• <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 ?

    基于混合特征與自適應(yīng)ELM的軸承故障診斷方法

    2021-06-26 08:26:10鄭小青梅鵬飛
    科學(xué)技術(shù)創(chuàng)新 2021年16期
    關(guān)鍵詞:特征選擇故障診斷神經(jīng)網(wǎng)絡(luò)

    毛 敏 鄭小青 梅鵬飛

    (衢州職業(yè)技術(shù)學(xué)院 信息工程學(xué)院,浙江 衢州324000)

    1 概述

    隨著現(xiàn)代工業(yè)與技術(shù)的快速發(fā)展,旋轉(zhuǎn)機(jī)械的工作過程越來越趨向于高速化、自動化及智能化。滾動軸承是將運(yùn)轉(zhuǎn)的軸與軸座之間的滑動摩擦變?yōu)闈L動摩擦,從而減少摩擦損失的一種精密的關(guān)鍵機(jī)械部件之一,其健康狀況直接影響著整個旋轉(zhuǎn)機(jī)械的工作性能、穩(wěn)定性及壽命周期。由于滾動軸承的運(yùn)轉(zhuǎn)環(huán)境一般都是密閉且是復(fù)雜多變的,在應(yīng)用過程中常伴隨著老化、損壞等問題,產(chǎn)生的各種類型故障將會造成較大的安全事故和巨大的經(jīng)濟(jì)損失。利用精確、高效的故障診斷技術(shù)不僅可以降低維修成本,而且可以提高運(yùn)行設(shè)備的可靠性和穩(wěn)定性。因此,對滾動軸承故障進(jìn)行準(zhǔn)確而及時的診斷尤為重要。

    混合域故障特征選擇方面。近年來諸多學(xué)者通過時域、頻域或時頻域等單一特征來表征故障信息,并通過智能方法來診斷故障[1]。Zhao C,Feng Z等提出一種基于時域和時頻域結(jié)合的特征提取方法來診斷故障。為全面提取時域、頻域及時頻域特征,Yan X,Jia M提出一種基于混合域特征構(gòu)建方法。然而,混合域特征集維數(shù)高且計算復(fù)雜,此外冗余特征往往降低診斷可靠性。針對混合域特征的缺陷,Sun C,Wang P,Yan R等通過局部嵌入算法(Locally Linear Embedding,LLE)尋找高維特征所隱藏的低維流形結(jié)構(gòu),使降維后的特征保持原有的拓?fù)浣Y(jié)構(gòu)。但是,數(shù)據(jù)的整體分布在降維后的低維空間會有變形。Yunguang Y,Zhang Y,Wang Q等用線性局部切空間排列(Linear Local Tangent Space Alignment,LLTSA)實(shí)現(xiàn)維數(shù)約簡,但它無法將類別信息融入維數(shù)約簡過程來提高低維特征的可辨識性。Allegretta I,Marangoni B,Manzari P用主成分分析(Principal Component Analysis,PCA)提取特征的協(xié)方差矩陣來降維,但PCA僅考慮全局重構(gòu)信息且沒有利用數(shù)據(jù)內(nèi)、樣本間的相關(guān)性。除了基于特征融合與優(yōu)選的降維方法[2],Xiaoan Y,Minping J等提出最大相關(guān)最小冗余(Max-Relevance Min-Redundancy,MRMR)的特征選擇方法,它能夠自動地從候選多尺度特征中選擇敏感特征在沒有任何先驗(yàn)知識的情況下。Zhu X,Wang Y,Li Y等利用多聚類特征選擇方法(Multi-cluster Feature Selection,MCFS)進(jìn)行特征提取,該方法基于譜回歸的稀疏子空間學(xué)習(xí)同無監(jiān)督特征選擇相結(jié)合。白麗麗,韓振南,任家駿等提出一種基于拉普拉斯分值(Laplacian Score,LS)的特征選擇方法,采用過濾式的特征選擇方式對原始特征集進(jìn)行篩選以得到前N維特征子集。Saman Seifpour等利用MCFS選擇具有較高準(zhǔn)確率的最佳特征子集,使多級睡眠階段分類問題更準(zhǔn)確、更可靠。

