• <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CEEMDAN-ELM-Adaboost 的水電機(jī)組故障診斷

    2022-10-27 09:42:56游仕豪鄭陽閆懂林陳盛陳天涯陳啟卷
    中國(guó)農(nóng)村水利水電 2022年10期
    關(guān)鍵詞:水電分類器分量

    游仕豪,鄭陽,閆懂林,陳盛,陳天涯,陳啟卷

    (武漢大學(xué)動(dòng)力與機(jī)械學(xué)院,湖北武漢 430072)

    0 引言

    水電機(jī)組是水電能源轉(zhuǎn)換的核心設(shè)備,其高效安全穩(wěn)定運(yùn)行是保證電站安全和電網(wǎng)穩(wěn)定的重要前提。因此,開展水電機(jī)組故障診斷研究,能減少水電機(jī)組事故的發(fā)生,對(duì)保障電網(wǎng)安全穩(wěn)定的運(yùn)行具有重要意義。

    到目前為止,學(xué)者們針對(duì)水電機(jī)組的故障診斷進(jìn)行了諸多研究。黨建等[1]通過經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和連續(xù)幾何分布相似性結(jié)合實(shí)現(xiàn)對(duì)水電機(jī)組振動(dòng)信號(hào)降噪;杜義等[2]提出經(jīng)驗(yàn)?zāi)B(tài)分解的奇異值為基礎(chǔ)的水電機(jī)組特征提取方法,并結(jié)合時(shí)域和頻域特征,實(shí)現(xiàn)對(duì)工況的精確識(shí)別;陳喜陽[3]等利用PSO優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的連接權(quán)值,提高BP 分類器的識(shí)別速度和精度。何葵東[4]等通過采用EEMD 分解后各本征模態(tài)函數(shù)(IMF)的多尺度熵作為特征值,并結(jié)合極限學(xué)習(xí)機(jī)(ELM)對(duì)水電機(jī)組進(jìn)行故障診斷。

    經(jīng)過上述的分析可以看出,現(xiàn)已形成了以信號(hào)去噪、信號(hào)特征提取、診斷模型構(gòu)建為核心的水電機(jī)組故障診斷基本流程。在信號(hào)去噪方面,EMD降噪[1],小波降噪[5]、EEMD[6]降噪等方法被廣泛使用。但上述降噪方法分別存在模態(tài)混疊、適應(yīng)范圍不廣泛、IMF分量中殘留白噪聲等問題,往往導(dǎo)致降噪的效果不理想。本文采用CEEMDAN 方法[7]對(duì)振動(dòng)信號(hào)進(jìn)行降噪處理,能很好的解決模態(tài)混疊現(xiàn)象和信號(hào)中殘留白噪聲的問題。在信號(hào)特征提取方面,單一的時(shí)域特征、頻域特征或者信號(hào)復(fù)雜程度等特征往往不能全面地表征信號(hào)特性,在本文中,分別對(duì)時(shí)域、頻域和各IMF 分量樣本熵進(jìn)行提取,構(gòu)建混合特征向量來表征振動(dòng)信號(hào)特性。最后對(duì)于模型構(gòu)建方面,BP 神經(jīng)網(wǎng)絡(luò)[8]、SVM[9]、樸素貝葉斯網(wǎng)絡(luò)[10]等方法被廣泛使用,但存在訓(xùn)練速度慢、精度較低等問題。而GAO Huang等[11]提出了極限學(xué)習(xí)機(jī)(ELM),該方法無需通過迭代調(diào)節(jié)網(wǎng)絡(luò)參數(shù),因此訓(xùn)練速度得到大幅提升,具有學(xué)習(xí)速度快、泛化能力強(qiáng)等優(yōu)點(diǎn)。本文利用Adaboost算法[12]和ELM 進(jìn)行組合,能大大提高對(duì)水電機(jī)組故障診斷的精度和穩(wěn)定性。

    綜上,本文將首先對(duì)機(jī)組原始振動(dòng)信號(hào)利用CEEMDAN 進(jìn)行分解降噪和重構(gòu)。然后對(duì)降噪后的水電機(jī)組振動(dòng)信號(hào),提取常規(guī)的時(shí)域和頻域特征,通過特征的離散程度大小實(shí)現(xiàn)特征的降維,并結(jié)合CEEMDAN 分解后主要IMF 分量的樣本熵構(gòu)建混合特征向量,將其作為ELM-Adaboost 強(qiáng)分類器的輸入最終得到智能診斷模型,從而實(shí)現(xiàn)對(duì)水電機(jī)組實(shí)測(cè)振動(dòng)故障樣本集的高精度識(shí)別診斷。

    1 研究方法

    1.1 CEEMDAN

    完全自適應(yīng)噪聲集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)是互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD)算法的一種改進(jìn)算法,該方法能更有效地消除模態(tài)混疊現(xiàn)象并且分解后的IMF 分量中無白噪聲殘留[7]。CEEMDAN分解的步驟如下:

    (1)將服從正態(tài)分布的高斯白噪聲uj(t)(j=1,2,…,N為加入白噪聲的次數(shù))加入待分解信號(hào)y(t)中得到新信號(hào)y(t)+εvj(t),對(duì)其進(jìn)行EMD 分解,得到第一階本征模態(tài)函數(shù)分量C1,對(duì)產(chǎn)生的N個(gè)模態(tài)分量取均值得到CEEMDAN 分解的第一個(gè)IMF分量為:

    (2)計(jì)算原始信號(hào)去除IMF1后相應(yīng)的殘差。

    (3)在殘差r1(t)中加入服從正態(tài)分布的高斯白噪聲uj(t)(j=1,2,…,N為加入白噪聲的次數(shù))得到新信號(hào),對(duì)新信號(hào)進(jìn)行EMD分解得到第一階模態(tài)分量D1,則有:

    (4)計(jì)算相應(yīng)的殘差。

    (5)重復(fù)上述步驟,直至殘差信號(hào)為單調(diào)函數(shù)且不適合被分解時(shí),算法結(jié)束。此時(shí)得到m個(gè)本征模態(tài)函數(shù)分量和剩余的殘差分量。則原始信號(hào)可以表示為:

    1.2 ELM-Adaboost強(qiáng)分類器

    Adaboost 算法[12]的核心是合并多個(gè)弱分類器的輸出實(shí)現(xiàn)更加精確的分類,從而形成強(qiáng)分類器。ELM-Adaboost強(qiáng)分類器即把ELM 分類算法作為弱分類器,通過多次迭代訓(xùn)練ELM 分類器,并通過Adaboost 算法賦予每個(gè)ELM 分類器相應(yīng)的權(quán)重并組合成強(qiáng)分類器。ELM-Adaboost 強(qiáng)分類器相比傳統(tǒng)的ELM 弱分類器具有分類精度高,分類結(jié)果波動(dòng)性小的優(yōu)點(diǎn),其具體步驟如下[13]:

    (1)隨機(jī)選擇m組樣本作為強(qiáng)分類器的訓(xùn)練數(shù)據(jù),賦予每組樣本初始權(quán)值D1,同時(shí)根據(jù)數(shù)據(jù)的輸入輸出確定ELM 弱分類器的輸入層、隱含層和輸出層中神經(jīng)元的個(gè)數(shù)。

    (2)對(duì)于每次迭代t(t為ELM-Adaboost 中ELM 弱分類器的個(gè)數(shù)),重復(fù)以下步驟:

    ①訓(xùn)練第t個(gè)ELM 弱分類器并對(duì)訓(xùn)練數(shù)據(jù)的輸出進(jìn)行預(yù)測(cè),得到訓(xùn)練數(shù)據(jù)的預(yù)測(cè)序列g(shù)(t)以及其預(yù)測(cè)誤差和et,預(yù)測(cè)誤差和的計(jì)算公式為:

    ②根據(jù)第t個(gè)弱分類器的預(yù)測(cè)誤差和et計(jì)算該分類器的權(quán)重αt,分類器權(quán)重計(jì)算公式為

    ③根據(jù)弱分類器的權(quán)重αt調(diào)整下一次迭代中訓(xùn)練樣本的權(quán)重,調(diào)整公式為

    式中:Bi是歸一化因子,i=1,2,…,m

    (3)經(jīng)過n次迭代后,得到n組弱分類器的輸出函數(shù)f(gt,αt),并將其組合成強(qiáng)分類的輸出函數(shù)h(x)。

    1.3 基于CEEMDAN-ELM-Adaboost 的故障診斷流程

    基于CEEMDAN-ELM-Adaboost 的水電機(jī)組故障診斷流程如圖1所示,其步驟如下:利用CEEMDAN 對(duì)振動(dòng)信號(hào)進(jìn)行分解重構(gòu),實(shí)現(xiàn)對(duì)振動(dòng)信號(hào)的降噪。提取樣本數(shù)據(jù)的IMF 樣本熵特征、時(shí)域特征和頻域特征,建立包含21個(gè)特征的特征數(shù)據(jù)池,充分挖掘出蘊(yùn)藏在振動(dòng)信號(hào)中的故障信息??紤]到特征量之間可能存在耦合性和特征冗余性,故對(duì)特征池中的特征量做降維處理,從每類特征數(shù)據(jù)中篩選出差異性明顯的特征,構(gòu)建包含樣本數(shù)據(jù)的時(shí)域、頻域以及IMF 樣本熵的混合特征向量矩陣,將所有樣本的混合特征向量劃分為訓(xùn)練集和測(cè)試集,輸入到ELM-Adaboost 強(qiáng)分類器中訓(xùn)練強(qiáng)分類器模型并輸出測(cè)試集的預(yù)測(cè)結(jié)果。

    圖1 基于CEEMDAN-ELM-Adaboost的故障診斷流程圖Fig.1 Fault diagnosis flow based on CEEMDAN-ELM-Adaboost

