• <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LMD和改進(jìn)CNN的軸承故障診斷方法

    2023-02-03 08:51:30關(guān)可銘李金峰張振濤
    制造業(yè)自動(dòng)化 2023年1期
    關(guān)鍵詞:故障診斷軸承卷積

    關(guān)可銘,杜 兵,李金峰,靳 松,張振濤

    (1.中國(guó)機(jī)械科學(xué)研究總院集團(tuán) 中機(jī)生產(chǎn)力促進(jìn)中心,北京 100048;2.中國(guó)機(jī)械科學(xué)研究總院集團(tuán) 雁棲湖基礎(chǔ)制造技術(shù)研究院(北京)有限公司,北京 100085)

    0 引言

    滾動(dòng)軸承是機(jī)械行業(yè)中的基礎(chǔ)零部件,隨著現(xiàn)代工業(yè)制造中對(duì)設(shè)備精度、可靠性、耐用性需求不斷提高,軸承被廣泛應(yīng)用于航空航天、機(jī)床、汽車(chē)、石化等領(lǐng)域。在旋轉(zhuǎn)機(jī)械中滾動(dòng)軸承應(yīng)用廣泛,且是最易失效的部件之一,生產(chǎn)中半數(shù)以上的失效均與軸承相關(guān)[1]。軸承的損壞將直接反應(yīng)至整個(gè)機(jī)械系統(tǒng),影響設(shè)備精度與產(chǎn)品質(zhì)量,增加非必要停機(jī)時(shí)間[2]。所以軸承的故障診斷準(zhǔn)確性以及實(shí)際工況下的適用性至關(guān)重要,最終確保設(shè)備的可靠平穩(wěn)運(yùn)行[3]。機(jī)械設(shè)備的故障通常伴隨著振動(dòng)信號(hào)的變化,設(shè)備的大量運(yùn)行信息包含在振動(dòng)信號(hào)中,因此選用振動(dòng)信號(hào)分析方法診斷軸承故障[4]。然而實(shí)際工況中采集到的信息伴隨著大量混雜的噪聲信號(hào),降低振動(dòng)信號(hào)的故障特征提取與識(shí)別效率[5]。

    為解決這一問(wèn)題目前常用的方法有短時(shí)傅里葉變換、小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解等,樊高瞻等[6]采用改進(jìn)的形態(tài)濾波和小波結(jié)合的算法解決復(fù)雜噪聲干擾,但仍存在小波的適應(yīng)性問(wèn)題。劉向鋒等[7]采取EMD進(jìn)行降噪處理,有效降低環(huán)境噪聲污染,但未能解決模態(tài)混疊的問(wèn)題。

    局部均值分解(LMD)是一種類(lèi)EMD算法,作為近年來(lái)新提出的自適應(yīng)時(shí)頻分析方法,因其端點(diǎn)效應(yīng)小且處理后反應(yīng)的頻率更真實(shí),所以適于處理復(fù)雜噪聲信號(hào),解決了過(guò)包絡(luò)和欠包絡(luò)的問(wèn)題。林江剛等[8]運(yùn)用LMD分析方法能夠有效提取敏感模態(tài)分量,在抗噪聲方面有較好的魯棒性,能有效應(yīng)用于低速軸承故障診斷中。目前在設(shè)備故障診斷領(lǐng)域,局部均值分解方法已經(jīng)被學(xué)者廣泛采用,其降噪效果也得到驗(yàn)證[9,10]。

