• <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 ?

    基于模糊認知圖的軸承故障診斷方法研究

    2022-12-29 02:02:36韓光信甘群豐于天暝陸洋胡云峰
    機床與液壓 2022年23期
    關鍵詞:軸承精度概念

    韓光信,甘群豐,于天暝,陸洋,胡云峰

    (1.吉林化工學院信息與控制工程學院,吉林吉林 132000;2.東北電力大學自動化工程學院,吉林吉林 132000;3.吉林大學通信工程學院,吉林長春 130000)

    0 前言

    滾動軸承被廣泛應用于現(xiàn)代工業(yè),是旋轉機械的關鍵部件之一。滾動軸承故障診斷不僅可以保證機械設備的平穩(wěn)性和有效性,而且有利于及時發(fā)現(xiàn)和排除意外故障。滾動軸承故障診斷在一定程度上能防止重大事故的發(fā)生,具有重要意義。通常,由于軸承工作環(huán)境的限制,無法直接進行診斷。傳感器可用于收集能夠反映軸承狀態(tài)的數(shù)字信號,如光譜信號、聲音信號和振動信號。頻譜信號和聲音信號可用于無損探傷,具有特征頻率明顯、故障早期預測性好的優(yōu)點。然而,這些方法對設備和操作員的專業(yè)素質要求很高。軸承的振動信號包含豐富的故障能量信息,軸承振動信號的采集不需要復雜的設備和專業(yè)人員。然而,傳感器采集的數(shù)據(jù)規(guī)模巨大,如何快速、有效地識別故障成為了一個難題。因此,提出將軸承故障數(shù)據(jù)按照既定的標準進行等量分割,利用專家經(jīng)驗對片段進行識別與標注,并創(chuàng)新性地把軸承故障診斷問題建模為時間序列分類(Time-Series Classification,TSC)問題。通過提取異常數(shù)據(jù)和正常數(shù)據(jù)的特征,達到識別異常數(shù)據(jù)的目的。

    時間序列分類的研究已經(jīng)發(fā)展了20多年,許多算法得到了發(fā)展和廣泛應用。TSC方法大致分為4大類:基于距離的、基于特征的、基于集成的和基于深度學習的模型[1]。在基于距離的時間序列分類方法中,將最近鄰分類器與距離函數(shù)相結合是一種最常見的組合方式。當與最近鄰分類器一起使用時,動態(tài)時間扭曲(Dynamic Time Warping,DTW)距離被證明具有非常強的基線[2]。LINES和BAGNALL[3]比較幾種距離度量方法,結果表明沒有一種距離度量方法明顯優(yōu)于DTW?;谔卣鞯姆椒?,通過提取原始時間序列中的有效特征進行分類,例如SFA符號包(BOSS)[4]、時間序列林(TSF)[5]。但是,這些方法存在一定的局限性,不能很好地利用提取的有效特征。近年來,一些研究者開始關注集成方法,它優(yōu)于傳統(tǒng)方法。BAYDOGAN等[6]提出了一個基于特征包表示的時間序列分類框架,通過概率估計將位置信息集成到一個緊湊的碼本中,該方法具有較好的分類效果。BAGNALL等[7]提出將多維度的數(shù)據(jù)空間轉換成一維數(shù)據(jù),通過簡單的集成方案來提高精度。雖然這些方法已經(jīng)達到了較高的精度,但由于計算復雜度較高,無法應用于大型數(shù)據(jù)集。目前,深度學習也被廣泛應用于TSC。KOH等[8]提出了一種改進網(wǎng)絡的匹配學習算法,它在反向傳播路徑中使用了梯度路由。YU等[9]提出了各種形式的RNN自動編碼器,作為時間序列的特征提取器。上述這些方法取得了良好的效果,但也面臨著高維、復雜動力學的問題。目前,一種基于模糊認知圖的時間序列的分類方法被提出,該方法表現(xiàn)出了更好的分類性能[10]。

