• <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
    成人影院久久| 天天躁夜夜躁狠狠躁躁| 熟女av电影| 亚洲国产精品一区二区三区在线| a级片在线免费高清观看视频| 全区人妻精品视频| 国产精品国产三级国产av玫瑰| 在线观看美女被高潮喷水网站| 欧美日韩av久久| 日本91视频免费播放| 在线精品无人区一区二区三| 一区二区三区精品91| 国产精品三级大全| 亚洲人与动物交配视频| 在线观看免费视频网站a站| 香蕉丝袜av| 少妇人妻 视频| 黄色怎么调成土黄色| 少妇熟女欧美另类| 一区二区日韩欧美中文字幕 | 国产一区二区在线观看av| av国产精品久久久久影院| a级毛色黄片| 免费看不卡的av| 纵有疾风起免费观看全集完整版| 少妇被粗大猛烈的视频| 亚洲一级一片aⅴ在线观看| 成人国语在线视频| 亚洲国产欧美在线一区| 日韩av免费高清视频| 男男h啪啪无遮挡| 香蕉精品网在线| 伦精品一区二区三区| 国产黄色免费在线视频| 9色porny在线观看| 亚洲精品456在线播放app| 欧美激情 高清一区二区三区| 最新的欧美精品一区二区| 国国产精品蜜臀av免费| 在线 av 中文字幕| h视频一区二区三区| 国产成人精品久久久久久| 色吧在线观看| 五月天丁香电影| 久久久久久久亚洲中文字幕| 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| 毛片一级片免费看久久久久| av国产精品久久久久影院| 丝袜在线中文字幕| 女人久久www免费人成看片| 亚洲熟女精品中文字幕| 成人18禁高潮啪啪吃奶动态图| 一二三四在线观看免费中文在 | 亚洲综合色惰| 王馨瑶露胸无遮挡在线观看| 久久久a久久爽久久v久久| 99国产综合亚洲精品| 成人国产麻豆网| av卡一久久| 三上悠亚av全集在线观看| 日本黄色日本黄色录像| 亚洲美女视频黄频| 一本久久精品| 美女中出高潮动态图| 大话2 男鬼变身卡| 黑人猛操日本美女一级片| 97人妻天天添夜夜摸| 青春草视频在线免费观看| 国产福利在线免费观看视频| av一本久久久久| 免费黄色在线免费观看| 久久久久久久久久成人| 人人妻人人澡人人看| 亚洲高清免费不卡视频| 久久久久久久亚洲中文字幕| 午夜日本视频在线| 成人影院久久| 男人舔女人的私密视频| 夫妻性生交免费视频一级片| 国产精品人妻久久久影院| 欧美 亚洲 国产 日韩一| 亚洲欧美色中文字幕在线| 免费观看在线日韩| 欧美少妇被猛烈插入视频| 熟女人妻精品中文字幕| 宅男免费午夜| 免费在线观看黄色视频的| 成人漫画全彩无遮挡| 天堂俺去俺来也www色官网| 亚洲精华国产精华液的使用体验| 国产 一区精品| 视频中文字幕在线观看| 国产日韩欧美视频二区| 18禁国产床啪视频网站| 69精品国产乱码久久久| 少妇猛男粗大的猛烈进出视频| 久久人人97超碰香蕉20202| 色94色欧美一区二区| 亚洲伊人久久精品综合| 亚洲精品日本国产第一区| 亚洲丝袜综合中文字幕| 蜜臀久久99精品久久宅男| 久久久精品94久久精品| 国语对白做爰xxxⅹ性视频网站| 九九爱精品视频在线观看| 久久精品aⅴ一区二区三区四区 | 国产精品一国产av| 成人无遮挡网站| 丁香六月天网| 汤姆久久久久久久影院中文字幕| 黄色毛片三级朝国网站| 在线观看一区二区三区激情| 国产极品天堂在线| 国产成人a∨麻豆精品| 97在线人人人人妻| 精品人妻偷拍中文字幕| 亚洲精品久久午夜乱码| 老女人水多毛片| 