• <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 ?

    基于數(shù)據(jù)驅(qū)動的結(jié)構(gòu)鋼表面應(yīng)力磁巴克豪森噪聲表征方法

    2023-06-27 04:58:16崔西明邱志鵬魏嘉張弛宋凱李喆王樹鵬
    航空學(xué)報 2023年8期
    關(guān)鍵詞:波包試塊向量

    崔西明,邱志鵬,魏嘉,張弛,宋凱,*,李喆,王樹鵬

    1.南昌航空大學(xué) 無損檢測技術(shù)教育部重點實驗室,南昌 330063

    2.中國航發(fā)沈陽黎明航空發(fā)動機有限責(zé)任公司,沈陽 110043

    飛機起落架、機翼主梁、平尾大軸、直升機旋翼軸、接頭和對接螺栓等鐵磁結(jié)構(gòu)鋼航空構(gòu)件在服役過程中經(jīng)常承受局部應(yīng)力集中,容易產(chǎn)生因超過疲勞強度而導(dǎo)致的裂紋,威脅航空構(gòu)件的安全運行[1]。通過定量評估300M 超高強度鋼等鐵磁構(gòu)件表面各部位殘余應(yīng)力狀態(tài)對早期疲勞損傷進(jìn)行預(yù)測,對預(yù)防結(jié)構(gòu)鋼失效引起的重大飛行安全事故具有重要意義[2-3]。

    磁巴克豪森噪聲(Magnetic Barkhausen Noise, MBN)檢測技術(shù)廣泛用于鐵磁材料微觀結(jié)構(gòu)和殘余應(yīng)力的定量評估,與現(xiàn)有的常見應(yīng)力測量方法(如X 射線法、金屬磁記憶法、電阻應(yīng)變片法)相比,具有便攜、可靠性高、響應(yīng)速度快的優(yōu)點[4-5]。然而,磁巴克豪森噪聲除了受材料內(nèi)部殘余應(yīng)力影響[6-8],對材料表面硬度、內(nèi)部晶粒尺寸、微觀組織變化也很敏感。因此,很難用確定的解析物理模型對磁巴克豪森噪聲隨應(yīng)力的非線性變化規(guī)律進(jìn)行準(zhǔn)確描述[9-10]。

    基于數(shù)據(jù)驅(qū)動的非線性映射算法,可在不確定測量系統(tǒng)精確解析模型的情況下完成輸入輸出數(shù)據(jù)的擬合。根據(jù)通用近似定理,反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)可實現(xiàn)以任意精度無限逼近任意非線性函數(shù),具有根據(jù)磁巴克豪森噪聲輸入實現(xiàn)應(yīng)力高精度預(yù)測的可行性[11-13]。BP 神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)或誤差反向傳播網(wǎng)絡(luò)[14],由輸入層、隱藏層和輸出層3層結(jié)構(gòu)組成,以網(wǎng)絡(luò)誤差平方為目標(biāo)函數(shù),采用梯度下降法計算目標(biāo)函數(shù)的最小值,解決了多層網(wǎng)絡(luò)中隱含層節(jié)點連接權(quán)值調(diào)整的問題,并具有自學(xué)習(xí)能力、非線性映射能力、對任意函數(shù)的逼近能力、并行計算能力和容錯能力等[15]。但BP神經(jīng)網(wǎng)絡(luò)用于鐵磁材料表面應(yīng)力的定量預(yù)測時[16],存在易受噪聲影響、特征選取困難、模型復(fù)雜度受輸入節(jié)點個數(shù)影響等問題。

    國內(nèi)外學(xué)者針對相關(guān)問題在MBN 特征量選取、信號降噪、數(shù)據(jù)降維以及預(yù)測模型構(gòu)建等方面開展了深入研究。張翔等[17]利用連續(xù)小波變換提取出了磁巴克豪森噪聲信號各小波分解量的能量,并結(jié)合全局閾值部分重構(gòu)降噪法獲得了更好的降噪效果。王平等[18]提出采用小波分解獲得更多BP 神經(jīng)網(wǎng)絡(luò)輸入量,加入小波分析后,神經(jīng)網(wǎng)絡(luò)相對誤差相比于之前減小了約90%,符合應(yīng)力檢測要求。但小波變換在分析信號時只能對低頻段范圍內(nèi)的信號進(jìn)一步分解,Coifman團隊[19]為獲得更加全面的信號分析結(jié)果,細(xì)化分析信號高頻段,克服了小波變換只能進(jìn)一步分解低頻信號的固有缺陷,利用小波包變換對風(fēng)力發(fā)電機組齒輪箱振動信號進(jìn)行分解。吳杰等[20]通過改進(jìn)磁化器的設(shè)計,結(jié)合BP 神經(jīng)網(wǎng)絡(luò)修正了提離狀態(tài)下的MBN 信號均方根值,大幅減小了提離效應(yīng)的影響。張傳棟等[21]采用BP 神經(jīng)網(wǎng)絡(luò)對鋼軸表面硬度進(jìn)行預(yù)測,并優(yōu)化了鋼軸表面MBN 檢測傳感器,實現(xiàn)了鋼軸表面硬度的無損檢測。雷瑛[22]和Pandit[23]等采用數(shù)理統(tǒng)計對鋼表面殘余應(yīng)力的極差和方差進(jìn)行分析,利用線性回歸法建立了磨削加工表面的殘余應(yīng)力模型,分析了磨削階段的機械應(yīng)力變化特征。董雷[24]搭建了一套電磁融合檢測系統(tǒng),并通過電磁融合檢測系統(tǒng)建立了BP 神經(jīng)網(wǎng)絡(luò)模型,對比了單一特征值和多特征值的擬合效果,表明了多特征值在應(yīng)力表征和缺陷深度檢測中都取得了較好的效果。國內(nèi)外學(xué)者對應(yīng)力表征框架的設(shè)計關(guān)注相對較少,因此構(gòu)建一種可供參考的表征算法框架對提升應(yīng)力預(yù)測精度具有重要意義。

    提出了一種基于數(shù)據(jù)驅(qū)動框架建立MBN 噪聲和應(yīng)力映射關(guān)系的預(yù)測模型,采用小波包變換提取磁巴克豪森噪聲的小波包變換系數(shù)作為表征鐵磁材料表面應(yīng)力的特征向量;采用奇異值分解進(jìn)行特征向量的數(shù)據(jù)降維,減小特征向量的冗余性;利用BP 神經(jīng)網(wǎng)絡(luò)建立奇異值向量與應(yīng)力的映射模型,以實現(xiàn)鐵磁材料表面應(yīng)力的定量評估。

    1 磁巴克豪森噪聲檢測系統(tǒng)

