency, the angle between the signal and the window function is globally reduced to zero, improving energy concentration, sharpening the time-frequency ridge line, and enabling fault diagnosis of rolling bearings under variable speed conditions.

    Key words: fault diagnosis;time-frequency analysis;adaptive window rotation optimization short-time Fourier transform;VMD;variable speed conditions

    作者簡介: 趙一楠(1998—),男,碩士研究生。E-mail:zyn15537789892@163.com。

    通訊作者: 剡昌鋒(1974—),男,博士,研究員,博士生導(dǎo)師。E-mail:changf_yan@163.com。

    天堂网av新在线| 26uuu在线亚洲综合色| 99热这里只有是精品50| 在线观看免费高清a一片| 久久久成人免费电影| 国产三级在线视频| 色综合色国产| 亚洲三级黄色毛片| 亚洲最大成人中文| 国产男女超爽视频在线观看| 免费观看av网站的网址| 一级毛片黄色毛片免费观看视频| 黄色配什么色好看| 精品国内亚洲2022精品成人| 免费观看精品视频网站| 肉色欧美久久久久久久蜜桃 | 日韩欧美三级三区| 欧美日韩国产mv在线观看视频 | 午夜激情福利司机影院| 天堂俺去俺来也www色官网 | 欧美潮喷喷水| 国产乱人偷精品视频| 久久精品夜色国产| 亚洲欧美中文字幕日韩二区| 日本猛色少妇xxxxx猛交久久| 亚洲一级一片aⅴ在线观看| 中文精品一卡2卡3卡4更新| 九九久久精品国产亚洲av麻豆| 亚洲精品日韩av片在线观看| 又大又黄又爽视频免费| 精品久久久久久久久av| 久久久久久国产a免费观看| 深爱激情五月婷婷| 日日干狠狠操夜夜爽| 性插视频无遮挡在线免费观看| 亚洲高清免费不卡视频| 国产老妇伦熟女老妇高清| 午夜激情福利司机影院| 亚洲国产成人一精品久久久| videos熟女内射| av专区在线播放| 伦精品一区二区三区| h日本视频在线播放| 国产高潮美女av| 波多野结衣巨乳人妻| 亚洲精品成人av观看孕妇| 色视频www国产| 高清毛片免费看| 国产真实伦视频高清在线观看| 亚洲aⅴ乱码一区二区在线播放| 男女边吃奶边做爰视频| 国产亚洲午夜精品一区二区久久 | 亚洲av成人av| 国产精品日韩av在线免费观看| 久久久精品欧美日韩精品| 69av精品久久久久久| 免费观看的影片在线观看| 国产人妻一区二区三区在| 啦啦啦啦在线视频资源| av黄色大香蕉| 国产又色又爽无遮挡免| 欧美不卡视频在线免费观看| 纵有疾风起免费观看全集完整版 | 国产精品蜜桃在线观看| 免费av不卡在线播放| 国产一区二区在线观看日韩| 免费观看性生交大片5| 麻豆精品久久久久久蜜桃| 少妇的逼水好多| 日韩人妻高清精品专区| 亚洲av电影在线观看一区二区三区 | av一本久久久久| 一个人观看的视频www高清免费观看| 舔av片在线| 亚洲,欧美,日韩| 亚洲人成网站在线观看播放| 少妇熟女aⅴ在线视频| 人人妻人人看人人澡| 亚洲丝袜综合中文字幕| videos熟女内射| 一级毛片aaaaaa免费看小| 色5月婷婷丁香| 特级一级黄色大片| 一个人看视频在线观看www免费| 欧美人与善性xxx| 熟妇人妻久久中文字幕3abv| 成人性生交大片免费视频hd| 国产乱来视频区| 色尼玛亚洲综合影院| 