• <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 ?

    模式識別的斜拉橋損傷診斷動力指紋與識別算法

    2016-12-07 06:49:17劉杰王海龍張志國吳立朋
    關(guān)鍵詞:感知器斜拉橋振型

    劉杰,王海龍,張志國,吳立朋

    (1.西南交通大學(xué) 土木工程學(xué)院, 成都 610031;2.石家莊鐵道大學(xué) 土木工程學(xué)院, 石家莊 050043;3.河北建筑工程學(xué)院 土木工程學(xué)院, 河北 張家口 075000)

    ?

    模式識別的斜拉橋損傷診斷動力指紋與識別算法

    劉杰1,2,王海龍1,3,張志國2,吳立朋2

    (1.西南交通大學(xué) 土木工程學(xué)院, 成都 610031;2.石家莊鐵道大學(xué) 土木工程學(xué)院, 石家莊 050043;3.河北建筑工程學(xué)院 土木工程學(xué)院, 河北 張家口 075000)

    為有效并準(zhǔn)確診斷出斜拉橋損傷,對基于模式識別的斜拉橋損傷診斷方法進行了研究。選取易于測試出的低階模態(tài)頻率和部分關(guān)鍵點豎向振型數(shù)據(jù)為動力指紋,無需模態(tài)擴展或模型縮聚。研究并采用全因子設(shè)計進行動力指紋庫的創(chuàng)建,可精確評估設(shè)定的損傷因子及其交互作用對損傷識別結(jié)果的影響。設(shè)計并增加了帶隨機誤差的動力指紋庫樣本集。編制了基于Matlab的模式識別的多種算法,重點研究了精確度高的多層感知器識別算法及其提高該算法預(yù)測準(zhǔn)確率的裝袋集成算法。最后給出一座單塔雙跨雙索面斜拉橋的多種識別算法的損傷診斷過程和結(jié)果,得到一種可包容測試隨機誤差的高精確度斜拉橋損傷診斷評估模型。

    斜拉橋;損傷診斷;模式識別;動力指紋;識別算法

    斜拉橋損傷診斷是斜拉橋健康監(jiān)測系統(tǒng)的重要組成部分和核心,其方法對健康監(jiān)測系統(tǒng)有效性起決定性作用。按是否有反演可分為基于模型修正的損傷診斷方法和基于模式識別的損傷診斷方法兩大類[1]?;谀J阶R別的損傷診斷方法屬無反演的正演方法,可避免病態(tài)的優(yōu)化求解,在預(yù)設(shè)的模式庫中通過識別算法識別與實測損傷指標(biāo)最接近的模式確定結(jié)構(gòu)的損傷情況。模式識別采用的損傷指標(biāo)(也稱指紋)有靜力和動力之分,基于動力損傷指標(biāo)(稱為動力指紋)的損傷診斷不影響橋梁結(jié)構(gòu)的正常運營,可通過環(huán)境激勵工作狀態(tài)模態(tài)識別[2]進行實時監(jiān)測,具有遠(yuǎn)程在線的優(yōu)點。

    通過綜述類文獻[1, 3-6],將目前所有的動力指紋歸納為4類,分別為直接模態(tài)參數(shù)類(如頻率、振型)、模態(tài)參數(shù)的函數(shù)類(如頻率平方、模態(tài)應(yīng)變能、模態(tài)保證準(zhǔn)則、坐標(biāo)模態(tài)保證準(zhǔn)則、模態(tài)柔度、殘余力向量等)、曲率類(如模態(tài)曲率、柔度曲率等)和振動信號非模態(tài)處理類(如傅里葉變換、短時傅里葉變換、Wigner-Ville分布、小波/包分析、希黃變換(HHT)、盲源分離等)。第2類和第3類某些動力指紋雖然具有很強的損傷指示能力,但其依賴于模態(tài)參數(shù)的識別精度,且構(gòu)造指標(biāo)時需要較多的自由度需進行模態(tài)擴展或模型縮聚。模態(tài)擴展在擴展的振型中引入了額外誤差;而模型縮聚時在有限元模型中引入了誤差,破壞了原始結(jié)構(gòu)的連續(xù)性。這兩種方法均直接影響了結(jié)構(gòu)損傷診斷的精確評估[7],且單純的振型擴展或模型縮聚技術(shù)對監(jiān)測未測量區(qū)域處的損傷是無能為力的[6]。因此,尋求不需要振型擴展和模型縮聚,能夠直接使用低階不完整部分振型和低階頻率作為動力指紋進行有效損傷診斷很有意義。

    “沒有免費的午餐(NFL)定理”指出,不存在與應(yīng)用無關(guān)的任何理由認(rèn)定某種學(xué)習(xí)或分類算法比另外一種更好,每類算法僅適合特定的模式分類任務(wù)[8]。本文對模式識別的多種算法進行了Matlab編程實現(xiàn),通過斜拉橋早期損傷診斷進行實驗,考察算法的準(zhǔn)確度及適用性。為進一步提高算法的準(zhǔn)確率,對識別準(zhǔn)確率高的多層感知器算法進行了裝袋集成算法的研究,該裝袋集成算法進一步提高了多層感知器算法識別準(zhǔn)確度。

    1 動力指紋選取及動力指紋庫設(shè)計

    一個理想的損傷動力指紋應(yīng)該在低階模態(tài)條件下對結(jié)構(gòu)關(guān)鍵部件的局部損傷較為敏感,且在結(jié)構(gòu)模態(tài)測試中易于獲取。由于現(xiàn)場條件和測試儀器的限制,一般只能得到低階不完整的模態(tài)參數(shù)[9]。根據(jù)本文的前期工作,在此不妨選擇前5階頻率和測點歸一化振型值作為動力指紋,不需要進行模型縮聚或模態(tài)擴展。

    要想獲取動力指紋需要根據(jù)設(shè)定的損傷因子進行仿真試驗設(shè)計[10]。試驗設(shè)計(DOE,Design of Experiments)是數(shù)理統(tǒng)計學(xué)的分支,是工程和科研中有著廣泛應(yīng)用的統(tǒng)計方法之一。全因子設(shè)計法(FFD,F(xiàn)ull Factorial Design)允許任意數(shù)目的因子和水平,可對所有因子的全部組合在所有水平上進行評估。FFD為精確評估因子和交互作用的影響提供了大量的信息,正好可精確評估設(shè)定的損傷因子及其交互作用對損傷診斷結(jié)果的影響。FFD需要進行的仿真試驗次數(shù)較大,但這些工作是在斜拉橋損傷診斷評估模型建成之前進行的,并不會影響實際應(yīng)用,試驗設(shè)計方法的取舍不應(yīng)僅以計算代價大小作為判別的標(biāo)準(zhǔn)。全因子設(shè)計法試驗分析次數(shù)為