    ELM神經(jīng)網(wǎng)絡(luò)故障診斷模型構(gòu)建方面。ELM是一種針對前饋神經(jīng)網(wǎng)絡(luò)而設(shè)計的機(jī)器學(xué)習(xí)算法[3],ELM的學(xué)習(xí)效率與計算復(fù)雜度低,同時克服了梯度下降算法的缺點(diǎn)而得到了廣泛的應(yīng)用。然而,傳統(tǒng)ELM參數(shù)設(shè)置直接影響其分類結(jié)果[4]。目前,基于啟發(fā)式優(yōu)化算法來優(yōu)化ELM參數(shù)的模型屢見不鮮。粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法通過群體中個體間的協(xié)作和信息共享來尋找最優(yōu)解。Wang Z,Zhang D,Gong D等為ELM設(shè)定出了最佳網(wǎng)絡(luò)參數(shù),避免了ELM隨機(jī)產(chǎn)生輸入層權(quán)值和隱含層閾值造成的網(wǎng)絡(luò)不穩(wěn)定問題。遺傳算法(Genetic Algorithm,GA)是一類通過模擬自然進(jìn)化過程來搜索最優(yōu)解的方法。鄭茂輝,劉少非等通過優(yōu)化ELM的輸入權(quán)值矩陣和隱含層偏置,來改善由網(wǎng)絡(luò)參數(shù)隨機(jī)生成而帶來的模型輸出不穩(wěn)定、分類精度偏低的問題。蜻蜓算法(Dragonfly algorithm,DA)是一種以蜻蜓奇跡虎尋食和躲避天敵為理論基礎(chǔ)的新式群智能算法[5],可利用DA算法優(yōu)化ELM故障診斷和識別模型。鯨魚優(yōu)化算法(Whale Optimization Algorithm,WOA)采用隨機(jī)或最佳搜索代理來模擬捕獵行為,并使用螺旋來模擬座頭鯨的泡泡網(wǎng)攻擊機(jī)制[6]。該算法與其它群智能優(yōu)化算法相比,具有明顯的區(qū)別。在ELM參數(shù)選取中,智能優(yōu)化算法被證明是有效的。但上述智能算法以及蝙蝠算法[7](Bat Algorithm,BA)、蝗蟲群優(yōu)化算法[8](Grasshopper Optimization Algorithm,GOA)、灰狼優(yōu)化算法[9](Grey Wolf Optimizer,GWO)等均存在求解精度低、易早熟停滯等問題。為此,Islam M S,Islam M R提出模擬退火算法(Simulated Annealing,SA),將退火思想引入到組合優(yōu)化領(lǐng)域能有效的解決局部最優(yōu)解問題。Gupta S,Deep K提出一種不易陷入局部極小值的隨機(jī)游走算法(Random Walk,RW)。劉漢,康國欽,李凱等提出差分進(jìn)化算法(Differential Evolution,DE),是一種高效的全局優(yōu)化算法等。對于ELM神經(jīng)網(wǎng)絡(luò)模型參數(shù)優(yōu)化,目前仍有較大改進(jìn)空間。

    因此,本文提出基于MCFS的特征降維方法選取可以準(zhǔn)確反映設(shè)備運(yùn)行狀態(tài)的特征,并使用DEGWO對ELM進(jìn)行參數(shù)優(yōu)化,得到自適應(yīng)模型。最終,實(shí)現(xiàn)滾動軸承的故障診斷。

    2 軸承故障診斷方法技術(shù)路線

    本文利用基于高維特征選擇的方法對滾動軸承振動信號混合域特征進(jìn)行降維,利用優(yōu)化ELM構(gòu)建最優(yōu)故障診斷模型。于此同時,根據(jù)不同情況下的故障信號建立最優(yōu)特征空間,從而進(jìn)一步提高分類識別精度。該方法通過以下五方面實(shí)現(xiàn):

    2.5.1 優(yōu)化Ⅰ-利用特征選擇(即降維)算法對混合域高維特征進(jìn)行選擇。通過逐一分析法,根據(jù)實(shí)際分類效果構(gòu)建滾動軸承故障最優(yōu)特征空間。算法相關(guān)思路及處理方法主要包括:(1)獲取混合域特征集;(2)選取降維方法進(jìn)行特征優(yōu)選;(3)依次選取前d(d=1,2,...,M)維特征空間,利用ELM模型進(jìn)行訓(xùn)練與測試;(4)根據(jù)分類效果更新優(yōu)選特征空間;(5)最后,經(jīng)過綜合分析得到最優(yōu)特征空間。