91狼人影院| 看十八女毛片水多多多| 午夜福利在线在线| 日韩精品有码人妻一区| 国产国拍精品亚洲av在线观看| 一区二区三区四区激情视频| 亚洲aⅴ乱码一区二区在线播放| 婷婷色综合www| a级毛色黄片| 精品亚洲乱码少妇综合久久| 久久久久久久久中文| 国产黄片美女视频| 91久久精品电影网| 久久99精品国语久久久| 久久99热这里只有精品18| 国产黄a三级三级三级人| 观看美女的网站| 亚洲最大成人手机在线| 国产探花在线观看一区二区| 男女边摸边吃奶| 免费大片18禁| 亚洲图色成人| 欧美激情国产日韩精品一区| 国产探花极品一区二区| 好男人视频免费观看在线| 美女xxoo啪啪120秒动态图| 一个人观看的视频www高清免费观看| 欧美日韩国产mv在线观看视频 | 午夜老司机福利剧场| 国产综合懂色| 男女啪啪激烈高潮av片| 日日干狠狠操夜夜爽| 久久精品国产鲁丝片午夜精品| 精品不卡国产一区二区三区| 91久久精品国产一区二区三区| 秋霞在线观看毛片| 亚洲美女搞黄在线观看| 尤物成人国产欧美一区二区三区| 2018国产大陆天天弄谢| 一级a做视频免费观看| 美女xxoo啪啪120秒动态图| 亚洲四区av| 久久精品久久久久久久性| 中文在线观看免费www的网站| 国产伦理片在线播放av一区| 欧美日韩综合久久久久久| 汤姆久久久久久久影院中文字幕 | 亚洲av成人av| 嫩草影院入口| 成年av动漫网址| 久久久久久久久久人人人人人人| 2018国产大陆天天弄谢| 超碰97精品在线观看| 免费大片黄手机在线观看| 日本wwww免费看| 亚洲av免费高清在线观看| av专区在线播放| 中文欧美无线码| 国产av国产精品国产| 精品亚洲乱码少妇综合久久| 天天躁夜夜躁狠狠久久av| 国产精品女同一区二区软件| 亚洲图色成人| freevideosex欧美| videossex国产| 久久久久久久亚洲中文字幕| 久久99蜜桃精品久久| 丝袜美腿在线中文| 精品国内亚洲2022精品成人| 久久久久国产网址| 91av网一区二区| 国模一区二区三区四区视频| 欧美日本视频| 亚洲伊人久久精品综合| 97精品久久久久久久久久精品| 熟妇人妻久久中文字幕3abv| 国产一区亚洲一区在线观看| 国产亚洲一区二区精品| 美女脱内裤让男人舔精品视频| av又黄又爽大尺度在线免费看| 99久国产av精品国产电影| 国产激情偷乱视频一区二区| 亚洲美女视频黄频| 久久精品国产亚洲网站| 国产老妇女一区| 国产av不卡久久| 麻豆乱淫一区二区| 高清午夜精品一区二区三区| 校园人妻丝袜中文字幕| 极品少妇高潮喷水抽搐| 亚洲真实伦在线观看| 丝袜美腿在线中文| 看黄色毛片网站| 少妇被粗大猛烈的视频| 久久久色成人| 黄色日韩在线| 久久精品综合一区二区三区| 内地一区二区视频在线| av网站免费在线观看视频 | 可以在线观看毛片的网站| 只有这里有精品99| 一本一本综合久久| 精品酒店卫生间| 中文精品一卡2卡3卡4更新| 99热这里只有是精品在线观看| 国内精品一区二区在线观看| 男女国产视频网站| 又黄又爽又刺激的免费视频.| 日韩精品青青久久久久久| 久久97久久精品| 国产高清三级在线| 亚洲精品,欧美精品| 六月丁香七月| 日日摸夜夜添夜夜添av毛片| 欧美精品国产亚洲| 国产91av在线免费观看| 2022亚洲国产成人精品| 日本欧美国产在线视频| 国产白丝娇喘喷水9色精品| 五月玫瑰六月丁香| 久久99热6这里只有精品| 网址你懂的国产日韩在线| 亚洲熟妇中文字幕五十中出| 蜜桃久久精品国产亚洲av| 亚洲欧美一区二区三区黑人 | 国内精品美女久久久久久| 免费看美女性在线毛片视频| 精品久久久噜噜| 深夜a级毛片| 国产精品熟女久久久久浪| 91精品一卡2卡3卡4卡| 国产成人91sexporn| 亚洲精品第二区| 