    (1)

    式中:ni表示第i個因子的水平數(shù);m表示因子的個數(shù)。

    比如按本文斜拉橋算例中采用5個部位的彈性模量變化率作為損傷因子,損傷程度取0、0.01、0.02 三個水平,則對應(yīng)的仿真試驗次數(shù)為243次。

    根據(jù)選擇的動力指紋創(chuàng)建樣本庫,需要對設(shè)定的單個或多個部位(可以是非測點)損傷情況根據(jù)測點的動力指紋進行精確識別,應(yīng)首先建立各部位因子及其交互作用與測點動力指紋之間的精確關(guān)系。本文研究并采用全因子設(shè)計進行動力指紋庫的創(chuàng)建。另外,考慮到基于環(huán)境激勵的模態(tài)參數(shù)識別由于噪聲、測試儀器設(shè)備、識別算法、人為等因素影響,測試并識別的模態(tài)參數(shù)難免存在不同程度的隨機誤差,且該誤差一般滿足正態(tài)分布,本文算例中成橋時計算與實測振型值也證明了這點。因此,本文設(shè)計并增加了帶隨機誤差的動力指紋庫樣本集將包容測試的隨機誤差。同時,還與不加隨機誤差的樣本庫比較,文中算例證明本文所構(gòu)建的樣本庫可極大提高各種算法的識別準(zhǔn)確率。

    設(shè)計并增加帶隨機誤差的動力指紋庫樣本集,噪聲水平為0.01~0.1,共10個噪聲水平,增加2 430條樣本集。特別說明的是,樣本集數(shù)量的增加只會增加模式識別建模的時間,利用訓(xùn)練好的算法模型去測試在線識別的動力指紋時間很短,通過計算測試發(fā)現(xiàn)在個人電腦上一般僅需0.01 s,樣本集數(shù)量多少并不影響在線損傷診斷的效率。實現(xiàn)過程如下:

    設(shè)仿真試驗提取的動力指紋向量為x,包含前5階頻率和前5階11個測點的歸一化振型值,共計60個指紋。采用Matlab正態(tài)分布隨機矩陣函數(shù)randn(m,n),該函數(shù)任意一次生成不同的滿足標(biāo)準(zhǔn)正態(tài)分布的m×n階矩陣。

    增加的10個噪聲水平的動力指紋向量用y表示,對應(yīng)的Matlab代碼為:

    X=xlsread('e:動力指紋庫.xls','動力指紋庫','A2:BH244');

    lei=xlsread('e:動力指紋庫.xls','動力指紋庫','BI2:BI244');

    for j=1:1:10

    noise=j;

    for i=1:1:243

    wucha(i,1:60)= noise/100*X(j,1:60).*randn(1,60);

    end

    Y=X+wucha;

    xlswrite('E:增加隨機誤差.xls,Y,['A',num2str(2+j*243),':','BH',num2str(244+j*243)]);

    xlswrite('E:增加隨機誤差.xls',lei,['BI',num2str(2+j*243),':','BI',num2str(244+j*243)]);

    end

    2 多層感知器算法及其裝袋算法實現(xiàn)

    基于文獻[11]以及PUDN網(wǎng)(具體網(wǎng)址:www.pudn.com)編制并調(diào)試了書中的十幾種算法,反復(fù)計算測試發(fā)現(xiàn)其中7種算法具有較高的識別精度,按識別準(zhǔn)確率由高到低的順序分別為多層感知器算法、隨機森林算法、k-最近鄰算法、LMT決策樹算法、羅杰斯特回歸算法和RIPPER算法,對比情況將在斜拉橋算例中介紹。

    多層感知器算法由于可處理非線性關(guān)系分類問題,在非線性模式識別的很多領(lǐng)域都得到推廣應(yīng)用。首先,確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),如圖1所示,由一個輸入層、一個隱含層和一個輸出層組成[12-13]。然后,利用BP算法進行訓(xùn)練,不需要對數(shù)學(xué)模型有過多了解,該算法從一定程度上推動了模式識別概念的普及和技術(shù)應(yīng)用。

    圖1 多層感知器網(wǎng)絡(luò)

    隱含層第i個節(jié)點輸入和輸出分別為

    (2a)

    (2b)

    式中:wij表示隱含層第i個節(jié)點到輸入層第j個節(jié)點之間的權(quán)值(Weight);xj表示輸入層第j個節(jié)點的輸入,j=1,…,M;θi表示隱含層第i個節(jié)點的閾值(Threshold);φ(x)表示隱含層的激勵函數(shù)。

    輸出層第k個節(jié)點的輸入和輸出分別為

    (3a)

    (3b)

    式中:wki表示輸出層第個節(jié)點到隱含層第i個節(jié)點之間的權(quán)值(Weight),i=1,…,q;ψ(x)表示輸出層的激勵函數(shù);αk表示輸出層第k個節(jié)點的閾值(Threshold),k=1,…,L;ok表示輸出層第k個節(jié)點的輸出。

    然后根據(jù)誤差梯度下降法依次修正并調(diào)節(jié)輸出層的權(quán)值wki和閾值αk以及隱含層的權(quán)值wij和閾值θi,使修改后的網(wǎng)絡(luò)的最終輸出能接近期望值。其相應(yīng)修正量計算公式為

    (4a)

    (4b)

    wki·φ′(neti)·xj

    (4c)

    wki·φ′(neti)

    (4d)

    式中:η表示學(xué)習(xí)速率;T表示輸出目標(biāo);P表示訓(xùn)練樣本數(shù)目;p表示第p個訓(xùn)練樣本;L表示輸出層節(jié)點數(shù)目;其他參數(shù)含義同前。

    該算法會因為訓(xùn)練樣本的可變性等因素出現(xiàn)分類誤差,有時分類準(zhǔn)確率并不穩(wěn)定。提高分類準(zhǔn)確率可通過裝袋方法。裝袋技術(shù)[14-21]能通過學(xué)習(xí)和組合一系列分類法來提高分類的整體準(zhǔn)確率。為進一步提高算法的識別準(zhǔn)確率以便將來實際推廣應(yīng)用,對多層感知器算法按不同方法集成對比,發(fā)現(xiàn)裝袋集成能提高其識別準(zhǔn)確率,故主要介紹對多層感知器算法的裝袋集成方法。

