• <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 ?

    基于無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的滾動(dòng)軸承故障診斷?

    2010-10-09 01:13:48高保祿馮秀芳熊詩(shī)波徐占偉
    關(guān)鍵詞:向量神經(jīng)網(wǎng)絡(luò)狀態(tài)

    高保祿,馮秀芳,熊詩(shī)波,徐占偉

    (1.太原理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,山西太原 030024;2.太原理工大學(xué)機(jī)械電子研究所,山西太原 030024)

    0 引 言

    傳統(tǒng)機(jī)械故障的診斷和監(jiān)測(cè)都是通過(guò)有線傳感器來(lái)完成的.這種方法由于需要事先布線安裝,在靈活性、安全性和可維護(hù)性等方面越來(lái)越不適應(yīng)大型精密設(shè)備的應(yīng)用需求.采用無(wú)線傳感器網(wǎng)絡(luò)監(jiān)測(cè)、診斷機(jī)械設(shè)備的運(yùn)行狀態(tài),是未來(lái)發(fā)展的趨勢(shì).同時(shí),無(wú)線傳感器使用靈活、部署方便的特點(diǎn),可以很好地避免有線傳感器在復(fù)雜機(jī)械設(shè)備中布線、維護(hù)等問(wèn)題.在無(wú)線傳感器網(wǎng)絡(luò)中,采集的數(shù)據(jù)一方面由于單個(gè)傳感器節(jié)點(diǎn)在短時(shí)間內(nèi)多次采集到的數(shù)據(jù)具有極高的相似度,另一方面,鄰近傳感器節(jié)點(diǎn)在相近時(shí)刻采集到的數(shù)據(jù)同樣會(huì)具有很高的相似度.因此,將所有傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)全部傳輸給匯聚節(jié)點(diǎn),不但沒(méi)有實(shí)際意義,反而會(huì)過(guò)多消耗傳感器節(jié)點(diǎn)的能量,影響網(wǎng)絡(luò)壽命.數(shù)據(jù)融合技術(shù)將信息在本地或者傳輸過(guò)程中進(jìn)行處理,可以有效地減少傳感器節(jié)點(diǎn)間的數(shù)據(jù)通信,進(jìn)而降低傳感器節(jié)點(diǎn)的能耗,延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)的壽命[1-2].雖然數(shù)據(jù)融合的過(guò)程也會(huì)造成計(jì)算上的耗能,但是這部分能量消耗與節(jié)點(diǎn)通信的能量消耗相比可以忽略不計(jì).

    1 基于 WSN的滾動(dòng)軸承故障診斷模型

    與傳統(tǒng)有線傳感器網(wǎng)絡(luò)不同,無(wú)線傳感器網(wǎng)絡(luò)在節(jié)點(diǎn)通信能力、能量供給上均受到嚴(yán)格限制,因此數(shù)據(jù)通常采用多跳轉(zhuǎn)發(fā)的方式在網(wǎng)絡(luò)中傳遞.無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)就是充分利用節(jié)點(diǎn)自身的計(jì)算和存儲(chǔ)能力,將數(shù)據(jù)在轉(zhuǎn)發(fā)的過(guò)程中進(jìn)行處理,逐步減少數(shù)據(jù)通信量從而達(dá)到節(jié)省能量的目的.鑒于此,在實(shí)際應(yīng)用中常常用分簇的辦法將距離較近、數(shù)據(jù)相關(guān)程度較高的傳感器節(jié)點(diǎn)看作一個(gè)小型網(wǎng)絡(luò),每個(gè)簇內(nèi)節(jié)點(diǎn)相互協(xié)作,進(jìn)行融合操作[3].本文討論的無(wú)線傳感器網(wǎng)絡(luò)也是基于 LEACH協(xié)議[4]分簇后的網(wǎng)絡(luò).

    圖1描述了基于 WSN的軸承滾動(dòng)故障診斷模型.該模型將數(shù)據(jù)融合被分為 3個(gè)層次,分別是數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí).其中數(shù)據(jù)級(jí)數(shù)據(jù)融合是基于監(jiān)測(cè)節(jié)點(diǎn)的.在監(jiān)測(cè)節(jié)點(diǎn)上,首先對(duì)監(jiān)測(cè)到的軸承數(shù)據(jù)進(jìn)行初步融合處理,如 A/D轉(zhuǎn)換、噪聲過(guò)濾、數(shù)據(jù)壓縮等.這個(gè)階段的數(shù)據(jù)融合主要是為特征級(jí)的融合處理做準(zhǔn)備.另外考慮到傳感器節(jié)點(diǎn)能力有限,而監(jiān)測(cè)節(jié)點(diǎn)主要負(fù)責(zé)該區(qū)域的監(jiān)測(cè)任務(wù),因此,這部分?jǐn)?shù)據(jù)融合程度有限.特征級(jí)數(shù)據(jù)融合主要在簇頭節(jié)點(diǎn)進(jìn)行.在簇頭節(jié)點(diǎn)上,通過(guò)收集來(lái)自監(jiān)測(cè)節(jié)點(diǎn)的數(shù)據(jù),并對(duì)其進(jìn)行特征提取,利用本文提出的融合算法進(jìn)行故障分類,并將分類的結(jié)果,傳送給匯聚節(jié)點(diǎn)或基站.通過(guò)這部分的融合處理,來(lái)自監(jiān)測(cè)節(jié)點(diǎn)的信號(hào),已基本上轉(zhuǎn)換成了故障類型,因此,這部分是本文數(shù)據(jù)融合的重點(diǎn).需要說(shuō)明的是,由于信號(hào)特征提取需要大量的計(jì)算,因此,建議在簇頭節(jié)點(diǎn)部署性能好,計(jì)算能力強(qiáng),能量、存儲(chǔ)量大的傳感器,以滿足其功能上的需求.決策級(jí)數(shù)據(jù)融合是在匯聚節(jié)點(diǎn)(或基站)內(nèi)進(jìn)行的.通過(guò)收集簇頭節(jié)點(diǎn)傳來(lái)的故障信息,對(duì)系統(tǒng)不同參數(shù)(如振動(dòng)、溫度等)進(jìn)行綜合分析,得出整個(gè)系統(tǒng)各個(gè)部分的工作狀態(tài),反饋給用戶.