亚洲经典国产精华液单| 亚洲av电影在线观看一区二区三区 | 免费黄频网站在线观看国产| 亚洲精品日韩av片在线观看| 中文乱码字字幕精品一区二区三区 | 欧美xxⅹ黑人| 精品午夜福利在线看| 春色校园在线视频观看| 亚洲国产精品国产精品| 女人久久www免费人成看片| 亚洲欧美日韩无卡精品| 深爱激情五月婷婷| 色视频www国产| 国产伦在线观看视频一区| 亚洲成人精品中文字幕电影| 国产精品精品国产色婷婷| 三级国产精品片| 久久亚洲国产成人精品v| 日日啪夜夜撸| 听说在线观看完整版免费高清| 秋霞在线观看毛片| 人人妻人人看人人澡| 亚洲av中文av极速乱| 偷拍熟女少妇极品色| 真实男女啪啪啪动态图| 久久精品国产自在天天线| 麻豆成人午夜福利视频| 欧美日韩综合久久久久久| 一级二级三级毛片免费看| av黄色大香蕉| 亚洲成人中文字幕在线播放| 韩国av在线不卡| 国产老妇女一区| 中文精品一卡2卡3卡4更新| 亚洲国产色片| 一级毛片aaaaaa免费看小| 91久久精品电影网| 亚洲精品国产成人久久av| 99热这里只有是精品在线观看| 赤兔流量卡办理| 永久免费av网站大全| 亚洲18禁久久av| 国产在视频线精品| 亚洲图色成人| h日本视频在线播放| 婷婷六月久久综合丁香| av国产久精品久网站免费入址| 高清毛片免费看| 久久久久久久久久久免费av| 亚洲欧洲国产日韩| 18禁裸乳无遮挡免费网站照片| 国产 一区 欧美 日韩| 人人妻人人澡人人爽人人夜夜 | 99九九线精品视频在线观看视频| 97精品久久久久久久久久精品| 色5月婷婷丁香| 国产真实伦视频高清在线观看| 日日干狠狠操夜夜爽| 中文字幕免费在线视频6| 看十八女毛片水多多多| 日日撸夜夜添| 亚洲高清免费不卡视频| 久久精品国产鲁丝片午夜精品| 白带黄色成豆腐渣| 国产精品av视频在线免费观看| 亚洲精品影视一区二区三区av| 日本三级黄在线观看| 老司机影院毛片| 国产成人福利小说| 国产亚洲av片在线观看秒播厂 | 一级a做视频免费观看| 亚洲乱码一区二区免费版| 日韩欧美三级三区| 久久久久性生活片| 成人午夜高清在线视频| 婷婷色av中文字幕| 在线天堂最新版资源| 免费看美女性在线毛片视频| 观看免费一级毛片| 国产三级在线视频| 久久久久九九精品影院| 精品国内亚洲2022精品成人| 国内少妇人妻偷人精品xxx网站| 亚洲精品久久午夜乱码| 国产91av在线免费观看| 欧美日韩一区二区视频在线观看视频在线 | 在线 av 中文字幕| 国产午夜精品一二区理论片| 亚洲欧美日韩无卡精品| 毛片一级片免费看久久久久| 国产一区有黄有色的免费视频 | 97在线视频观看| 久久99热6这里只有精品| 国产精品一区二区三区四区免费观看| 亚洲美女视频黄频| 中文乱码字字幕精品一区二区三区 | 国产极品天堂在线| 大香蕉97超碰在线| 欧美日韩一区二区视频在线观看视频在线 | 国产男人的电影天堂91| 久久久久久久亚洲中文字幕| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日日啪夜夜爽| 3wmmmm亚洲av在线观看| 韩国高清视频一区二区三区| 蜜臀久久99精品久久宅男| 亚洲最大成人手机在线| 欧美三级亚洲精品| 亚洲精品影视一区二区三区av| 人妻一区二区av| 免费不卡的大黄色大毛片视频在线观看 | 久久久亚洲精品成人影院| 2021少妇久久久久久久久久久| 色综合色国产| 嫩草影院新地址| 久久久精品免费免费高清| 国产成年人精品一区二区| 狠狠精品人妻久久久久久综合| 亚洲乱码一区二区免费版| 三级毛片av免费| 边亲边吃奶的免费视频| 久久午夜福利片| 亚洲在久久综合| 一级二级三级毛片免费看| 看黄色毛片网站| 麻豆国产97在线/欧美| av在线老鸭窝| 久久久久久久久久黄片| 