    圖1 基于自適應(yīng)ELM的軸承故障診斷總技術(shù)路線

    為驗(yàn)證選取的最優(yōu)特征空間表征效果,利用優(yōu)化改進(jìn)的ELM模型進(jìn)行分類識別。其中,Xj代表模型的輸入變量,即滾動軸承最優(yōu)特征空間;Ti代表模型的輸出變量,即滾動軸承的故障類型,如不同程度的內(nèi)圈、外圈及滾動體故障等。根據(jù)ELM模型訓(xùn)練與測試,最優(yōu)特征空間表征效果得以驗(yàn)證。

    2.5.2 優(yōu)化Ⅱ-改進(jìn)群智能算法優(yōu)化ELM神經(jīng)網(wǎng)絡(luò)模型。該模型將集成全局搜索最優(yōu)的能力和ELM強(qiáng)學(xué)習(xí)的能力。利用經(jīng)改進(jìn)后的群智能算法,把最優(yōu)輸入權(quán)值、偏置問題轉(zhuǎn)化為種群的尋優(yōu)問題。以此構(gòu)建最優(yōu)ELM神經(jīng)網(wǎng)絡(luò)故障診斷模型,從而更進(jìn)一步的提高滾動軸承故障分類與識別效果。其算法詳細(xì)的流程圖,如圖2所示。

    圖2 優(yōu)化Ⅱ算法流程圖

    算法相關(guān)思路及處理方法主要包括:(1)種群初始化;(2)個體適應(yīng)度評價;(3)種群進(jìn)化;(4)ELM神經(jīng)網(wǎng)絡(luò)訓(xùn)練與預(yù)測;(5)結(jié)合滾動軸承故障最優(yōu)特征空間,獲取最優(yōu)ELM神經(jīng)網(wǎng)絡(luò)模型。經(jīng)過優(yōu)化改進(jìn)后的ELM神經(jīng)網(wǎng)絡(luò)模型,將更進(jìn)一步提高模型的預(yù)測精度與泛化能力。

    3 基于自適應(yīng)ELM的軸承故障診斷

    本文實(shí)驗(yàn)數(shù)據(jù)由凱斯西儲大學(xué)的電氣工程實(shí)驗(yàn)室獲得[10]。實(shí)驗(yàn)平臺由電機(jī)、轉(zhuǎn)矩傳感器、功率計及電子控制設(shè)備構(gòu)成。本文將隨機(jī)選取最具代表性的驅(qū)動端振動信號(其中,電機(jī)轉(zhuǎn)速為1750r/min,采樣頻率為12kHz)作為數(shù)據(jù)樣本。內(nèi)圈、外圈和滾動體的三種故障直徑分別為0.007 inches,0.014 inches和0.021 inches,共四大類(10類)故障,相應(yīng)的故障標(biāo)簽分別為IR7、IR14、IR21、OR7、OR14、OR21、B7、B14、B21。每類故障信號平均分割為60組樣本,包括40組訓(xùn)練樣本、20組測試樣本。為優(yōu)選特征向量,根據(jù)MCFS算法對混合域特征進(jìn)行優(yōu)化排序,結(jié)果如表1所示。

    表1 基于MCFS的前15維特征向量

    上述算法可選取前10維作為最優(yōu)特征向量,但基于DEGWO-ELM模型對比GWO-ELM模型具有較高的分類準(zhǔn)確率。由圖3、圖4可知,DEGWO-ELM軸承故障診斷模型識別效果明顯高于GWO-ELM模型。

    圖3 基于GWO-ELM模型的預(yù)測分類圖

    圖4 基于DEGWO-ELM模型的預(yù)測分類圖

    綜上所述,本文方法在最少的迭代次數(shù)內(nèi)得到最優(yōu) ωi與bi,并達(dá)到了最優(yōu)識別精度,適用性得到充分論證。其原因在于面對復(fù)雜的滾動軸承故障分類模型參數(shù)優(yōu)化問題,GWO易陷入局部最優(yōu);而DEGWO使用嵌入趨優(yōu)算子的算法進(jìn)行搜索,實(shí)現(xiàn)在更短的時間內(nèi)獲取更高的優(yōu)化精度與更快的收斂速度。再利用具有自適應(yīng)調(diào)節(jié)參數(shù)功能的DE策略進(jìn)一步提高GWO對復(fù)雜優(yōu)化函數(shù)的尋優(yōu)性能,從而得到自適應(yīng)ELM模型。