    2 軸承故障診斷數(shù)據(jù)融合

    在本文的融合模型中,特征級(jí)融合是運(yùn)行在簇頭節(jié)點(diǎn)上的,負(fù)責(zé)將源節(jié)點(diǎn)采集的數(shù)據(jù)轉(zhuǎn)換成故障類型,這部分融合是本模型最重要的部分,也是本文主要討論的部分.在特征級(jí)數(shù)據(jù)融合過(guò)程中,首先對(duì)信號(hào)進(jìn)行特征提取.本文采取循環(huán)自相關(guān)函數(shù)的方法,對(duì)調(diào)制信號(hào)進(jìn)行解調(diào),從而得出軸承的故障特征.需要說(shuō)明的是,本文采用循環(huán)統(tǒng)計(jì)量作為特征提取只是一種示例,在實(shí)際應(yīng)用中,應(yīng)根據(jù)具體情況選擇合適的方法進(jìn)行特征提取[5-7].

    將特征數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入,來(lái)判斷軸承的故障狀態(tài),具體過(guò)程如圖2所示.本文主要涉及滾動(dòng)軸承最常見(jiàn)的外圈、內(nèi)圈和滾動(dòng)體的故障.分別計(jì)算循環(huán)自相關(guān)函數(shù) (Cyclic Autocorrelation Function,CAF)在循環(huán)頻率等于上述故障的故障頻率處的切片信息,并分析在上述故障頻率及其 2倍頻率附近,功率譜上是否存在峰值.將切片功率譜中位于故障頻率及其 2倍頻率處的 CAF值作為神經(jīng)網(wǎng)絡(luò)的輸入.對(duì)于輸出結(jié)果,有故障輸出 1,反之輸出 0.從而可以得到神經(jīng)網(wǎng)絡(luò)的輸入輸出,如表1所示,其中 df表示頻率調(diào)整參數(shù).

    表1 神經(jīng)網(wǎng)絡(luò)輸入輸出參數(shù)Tab.1 Input and output parameters of neural network

    鑒于傳統(tǒng) BP網(wǎng)絡(luò)在收斂性上有差異,本文采用基于主元分析的神經(jīng)網(wǎng)絡(luò)[8]進(jìn)行狀態(tài)檢測(cè).該網(wǎng)絡(luò)模型采用基于 Hebb對(duì)稱子空間學(xué)習(xí)規(guī)則(推導(dǎo)過(guò)程見(jiàn)文獻(xiàn) [9])

    性能評(píng)價(jià)函數(shù)為

    式中:k為訓(xùn)練次數(shù)序號(hào);_為取值在 0~ 1之間的學(xué)習(xí)速率.

    假設(shè)無(wú)線傳感器網(wǎng)絡(luò)對(duì)某一軸承運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè),網(wǎng)絡(luò)采用基于 LEACH的分簇協(xié)議,非簇首節(jié)點(diǎn)數(shù)目為 n.傳感器為振動(dòng)傳感器,本算法主要針對(duì)軸承運(yùn)行過(guò)程中的振動(dòng)信號(hào)進(jìn)行融合,將振動(dòng)信號(hào)轉(zhuǎn)化為對(duì)運(yùn)行狀態(tài)的分類.此外,本算法需要先利用具有代表性的特征參數(shù)(表1所示)對(duì)所使用的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,將分類結(jié)果(輸出向量,本算法稱為狀態(tài)向量)預(yù)選存儲(chǔ)于節(jié)點(diǎn)之中.

    算法的主要過(guò)程如下:

    1)分別選擇不同運(yùn)行狀態(tài)下(包括正常狀態(tài),內(nèi)圈故障,外圈故障,滾動(dòng)體故障等)典型參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入,并得到相應(yīng)的輸出向量 C(狀態(tài)向量),并保存于傳感器節(jié)點(diǎn)中.此階段為網(wǎng)絡(luò)初始化階段.

    2)在網(wǎng)絡(luò)運(yùn)行過(guò)程中,簇頭節(jié)點(diǎn)收集簇內(nèi)各個(gè)成員節(jié)點(diǎn)的數(shù)據(jù),并將送來(lái)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,先使輸入數(shù)據(jù)均值為 0.