    磁巴克豪森噪聲是鐵磁材料動態(tài)磁化時磁疇壁跳躍過程中產(chǎn)生的一種脈沖信號,如圖1 所示,圖中M為磁化強度,H為外加磁場強度,Mr為剩磁,Hc為矯頑力,Hs為磁化強度達(dá)到飽和時對應(yīng)的外加磁場強度。鐵磁材料在磁化過程中,應(yīng)力會影響微觀組織對磁疇壁的釘扎作用,進(jìn)而影響磁疇壁的跳躍,對磁巴克豪森噪聲信號產(chǎn)生影響。因此磁巴克豪森噪聲檢測法成為評估鐵磁材料應(yīng)力分布情況的一種重要方法,根據(jù)應(yīng)力對鐵磁材料內(nèi)部磁疇的影響,可實現(xiàn)應(yīng)力的定量評估。

    圖1 MBN 響應(yīng)示意圖Fig.1 MBN response diagram

    基于MBN 檢測原理,搭建了MBN 應(yīng)力檢測系統(tǒng),如圖2 所示。系統(tǒng)由硬件和軟件兩部分組成:硬件部分包括激勵模塊、MBN 傳感器、信號調(diào)理模塊、AD 采集模塊等;軟件部分由基于Lab-VIEW 設(shè)計的具有數(shù)據(jù)采集和數(shù)據(jù)分析處理功能的上位機組成。激勵模塊由AFG3102C 任意波形函數(shù)信號發(fā)生器以及HSA4101 型高速雙極功率放大器組成,激勵信號采用頻率為45 Hz 的正弦波信號,信號發(fā)生器輸出的原始信號峰峰值為300 mV;AD620 電壓放大器和NF3628 可編程濾波器串聯(lián)組成信號調(diào)理電路,接收增益設(shè)置為125 倍;AD 采集模塊采用NI 公司的USB-6366 型高速同步采集卡,采樣頻率為2 MS/s。

    圖2 MBN 檢測系統(tǒng)示意圖Fig.2 Schematic diagram of MBN detection system

    由圖2 可知,MBN 傳感器由U 型磁軛、激勵線圈、檢測線圈3 個部分組成。其中,U 型磁軛材料采用的是高磁導(dǎo)率、低電導(dǎo)率的錳鋅鐵氧體,磁極端面為正方形平面,兩磁極中心點間距為19 mm。激勵線圈、檢測線圈均選用漆包線,分別纏繞在U 型磁軛、磁棒上,檢測線圈擺放于U 型磁軛下方正中心位置。當(dāng)正弦信號通過激勵線圈時,U 型磁軛兩磁極之間會產(chǎn)生近似均勻的交變磁場,從而在U 型磁軛與被測試塊中形成磁回路,以產(chǎn)生毫伏級的微弱MBN 信號。檢測線圈將拾取到的MBN 信號通過電纜導(dǎo)線傳輸?shù)叫盘栒{(diào)理模塊進(jìn)行濾波、放大等處理,使其便于由AD采集模塊送入上位機實現(xiàn)信號顯示、數(shù)據(jù)存儲等功能。圖3 為濾波前后的MBN 信號波形對比。

    圖3 MBN 信號濾波前后對比示意圖Fig.3 Comparison diagram of MBN signal before and after filtering

    2 BP 神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型

    2.1 磁巴克豪森噪聲信號特征向量提取

    統(tǒng)計特征量主要反映了MBN 信號的時域特征,為融合MBN 信號的頻域信息,對MBN 信號進(jìn)行時頻分析。小波包變換是一種具有較高時-頻分辨率的時頻分析方法,既可對信號低頻部分進(jìn)行分解,還可對高頻部分進(jìn)行分解?;谛〔ò儞Q的信號分解既無冗余,也無疏漏,對包含大量中、高頻信息的MBN 信號能進(jìn)行時頻局部化分析,可用于MBN 信號時頻特征提取。

    對于任意MBN 信號f(t)的小波包變換為

    利用小波包變換得到MBN 信號各頻帶階次。小波包系數(shù),圖4 為小波包變換中樹分解的示意圖,圖中LPF(Low Pass Filter)為低通濾波器,HPF(High Pass Filter)為高通濾波器,L1 為原始信號中的低頻信息,H1 為原始信號中的高頻信息。小波包樹的每個節(jié)點都有對應(yīng)的小波包系數(shù),決定了頻率的大小,攜帶了MBN 信號的局部時頻信息。根據(jù)計算得到的小波包分解系數(shù),可構(gòu)建小波包系數(shù)矩陣A:

    圖4 小波包分解樹Fig.4 Wavelet packet decomposition tree

    式中:n=2j為j層小波包分解得到的頻帶總數(shù);m為每個頻帶的小波包系數(shù)長度。

    利用3 層小波包變換對MBN 信號進(jìn)行分解,導(dǎo)出不同分解尺度上的MBN 信號小波包變換系數(shù),并按尺度順序排列成特征向量供識別使用。

    系數(shù)矩陣A反映了MBN 信號在時頻域上的特征,但由于矩陣維度較大,需進(jìn)一步采用奇異值分解,對系數(shù)矩陣A進(jìn)行降維。設(shè)A∈Rm×n,Rm×n為實矩陣,則存在正交矩陣U∈Rm×n和正交矩陣V∈Rm×n,使得式(3)成立:

    式中:S=diag[σ1,σ2,…,σp],p=min(m,n)。矩陣S對角線上非零的元素即為矩陣A的奇異值,且σ1≥σ2≥…≥σp≥0。矩陣A由包含應(yīng)力狀態(tài)信息的MBN 信號在時-頻域的可逆分解系數(shù)組成,因此由矩陣S對角線上非零元素組成的MBN 奇異值向量σ=[σ1,σ2,…,σp]與結(jié)構(gòu)鋼表面應(yīng)力之間存在聯(lián)系。

    2.2 鐵磁材料的應(yīng)力預(yù)測

    圖5 為BP 神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的建立過程。采用小波包變換對MBN 原始信號進(jìn)行分解,以小波包變換系數(shù)作為時頻特征向量;利用不同尺度的小波包變換系數(shù)向量構(gòu)造系數(shù)矩陣,并通過系數(shù)矩陣的奇異值分解實現(xiàn)小波包變換系數(shù)特征向量的降維;以奇異值向量作為BP 神經(jīng)網(wǎng)絡(luò)的輸入樣本,實際應(yīng)力值作為輸出樣本,設(shè)定初始參數(shù)進(jìn)行訓(xùn)練優(yōu)化,建立精確度較高的應(yīng)力預(yù)測模型。

    圖5 基于數(shù)據(jù)驅(qū)動的應(yīng)力分布預(yù)測流程圖Fig.5 Flow chart of stress distribution prediction based on data-driven method

