• <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EMD模糊熵與會診決策融合模型的中介軸承故障診斷技術(shù)

    2019-12-13 08:33:56李有儒劉麗麗李吉凱
    航空發(fā)動機 2019年5期
    關(guān)鍵詞:分類器故障診斷軸承

    王 志,李有儒,田 晶,劉麗麗,李吉凱

    (1.沈陽航空航天大學(xué)遼寧省航空推進系統(tǒng)先進測試技術(shù)重點實驗室,沈陽110136;2.北京交通大學(xué)信息科學(xué)研究所,北京100044)

    0 引言

    中介軸承廣泛應(yīng)用于雙轉(zhuǎn)子航空發(fā)動機支承系統(tǒng)中,由于其工作于高、低壓轉(zhuǎn)子之間,潤滑較為困難,且隨著高、低壓轉(zhuǎn)子同時旋轉(zhuǎn)所受動載荷較大,極易發(fā)熱和過載,從而發(fā)生故障[1],進而可能對飛機的安全運行造成災(zāi)難性的危害。因此,對中介軸承狀態(tài)進行及時而準(zhǔn)確的監(jiān)測,對發(fā)生的故障進行準(zhǔn)確診斷對于保證發(fā)動機安全運行意義重大。

    近年來,國內(nèi)外專家學(xué)者針對滾動軸承故障診斷開展了大量研究[2-3],但在中介軸承故障診斷方面的研究報道相對較少。廖明夫等[4-5]提出基于局部故障邊帶差值診斷法、轉(zhuǎn)差域頻譜和轉(zhuǎn)差域包絡(luò)譜方法對航空發(fā)動機中介軸承進行診斷;艾延廷等[6-7]提出了基于多種信息熵的融合算法,并通過所提出的信息熵距法和過程信息熵融合方法對中介軸承進行故障診斷。以上研究主要側(cè)重于故障特征提取方法的研究,針對中介軸承故障樣本小的故障識別算法研究較少。故障識別主要包括信號處理、特征提取和分類器設(shè)計3部分。振動信號是航空發(fā)動機軸承故障診斷中應(yīng)用最為廣泛的故障監(jiān)測信號,針對該信號的處理方法研究較為廣泛[8]。實現(xiàn)對信號更準(zhǔn)確的自適應(yīng)性分解,從而提取出能夠準(zhǔn)確反映軸承故障狀態(tài)的特征參數(shù)是特征提取的主要目的,也是故障診斷準(zhǔn)確與否的關(guān)鍵步驟。秦娜等[9]使用EMD算法對振動信號進行分解從而提取了有效的故障特征,并對特征進行分類識別取得良好的診斷效果。故障識別實質(zhì)上是數(shù)據(jù)挖掘問題,主要通過中介軸承故障特征提取和模型訓(xùn)練算法選擇實現(xiàn)。因每種訓(xùn)練算法特點不同,且不同的算法對不同類型數(shù)據(jù)的擬合能力也不盡相同。傳統(tǒng)分類器的設(shè)計基于單一的某種分類算法,弊端是分類效果過度的依賴于特征選取和訓(xùn)練集數(shù)據(jù)的清潔程度,從而使得訓(xùn)練算法具有魯棒性差、泛化能力低下等弱點[10-12]。

    針對中介軸承故障信號傳遞路徑長、信噪比低,具有明顯的非線性、非平穩(wěn)性,診斷困難等特點,本文提出采用經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)模糊熵作為中介軸承故障特征向量,并建立1種基于k-最近鄰(k-NearestNeighbor,kNN)、支持向量機(Support Vector Machine,SVM)、決策分類樹(Classification And Regression Tree,CART)、隨機森林(Random Forest,RF)以及梯度提升決策樹(Gradient Boosting Decision Tree,GBDT)5 種機器學(xué)習(xí)算法組合構(gòu)成的集成機器學(xué)習(xí)會診決策模型對中介軸承故障進行診斷。首先,開展某型航空發(fā)動機中介軸承故障模擬試驗,采集多轉(zhuǎn)速、多測點振動故障信號,并提取信號的EMD模糊熵構(gòu)造故障特征向量。然后,形成故障樣本并訓(xùn)練所提出的機器學(xué)習(xí)會診決策模型,并采用自適應(yīng)遺傳算法優(yōu)化個分類器權(quán)重,對決策結(jié)果進行融合。最后,采用會診模型對中介軸承故障進行診斷,檢驗?zāi)P偷姆夯芰Α?/p>

    1 振動信號的EMD模糊熵

    1.1 基于EMD的信號分解

    經(jīng)驗?zāi)J椒纸猓‥MD)是Huang等[13]提出的1種根據(jù)信號自身的時間特征尺度,將其自適應(yīng)性分解為若干個不同有限個本征模函數(shù)(Intrinsic Mode Function,IMF)分量的信號處理方法。因為EMD分解不受基函數(shù)的局限,能夠準(zhǔn)確有效地反映原始數(shù)據(jù)的微小特征,避免信號能量擴散和泄漏,故相比于小波算法的多分辨率,EMD方法在穩(wěn)定性和準(zhǔn)確性上具有更好的適應(yīng)能力。某中介軸承在故障狀態(tài)下采集到的振動信號經(jīng)EMD分解得到的各IMF分量波形如圖1所示。從圖中可見,原始信號經(jīng)過EMD分解后,各IMF分量包含了原信號的不同特征尺度,包含的頻段從高到低。由于某些微弱信號可以在IMF分量中突顯,因此利用IMF分量進行分析更加準(zhǔn)確。