    2 實(shí)例研究

    2.1 數(shù)據(jù)來源

    本文數(shù)據(jù)來源于某水電站的三號(hào)機(jī)組,該機(jī)組水輪機(jī)型號(hào)ZZA315-LJ-800,發(fā)電機(jī)型號(hào)SF200-56/11950,額定功率200 MW,立軸半傘式。分析數(shù)據(jù)為機(jī)組主軸軸向的振動(dòng)數(shù)據(jù),機(jī)組故障類型為轉(zhuǎn)輪室碰摩故障。分別將采自于機(jī)組故障發(fā)生前的數(shù)據(jù)標(biāo)記為故障預(yù)警狀態(tài)、故障發(fā)生后的數(shù)據(jù)標(biāo)記為故障狀態(tài)、檢修后正常運(yùn)行的數(shù)據(jù)標(biāo)記為正常運(yùn)行狀態(tài),其中每種狀態(tài)數(shù)據(jù)各40組,每組數(shù)據(jù)波形長(zhǎng)度為4 096 個(gè)采樣點(diǎn),數(shù)據(jù)點(diǎn)的采樣頻率為458 Hz。

    2.2 數(shù)據(jù)降噪

    對(duì)每個(gè)樣本中的原始振動(dòng)信號(hào)進(jìn)行CEEMDAN 分解,經(jīng)過多次試驗(yàn)分析,設(shè)定加入高斯白噪聲的次數(shù)為100,高斯白噪聲標(biāo)準(zhǔn)差為0.2,最大的迭代次數(shù)為1 000。信號(hào)分解得到若干個(gè)IMF分量,同時(shí)計(jì)算每個(gè)IMF分量與原始振動(dòng)信號(hào)的相關(guān)系數(shù),各個(gè)IMF分量的相關(guān)系數(shù)如表1所示。由表1可知,前幾個(gè)IMF分量與原始信號(hào)的相關(guān)系數(shù)較大,能很大程度地表征原始信號(hào)的特征,故可通過選取前幾個(gè)相關(guān)系數(shù)較大的IMF 分量進(jìn)行重構(gòu)從而達(dá)到信號(hào)去噪的效果[14-16]。綜合120 個(gè)樣本的分解結(jié)果,本文選取前6個(gè)IMF分量進(jìn)行信號(hào)重構(gòu)。

    表1 IMF分量與原始數(shù)據(jù)的相關(guān)系數(shù)表Tab.1 Table of IMF components in relation to raw data

    2.3 特征提取及降維

    為更加全面獲取振動(dòng)信號(hào)深度蘊(yùn)含的信息,提高故障診斷的準(zhǔn)確性,本文對(duì)樣本數(shù)據(jù)中常規(guī)的時(shí)域特征、頻域特征和各IMF 分量的樣本熵進(jìn)行提取,提取的特征及其對(duì)應(yīng)的編號(hào)如表2所示。

    表2 振動(dòng)信號(hào)特征集Tab.2 Characteristic set of vibration signal

    考慮到提取的特征量過多,特征量之間可能存在耦合性和特征冗余性,本文對(duì)提取的高維特征集進(jìn)行降維處理,通過特征值離散程度的差異對(duì)提取的特征進(jìn)行篩選。計(jì)算14個(gè)時(shí)域、頻域特征的標(biāo)準(zhǔn)差,得到各特征的離散程度(即標(biāo)準(zhǔn)差的大?。┮妶D2。由圖2 可知,部分特征的離散程度幾乎趨近于0,即特征值基本都聚集于某一個(gè)值的附近,不能對(duì)3 種運(yùn)行狀態(tài)進(jìn)行有效區(qū)分,故分別剔除掉時(shí)域特征和頻域特征中離散程度較小的無效特征。通常前幾個(gè)IMF 分量集中了原始振動(dòng)信號(hào)中最顯著、最重要的信息[17]。為保證提取特征的代表性和算法運(yùn)行的快速性,本文選用CEEMDAN 分解后的前3 個(gè)與原始信號(hào)相關(guān)性系數(shù)較大的IMF 分量并計(jì)算其樣本熵,最后篩選出T1、T4、T5、F2、F3、F4、S1、S2、S3九個(gè)特征用來構(gòu)建混合特征向量。

    圖2 樣本特征的離散程度Fig.2 Degree of dispersion of sample features

    圖3、4 和圖5 分別為特征降維處理后的篩選出的時(shí)域特征、頻域特征和樣本熵在不同樣本上的分布圖,其中樣本序號(hào)1~40 為正常運(yùn)行樣本,序號(hào)41~80 為故障預(yù)警樣本,序號(hào)81~120為故障樣本。由圖3、4和圖5可知,在所篩選出的特征分布圖中,故障樣本和其他兩種樣本有較明顯的差異,正常運(yùn)行樣本和故障樣本在部分特征上的分布上也存在差異。