    這種方法的主要思想是將時間序列轉換成FCMs的權重矩陣進行表征。FCMs的特征提取方式與以往一些經(jīng)典特征提取方式(經(jīng)驗模態(tài)分解、小波變換等)有所不同,以往的方式在獲取軸承信號特征分量后,需要進一步提取,以去除不相關和冗余的特征,而FCMs所學習的權重矩陣是專有的,無需進一步處理。FCMs具有簡單直觀的知識表示方式、非線性特性、可解釋性、模糊性等優(yōu)點,可以利用因果關系提高分類效果。然而,文獻[10]中所提出的方法存在局限性,在面對包含噪聲的數(shù)據(jù)集時,模糊C-mean聚類算法與梯度下降算法相結合的方式不能有效地提取數(shù)據(jù)特征。因此,提出利用奇異譜分析(Singular Spectrum Analysis,SSA)將原始時間序列擴展到高維空間,并實現(xiàn)降噪處理;利用凸優(yōu)化算法(Convex Optimization,CVX)快速訓練FCMs模型;利用BP神經(jīng)網(wǎng)絡(Neural Networks,NN)進行分類,并將該方法稱為SSA-FCMs-NN。

    1 背景知識

    模糊認知圖是神經(jīng)網(wǎng)絡與模糊邏輯兩者結合的產(chǎn)物,模糊認知圖有和神經(jīng)網(wǎng)絡相似的拓撲結構,是一種帶反饋環(huán)的權重有向圖,它利用概念節(jié)點和權重邊描述物理系統(tǒng)的特性。如圖1所示,一個典型的FCMs由概念節(jié)點和節(jié)點之間的有向邊的權重組成,概念節(jié)點可以表示系統(tǒng)中的行為、實體、原因等,有向邊權重代表節(jié)點之間的關聯(lián)程度。

    圖1 一個典型的FCMs

    標準FCMs所蘊含的語義可以由一個4元組U=(C,W,A,f)表示[11],其中:C=[C1,C2,…,Cm]為m個概念節(jié)點的集合;m為概念節(jié)點的個數(shù);W為m×m維的權重矩陣:

    其中:Wij為概念節(jié)點Ci和Cj之間的因果關系的權值,Wij∈[-1,1],其值的正負號與大小分別反映概念節(jié)點間因果關系的影響方向和程度,Wij>0表示概念節(jié)點Ci增加時Cj也跟著增加,Wij<0表示概念節(jié)點Ci增加時Cj反而減小,Wij=0表示概念節(jié)點Ci和Cj之間沒有因果聯(lián)系;Ai(t)為節(jié)點Ci在t時刻的狀態(tài)值,該值是變動的;f為閾值函數(shù),它是一個非線性單調遞增的函數(shù),將與目標節(jié)點有關聯(lián)的所有節(jié)點的輸入狀態(tài)值整合到激活函數(shù)的定義域內。Cj在t+1時刻的狀態(tài)值可通過以下公式計算:

    (1)

    常用的激活函數(shù)有Sigmoid函數(shù):

    (2)

    雙曲正切函數(shù):

    (3)

    其中:Sigmoid函數(shù)將節(jié)點的狀態(tài)值限定在區(qū)間[0,1]; 雙曲正切函數(shù)將節(jié)點的狀態(tài)值限定在區(qū)間[-1,1];ξ>0決定了閾值函數(shù)的陡峭程度。

    2 SSA-FCMs-NN算法

    將軸承故障時間序列按照預定規(guī)則進行等量分割,產(chǎn)生樣本集,如下所示:

    (4)

    (5)

    f-1[Ai(t+1)]=A(t)Wi

    (6)

    Yi=ZWi

    (7)

    FCMs的學習問題最終可以轉化為約束最小二乘法問題[12]。為求解權重Wi,目標函數(shù)可表示為

    (8)

    圖2 SSA-FCMs-NN算法流程

    3 實驗結果分析

    使用分類準確率和科恩的卡帕系數(shù)評估SSA-FCMs-NN算法的性能。分類準確率公式如下所示:

    (9)

    其中:UT為測試樣本的總數(shù);Nerror為分類錯誤樣本的數(shù)量。

    評估給定分類器的性能并不是一件簡單的任務。如果一個或多個類別預測失敗,總體的分類并不能有效地評價模型的性能。另一個常用于多分類器基準測試的方法是科恩的卡帕系數(shù)。Kappa是分類變量之間一致性的指標,一般認為它比簡單的百分比一致性計算更可靠,其公式如下:

    (10)

    其中:p0為評估者之間相對觀察到的一致性;pe為偶然條件下的一致性。

    在文中,應用K-fold cross-validation提高模型的擬合能力,其中K=3。分類準確率和Kappa的值取的是3次測量值的平均值。由于概念節(jié)點數(shù)、SSA嵌入維數(shù)L的不同和β的值都會影響最后的輸出結果,默認選取最好的一組結果。