    圖1 中介軸承振動信號的EMD分解結(jié)果

    1.2 振動信號的模糊熵

    模糊熵[14]是1種對時間序列復(fù)雜度進行度量的方法,可以衡量時間序列在發(fā)生維數(shù)變化時產(chǎn)生新模式的概率大小。中介軸承在正常和不同故障情況下信息復(fù)雜程度不同,產(chǎn)生新模式的概率也不相同,因此不同狀態(tài)的模糊熵不盡相同。模糊熵克服了樣本熵和近似熵突變性大和熵值連續(xù)性差的缺點。本文采用模糊熵作為中介軸承的故障特征參數(shù),其計算方法如下。

    (1)將長度為N的原始序列x組成1組模式長度為m的向量序列

    式中:Xm(i)為1個新的時間序列;x0(i)表示m個連續(xù)x(i)的均值。

    (2)定義向量Xm(i)和Xm(j)的距離為dm(i,j)

    (3)采用模糊函數(shù) μ(dm(i,j),n,r)定義向量 Xm(i)和Xm(j)的相似度Dm(i,j)

    式中:r和n為相似容限和梯度;模糊函數(shù)為指數(shù)函數(shù)。

    (4)定義函數(shù)

    (5)增加維數(shù)至 m+1,重復(fù)上述步驟(1)~(4)得到φm+1(n,r)

    (6)時間序列{x(i),i=1,2,…,N}的模糊熵可以定義為

    式中:m、r和n的設(shè)定是模糊熵計算的主要參數(shù),本文取 m=2,r=0.2s,s為樣本的標(biāo)準(zhǔn)差,n=3。

    2 會診決策融合模型

    2.1 基于機器學(xué)習(xí)方法設(shè)計分類器

    軸承故障診斷多采用基于數(shù)據(jù)驅(qū)動判別式為核心的分類器設(shè)計,而機器學(xué)習(xí)算法是1種高效的分類器設(shè)計方法。在機器學(xué)習(xí)理論中,根據(jù)訓(xùn)練集數(shù)據(jù)有無標(biāo)簽,又可以將其分為監(jiān)督式學(xué)習(xí)和無監(jiān)督式學(xué)習(xí)。通常意義上通過構(gòu)建有監(jiān)督信息的航空發(fā)動機中介軸承故障數(shù)據(jù)集,并使用該集合訓(xùn)練所設(shè)計的分類器是基于數(shù)據(jù)的故障診斷問題的常用解決方案。本文基于此類通用的解決框架,通過優(yōu)化分類器設(shè)計來提高航空發(fā)動機中介軸承故障診斷性能。

    2.2 會診模型中的基分類器

    2.2.1 k-近鄰(kNN)算法

    kNN算法[15]是1種基于統(tǒng)計學(xué)思想的監(jiān)督式學(xué)習(xí)分類算法,其工作機理為:給定測試樣本,基于如廣義海明距離等某種距離度量方法找出訓(xùn)練集中與之最靠近的k個訓(xùn)練樣本,然后基于這k個“鄰居”的信息進行相應(yīng)的預(yù)測。本文在處理分類問題中可以使用“投票法”,即選擇這k個樣本中出現(xiàn)最多的類別標(biāo)簽作為預(yù)測結(jié)果。該算法可以針對中介軸承故障數(shù)據(jù)信噪比低的特點,實現(xiàn)野值和噪聲的去除并將訓(xùn)練集數(shù)據(jù)進行歸一化處理。

    2.2.2 支持向量機(SVM)算法

    支持向量機由Vapnik[16]提出并廣泛應(yīng)用于機械故障診斷等分類問題中。該算法最初為2值分類問題設(shè)計的,而中介軸承故障診斷為多分類問題。如直接修改目標(biāo)函數(shù)參數(shù),將不同分類平面的參數(shù)求解合并歸一化存在計算量過大問題。為了解決該問題,采用多個2分類組合成1個多分類器的方法實現(xiàn)中介軸承故障診斷的多分類功能。考慮中介軸承故障診斷結(jié)果,并兼顧模型在訓(xùn)練集和測試集上綜合的表現(xiàn),將模型中的懲罰系數(shù)設(shè)置為10。模型中采用徑向基函數(shù)(Radial Basis Function,RBF)作為核函數(shù)。核函數(shù)公式為

    式中:x,y為特征向量;σ為控制函數(shù)徑向作用范圍的寬度參數(shù)。

    2.2.3 分類回歸樹(CART)算法

    分類回歸樹(CART)模型基于樹結(jié)構(gòu)建立,通常包含1個根節(jié)點和多個內(nèi)部節(jié)點和葉子結(jié)點。根節(jié)點中是樣本全集,葉子節(jié)點存放分類結(jié)果,中間節(jié)點對應(yīng)1個屬性測試。中介軸承的故障診斷過程即采集由模糊熵組成的故障數(shù)據(jù)樣本被劃分到對應(yīng)的故障類型的子節(jié)點中。訓(xùn)練過程,子節(jié)點的樣本純度(包含相同種類樣本的比例)不斷迭代。本文采用Gini系數(shù)進行節(jié)點純度度量,以降低Gini系數(shù)為目標(biāo)進行中間節(jié)點的屬性劃分。Gini系數(shù)可以表示為