    對多層感知器進行裝袋的算法是根據(jù)均勻概率分布從樣本庫中有放回重復(fù)抽樣得到多個樣本集,然后使用多層感知器算法為每個樣本集構(gòu)件一個分類器,訓(xùn)練多個分類器后,分類器對單個預(yù)測值進行多數(shù)表決,得票最高的類別指派給測試樣本,這種方法通過降低多層感知器算法訓(xùn)練數(shù)據(jù)的隨機波動方差進而改善了泛化誤差?;诙鄬痈兄魉惴ǖ难b袋的過程如下:

    1)設(shè)抽樣次數(shù)為k,根據(jù)均勻概率分布從樣本庫中循環(huán)抽取k個自助樣本集Di;

    2)在Di上訓(xùn)練多層感知器Ci;

    3)訓(xùn)練好的多個Ci對單個預(yù)測值進行多數(shù)表決,用得票最高的預(yù)測值作為測試樣本的結(jié)果。

    Matlab部分代碼如下:

    for i=1:1:k

    incremental=ceil(rand*100);

    for randpos=1:incremental

    [result,samples]=bootstrp(1,'copy',numbers);

    end

    ……

    net= newp(PR,S,TF,LF);

    [net,tr]=train(net,PBags,testBags);

    end

    3 斜拉橋算例分析

    主橋為單塔雙索面預(yù)應(yīng)力混凝土斜拉橋,結(jié)構(gòu)布置如圖2所示。斜拉索采用扇形布置,梁上索距6 m,橋跨為 (130+130) m,兩跨對稱布置18對斜拉索;主梁采用預(yù)應(yīng)力混凝土倒梯型的單箱四室截面,主梁中間設(shè)三道直腹板,兩側(cè)設(shè)斜腹板,端部為風(fēng)嘴形狀;主梁頂面全寬37.5 m,直線上標(biāo)準(zhǔn)段頂面設(shè)雙向2%橫坡;標(biāo)準(zhǔn)斷面梁高3 m,塔梁固結(jié)區(qū)加高到3.5 m;主梁標(biāo)準(zhǔn)斷面底板寬21.9 m,底板厚28 cm,頂板厚28 cm,斜邊腹板厚28 cm,中間直腹板厚40 cm;箱梁外側(cè)懸臂寬1.55 m,厚100 cm;順橋向根據(jù)拉索間距設(shè)置橫梁,橫梁腹板厚40 cm[22]。

    采用Ansys進行建模,主梁和橋塔采用BEAM188單元,采用CAD定義截面的方式定義截面創(chuàng)建,斜拉索采用link10單元,主梁和橋塔橫梁預(yù)應(yīng)力采用等效荷載法施加,采用影響矩陣法和優(yōu)化方法[22]建立基準(zhǔn)有限元模型,如圖3所示。主梁振動測點布置如圖4所示。動力分析時,為與振型實測情況吻合,采用主梁測點最大元素歸一化方法提取豎向位移振型,提取前5階模態(tài),基準(zhǔn)有限元模型與采用環(huán)境激勵測得的成橋頻率及測點歸一化豎向振型對比分別如表1和表2所示。

    圖2 斜拉橋結(jié)構(gòu)布置圖(單位:cm)

    圖3 斜拉橋結(jié)構(gòu)模型

    圖4 環(huán)境激勵工作狀態(tài)振動測點布置圖(單位:m)

    表1 基準(zhǔn)有限元模型與實測頻率對比

    由表1可知,基準(zhǔn)有限元模型與實測頻率較為吻合,最大誤差僅為1.4%。

    表2 基準(zhǔn)有限元模型與實測測點歸一化豎向振型值對比

    續(xù)表2

    由表2可知,基準(zhǔn)有限元模型與實測測點歸一化豎向振型值比較吻合,最大誤差僅為-1.71%,表明本文創(chuàng)建的基準(zhǔn)有限元模型是可行的,基于基準(zhǔn)有限元模型的后續(xù)動力分析及損傷診斷是有效的,誤差分布規(guī)律如圖5所示。

    圖5 計算與實測歸一化振型值誤差分布規(guī)律

    由圖5可見,有限元計算的振型值與實測振型值誤差滿足正態(tài)分布規(guī)律。說明測試并識別的模態(tài)參數(shù)存在滿足正態(tài)分布的隨機誤差,本文設(shè)計并增加了帶隨機誤差的動力指紋庫樣本集正是為包容模態(tài)參數(shù)識別的隨機誤差。

    本文選擇前5階頻率和11個測點的前五階歸一化振型值作為動力指紋。選擇塔梁聯(lián)接部位梁段、跨中和1/4跨梁段等易損部位的單元彈性模量等五個損傷因子,用以識別其他方法較難識別的早期損傷,損傷因子水平如表3所示。需要說明,損傷時采用降低單元彈性模量的方法簡單并易于實現(xiàn),若采用其他方法(比如降低截面幾何特性等)設(shè)定損傷,進行損傷識別的方法和過程與本文所述方法相同。因此,損傷設(shè)定方法的選取并不影響損傷識別方法在實際工程中的使用。

    表3 損傷因子及因子水平

    采用全因子設(shè)計進行動力指紋庫的計算,設(shè)計矩陣如表4所示,共有243次仿真試驗,限于篇幅,只提供前20次和最后10次仿真試驗設(shè)計矩陣數(shù)據(jù)。

    表4 全因子設(shè)計試驗設(shè)計矩陣部分?jǐn)?shù)據(jù)

    根據(jù)如表4所示的設(shè)計矩陣進行Ansys仿真試驗,提取每次試驗的動力指紋,形成動力指紋庫,共有243條樣本集。

    建好樣本庫后,利用Matlab編制好的算法進行訓(xùn)練,訓(xùn)練好后對測試樣本集進行識別。

    測試樣本任意設(shè)定而不是從樣本庫中提取的10種損傷工況,如表5所示,包括無損傷及單和多部位的不同程度的早期低損傷。并對這10種工況各自單獨增加有隨機誤差的訓(xùn)練樣本集,按噪聲水平0.01~0.1,10種包含各自單獨隨機誤差的訓(xùn)練樣本集,共計11個訓(xùn)練樣本集。

    表5 10種損傷工況對應(yīng)的損傷類別及因子值

    6種識別算法在無隨機誤差的樣本庫與有隨機誤差的樣本庫訓(xùn)練好后,對表5所示10種損傷及不同噪聲水平下的帶單獨隨機誤差的訓(xùn)練樣本集進行識別,識別準(zhǔn)確率結(jié)果如圖6和圖7所示。