    圖3 樣本的時(shí)域特征分布圖Fig.3 Time-domain distribution of the sample

    圖4 樣本的頻域特征分布圖Fig.4 Frequency domain feature distribution of the sample

    圖5 樣本的IMF樣本熵分布圖Fig.5 IMF sample entropy distribution of samples

    2.4 ELM-Adaboost分類

    將降維后的9 個(gè)特征組合成混合特征向量,其格式為[T1,T4,T5,F(xiàn)2,F(xiàn)3,F(xiàn)4,S1,S2,S3]。依據(jù)每種運(yùn)行狀態(tài)對(duì)120 組樣本按6∶4 的比例隨機(jī)劃分為72 組訓(xùn)練集和48 組測(cè)試集。首先對(duì)ELM-Adaboost 的輸入?yún)?shù)進(jìn)行初始化,經(jīng)過多次試驗(yàn)分析,設(shè)定ELM 選取的個(gè)數(shù)為10,ELM 的輸入層節(jié)點(diǎn)數(shù)為9,輸出層節(jié)點(diǎn)數(shù)為3,單隱含層的節(jié)點(diǎn)數(shù)為50,激活函數(shù)為sigmoid 函數(shù)。利用訓(xùn)練樣本對(duì)模型進(jìn)行訓(xùn)練,對(duì)比在EMD 和CEEMDAN 兩種不同降噪方法下不同分類方法的分類準(zhǔn)確性??紤]到ELMAdaboost 算法在水電機(jī)組小樣本故障診斷上的適用性,設(shè)置訓(xùn)練集和測(cè)試組樣本數(shù)量比例為4∶6 的對(duì)照組,并對(duì)每種組合運(yùn)行100 取平均值來避免隨機(jī)誤差的影響,對(duì)比試驗(yàn)結(jié)果如表3所示。其中實(shí)驗(yàn)組中最能代表平均結(jié)果的分類結(jié)果見圖6和圖7。

    圖6 基于CEEMDAN降噪的分類結(jié)果Fig.6 Classification result based on CEEMDAN denoising

    圖7 基于EMD降噪的分類結(jié)果Fig.7 Classification result based on EMD denoising

    從表3 可知,相比于EMD 分解降噪,利用CEEMDAN 方法進(jìn)行降噪可以提高分類的準(zhǔn)確性。此外,對(duì)比相同降噪方法下的3 中分類方法的分類情況,ELM-Adaboost 相比于ELM 和BPNN 分類方法,其對(duì)水電機(jī)組的故障分類更加精確。同時(shí)ELM-Adaboost 也繼承了ELM 網(wǎng)絡(luò)訓(xùn)練速度快的優(yōu)點(diǎn),其相比于BPNN 分類方法其運(yùn)行時(shí)間更短。最后,相比于其他兩者分類方法,ELM-Adaboost 方法在水電機(jī)組小樣本故障分類問題上,其識(shí)別精度基本不隨樣本數(shù)量的變化而變化,表現(xiàn)出良好的魯棒性。綜上,本文提出的基于CEEMDAN-ELM-Adaboost的水電機(jī)組故障診斷方法相比于傳統(tǒng)方法具有更好的應(yīng)用性。

    表3 分類準(zhǔn)確度對(duì)比Tab.3 Comparison of classification accuracy

    3 結(jié)論

    本文提出了基于CEEMDAN-ELM-Adaboost 的水電機(jī)組故障診斷方法,并利用水電機(jī)組轉(zhuǎn)輪室碰摩故障的實(shí)際數(shù)據(jù)進(jìn)行分析,得到以下結(jié)論。

    (1)相比于傳統(tǒng)的EMD 降噪方法,通過CEEMDAN 對(duì)原始信號(hào)降噪能提高后續(xù)故障分類的準(zhǔn)確性。

    (2)相對(duì)于傳統(tǒng)的BPNN 和ELM 方法,ELM-Adaboost 方法在水電機(jī)組小樣本的故障分類問題上具有更高的識(shí)別精度和魯棒性。此外,該方法在保證高識(shí)別率的前提下具有訓(xùn)練速度的特點(diǎn)。

    (3)CEEMDAN-ELM-Adaboost方法在水電機(jī)組轉(zhuǎn)輪室碰摩故障識(shí)別問題上具有很好的適應(yīng)性,其識(shí)別精度可以達(dá)到97.92%。