高清在线视频一区二区三区| 七月丁香在线播放| 最近最新中文字幕大全电影3| 精品久久久久久电影网| 别揉我奶头 嗯啊视频| 在线观看一区二区三区| 亚洲精品乱码久久久v下载方式| 久久国产乱子免费精品| 欧美成人精品欧美一级黄| 只有这里有精品99| 欧美丝袜亚洲另类| 久久99精品国语久久久| 啦啦啦啦在线视频资源| 美女大奶头视频| 麻豆av噜噜一区二区三区| 亚洲精品亚洲一区二区| 国产乱来视频区| 午夜福利在线在线| 天堂俺去俺来也www色官网 | 亚洲精品成人av观看孕妇| 天天躁夜夜躁狠狠久久av| 国产精品久久久久久精品电影小说 | 国产免费又黄又爽又色| xxx大片免费视频| 99热这里只有是精品50| 久久久国产一区二区| 国产一区有黄有色的免费视频 | 亚洲图色成人| 七月丁香在线播放| 亚洲av成人精品一区久久| 日韩欧美三级三区| 中文字幕久久专区| 国产一区二区亚洲精品在线观看| 亚洲av中文字字幕乱码综合| 亚洲精品国产成人久久av| 80岁老熟妇乱子伦牲交| 亚洲av电影在线观看一区二区三区 | 色综合色国产| 欧美xxxx黑人xx丫x性爽| 三级男女做爰猛烈吃奶摸视频| 久久韩国三级中文字幕| 色网站视频免费| av国产久精品久网站免费入址| 在线a可以看的网站| 久久午夜福利片| 色网站视频免费| 性色avwww在线观看| 国产熟女欧美一区二区| 亚洲av免费高清在线观看| 国产精品一区二区性色av| 男人爽女人下面视频在线观看| 边亲边吃奶的免费视频| 一级黄片播放器| 亚洲成人精品中文字幕电影| 亚洲精品国产av蜜桃| 男女下面进入的视频免费午夜| 成人亚洲精品av一区二区| 日韩中字成人| 久久精品国产鲁丝片午夜精品| 美女国产视频在线观看| 精品久久久噜噜| 亚洲内射少妇av| 欧美潮喷喷水| 精品国产三级普通话版| 2021少妇久久久久久久久久久| 91久久精品国产一区二区成人| 女的被弄到高潮叫床怎么办| 亚洲国产高清在线一区二区三| 美女xxoo啪啪120秒动态图| av在线老鸭窝| 97人妻精品一区二区三区麻豆| 禁无遮挡网站| 国产成人一区二区在线| 国产一区亚洲一区在线观看| 极品教师在线视频| 男的添女的下面高潮视频| 一二三四中文在线观看免费高清| 青春草视频在线免费观看| 国产不卡一卡二| 午夜激情福利司机影院| 欧美三级亚洲精品| 综合色丁香网| 亚洲av中文字字幕乱码综合| xxx大片免费视频| 亚洲图色成人| 成人毛片a级毛片在线播放| 性色avwww在线观看| 国产高清不卡午夜福利| 成人性生交大片免费视频hd| 国产午夜精品久久久久久一区二区三区| 欧美日韩亚洲高清精品| 丰满人妻一区二区三区视频av| 国产免费又黄又爽又色| 乱人视频在线观看| 国产黄片美女视频| 国产老妇伦熟女老妇高清| 国产黄色免费在线视频| 晚上一个人看的免费电影| 久久久久久伊人网av| 免费少妇av软件| 国产精品爽爽va在线观看网站| 精品少妇黑人巨大在线播放| 精品久久久精品久久久| 国产爱豆传媒在线观看| 超碰97精品在线观看| 国产伦精品一区二区三区视频9| 真实男女啪啪啪动态图| 国产69精品久久久久777片| 国产乱人视频| 女的被弄到高潮叫床怎么办| 亚洲av免费在线观看| av专区在线播放| 视频中文字幕在线观看| 国产av码专区亚洲av| 人妻少妇偷人精品九色| 免费观看a级毛片全部| 亚洲一区高清亚洲精品| 亚洲国产av新网站| 秋霞伦理黄片| 日本爱情动作片www.