    式中:K為分類數(shù);pk為樣本屬于第k個類的概率。

    2.2.4 集成學(xué)習(xí)算法

    集成學(xué)習(xí)算法中的掛袋法和提升法是經(jīng)典的故障診斷方法。掛袋法又稱為引導(dǎo)聚集,只有在潛在的模型能產(chǎn)生不同的變化時才有效,即讓潛在的數(shù)據(jù)引入變化,就產(chǎn)生有著輕微變化的多種模型。掛袋法自舉產(chǎn)生個不同的數(shù)據(jù)集,然后對每個數(shù)據(jù)集構(gòu)建1個模型。對于分類問題,最后輸出的結(jié)果取決于投票。Leo Breiman[18]提出的隨機森林(RF)算法就是利用掛袋法思想通過改進決策樹而形成的1種集成學(xué)習(xí)技術(shù)。構(gòu)建隨機森林的步驟如下:

    從1-T進行迭代,構(gòu)建T棵決策樹。

    (1)對于每棵樹,從輸入數(shù)據(jù)集中自舉大小為D的樣本。

    (2)對輸入數(shù)據(jù)產(chǎn)生出1棵樹t:

    Step1:隨機選擇m個屬性;

    Step2:采用預(yù)先定義好的標(biāo)準(zhǔn),選擇1個最佳屬性作為劃分變量;

    Step3:將數(shù)據(jù)集劃分成2部分;

    Step4:在已經(jīng)劃分的數(shù)據(jù)集Step1-Step3;

    (3)返回樹 T。

    Friedman[19]提出的GBDT算法是采用M棵決策樹為弱分類器的加法模型,其數(shù)學(xué)形式表示為

    式中:ω0為初始值;Φ(x)為模型的損失函數(shù)。

    傳統(tǒng)提升法將所有樣本初始化相同權(quán)重,通過迭代過程發(fā)現(xiàn)樣本的分類差異進而對其權(quán)值進行調(diào)整,每次迭代都將產(chǎn)生1個弱分類器。最后通過投票或加權(quán)等方式產(chǎn)生最后的強分類器。該方法對中介軸承故障信號這種非線性、非平穩(wěn)信號診斷效率較低。梯度提升表示在模型訓(xùn)練的過程中,為減小殘差而在殘差降低的梯度的方向上去建立新的模型。使上一個模型的殘差在梯度方向上減少,提高中介軸承故障診斷效率。

    2.3 會診決策模型原理

    基于機器學(xué)習(xí)理論中的集成學(xué)習(xí)方法思想建立機器學(xué)習(xí)會診模型。但有別于集成學(xué)習(xí)算法融合多種弱分類器,針對中介軸承故障信號非線性、非平穩(wěn)和信噪比低的特點,本文建立的會診模型融合kNN、SVM、CART、RF和GBDT等5種強分類器。通過對會診模型中的5種強分類器的決策結(jié)果進行融合,抑制信號中的噪聲和野值,提高信噪比,提升中介軸承故障診斷效率。

    本文建立的會診模型是基于Bootstrap抽樣方法構(gòu)建與訓(xùn)練樣本相同的數(shù)據(jù)集,基于抽樣后的新的故障數(shù)據(jù)集,訓(xùn)練kNN、SVM、CART、RF和GBDT等5種強分類器。通過統(tǒng)計多個分類器得到的決策結(jié)果產(chǎn)生最終診斷結(jié)果,同時根據(jù)故障診斷結(jié)果,采用遺傳算法優(yōu)化5個分類器的決策權(quán)重,最終結(jié)果優(yōu)于單個分類器診斷獲得的結(jié)果,提高中介軸承故障診斷的容錯能力,降低誤判率。

    遺傳算法目標(biāo)函數(shù)為

    式中:f為會診模型故障識別準(zhǔn)確度;ξi為子模型的準(zhǔn)確度;λi為子模型的權(quán)重。

    遺傳算法編碼長度選擇采用40位長度的二進制碼實現(xiàn)。初始種群容量為50,初始交叉概率為0.9,初始變異概率為0.01。

    機器學(xué)習(xí)會診模型的實現(xiàn)過程如圖2所示。

    圖2 會診模型決策融合過程

    集成學(xué)習(xí)會診模型是基于信息融合中的決策融合理論構(gòu)建的1種信息融合故障診斷模型。該模型區(qū)別于現(xiàn)有的同類模型決策融合,是基于Bootstrap抽樣方法建立的異類模型的決策融合診斷模型,其融合了以SVM為代表的核模型和以GBDT為代表的樹模型,集成了2種類模型的優(yōu)點。因此,提高了故障診斷的精度和泛化能力。