    圖6 用無隨機誤差樣本庫時各算法識別準(zhǔn)確率

    圖7 用有隨機誤差樣本庫時各算法識別準(zhǔn)確率

    由圖6和圖7比較可知,用帶隨機誤差的樣本庫進行識別準(zhǔn)確率明顯高于不帶隨機誤差的樣本庫的識別準(zhǔn)確率。

    由圖6可知,利用不帶隨機誤差的樣本庫,k-最近鄰法識別準(zhǔn)確率最高,但波動較大,其識別效果不足以滿足實際健康監(jiān)測要求。

    利用帶隨機誤差的樣本庫,6種識別算法的識別準(zhǔn)確率均極大提高,其中,多層感知器算法無論是無噪聲、有噪聲還是單或多部位有無損傷、各種早期損傷都可以精確識別。僅在噪聲水平為2%及5%時,準(zhǔn)確率沒有隨機森林算法高,但隨機森林算法在2%、3%、4%噪聲水平時準(zhǔn)確率相比多層感知器算法低。綜合比較,多層感知器算法的識別準(zhǔn)確率最高,但仍有待提高識別精度。因此,為提高多層感知器的識別準(zhǔn)確率,對多層感知器算法進行了裝袋處理,其識別準(zhǔn)確率如圖8所示。

    圖8 多層感知器裝袋算法前后識別準(zhǔn)確率

    由圖8可知,裝袋處理后的識別精度,在噪聲水平2%時達到100%,噪聲水平5%以上時也提高了,最大提高30%。同時,由圖8可見,即使在環(huán)境激勵下模態(tài)參數(shù)識別誤差達到10%時,識別準(zhǔn)確率高達70%,適應(yīng)性極強。

    4 結(jié) 論

    1)提出用全因子設(shè)計方法進行動力指紋庫的創(chuàng)建。對于基于模式識別的結(jié)構(gòu)的損傷識別,試驗設(shè)計方法的取舍不應(yīng)僅以計算代價大小作為判別的標(biāo)準(zhǔn)。

    2)提出并設(shè)計實現(xiàn)了動力指紋庫樣本集中增加帶不同噪聲水平的隨機誤差的樣本集。

    3)通過對多層感知器算法進行裝袋集成,得到了一種可包容測試隨機誤差的高精確度斜拉橋損傷診斷評估模型,該模型對于早期低損傷(1,2%)的識別精度,無論是測量點附近還是較遠(yuǎn)處,無論是對稱損傷還是非對稱損傷均能較精確識別。

    [1] 吳向男, 徐岳, 梁鵬, 等. 橋梁結(jié)構(gòu)損傷識別研究現(xiàn)狀與展望[J]. 長安大學(xué)學(xué)報(自然科學(xué)版), 2013,33(6):49-58.

    WU X N, XU Y, LIANG P, et al. Research status and prospect of bridge structure damage identification[J]. Journal of Chang'an University(Natural Science Edition), 2013,33(6):49-58.(in Chinese)

    [2] 劉宇飛, 辛克貴, 樊健生, 等. 環(huán)境激勵下結(jié)構(gòu)模態(tài)參數(shù)識別方法綜述[J]. 工程力學(xué), 2014,31(4):46-53.

    LIU Y F, XIN K G, FAN J S, et al. An overview of modal identification from ambient responses[J]. Electronic Test, 2014,31(4):46-53.(in Chinese)

    [3] 高維成, 劉偉, 鄒經(jīng)湘. 基于結(jié)構(gòu)振動參數(shù)變化的損傷探測方法綜述[J]. 振動與沖擊, 2004,23(4):3-9.

    GAO W C, LIU W, ZOU J X. Dynamic modeling and analisis of natural vibration of the three_dimensions shaking table for vibration strengthening and polishing technology [J]. Journal of Vibration and Shock, 2004,23(4):3-9.(in Chinese)

    [4] 黃方林, 王學(xué)敏, 陳政清, 等. 大型橋梁健康監(jiān)測研究進展[J]. 中國鐵道科學(xué), 2005,26(2):4-10.

    HUANG F L, WANG X M, CHEN Z Q, et al. Research progress made on the health monitoring for large-type bridges[J]. China Railway Science, 2005,26(2):4-10.(in Chinese)

    [5] 王志堅, 韓西, 鐘厲, 等. 基于結(jié)構(gòu)動力參數(shù)的土木工程結(jié)構(gòu)損傷識別方法[J]. 重慶建筑大學(xué)學(xué)報, 2003,25(4):128-132.

    WANG Z J, HAN X, ZHONG L, et al. Review of damage identification of civil engineering structures based on dynamic parameters[J]. Journal of Chongqing Jianzhu University, 2003,25(4):128-132.(in Chinese)

    [6] 楊秋偉. 基于振動的結(jié)構(gòu)損傷識別方法研究進展[J]. 振動與沖擊, 2007,26(10):86-91.

    YANG Q W. A review of vibration-based structural damage identificationmethods [J]. Journal of Vibration and Shock, 2007,26(10):86-91.(in Chinese)

    [7] 袁旭東, 高潮, 高少霞. 量測模態(tài)數(shù)量對結(jié)構(gòu)損傷識別影響數(shù)值模擬研究[J]. 工程力學(xué), 2007,24(Sup1):75-78.

    YUAN X D, GAO C, GAO S X. A numerical simulation for inflence of measurement mode quantity on structural damage idenfification[J]. Engineering Mechanics, 2007,24(Sup1):75-78.(in Chinese)

    [8] 孫志軍, 薛磊, 許陽明. 基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J]. 電子與信息學(xué)報, 2013,35(4):805-811.

    SUN Z J, XUE L, XU Y M. Marginal fisher feature extraction algorithm based on deep learning[J]. Journal of Electronics & Information Technology, 2013,35(4):805-811.(in Chinese)

    [9] 馮新, 李國強, 范穎芳. 幾種常用損傷動力指紋的適用性研究[J]. 振動、測試與診斷, 2004,24(4):23-26.

    FENG X, LI G Q, FAN Y F. Application of phase power spectrum based on complex wavelet transform to fault diagnosis of gears[J]. Journal of Vibration,Measurement & Diagnosis, 2004,24(4):23-26.(in Chinese)

    [10] 朱勁松, 肖汝誠. 大跨度PC斜拉橋結(jié)構(gòu)快速分析神經(jīng)網(wǎng)絡(luò)模型[J]. 中國鐵道科學(xué), 2007,28(1):33-39.

    ZHU J S, XIAO R C. Neural network model to structural simulation of large-span pc cable-stayed bridges[J]. China Railway Science, 2007,28(1):33-39.(in Chinese)

    [11] 張學(xué)工. 模式識別([M]. 北京: 清華大學(xué)出版社, 2010: 13-144.