    4 結(jié)論

    一種基于混合特征與自適應(yīng)ELM的滾動軸承故障診斷方法被提出在本文中,其有效性及優(yōu)越性得到充分驗(yàn)證。針對滾動軸承振動信號混合域高維特征,利用MCFS算法進(jìn)行降維,能保證在選取最小特征維數(shù)下達(dá)到最佳識別精度,并實(shí)現(xiàn)最佳特征空間的構(gòu)建。同時,基于DE與GWO相結(jié)合的優(yōu)化方法,可提高全局搜索能力,有效避免早熟停滯、陷入局部最優(yōu)等問題。相比于GWO的其他參數(shù)設(shè)置,基于本文參數(shù)設(shè)置方法所得到的尋優(yōu)效果最佳。以此構(gòu)建的DEGWO-ELM方法,可較好的解決GWO所存在的局部收斂和收斂精度低的問題在自適應(yīng)基礎(chǔ)上。同時,得到的分類識別精度均優(yōu)于原GWO-ELM自適應(yīng)方法及傳統(tǒng)ELM方法。

    猜你喜歡
    特征選擇故障診斷神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    基于LCD和排列熵的滾動軸承故障診斷
    基于WPD-HHT的滾動軸承故障診斷
    人人妻,人人澡人人爽秒播| 亚洲人成电影免费在线| 日本黄色日本黄色录像| 欧美黑人精品巨大| 另类精品久久| 国产精品一区二区精品视频观看| 国产日韩一区二区三区精品不卡| 国产亚洲欧美精品永久| 亚洲色图 男人天堂 中文字幕| 亚洲av欧美aⅴ国产| 久久中文字幕人妻熟女| 99国产精品免费福利视频| 国产高清激情床上av| 久久久国产欧美日韩av| 老汉色∧v一级毛片| 少妇精品久久久久久久| 久久毛片免费看一区二区三区| 国产精品国产av在线观看| 国产av一区二区精品久久| 在线观看免费视频网站a站| 亚洲熟妇熟女久久| 日本av免费视频播放| www.熟女人妻精品国产| 麻豆成人av在线观看| 日本欧美视频一区| 久久久水蜜桃国产精品网| 久久久久国内视频| 91大片在线观看| 曰老女人黄片| 国产xxxxx性猛交| 亚洲人成77777在线视频| 成人国产一区最新在线观看| 欧美在线黄色| 男女之事视频高清在线观看| 精品欧美一区二区三区在线| 高清欧美精品videossex| 自线自在国产av| 十八禁网站免费在线| 国产黄色免费在线视频| 国产精品一区二区免费欧美| 久久久久久免费高清国产稀缺| 欧美变态另类bdsm刘玥| a在线观看视频网站| 午夜成年电影在线免费观看| 水蜜桃什么品种好| 91麻豆精品激情在线观看国产 | 久热这里只有精品99| 国产亚洲精品久久久久5区| 无人区码免费观看不卡 | 黄色视频,在线免费观看| 日韩有码中文字幕| 真人做人爱边吃奶动态| 99国产极品粉嫩在线观看| 国产午夜精品久久久久久| 国产精品偷伦视频观看了| 成人18禁在线播放| 亚洲色图av天堂| 久久狼人影院| 中亚洲国语对白在线视频| 成年女人毛片免费观看观看9 | 国产精品久久久久久精品电影小说| 国产亚洲精品第一综合不卡| 亚洲七黄色美女视频| 最新在线观看一区二区三区| 五月天丁香电影| 波多野结衣av一区二区av| 丝袜美腿诱惑在线| 亚洲综合色网址| 亚洲专区字幕在线| 午夜福利视频在线观看免费| 人成视频在线观看免费观看| 久久久精品94久久精品| 亚洲中文av在线| av超薄肉色丝袜交足视频| 久久久久视频综合| 欧美精品亚洲一区二区| 欧美黄色片欧美黄色片| tocl精华| 午夜免费鲁丝| 亚洲全国av大片| 19禁男女啪啪无遮挡网站| 后天国语完整版免费观看| 久久热在线av| 免费在线观看影片大全网站| 十八禁网站免费在线| 国产熟女午夜一区二区三区| 热re99久久国产66热| 18禁观看日本| 亚洲久久久国产精品| 男女之事视频高清在线观看| 在线观看免费日韩欧美大片| 