    3 診斷實例

    3.1 中介軸承故障模擬試驗

    為驗證機器學(xué)習(xí)會診模型在航空發(fā)動機中介軸承故障診斷中的性能,開展某型航空發(fā)動機中介軸承故障模擬試驗,其試驗臺如圖3所示。該試驗臺能夠模擬中介軸承與發(fā)動機匣之間的傳遞路徑,其信號復(fù)雜程度更加接近發(fā)動機實際工作狀態(tài)。同時在機匣的表面上布置了5個ICP加速度傳感器,采用Test.lab數(shù)據(jù)采集分析系統(tǒng)進行振動數(shù)據(jù)采集。在試驗中采集了不同轉(zhuǎn)速下的中介軸承內(nèi)環(huán)故障、內(nèi)環(huán)-滾動體耦合故障、正常、滾棒剝落、滾棒劃傷5種不同狀態(tài)的振動信號。每次試驗采樣時間為2 s,采樣頻率為6400 Hz,每種故障類型試驗40次。試驗所采用的某型發(fā)動機中介軸承為圓柱滾棒軸承,軸承結(jié)構(gòu)如圖4所示,軸承參數(shù)見表1。

    圖3 航空發(fā)動機中介軸承故障模擬試驗臺

    圖4 某型航空發(fā)動機中介軸承

    表1 中介軸承幾何參數(shù)

    3.2 會診模型應(yīng)用于故障診斷

    采集信號經(jīng)EMD分解得到10維IMF分量,按照式(1)~(8)計算出相應(yīng)的模糊熵作為故障特征,選取前8維特征向量組成特征矩陣。每種狀態(tài)試驗40次,在5種狀態(tài)下總計200組模糊熵值。最后得到特征矩陣和標(biāo)簽向量

    在保證訓(xùn)練集和測試集樣本屬性分布一致的情況下,劃分訓(xùn)練集和測試集的比例大小為80%和20%。最終用160個帶故障類別的樣本訓(xùn)練會診決策模型,40個帶故障類別的樣本測試會診模型的泛化能力并根據(jù)中介軸承故障預(yù)測結(jié)果的準(zhǔn)確率對模型進行評估。部分故障樣本見表2。

    表2 部分EMD模糊熵故障樣本

    采用所建立的會診決策模型對160組訓(xùn)練樣本進行分類測試,分類結(jié)果如圖5、6所示。

    圖5 IMF1和IMF2維度的分類結(jié)果

    圖6 IMF3和IMF4維度的分類結(jié)果

    從圖5、6中可見,樣本數(shù)據(jù)在IMF1-2上的類聚性最優(yōu),IMF3-4次之。根據(jù)聚類結(jié)果可知,會診模型在對于160組訓(xùn)練樣本能夠準(zhǔn)確分類,分類準(zhǔn)確率達到100%。

    為了驗證模型的泛化能力,采用40組測試樣本對所建立的會診模型進行測試。故障診斷結(jié)果如圖7所示。

    從圖中可見,會診模型的泛化能力較好,最終實現(xiàn)了92.5%的診斷率。其中在圖中圓圈標(biāo)記的3個點為錯誤分類情況。即錯誤的將內(nèi)環(huán)故障狀態(tài)混同于內(nèi)環(huán)和滾動體聯(lián)合故障狀態(tài)。這是由于2種故障模式中內(nèi)環(huán)都存在故障,故障樣本的EMD模糊熵較為相似,因此出現(xiàn)誤分類。而會診模型在對正常狀態(tài)、滾棒劃傷狀態(tài)以及滾棒剝落狀態(tài)下表現(xiàn)良好,均實現(xiàn)了零失誤診斷。由此可見,會診模型在某型航空發(fā)動機中介軸承故障診斷中表現(xiàn)出良好的泛化性能。

    圖7 泛化性能測試結(jié)果

    3.3 模型間的泛化能力比較

    為驗證會診模型的決策性能優(yōu)于單一模型,采用相同的訓(xùn)練集和測試集分別對5種單一模型和會診模型進行訓(xùn)練并進行泛化能力測試。模型間的故障診斷準(zhǔn)確率比較如圖8所示。

    圖8 模型泛化能力比較

    從圖中可見,會診模型診斷準(zhǔn)確率達到92.5%,優(yōu)于其他基礎(chǔ)識別算法,在試驗中SVM、RF以及GBDT模型分別以90%、87.5%和85%取得較好的分類結(jié)果,而kNN、CART模型診斷準(zhǔn)確率則小于80%相對落后。同時,試驗驗證了本文所選取的基礎(chǔ)模型在保持較好泛化能力的同時且存在一定決策能力差別,因而成功地實現(xiàn)了差異化的基礎(chǔ)模型選擇過程。

    4 結(jié)論

    (1)針對中介軸承故障信號微弱且具有非平穩(wěn)性的特點,提出采用EMD模糊熵這一非線性動力學(xué)參數(shù)作為故障特征。試驗數(shù)據(jù)表明:中介軸承的5種不同故障狀態(tài)下的EMD模糊熵具有較好的類別可分性;

    (2)采用基于多種機器學(xué)習(xí)算法的集成學(xué)習(xí)會診模型,有利于整合不同類型機器學(xué)習(xí)方法在不同故障辨識中的優(yōu)勢。試驗結(jié)果證明:會診模型在測試集的泛化能力測試中表現(xiàn)出良好的學(xué)習(xí)能力和較為精準(zhǔn)的分類性能;

    (3)對比分析了會診模型與其基分類器之間的泛化能力,會診模型故障診斷準(zhǔn)確率為92.5%,優(yōu)于其基分類器。由此可見,會診模型實現(xiàn)了利用不同類型分類算法之間的優(yōu)勢,以完成更高質(zhì)量診斷任務(wù)的預(yù)期結(jié)果。