    [12] DONG X M,WANG Z H.Damage severity assessment using modified BP neural network[C]//Materials Science and Engineering,2010International Conference on Materials Science and Engineering Science.Shenzhen,China:Trans Tech Publications,2011:1016-1020.(in Chinese)

    [13] DIAO Y S,YU F,MENG D M.Structural damage localization based on AR model and BP neural network[C]//Advances in Structural Engineering,2011International Conference on Civil Engineering andTransportation.Jinan,China:Trans Tech Publications,2011:1211-1215.

    [14] 饒文碧, 談懷江, Bostrom Henrik. 基于歸納學(xué)習(xí)的結(jié)構(gòu)損傷識別方法研究[J]. 西安交通大學(xué)學(xué)報, 2005,39(2):142-145.

    RAO W B, TAN H J. Detection of structural damage by inductive learning methods[J]. Journal of Xi'an Jiaotong University, 2005,39(2):142-145.(in Chinese)

    [15] ADHVARYU P,PANCHAL M.A review on diverse ensemble methods for classification[J].Journal of Computer Engineering, 2012,1(4):27-32.

    [16] MORDELET F, VERT J P. A bagging SVM to learn from positive and unlabeled examples[J]. Pattern Recognition Letters, 2014, 37: 201-209.

    [17] ADLER W,BRENNING A.Ensemble classification of paired data[J].Computational Statistics and Data Analysis,2011,55:1933-1941.

    [18] BI K,WANG X D,YAO X,et al.Adaptively selective ensemble algorithm based on bagging and confusion matrix[J].Acta Electronica Sinica,2014,42(4):711-716.

    [19] KER A,BAS P,BOHME R,et al.Moving steganography and steganalysis from the laboratory into the real world[C]∥ Proc.of ACM Workshop on Information Hiding and Multimedia Security,2013:45-58.

    [20] TIAN J,LI M Q,CHEN F Z,et al.Coevolutionary learning of neural network ensemble for complex classification tasks[J].Pattern Recognition,2012,45(4):1373-1385.

    [21] ]DENEMARK T,FRIDRICH J,HOLUB V.Further study on the security of S-UNIWARD[C]∥Prec.of SPIE, 2014,9028:45-55.

    [22] 王海龍, 劉杰, 王新敏, 等. 建立斜拉橋基準(zhǔn)有限元模型的新方法與實現(xiàn)[J]. 振動、測試與診斷, 2014,34(3):458-462.

    WANG H L, LIU J, WANG X M, ZHANG Z G. et al. A new method and it’s implementation of building baseline FE model of cable-stayed bridge[J]. Journal of Vibration, Measurement & Diagnosis, 2014,34(3):458-462.(in Chinese)

    (編輯 胡玲)

    Dynamic fingerprint and identification algorithm for damage diagnosis of cable stayed bridge based on pattern recognition

    Liu Jie1,2,Wang Hailong1,3,Zhang Zhiguo2,Wu Lipeng2

    (1.School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, P.R. China; 2.School of Civil Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, P.R. China; 3.School of Civil Engineering, Hebei University of Architecture, Zhangjiakou Hebei, 075000,P.R. China)

    In order to effectively and accurately diagnosis the damage of cable stayed bridge, the damage diagnosis method of cable stayed bridge based on pattern recognition was studied. The low order modal frequency and vertical vibrational mode of some key points were selected for dynamic fingerprints of no modal expansion or model condensation. The full factorial design was used to create the dynamic fingerprint database, which could accurately evaluate the damage factors and their interaction effects on the damage identification results. And the dynamic fingerprint database with random error was designed and added. The pattern recognition algorithms based on MATLAB were compiled. The high accuracy of the multilayer perceptron recognition algorithm and the algorithm to improve the prediction accuracy of the bagging ensemble algorithm were mainly studied. In the end, the damage diagnosis process and results of a single tower double span double cable planes cable stayed bridge were presented, and a high precision evaluation model covering random errors for damage diagnosis of cable stayed bridges was obtained.

    cable-stayed bridge; damage diagnosis; pattern recognition; dynamic fingerprint; identification algorithm

    2016-03-15

    國家自然科學(xué)基金(51408379);河北省自然科學(xué)基金(E2013210104、E2013210125、E2016210087);河北省重點學(xué)科建設(shè)(橋梁與隧道工程).

    劉杰(1977-),男,主要從事橋梁檢測研究,(E-mail)liudingwen@stdu.edu.cn.

    Foundation item:National Natural Science Foundation of China (No. 51408379); Natural Science Foundation of Hebei Province (No. E2013210104, E2013210104, E2016210087); Construction of Key Disciplines in Hebei Province (Bridge and Tunnel Engineering).

    U448.27

    A

    1674-4764(2016)04-0115-09

    10.11835/j.issn.1674-4764.2016.04.017

    Received:2016-03-15

    Author brief:Liu Jie (1977-), main research interest: bridge detection, (E-mail) liudingwen@stdu.edu.cn.