精品熟女少妇八av免费久了| 一本色道久久久久久精品综合| 久久人人爽av亚洲精品天堂| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕av电影在线播放| 日日爽夜夜爽网站| 男男h啪啪无遮挡| 欧美 亚洲 国产 日韩一| 黄色视频在线播放观看不卡| 欧美日韩黄片免| 美女视频免费永久观看网站| 久久人人97超碰香蕉20202| 波多野结衣av一区二区av| kizo精华| 女性生殖器流出的白浆| 男女边摸边吃奶| 精品国产一区二区久久| 久久久精品94久久精品| 国产精品电影一区二区三区 | 女警被强在线播放| av又黄又爽大尺度在线免费看| 精品欧美一区二区三区在线| 少妇被粗大的猛进出69影院| 十八禁网站网址无遮挡| 黄频高清免费视频| 免费看十八禁软件| 青草久久国产| 99热网站在线观看| av网站在线播放免费| 免费在线观看日本一区| 久久精品亚洲熟妇少妇任你| 婷婷成人精品国产| 国产精品久久久av美女十八| 深夜精品福利| 肉色欧美久久久久久久蜜桃| 两性夫妻黄色片| 国产单亲对白刺激| 亚洲欧美日韩高清在线视频 | 国产高清激情床上av| 国产有黄有色有爽视频| 大片电影免费在线观看免费| 又紧又爽又黄一区二区| 国产亚洲欧美在线一区二区| 久久久精品国产亚洲av高清涩受| 日本av手机在线免费观看| 少妇 在线观看| 欧美激情 高清一区二区三区| 欧美成狂野欧美在线观看| 国精品久久久久久国模美| 久久人人97超碰香蕉20202| 欧美日韩亚洲综合一区二区三区_| av片东京热男人的天堂| 成人18禁高潮啪啪吃奶动态图| 成人精品一区二区免费| 麻豆成人av在线观看| 黄网站色视频无遮挡免费观看| 国产精品一区二区免费欧美| 成年版毛片免费区| av线在线观看网站| 亚洲av电影在线进入| 亚洲天堂av无毛| 9色porny在线观看| 999久久久精品免费观看国产| 久久精品国产亚洲av香蕉五月 | 国产亚洲欧美在线一区二区| 麻豆国产av国片精品| 91大片在线观看| 另类精品久久| 亚洲久久久国产精品| 丝袜人妻中文字幕| 亚洲欧洲精品一区二区精品久久久| 黄色视频在线播放观看不卡| 亚洲第一av免费看| 国产福利在线免费观看视频| 国产亚洲欧美精品永久| 精品福利观看| 国产主播在线观看一区二区| 中文字幕人妻丝袜制服| 国产成人影院久久av| 日韩一卡2卡3卡4卡2021年| av天堂久久9| 一本大道久久a久久精品| 女人被躁到高潮嗷嗷叫费观| 亚洲精品一二三| 一个人免费看片子| 搡老岳熟女国产| 女人久久www免费人成看片| 久久久久国内视频| 91麻豆av在线| netflix在线观看网站| 亚洲精品乱久久久久久| 怎么达到女性高潮| 精品国产一区二区三区四区第35| 日韩大码丰满熟妇| 青青草视频在线视频观看| 久久人人97超碰香蕉20202| 19禁男女啪啪无遮挡网站| 国产精品偷伦视频观看了| 69av精品久久久久久 | 久久av网站| 亚洲伊人久久精品综合| 亚洲五月色婷婷综合| 日本黄色日本黄色录像| av又黄又爽大尺度在线免费看| 亚洲成人免费电影在线观看| 香蕉丝袜av| svipshipincom国产片| 999精品在线视频| 国产精品av久久久久免费| 亚洲人成伊人成综合网2020| 国产激情久久老熟女| 青草久久国产| 日本vs欧美在线观看视频| 中文字幕最新亚洲高清| 精品少妇一区二区三区视频日本电影| 丁香六月天网| 亚洲人成77777在线视频| 视频区图区小说| 国产av国产精品国产| 亚洲成人免费电影在线观看| 一区二区日韩欧美中文字幕| 欧美激情高清一区二区三区| 一进一出抽搐动态| 久久人人爽av亚洲精品天堂| 国产亚洲一区二区精品| 热99久久久久精品小说推荐| 久久久久久久精品吃奶| 中文字幕色久视频| 王馨瑶露胸无遮挡在线观看| 