    網(wǎng)絡(luò)層數(shù)和各層的神經(jīng)元數(shù)、學(xué)習(xí)速率、學(xué)習(xí)算法、期望誤差、激活函數(shù)等是BP 神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù)。層數(shù)過多會使網(wǎng)絡(luò)過于復(fù)雜繁瑣,導(dǎo)致網(wǎng)絡(luò)訓(xùn)練時長增加,出現(xiàn)過擬合趨勢,因此選擇由輸入層、隱含層和輸出層組成的3 層神經(jīng)網(wǎng)絡(luò)。根據(jù)輸入數(shù)據(jù)的維度與輸出期望,設(shè)置輸入層神經(jīng)元數(shù)為6,輸出層神經(jīng)元數(shù)為1。學(xué)習(xí)速率決定權(quán)值的變化量,學(xué)習(xí)速率過大會導(dǎo)致系統(tǒng)不穩(wěn)定,反之會使訓(xùn)練時間過長,收斂速度也隨之下降,但可使誤差維持在較低水平。因此通常采用較小的學(xué)習(xí)速率維持網(wǎng)絡(luò)的穩(wěn)定性,選取學(xué)習(xí)速率值為0.05。在網(wǎng)絡(luò)收斂速度快且無振蕩產(chǎn)生的前提下,訓(xùn)練目標(biāo)誤差應(yīng)取較小值。改變目標(biāo)誤差進(jìn)行訓(xùn)練,得到最佳目標(biāo)誤差為0.000 65,最大訓(xùn)練次數(shù)為5 000 次。

    典型的神經(jīng)元模型的輸出可表示為

    式中:xt為第t個神經(jīng)元的輸入;wt為第t個神經(jīng)元的連接權(quán)重;θ為閾值;φ為激活函數(shù)或作用函數(shù)。BP 神經(jīng)網(wǎng)絡(luò)通過反向傳播不斷調(diào)整每個MBN 特征向量的權(quán)重,使最佳誤差值控制在預(yù)期范圍內(nèi)。

    BP 神經(jīng)網(wǎng)絡(luò)的輸入層、隱藏層、輸出層連接方式如圖6 所示,圖中Z[l]為第l層神經(jīng)元輸入矩陣,為第l層中第u個神經(jīng)元的激活函數(shù)輸出,可表示為

    圖6 3 層BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.6 Three-layer BP neural network structure diagram

    式中:為網(wǎng)絡(luò)第(l-1)層中第v個神經(jīng)元指向第u個神經(jīng)元的連接權(quán)重;為第l層中第u個神經(jīng)元的偏差;為第(l-1)層中第v個神經(jīng)元的激活函數(shù)輸出。

    對于多個MBN 奇異值向量同時輸入的情況,將式(5)換成對應(yīng)的奇異值向量,輸入向量列數(shù)為m,每一列表示一個輸入樣本,多樣本輸入可表示為

    式中:為第l層神經(jīng)元連接權(quán)重矩陣;為l層神經(jīng)元激活函數(shù)輸出矩陣;為第l層神經(jīng)元偏差為第(l-1)層第m列神經(jīng)元激活函數(shù)輸出。式(8)中每一列表示一個降維后的MBN 特征向量,對應(yīng)一個MBN 奇異值向量。

    3 試驗研究與結(jié)果分析

    3.1 懸臂梁梯度應(yīng)力標(biāo)定試驗

    對圖7(a)所示的結(jié)構(gòu)鋼試塊進(jìn)行懸臂梁梯度應(yīng)力加載試驗,如圖7(b)所示。采用夾持工裝固定試塊左端,在試塊右端施加載荷,拾取懸臂梁上表面梯度應(yīng)力狀態(tài)下的MBN 信號,每隔2 mm 測量并存儲一次MBN 信號。

    圖7 懸臂梁梯度應(yīng)力標(biāo)定試驗Fig.7 Cantilever beam gradient stress calibration test

    采用懸臂梁應(yīng)力計算公式獲取每個數(shù)據(jù)采集點對應(yīng)的應(yīng)力值:

    式中:s為試塊橫截面積;a為試塊厚度;MF為LF力矩,L、F分別為圖7(b)中數(shù)據(jù)采集點與載荷的距離、所施加的載荷。

    由表4可知,本實驗所選用的模型顯著(P<0.0001),失擬項P=0.505>0.05,不顯著;模型的校正系數(shù)RAdj2=0.9911,相關(guān)系數(shù)R2=0.9678,說明該模型擬合程度良好,試驗誤差小,可以用此來分析和預(yù)測殼聚糖-明膠復(fù)合澄清劑的澄清作用。由表4回歸方程系數(shù)顯著性檢驗可知,殼聚糖對20%vol紅棗白蘭地透過率的影響極顯著(P<0.01),明膠對20%vol紅棗白蘭地透過率的影響極顯著(P<0.01);二次項AB、A2和B2也對透過率影響極顯著(P<0.01)。這表明各試驗因素對透過率的影響呈二次關(guān)系,且因素之間存在交互作用。

    選取不同應(yīng)力水平下的磁巴克豪森噪聲信號時域波形信號進(jìn)行分析,如圖8 所示,σ為梯度應(yīng)力最大值。在時域內(nèi),MBN 信號強度隨拉應(yīng)力減小而減?。辉陬l域內(nèi),MBN 信號能量主要集中在8~75 kHz,該頻帶能量隨結(jié)構(gòu)鋼表面拉應(yīng)力減小而減小。綜上所述,當(dāng)結(jié)構(gòu)鋼表面拉應(yīng)力發(fā)生變化時,MBN 信號在時、頻域內(nèi)均發(fā)生明顯變化,可實現(xiàn)梯度應(yīng)力變化規(guī)律的定性描述,但時頻分析無法定量描述這一規(guī)律。

    圖8 不同應(yīng)力水平下的MBN 信號時頻特征分析Fig.8 Time-frequency characteristics analysis of MBN signals at different stress levels

    3.2 數(shù)據(jù)降維

    圖8 的時域波形特征和頻譜分布特征隨應(yīng)力水平的變化規(guī)律表明,MBN 信號的時頻特征可作為定量表征應(yīng)力的特征指標(biāo)。在時頻分析中,小波包變換系數(shù)反映了MBN 信號在時頻域的局部能量特征,可作為定量表征應(yīng)力的特征指標(biāo)。

    通過式(1)的小波包分解獲取梯度應(yīng)力的小波包變換系數(shù)特征向量,如圖9 所示,進(jìn)一步按照式(2)構(gòu)造小波包系數(shù)矩陣A。小波包系數(shù)矩陣的行向量反映MBN 信號在某一頻帶上的能量波動,激勵信號的信號能量主要集中在頻帶1~頻帶4,這表明頻帶1~頻帶4 的能量衰減較弱,能有效保留MBN 信號中包含的結(jié)構(gòu)鋼表面應(yīng)力特征信息。