    之后將數(shù)據(jù)單位化

    3)簇頭節(jié)點(diǎn)對(duì)于任意一組數(shù)據(jù),利用式 (1)將神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣進(jìn)行逼近,得到輸出向量 S;

    4)將輸出向量 S分別與已經(jīng)存儲(chǔ)于節(jié)點(diǎn)的狀態(tài)向量組中的向量進(jìn)行對(duì)比,這里采用計(jì)算歐幾里德距離的方法,得出 S與各個(gè)狀態(tài)向量的距離

    5)比較向量 S與各個(gè)狀態(tài)的距離,選取距離最短的狀態(tài)作為網(wǎng)絡(luò)的最終輸出狀態(tài),并確定各輸出參數(shù)值.簇頭節(jié)點(diǎn)將輸出參數(shù)上傳至匯聚節(jié)點(diǎn)或基站,匯聚節(jié)點(diǎn)或基站通過(guò)收集各個(gè)簇頭節(jié)點(diǎn)的不同類型信息進(jìn)行綜合判斷.

    3 實(shí)驗(yàn)仿真

    由于本文提出的算法主要在簇頭節(jié)點(diǎn)上進(jìn)行特征級(jí)融合,因此實(shí)驗(yàn)主要針對(duì)這部分進(jìn)行驗(yàn)證.

    本實(shí)驗(yàn)針對(duì)傳感器采集的滾動(dòng)軸承的振動(dòng)測(cè)試實(shí)驗(yàn)數(shù)據(jù),取得了 8組正常狀態(tài)與不同故障狀態(tài)的滾動(dòng)軸承振動(dòng)數(shù)據(jù).實(shí)驗(yàn)中,采用測(cè)試對(duì)象是工程上最為常見(jiàn)的單列深溝球軸承.根據(jù)相關(guān)滾動(dòng)軸承故障特征頻率的計(jì)算公式,計(jì)算出本實(shí)驗(yàn)所用軸承的特征頻率如表2所示.

    表2 測(cè)試軸承故障特征頻率Tab.2 Fault feature frequency of tested bearing

    以上 3種類型故障特征頻率均為理論值,在實(shí)際應(yīng)用中,由于受到實(shí)驗(yàn)器材、實(shí)驗(yàn)環(huán)境等因素影響,往往需要在理論值的附近尋找符合實(shí)際情況的真實(shí)值.

    在 Matlab中,從已測(cè)得的滾動(dòng)軸承振動(dòng)加速度信號(hào)文件中讀取振動(dòng)信號(hào)數(shù)據(jù),該信號(hào)是滾動(dòng)軸承上傳感器測(cè)得的一個(gè)方向的振動(dòng)信號(hào).圖3顯示了相同負(fù)載情況下,正常狀態(tài)和滾動(dòng)體故障狀態(tài)下信號(hào)的時(shí)域圖.從圖中可以看出,發(fā)生故障的振動(dòng)圖與正常信號(hào)的振動(dòng)圖在幅值上有一定的區(qū)別,但并不能由此判定故障的原因.對(duì)信號(hào)進(jìn)行采樣,樣本個(gè)數(shù)為 2 048,并對(duì)信號(hào)進(jìn)行消噪.消噪部分是在無(wú)線傳感器網(wǎng)絡(luò)的監(jiān)測(cè)節(jié)點(diǎn)上進(jìn)行的,由于傳感器節(jié)點(diǎn)能力有限,而且監(jiān)測(cè)節(jié)點(diǎn)的主要任務(wù)是負(fù)責(zé)對(duì)軸承運(yùn)行狀態(tài)進(jìn)行狀態(tài)檢測(cè),為了減少計(jì)算量,達(dá)到對(duì)信號(hào)初步過(guò)濾的目的,這里使用小波包消噪.

    圖3 采樣信號(hào)消噪前后時(shí)域圖Fig.3 Sample time domain signals before and after de-noising

    圖4 循環(huán)自相關(guān)函數(shù)在滾動(dòng)體故障頻率處切片的功率譜密度Fig.4 Power spectral density of cyclic autocorrelation function at rolling element fault frequency slice

    對(duì)比圖3消噪前后振動(dòng)的時(shí)域圖可知,信號(hào)中的高頻部分得到了初步的抑制,為后續(xù)工作做好了準(zhǔn)備.圖3也反映了軸承振動(dòng)隨時(shí)間變化的情況,可以看出,振動(dòng)信號(hào)周期性并不明顯,不能直接判斷出是否存在故障.對(duì)循環(huán)頻率等于滾動(dòng)體故障頻率 11.2 Hz處的循環(huán)自相關(guān)函數(shù)進(jìn)行切片處理,可以在其功率譜中提取一個(gè)微弱的特征頻率 13.1 Hz的頻率成分,如圖4所示,其相對(duì)于其他頻率成分,占有突出地位.