在线观看| 成人亚洲欧美一区二区av| 国产老妇伦熟女老妇高清| 人人妻人人澡欧美一区二区| 久久精品国产鲁丝片午夜精品| 国产av不卡久久| 人妻一区二区av| 性插视频无遮挡在线免费观看| 亚洲av日韩在线播放| 国产亚洲一区二区精品| 日日撸夜夜添| 免费av观看视频| 一个人观看的视频www高清免费观看| 国产午夜福利久久久久久| 97精品久久久久久久久久精品| 黄片wwwwww| 成人美女网站在线观看视频| 青春草亚洲视频在线观看| 白带黄色成豆腐渣| 国产精品久久久久久精品电影小说 | 蜜桃久久精品国产亚洲av| 中文精品一卡2卡3卡4更新| 中文资源天堂在线| 亚洲高清免费不卡视频| 中文字幕av成人在线电影| 男人狂女人下面高潮的视频| 一级毛片 在线播放| 中文字幕av在线有码专区| 国精品久久久久久国模美| 夜夜看夜夜爽夜夜摸| 久久精品夜色国产| 搡女人真爽免费视频火全软件| 联通29元200g的流量卡| 啦啦啦中文免费视频观看日本| 美女脱内裤让男人舔精品视频| 97精品久久久久久久久久精品| 在线观看一区二区三区| 欧美潮喷喷水| 最近中文字幕高清免费大全6| 国产熟女欧美一区二区| 国产精品一二三区在线看| 亚洲av成人精品一二三区| 可以在线观看毛片的网站| 免费观看性生交大片5| 最近中文字幕2019免费版| 男人和女人高潮做爰伦理| 国产一区二区三区av在线| 免费黄频网站在线观看国产| 搡老乐熟女国产| 尾随美女入室| 国产综合精华液| 精品国产一区二区三区久久久樱花 | 亚洲在久久综合| 国产成人免费观看mmmm| 午夜视频国产福利| 丰满乱子伦码专区| av天堂中文字幕网| 久久精品国产亚洲网站| 国产乱人视频| 色尼玛亚洲综合影院| 亚洲欧洲日产国产| 夜夜爽夜夜爽视频| av在线播放精品| 1000部很黄的大片| 久久久久九九精品影院| 日韩av在线免费看完整版不卡| 亚洲精品国产av蜜桃| 全区人妻精品视频| 18禁裸乳无遮挡免费网站照片| 久久99精品国语久久久| 精品久久久久久成人av| 国产成人免费观看mmmm| 91狼人影院| 久久国内精品自在自线图片| 身体一侧抽搐| 如何舔出高潮| 亚洲精品,欧美精品| 天堂影院成人在线观看| 深爱激情五月婷婷| 国产午夜精品论理片| 午夜福利视频精品| 天天一区二区日本电影三级| 春色校园在线视频观看| 亚洲熟女精品中文字幕| 成人美女网站在线观看视频| 国国产精品蜜臀av免费| 亚洲经典国产精华液单| 日韩一区二区三区影片| 深夜a级毛片| 国产色婷婷99| 国精品久久久久久国模美| 久久久久久久久久久免费av| 97精品久久久久久久久久精品| www.色视频.com| 精品亚洲乱码少妇综合久久| 深爱激情五月婷婷| 身体一侧抽搐| 午夜福利成人在线免费观看| 日日撸夜夜添| 不卡视频在线观看欧美| 五月天丁香电影| 一区二区三区高清视频在线| 别揉我奶头 嗯啊视频| 欧美性猛交╳xxx乱大交人| 国产探花极品一区二区| 亚洲最大成人手机在线| 日韩伦理黄色片| 午夜免费男女啪啪视频观看| 听说在线观看完整版免费高清| 免费观看在线日韩| 女的被弄到高潮叫床怎么办| 99久久精品热视频| 国产成人一区二区在线| 91精品伊人久久大香线蕉| 日韩欧美一区视频在线观看 | 亚洲成人av在线免费| 久久久久九九精品影院| 亚洲国产日韩欧美精品在线观看| or卡值多少钱| 亚洲三级黄色毛片| 国产一区二区亚洲精品在线观看| 免费看不卡的av| 中文精品一卡2卡3卡4更新| 国产午夜精品一二区理论片| 高清日韩中文字幕在线| 午夜精品在线福利| 久久久久久久久久久免费av| 一级a做视频免费观看| 熟妇人妻久久中文字幕3abv| 丝袜美腿在线中文| 中文资源天堂在线| 午夜福利视频精品| 九九在线视频观看精品| 91久久精品国产一区二区成人| 国产熟女欧美一区二区| 日本欧美国产在线视频| 国产av码专区亚洲av| 欧美xxxx性猛交bbbb| 午夜福利在线在线| 欧美97在线视频| 欧美成人a在线观看| 国产免费福利视频在线观看| 国产精品久久久久久久久免| 国产一区二区亚洲精品在线观看| 你懂的网址亚洲精品在线观看| 精品一区二区三区视频在线|