    猜你喜歡
    水電分類器分量
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    央企剝離水電資產(chǎn)背后
    能源(2017年7期)2018-01-19 05:05:02
    水電:全力消納富余水電 更重生態(tài)環(huán)保
    能源(2018年7期)2018-01-15 22:51:08
    分量
    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(jī)的TSK分類器
    長(zhǎng)江水電之歌
    亚洲五月天丁香| 深爱激情五月婷婷| 午夜免费成人在线视频| 69av精品久久久久久| 变态另类丝袜制服| 欧美成人a在线观看| 日本一二三区视频观看| 久久久色成人| 丝袜美腿在线中文| 国产日本99.免费观看| 丰满人妻熟妇乱又伦精品不卡| 欧美极品一区二区三区四区| 丰满人妻熟妇乱又伦精品不卡| 久久人妻av系列| 国产精品永久免费网站| 欧美大码av| 9191精品国产免费久久| 久久久久国产精品人妻aⅴ院| 精品一区二区三区av网在线观看| 制服人妻中文乱码| 黑人欧美特级aaaaaa片| 窝窝影院91人妻| 亚洲国产精品久久男人天堂| 人妻丰满熟妇av一区二区三区| 国产真实乱freesex| 免费看十八禁软件| xxxwww97欧美| 成人永久免费在线观看视频| 美女大奶头视频| 欧美性感艳星| 99久久综合精品五月天人人| 国产精品98久久久久久宅男小说| 亚洲精品在线观看二区| 日韩欧美免费精品| 国产中年淑女户外野战色| 免费在线观看日本一区| 欧美+亚洲+日韩+国产| 国产成人福利小说| 在线免费观看不下载黄p国产 | 少妇的逼好多水| 国产精华一区二区三区| 淫妇啪啪啪对白视频| 国产精品久久久久久久电影 | xxx96com| 久久精品91蜜桃| 18禁国产床啪视频网站| 国产欧美日韩一区二区精品| 欧美一级a爱片免费观看看| 精品国产超薄肉色丝袜足j| 99热只有精品国产| 亚洲成av人片免费观看| 国产高清三级在线| 在线观看av片永久免费下载| 噜噜噜噜噜久久久久久91| 国产美女午夜福利| xxx96com| 我的老师免费观看完整版| 黄片小视频在线播放| www.www免费av| 欧洲精品卡2卡3卡4卡5卡区| 欧美三级亚洲精品| 国产一区二区亚洲精品在线观看| 一级黄片播放器| 亚洲中文日韩欧美视频| 一级a爱片免费观看的视频| 性色av乱码一区二区三区2| 女人被狂操c到高潮| 成人永久免费在线观看视频| 草草在线视频免费看| 亚洲黑人精品在线| 两个人看的免费小视频| 又粗又爽又猛毛片免费看| 久久久久久久午夜电影| 女人被狂操c到高潮| 99国产精品一区二区三区| 国产真人三级小视频在线观看| 香蕉丝袜av| 性欧美人与动物交配| 内射极品少妇av片p| 一级a爱片免费观看的视频| 亚洲av一区综合| 久久午夜亚洲精品久久| 成人特级黄色片久久久久久久| 欧美另类亚洲清纯唯美| aaaaa片日本免费| 一级作爱视频免费观看| 夜夜夜夜夜久久久久| 18禁裸乳无遮挡免费网站照片| 欧美激情在线99| 欧美色视频一区免费| 一级作爱视频免费观看| 黄色片一级片一级黄色片| 免费看日本二区| 精品久久久久久成人av| 国产成人a区在线观看| 少妇的逼水好多| 激情在线观看视频在线高清| 老熟妇仑乱视频hdxx| av天堂在线播放| 久久这里只有精品中国| 国语自产精品视频在线第100页| 国产精华一区二区三区| 久久精品91无色码中文字幕| 亚洲精华国产精华精| 欧美成人免费av一区二区三区| 特级一级黄色大片| 久久这里只有精品中国| 亚洲人成电影免费在线| 少妇的逼水好多| 亚洲美女黄片视频| 中亚洲国语对白在线视频| 中文在线观看免费www的网站| 小说图片视频综合网站| 一个人免费在线观看的高清视频| 免费看日本二区| h日本视频在线播放| 午夜免费观看网址| 午夜激情福利司机影院| 岛国在线观看网站| 18禁国产床啪视频网站| 99精品久久久久人妻精品| 麻豆一二三区av精品| 免费看a级黄色片| 成人午夜高清在线视频| 国产色婷婷99| 国产一区在线观看成人免费| 一级作爱视频免费观看| 在线观看舔阴道视频| 国产三级在线视频| a在线观看视频网站| 脱女人内裤的视频| 日本五十路高清| 成人午夜高清在线视频| 窝窝影院91人妻| 色在线成人网| 一个人观看的视频www高清免费观看| 亚洲人成网站在线播| 国产精品亚洲一级av第二区| 国产一区二区三区在线臀色熟女| 欧美3d第一页| 日本黄色视频三级网站网址| 少妇裸体淫交视频免费看高清| 久久草成人影院| 国产精品99久久久久久久久| 国产成人啪精品午夜网站| 久久久久久久久久黄片| www.