    猜你喜歡
    感知器斜拉橋振型
    關(guān)于模態(tài)綜合法的注記
    縱向激勵下大跨鋼桁拱橋高階振型效應(yīng)分析
    斜拉橋風(fēng)致振動控制及其未來發(fā)展趨勢
    火箭貯箱噴涂機器人直接示教運動感知器設(shè)計與分析
    矮塔斜拉橋彈塑性地震響應(yīng)分析
    (112+216+112)m部分斜拉橋設(shè)計
    塔腿加過渡段輸電塔動力特性分析
    感知器在礦井突水水源識別中的應(yīng)用
    AI超市
    尿濕感知器
    久久香蕉精品热| 久久精品夜夜夜夜夜久久蜜豆| 免费观看精品视频网站| 成人亚洲精品av一区二区| 真人一进一出gif抽搐免费| 狂野欧美白嫩少妇大欣赏| 成人鲁丝片一二三区免费| 亚洲五月婷婷丁香| 国产精品美女特级片免费视频播放器| 日本 欧美在线| 麻豆成人午夜福利视频| 欧美在线一区亚洲| 最近在线观看免费完整版| 亚洲av免费高清在线观看| 亚洲最大成人手机在线| 女人十人毛片免费观看3o分钟| 别揉我奶头~嗯~啊~动态视频| 亚洲欧美激情综合另类| 51国产日韩欧美| 在线看三级毛片| 女生性感内裤真人,穿戴方法视频| 亚洲精品成人久久久久久| 欧美区成人在线视频| 欧美日韩综合久久久久久 | 免费高清视频大片| 麻豆国产97在线/欧美| 色综合亚洲欧美另类图片| 精品久久久久久久久亚洲 | 亚洲av中文字字幕乱码综合| 国产av一区在线观看免费| 日本黄色片子视频| 一个人免费在线观看电影| 亚洲av美国av| 国产精品一区二区性色av| 9191精品国产免费久久| 中文字幕高清在线视频| 欧美成人免费av一区二区三区| 亚洲欧美清纯卡通| 美女大奶头视频| 小说图片视频综合网站| 99精品在免费线老司机午夜| 久久久久九九精品影院| 黄片小视频在线播放| 欧美日本亚洲视频在线播放| 久久精品国产亚洲av涩爱 | 亚洲色图av天堂| 国产成+人综合+亚洲专区| 久久精品国产亚洲av涩爱 | 国产亚洲精品综合一区在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产美女午夜福利| 亚洲av免费在线观看| 99视频精品全部免费 在线| 可以在线观看毛片的网站| x7x7x7水蜜桃| 色精品久久人妻99蜜桃| 久久午夜亚洲精品久久| 精品乱码久久久久久99久播| 白带黄色成豆腐渣| 黄色丝袜av网址大全| 国产成人欧美在线观看| 久久久久久久久久黄片| 国产av在哪里看| 精品国产亚洲在线| 欧美日本视频| 国产伦精品一区二区三区四那| 最新在线观看一区二区三区| 亚洲精品久久国产高清桃花| 桃红色精品国产亚洲av| 日韩 亚洲 欧美在线| 99在线视频只有这里精品首页| 超碰av人人做人人爽久久| 欧美黑人欧美精品刺激| 香蕉av资源在线| 国产高清视频在线观看网站| 欧美性感艳星| 亚洲精品影视一区二区三区av| 性色avwww在线观看| 老司机午夜十八禁免费视频| 亚洲久久久久久中文字幕| 亚洲三级黄色毛片| 搡老熟女国产l中国老女人| 亚洲经典国产精华液单 | 五月玫瑰六月丁香| 国产午夜福利久久久久久| 美女被艹到高潮喷水动态| 九色国产91popny在线| 成人一区二区视频在线观看| 亚洲国产日韩欧美精品在线观看| 中文字幕高清在线视频| 两性午夜刺激爽爽歪歪视频在线观看| 搞女人的毛片| 波多野结衣高清无吗| 亚洲人成网站在线播放欧美日韩| 婷婷精品国产亚洲av| av中文乱码字幕在线| 哪里可以看免费的av片| 亚洲国产精品成人综合色| 99热6这里只有精品| 看片在线看免费视频| 国产精品一区二区三区四区免费观看 | av天堂在线播放| 国产野战对白在线观看| 久久这里只有精品中国| 天堂√8在线中文| 我要搜黄色片| 国产高清有码在线观看视频| 性色av乱码一区二区三区2| 亚洲18禁久久av| 五月玫瑰六月丁香| 亚洲熟妇熟女久久| 国产一区二区在线av高清观看| 久久久久久国产a免费观看| 99国产精品一区二区蜜桃av| 性色av乱码一区二区三区2| 久久6这里有精品| 亚洲七黄色美女视频| 丝袜美腿在线中文| 俄罗斯特黄特色一大片| 听说在线观看完整版免费高清| 久久6这里有精品| 99国产精品一区二区蜜桃av| 亚洲美女黄片视频| 国产亚洲精品av在线| 国产成人a区在线观看| 一进一出抽搐动态| 精品无人区乱码1区二区| 久久久久久久午夜电影| 日本免费一区二区三区高清不卡| 国产免费一级a男人的天堂| 婷婷亚洲欧美| 婷婷精品国产亚洲av| 成人特级黄色片久久久久久久| 国产精品亚洲一级av第二区| 日本黄色视频三级网站网址| 一区二区三区高清视频在线| 欧美区成人在线视频| 日本黄色视频三级网站网址| 999久久久精品免费观看国产| 国产亚洲精品av在线| 夜夜躁狠狠躁天天躁| 最近最新中文字幕大全电影3| 亚洲在线自拍视频| 色综合欧美亚洲国产小说| 国产麻豆成人av免费视频| 岛国在线免费视频观看| 最近最新免费中文字幕在线| or卡值多少钱| 99在线人妻在线中文字幕| 国产高清视频在线观看网站| 精品午夜福利在线看| 99国产综合亚洲精品| 床上黄色一级片| 久久婷婷人人爽人人干人人爱| 久久久久久久久久黄片| 亚洲av成人av| 欧美一区二区国产精品久久精品| 亚洲国产欧洲综合997久久,| 亚洲av电影在线进入| 亚洲国产欧美人成| av在线天堂中文字幕| 中国美女看黄片| 免费在线观看亚洲国产| 夜夜夜夜夜久久久久| aaaaa片日本免费| 高潮久久久久久久久久久不卡| h日本视频在线播放| 日韩成人在线观看一区二区三区| 午夜福利免费观看在线| 亚洲欧美日韩高清专用| 国产精品一区二区免费欧美| 女同久久另类99精品国产91| 精品久久久久久久久亚洲 | 精品一区二区三区视频在线观看免费| 亚洲国产精品999在线| 淫秽高清视频在线观看| 真人一进一出gif抽搐免费| 国产综合懂色| 国产黄片美女视频| 3wmmmm亚洲av在线观看| 免费看美女性在线毛片视频| 免费在线观看亚洲国产| 国产av麻豆久久久久久久| 免费在线观看影片大全网站| 欧美黑人欧美精品刺激| 国产成人影院久久av| 直男gayav资源| 