    這說(shuō)明通過(guò)循環(huán)自相關(guān)函數(shù),可以有效抑制信號(hào)中的其他頻率成分,將周期的故障信號(hào)特征提取出來(lái),達(dá)到了特征提取的目的.到這里,本實(shí)驗(yàn)已經(jīng)完成了特征提取部分,下面將提取的特征通過(guò) PCA神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類.首先,分別取不同狀態(tài)下(正常、故障)的振動(dòng)數(shù)據(jù),按照前面介紹的方法,在不同故障頻率處(內(nèi)圈、外圈、滾動(dòng)體)作切片處理,并且在其功率譜密度圖中,分別取 3種故障特征頻率處的 CAF值.取 20組不同狀態(tài)下的數(shù)據(jù),作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,篇幅所限,這里只給出其中 10組,如表3所示.將 20組訓(xùn)練樣本作為輸入,按照小節(jié) 2的方法,設(shè)定學(xué)習(xí)速率為 0.1,訓(xùn)練誤差為 0.001,根據(jù)式 (1)對(duì)輸出進(jìn)行逼近.實(shí)驗(yàn)證明如圖5,對(duì)于所有樣本數(shù)據(jù),神經(jīng)網(wǎng)絡(luò)均能在很少的訓(xùn)練次數(shù)(小于 150次且采用固定學(xué)習(xí)速率=0.1)就能夠收斂.

    使用固定的學(xué)習(xí)速率目的是簡(jiǎn)化計(jì)算,并利用主元分析技術(shù)減少所需要處理的數(shù)據(jù)量(對(duì)輸入向量作降維處理),這樣就減少了用于計(jì)算的能量開(kāi)銷.這里,用整個(gè)頻率域上 CAF的平均值作為正常狀態(tài)的參考值,而用頻率域上 CAF最大的 2個(gè)值的平均值作為故障狀態(tài)的參考值.由于神經(jīng)網(wǎng)絡(luò)收斂以后將輸入向量同權(quán)值矩陣相乘便可得出輸出向量,根據(jù)式(5),通過(guò)計(jì)算與各個(gè)狀態(tài)向量的距離,便可得出相應(yīng)的故障類型.此處權(quán)值矩陣的具體數(shù)值以及輸出參數(shù)具體數(shù)值鑒于篇幅所限,將不一一列出.

    圖5 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)Fig.5 Training times of neural network

    表3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本Tab.3 Neural network training samples

    4 結(jié) 論

    本文提出了基于 WSN復(fù)雜機(jī)械設(shè)備數(shù)據(jù)融合的功能模型,并使用神經(jīng)絡(luò)進(jìn)行數(shù)據(jù)融合的方法,對(duì)滾動(dòng)軸承進(jìn)行故障診斷.實(shí)驗(yàn)證明本文提出的模型和算法的可靠性和有效性.但是本文所涉及的模型和算法都是基于固定簇頭節(jié)點(diǎn)進(jìn)行的,如何在動(dòng)態(tài)變化的無(wú)線傳感器網(wǎng)絡(luò)中建立數(shù)據(jù)融合診斷模型是今后研究的重點(diǎn).另外,在特征提取部分,現(xiàn)有方法計(jì)算量較大,如何簡(jiǎn)化特征提取過(guò)程,如何提高神經(jīng)網(wǎng)絡(luò)的收斂性也是未來(lái)研究的方向.

    [1]Akyildiz I F,Su W,Sankarasubramaniam Y,et al.Wireless sensor networks:a survey[J].Computer Networks,2002,38:393-422.

    [2]David C,Deborah E,Mani S.Overview of sensor networks[J].Computer,2004,37(8):41-49.

    [3]高艷麗,劉詩(shī)斌.基于 PSO的神經(jīng)網(wǎng)絡(luò)在傳感器數(shù)據(jù)融合中的應(yīng)用[J].傳感技術(shù)學(xué)報(bào),2006,19(4):1284-1289.Gao Yanli,Liu Shibin.Application of neural network based on PSO in data fusion of sensor[J].Chinese Journal of Sensors and Actuators,2006,19(4):1284-1289.(in Chinese)

    [4]Intanagonwiwat C,Estrin D,Govindan R.Impact of network density on data aggregation in wireless sensor networks[C].Proceedings of ICDCS′02,2002:457-458.

    [5]陳進(jìn).機(jī)械設(shè)備振動(dòng)監(jiān)測(cè)與故障診斷 [M].上海:上海交通大學(xué)出版社,1999.

    [6]李力,屈梁生.循環(huán)域解調(diào)方法在滾動(dòng)軸承故障診斷中的應(yīng)用[J].軸承,2003(10):33-36.Li Li,Qu Liangsheng.Application of cyclic domain demodulation in fault diagnosis of rolling bearing[J].Bearing,2003(10):33-36.(in Chinese)

    [7]Mathew J,Alfredson R J.The condition monitoring of rolling element bearing using vibration analysis[J].Journal of Vibration,Acoustics,Stress and Reliability in Design,1984,106:447-453.

    [8]Feng Xiufang,Xu Zhanwei.A neural data fusion algorithm in wireless sensor network[C].Proceedings of the 2009 Pacific-Asia Conference on Circuits,Communications and System,PACCS,2009:54-57.

    [9]Ham F M,Kostani I.神經(jīng)計(jì)算原理(英文版 )[M].北京:機(jī)械工業(yè)出版社,2003.