    3.1 實驗數(shù)據(jù)與參數(shù)設置

    為驗證所提出的SSA-FCMs-NN算法在軸承故障診斷中的有效性,利用廣泛使用的軸承故障數(shù)據(jù)集進行對比實驗,利用不同尺寸和功率產(chǎn)生4組實驗數(shù)據(jù)。

    數(shù)據(jù)集A、B分別來自0、735 W工作負荷,采樣頻率為12 kHz驅動端的振動信號,包含3種損壞尺寸(0.177 8、0.355 6 、0.533 4 mm)的內圈、外圈、滾動體的9類故障,以及1個正?;鶞剩还?0類。

    數(shù)據(jù)集C:將損壞大小固定為0.355 6 mm,并選擇3種故障類型。每種故障類型有3個電機負載。然后,得到9類方位斷層。一共得到9類采樣頻率為48 kHz驅動端的振動信號。

    數(shù)據(jù)集D:將故障類型固定為滾動體故障,并調整損壞大小和電機負載。3種載荷(0、735、1 470 W)和3種損壞尺寸(0.177 8、0.355 6 、 0.533 4 mm)組合了9類軸承故障,采樣頻率為48 kHz,采集驅動端的振動信號。

    上述的數(shù)據(jù)集A、B有10種方位狀態(tài),數(shù)據(jù)集C、D有9種方位狀態(tài),將數(shù)據(jù)集A、B、C、D等距離切割,其中數(shù)據(jù)集A、B一個樣本中包含4 060個時間節(jié)點;C、D一個樣本中包含8 125個時間節(jié)點;數(shù)據(jù)集A、B周期為406 r/s,數(shù)據(jù)集C、D周期為1 625 r/s,采用重采樣的方式生成樣本。數(shù)據(jù)集A、B中均包含2 800個樣本和10個類別,每個類別有280個樣本數(shù);數(shù)據(jù)集C包含2 025個樣本和9個類別,每個類別有225個樣本;數(shù)據(jù)集D包含1 215個樣本和9個類別,每個類別包含135個樣本。

    3.2 結果分析

    3.2.1 SSA分解與時間成本分析

    SSA可以分離時間序列中的復雜噪聲,屬于信號加噪聲模型。圖3所示為通過SSA對軸承故障數(shù)據(jù)進行特征提取的結果,可知時間序列的周期、振蕩、趨勢以及噪聲等特征。

    圖3 原始波形與重構序列

    粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)是依賴隨機搜索的算法,每個粒子都會在多維搜索空間不斷通過跟蹤兩個“極值”來更新自己,以尋找到最優(yōu)值,但是它具有一定的盲目性,且效率低。為驗證CVX算法的時間成本,對比PSO和CVX算法的時間成本,結果如表1所示??芍号cPSO相比,在同一個處理階段,CVX算法時間成本僅為PSO的1/6。

    表1 PSO與CVX訓練時間成本

    3.2.2 概念選擇與對比實驗

    為評估所提出的SSA-FCMs-NN算法的性能,分析SSA-FCMs-NN的幾個參數(shù)對實驗結果的影響。

    如圖4所示,在不同的數(shù)據(jù)集下,正則化參數(shù)所取得的值也不盡相同,正則化參數(shù)的選取是經(jīng)過大量實驗所得出的。在β=0.5和β=0.8取值下,能夠獲得一個較好的分類精度。還能夠觀察到概念節(jié)點的大小,也會直接影響結果。由圖4(b)可知:當C=4時,精度最低,認為丟棄了的分量包含有效的特征;C=8時,精度最高,隨后開始下降。由圖4(d)可知:隨著概念節(jié)點的增加,精度也隨之增加,在C=6時,達到了最高值,之后精度在一定范圍內振蕩,可以認為SSA將原始時間序列分解為10個分量,提取前6個分量,實現(xiàn)了最大特征的提取和噪聲的濾波。由圖4(c)可知:C=8和C=9時,精度幾乎相同,在考慮計算成本的情況下選擇較小的概念節(jié)點。圖5所示為Kappa值,它的變化基本與精度的變化趨勢一致。