国内精品一区二区在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲精品色激情综合| 香蕉av资源在线| 亚洲av.av天堂| 久久精品夜夜夜夜夜久久蜜豆| 国产乱人视频| 国产精品久久久久久亚洲av鲁大| 国产伦精品一区二区三区视频9| 国产精品久久久久久精品电影| 草草在线视频免费看| 国产精品久久久久久精品电影| 精品乱码久久久久久99久播| 乱人视频在线观看| 听说在线观看完整版免费高清| 亚洲精品久久国产高清桃花| 精品99又大又爽又粗少妇毛片 | 国产精品一区二区免费欧美| 婷婷亚洲欧美| 国产真实伦视频高清在线观看 | 国产一区二区激情短视频| 国产精品久久久久久人妻精品电影| 一级黄片播放器| 精品一区二区三区av网在线观看| 国产伦在线观看视频一区| 亚洲av成人不卡在线观看播放网| 亚洲内射少妇av| 日日干狠狠操夜夜爽| 午夜福利视频1000在线观看| 日韩欧美国产在线观看| 黄色配什么色好看| 久久国产乱子免费精品| 国产亚洲欧美在线一区二区| 十八禁人妻一区二区| 99热这里只有是精品在线观看 | 久久精品久久久久久噜噜老黄 | 国产三级中文精品| 黄片小视频在线播放| 免费大片18禁| 熟女人妻精品中文字幕| 国产视频内射| 国产精品美女特级片免费视频播放器| 中文字幕精品亚洲无线码一区| 日韩 亚洲 欧美在线| 天美传媒精品一区二区| 嫩草影院精品99| 天美传媒精品一区二区| 欧美成人性av电影在线观看| 欧美在线一区亚洲| 99精品久久久久人妻精品| 最新在线观看一区二区三区| 一本久久中文字幕| 国产麻豆成人av免费视频| 国产v大片淫在线免费观看| 看片在线看免费视频| 日韩中文字幕欧美一区二区| 搡女人真爽免费视频火全软件 | 一个人观看的视频www高清免费观看| 亚洲不卡免费看| 国产亚洲精品av在线| 亚洲精品在线观看二区| 久久精品综合一区二区三区| av女优亚洲男人天堂| 乱码一卡2卡4卡精品| 一个人看的www免费观看视频| 亚洲精品成人久久久久久| 十八禁人妻一区二区| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 成人国产一区最新在线观看| 18禁在线播放成人免费| 亚洲精品456在线播放app | 国产免费男女视频| 久久人人精品亚洲av| 亚州av有码| 久久久久久久精品吃奶| 亚洲成av人片免费观看| 欧美丝袜亚洲另类 | 很黄的视频免费| av在线老鸭窝| 99久久九九国产精品国产免费| 色综合亚洲欧美另类图片| 在线观看美女被高潮喷水网站 | 看十八女毛片水多多多| 99国产极品粉嫩在线观看| 久久久成人免费电影| 一个人免费在线观看的高清视频| 嫩草影院入口| 97超级碰碰碰精品色视频在线观看| 国产精品一区二区免费欧美| 精品国产亚洲在线| 国产欧美日韩一区二区三| 国产高清有码在线观看视频| 国产麻豆成人av免费视频| 国产大屁股一区二区在线视频| 亚洲欧美日韩东京热| 男人舔奶头视频| 亚洲成人中文字幕在线播放| 欧美一区二区国产精品久久精品| 97热精品久久久久久| 国产精品伦人一区二区| 午夜日韩欧美国产| 91久久精品电影网| 亚洲18禁久久av| 亚洲国产精品成人综合色| 国产精品亚洲av一区麻豆| 脱女人内裤的视频| 午夜福利在线观看免费完整高清在 | 99热这里只有是精品50| 少妇熟女aⅴ在线视频| 日韩欧美精品v在线| 男女之事视频高清在线观看| 非洲黑人性xxxx精品又粗又长| 国产在线精品亚洲第一网站| 国产精品一区二区三区四区免费观看 | 99热只有精品国产| 免费观看人在逋| 国产成人aa在线观看| 国产综合懂色| 国产毛片a区久久久久| 午夜免费成人在线视频| 亚洲自偷自拍三级| 日韩高清综合在线| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲精品av在线| 国产精品综合久久久久久久免费| 久久亚洲精品不卡| 一夜夜www| 婷婷丁香在线五月| 亚洲最大成人中文| 精品人妻1区二区| a级毛片a级免费在线| bbb黄色大片| 99热精品在线国产| 久久精品91蜜桃| 免费av毛片视频| 亚洲精品久久国产高清桃花| 男女那种视频在线观看| 在线观看舔阴道视频| 热99在线观看视频| 免费人成视频x8x8入口观看| 成熟少妇高潮喷水视频| 色5月婷婷丁香| 国内揄拍国产精品人妻在线| 色播亚洲综合网| 中文字幕免费在线视频6| 内射极品少妇av片p| 亚洲乱码一区二区免费版| 男女之事视频高清在线观看| 免费黄网站久久成人精品 | 午夜福利免费观看在线| 国产美女午夜福利| 欧美高清成人免费视频www| 99国产极品粉嫩在线观看| 深爱激情五月婷婷| 蜜桃亚洲精品一区二区三区| 高潮久久久久久久久久久不卡| 亚洲 欧美 日韩 在线 免费| 亚洲,欧美精品.| 久久午夜亚洲精品久久| 窝窝影院91人妻| 亚洲国产高清在线一区二区三| 久久婷婷人人爽人人干人人爱| 天天躁日日操中文字幕| 日本三级黄在线观看| 亚洲av五月六月丁香网| 久久亚洲精品不卡| 97热精品久久久久久| 国产 一区 欧美 日韩| 国产一区二区三区视频了| 亚洲国产欧美人成| 99热这里只有是精品在线观看 | 宅男免费午夜| 国产人妻一区二区三区在| 夜夜躁狠狠躁天天躁| 两个人的视频大全免费| 成人特级av手机在线观看| 少妇人妻精品综合一区二区 | 成人性生交大片免费视频hd| 日日夜夜操网爽| 在线观看av片永久免费下载| 久久精品综合一区二区三区| 成人av在线播放网站| 亚洲在线观看片| 一区二区三区高清视频在线| 欧美精品国产亚洲| 日本 欧美在线| 国产精品亚洲av一区麻豆| 婷婷精品国产亚洲av| 久久久久久久久久黄片| 18禁裸乳无遮挡免费网站照片| 91麻豆av在线| 亚洲色图av天堂| 草草在线视频免费看| 久久久久国内视频| 九色国产91popny在线| 精品国产亚洲在线| 国产国拍精品亚洲av在线观看| 亚洲成a人片在线一区二区| 亚洲欧美日韩高清在线视频| 亚洲色图av天堂| 久久99热这里只有精品18| 久久久久九九精品影院| 亚洲av成人精品一区久久| 精品一区二区三区人妻视频| 国产一区二区在线av高清观看| 免费在线观看亚洲国产| 日韩国内少妇激情av| 国产精品av视频在线免费观看| 日韩欧美免费精品| 亚洲av不卡在线观看| 久久香蕉精品热| 久久精品影院6| 日本撒尿小便嘘嘘汇集6| 色综合婷婷激情| 色在线成人网| 男女视频在线观看网站免费| 人妻丰满熟妇av一区二区三区| 久久久久亚洲av毛片大全| 91在线精品国自产拍蜜月| 一本精品99久久精品77| 亚洲成人久久性| 日本免费a在线| 国产大屁股一区二区在线视频| 成人毛片a级毛片在线播放| 中文字幕熟女人妻在线| 亚洲男人的天堂狠狠| 亚洲 欧美 日韩 在线 免费| 国产乱人视频| 亚洲国产欧美人成| 国产精品久久久久久久久免 | 午夜福利欧美成人| 欧美日韩福利视频一区二区| .