    猜你喜歡
    向量神經(jīng)網(wǎng)絡(luò)狀態(tài)
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    狀態(tài)聯(lián)想
    生命的另一種狀態(tài)
    向量垂直在解析幾何中的應(yīng)用
    熱圖
    家庭百事通(2016年3期)2016-03-14 08:07:17
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    堅(jiān)持是成功前的狀態(tài)
    山東青年(2016年3期)2016-02-28 14:25:52
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    av天堂在线播放| 丁香欧美五月| 久久久久国内视频| 亚洲欧美日韩无卡精品| 淫妇啪啪啪对白视频| 日韩高清综合在线| 色综合亚洲欧美另类图片| 国产乱人伦免费视频| 窝窝影院91人妻| 一级a爱片免费观看的视频| √禁漫天堂资源中文www| 久久国产乱子伦精品免费另类| 国产精品 国内视频| 黄网站色视频无遮挡免费观看| 欧美日韩一级在线毛片| 18禁黄网站禁片免费观看直播| 亚洲欧美日韩高清在线视频| 久久久久久久精品吃奶| 亚洲自拍偷在线| 中文字幕久久专区| 成年人黄色毛片网站| 精品久久久久久久毛片微露脸| 日韩欧美一区视频在线观看| 在线观看免费视频日本深夜| 免费在线观看日本一区| 欧美性猛交黑人性爽| netflix在线观看网站| 婷婷精品国产亚洲av在线| 成年免费大片在线观看| 精品国产乱码久久久久久男人| 成人国产一区最新在线观看| 国产伦一二天堂av在线观看| 亚洲男人的天堂狠狠| 夜夜爽天天搞| 免费高清视频大片| 亚洲真实伦在线观看| 亚洲精品一卡2卡三卡4卡5卡| 黄色丝袜av网址大全| cao死你这个sao货| 黄色视频不卡| 亚洲国产毛片av蜜桃av| 熟妇人妻久久中文字幕3abv| 在线永久观看黄色视频| 脱女人内裤的视频| 真人一进一出gif抽搐免费| 成人免费观看视频高清| 国产免费av片在线观看野外av| 久久久久亚洲av毛片大全| 午夜激情av网站| 欧美性猛交╳xxx乱大交人| 变态另类成人亚洲欧美熟女| 在线观看日韩欧美| 精品国产乱码久久久久久男人| 一本综合久久免费| 国产成人啪精品午夜网站| 午夜福利视频1000在线观看| 国产成人系列免费观看| 国产精品电影一区二区三区| 满18在线观看网站| 伊人久久大香线蕉亚洲五| 女警被强在线播放| 美女国产高潮福利片在线看| 久久亚洲精品不卡| 欧美成人性av电影在线观看| 97超级碰碰碰精品色视频在线观看| 18禁观看日本| 久久青草综合色| www.自偷自拍.com| 人人妻,人人澡人人爽秒播| 久久久久免费精品人妻一区二区 | 久久久国产成人免费| 国产麻豆成人av免费视频| 亚洲一码二码三码区别大吗| 国产成人啪精品午夜网站| 中文字幕高清在线视频| 精品少妇一区二区三区视频日本电影| 无遮挡黄片免费观看| 精品国产美女av久久久久小说| 国产精品日韩av在线免费观看| 亚洲国产精品成人综合色| 午夜激情福利司机影院| 91九色精品人成在线观看| 色哟哟哟哟哟哟| 午夜a级毛片| 亚洲九九香蕉| 在线av久久热| 中文字幕精品免费在线观看视频| 亚洲av成人不卡在线观看播放网| 亚洲人成77777在线视频| 午夜精品久久久久久毛片777| xxx96com| 午夜两性在线视频| 国产精品二区激情视频| 国产高清videossex| 波多野结衣巨乳人妻| 不卡一级毛片| АⅤ资源中文在线天堂| 午夜精品在线福利| 怎么达到女性高潮| 亚洲精品国产区一区二| 国产黄a三级三级三级人| 午夜福利在线观看吧| 一卡2卡三卡四卡精品乱码亚洲| 熟妇人妻久久中文字幕3abv| 人人妻,人人澡人人爽秒播| 女生性感内裤真人,穿戴方法视频| 青草久久国产| 一级毛片女人18水好多| 日韩免费av在线播放| 国产午夜精品久久久久久| 一区二区三区精品91| 一本精品99久久精品77| 日韩欧美一区视频在线观看| 婷婷六月久久综合丁香| 国产精品亚洲av一区麻豆| 色哟哟哟哟哟哟| 亚洲欧美一区二区三区黑人| 999久久久国产精品视频| 99久久综合精品五月天人人| 亚洲精品美女久久久久99蜜臀| 国产一级毛片七仙女欲春2 | 国产乱人伦免费视频| 亚洲第一电影网av| 在线观看午夜福利视频| 亚洲,欧美精品.