    圖4 SSA-FCMs-NN的精度與概念數(shù)C的關系

    圖5 SSA-FCMs-NN的Kappa值與概念數(shù)C的關系

    選擇近年相關文獻[14-15],與所提算法得出的實驗結果進行比較,結果如圖6和表2所示。由圖6可以看出:文獻中所提方法的故障分類準確都達到了98%以上,與SSA-FCMs-NN算法得出的實驗結果所差較小 。由表2可知:淺層模型(OKL、SVM、SBELM、RF)的精度比深度模型(TSTFT-CNN、MC-CNN)低很多,這意味著深度學習技術對于多種故障類型的診斷具有更好的性能,深度模型可以提取一些潛在的特征;在4個淺層模型中,OKL比其他3個模型(SVM、SBELM和RF)具有更好的精度;在數(shù)據(jù)集C中,所提出的SSA-FCMs-NN算法比SDIAE方法分類準確率高2.51%,在數(shù)據(jù)集D中,精度相差不大。

    圖6 SSA-FCMs-NN與其他先進算法的比較

    表2 SSA-FCMs-NN與其他先進算法的比較 單位:%

    4 結束語

    針對傳統(tǒng)方法無法有效、快速地處理含噪聲數(shù)據(jù),提出了SSA-FCMs-NN算法。對比了PSO與CVX算法的訓練成本,并分析了SSA的重構數(shù)據(jù)以及概念點的選擇;通過對比近年相關的文獻說明所提算法的優(yōu)越性。