色视频.com| 久久久国产精品麻豆| 一本久久中文字幕| 三级毛片av免费| 亚洲一区高清亚洲精品| 欧美大码av| 内射极品少妇av片p| 全区人妻精品视频| 大型黄色视频在线免费观看| 18禁国产床啪视频网站| 午夜福利免费观看在线| 成人无遮挡网站| 狂野欧美白嫩少妇大欣赏| 日本三级黄在线观看| 中文字幕av在线有码专区| 激情在线观看视频在线高清| 无遮挡黄片免费观看| 亚洲内射少妇av| 日本黄色片子视频| 人妻夜夜爽99麻豆av| 国产精品女同一区二区软件 | 天堂√8在线中文| 日本撒尿小便嘘嘘汇集6| 成人高潮视频无遮挡免费网站| 国产高清激情床上av| 国产亚洲精品久久久com| 一区二区三区国产精品乱码| 搡女人真爽免费视频火全软件 | 国产精品综合久久久久久久免费| 国产亚洲精品av在线| 两个人的视频大全免费| 久久这里只有精品中国| 国产精品美女特级片免费视频播放器| www日本在线高清视频| 91麻豆精品激情在线观看国产| 真人一进一出gif抽搐免费| 国内久久婷婷六月综合欲色啪| 久久亚洲真实| 亚洲精品在线观看二区| 国产精品av视频在线免费观看| 搡老岳熟女国产| 乱人视频在线观看| 国产成人影院久久av| 老司机午夜十八禁免费视频| 99久久成人亚洲精品观看| 韩国av一区二区三区四区| 国产伦一二天堂av在线观看| 变态另类成人亚洲欧美熟女| 国产男靠女视频免费网站| 国产av不卡久久| 国产精品自产拍在线观看55亚洲| 香蕉丝袜av| 老司机午夜十八禁免费视频| 亚洲av二区三区四区| 女生性感内裤真人,穿戴方法视频| 国产69精品久久久久777片| 一个人看的www免费观看视频| 九九在线视频观看精品| x7x7x7水蜜桃| 老司机午夜十八禁免费视频| 国产成人av教育| 一本精品99久久精品77| 国产精品电影一区二区三区| www日本在线高清视频| www.999成人在线观看| 国产成人欧美在线观看| 欧美一区二区精品小视频在线| 亚洲国产欧美人成| xxx96com| 久久99热这里只有精品18| 国产真实乱freesex| 欧美不卡视频在线免费观看| 偷拍熟女少妇极品色| 日韩欧美国产在线观看| 欧美在线黄色| 免费在线观看成人毛片| 人妻夜夜爽99麻豆av| 欧美激情在线99| av专区在线播放| 亚洲片人在线观看| 又爽又黄无遮挡网站| 国产午夜福利久久久久久| 天美传媒精品一区二区| 色综合婷婷激情| 久久99热这里只有精品18| aaaaa片日本免费| 亚洲电影在线观看av| 午夜亚洲福利在线播放| 看黄色毛片网站| 91麻豆精品激情在线观看国产| 中文字幕精品亚洲无线码一区| 免费看光身美女| 一二三四社区在线视频社区8| 中文字幕精品亚洲无线码一区| 激情在线观看视频在线高清| 日本免费a在线| 人妻丰满熟妇av一区二区三区| 精品久久久久久,| 一本一本综合久久| 国产视频一区二区在线看| 国产精品精品国产色婷婷| 中文在线观看免费www的网站| 99国产极品粉嫩在线观看| 黄片大片在线免费观看| 国产精品1区2区在线观看.| 国产亚洲欧美在线一区二区| 国产aⅴ精品一区二区三区波| 91字幕亚洲| 欧美zozozo另类| 成人一区二区视频在线观看| 午夜福利欧美成人| 在线观看免费午夜福利视频| 波野结衣二区三区在线 | 亚洲av熟女| 脱女人内裤的视频| 国产蜜桃级精品一区二区三区| 午夜精品在线福利| 成年版毛片免费区| 超碰av人人做人人爽久久 | 我的老师免费观看完整版| 日日干狠狠操夜夜爽| 脱女人内裤的视频| 久久久久久久久大av| 午夜激情福利司机影院| 国产一级毛片七仙女欲春2| 91在线精品国自产拍蜜月 | 少妇的逼好多水| 亚洲avbb在线观看| 国产三级在线视频| 可以在线观看的亚洲视频| 国产精品一区二区三区四区免费观看 | 亚洲成人久久性| 91在线精品国自产拍蜜月 | 日本精品一区二区三区蜜桃| 人妻久久中文字幕网| 日本免费一区二区三区高清不卡| 午夜福利在线观看吧| 波多野结衣巨乳人妻| 精品国产美女av久久久久小说| 在线观看日韩欧美| 女同久久另类99精品国产91| or卡值多少钱| 国产激情欧美一区二区| 久久中文看片网| 夜夜夜夜夜久久久久| 999久久久精品免费观看国产| 欧美性猛交╳xxx乱大交人| 国产aⅴ精品一区二区三区波| 久久欧美精品欧美久久欧美| 欧美乱妇无乱码| 少妇熟女aⅴ在线视频| 国产一区二区激情短视频| 久久伊人香网站| 99国产极品粉嫩在线观看| 