| 午夜福利18| 久久国产乱子伦精品免费另类| 最新美女视频免费是黄的| 亚洲一区二区三区色噜噜| 日日夜夜操网爽| 别揉我奶头~嗯~啊~动态视频| 久久国产亚洲av麻豆专区| 亚洲成av片中文字幕在线观看| 国产成+人综合+亚洲专区| www国产在线视频色| 两人在一起打扑克的视频| 免费在线观看黄色视频的| 黄片大片在线免费观看| 久久久久国内视频| 国产精品 国内视频| 色播亚洲综合网| 又大又爽又粗| 日日摸夜夜添夜夜添小说| www.自偷自拍.com| 一级片免费观看大全| 亚洲欧洲精品一区二区精品久久久| 亚洲精品一卡2卡三卡4卡5卡| 久久精品国产亚洲av香蕉五月| 免费看十八禁软件| 真人做人爱边吃奶动态| 欧美黑人精品巨大| 麻豆成人午夜福利视频| 一本大道久久a久久精品| 国产一区在线观看成人免费| 两性夫妻黄色片| 久久午夜综合久久蜜桃| 成年人黄色毛片网站| 久久国产亚洲av麻豆专区| 欧美成狂野欧美在线观看| 叶爱在线成人免费视频播放| 久久精品人妻少妇| 一本大道久久a久久精品| 两人在一起打扑克的视频| 国产伦人伦偷精品视频| 免费女性裸体啪啪无遮挡网站| 日本a在线网址| 欧美日韩福利视频一区二区| 免费在线观看黄色视频的| 夜夜夜夜夜久久久久| 国产精品 欧美亚洲| 91大片在线观看| 亚洲中文日韩欧美视频| 免费无遮挡裸体视频| 亚洲成人免费电影在线观看| 午夜影院日韩av| 久热这里只有精品99| 变态另类丝袜制服| cao死你这个sao货| 国产极品粉嫩免费观看在线| 久久久国产成人精品二区| 国产aⅴ精品一区二区三区波| 9191精品国产免费久久| 色尼玛亚洲综合影院| 免费观看精品视频网站| 久久久国产成人精品二区| 少妇的丰满在线观看| 日韩大码丰满熟妇| 国产精品爽爽va在线观看网站 | 午夜久久久久精精品| 午夜福利成人在线免费观看| 欧美亚洲日本最大视频资源| 极品教师在线免费播放| 91老司机精品| 亚洲第一av免费看| 欧美人与性动交α欧美精品济南到| 91九色精品人成在线观看| 久久精品aⅴ一区二区三区四区| 给我免费播放毛片高清在线观看| 亚洲一区二区三区不卡视频| 国产精品一区二区三区四区久久 | 女同久久另类99精品国产91| 日韩欧美免费精品| 夜夜躁狠狠躁天天躁| 日韩欧美国产一区二区入口| 又大又爽又粗| 不卡av一区二区三区| 国产欧美日韩一区二区三| 在线观看日韩欧美| 国产精品1区2区在线观看.| 亚洲久久久国产精品| 国内精品久久久久久久电影| 熟女电影av网| 亚洲欧美一区二区三区黑人| 亚洲av中文字字幕乱码综合 | 国产aⅴ精品一区二区三区波| 亚洲全国av大片| 亚洲av第一区精品v没综合| 日本一本二区三区精品| 亚洲国产精品sss在线观看| 麻豆av在线久日| e午夜精品久久久久久久| 日日干狠狠操夜夜爽| 亚洲av日韩精品久久久久久密| 男人舔女人的私密视频| 12—13女人毛片做爰片一| 91九色精品人成在线观看| 天堂影院成人在线观看| 色尼玛亚洲综合影院| 欧美中文综合在线视频| 日本三级黄在线观看| 中文字幕最新亚洲高清| 黑人欧美特级aaaaaa片| 国内精品久久久久精免费| 中文字幕av电影在线播放| 亚洲av成人一区二区三| 国产精品乱码一区二三区的特点| 国产精品免费一区二区三区在线| 久久精品国产99精品国产亚洲性色| 亚洲五月色婷婷综合| 国产精品日韩av在线免费观看| 午夜久久久在线观看| 国产精品综合久久久久久久免费| 国产精品久久视频播放| netflix在线观看网站| 草草在线视频免费看| 很黄的视频免费| 亚洲五月色婷婷综合| 免费看美女性在线毛片视频| 亚洲欧美日韩高清在线视频| 宅男免费午夜| 首页视频小说图片口味搜索| 999久久久国产精品视频| 久久精品成人免费网站| 女人爽到高潮嗷嗷叫在线视频| 男人舔女人下体高潮全视频| 国产精品美女特级片免费视频播放器 | 99热这里只有精品一区 | 在线国产一区二区在线| 欧美黑人精品巨大| 老司机福利观看| 日本免费一区二区三区高清不卡| 十八禁人妻一区二区| 黄色毛片三级朝国网站| 天天躁狠狠躁夜夜躁狠狠躁| 中文字幕人妻熟女乱码| 国产亚洲精品久久久久久毛片| 一夜夜www| 国产精品电影一区二区三区| 国产av一区二区精品久久| 亚洲欧美激情综合另类| 99久久久亚洲精品蜜臀av| 1024视频免费在线观看| 欧美日韩瑟瑟在线播放| 亚洲九九香蕉| 久久久久久久久中文| 亚洲av美国av| 观看免费一级毛片| 亚洲精品久久成人aⅴ小说| 99热6这里只有精品| 亚洲中文字幕一区二区三区有码在线看 | av天堂在线播放| 大香蕉久久成人网| 中文亚洲av片在线观看爽| 51午夜福利影视在线观看| 精品高清国产在线一区| 亚洲精品美女久久av网站| 日本三级黄在线观看| 亚洲国产毛片av蜜桃av| xxxwww97欧美| 久久久久久九九精品二区国产 | 亚洲天堂国产精品一区在线| 丁香欧美五月| 人人妻人人澡人人看| 