    猜你喜歡
    分類器故障診斷軸承
    軸承知識
    哈爾濱軸承(2022年2期)2022-07-22 06:39:32
    軸承知識
    哈爾濱軸承(2022年1期)2022-05-23 13:13:24
    軸承知識
    哈爾濱軸承(2021年2期)2021-08-12 06:11:46
    軸承知識
    哈爾濱軸承(2021年1期)2021-07-21 05:43:16
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    基于LCD和排列熵的滾動軸承故障診斷
    亚洲人成网站在线观看播放| 永久网站在线| 国产三级中文精品| or卡值多少钱| 日韩一区二区三区影片| 日韩欧美在线乱码| 亚洲av中文av极速乱| 天堂√8在线中文| 毛片一级片免费看久久久久| 在线播放国产精品三级| 免费无遮挡裸体视频| 亚洲真实伦在线观看| 国国产精品蜜臀av免费| 亚洲人与动物交配视频| 午夜免费男女啪啪视频观看| 久久99精品国语久久久| 18禁在线播放成人免费| 99久国产av精品| kizo精华| 国产精品福利在线免费观看| 午夜亚洲福利在线播放| 欧美极品一区二区三区四区| 一级黄色大片毛片| 我的女老师完整版在线观看| 男人的好看免费观看在线视频| 欧美高清性xxxxhd video| 看免费成人av毛片| 日韩精品有码人妻一区| 国模一区二区三区四区视频| 国产高清三级在线| 精品一区二区三区人妻视频| 在线免费观看的www视频| 国模一区二区三区四区视频| 久久久a久久爽久久v久久| 成人亚洲欧美一区二区av| 午夜a级毛片| 狠狠狠狠99中文字幕| 啦啦啦啦在线视频资源| 色5月婷婷丁香| 日日啪夜夜撸| 国产黄色小视频在线观看| 日本黄色片子视频| 国产精品一区二区三区四区免费观看| 搡女人真爽免费视频火全软件| 国产高清有码在线观看视频| 高清毛片免费看| 亚洲色图av天堂| 在线观看一区二区三区| videossex国产| 色尼玛亚洲综合影院| 国产精品1区2区在线观看.| 色噜噜av男人的天堂激情| 一区二区三区四区激情视频 | 欧美日韩在线观看h| 我要看日韩黄色一级片| 欧美另类亚洲清纯唯美| 亚洲中文字幕日韩| 亚洲熟妇中文字幕五十中出| 热99re8久久精品国产| 国产精品野战在线观看| 国产精品无大码| 午夜亚洲福利在线播放| 中文字幕制服av| 国产精品国产高清国产av| 3wmmmm亚洲av在线观看| 亚洲va在线va天堂va国产| 精品人妻一区二区三区麻豆| av在线蜜桃| 亚洲熟妇中文字幕五十中出| 少妇熟女欧美另类| 日韩国内少妇激情av| 18禁黄网站禁片免费观看直播| 国产黄片视频在线免费观看| 直男gayav资源| 国产高清不卡午夜福利| 亚洲av.av天堂| 高清毛片免费观看视频网站| 看片在线看免费视频| 又粗又爽又猛毛片免费看| 淫秽高清视频在线观看| 欧美成人免费av一区二区三区| 亚洲国产精品合色在线| 在线免费观看的www视频| 国产精品嫩草影院av在线观看| 禁无遮挡网站| 大又大粗又爽又黄少妇毛片口| 99久久久亚洲精品蜜臀av| 国产成人福利小说| 国产视频内射| 免费无遮挡裸体视频| 亚洲综合色惰| 毛片女人毛片| 天堂av国产一区二区熟女人妻| 久久精品人妻少妇| 九九热线精品视视频播放| 秋霞在线观看毛片| 成年版毛片免费区| 亚洲精品色激情综合| 久久午夜亚洲精品久久| 国产伦理片在线播放av一区 | 最近2019中文字幕mv第一页| 一个人看视频在线观看www免费| 色噜噜av男人的天堂激情| 久久午夜福利片| 国产高清三级在线| 黄色日韩在线| 亚洲欧美精品专区久久| 五月伊人婷婷丁香| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产色片| 嘟嘟电影网在线观看| 中文字幕久久专区| 亚洲经典国产精华液单| 国产极品天堂在线| 亚洲国产欧美在线一区| 最后的刺客免费高清国语| 精品久久久久久久久久免费视频| 自拍偷自拍亚洲精品老妇| av在线天堂中文字幕| 久久草成人影院| 白带黄色成豆腐渣| 亚洲18禁久久av| 国产精品一区www在线观看| 国产伦理片在线播放av一区 | 国产视频内射| 欧美不卡视频在线免费观看| 一边亲一边摸免费视频| 人妻久久中文字幕网| 欧美日韩综合久久久久久| 国产精品人妻久久久影院| 午夜爱爱视频在线播放| 免费无遮挡裸体视频| 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 | 亚洲色图av天堂| 国产精品免费一区二区三区在线| 