    圖9 小波包系數(shù)矩陣Fig.9 Wavelet packet coefficient matrix

    小波包系數(shù)矩陣反映了MBN 信號的時頻冗余特征,直接作為特征向量將使得模型復(fù)雜度較高。采用奇異值分解對系數(shù)矩陣A進(jìn)行數(shù)據(jù)降維,降低模型復(fù)雜度,可得到不同應(yīng)力水平對應(yīng)的低維度奇異值向量,不同應(yīng)力水平奇異值向量變化規(guī)律如圖10 所示。

    圖10 不同應(yīng)力水平MBN 奇異值向量Fig.10 MBN singular value vector with different stress levels

    圖10 表明MBN 奇異值隨著結(jié)構(gòu)鋼表面拉應(yīng)力的增大而增大,說明MBN 奇異值與梯度拉應(yīng)力具有一定的相關(guān)性,且特征向量的維數(shù)減小為6。因此通過觀察不同應(yīng)力水平下MBN 信號對應(yīng)的奇異值向量曲線,可定性評估結(jié)構(gòu)鋼表面應(yīng)力水平,但實現(xiàn)定量預(yù)測還需根據(jù)奇異值向量建立定量預(yù)測模型。

    3.3 非線性映射定量預(yù)測模型

    數(shù)據(jù)降維后的MBN 特征向量與對應(yīng)的實際應(yīng)力值組成BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練集。根據(jù)預(yù)測效果對BP 神經(jīng)網(wǎng)絡(luò)的各項參數(shù),尤其是隱藏層節(jié)點數(shù)進(jìn)行優(yōu)化。優(yōu)化前的隱藏層節(jié)點數(shù)太少,網(wǎng)絡(luò)無法建立復(fù)雜邊界,不能識別未學(xué)習(xí)的樣本,容錯性差,導(dǎo)致網(wǎng)絡(luò)輸出應(yīng)力與實際應(yīng)力的誤差較大,因此需對神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化。

    在BP 神經(jīng)網(wǎng)絡(luò)中,隱藏層節(jié)點數(shù)可根據(jù)經(jīng)驗公式來確定:

    圖11 為BP 神經(jīng)網(wǎng)絡(luò)誤差收斂過程。迭代次數(shù)為43 次時,網(wǎng)絡(luò)最佳訓(xùn)練誤差為0.000 51,小于既定訓(xùn)練目標(biāo)誤差,表明該網(wǎng)絡(luò)學(xué)習(xí)效率較高,達(dá)到了既定訓(xùn)練標(biāo)準(zhǔn)。利用懸臂梁數(shù)據(jù)集對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后,對BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化前后進(jìn)行對比,如圖12 所示。圖12 表明優(yōu)化前的網(wǎng)絡(luò)輸出應(yīng)力與對應(yīng)的實際應(yīng)力偏差較大,離散性較大,最大誤差達(dá)到了15 MPa,預(yù)測準(zhǔn)確性較差;優(yōu)化后的最大誤差為1.5 MPa,預(yù)測效果較好。

    圖11 迭代43 次時的最佳訓(xùn)練誤差Fig.11 Best training error after iterating 43 times

    圖12 BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化前后對比示意圖Fig.12 Comparison diagram of BP neural network before and after optimization

    進(jìn)一步采用MATLAB 內(nèi)置BP 神經(jīng)網(wǎng)絡(luò)工具箱繪制了BP 神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型優(yōu)化前后的回歸線,可直觀表示網(wǎng)絡(luò)訓(xùn)練效果,如圖13 所示。與優(yōu)化前相比,優(yōu)化后的絕大多數(shù)訓(xùn)練樣本的預(yù)測誤差在2%以內(nèi),回歸線的斜率更趨近于1,與圖14 所示的COMSOL 有限元仿真云圖進(jìn)行對比,可看出神經(jīng)網(wǎng)絡(luò)輸出應(yīng)力變化趨勢與仿真結(jié)果一致,表明該模型具有較高的預(yù)測精度。

    圖13 懸臂梁數(shù)據(jù)集的訓(xùn)練效果Fig.13 Training effect of cantilever data set

    圖14 懸臂梁梯度應(yīng)力COMSOL 仿真云圖Fig.14 COMSOL simulation nephogram of gradient stress of cantilever beam

    3.4 三點彎曲模型預(yù)測精度測試試驗

    試驗采用點彎曲應(yīng)力加載平臺施加垂直向下的載荷于結(jié)構(gòu)鋼試塊中心區(qū)域,圖15 為三點彎曲應(yīng)力加載平臺。探頭沿試塊下表面掃查,從數(shù)據(jù)采集起點開始每隔2 mm 測量并存儲1 次MBN信號,測量時保持傳感器與試件表面穩(wěn)定良好接觸。利用三點彎曲應(yīng)力計算公式可得出試塊表面實際應(yīng)力值:

    圖15 三點彎曲應(yīng)力加載平臺Fig.15 Three-point bending stress loading platform

    式中:Mr為試塊上某點的彎矩;Iz為試塊上某點對軸的慣性矩(z軸垂直于紙面方向);d為載荷施加點到數(shù)據(jù)采集點的距離。

    提取經(jīng)數(shù)據(jù)降維處理后的MBN 奇異值向量作為輸入量,導(dǎo)入訓(xùn)練完成的BP 神經(jīng)網(wǎng)絡(luò),獲取三點彎曲狀態(tài)下不同測量點對應(yīng)的神經(jīng)網(wǎng)絡(luò)輸出應(yīng)力,并采用熱力圖進(jìn)行三點彎曲下結(jié)構(gòu)鋼試塊下表面應(yīng)力分布成像,如圖16 所示。熱力圖表明三點彎曲狀態(tài)下結(jié)構(gòu)鋼試塊下表面應(yīng)力呈壓-拉-壓分布,試塊中心區(qū)域拉應(yīng)力最大,從中心區(qū)域往試塊兩端呈梯度下降趨勢,這與式(11)的規(guī)律是一致的。

    圖16 神經(jīng)網(wǎng)絡(luò)輸出的三點彎曲試塊下表面應(yīng)力分布成像結(jié)果Fig.16 Imaging results of stress distribution on lower surface of three-point bending specimen output by neural network

    優(yōu)化后的BP 神經(jīng)網(wǎng)絡(luò)模型對測試集樣本的預(yù)測結(jié)果如表1 和圖17 所示。優(yōu)化后的應(yīng)力預(yù)測值與實際應(yīng)力值的相對誤差為0.58% ~16.30%,大多數(shù)測試樣本的預(yù)測誤差均在10%誤差區(qū)間內(nèi),預(yù)測精度較高。

    表1 三點彎曲試塊下表面應(yīng)力BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型測試效果Table 1 Test effect of BP neural network prediction model for lower surface stress of three-point bending test block