最近最新中文字幕大全免费视频 | 日韩,欧美,国产一区二区三区| 最黄视频免费看| 热re99久久国产66热| videos熟女内射| 亚洲一码二码三码区别大吗| 欧美国产精品一级二级三级| 自线自在国产av| 最近最新中文字幕免费大全7| 我要看黄色一级片免费的| 男人添女人高潮全过程视频| 国产精品无大码| av国产精品久久久久影院| 久久精品国产鲁丝片午夜精品| 香蕉丝袜av| 夫妻午夜视频| 午夜精品国产一区二区电影| 制服丝袜香蕉在线| 欧美日韩视频高清一区二区三区二| 国产一级毛片在线| 亚洲第一区二区三区不卡| 亚洲av福利一区| 日韩 亚洲 欧美在线| 久久亚洲国产成人精品v| 波多野结衣一区麻豆| 王馨瑶露胸无遮挡在线观看| 久久婷婷青草| 免费在线观看黄色视频的| 婷婷色综合www| 在线观看免费视频网站a站| 欧美精品一区二区大全| 免费不卡的大黄色大毛片视频在线观看| 青青草视频在线视频观看| 国产 精品1| 久久久久久人妻| 久久这里有精品视频免费| 日韩熟女老妇一区二区性免费视频| 男女免费视频国产| 看非洲黑人一级黄片| 精品久久蜜臀av无| 久久99热这里只频精品6学生| 精品一区二区三区视频在线| 中文字幕免费在线视频6| 少妇精品久久久久久久| 成人免费观看视频高清| 永久免费av网站大全| 亚洲综合色惰| 精品国产国语对白av| 国产在线一区二区三区精| 国产成人精品久久久久久| 成人漫画全彩无遮挡| 久久精品国产亚洲av天美| 亚洲一码二码三码区别大吗| 精品一区在线观看国产| 黄色 视频免费看| 国产高清不卡午夜福利| 男女高潮啪啪啪动态图| 精品亚洲乱码少妇综合久久| 街头女战士在线观看网站| 男男h啪啪无遮挡| 成年动漫av网址| 91aial.com中文字幕在线观看| 精品国产国语对白av| 成人午夜精彩视频在线观看| 日本wwww免费看| 精品一区二区三区视频在线| 人人妻人人澡人人爽人人夜夜| 亚洲av福利一区| 另类精品久久| 国产成人精品无人区| 国产精品女同一区二区软件| 巨乳人妻的诱惑在线观看| 亚洲精品,欧美精品| 国产成人a∨麻豆精品| h视频一区二区三区| 久久精品国产自在天天线| 日本欧美国产在线视频| 国产白丝娇喘喷水9色精品| 自拍欧美九色日韩亚洲蝌蚪91| 99热这里只有是精品在线观看| 黑丝袜美女国产一区| 多毛熟女@视频| 久久久久久久大尺度免费视频| 亚洲av日韩在线播放| 国产精品女同一区二区软件| 亚洲精品久久成人aⅴ小说| 看非洲黑人一级黄片| 美女国产高潮福利片在线看| 亚洲成色77777| 国产精品三级大全| av在线老鸭窝| 国产欧美日韩综合在线一区二区| 亚洲人与动物交配视频| 90打野战视频偷拍视频| 亚洲情色 制服丝袜| av在线app专区| 亚洲av中文av极速乱| 亚洲国产最新在线播放| 亚洲精品美女久久久久99蜜臀 | 两个人免费观看高清视频| 婷婷色综合大香蕉| 亚洲欧美中文字幕日韩二区| 夫妻性生交免费视频一级片| 久久精品久久精品一区二区三区| 欧美变态另类bdsm刘玥| 国产麻豆69| 少妇人妻精品综合一区二区| 精品国产一区二区三区久久久樱花| 91久久精品国产一区二区三区| 日韩制服丝袜自拍偷拍| 国产黄频视频在线观看| 日韩 亚洲 欧美在线| 亚洲av电影在线进入| 激情五月婷婷亚洲| 国产日韩欧美在线精品| 日韩不卡一区二区三区视频在线| 少妇人妻精品综合一区二区| 纵有疾风起免费观看全集完整版| 亚洲精品国产av成人精品| 一边亲一边摸免费视频| av在线app专区| 日本av免费视频播放| 国产片特级美女逼逼视频| 