久久久久性生活片| 人体艺术视频欧美日本| 国产一区二区激情短视频| 亚洲一区高清亚洲精品| 成年女人看的毛片在线观看| 日本免费a在线| 久久久久久久久久久丰满| 寂寞人妻少妇视频99o| 国产精品爽爽va在线观看网站| 国产精品伦人一区二区| 亚洲经典国产精华液单| 中文字幕熟女人妻在线| 亚洲精品456在线播放app| 在线a可以看的网站| 国产亚洲91精品色在线| 亚洲av不卡在线观看| 九九在线视频观看精品| 深爱激情五月婷婷| 在线播放国产精品三级| 自拍偷自拍亚洲精品老妇| 夜夜爽天天搞| 欧美高清成人免费视频www| 黄片wwwwww| 日本一二三区视频观看| 欧美激情国产日韩精品一区| 精品午夜福利在线看| 免费在线观看成人毛片| 熟女电影av网| 国产黄a三级三级三级人| 欧美3d第一页| 麻豆久久精品国产亚洲av| 欧美性猛交黑人性爽| 午夜精品国产一区二区电影 | 午夜老司机福利剧场| av专区在线播放| 国产真实伦视频高清在线观看| 国模一区二区三区四区视频| 熟妇人妻久久中文字幕3abv| 久久久久久久久久黄片| 韩国av在线不卡| 老熟妇乱子伦视频在线观看| 国产一区二区亚洲精品在线观看| 又爽又黄a免费视频| 日韩一本色道免费dvd| av视频在线观看入口| 国内精品久久久久精免费| 欧美日本亚洲视频在线播放| 久久久色成人| 一个人看的www免费观看视频| 五月玫瑰六月丁香| 欧美另类亚洲清纯唯美| 国产精品久久久久久亚洲av鲁大| 最近手机中文字幕大全| 人妻制服诱惑在线中文字幕| 九九热线精品视视频播放| 免费黄网站久久成人精品| 1000部很黄的大片| 国产黄片视频在线免费观看| 精品久久久噜噜| 国产精品无大码| 男人的好看免费观看在线视频| 亚洲国产日韩欧美精品在线观看| av又黄又爽大尺度在线免费看 | 蜜桃久久精品国产亚洲av| 91久久精品电影网| 成人无遮挡网站| 人人妻人人看人人澡| 亚洲美女视频黄频| 人妻系列 视频| av天堂中文字幕网| 中文字幕熟女人妻在线| 国内精品久久久久精免费| av免费观看日本| 国产精品嫩草影院av在线观看| 内射极品少妇av片p| 我的女老师完整版在线观看| 中文字幕制服av| 22中文网久久字幕| 免费观看的影片在线观看| 日韩成人伦理影院| 亚洲内射少妇av| 99热这里只有精品一区| 大型黄色视频在线免费观看| 一本久久中文字幕| 国产白丝娇喘喷水9色精品| 国产一区二区激情短视频| 亚洲久久久久久中文字幕| 日韩人妻高清精品专区| 99久久精品国产国产毛片| 两性午夜刺激爽爽歪歪视频在线观看| 一边亲一边摸免费视频| 国产综合懂色| 最近视频中文字幕2019在线8| 99久久人妻综合| 亚洲激情五月婷婷啪啪| 男人和女人高潮做爰伦理| 伊人久久精品亚洲午夜| 长腿黑丝高跟| 欧美高清性xxxxhd video| 亚洲精品自拍成人| 在现免费观看毛片| 女同久久另类99精品国产91| 18禁在线播放成人免费| 欧美变态另类bdsm刘玥| 国产精品一区二区三区四区久久| 日本三级黄在线观看| 亚洲av中文av极速乱| 性色avwww在线观看| 亚洲性久久影院| 亚洲精品色激情综合| 女的被弄到高潮叫床怎么办| 人人妻人人澡欧美一区二区| 午夜激情欧美在线| 日本黄色视频三级网站网址| 亚洲五月天丁香| 亚洲国产日韩欧美精品在线观看| 成年女人永久免费观看视频| 午夜精品一区二区三区免费看| 欧美日韩精品成人综合77777| 国产黄色视频一区二区在线观看 | 久久中文看片网| 免费看日本二区| 日韩欧美 国产精品| 91久久精品国产一区二区成人| 赤兔流量卡办理| 日日撸夜夜添| 国产精品永久免费网站| 国产一区二区在线观看日韩| 国产精品伦人一区二区| 日韩av不卡免费在线播放| 18禁裸乳无遮挡免费网站照片| 一个人看视频在线观看www免费| 亚洲精品粉嫩美女一区| 欧美成人免费av一区二区三区| 国产精品久久久久久久电影| 免费电影在线观看免费观看| 男女视频在线观看网站免费| 精品99又大又爽又粗少妇毛片| 国产精品国产高清国产av| 久久婷婷人人爽人人干人人爱| 狂野欧美激情性xxxx在线观看| 国产成人aa在线观看| 欧美日韩国产亚洲二区| 亚洲国产精品sss在线观看| 亚洲五月天丁香| 国产精品电影一区二区三区| 人人妻人人澡欧美一区二区| 激情 狠狠 欧美| 久久草成人影院| 一级黄色大片毛片| 99在线人妻在线中文字幕| 精品人妻熟女av久视频| 日韩国内少妇激情av| 国产国拍精品亚洲av在线观看| 久久人人爽人人片av| 伊人久久精品亚洲午夜| 丰满的人妻完整版| 国产老妇伦熟女老妇高清| 亚洲成av人片在线播放无| 26uuu在线亚洲综合色| 久久国内精品自在自线图片| 赤兔流量卡办理| 少妇被粗大猛烈的视频| 午夜免费激情av| 麻豆一二三区av精品| 少妇被粗大猛烈的视频| 国产亚洲精品久久久com| 国产精品不卡视频一区二区| a级毛片免费高清观看在线播放| 久久久久久久亚洲中文字幕| 在线免费观看的www视频| 久久精品国产亚洲av天美| 久久国产乱子免费精品| 国产精品伦人一区二区| 国产亚洲5aaaaa淫片| 熟女人妻精品中文字幕| 天天躁夜夜躁狠狠久久av| 久久九九热精品免费| 一级黄色大片毛片| 能在线免费看毛片的网站| 老熟妇乱子伦视频在线观看| 色播亚洲综合网| 特级一级黄色大片| 日本爱情动作片www.