    圖17 BP 神經(jīng)網(wǎng)絡(luò)模型三點彎曲試塊下表面應(yīng)力預(yù)測效果Fig.17 Prediction effect of BP neural network model on lower surface stress of threepoint bending specimen

    提取MBN 信號均方根、均值、標(biāo)準(zhǔn)差、偏度、峰值平均值、峰值最大值等常規(guī)統(tǒng)計特征量作為BP神經(jīng)網(wǎng)絡(luò)測試集輸入樣本,導(dǎo)出預(yù)測值并與MBN奇異值向量作為測試集輸入樣本的模型預(yù)測值以及實際值進(jìn)行對比分析,結(jié)果如圖18所示。

    圖18 常規(guī)統(tǒng)計特征量與MBN 奇異值預(yù)測效果對比Fig.18 Comparison of conventional eigenvalues and MBN singular value prediction effects

    圖18 表明以常規(guī)統(tǒng)計特征量建立的模型預(yù)測值偏差較大,離散型較大。與常規(guī)統(tǒng)計特征量相比,以MBN 奇異值向量建立的模型預(yù)測值與實際值吻合度更高,精度更高。綜上所述,小波包變換系數(shù)構(gòu)造的MBN 奇異值向量能有效反映結(jié)構(gòu)鋼應(yīng)力值變化的特征信息。以降維后的MBN 奇異值向量為BP 神經(jīng)網(wǎng)絡(luò)的輸入樣本,通過優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)實現(xiàn)鐵磁材料表面應(yīng)力的高精度預(yù)測。同時,該方法在進(jìn)一步豐富試驗數(shù)據(jù)、增加訓(xùn)練樣本集數(shù)量時,能有效減小誤差,提高應(yīng)力預(yù)測的可靠性。

    3.5 模型對比分析

    采用三點彎曲試驗的MBN 奇異值向量作為自變量,應(yīng)力值作為因變量,建立多元線性回歸模型,與BP 神經(jīng)網(wǎng)絡(luò)模型的三點彎曲試塊下表面應(yīng)力識別效果進(jìn)行對比。多元線性回歸模型自變量個數(shù)為6,因變量個數(shù)為1。設(shè)置好參數(shù)后,分別用多元線性回歸和BP 神經(jīng)網(wǎng)絡(luò)對三點彎曲試塊下表面應(yīng)力分布情況進(jìn)行預(yù)測,應(yīng)力預(yù)測值和實際值對比結(jié)果如圖19 所示。

    圖19 模型預(yù)測效果對比Fig.19 Comparison of prediction effects of models

    由圖19 的預(yù)測誤差對比可知,多元線性回歸模型的預(yù)測結(jié)果中,絕大多數(shù)樣本的預(yù)測值偏離實際值較大,離散性較大;BP 神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與實際值吻合度較高,離散性較小。因此與多元線性回歸模型相比,BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果更為精確,更適用于鐵磁材料表面應(yīng)力的定量評估。其主要原因為多元線性回歸對應(yīng)力與奇異值向量的復(fù)雜映射關(guān)系擬合能力較差,而3 層BP 神經(jīng)網(wǎng)絡(luò)可實現(xiàn)以任意精度無限逼近任意函數(shù)。

    4 結(jié) 論

    1)通過小波包變換將MBN 信號時域波形轉(zhuǎn)換到時、頻域,提取MBN 信號時頻冗余特征,可定性反映不同應(yīng)力水平。

    2)利用不同頻帶的小波包變換系數(shù)特征向量構(gòu)造了小波包變換系數(shù)矩陣。通過奇異值分解,減小了MBN 特征向量的維數(shù),降低了BP 神經(jīng)網(wǎng)絡(luò)模型復(fù)雜度。

    3)開展了懸臂梁梯度應(yīng)力標(biāo)定試驗,采集了懸臂梁上表面梯度應(yīng)力的MBN 信號,根據(jù)不同測量點對應(yīng)的應(yīng)力大小,建立了BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集。

    4)通過三點彎曲狀態(tài)下結(jié)構(gòu)鋼試塊下表面梯度應(yīng)力的MBN 信號采集試驗,建立了BP 神經(jīng)網(wǎng)絡(luò)測試集,測試了數(shù)據(jù)驅(qū)動模型的預(yù)測精度。

    5)采用小波包系數(shù)作為時頻冗余特征,經(jīng)奇異值分解降維后,建立BP 神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型,使得該模型復(fù)雜度低、響應(yīng)速度快,大部分樣本預(yù)測誤差低于10%,實現(xiàn)了基于數(shù)據(jù)驅(qū)動的鐵磁構(gòu)件表面應(yīng)力的定量評估。在實際工程應(yīng)用中,結(jié)合機械臂自動化掃查、傳感器自適應(yīng)仿形優(yōu)化、信號處理等技術(shù),可實現(xiàn)鐵磁構(gòu)件表面應(yīng)力分布高精度成像。