乱人伦中国视频| 国产免费现黄频在线看| 免费人妻精品一区二区三区视频| 亚洲成国产人片在线观看| 久久精品亚洲精品国产色婷小说| 久久婷婷成人综合色麻豆| 久久人妻福利社区极品人妻图片| 丰满迷人的少妇在线观看| 日本五十路高清| 中国美女看黄片| 日日摸夜夜添夜夜添小说| 波多野结衣av一区二区av| 亚洲av第一区精品v没综合| 亚洲人成电影免费在线| 99在线人妻在线中文字幕 | 国产不卡一卡二| 90打野战视频偷拍视频| 久9热在线精品视频| 亚洲情色 制服丝袜| 手机成人av网站| 免费少妇av软件| 99精国产麻豆久久婷婷| 菩萨蛮人人尽说江南好唐韦庄| 丁香六月欧美| 欧美日韩亚洲高清精品| 国产精品免费一区二区三区在线 | 亚洲精品美女久久久久99蜜臀| 久久久久久久精品吃奶| 高清在线国产一区| 在线观看66精品国产| 久久亚洲精品不卡| 精品福利永久在线观看| 中文字幕色久视频| 国产精品熟女久久久久浪| 久久狼人影院| 亚洲av电影在线进入| 久久久久久久国产电影| 日韩欧美三级三区| 中亚洲国语对白在线视频| 丰满人妻熟妇乱又伦精品不卡| 手机成人av网站| 搡老岳熟女国产| 人成视频在线观看免费观看| 亚洲欧洲日产国产| a级毛片黄视频| 日韩视频在线欧美| 18禁美女被吸乳视频| 亚洲综合色网址| 女性被躁到高潮视频| 午夜福利视频在线观看免费| 精品免费久久久久久久清纯 | 无人区码免费观看不卡 | 欧美日韩中文字幕国产精品一区二区三区 | 亚洲欧美一区二区三区久久| 丝袜喷水一区| 男女边摸边吃奶| 精品国产乱子伦一区二区三区| 悠悠久久av| 国产福利在线免费观看视频| 无限看片的www在线观看| 亚洲成av片中文字幕在线观看| 欧美日韩亚洲国产一区二区在线观看 | 在线十欧美十亚洲十日本专区| 国产在线免费精品| 黄片播放在线免费| 国产精品久久久av美女十八| 国产97色在线日韩免费| 亚洲 国产 在线| 日韩大码丰满熟妇| 亚洲专区国产一区二区| 免费观看人在逋| 伦理电影免费视频| 久久久精品免费免费高清| 色婷婷av一区二区三区视频| 韩国精品一区二区三区| 国产精品偷伦视频观看了| 亚洲午夜精品一区,二区,三区| 久久国产精品大桥未久av| 国产成人av激情在线播放| 午夜福利乱码中文字幕| 欧美另类亚洲清纯唯美| 日韩视频在线欧美| 99久久精品国产亚洲精品| 国产无遮挡羞羞视频在线观看| 两个人免费观看高清视频| 亚洲精品中文字幕一二三四区 | 性色av乱码一区二区三区2| av国产精品久久久久影院| 久久天堂一区二区三区四区| 久久久精品94久久精品| 久热这里只有精品99| 久久精品国产99精品国产亚洲性色 | 国产91精品成人一区二区三区 | 亚洲久久久国产精品| 女人精品久久久久毛片| 18禁观看日本| 最黄视频免费看| 麻豆乱淫一区二区| 国产成人精品无人区| 亚洲情色 制服丝袜| 亚洲伊人色综图| 亚洲一区二区三区欧美精品| 日日爽夜夜爽网站| 99re在线观看精品视频| 一区二区三区精品91| 中文字幕高清在线视频| 在线观看免费视频网站a站| 中文字幕人妻熟女乱码| 色综合婷婷激情| 国产精品影院久久| 99国产精品一区二区蜜桃av | 亚洲精品国产区一区二| 亚洲视频免费观看视频| 亚洲熟女精品中文字幕| 免费在线观看日本一区| 精品人妻1区二区| 大型av网站在线播放| 国产精品 欧美亚洲| 日韩中文字幕欧美一区二区| 精品少妇黑人巨大在线播放| 日韩一卡2卡3卡4卡2021年| 日韩免费高清中文字幕av| h视频一区二区三区| 青草久久国产| 91九色精品人成在线观看| 国产淫语在线视频| 后天国语完整版免费观看| 免费一级毛片在线播放高清视频 | 动漫黄色视频在线观看| 精品少妇一区二区三区视频日本电影| 亚洲成av片中文字幕在线观看| 亚洲av欧美aⅴ国产| 国产成人av激情在线播放| 日韩免费av在线播放| 