国产精品久久| 亚洲国产欧洲综合997久久,| 内地一区二区视频在线| 国产高潮美女av| 国产高清有码在线观看视频| 国产又黄又爽又无遮挡在线| 99国产极品粉嫩在线观看| 一区二区三区免费毛片| 9191精品国产免费久久| 我的女老师完整版在线观看| bbb黄色大片| 亚洲精品一卡2卡三卡4卡5卡| 国产三级黄色录像| 亚洲人成网站在线播| 亚洲专区中文字幕在线| 免费搜索国产男女视频| 丁香六月欧美| 少妇被粗大猛烈的视频| 别揉我奶头~嗯~啊~动态视频| 757午夜福利合集在线观看| 亚洲精品色激情综合| 女人被狂操c到高潮| 国产成人a区在线观看| 中文字幕久久专区| 免费无遮挡裸体视频| 亚洲18禁久久av| 国产精品久久久久久久久免 | 国产精品98久久久久久宅男小说| 丰满的人妻完整版| 一进一出抽搐动态| 成人国产综合亚洲| 亚洲18禁久久av| 国产亚洲欧美98| 国产精品久久久久久久电影| 欧美日韩中文字幕国产精品一区二区三区| 亚洲第一电影网av| 国产精品久久久久久亚洲av鲁大| 毛片一级片免费看久久久久 | 最后的刺客免费高清国语| 日日摸夜夜添夜夜添小说| 美女免费视频网站| 十八禁人妻一区二区| 午夜日韩欧美国产| 搡女人真爽免费视频火全软件 | 精品人妻一区二区三区麻豆 | 亚洲av成人av| 老司机午夜福利在线观看视频| 欧美区成人在线视频| 露出奶头的视频| 久久人妻av系列| 国产三级在线视频| 国产成人影院久久av| 丁香六月欧美| 最新中文字幕久久久久| 简卡轻食公司| 国产白丝娇喘喷水9色精品| 日日干狠狠操夜夜爽| 日韩欧美在线乱码| 久久久久久久久久黄片| 国产精品永久免费网站| 久久精品夜夜夜夜夜久久蜜豆| 国产精品久久久久久久久免 | 久久精品夜夜夜夜夜久久蜜豆| 亚洲人成电影免费在线| 成年版毛片免费区| or卡值多少钱| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品亚洲一区二区| 日本 欧美在线| 亚洲国产日韩欧美精品在线观看| 高清日韩中文字幕在线| 最新在线观看一区二区三区| 一级黄色大片毛片| 一个人免费在线观看的高清视频| 亚洲第一电影网av| 国产三级在线视频| 在现免费观看毛片| 日韩精品中文字幕看吧| 窝窝影院91人妻| 男女下面进入的视频免费午夜| 可以在线观看的亚洲视频| 网址你懂的国产日韩在线| 欧美一区二区国产精品久久精品| 久久精品国产亚洲av天美| 日韩欧美国产一区二区入口| 最后的刺客免费高清国语| 国产伦一二天堂av在线观看| 国产av不卡久久| 国内久久婷婷六月综合欲色啪| av中文乱码字幕在线| 国产亚洲av嫩草精品影院| 欧美激情国产日韩精品一区| 天堂√8在线中文| av在线老鸭窝| 少妇丰满av| 老司机午夜十八禁免费视频| 久久精品91蜜桃| 免费人成视频x8x8入口观看| 国产精品亚洲美女久久久| 九色成人免费人妻av| 久久伊人香网站| 深夜a级毛片| 精品无人区乱码1区二区| 成年女人看的毛片在线观看| 亚洲国产精品成人综合色| 亚洲欧美日韩东京热| 综合色av麻豆| 中文字幕久久专区| 久久99热这里只有精品18| 又爽又黄无遮挡网站| 日韩人妻高清精品专区| 午夜免费激情av| 亚洲色图av天堂| 日本免费a在线| 91在线观看av| 国产精品三级大全| av在线老鸭窝| 热99在线观看视频| 欧美中文日本在线观看视频| 91字幕亚洲| 1024手机看黄色片| .国产精品久久| 久久6这里有精品| 欧美高清成人免费视频www| 少妇的逼好多水| 99热这里只有是精品50| 亚洲美女视频黄频| 91麻豆av在线| 一区福利在线观看| 99久国产av精品| 男人舔奶头视频| 亚洲成a人片在线一区二区| 午夜福利高清视频| 精品欧美国产一区二区三| 欧美日韩综合久久久久久 | 国产高清视频在线播放一区| 日本一二三区视频观看| 一个人看的www免费观看视频| 一夜夜www| 国产伦一二天堂av在线观看| a级毛片a级免费在线| 99精品在免费线老司机午夜| 99热只有精品国产| 日韩欧美国产在线观看| 男女做爰动态图高潮gif福利片| 成熟少妇高潮喷水视频| 五月伊人婷婷丁香| 国产单亲对白刺激| 欧美日本亚洲视频在线播放| 国内精品久久久久久久电影| 国产免费一级a男人的天堂| 欧美成狂野欧美在线观看| 日本黄色视频三级网站网址| 99riav亚洲国产免费| 三级男女做爰猛烈吃奶摸视频| 69av精品久久久久久| 成人高潮视频无遮挡免费网站| 一级毛片久久久久久久久女| 国产亚洲精品av在线| 久久久精品欧美日韩精品| 国产在线男女| 丰满乱子伦码专区| 麻豆一二三区av精品| 国产精品日韩av在线免费观看| 国产精品电影一区二区三区| 久久人人爽人人爽人人片va | 亚洲精品一卡2卡三卡4卡5卡| 精品久久久久久久末码| 小说图片视频综合网站| 十八禁人妻一区二区| 在线天堂最新版资源| 美女cb高潮喷水在线观看| 精品国产亚洲在线| 欧美色视频一区免费| 两个人的视频大全免费| 1024手机看黄色片| 每晚都被弄得嗷嗷叫到高潮| 可以在线观看的亚洲视频| 日韩精品青青久久久久久| 夜夜夜夜夜久久久久| 亚洲美女黄片视频| 亚洲精品456在线播放app | 村上凉子中文字幕在线| 国内久久婷婷六月综合欲色啪| 国产精品一及| 国产精品一区二区免费欧美| 久久99热这里只有精品18| 国产欧美日韩精品一区二区| 宅男免费午夜| 色尼玛亚洲综合影院| 日韩中字成人| 日本在线视频免费播放| 国产精品免费一区二区三区在线| 国产成人a区在线观看| 少妇的逼好多水| 亚洲午夜理论影院|