在线观看| kizo精华| 18禁在线播放成人免费| 国产伦一二天堂av在线观看| 超碰av人人做人人爽久久| 亚洲av中文字字幕乱码综合| a级毛片免费高清观看在线播放| 亚洲三级黄色毛片| 亚洲内射少妇av| 欧美一级a爱片免费观看看| 久久中文看片网| 在线播放国产精品三级| 久久精品国产清高在天天线| 中文在线观看免费www的网站| 欧美bdsm另类| 国产精品久久电影中文字幕| 男女下面进入的视频免费午夜| 久久草成人影院| 欧美日韩在线观看h| 麻豆精品久久久久久蜜桃| 天天躁夜夜躁狠狠久久av| 麻豆成人午夜福利视频| 久久热精品热| 秋霞在线观看毛片| 亚洲乱码一区二区免费版| 久久精品国产亚洲网站| 久久99精品国语久久久| 久久久国产成人精品二区| 国产三级中文精品| 亚洲成a人片在线一区二区| 午夜福利高清视频| 国产中年淑女户外野战色| 22中文网久久字幕| 天堂av国产一区二区熟女人妻| 深夜精品福利| 欧美一级a爱片免费观看看| 深夜精品福利| 99热精品在线国产| a级毛片免费高清观看在线播放| 国产精品野战在线观看| 日韩强制内射视频| 成人午夜精彩视频在线观看| 亚洲最大成人中文| 日本爱情动作片www.在线观看| 不卡视频在线观看欧美| 免费一级毛片在线播放高清视频| 极品教师在线视频| 国产av一区在线观看免费| 国产午夜精品论理片| 成人毛片a级毛片在线播放| 在线免费观看的www视频| 国产亚洲精品久久久com| 久久久久久久亚洲中文字幕| 伦理电影大哥的女人| 热99在线观看视频| 能在线免费看毛片的网站| 国产高清三级在线| 22中文网久久字幕| 亚洲最大成人av| 91精品国产九色| 日本成人三级电影网站| 长腿黑丝高跟| 在线免费观看不下载黄p国产| 悠悠久久av| 亚洲av免费高清在线观看| 亚洲人成网站在线播放欧美日韩| 一本久久精品| 免费观看在线日韩| 麻豆成人午夜福利视频| 久久精品人妻少妇| 人妻少妇偷人精品九色| 日韩精品青青久久久久久| 三级毛片av免费| 在线观看av片永久免费下载| 一级黄片播放器| 亚洲精品久久久久久婷婷小说 | 国产精品国产高清国产av| 精品免费久久久久久久清纯| 人妻制服诱惑在线中文字幕| 91久久精品国产一区二区三区| 91精品国产九色| 日本黄色片子视频| 亚洲在线自拍视频| 成人毛片60女人毛片免费| 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 | 国产高清不卡午夜福利| 男女做爰动态图高潮gif福利片| 一级二级三级毛片免费看| 成熟少妇高潮喷水视频| 一级黄色大片毛片| 国产精品一区二区三区四区久久| 99热6这里只有精品| 欧美不卡视频在线免费观看| 中文精品一卡2卡3卡4更新| 欧美丝袜亚洲另类| 少妇高潮的动态图| 国产av不卡久久| 老司机福利观看| 一区二区三区高清视频在线| 99国产精品一区二区蜜桃av| 国内精品久久久久精免费| 91av网一区二区| 国产精品一区www在线观看| 亚洲色图av天堂| 成人特级av手机在线观看| 成熟少妇高潮喷水视频| 两个人的视频大全免费| 亚洲国产欧美在线一区| 成人国产麻豆网| a级毛片免费高清观看在线播放| 亚洲成人久久爱视频| 欧美日韩国产亚洲二区| 22中文网久久字幕| 亚洲精品国产成人久久av| 熟女人妻精品中文字幕| 亚洲在线自拍视频| 亚洲电影在线观看av| 有码 亚洲区| 特大巨黑吊av在线直播| 免费看光身美女| 热99在线观看视频| 亚洲va在线va天堂va国产| 99久久成人亚洲精品观看| 国产免费一级a男人的天堂| 激情 狠狠 欧美| 中文字幕免费在线视频6| 一级黄色大片毛片| 高清日韩中文字幕在线| 亚洲成人久久爱视频| 久久亚洲国产成人精品v| 久久久久久久久久黄片| 中出人妻视频一区二区| 精品一区二区三区人妻视频| 成人午夜高清在线视频| 亚洲丝袜综合中文字幕| 草草在线视频免费看| 日韩一区二区三区影片| 在线观看美女被高潮喷水网站| 