精品国产乱码久久久久久男人| 国产精品 欧美亚洲| 欧美日韩亚洲高清精品| 黄频高清免费视频| 国产人伦9x9x在线观看| 成人国产一区最新在线观看| 在线看a的网站| 日日夜夜操网爽| 国产不卡一卡二| 国产亚洲精品第一综合不卡| 亚洲七黄色美女视频| 久久久久久久久免费视频了| av天堂在线播放| 91av网站免费观看| 正在播放国产对白刺激| 久久精品国产a三级三级三级| 交换朋友夫妻互换小说| 国产片内射在线| 欧美+亚洲+日韩+国产| 免费女性裸体啪啪无遮挡网站| 久久久国产一区二区| 每晚都被弄得嗷嗷叫到高潮| 性色av乱码一区二区三区2| 久久久久精品国产欧美久久久| 午夜精品国产一区二区电影| 18禁美女被吸乳视频| 淫妇啪啪啪对白视频| 欧美亚洲日本最大视频资源| 中文字幕另类日韩欧美亚洲嫩草| 成人18禁高潮啪啪吃奶动态图| 日本五十路高清| 日韩人妻精品一区2区三区| 欧美人与性动交α欧美软件| 久久天堂一区二区三区四区| 国产麻豆69| 日韩中文字幕欧美一区二区| 视频在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 交换朋友夫妻互换小说| 麻豆成人av在线观看| 久久久久国内视频| 妹子高潮喷水视频| 精品国产乱码久久久久久小说| 国产欧美日韩一区二区三区在线| 老司机午夜十八禁免费视频| 精品亚洲成国产av| 一级片'在线观看视频| 国产又色又爽无遮挡免费看| 高清在线国产一区| 亚洲男人天堂网一区| 我的亚洲天堂| 在线天堂中文资源库| 亚洲 欧美一区二区三区| 黄色视频不卡| 大片免费播放器 马上看| 国产精品自产拍在线观看55亚洲 | 激情在线观看视频在线高清 | 亚洲第一欧美日韩一区二区三区 | 人人妻人人澡人人看| 亚洲三区欧美一区| 久久人妻福利社区极品人妻图片| 成人18禁在线播放| 三级毛片av免费| 欧美大码av| 亚洲精品在线美女| 成在线人永久免费视频| 777米奇影视久久| 日韩制服丝袜自拍偷拍| 丝袜人妻中文字幕| 色播在线永久视频| 一本一本久久a久久精品综合妖精| 国产成人啪精品午夜网站| 97在线人人人人妻| 国产精品偷伦视频观看了| 下体分泌物呈黄色| 精品国产一区二区三区久久久樱花| 亚洲国产欧美在线一区| 亚洲专区中文字幕在线| 欧美精品一区二区大全| 精品一区二区三区av网在线观看 | 最近最新中文字幕大全电影3 | 99热网站在线观看| 建设人人有责人人尽责人人享有的| 性色av乱码一区二区三区2| 国产免费视频播放在线视频| 国产精品免费一区二区三区在线 | 国产免费现黄频在线看| 色尼玛亚洲综合影院| tube8黄色片| 国产精品偷伦视频观看了| 99九九在线精品视频| 成人国产一区最新在线观看| 中文字幕人妻丝袜一区二区| 男人操女人黄网站| 免费在线观看视频国产中文字幕亚洲| 日韩视频在线欧美| 久久性视频一级片| 色播在线永久视频| 国产又色又爽无遮挡免费看| 大型av网站在线播放| 91麻豆av在线| 欧美性长视频在线观看| tube8黄色片| 电影成人av| 黑人欧美特级aaaaaa片| 黄色 视频免费看| 视频区欧美日本亚洲| 亚洲免费av在线视频| 在线 av 中文字幕| 国产91精品成人一区二区三区 | 最新在线观看一区二区三区| 国产老妇伦熟女老妇高清| 少妇被粗大的猛进出69影院| 欧美日韩成人在线一区二区| 国精品久久久久久国模美| 在线观看人妻少妇| 日本a在线网址| 高清在线国产一区| 老汉色∧v一级毛片| 亚洲人成77777在线视频| 在线观看免费午夜福利视频| 国产免费视频播放在线视频| 国产欧美日韩一区二区三区在线| videosex国产| 日韩中文字幕视频在线看片| 国产精品1区2区在线观看. | 天堂8中文在线网| 午夜精品国产一区二区电影| 欧美激情高清一区二区三区| 免费av中文字幕在线| 