黄网站色视频无遮挡免费观看| 日日干狠狠操夜夜爽| 亚洲国产日韩欧美精品在线观看 | 岛国在线观看网站| 黄色视频,在线免费观看| 丁香六月欧美| 亚洲男人天堂网一区| 人人妻人人澡人人看| 超碰成人久久| 国产精品影院久久| 欧美日韩乱码在线| 国内精品久久久久久久电影| 中文字幕高清在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 香蕉丝袜av| 香蕉国产在线看| 精品高清国产在线一区| 日韩成人在线观看一区二区三区| 欧美日韩亚洲综合一区二区三区_| 首页视频小说图片口味搜索| 久久久久国产精品人妻aⅴ院| 久热这里只有精品99| 青草久久国产| 久久久久免费精品人妻一区二区 | 亚洲av第一区精品v没综合| 中文在线观看免费www的网站 | 午夜免费成人在线视频| 一本综合久久免费| 亚洲国产看品久久| 欧美成人一区二区免费高清观看 | e午夜精品久久久久久久| 欧美日韩亚洲国产一区二区在线观看| 成年版毛片免费区| 亚洲国产欧洲综合997久久, | 欧美三级亚洲精品| 老汉色av国产亚洲站长工具| 欧美日韩福利视频一区二区| 欧美日本视频| 国产不卡一卡二| 亚洲成av人片免费观看| 精品久久久久久久人妻蜜臀av| 亚洲第一av免费看| 亚洲成av人片免费观看| 亚洲专区字幕在线| 亚洲男人天堂网一区| 十分钟在线观看高清视频www| 777久久人妻少妇嫩草av网站| 欧美激情极品国产一区二区三区| 欧美成人免费av一区二区三区| 亚洲成人久久性| 一本一本综合久久| 999久久久精品免费观看国产| 黄片大片在线免费观看| 国产一区二区三区视频了| 丝袜人妻中文字幕| 久久久久久免费高清国产稀缺| 黄片大片在线免费观看| 国产一区二区三区视频了| 国产精华一区二区三区| 免费在线观看影片大全网站| 国产av又大| 一区二区三区激情视频| 91国产中文字幕| 夜夜看夜夜爽夜夜摸| a级毛片在线看网站| 午夜激情av网站| 日韩欧美免费精品| 欧美日韩瑟瑟在线播放| 一级片免费观看大全| av免费在线观看网站| 亚洲av第一区精品v没综合| 超碰成人久久| 色播亚洲综合网| 欧美不卡视频在线免费观看 | 国产精品永久免费网站| 亚洲第一青青草原| www.熟女人妻精品国产| 人人妻,人人澡人人爽秒播| 亚洲真实伦在线观看| 国产不卡一卡二| 国产亚洲av嫩草精品影院| 麻豆一二三区av精品| 1024香蕉在线观看| 1024手机看黄色片| 国产aⅴ精品一区二区三区波| 成人av一区二区三区在线看| 亚洲精品粉嫩美女一区| 国产日本99.免费观看| 又黄又粗又硬又大视频| 亚洲,欧美精品.| 夜夜夜夜夜久久久久| 日韩中文字幕欧美一区二区| 国产精品av久久久久免费| 日韩欧美国产在线观看| 久久久久亚洲av毛片大全| 老鸭窝网址在线观看| 国产亚洲精品av在线| 欧美黑人欧美精品刺激| 可以免费在线观看a视频的电影网站| 999久久久精品免费观看国产| 久久精品国产亚洲av高清一级| 国产精品野战在线观看| 一区二区日韩欧美中文字幕| 97超级碰碰碰精品色视频在线观看| 国产午夜福利久久久久久| cao死你这个sao货| 搡老熟女国产l中国老女人| 日韩欧美三级三区| 免费观看精品视频网站| 亚洲人成77777在线视频| 国产亚洲精品一区二区www| 久久中文字幕人妻熟女| 亚洲最大成人中文| 亚洲精品久久国产高清桃花| 丝袜在线中文字幕| 日韩一卡2卡3卡4卡2021年| 亚洲自拍偷在线| 成熟少妇高潮喷水视频| 日本 av在线| 色尼玛亚洲综合影院| 精品乱码久久久久久99久播| 中文字幕久久专区| 国产精品日韩av在线免费观看| 亚洲国产欧美网| 制服丝袜大香蕉在线| 两性午夜刺激爽爽歪歪视频在线观看 | 97人妻精品一区二区三区麻豆 | av天堂在线播放| 亚洲成a人片在线一区二区| 国产在线观看jvid| 99热这里只有精品一区 | 国产午夜福利久久久久久| 久久久国产成人免费| 国产爱豆传媒在线观看 | 韩国av一区二区三区四区| 日本免费a在线| 无限看片的www在线观看| 制服丝袜大香蕉在线| 老司机在亚洲福利影院| 制服诱惑二区| 欧美又色又爽又黄视频| 成人亚洲精品av一区二区| 他把我摸到了高潮在线观看| 高潮久久久久久久久久久不卡| 黄色视频不卡| 国产熟女xx| а√天堂www在线а√下载| 成年版毛片免费区| 久久午夜亚洲精品久久| av天堂在线播放| 人妻久久中文字幕网| 久久久久久国产a免费观看| 国产激情偷乱视频一区二区| 亚洲性夜色夜夜综合| 亚洲国产精品合色在线| 俺也久久电影网| 精品一区二区三区视频在线观看免费| 精品欧美国产一区二区三| 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 