    深度學(xué)習(xí)算法由于其在自動(dòng)學(xué)習(xí)數(shù)據(jù)特征方面有良好的表現(xiàn),也逐步被應(yīng)用于故障診斷和機(jī)器健康管理等場(chǎng)景中[11]。Hu[12]等提出基于支持向量機(jī)(SVM)的軸承故障診斷方法,并在公開(kāi)軸承數(shù)據(jù)上得到驗(yàn)證。2016年,Janssens等[13]首次利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)對(duì)齒輪箱中的軸承、齒輪等有效的提取信號(hào)特征并對(duì)其分類(lèi)。宮文峰等[14]運(yùn)用改進(jìn)的CNN對(duì)深溝球軸承進(jìn)行診斷,采用全局均值池化代替全連接結(jié)構(gòu),并研究超參數(shù)對(duì)模型的影響,但是其沒(méi)考慮到工業(yè)環(huán)境下噪聲的影響。Liu[15]等提出基于RNN軸承故障診斷方法,并加入自編碼器提高了噪聲環(huán)境下診斷的魯棒性。在此之后CNN和RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))被廣泛應(yīng)用于故障診斷中,它們表現(xiàn)出了相當(dāng)大的性能提升。進(jìn)一步提出了長(zhǎng)短時(shí)記憶(LSTM)網(wǎng)絡(luò),它能夠處理一維時(shí)間序列數(shù)據(jù),而不會(huì)失去長(zhǎng)期依賴(lài)性[16]。自動(dòng)編碼器雖然能夠降低數(shù)據(jù)的維數(shù)并處理噪聲信號(hào),但其在數(shù)據(jù)處理時(shí)會(huì)占用較大內(nèi)存,導(dǎo)致速度緩慢[17]。Cabrera等[18]提出一種基于生成對(duì)抗網(wǎng)絡(luò)(GAN)的故障診斷方法,并且證明了該方法在數(shù)據(jù)失衡情況下的效果。但實(shí)際場(chǎng)景中的診斷準(zhǔn)確率仍有待提高。

    本文提出一種LMD和優(yōu)化CNN相結(jié)合的軸承故障診斷方法。應(yīng)用局部均值分解處理軸承試驗(yàn)臺(tái)原始振動(dòng)信號(hào),將得到的PF分量進(jìn)行相關(guān)性分析,選取適合的PF分量生成重構(gòu)信號(hào)輸入到優(yōu)化的CNN模型中訓(xùn)練,將訓(xùn)練后的模型對(duì)未知狀態(tài)的振動(dòng)信號(hào)進(jìn)行診斷,并測(cè)試其診斷準(zhǔn)確率。

    1 故障診斷方法

    1.1 局部均值分解提取特征向量

    LMD算法將復(fù)雜調(diào)頻調(diào)幅信號(hào)分解為一系列的包絡(luò)信號(hào)與調(diào)頻信號(hào),從而可以得知信號(hào)的二維時(shí)頻譜[19,20]。對(duì)復(fù)雜信號(hào)x(t)的分解過(guò)程如下:

    1)計(jì)算x(t)所有極值點(diǎn)ni和ni+1的平均值mi,即:

    隨后運(yùn)用移動(dòng)平均法對(duì)局部平均值mi進(jìn)行平滑處理,得到初步處理的平滑局部均值函數(shù)m11(t)。

    2)局部極值點(diǎn)ni與包絡(luò)估計(jì)值ai的關(guān)系式如填充所示。

    對(duì)式(2)的計(jì)算值平滑處理獲得連續(xù)包絡(luò)函數(shù)a11(t)。

    3)將m11(t)從x(t)中分離,表達(dá)式為:

    4)用h11(t)除以包絡(luò)估計(jì)函數(shù)a11(t)以對(duì)h11(t)進(jìn)行解調(diào),得到:

    s11(t)在理想狀況下應(yīng)為有平坦包絡(luò)的純調(diào)頻信號(hào),且a12(t)=1。若a12(t)≠1,則保持輸入信號(hào)不變重復(fù)上述操作,直至a1(n+1)(t)=1時(shí)停止迭代。

    5)a1(t)與包絡(luò)信號(hào)的表達(dá)式為:

    6)第一個(gè)PF分量由a1(t)和經(jīng)過(guò)n次迭代的s1n(t)關(guān)系如式(6)所示:

    7)信號(hào)u1(t)由原始信號(hào)去除第一個(gè)PF分量函數(shù)PE1(t)得到,接著將信號(hào)u1(t)作為原始信號(hào)去除第二個(gè)PF分量得到u2(t)。以此迭代方式進(jìn)行迭代,直到第迭代k次后uk(t)為單調(diào)函數(shù)時(shí)停止迭代:

    最終將原始信號(hào)x(t)分解為若干個(gè)PF分量和一個(gè)參與殘差uk之和,即:

    1.2 改進(jìn)的CNN軸承故障診斷方法

    卷積神經(jīng)網(wǎng)絡(luò)是目前流行的深度學(xué)習(xí)算法,主要由卷積層、池化層、全連接層以及分類(lèi)器組成。其中卷積層完成逐層提取特征的工作,池化層可以對(duì)卷積層的特征進(jìn)行篩選,兩者在特征提取的過(guò)程中交替出現(xiàn),提高了模型的訓(xùn)練速度,且有效抑制過(guò)擬合,最終輸出的結(jié)果通過(guò)全連接層在分類(lèi)器中完成模式識(shí)別工作[21]。

    本文基于CNN模型進(jìn)行改進(jìn),在每個(gè)卷積層之后使用局部平均池化代替最大池化,可將輸出的矢量長(zhǎng)度減少一半,使其適應(yīng)處理時(shí)間序列數(shù)據(jù),第一層利用寬卷積核提取特征,后續(xù)使用小卷積核的方法來(lái)提高學(xué)習(xí)準(zhǔn)確率,該模型由五個(gè)卷積層組成,具體結(jié)構(gòu)如表1所示。

    表1 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    具體參數(shù)設(shè)置:

    1)歸一化:作為數(shù)據(jù)前處理工作,歸一化可以減弱輸入的變化,從而減少計(jì)算量,提高網(wǎng)絡(luò)訓(xùn)練效率。本實(shí)驗(yàn)選用批標(biāo)準(zhǔn)化(BN)方法,BN對(duì)每個(gè)輸入x的每個(gè)維度k進(jìn)行歸一化,其中計(jì)算訓(xùn)練集的期望值和方差為:

    并添加了移動(dòng)和放縮功能對(duì)BN層進(jìn)行優(yōu)化,這些參數(shù)與模型中的原始參數(shù)同時(shí)學(xué)習(xí),可以提高網(wǎng)絡(luò)的非線性表征能力:

    其中p(k)負(fù)責(zé)放縮,q(k)負(fù)責(zé)移動(dòng)每個(gè)x(k)。

    2)激活函數(shù)使用Relu激活函數(shù):

    與其他激活函數(shù)相比本實(shí)驗(yàn)選用Relu激活函數(shù),通過(guò)單側(cè)抑制的效果減少計(jì)算量,以免出現(xiàn)梯度消失的情況并且緩解了過(guò)擬合的發(fā)生,提高了深層網(wǎng)絡(luò)的訓(xùn)練質(zhì)量。

    3)全連接層:在分類(lèi)前加入全連接層,全連接層使用多層感知機(jī)中標(biāo)準(zhǔn)全連接層,檢測(cè)最終卷積輸出的全局成分:

    其中wl是權(quán)重矩陣,wl、xl是全連接層層的輸入,bl是偏置項(xiàng)。FC層中使用的Sigmoid激活函數(shù),正則化衰減權(quán)重是0.5。

    4)分類(lèi)器:本實(shí)驗(yàn)選用Sigmoid分類(lèi)器,其原理如式(13)所示:

    xi表示的是第i個(gè)全連接層的輸出。與Softmax分類(lèi)器相比其有更高的訓(xùn)練精度,且對(duì)于本實(shí)驗(yàn)訓(xùn)練集樣本量較小,所以時(shí)間因素可以忽略不記。

    5)損失函數(shù):選用均方誤差(MSE)來(lái)計(jì)算損失函數(shù),式如(14)所示:

    圖1所示為軸承故障診斷方法流程圖:

    圖1 LMD-PORCNN故障診斷流程

    2 實(shí)驗(yàn)過(guò)程與結(jié)果

    2.1 振動(dòng)數(shù)據(jù)來(lái)源及實(shí)驗(yàn)設(shè)計(jì)