    猜你喜歡
    軸承精度概念
    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
    Birdie Cup Coffee豐盛里概念店
    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
    幾樣概念店
    學習集合概念『四步走』
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    聚焦集合的概念及應用
    GPS/GLONASS/BDS組合PPP精度分析
    国产国拍精品亚洲av在线观看| 九草在线视频观看| 国产爽快片一区二区三区| 亚洲人与动物交配视频| 观看美女的网站| 欧美国产精品一级二级三级 | 国产精品一区二区三区四区免费观看| 男人添女人高潮全过程视频| 国产一级毛片在线| 亚洲av不卡在线观看| 在线免费观看不下载黄p国产| 久久久色成人| 王馨瑶露胸无遮挡在线观看| 欧美zozozo另类| 久久久成人免费电影| 亚洲国产日韩一区二区| 国产一区二区三区综合在线观看 | 亚洲性久久影院| 国产成人精品一,二区| 免费黄频网站在线观看国产| 一级爰片在线观看| 联通29元200g的流量卡| 99热这里只有是精品50| av在线老鸭窝| 国产成人精品一,二区| 成人综合一区亚洲| 亚洲三级黄色毛片| 中文在线观看免费www的网站| 亚洲国产精品国产精品| 欧美3d第一页| 久久精品国产亚洲网站| 少妇熟女欧美另类| 久久精品夜色国产| 免费在线观看成人毛片| 99热6这里只有精品| 99热6这里只有精品| 青春草国产在线视频| 国产中年淑女户外野战色| 欧美精品亚洲一区二区| 日韩 亚洲 欧美在线| 水蜜桃什么品种好| 国产片特级美女逼逼视频| 秋霞在线观看毛片| 妹子高潮喷水视频| 亚洲精品第二区| 99热这里只有是精品在线观看| 免费看日本二区| 一级av片app| 在线亚洲精品国产二区图片欧美 | 国产精品一及| 亚洲精品乱久久久久久| 菩萨蛮人人尽说江南好唐韦庄| 日本vs欧美在线观看视频 | 亚州av有码| 欧美精品国产亚洲| 各种免费的搞黄视频| 亚洲av成人精品一二三区| 亚洲精品日韩av片在线观看| 深夜a级毛片| 亚洲欧美成人综合另类久久久| 在线观看一区二区三区| 成人国产麻豆网| 亚洲av成人精品一二三区| 菩萨蛮人人尽说江南好唐韦庄| 97超视频在线观看视频| 久久久久视频综合| 啦啦啦在线观看免费高清www| 免费久久久久久久精品成人欧美视频 | 婷婷色av中文字幕| 蜜桃亚洲精品一区二区三区| 国产精品伦人一区二区| 欧美日韩亚洲高清精品| 国产欧美日韩一区二区三区在线 | 一区二区av电影网| 亚洲成人中文字幕在线播放| 亚洲精品日韩av片在线观看| 在线观看免费日韩欧美大片 | 啦啦啦啦在线视频资源| 久久久久性生活片| 一级av片app| 一级av片app| 涩涩av久久男人的天堂| 日本欧美视频一区| 成年女人在线观看亚洲视频| 免费看不卡的av| 亚洲成人av在线免费| 国产女主播在线喷水免费视频网站| 日产精品乱码卡一卡2卡三| 精品国产乱码久久久久久小说| 亚洲av成人精品一二三区| 亚洲av福利一区| 在线观看国产h片| 久久久久人妻精品一区果冻| 久久6这里有精品| av国产久精品久网站免费入址| 性色avwww在线观看| 2021少妇久久久久久久久久久| 国产 精品1| 三级国产精品片| 久久久久久久大尺度免费视频| 国产乱人偷精品视频| 韩国av在线不卡| 久久久久久久国产电影| 尤物成人国产欧美一区二区三区| 日韩电影二区| 赤兔流量卡办理| 热re99久久精品国产66热6| 最近手机中文字幕大全| 成年人午夜在线观看视频| 韩国av在线不卡| 99热这里只有精品一区| 丝袜喷水一区| 国产精品国产av在线观看| 黄色一级大片看看| 欧美区成人在线视频| 色网站视频免费| 久久久久久九九精品二区国产| 少妇人妻一区二区三区视频| 久久精品国产自在天天线| 亚洲av.av天堂| 亚洲精品色激情综合| 伦理电影免费视频| 六月丁香七月| 亚洲欧美清纯卡通| 久久久久国产精品人妻一区二区| 亚洲av不卡在线观看| 国产 一区 欧美 日韩| 久久久欧美国产精品| .