高清毛片免费观看视频网站| 成年版毛片免费区| 精品免费久久久久久久清纯| 日韩欧美在线乱码| 免费高清视频大片| 精品人妻一区二区三区麻豆 | 最新中文字幕久久久久| 欧美3d第一页| 国产三级在线视频| 成人鲁丝片一二三区免费| 大型黄色视频在线免费观看| 黄色片一级片一级黄色片| 欧美日韩黄片免| 中亚洲国语对白在线视频| 欧美激情久久久久久爽电影| 国产精品久久久久久人妻精品电影| 免费观看精品视频网站| 国产国拍精品亚洲av在线观看 | 国产三级在线视频| aaaaa片日本免费| 精品人妻偷拍中文字幕| 可以在线观看的亚洲视频| 色哟哟哟哟哟哟| 桃红色精品国产亚洲av| 岛国在线观看网站| 长腿黑丝高跟| 首页视频小说图片口味搜索| 中文资源天堂在线| 国产av在哪里看| 香蕉丝袜av| 亚洲精品乱码久久久v下载方式 | 欧美日韩乱码在线| 国产在视频线在精品| 一区福利在线观看| 亚洲男人的天堂狠狠| 一级a爱片免费观看的视频| 欧美丝袜亚洲另类 | 精品福利观看| 欧美在线一区亚洲| 波野结衣二区三区在线 | 国产亚洲精品综合一区在线观看| 久久香蕉国产精品| 中文字幕高清在线视频| 有码 亚洲区| 国内精品久久久久精免费| 在线观看一区二区三区| 久99久视频精品免费| 亚洲av中文字字幕乱码综合| av在线蜜桃| 亚洲精品粉嫩美女一区| 久久久久九九精品影院| 免费人成在线观看视频色| 国产高潮美女av| 国内毛片毛片毛片毛片毛片| 欧美乱色亚洲激情| 最近最新中文字幕大全免费视频| 国产午夜精品论理片| 国产精品精品国产色婷婷| 亚洲午夜理论影院| 免费看美女性在线毛片视频| 中文资源天堂在线| 51午夜福利影视在线观看| 欧美乱码精品一区二区三区| 日韩欧美免费精品| 99国产精品一区二区三区| 精品免费久久久久久久清纯| 老熟妇乱子伦视频在线观看| 亚洲精品久久国产高清桃花| 国产极品精品免费视频能看的| 亚洲精品影视一区二区三区av| 国产成+人综合+亚洲专区| 最近视频中文字幕2019在线8| 欧美一级a爱片免费观看看| 五月玫瑰六月丁香| 欧美一级a爱片免费观看看| 十八禁网站免费在线| 国产成人av激情在线播放| 亚洲国产欧洲综合997久久,| 窝窝影院91人妻| 国产亚洲欧美在线一区二区| 在线观看舔阴道视频| 99国产综合亚洲精品| 在线播放无遮挡| av在线天堂中文字幕| 亚洲成av人片在线播放无| 久久久精品欧美日韩精品| 国产熟女xx| 在线观看美女被高潮喷水网站 | www日本在线高清视频| 99国产精品一区二区蜜桃av| 变态另类成人亚洲欧美熟女| 亚洲成av人片免费观看| 1000部很黄的大片| 亚洲人成伊人成综合网2020| 午夜福利18| 亚洲第一欧美日韩一区二区三区| 丁香欧美五月| 色尼玛亚洲综合影院| 久久久成人免费电影| 日韩欧美在线二视频| 精品国产美女av久久久久小说| 成人18禁在线播放| 欧美黄色片欧美黄色片| av专区在线播放| 90打野战视频偷拍视频| 搞女人的毛片| 国产精品 国内视频| 欧美日韩综合久久久久久 | 97超视频在线观看视频| 一级毛片女人18水好多| 丰满乱子伦码专区| 免费看光身美女| 母亲3免费完整高清在线观看| 老司机在亚洲福利影院| 成人无遮挡网站| 午夜福利在线观看免费完整高清在 | 一区福利在线观看| 欧美中文日本在线观看视频| 国产主播在线观看一区二区| 亚洲人成网站在线播| 草草在线视频免费看| 国产又黄又爽又无遮挡在线| 国产av不卡久久| 精品久久久久久久人妻蜜臀av| 成人特级av手机在线观看| 9191精品国产免费久久| 99国产精品一区二区蜜桃av| 一区二区三区激情视频| 日韩有码中文字幕| 日韩欧美精品v在线| 老司机福利观看| 他把我摸到了高潮在线观看| 99精品在免费线老司机午夜| 香蕉丝袜av| 免费无遮挡裸体视频| 国模一区二区三区四区视频| 国产极品精品免费视频能看的| 亚洲欧美日韩高清专用| 波多野结衣高清无吗| 老司机午夜福利在线观看视频| 五月伊人婷婷丁香| 亚洲天堂国产精品一区在线| 成年女人永久免费观看视频| 99国产精品一区二区三区| 欧美黑人巨大hd| 动漫黄色视频在线观看| 午夜激情欧美在线| 色噜噜av男人的天堂激情| 国产在视频线在精品| 国产国拍精品亚洲av在线观看 | 99热只有精品国产| 在线国产一区二区在线| 免费人成视频x8x8入口观看| 亚洲av二区三区四区| 给我免费播放毛片高清在线观看| 黄色成人免费大全| 欧美zozozo另类| 9191精品国产免费久久| 中文字幕人成人乱码亚洲影| 啪啪无遮挡十八禁网站| 怎么达到女性高潮| 日韩欧美精品v在线| 国产欧美日韩一区二区精品| 亚洲专区国产一区二区| 欧美成狂野欧美在线观看| 国产乱人视频| 亚洲av电影不卡..