    本文滾動(dòng)軸承故障數(shù)據(jù)集采用美國(guó)凱斯西儲(chǔ)大學(xué)(Case Western Reserve University) 軸承試驗(yàn)數(shù)據(jù)中心公布的試驗(yàn)數(shù)據(jù)[22]。運(yùn)用加速度傳感器采集故障軸承振動(dòng)信號(hào)。試驗(yàn)臺(tái)驅(qū)動(dòng)端軸承載荷分別為1,2,3hp(1hp=0.7457kW),電機(jī)轉(zhuǎn)速為1772RPM,采樣頻率為12kHz。采集得到的振動(dòng)信號(hào)按正常信號(hào)、外圈故障、內(nèi)圈故障、滾動(dòng)體故障分類(lèi)。

    2.2 局部均值分解的故障信號(hào)特征提取

    圖2所示為內(nèi)圈故障振動(dòng)信號(hào)局部均值分解結(jié)果。由圖2可知,故障特征信號(hào)包含在前五個(gè)乘積函數(shù)分量中,且每個(gè)乘積函數(shù)分量所包含不同故障軸承的LMD處理結(jié)果,可以看出每個(gè)乘積函數(shù)分量所包含的特征分量呈依次減少趨勢(shì),表2展示了各乘積函數(shù)與原始信號(hào)的相關(guān)系數(shù),針對(duì)內(nèi)圈故障信號(hào)分解結(jié)果選取相關(guān)系數(shù)大于0.1的分量,其具有較強(qiáng)的相關(guān)性,將PF1-PF3的重構(gòu)信號(hào)作為卷積神經(jīng)網(wǎng)絡(luò)的輸入。

    圖2 局部均值分解結(jié)果

    表2 PF分量相關(guān)系數(shù)

    2.3 改進(jìn)CNN的診斷方法

    將輸入的重構(gòu)信號(hào)劃分訓(xùn)練和驗(yàn)證樣本,將80%的數(shù)據(jù)用于訓(xùn)練,20%的數(shù)據(jù)用于測(cè)試。本文運(yùn)用k折交叉驗(yàn)證法來(lái)輔助模型評(píng)估,選取k=5,這種方法將訓(xùn)練集分成k-1等份,交叉重復(fù)驗(yàn)證k次,最后的準(zhǔn)確度選取k次的平均值,從而減小測(cè)試集樣本數(shù)量少的影響,得到更精確的模型訓(xùn)練結(jié)果。

    深度學(xué)習(xí)的具體訓(xùn)練過(guò)程往往很難直觀的觀察到,這影響了訓(xùn)練模型的可解釋性以及透明度。所以本文研究了模型訓(xùn)練的可視化技術(shù),采用了T-SNE算法將訓(xùn)練過(guò)程用二維的方式進(jìn)行展示,通過(guò)對(duì)每個(gè)卷積層的輸出進(jìn)行聚類(lèi)來(lái)可視化模型的學(xué)習(xí)過(guò)程。圖3展示了網(wǎng)絡(luò)訓(xùn)練的細(xì)化過(guò)程。圖中不同的顏色代表了不同的類(lèi)別,可以看出每一個(gè)卷積層中學(xué)習(xí)效果都有明顯改進(jìn),最終形成了較明顯的簇狀結(jié)構(gòu),T-SNE證明了訓(xùn)練過(guò)程中各個(gè)卷積層都有良好的效果。

    圖3 T-SNE展示訓(xùn)練過(guò)程

    表3展示了幾種模型訓(xùn)練的對(duì)比結(jié)果,本文以正確率、準(zhǔn)確率、召回率作為評(píng)價(jià)指標(biāo),對(duì)比了SVM、CNN、PRO-CNN、LMD+PROCNN四種數(shù)據(jù)處理方式的效果,可以看出改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)算法相比于傳統(tǒng)的支持向量機(jī)而言有明顯的提升,在基于CNN的模型當(dāng)中都有較高的正確率,且本文方法改進(jìn)的CNN算法相比于基本的CNN有一定的改進(jìn)效果,加入LMD處理后進(jìn)一步提升了處理效果,最終診斷正確率達(dá)到99.52%。