国产精品久久| 身体一侧抽搐| 国产亚洲5aaaaa淫片| 日本wwww免费看| 多毛熟女@视频| 一二三四中文在线观看免费高清| 国产精品嫩草影院av在线观看| 韩国高清视频一区二区三区| 久久精品国产鲁丝片午夜精品| 久久精品熟女亚洲av麻豆精品| 免费看光身美女| 国产高潮美女av| 亚洲天堂av无毛| 日韩三级伦理在线观看| 日日摸夜夜添夜夜爱| 男人爽女人下面视频在线观看| 久久久久性生活片| 国产一区有黄有色的免费视频| 人人妻人人看人人澡| 99精国产麻豆久久婷婷| 1000部很黄的大片| 亚洲精品视频女| 国产成人精品久久久久久| 中文天堂在线官网| 99视频精品全部免费 在线| 蜜臀久久99精品久久宅男| 大码成人一级视频| 久久99热这里只频精品6学生| 高清欧美精品videossex| 91精品国产九色| 国产欧美日韩精品一区二区| 三级经典国产精品| 亚洲精品日韩在线中文字幕| 免费不卡的大黄色大毛片视频在线观看| 成人影院久久| 午夜福利影视在线免费观看| 中文字幕亚洲精品专区| 国产伦精品一区二区三区四那| 欧美最新免费一区二区三区| 亚洲精品久久久久久婷婷小说| 大片电影免费在线观看免费| 色视频在线一区二区三区| 一本一本综合久久| 国产69精品久久久久777片| 欧美97在线视频| 亚洲成人av在线免费| 欧美日韩视频精品一区| 一本色道久久久久久精品综合| 日本爱情动作片www.在线观看| 亚洲精品日本国产第一区| 久久久久久久国产电影| 国产伦理片在线播放av一区| 制服丝袜香蕉在线| 五月伊人婷婷丁香| 亚洲精品乱久久久久久| 少妇裸体淫交视频免费看高清| 在现免费观看毛片| 熟妇人妻不卡中文字幕| 人人妻人人看人人澡| 在线天堂最新版资源| 成人国产麻豆网| 免费大片18禁| 99热6这里只有精品| 久久精品熟女亚洲av麻豆精品| 全区人妻精品视频| 看非洲黑人一级黄片| 成人18禁高潮啪啪吃奶动态图 | 国产日韩欧美亚洲二区| 国产伦在线观看视频一区| 亚洲精品视频女| 国产成人精品婷婷| 精品久久久精品久久久| 中文字幕制服av| 亚洲精品一二三| 高清黄色对白视频在线免费看 | av免费在线看不卡| 亚洲成人手机| 日本黄色片子视频| 日本欧美视频一区| 网址你懂的国产日韩在线| 亚洲精品日韩av片在线观看| 丰满迷人的少妇在线观看| 国产精品熟女久久久久浪| 久久久久久人妻| 国产精品.久久久| 在线观看免费日韩欧美大片 | 伊人久久精品亚洲午夜| 久久热精品热| 一本一本综合久久| 性色av一级| 80岁老熟妇乱子伦牲交| 国产成人精品久久久久久| 免费不卡的大黄色大毛片视频在线观看| 99久久综合免费| 欧美成人午夜免费资源| 国产在线视频一区二区| 1000部很黄的大片| 99热网站在线观看| 少妇猛男粗大的猛烈进出视频| 天堂俺去俺来也www色官网| 一级毛片aaaaaa免费看小| 久久久久久久久久人人人人人人| 99热国产这里只有精品6| 欧美一区二区亚洲| 韩国高清视频一区二区三区| 人人妻人人看人人澡| 2022亚洲国产成人精品| 亚洲内射少妇av| 久久午夜福利片| 亚洲国产成人一精品久久久| 欧美日本视频| 久久久午夜欧美精品| 黑人猛操日本美女一级片| 成年人午夜在线观看视频| av视频免费观看在线观看| 日韩av不卡免费在线播放| 国产亚洲欧美精品永久| 亚洲精品国产av成人精品| 欧美 日韩 精品 国产| 91狼人影院| 国产爱豆传媒在线观看| 午夜激情久久久久久久| 久久国内精品自在自线图片| 一级av片app| 色5月婷婷丁香| 日日啪夜夜撸| 国产亚洲欧美精品永久| av女优亚洲男人天堂| 国产日韩欧美在线精品| 成人亚洲精品一区在线观看 | 国产精品精品国产色婷婷| 亚洲人与动物交配视频| 一级毛片aaaaaa免费看小| 免费观看在线日韩| 色吧在线观看| 能在线免费看毛片的网站| 亚洲国产精品国产精品| 色综合色国产| 国产成人免费观看mmmm| 国产美女午夜福利| 18+在线观看网站| 这个男人来自地球电影免费观看 | 特大巨黑吊av在线直播| 国产午夜精品一二区理论片| 国产高潮美女av| 欧美精品国产亚洲| 亚洲精品日本国产第一区| 国产色婷婷99| 插逼视频在线观看| 97超视频在线观看视频| 国产精品嫩草影院av在线观看| 日韩电影二区| 午夜日本视频在线| 搡老乐熟女国产| 国产乱来视频区| 国产av一区二区精品久久 | 久久久久视频综合| 日本一二三区视频观看| 亚洲国产毛片av蜜桃av| 欧美日韩一区二区视频在线观看视频在线| 精品国产乱码久久久久久小说| 啦啦啦视频在线资源免费观看| 极品教师在线视频| 久久精品国产亚洲av涩爱| 国产一区二区三区av在线| 天美传媒精品一区二区| 成年免费大片在线观看| 亚洲精品一二三| 国产一区二区三区av在线| 啦啦啦中文免费视频观看日本| 