日韩精品青青久久久久久| 操出白浆在线播放| 999久久久精品免费观看国产| 美女午夜性视频免费| 黄频高清免费视频| 日韩大尺度精品在线看网址| 国产在线观看jvid| 久99久视频精品免费| 一边摸一边做爽爽视频免费| 亚洲七黄色美女视频| 国产成人精品久久二区二区免费| 黄色女人牲交| 久久久国产成人精品二区| 韩国精品一区二区三区| 两性夫妻黄色片| 一级黄色大片毛片| а√天堂www在线а√下载| 在线国产一区二区在线| 变态另类丝袜制服| 国产在线精品亚洲第一网站| 久久精品国产亚洲av香蕉五月| 免费看日本二区| 亚洲av成人不卡在线观看播放网| 可以在线观看的亚洲视频| 亚洲人成伊人成综合网2020| 久久久久久九九精品二区国产 | 中文字幕另类日韩欧美亚洲嫩草| 黑人操中国人逼视频| 亚洲av成人av| 九色国产91popny在线| 日韩欧美一区二区三区在线观看| 日本在线视频免费播放| 国产精品,欧美在线| 亚洲精品av麻豆狂野| 国产黄色小视频在线观看| 一二三四在线观看免费中文在| 99精品久久久久人妻精品| 在线视频色国产色| 久久热在线av| 淫秽高清视频在线观看| 日韩精品中文字幕看吧| 最近在线观看免费完整版| 波多野结衣av一区二区av| 天堂影院成人在线观看| 露出奶头的视频| 日韩国内少妇激情av| 久久久久国内视频| 国产精品影院久久| 亚洲第一电影网av| 久久久久久大精品| 黄色成人免费大全| 国产熟女午夜一区二区三区| 丝袜在线中文字幕| 国产真实乱freesex| 日韩中文字幕欧美一区二区| 国产av又大| 国产亚洲精品久久久久久毛片| 精品欧美国产一区二区三| 成人国产一区最新在线观看| e午夜精品久久久久久久| 一a级毛片在线观看| 熟女少妇亚洲综合色aaa.| 日韩欧美一区二区三区在线观看| 我的亚洲天堂| 成人免费观看视频高清| 搞女人的毛片| 中国美女看黄片| 成人av一区二区三区在线看| 欧美色欧美亚洲另类二区| 国产在线观看jvid| 国产片内射在线| 天堂√8在线中文| 中文资源天堂在线| 日本a在线网址| 一级a爱视频在线免费观看| 后天国语完整版免费观看| 国内少妇人妻偷人精品xxx网站 | 日日干狠狠操夜夜爽| 国产精品亚洲一级av第二区| 中文字幕人妻熟女乱码| 色在线成人网| 精品久久久久久成人av| 岛国视频午夜一区免费看| 国产激情偷乱视频一区二区| 亚洲av美国av| 精品免费久久久久久久清纯| 亚洲自偷自拍图片 自拍| 久久精品国产亚洲av高清一级| 岛国在线观看网站| 69av精品久久久久久| 天天一区二区日本电影三级| 亚洲aⅴ乱码一区二区在线播放 | 麻豆成人av在线观看| 欧美成人一区二区免费高清观看 | 免费在线观看成人毛片| 欧美日本亚洲视频在线播放| 欧美另类亚洲清纯唯美| 国产精品,欧美在线| 精品久久久久久久人妻蜜臀av| 久久久国产精品麻豆| 欧美乱码精品一区二区三区| 极品教师在线免费播放| 91九色精品人成在线观看| 午夜亚洲福利在线播放| 99国产精品一区二区三区| 最近最新免费中文字幕在线| 女同久久另类99精品国产91| 日韩av在线大香蕉| 欧美日韩精品网址| 久久久久久久精品吃奶| 黄色成人免费大全| 午夜免费激情av| 亚洲中文字幕一区二区三区有码在线看 | 黄色a级毛片大全视频| 国产一区二区激情短视频| 韩国av一区二区三区四区| 国产成人精品久久二区二区91| 亚洲欧美精品综合一区二区三区| 国产精华一区二区三区| 日韩免费av在线播放| 桃色一区二区三区在线观看| 亚洲国产毛片av蜜桃av| 日韩欧美在线二视频| 国产成年人精品一区二区| 脱女人内裤的视频| 欧美性猛交╳xxx乱大交人| 激情在线观看视频在线高清| 男人的好看免费观看在线视频 | 91成人精品电影| 国产久久久一区二区三区| 1024香蕉在线观看| 亚洲 欧美一区二区三区| 亚洲五月天丁香| 久久人人精品亚洲av| 脱女人内裤的视频| 免费看十八禁软件| 在线视频色国产色| 久久 成人 亚洲| 高清毛片免费观看视频网站| 久久久国产欧美日韩av| 国产精品一区二区免费欧美| 69av精品久久久久久| 99国产极品粉嫩在线观看| 久久人妻av系列| 欧美zozozo另类| av天堂在线播放| 精品国产乱子伦一区二区三区| 69av精品久久久久久| 日本五十路高清| 精品久久久久久久久久免费视频| 亚洲国产精品成人综合色| 免费看a级黄色片| 国产99久久九九免费精品| 久久精品成人免费网站| 亚洲第一av免费看| 午夜日韩欧美国产| 一边摸一边抽搐一进一小说| 美女免费视频网站| 成人一区二区视频在线观看| 人成视频在线观看免费观看| 欧美又色又爽又黄视频| 国内精品久久久久精免费|