    表3 各模型訓(xùn)練結(jié)果對(duì)比

    2.4 加入高斯白噪聲后的對(duì)比情況

    由于在實(shí)際工況中會(huì)有很多外部干擾因素,傳感器在采集軸承振動(dòng)信號(hào)的同時(shí)可能會(huì)接收到其他部件的脈沖,高斯白噪聲應(yīng)用于本實(shí)驗(yàn)將其加入到原始信號(hào)中模擬實(shí)際工業(yè)環(huán)境,信號(hào)和噪聲的能量關(guān)系如式(15)所示,Psignal和Pnoise分別表示原始信號(hào)與噪聲的能量,SNR的大小決定了噪聲的多少,SNR等于零表示二者能量相等。

    如圖4所示展示了軸承內(nèi)圈故障的原始振動(dòng)信號(hào)、高斯白噪聲信號(hào)并將這兩種信號(hào)疊加得到處理后的模擬實(shí)際工況下帶噪聲的軸承內(nèi)圈故障信號(hào)。圖中選取的是當(dāng)SNR等于0dB的情況,加入噪音后的信號(hào)污染明顯,很難看出振動(dòng)特征,從中提取有效信息的難度顯著增加。

    圖4 高斯白噪聲處理后內(nèi)圈故障信號(hào)

    圖5所示為各個(gè)算法在處理噪聲污染信號(hào)的能力,分別測(cè)試了SNR從-4到10的情況,在噪聲比較小的時(shí)候各個(gè)模型都具有較好的處理效率,但隨著噪音的增大,本文所用模型具有更好的處理效果,證明了本實(shí)驗(yàn)所采用的故障診斷方法具有較好的抗噪效果。

    圖5 不同噪聲環(huán)境下模型診斷率對(duì)比

    3 結(jié)語(yǔ)

    本文提出了基于LMD和改進(jìn)CNN的新型故障診斷方法,該方法良好的結(jié)合了局部均值分解的特征分解能力和CNN的特征提取及分類(lèi)能力:

    1)局部均值分解能夠準(zhǔn)確自適應(yīng)分解出故障信號(hào)的特征信息,將分解得到的重構(gòu)信號(hào)作為后續(xù)CNN的輸入,改進(jìn)的CNN模型適應(yīng)處理時(shí)間序列信號(hào),本方法的學(xué)習(xí)效果優(yōu)于傳統(tǒng)故障診斷方法,正確率達(dá)到99.52%。

    2)本文采用了T-SNE算法將訓(xùn)練過(guò)程用二維的方式進(jìn)行展示,通過(guò)對(duì)每個(gè)卷積層的輸出進(jìn)行聚類(lèi)來(lái)可視化模型的學(xué)習(xí)過(guò)程。

    3)通過(guò)對(duì)原始信號(hào)添加基于信噪比的高斯白噪聲模擬實(shí)際工況,驗(yàn)證本方法的抗噪聲能力,本實(shí)驗(yàn)方法在噪聲環(huán)境下有更好的識(shí)別效果,適應(yīng)真實(shí)工況軸承故障診斷問(wèn)題。