国产精品久久久久久精品古装| 免费高清在线观看日韩| 久久影院123| 久久亚洲精品不卡| 人妻久久中文字幕网| 久久久国产欧美日韩av| 亚洲人成伊人成综合网2020| 亚洲全国av大片| 美女主播在线视频| 欧美亚洲日本最大视频资源| 在线观看免费日韩欧美大片| 亚洲专区国产一区二区| 满18在线观看网站| 我要看黄色一级片免费的| 亚洲黑人精品在线| 黄色 视频免费看| 国产区一区二久久| avwww免费| 高潮久久久久久久久久久不卡| 国产精品自产拍在线观看55亚洲 | 国产精品香港三级国产av潘金莲| netflix在线观看网站| 国产精品av久久久久免费| 国产精品久久久久久精品电影小说| 大香蕉久久成人网| 久久精品国产a三级三级三级| 久久久国产一区二区| 亚洲成av片中文字幕在线观看| 9191精品国产免费久久| 交换朋友夫妻互换小说| 飞空精品影院首页| 成年女人毛片免费观看观看9 | 欧美日本中文国产一区发布| 一本久久精品| 十八禁人妻一区二区| 欧美+亚洲+日韩+国产| 欧美另类亚洲清纯唯美| 亚洲精品美女久久av网站| 无限看片的www在线观看| tube8黄色片| av一本久久久久| 成人免费观看视频高清| 亚洲色图av天堂| 午夜精品久久久久久毛片777| 欧美精品高潮呻吟av久久| 国产日韩一区二区三区精品不卡| 久久国产精品大桥未久av| av免费在线观看网站| 日韩有码中文字幕| 国产精品香港三级国产av潘金莲| 99精品在免费线老司机午夜| 久久99一区二区三区| 动漫黄色视频在线观看| 成人国产av品久久久| 欧美日韩亚洲国产一区二区在线观看 | 午夜视频精品福利| 人妻久久中文字幕网| 精品人妻熟女毛片av久久网站| 一区二区三区乱码不卡18| 99riav亚洲国产免费| 日本五十路高清| 国产高清国产精品国产三级| 99精国产麻豆久久婷婷| 麻豆成人av在线观看| 这个男人来自地球电影免费观看| 侵犯人妻中文字幕一二三四区| 久久中文字幕人妻熟女| 国产一区二区三区综合在线观看| 亚洲欧洲日产国产| 狠狠精品人妻久久久久久综合| 国产av又大| 黄网站色视频无遮挡免费观看| 久久性视频一级片| 9191精品国产免费久久| 国产男女超爽视频在线观看| 中文字幕精品免费在线观看视频| 亚洲av日韩在线播放| 久热爱精品视频在线9| 欧美日韩成人在线一区二区| 老汉色∧v一级毛片| 日韩有码中文字幕| 人人妻,人人澡人人爽秒播| 成人国语在线视频| 老熟女久久久| 99香蕉大伊视频| 国产精品久久久av美女十八| 亚洲免费av在线视频| 国产精品久久久av美女十八| 亚洲全国av大片| 一本—道久久a久久精品蜜桃钙片| 丁香欧美五月| 欧美日韩福利视频一区二区| av线在线观看网站| 午夜精品久久久久久毛片777| 老熟妇仑乱视频hdxx| 美女主播在线视频| 好男人电影高清在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 黑人巨大精品欧美一区二区蜜桃| 中文字幕色久视频| 1024香蕉在线观看| 啦啦啦在线免费观看视频4| 俄罗斯特黄特色一大片| 色播在线永久视频| 亚洲一码二码三码区别大吗| 亚洲中文字幕日韩| 三级毛片av免费| 精品视频人人做人人爽| 久久国产精品人妻蜜桃| 美女高潮到喷水免费观看| 国产精品久久久久成人av| 久久免费观看电影| 丝袜在线中文字幕| 少妇的丰满在线观看| 91麻豆精品激情在线观看国产 | 亚洲av美国av| 久久影院123| 成在线人永久免费视频| 亚洲五月色婷婷综合| 女警被强在线播放| 美女午夜性视频免费| 亚洲精品久久午夜乱码| 亚洲男人天堂网一区| netflix在线观看网站| 久久久久久久久久久久大奶| 欧美精品啪啪一区二区三区| 超色免费av| 亚洲全国av大片| 国产男女内射视频| 日韩三级视频一区二区三区| 9191精品国产免费久久|