欧美日本中文国产一区发布| 国产亚洲午夜精品一区二区久久| 久久久国产欧美日韩av| 人成视频在线观看免费观看| 亚洲情色 制服丝袜| 亚洲第一av免费看| 男的添女的下面高潮视频| 国产视频首页在线观看| 日韩视频在线欧美| 七月丁香在线播放| 国产爽快片一区二区三区| 一级片免费观看大全| 亚洲高清免费不卡视频| 黄色一级大片看看| 天堂8中文在线网| 免费人成在线观看视频色| 看非洲黑人一级黄片| 一二三四在线观看免费中文在 | 黄色毛片三级朝国网站| 熟女av电影| 中文精品一卡2卡3卡4更新| 在线亚洲精品国产二区图片欧美| 只有这里有精品99| av女优亚洲男人天堂| videosex国产| 天堂8中文在线网| 秋霞伦理黄片| 久久久久久伊人网av| 国产一级毛片在线| 中文欧美无线码| 久久久久网色| 欧美日韩一区二区视频在线观看视频在线| 午夜福利视频精品| 18禁国产床啪视频网站| 国产视频首页在线观看| av视频免费观看在线观看| www.色视频.com| 国产精品久久久久久久久免| 午夜av观看不卡| 9热在线视频观看99| 亚洲人成77777在线视频| 久久综合国产亚洲精品| 国产不卡av网站在线观看| 亚洲精品乱久久久久久| 在线亚洲精品国产二区图片欧美| 日本午夜av视频| 51国产日韩欧美| 熟女电影av网| 美女内射精品一级片tv| 人人妻人人澡人人爽人人夜夜| 天美传媒精品一区二区| 国产伦理片在线播放av一区| 黑人猛操日本美女一级片| 在线观看一区二区三区激情| 久久久久视频综合| 丝瓜视频免费看黄片| 一区在线观看完整版| 一边摸一边做爽爽视频免费| 国产免费一级a男人的天堂| 午夜老司机福利剧场| 免费看光身美女| 亚洲综合色网址| 天堂俺去俺来也www色官网| 久久精品人人爽人人爽视色| 亚洲国产av新网站| 国产成人免费无遮挡视频| 国产一区有黄有色的免费视频| 视频区图区小说| 欧美3d第一页| 久久99蜜桃精品久久| 久久精品夜色国产| 久久免费观看电影| 黄色视频在线播放观看不卡| 高清黄色对白视频在线免费看| 大片免费播放器 马上看| 亚洲精品美女久久av网站| 国产视频首页在线观看| 亚洲精品一二三| 高清av免费在线| 欧美精品高潮呻吟av久久| 亚洲综合色惰| 91成人精品电影| 日韩精品有码人妻一区| 18禁动态无遮挡网站| 午夜av观看不卡| 久久99热6这里只有精品| 母亲3免费完整高清在线观看 | 久久99热6这里只有精品| 日韩av在线免费看完整版不卡| 日本欧美国产在线视频| 午夜福利网站1000一区二区三区| 色婷婷久久久亚洲欧美| 男女免费视频国产| 视频在线观看一区二区三区| 亚洲人与动物交配视频| 成人毛片a级毛片在线播放| 热99国产精品久久久久久7| 熟女电影av网| 日本欧美国产在线视频| 国产福利在线免费观看视频| 9热在线视频观看99| 久久99一区二区三区| 欧美 亚洲 国产 日韩一| 国产有黄有色有爽视频| 婷婷色综合www| 国产熟女欧美一区二区| 午夜91福利影院| 性高湖久久久久久久久免费观看| 在线观看免费高清a一片| 不卡视频在线观看欧美| 久久精品久久精品一区二区三区| 九草在线视频观看| 看免费av毛片| 成人免费观看视频高清| 亚洲国产最新在线播放| 久久人妻熟女aⅴ| 中文字幕精品免费在线观看视频 | 国产黄色视频一区二区在线观看| 视频在线观看一区二区三区| 丰满饥渴人妻一区二区三| freevideosex欧美| 欧美3d第一页| 最黄视频免费看| 纯流量卡能插随身wifi吗| 成人黄色视频免费在线看| 国产亚洲一区二区精品| 日本av免费视频播放| 少妇 在线观看| 母亲3免费完整高清在线观看 | 欧美日韩亚洲高清精品| 26uuu在线亚洲综合色| 男人舔女人的私密视频| 色婷婷av一区二区三区视频| 丁香六月天网| 午夜激情久久久久久久| 秋霞伦理黄片| 丰满迷人的少妇在线观看| 亚洲精华国产精华液的使用体验| 视频中文字幕在线观看| 国产精品.