    猜你喜歡
    故障診斷軸承卷積
    軸承知識(shí)
    哈爾濱軸承(2022年2期)2022-07-22 06:39:32
    軸承知識(shí)
    哈爾濱軸承(2022年1期)2022-05-23 13:13:24
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    軸承知識(shí)
    哈爾濱軸承(2021年2期)2021-08-12 06:11:46
    軸承知識(shí)
    哈爾濱軸承(2021年1期)2021-07-21 05:43:16
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識(shí)別方法
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    亚洲精品第二区| 久热这里只有精品99| 欧美日韩综合久久久久久| 一区在线观看完整版| 2018国产大陆天天弄谢| 老司机影院成人| 中文字幕免费在线视频6| 色5月婷婷丁香| 国产精品不卡视频一区二区| 国产女主播在线喷水免费视频网站| 精品一区二区三区四区五区乱码 | 国产片特级美女逼逼视频| 国产在线一区二区三区精| 看免费成人av毛片| 亚洲欧洲国产日韩| 国精品久久久久久国模美| 激情视频va一区二区三区| 久久久精品免费免费高清| 制服丝袜香蕉在线| 十分钟在线观看高清视频www| 国产1区2区3区精品| 久久久精品区二区三区| 久久精品国产亚洲av涩爱| 亚洲精品久久久久久婷婷小说| 免费久久久久久久精品成人欧美视频 | 国产成人a∨麻豆精品| 久久99热6这里只有精品| 精品人妻在线不人妻| 男女免费视频国产| av片东京热男人的天堂| 又黄又粗又硬又大视频| 国产日韩欧美亚洲二区| 日本黄大片高清| 爱豆传媒免费全集在线观看| 在线 av 中文字幕| 久久精品aⅴ一区二区三区四区 | 成人国产麻豆网| 久久精品久久精品一区二区三区| 男人舔女人的私密视频| 成人亚洲欧美一区二区av| 久久精品久久久久久噜噜老黄| xxxhd国产人妻xxx| 蜜桃国产av成人99| 亚洲成av片中文字幕在线观看 | 久久这里只有精品19| 中文字幕av电影在线播放| 亚洲av综合色区一区| 午夜福利,免费看| 日本与韩国留学比较| 成人国语在线视频| 久久影院123| 亚洲精品国产色婷婷电影| 国产爽快片一区二区三区| 天天影视国产精品| 欧美最新免费一区二区三区| 男人操女人黄网站| 18禁裸乳无遮挡动漫免费视频| 成人18禁高潮啪啪吃奶动态图| 夜夜骑夜夜射夜夜干| 欧美精品亚洲一区二区| 久久久国产欧美日韩av| 性高湖久久久久久久久免费观看| 国产免费一级a男人的天堂| 国产精品成人在线| 亚洲精品久久久久久婷婷小说| 制服诱惑二区| 在线观看三级黄色| 亚洲色图 男人天堂 中文字幕 | 国产成人精品婷婷| 亚洲 欧美一区二区三区| 水蜜桃什么品种好| 欧美 日韩 精品 国产| 在线观看人妻少妇| 1024视频免费在线观看| 免费av中文字幕在线| 亚洲欧美一区二区三区国产| 十八禁网站网址无遮挡| av福利片在线| 欧美国产精品va在线观看不卡| 午夜影院在线不卡| 国产女主播在线喷水免费视频网站| 国产激情久久老熟女| a 毛片基地| 国产av一区二区精品久久| 最新的欧美精品一区二区| 久久久久人妻精品一区果冻| 丝袜在线中文字幕| 精品国产露脸久久av麻豆| 最近最新中文字幕免费大全7| 又黄又粗又硬又大视频| 亚洲精品一二三| 日本与韩国留学比较| 