    猜你喜歡
    波包試塊向量
    向量的分解
    EN 車軸產(chǎn)品超聲波徑向檢測校準(zhǔn)試塊制作及應(yīng)用
    聚焦“向量與三角”創(chuàng)新題
    風(fēng)積砂混凝土試塊抗壓強度試驗研究
    基于小波包Tsallis熵和RVM的模擬電路故障診斷
    向量垂直在解析幾何中的應(yīng)用
    基于小波包變換的電力系統(tǒng)諧波分析
    鑄件超聲檢測DGS曲線法和試塊法對比分析
    大型鑄鍛件(2015年4期)2016-01-12 06:35:21
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    小波包理論與圖像小波包分解
    欧美在线一区亚洲| 国产伦理片在线播放av一区| 制服诱惑二区| 亚洲全国av大片| 欧美日韩亚洲国产一区二区在线观看 | 午夜福利免费观看在线| 国产激情久久老熟女| 国产一区二区三区在线臀色熟女 | 欧美日韩福利视频一区二区| 亚洲国产毛片av蜜桃av| 中文字幕最新亚洲高清| 免费在线观看影片大全网站| 国产精品久久久人人做人人爽| 99九九在线精品视频| 国产成人av教育| 久久久久久人人人人人| 日韩大码丰满熟妇| a级片在线免费高清观看视频| 免费在线观看视频国产中文字幕亚洲 | 亚洲av电影在线观看一区二区三区| 亚洲七黄色美女视频| 天天躁狠狠躁夜夜躁狠狠躁| 99久久综合免费| 国产一区二区激情短视频 | 女人爽到高潮嗷嗷叫在线视频| 精品一区二区三区四区五区乱码| 国产在线免费精品| 久久精品国产a三级三级三级| 一边摸一边抽搐一进一出视频| 亚洲色图综合在线观看| 欧美xxⅹ黑人| 99国产精品免费福利视频| 韩国精品一区二区三区| 日韩免费高清中文字幕av| 亚洲成国产人片在线观看| 色婷婷av一区二区三区视频| 午夜免费观看性视频| 性色av一级| 窝窝影院91人妻| av片东京热男人的天堂| 伊人亚洲综合成人网| 国产亚洲欧美在线一区二区| 亚洲av美国av| 天天躁夜夜躁狠狠躁躁| 777米奇影视久久| 久久精品国产亚洲av高清一级| 他把我摸到了高潮在线观看 | 9色porny在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 青草久久国产| 成人黄色视频免费在线看| av天堂久久9| 亚洲欧美一区二区三区久久| 中文字幕制服av| 美女午夜性视频免费| 中文字幕人妻丝袜一区二区| 电影成人av| 最黄视频免费看| 亚洲avbb在线观看| 国内毛片毛片毛片毛片毛片| 欧美亚洲 丝袜 人妻 在线| 欧美日韩一级在线毛片| 久久ye,这里只有精品| 丁香六月欧美| 下体分泌物呈黄色| 亚洲精品国产av蜜桃| 午夜免费成人在线视频| 99久久人妻综合| 日本91视频免费播放| 丝袜美足系列| 久久久精品94久久精品| 国产极品粉嫩免费观看在线| 国产精品久久久av美女十八| 12—13女人毛片做爰片一| 欧美人与性动交α欧美软件| 99国产精品一区二区三区| 下体分泌物呈黄色| 老熟女久久久| 十八禁网站免费在线| 亚洲黑人精品在线| 欧美一级毛片孕妇| 日韩中文字幕视频在线看片| 精品高清国产在线一区| 亚洲精品国产av蜜桃| 考比视频在线观看| 91av网站免费观看| 91麻豆av在线| 国产av国产精品国产| 老司机影院成人| 成人国产一区最新在线观看| 精品亚洲成国产av| 日本欧美视频一区| 日本精品一区二区三区蜜桃| 十八禁人妻一区二区| 亚洲成国产人片在线观看| 啦啦啦中文免费视频观看日本| 老司机亚洲免费影院| 成年av动漫网址| 他把我摸到了高潮在线观看 | 欧美精品高潮呻吟av久久| kizo精华| 大香蕉久久成人网| 真人做人爱边吃奶动态| 一区二区三区激情视频| 国产亚洲av片在线观看秒播厂| 人妻一区二区av| 久久人妻福利社区极品人妻图片| 波多野结衣一区麻豆| av又黄又爽大尺度在线免费看| 亚洲 国产 在线| 亚洲精品一区蜜桃| 欧美日本中文国产一区发布| cao死你这个sao货| 中国美女看黄片| 一本色道久久久久久精品综合| 自拍欧美九色日韩亚洲蝌蚪91| 免费一级毛片在线播放高清视频 | 黄色a级毛片大全视频| 亚洲人成电影免费在线| 女警被强在线播放| 免费人妻精品一区二区三区视频| 国产主播在线观看一区二区| 精品人妻1区二区| 日韩一区二区三区影片| 丰满迷人的少妇在线观看| 免费看十八禁软件| 日韩熟女老妇一区二区性免费视频| 1024香蕉在线观看| 麻豆av在线久日| 老司机午夜十八禁免费视频| 成人影院久久| 一本大道久久a久久精品| 黄色视频在线播放观看不卡| 亚洲午夜精品一区,二区,三区| 中文字幕精品免费在线观看视频| 国产在视频线精品| 国产成人av激情在线播放| 老司机午夜福利在线观看视频 | 亚洲精品自拍成人| 99久久精品国产亚洲精品| 久久综合国产亚洲精品| 国产精品1区2区在线观看. | 欧美老熟妇乱子伦牲交| 深夜精品福利| 亚洲精品一二三| 国产伦人伦偷精品视频| 免费在线观看黄色视频的| 国产极品粉嫩免费观看在线| 十分钟在线观看高清视频www| 18禁裸乳无遮挡动漫免费视频| 久久综合国产亚洲精品| 丝袜脚勾引网站| 国产成人欧美| 黄片小视频在线播放| 国产成人精品无人区| 性少妇av在线| 窝窝影院91人妻| 大片免费播放器 马上看| 下体分泌物呈黄色| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品av久久久久免费| 别揉我奶头~嗯~啊~动态视频 | 亚洲精品一卡2卡三卡4卡5卡 | 韩国精品一区二区三区| 在线精品无人区一区二区三| 日本a在线网址| 极品人妻少妇av视频| 久久综合国产亚洲精品| 国产日韩欧美视频二区| 久久人人97超碰香蕉20202| 欧美老熟妇乱子伦牲交| videosex国产| 欧美人与性动交α欧美精品济南到| 午夜久久久在线观看| 欧美人与性动交α欧美软件| 国产在线一区二区三区精| 久久久水蜜桃国产精品网| 免费人妻精品一区二区三区视频| 国产片内射在线| 欧美精品亚洲一区二区| 久久久欧美国产精品| 久久天躁狠狠躁夜夜2o2o| 色综合欧美亚洲国产小说| 精品国内亚洲2022精品成人 | 日韩欧美一区视频在线观看| 国产亚洲精品久久久久5区| 