久久久| 久久 成人 亚洲| 看免费成人av毛片| 毛片一级片免费看久久久久| 国产有黄有色有爽视频| 亚洲国产精品成人久久小说| 亚洲精品日韩在线中文字幕| 久久久精品区二区三区| av免费观看日本| 精品99又大又爽又粗少妇毛片| av福利片在线| 新久久久久国产一级毛片| 成人国语在线视频| 亚洲丝袜综合中文字幕| 亚洲av电影在线观看一区二区三区| kizo精华| 国产av国产精品国产| 看十八女毛片水多多多| 午夜老司机福利剧场| 中文字幕另类日韩欧美亚洲嫩草| 亚洲欧美中文字幕日韩二区| 免费高清在线观看视频在线观看| 婷婷色av中文字幕| 久久精品久久久久久噜噜老黄| 老熟女久久久| 亚洲成国产人片在线观看| 欧美精品高潮呻吟av久久| 大片电影免费在线观看免费| 两个人免费观看高清视频| 搡老乐熟女国产| 亚洲国产精品999| 国产成人av激情在线播放| 99国产精品免费福利视频| 亚洲精品久久午夜乱码| 国产男女超爽视频在线观看| 欧美人与性动交α欧美软件 | 热re99久久精品国产66热6| 中文欧美无线码| 久久久久久人人人人人| 我的女老师完整版在线观看| 亚洲丝袜综合中文字幕| 亚洲情色 制服丝袜| 久久久久国产网址| 成人无遮挡网站| 午夜福利在线观看免费完整高清在| 国产精品久久久久久精品电影小说| av网站免费在线观看视频| 亚洲欧美中文字幕日韩二区| 国产精品成人在线| 国产欧美日韩一区二区三区在线| 免费人妻精品一区二区三区视频| 国产黄色视频一区二区在线观看| 91国产中文字幕| 黄色 视频免费看| 国产极品天堂在线| 最近的中文字幕免费完整| 一区二区三区精品91| 晚上一个人看的免费电影| 成人国产麻豆网| 国产色爽女视频免费观看| 欧美精品国产亚洲| 中国美白少妇内射xxxbb| 亚洲,一卡二卡三卡| 欧美日韩综合久久久久久| 在线 av 中文字幕| 久久99蜜桃精品久久| 男人舔女人的私密视频| 亚洲国产av新网站| 在线观看一区二区三区激情| 狂野欧美激情性xxxx在线观看| 国产探花极品一区二区| 一区二区三区乱码不卡18| 制服丝袜香蕉在线| 亚洲五月色婷婷综合| 哪个播放器可以免费观看大片| 熟妇人妻不卡中文字幕| 自拍欧美九色日韩亚洲蝌蚪91| 热99久久久久精品小说推荐| 日日摸夜夜添夜夜爱| 精品一区二区三区视频在线| 黄片无遮挡物在线观看| 狠狠精品人妻久久久久久综合| 色吧在线观看| 蜜桃在线观看..| 国产精品女同一区二区软件| 国产男女超爽视频在线观看| 午夜激情av网站| av播播在线观看一区| 纯流量卡能插随身wifi吗| 亚洲一级一片aⅴ在线观看| 80岁老熟妇乱子伦牲交| 久久97久久精品| 中文字幕另类日韩欧美亚洲嫩草| 亚洲五月色婷婷综合| 26uuu在线亚洲综合色| 亚洲欧美色中文字幕在线| 久久ye,这里只有精品| 捣出白浆h1v1| 亚洲av免费高清在线观看| av网站免费在线观看视频| 热re99久久精品国产66热6| 菩萨蛮人人尽说江南好唐韦庄| 国产日韩欧美在线精品| 黑人欧美特级aaaaaa片| 波野结衣二区三区在线| av女优亚洲男人天堂| 如日韩欧美国产精品一区二区三区| 