中文在线观看免费www的网站| 国产高清视频在线观看网站| 91精品一卡2卡3卡4卡| 舔av片在线| 久久精品国产亚洲av涩爱 | 日韩,欧美,国产一区二区三区 | 亚洲不卡免费看| 丰满人妻一区二区三区视频av| 青春草视频在线免费观看| 成人特级av手机在线观看| 日韩国内少妇激情av| 国产精品久久久久久av不卡| 人妻夜夜爽99麻豆av| 51国产日韩欧美| 国产午夜精品久久久久久一区二区三区| 午夜福利成人在线免费观看| 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 | 色噜噜av男人的天堂激情| 国产在视频线在精品| 欧美精品国产亚洲| 亚洲,欧美,日韩| 少妇猛男粗大的猛烈进出视频 | 我的女老师完整版在线观看| 美女被艹到高潮喷水动态| 免费大片18禁| 成人亚洲欧美一区二区av| av女优亚洲男人天堂| 亚洲自拍偷在线| 久久精品国产亚洲av天美| 亚洲国产欧美在线一区| av在线亚洲专区| 一个人观看的视频www高清免费观看| av.在线天堂| 午夜激情福利司机影院| 亚洲欧洲国产日韩| 可以在线观看毛片的网站| 欧美性猛交╳xxx乱大交人| 亚洲av二区三区四区| 麻豆成人午夜福利视频| av免费观看日本| 国产大屁股一区二区在线视频| 色哟哟·www| 国产探花极品一区二区| 最近手机中文字幕大全| 亚洲精品自拍成人| 婷婷色av中文字幕| 免费电影在线观看免费观看| 在线国产一区二区在线| 毛片一级片免费看久久久久| 边亲边吃奶的免费视频| 精品日产1卡2卡| 久久久久久久久久黄片| 国产伦理片在线播放av一区 | 日韩一区二区视频免费看| 国产伦精品一区二区三区视频9| 久久久久性生活片| 人体艺术视频欧美日本| 欧美zozozo另类| 免费av观看视频| 国产精品福利在线免费观看| 长腿黑丝高跟| 亚洲欧美精品综合久久99| 亚洲人成网站在线观看播放| 边亲边吃奶的免费视频| 舔av片在线| 校园春色视频在线观看| 亚洲成人久久性| 最后的刺客免费高清国语| 黄色配什么色好看| 99九九线精品视频在线观看视频| 国内精品久久久久精免费| 91麻豆精品激情在线观看国产| 欧美高清性xxxxhd video| 精品久久久久久久久亚洲| 夜夜夜夜夜久久久久| 欧美精品一区二区大全| 麻豆成人午夜福利视频| 麻豆久久精品国产亚洲av| 久久九九热精品免费| 小说图片视频综合网站| 中国美女看黄片| 人人妻人人澡人人爽人人夜夜 | 午夜视频国产福利| 久久久久久国产a免费观看| 亚洲无线观看免费| 亚洲精品国产av成人精品| 久久人人精品亚洲av| 日本一本二区三区精品| 日本av手机在线免费观看| 亚洲欧美精品自产自拍| 在线免费十八禁| 99久久久亚洲精品蜜臀av| av在线蜜桃| 岛国在线免费视频观看| 免费av观看视频| 18禁在线播放成人免费| 国内精品一区二区在线观看| 岛国在线免费视频观看| 一个人看的www免费观看视频| 最后的刺客免费高清国语| 色哟哟哟哟哟哟| 国产老妇伦熟女老妇高清| 国产爱豆传媒在线观看| 日韩一区二区三区影片| 精品人妻偷拍中文字幕| av女优亚洲男人天堂| 又粗又爽又猛毛片免费看| 欧美xxxx性猛交bbbb| 国内揄拍国产精品人妻在线| 国产激情偷乱视频一区二区| 欧美成人a在线观看| 日产精品乱码卡一卡2卡三| 午夜久久久久精精品| av在线天堂中文字幕| 亚洲电影在线观看av| 亚洲欧美精品综合久久99| 亚洲国产欧美人成| 欧美区成人在线视频| 国产69精品久久久久777片| 久久久久久久久久黄片| 九草在线视频观看| 在线免费观看不下载黄p国产| 国产精品一及| 熟妇人妻久久中文字幕3abv| 欧美色视频一区免费| 搡女人真爽免费视频火全软件| kizo精华| 国产亚洲精品久久久com| 少妇被粗大猛烈的视频| 亚洲av中文字字幕乱码综合| 99riav亚洲国产免费| 97人妻精品一区二区三区麻豆| 免费人成在线观看视频色| 好男人视频免费观看在线| av天堂在线播放| 午夜精品一区二区三区免费看| 少妇猛男粗大的猛烈进出视频 | 熟女人妻精品中文字幕| 亚洲av男天堂| 一个人看视频在线观看www免费| 人妻少妇偷人精品九色| 亚洲av男天堂| 天天一区二区日本电影三级| 亚洲成人久久爱视频| 久久中文看片网| 久久鲁丝午夜福利片| 美女 人体艺术 gogo| 亚洲精品色激情综合| 老熟妇乱子伦视频在线观看| 一级黄片播放器| 欧美精品国产亚洲| av天堂中文字幕网| 蜜桃亚洲精品一区二区三区| 国产av不卡久久| 特级一级黄色大片| 超碰av人人做人人爽久久| 午夜精品在线福利| 亚洲成人久久性| 日韩一区二区三区影片|