丝瓜视频免费看黄片| 国产精品久久久久久久电影| 久久久久久久久大av| 夜夜骑夜夜射夜夜干| 成人一区二区视频在线观看| 亚洲精品aⅴ在线观看| 免费av中文字幕在线| 国产视频内射| 一个人看视频在线观看www免费| 26uuu在线亚洲综合色| 免费观看无遮挡的男女| 99久久人妻综合| 插逼视频在线观看| 最近最新中文字幕免费大全7| 日本一二三区视频观看| 久久精品国产a三级三级三级| 99精国产麻豆久久婷婷| 高清日韩中文字幕在线| 五月天丁香电影| 18+在线观看网站| 国产真实伦视频高清在线观看| av在线播放精品| av线在线观看网站| 我的老师免费观看完整版| 国国产精品蜜臀av免费| 最近的中文字幕免费完整| 国产伦理片在线播放av一区| 欧美bdsm另类| av不卡在线播放| 日韩欧美一区视频在线观看 | 天堂中文最新版在线下载| 麻豆国产97在线/欧美| 少妇人妻精品综合一区二区| 免费大片黄手机在线观看| 18禁裸乳无遮挡动漫免费视频| 久久久久国产精品人妻一区二区| 在线播放无遮挡| 国产一区二区在线观看日韩| 能在线免费看毛片的网站| 精品久久久噜噜| 免费高清在线观看视频在线观看| 91在线精品国自产拍蜜月| 老师上课跳d突然被开到最大视频| 成人毛片60女人毛片免费| 青春草亚洲视频在线观看| 男人爽女人下面视频在线观看| 亚洲无线观看免费| av国产免费在线观看| 18禁裸乳无遮挡免费网站照片| 久久久精品免费免费高清| 亚洲一区二区三区欧美精品| 啦啦啦中文免费视频观看日本| 国产乱人偷精品视频| 天堂中文最新版在线下载| 精品久久国产蜜桃| 妹子高潮喷水视频| 熟女电影av网| 国产亚洲午夜精品一区二区久久| 一级黄片播放器| 大香蕉久久网| 丰满人妻一区二区三区视频av| 亚洲欧美一区二区三区国产| 国产精品99久久久久久久久| 精品久久久久久电影网| 国产高清有码在线观看视频| 夜夜爽夜夜爽视频| 国产午夜精品久久久久久一区二区三区| 国产精品爽爽va在线观看网站| 亚洲av不卡在线观看| 欧美区成人在线视频| 国国产精品蜜臀av免费| 狠狠精品人妻久久久久久综合| 成人毛片60女人毛片免费| 久久99热这里只频精品6学生| 国产 一区 欧美 日韩| 在线观看av片永久免费下载| 国产综合精华液| 尤物成人国产欧美一区二区三区| 国内少妇人妻偷人精品xxx网站| 久久人人爽av亚洲精品天堂 | 五月伊人婷婷丁香| 在线免费十八禁| 国产欧美亚洲国产| 少妇的逼好多水| 久久精品久久久久久久性| 精品国产露脸久久av麻豆| 亚洲国产欧美人成| 91精品国产九色| 两个人的视频大全免费| 少妇裸体淫交视频免费看高清| 高清在线视频一区二区三区| 国内少妇人妻偷人精品xxx网站| 日日摸夜夜添夜夜爱| 免费人成在线观看视频色| 国产一区二区三区av在线| 2021少妇久久久久久久久久久| 欧美人与善性xxx| 国产欧美另类精品又又久久亚洲欧美| 免费在线观看成人毛片| h日本视频在线播放| 日韩强制内射视频| 极品少妇高潮喷水抽搐| 国产精品成人在线| 午夜福利影视在线免费观看| 久久亚洲国产成人精品v| 精品国产三级普通话版| 国产精品99久久99久久久不卡 | 精品久久久久久久久亚洲| 成年人午夜在线观看视频| 免费少妇av软件| 欧美人与善性xxx| 免费大片黄手机在线观看| 欧美三级亚洲精品| 亚洲精品视频女| 亚洲精品自拍成人| 亚洲欧美精品自产自拍| 日本-黄色视频高清免费观看| 国产精品成人在线| 中文精品一卡2卡3卡4更新| 男人爽女人下面视频在线观看| 国产一区二区三区综合在线观看 | 一二三四中文在线观看免费高清| 久久婷婷青草| 久久久久精品久久久久真实原创| 下体分泌物呈黄色| .国产精品久久| 美女xxoo啪啪120秒动态图| 国产高清三级在线| 少妇人妻 视频| 色视频www国产| 1000部很黄的大片| 99久久综合免费| 国产成人一区二区在线| av又黄又爽大尺度在线免费看| 国产精品蜜桃在线观看| 久久久午夜欧美精品| 国产亚洲精品久久久com| 人妻制服诱惑在线中文字幕| 国产精品三级大全| 亚洲av在线观看美女高潮| 亚洲精品,欧美精品| 日韩亚洲欧美综合| 性高湖久久久久久久久免费观看| 中国国产av一级| 99久久精品一区二区三区| av免费在线看不卡| 极品教师在线视频| 男女啪啪激烈高潮av片| 夜夜骑夜夜射夜夜干| 亚洲内射少妇av| 美女cb高潮喷水在线观看| 免费大片黄手机在线观看| 伦理电影免费视频| 久久国产精品男人的天堂亚洲 | 舔av片在线| 联通29元200g的流量卡| 