中文字幕免费在线视频6| 国产精品人妻久久久影院| 久久亚洲国产成人精品v| 亚洲成人手机| 插逼视频在线观看| 午夜老司机福利剧场| 国产高清不卡午夜福利| 亚洲欧美日韩卡通动漫| av视频免费观看在线观看| 亚洲内射少妇av| 国产精品麻豆人妻色哟哟久久| 少妇人妻 视频| 九九爱精品视频在线观看| 亚洲精品色激情综合| 免费看不卡的av| 亚洲成人手机| 永久网站在线| 韩国av在线不卡| 国产国语露脸激情在线看| 丝袜喷水一区| 黄片播放在线免费| 插逼视频在线观看| 国产亚洲一区二区精品| 日韩大片免费观看网站| 色5月婷婷丁香| 日韩欧美精品免费久久| 亚洲精品日韩在线中文字幕| 亚洲国产精品国产精品| 成人影院久久| 精品国产一区二区三区久久久樱花| 久久精品夜色国产| 菩萨蛮人人尽说江南好唐韦庄| 两个人免费观看高清视频| 少妇猛男粗大的猛烈进出视频| 男的添女的下面高潮视频| 纯流量卡能插随身wifi吗| 国产国拍精品亚洲av在线观看| 国产在线视频一区二区| 女性被躁到高潮视频| 日本av免费视频播放| 久久久久久久亚洲中文字幕| 欧美日韩视频高清一区二区三区二| 国产有黄有色有爽视频| 国产精品一二三区在线看| 日韩精品有码人妻一区| 两个人免费观看高清视频| av卡一久久| 亚洲一区二区三区欧美精品| 极品少妇高潮喷水抽搐| 全区人妻精品视频| 欧美3d第一页| 亚洲综合色网址| 在线天堂中文资源库| 美女国产高潮福利片在线看| 99热国产这里只有精品6| 亚洲三级黄色毛片| 91精品国产国语对白视频| 午夜福利网站1000一区二区三区| 狠狠精品人妻久久久久久综合| 日韩av免费高清视频| 大香蕉久久网| 国产 精品1| 久久这里只有精品19| 国产精品人妻久久久久久| 18禁在线无遮挡免费观看视频| 永久免费av网站大全| 熟妇人妻不卡中文字幕| 亚洲欧洲精品一区二区精品久久久 | 亚洲国产av新网站| 国产不卡av网站在线观看| 人妻人人澡人人爽人人| 两性夫妻黄色片 | 精品国产一区二区久久| 两个人免费观看高清视频| 18禁在线无遮挡免费观看视频| 汤姆久久久久久久影院中文字幕| 老女人水多毛片| 日韩成人av中文字幕在线观看| 国产福利在线免费观看视频| 精品99又大又爽又粗少妇毛片| av一本久久久久| 国产熟女欧美一区二区| 国产一级毛片在线| 有码 亚洲区| 久久久国产精品麻豆| 亚洲综合精品二区| 在线看a的网站| 精品国产一区二区久久| 丰满饥渴人妻一区二区三| 哪个播放器可以免费观看大片| 日韩制服丝袜自拍偷拍| 中国三级夫妇交换| 久久婷婷青草| videossex国产| 大香蕉久久成人网| 国产一区有黄有色的免费视频| av在线播放精品| 亚洲精品视频女| av在线老鸭窝| 国产1区2区3区精品| 亚洲精品自拍成人| 国产精品麻豆人妻色哟哟久久| 中文字幕av电影在线播放| a级毛片在线看网站| 男女午夜视频在线观看 | 色5月婷婷丁香| 国产片特级美女逼逼视频| 亚洲国产av新网站| 在线精品无人区一区二区三| 国产 精品1| 成人国产av品久久久| 精品亚洲乱码少妇综合久久| 久久人人爽av亚洲精品天堂| 成人毛片a级毛片在线播放| 亚洲少妇的诱惑av| 欧美日韩视频高清一区二区三区二| 国产女主播在线喷水免费视频网站| 久久人人97超碰香蕉20202| 免费播放大片免费观看视频在线观看| 青春草视频在线免费观看| 好男人视频免费观看在线| 国产一区二区三区av在线| 精品视频人人做人人爽| 精品久久久精品久久久| 看非洲黑人一级黄片| 欧美激情 高清一区二区三区| a级毛片黄视频|