在线观看| 五月玫瑰六月丁香| 亚洲精品美女久久久久99蜜臀| 两个人看的免费小视频| 中文字幕熟女人妻在线| 亚洲av五月六月丁香网| 麻豆国产av国片精品| 国产男靠女视频免费网站| 亚洲国产中文字幕在线视频| 五月伊人婷婷丁香| 成人av在线播放网站| 国产视频一区二区在线看| 两个人视频免费观看高清| 99久久精品一区二区三区| 国产精品av视频在线免费观看| 国产欧美日韩一区二区精品| 女同久久另类99精品国产91| 一个人免费在线观看电影| 精品久久久久久久人妻蜜臀av| 97超视频在线观看视频| 最近在线观看免费完整版| 国产精品久久电影中文字幕| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站| 手机成人av网站| 制服丝袜大香蕉在线| 小蜜桃在线观看免费完整版高清| 久久久久久久久久黄片| 日韩欧美国产在线观看| 国产精品久久久久久精品电影| 蜜桃亚洲精品一区二区三区| 精品人妻1区二区| 日韩有码中文字幕| 久久久久久九九精品二区国产| 成人性生交大片免费视频hd| 欧美在线黄色| 国产色婷婷99| 日本免费a在线| 熟女电影av网| 一级黄片播放器| 热99在线观看视频| 丁香六月欧美| 一个人观看的视频www高清免费观看| 亚洲电影在线观看av| 97超级碰碰碰精品色视频在线观看| 少妇人妻一区二区三区视频| 真实男女啪啪啪动态图| 免费大片18禁| 亚洲成人免费电影在线观看| 国产中年淑女户外野战色| 国产精品av视频在线免费观看| 精品久久久久久久久久免费视频| 国产一区二区三区在线臀色熟女| 欧美激情久久久久久爽电影| 别揉我奶头~嗯~啊~动态视频| 免费看a级黄色片| 国产在视频线在精品| 嫩草影院精品99| 国产精品亚洲一级av第二区| 桃色一区二区三区在线观看| 日韩欧美三级三区| 国产免费男女视频| 好男人在线观看高清免费视频| 亚洲真实伦在线观看| 日韩欧美国产在线观看| 18禁在线播放成人免费| 日本黄色视频三级网站网址| 欧美中文日本在线观看视频| 国产精品一区二区三区四区久久| 久久久久免费精品人妻一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲专区中文字幕在线| 亚洲人成网站在线播| 亚洲国产欧美人成| 亚洲精品一卡2卡三卡4卡5卡| 国产欧美日韩一区二区精品| 国产一区在线观看成人免费| 美女被艹到高潮喷水动态| 亚洲黑人精品在线| 欧美+亚洲+日韩+国产| 国产单亲对白刺激| 色噜噜av男人的天堂激情| 丁香欧美五月| 午夜精品久久久久久毛片777| 少妇高潮的动态图| 丝袜美腿在线中文| 国产探花极品一区二区| 一个人免费在线观看电影| 国产免费男女视频| 欧美日韩中文字幕国产精品一区二区三区| 亚洲人成网站高清观看| 免费高清视频大片| 成人一区二区视频在线观看| 琪琪午夜伦伦电影理论片6080| 免费人成在线观看视频色| 亚洲国产欧美人成| 欧美日本视频| 亚洲av一区综合| 色老头精品视频在线观看| 嫩草影院入口| 在线观看免费视频日本深夜| 亚洲最大成人手机在线| 在线观看av片永久免费下载| 国产亚洲欧美98| 午夜福利欧美成人| 最新美女视频免费是黄的| 麻豆国产97在线/欧美| 欧美乱码精品一区二区三区| 99国产精品一区二区蜜桃av| av天堂中文字幕网| 日本撒尿小便嘘嘘汇集6| 国产成年人精品一区二区| 国内精品一区二区在线观看| 欧美日韩一级在线毛片| 婷婷六月久久综合丁香| 人人妻人人看人人澡| www.www免费av| 国产成人系列免费观看| 国产伦精品一区二区三区四那| 亚洲aⅴ乱码一区二区在线播放| 成人av一区二区三区在线看| 丰满人妻熟妇乱又伦精品不卡| 久久久成人免费电影| 国产探花在线观看一区二区| 舔av片在线| 成人永久免费在线观看视频| 国产高清有码在线观看视频| 国产黄片美女视频| 十八禁人妻一区二区| 精品不卡国产一区二区三区| 美女cb高潮喷水在线观看| 91久久精品电影网| 性欧美人与动物交配| 黄色女人牲交| 天堂网av新在线| 午夜福利免费观看在线| 岛国在线观看网站| 国产亚洲av嫩草精品影院| 久久欧美精品欧美久久欧美| 亚洲欧美精品综合久久99| 国产三级黄色录像| 国产精品1区2区在线观看.| 美女高潮的动态| 女生性感内裤真人,穿戴方法视频| 亚洲av五月六月丁香网| e午夜精品久久久久久久| АⅤ资源中文在线天堂| 小说图片视频综合网站| 精品午夜福利视频在线观看一区|