国产欧美日韩一区二区精品| 亚洲情色 制服丝袜| 欧美成人午夜精品| 91麻豆精品激情在线观看国产 | 水蜜桃什么品种好| 一级片'在线观看视频| 久久这里只有精品19| 精品一区二区三区av网在线观看 | 后天国语完整版免费观看| 欧美少妇被猛烈插入视频| 大片免费播放器 马上看| 中文字幕制服av| 免费看十八禁软件| 视频在线观看一区二区三区| 日韩一卡2卡3卡4卡2021年| 亚洲成人手机| 丝瓜视频免费看黄片| 美女高潮到喷水免费观看| 操出白浆在线播放| 国产1区2区3区精品| www日本在线高清视频| 啦啦啦免费观看视频1| 免费观看人在逋| 国产成人一区二区三区免费视频网站| 中文字幕av电影在线播放| 热re99久久精品国产66热6| 精品乱码久久久久久99久播| 高清黄色对白视频在线免费看| 日韩中文字幕视频在线看片| 王馨瑶露胸无遮挡在线观看| 老熟妇仑乱视频hdxx| 99精品欧美一区二区三区四区| 亚洲人成电影观看| 国产精品一区二区免费欧美 | 女人久久www免费人成看片| 久久精品成人免费网站| 国产高清videossex| 狂野欧美激情性bbbbbb| 一区二区日韩欧美中文字幕| 黄片大片在线免费观看| 国产片内射在线| 国产成+人综合+亚洲专区| 国产野战对白在线观看| 高清黄色对白视频在线免费看| 亚洲精品国产一区二区精华液| 下体分泌物呈黄色| 人妻一区二区av| 波多野结衣一区麻豆| 久9热在线精品视频| 免费在线观看日本一区| 三上悠亚av全集在线观看| 久久久久精品人妻al黑| 黄色片一级片一级黄色片| 久久 成人 亚洲| 99热全是精品| 国产一卡二卡三卡精品| 免费高清在线观看日韩| 麻豆av在线久日| 成人国语在线视频| 久久青草综合色| 日本av手机在线免费观看| 黄色 视频免费看| 精品少妇黑人巨大在线播放| 99久久精品国产亚洲精品| 欧美大码av| 欧美激情久久久久久爽电影 | 十八禁高潮呻吟视频| 另类亚洲欧美激情| 成年人黄色毛片网站| 亚洲精品国产色婷婷电影| 老司机在亚洲福利影院| 亚洲av美国av| 亚洲国产av新网站| 欧美乱码精品一区二区三区| 美女午夜性视频免费| 在线观看免费午夜福利视频| 大码成人一级视频| 久久精品国产综合久久久| videos熟女内射| 久久久国产成人免费| 女性被躁到高潮视频| 十八禁网站网址无遮挡| 久久ye,这里只有精品| 国产又爽黄色视频| 免费不卡黄色视频| 蜜桃国产av成人99| 国产黄色免费在线视频| 男人爽女人下面视频在线观看| 国产在线免费精品| av国产精品久久久久影院| 国产精品国产av在线观看| 久久久久久亚洲精品国产蜜桃av| 亚洲全国av大片| 久久精品亚洲av国产电影网| 一边摸一边抽搐一进一出视频| 免费高清在线观看日韩| 中文字幕高清在线视频| 国产欧美日韩精品亚洲av| 2018国产大陆天天弄谢| 天天躁狠狠躁夜夜躁狠狠躁| 最新在线观看一区二区三区| 自线自在国产av| 国产成人影院久久av| 亚洲va日本ⅴa欧美va伊人久久 | 美女扒开内裤让男人捅视频| 国产真人三级小视频在线观看| 在线观看免费午夜福利视频| 女人被躁到高潮嗷嗷叫费观| 免费人妻精品一区二区三区视频| 水蜜桃什么品种好| 久久99一区二区三区| 亚洲中文日韩欧美视频| 一本一本久久a久久精品综合妖精| 午夜激情久久久久久久| 欧美在线黄色| 中文字幕色久视频| 免费黄频网站在线观看国产| 亚洲伊人久久精品综合| 女人被躁到高潮嗷嗷叫费观| 超色免费av| 国产精品99久久99久久久不卡| www日本在线高清视频| 国产在线视频一区二区| 成人影院久久| 久久中文看片网| 久久久国产一区二区| 午夜免费成人在线视频| 日韩一卡2卡3卡4卡2021年| 老熟妇仑乱视频hdxx| 久久精品亚洲av国产电影网| 激情视频va一区二区三区| 交换朋友夫妻互换小说| 国产老妇伦熟女老妇高清| 日韩视频一区二区在线观看| 啦啦啦在线免费观看视频4| 91麻豆精品激情在线观看国产 | 日韩三级视频一区二区三区| 窝窝影院91人妻| 亚洲色图 男人天堂 中文字幕| 免费一级毛片在线播放高清视频 | 国产亚洲av高清不卡| 久久精品国产亚洲av香蕉五月 | 性高湖久久久久久久久免费观看| 日本猛色少妇xxxxx猛交久久| 纯流量卡能插随身wifi吗| 免费观看人在逋| 国产一区二区 视频在线| 伊人久久大香线蕉亚洲五| 久久精品国产亚洲av高清一级| 中文字幕最新亚洲高清| 久久久精品区二区三区| 亚洲精品中文字幕一二三四区 | a 毛片基地| 国内毛片毛片毛片毛片毛片| 高潮久久久久久久久久久不卡| 自线自在国产av| 天天添夜夜摸| 黑人猛操日本美女一级片| 男人舔女人的私密视频| 亚洲av日韩在线播放| 精品一区二区三区av网在线观看 | 午夜激情av网站| 国产又爽黄色视频| 免费高清在线观看视频在线观看| 啦啦啦在线免费观看视频4| 自线自在国产av| 69av精品久久久久久 | 国产人伦9x9x在线观看| 超碰97精品在线观看| videosex国产| 国产激情久久老熟女| 妹子高潮喷水视频| 国内毛片毛片毛片毛片毛片| 多毛熟女@视频| 久久久久久免费高清国产稀缺| 国产在线免费精品| 亚洲av电影在线观看一区二区三区| avwww免费| 色综合欧美亚洲国产小说| 免费少妇av软件| 中文精品一卡2卡3卡4更新| 免费少妇av软件| 亚洲综合色网址| 国产日韩欧美亚洲二区| 桃花免费在线播放| 国产xxxxx性猛交| 亚洲人成电影免费在线| 亚洲专区中文字幕在线| av片东京热男人的天堂| videos熟女内射| 最新在线观看一区二区三区| 日韩视频在线欧美| 一级片'在线观看视频| 日韩精品免费视频一区二区三区| 国产亚洲欧美精品永久| 成年动漫av网址| 午夜成年电影在线免费观看| 宅男免费午夜| 日日夜夜操网爽| 性高湖久久久久久久久免费观看| 亚洲国产欧美网| 女人久久www免费人成看片| 男男h啪啪无遮挡| 国产精品自产拍在线观看55亚洲 | av在线播放精品| 国产一区二区激情短视频 | 日韩视频一区二区在线观看| 老司机深夜福利视频在线观看 | 亚洲精品一卡2卡三卡4卡5卡 | 男男h啪啪无遮挡| 国产一区二区三区在线臀色熟女 | 亚洲激情五月婷婷啪啪| 侵犯人妻中文字幕一二三四区| 男女边摸边吃奶| 久久国产精品影院| 亚洲天堂av无毛| 