欧美日韩精品成人综合77777| 久久人人爽人人片av| 亚洲国产高清在线一区二区三| av在线播放精品| 熟女av电影| 国产男人的电影天堂91| 亚洲av在线观看美女高潮| 欧美亚洲 丝袜 人妻 在线| 久久久久网色| 久久久久久久久久人人人人人人| 免费观看性生交大片5| av专区在线播放| 亚洲综合色惰| 女的被弄到高潮叫床怎么办| 男女边摸边吃奶| 久久久久网色| 春色校园在线视频观看| 国产白丝娇喘喷水9色精品| 欧美性感艳星| 日韩欧美一区视频在线观看 | 自拍欧美九色日韩亚洲蝌蚪91 | 国产色婷婷99| 99久久中文字幕三级久久日本| 国产欧美日韩一区二区三区在线 | 精品亚洲成a人片在线观看 | 午夜精品国产一区二区电影| 日日啪夜夜撸| 乱系列少妇在线播放| 欧美三级亚洲精品| 国产成人a∨麻豆精品| 黄色配什么色好看| 观看美女的网站| 国产精品国产av在线观看| 久久久国产一区二区| 精品久久久噜噜| 97超视频在线观看视频| 精品人妻一区二区三区麻豆| 国产精品福利在线免费观看| 97精品久久久久久久久久精品| 午夜福利高清视频| 毛片女人毛片| 最近中文字幕2019免费版| 久久人人爽av亚洲精品天堂 | 一本色道久久久久久精品综合| 中文字幕亚洲精品专区| 只有这里有精品99| 免费黄色在线免费观看| 欧美精品一区二区大全| 亚洲av免费高清在线观看| 久久国产精品大桥未久av | 日本爱情动作片www.在线观看| 日韩一区二区视频免费看| 久久久国产一区二区| 欧美一级a爱片免费观看看| 99久久精品热视频| 久久久久久久大尺度免费视频| 国产乱人视频| 一本一本综合久久| 肉色欧美久久久久久久蜜桃| 国产成人a∨麻豆精品| 九草在线视频观看| 综合色丁香网| 欧美变态另类bdsm刘玥| 大码成人一级视频| 国产色爽女视频免费观看| 我的女老师完整版在线观看| 国产在线一区二区三区精| 婷婷色综合大香蕉| 99热全是精品| 国产极品天堂在线| 精品一区二区三区视频在线| 精品熟女少妇av免费看| 亚洲va在线va天堂va国产| 色网站视频免费| 精品久久久久久久末码| 国产高清不卡午夜福利| 亚洲aⅴ乱码一区二区在线播放| 国产成人精品福利久久| av国产精品久久久久影院| 亚洲久久久国产精品| 日韩成人av中文字幕在线观看| 91狼人影院| 视频中文字幕在线观看| 久久av网站| 久久人人爽av亚洲精品天堂 | 精品久久久久久久久av| 国产日韩欧美在线精品| 成人国产av品久久久| 免费高清在线观看视频在线观看| 午夜激情福利司机影院| 午夜福利高清视频| 午夜激情福利司机影院| 这个男人来自地球电影免费观看 | 久久国产精品男人的天堂亚洲 | 超碰av人人做人人爽久久| 日日摸夜夜添夜夜添av毛片| 舔av片在线| 国产精品人妻久久久久久| 精品一区在线观看国产| 日韩欧美一区视频在线观看 | 亚洲国产精品一区三区| 亚洲精品一二三| 一级毛片久久久久久久久女| 内射极品少妇av片p| 午夜免费鲁丝| 亚洲欧美日韩东京热| 久久99热这里只频精品6学生| 亚洲中文av在线| 久久韩国三级中文字幕| 成人亚洲欧美一区二区av| 春色校园在线视频观看| 国产永久视频网站| 久久人人爽人人片av| 日产精品乱码卡一卡2卡三| 色视频www国产| 亚洲精品,欧美精品| 一级av片app| 日韩不卡一区二区三区视频在线| 亚洲美女搞黄在线观看| 精品一区二区免费观看| 国产日韩欧美亚洲二区| 亚州av有码| 精品一品国产午夜福利视频| 国产精品欧美亚洲77777| 国产欧美日韩精品一区二区| 丰满乱子伦码专区| 亚洲无线观看免费| 日本爱情动作片www.在线观看| 九草在线视频观看| 好男人视频免费观看在线| 人体艺术视频欧美日本| 国产亚洲精品久久久com| av在线蜜桃| 欧美xxxx性猛交bbbb| 欧美精品一区二区免费开放| 香蕉精品网在线| 视频区图区小说| 国产日韩欧美亚洲二区| 亚洲av福利一区| 午夜免费男女啪啪视频观看| 久久久久久久精品精品| 夫妻性生交免费视频一级片| 国产精品久久久久成人av| 男女啪啪激烈高潮av片| 欧美丝袜亚洲另类| 日本午夜av视频| 涩涩av久久男人的天堂| 麻豆国产97在线/欧美| 亚洲在久久综合| 久久午夜福利片| 亚洲av日韩在线播放| 欧美xxxx性猛交bbbb| av免费观看日本| 韩国av在线不卡| 欧美日韩精品成人综合77777| 国产乱人偷精品视频| 国产成人精品婷婷| 亚洲无线观看免费| 亚洲国产最新在线播放| 日本黄大片高清| 国产精品国产三级国产专区5o|