看免费av毛片| 亚洲美女搞黄在线观看| 亚洲成人av在线免费| 黑人高潮一二区| 国产片特级美女逼逼视频| 80岁老熟妇乱子伦牲交| 欧美日韩精品成人综合77777| 久久 成人 亚洲| 久久精品国产亚洲av天美| 黑丝袜美女国产一区| 国产成人免费观看mmmm| 亚洲人与动物交配视频| 宅男免费午夜| 亚洲国产av新网站| 9热在线视频观看99| 久久毛片免费看一区二区三区| 欧美亚洲 丝袜 人妻 在线| 天美传媒精品一区二区| 在线观看人妻少妇| av在线观看视频网站免费| 在线观看美女被高潮喷水网站| 亚洲国产欧美日韩在线播放| 国产精品久久久久久久电影| 国产高清国产精品国产三级| 高清毛片免费看| 国产精品久久久久久久电影| 黑人欧美特级aaaaaa片| 三上悠亚av全集在线观看| 亚洲av电影在线进入| 中国三级夫妇交换| 另类精品久久| 免费观看在线日韩| 亚洲情色 制服丝袜| 晚上一个人看的免费电影| 国产免费现黄频在线看| 自拍欧美九色日韩亚洲蝌蚪91| 五月天丁香电影| kizo精华| 亚洲伊人久久精品综合| 少妇 在线观看| 伦精品一区二区三区| 26uuu在线亚洲综合色| 少妇熟女欧美另类| 久久精品人人爽人人爽视色| 有码 亚洲区| 秋霞在线观看毛片| 黄色配什么色好看| 九色成人免费人妻av| 久久精品夜色国产| 欧美日本中文国产一区发布| 亚洲精品乱久久久久久| 久久精品夜色国产| 欧美最新免费一区二区三区| 成人影院久久| av黄色大香蕉| 汤姆久久久久久久影院中文字幕| 美女内射精品一级片tv| 赤兔流量卡办理| 亚洲天堂av无毛| 午夜老司机福利剧场| 亚洲丝袜综合中文字幕| 精品国产乱码久久久久久小说| 人妻人人澡人人爽人人| 高清视频免费观看一区二区| 在线观看三级黄色| 国产精品久久久久久久久免| 欧美xxⅹ黑人| 青春草亚洲视频在线观看| 在线亚洲精品国产二区图片欧美| 成人毛片60女人毛片免费| 久久久久人妻精品一区果冻| 在线观看人妻少妇| 男人操女人黄网站| 欧美日韩av久久| 欧美激情国产日韩精品一区| 五月玫瑰六月丁香| 久久久久久人人人人人| 插逼视频在线观看| 久久人人爽av亚洲精品天堂| 自线自在国产av| 一级毛片黄色毛片免费观看视频| 色哟哟·www| 激情视频va一区二区三区| 国产白丝娇喘喷水9色精品| 一本色道久久久久久精品综合| 久久久久精品性色| 亚洲av电影在线进入| 日韩av免费高清视频| 99热这里只有是精品在线观看| 捣出白浆h1v1| 亚洲成国产人片在线观看| 亚洲欧美日韩另类电影网站| 亚洲成人av在线免费| 国产亚洲午夜精品一区二区久久| 熟妇人妻不卡中文字幕| 亚洲一区二区三区欧美精品| 欧美日韩国产mv在线观看视频| 两个人免费观看高清视频| 国产 一区精品| 亚洲精品国产av成人精品| 国产不卡av网站在线观看| 国产国语露脸激情在线看| 久久久久精品性色| 精品国产一区二区三区久久久樱花| 97在线视频观看| 中文字幕制服av| 寂寞人妻少妇视频99o| 视频中文字幕在线观看| 免费人成在线观看视频色| 欧美人与性动交α欧美精品济南到 | 五月玫瑰六月丁香| 亚洲美女搞黄在线观看| 亚洲精品视频女| 久久韩国三级中文字幕| 国产精品不卡视频一区二区| 国产成人精品婷婷| av黄色大香蕉| 欧美人与性动交α欧美精品济南到 | 日日摸夜夜添夜夜爱| 国产xxxxx性猛交| 国产熟女午夜一区二区三区| 国产精品久久久久久精品电影小说| 免费大片黄手机在线观看| xxx大片免费视频| 欧美3d第一页| 久久免费观看电影| 日韩免费高清中文字幕av| 日韩在线高清观看一区二区三区| 