亚洲精品国产av蜜桃| 久久久精品国产亚洲av高清涩受| 国产成人系列免费观看| 亚洲免费av在线视频| 在线观看人妻少妇| 欧美人与性动交α欧美精品济南到| 国产精品99久久99久久久不卡| 国产主播在线观看一区二区| 亚洲精品久久成人aⅴ小说| 国产有黄有色有爽视频| 亚洲av男天堂| 亚洲专区国产一区二区| 日本精品一区二区三区蜜桃| 十分钟在线观看高清视频www| 亚洲欧美激情在线| av有码第一页| 亚洲欧洲精品一区二区精品久久久| 男人舔女人的私密视频| 永久免费av网站大全| 免费一级毛片在线播放高清视频 | 又黄又粗又硬又大视频| 午夜免费观看性视频| 午夜老司机福利片| 妹子高潮喷水视频| 少妇裸体淫交视频免费看高清 | 精品一区二区三区四区五区乱码| 国产精品国产三级国产专区5o| 欧美精品一区二区免费开放| 欧美日韩亚洲高清精品| 最新在线观看一区二区三区| av欧美777| 青春草亚洲视频在线观看| 亚洲精品一二三| 人人妻人人添人人爽欧美一区卜| 欧美日韩中文字幕国产精品一区二区三区 | 午夜激情久久久久久久| 久久精品国产亚洲av香蕉五月 | svipshipincom国产片| av视频免费观看在线观看| 国产日韩一区二区三区精品不卡| 国产精品久久久久成人av| 欧美日韩亚洲综合一区二区三区_| www日本在线高清视频| 中国美女看黄片| 韩国高清视频一区二区三区| 日本wwww免费看| 精品亚洲乱码少妇综合久久| 在线观看www视频免费| 中亚洲国语对白在线视频| 黄色视频在线播放观看不卡| 大香蕉久久成人网| 亚洲国产成人一精品久久久| 最新在线观看一区二区三区| 欧美黑人精品巨大| 久久国产精品人妻蜜桃| 女人久久www免费人成看片| 中文字幕高清在线视频| 亚洲欧美精品自产自拍| 九色亚洲精品在线播放| 久久精品亚洲av国产电影网| 精品亚洲乱码少妇综合久久| 在线av久久热| 80岁老熟妇乱子伦牲交| 天堂8中文在线网| 国产亚洲欧美在线一区二区| 亚洲国产欧美网| 亚洲国产精品一区二区三区在线| 秋霞在线观看毛片| 国产一区二区三区av在线| 乱人伦中国视频| 少妇的丰满在线观看| 久久久欧美国产精品| 久久青草综合色| 亚洲性夜色夜夜综合| 欧美日韩精品网址| 汤姆久久久久久久影院中文字幕| 午夜精品国产一区二区电影| 国产麻豆69| 免费少妇av软件| 男女高潮啪啪啪动态图| 91精品三级在线观看| 精品久久久精品久久久| 高清黄色对白视频在线免费看| 日韩中文字幕欧美一区二区| 久久精品久久久久久噜噜老黄| 免费黄频网站在线观看国产| 欧美大码av| 成年人免费黄色播放视频| 午夜91福利影院| 国产福利在线免费观看视频| 黄网站色视频无遮挡免费观看| 99精品久久久久人妻精品| 亚洲伊人色综图| 欧美日韩亚洲国产一区二区在线观看 | 高清在线国产一区| 国产在线视频一区二区| 欧美国产精品va在线观看不卡| av超薄肉色丝袜交足视频| 亚洲欧美精品综合一区二区三区| 国产亚洲精品久久久久5区| 淫妇啪啪啪对白视频 | 亚洲国产欧美网| 精品人妻熟女毛片av久久网站| 中文精品一卡2卡3卡4更新| 精品亚洲成a人片在线观看| 一本色道久久久久久精品综合| 国产亚洲av片在线观看秒播厂| 亚洲伊人久久精品综合| 丝瓜视频免费看黄片| 日韩制服骚丝袜av| 狠狠精品人妻久久久久久综合| 中文欧美无线码| 国产亚洲av高清不卡| 亚洲精品日韩在线中文字幕| 亚洲欧美激情在线| 亚洲av国产av综合av卡| 侵犯人妻中文字幕一二三四区| 香蕉国产在线看| 久久久精品区二区三区| 欧美精品一区二区免费开放| 欧美国产精品va在线观看不卡| 亚洲七黄色美女视频| 热99国产精品久久久久久7| 国产精品一区二区在线观看99| 在线观看舔阴道视频| 精品久久久久久久毛片微露脸 | 国产深夜福利视频在线观看| 在线观看免费日韩欧美大片| 狂野欧美激情性bbbbbb| 国产精品 国内视频| 色婷婷久久久亚洲欧美| 亚洲国产精品一区二区三区在线| 又黄又粗又硬又大视频| 成在线人永久免费视频| 久久精品国产综合久久久| 人人妻人人澡人人爽人人夜夜| 9191精品国产免费久久| 大香蕉久久网| 99九九在线精品视频| 最近中文字幕2019免费版| 女人爽到高潮嗷嗷叫在线视频| 香蕉丝袜av| 久久精品亚洲熟妇少妇任你| 男女免费视频国产| 国产精品久久久久久精品电影小说| 亚洲黑人精品在线| 欧美精品亚洲一区二区| 1024视频免费在线观看| 少妇 在线观看| 大香蕉久久成人网| 美女视频免费永久观看网站| 99香蕉大伊视频| 日韩制服丝袜自拍偷拍| 亚洲国产av新网站| 亚洲成人国产一区在线观看| 天天躁日日躁夜夜躁夜夜| 91国产中文字幕| 国产亚洲精品第一综合不卡| 我的亚洲天堂| 中文字幕人妻丝袜制服| 精品国产超薄肉色丝袜足j| 夜夜夜夜夜久久久久| 国产精品二区激情视频| 亚洲欧美一区二区三区久久| 两性夫妻黄色片| 女人高潮潮喷娇喘18禁视频| 青青草视频在线视频观看| 久久中文字幕一级| 999久久久精品免费观看国产| 中文字幕色久视频| 日本黄色日本黄色录像| 美女国产高潮福利片在线看| 国产极品粉嫩免费观看在线| 80岁老熟妇乱子伦牲交| 亚洲中文日韩欧美视频| 嫁个100分男人电影在线观看| 免费黄频网站在线观看国产| 久久99热这里只频精品6学生| 成年美女黄网站色视频大全免费| 欧美亚洲日本最大视频资源| 高清av免费在线| 一个人免费在线观看的高清视频 | 亚洲七黄色美女视频| 老司机靠b影院| 91麻豆av在线| 成人亚洲精品一区在线观看| 久热爱精品视频在线9| 在线av久久热| 亚洲成av片中文字幕在线观看| 曰老女人黄片| 久久香蕉激情| 国产欧美日韩一区二区三 | 日韩三级视频一区二区三区| 欧美日韩av久久| 国产欧美日韩综合在线一区二区| 国产91精品成人一区二区三区 | 精品国产一区二区三区四区第35| 50天的宝宝边吃奶边哭怎么回事| 高清黄色对白视频在线免费看| av线在线观看网站| 久久ye,这里只有精品| 狠狠狠狠99中文字幕| 免费在线观看影片大全网站| 丰满人妻熟妇乱又伦精品不卡| 国产成人精品在线电影| 亚洲三区欧美一区| 日韩大片免费观看网站| 大香蕉久久网| av免费在线观看网站| 一本色道久久久久久精品综合| 精品少妇黑人巨大在线播放| 狂野欧美激情性bbbbbb| 免费不卡黄色视频|