久久久久视频综合| 蜜桃国产av成人99| 国产精品 国内视频| 久久国产亚洲av麻豆专区| 成年女人在线观看亚洲视频| 国产成人91sexporn| 黄网站色视频无遮挡免费观看| 香蕉丝袜av| 欧美性感艳星| 成年女人在线观看亚洲视频| 日韩制服骚丝袜av| 欧美成人精品欧美一级黄| 亚洲av日韩在线播放| 免费观看无遮挡的男女| 亚洲国产精品999| 各种免费的搞黄视频| 亚洲成人一二三区av| 在线看a的网站| 国精品久久久久久国模美| 久久久精品免费免费高清| 菩萨蛮人人尽说江南好唐韦庄| 一二三四在线观看免费中文在 | 免费观看无遮挡的男女| 国产精品人妻久久久久久| 精品国产乱码久久久久久小说| 丝袜脚勾引网站| 国产男女超爽视频在线观看| 久久青草综合色| 精品一区二区三卡| 成人国语在线视频| 亚洲国产精品国产精品| 亚洲天堂av无毛| 国产 精品1| 亚洲人成77777在线视频| 国产亚洲最大av| 亚洲伊人色综图| 国产黄频视频在线观看| 九色亚洲精品在线播放| 日本黄大片高清| 国产成人a∨麻豆精品| 久久亚洲国产成人精品v| 免费不卡的大黄色大毛片视频在线观看| 香蕉精品网在线| 日韩av在线免费看完整版不卡| 9191精品国产免费久久| 欧美激情 高清一区二区三区| 国产免费一级a男人的天堂| 91精品国产国语对白视频| 赤兔流量卡办理| 一本—道久久a久久精品蜜桃钙片| 国产一级毛片在线| 免费人妻精品一区二区三区视频| 老司机影院成人| 免费高清在线观看日韩| 午夜福利视频精品| 大香蕉久久网| 日本av手机在线免费观看| 久久精品aⅴ一区二区三区四区 | 精品一区在线观看国产| 亚洲丝袜综合中文字幕| 又粗又硬又长又爽又黄的视频| 欧美日韩亚洲高清精品| 国产精品无大码| 久久久久精品性色| 国产福利在线免费观看视频| 热99国产精品久久久久久7| 日韩熟女老妇一区二区性免费视频| 久久热在线av| 热99久久久久精品小说推荐| 久久99一区二区三区| 精品少妇内射三级| videosex国产| 91精品国产国语对白视频| 伦精品一区二区三区| 国产精品欧美亚洲77777| 国产日韩欧美亚洲二区| av片东京热男人的天堂| 高清在线视频一区二区三区| 亚洲美女视频黄频| 亚洲精品国产av蜜桃| 免费高清在线观看视频在线观看| 麻豆乱淫一区二区| 免费高清在线观看视频在线观看| 国产日韩欧美视频二区| 亚洲av中文av极速乱| 久久久久网色| 99视频精品全部免费 在线| av国产精品久久久久影院| 精品一品国产午夜福利视频| 少妇的逼好多水| av在线老鸭窝| 亚洲成国产人片在线观看| av线在线观看网站| 国产精品秋霞免费鲁丝片| 女人被躁到高潮嗷嗷叫费观| 日韩中字成人| 女的被弄到高潮叫床怎么办| 亚洲天堂av无毛| 欧美人与性动交α欧美软件 | 国产国语露脸激情在线看| 亚洲av欧美aⅴ国产| 国产男人的电影天堂91| 在现免费观看毛片| 巨乳人妻的诱惑在线观看| 精品福利永久在线观看| 国产高清国产精品国产三级| 狠狠精品人妻久久久久久综合| 90打野战视频偷拍视频| 亚洲av男天堂| 2021少妇久久久久久久久久久| kizo精华| 婷婷色综合大香蕉| 王馨瑶露胸无遮挡在线观看| 午夜福利乱码中文字幕| 久久99蜜桃精品久久| 啦啦啦视频在线资源免费观看| 亚洲少妇的诱惑av| 欧美精品人与动牲交sv欧美| 午夜免费鲁丝| 中文字幕亚洲精品专区| 久久精品人人爽人人爽视色| 国产成人免费观看mmmm| 亚洲精品国产av成人精品| 日本欧美视频一区| 大香蕉久久成人网| 亚洲国产精品成人久久小说| 中文天堂在线官网| 国产老妇伦熟女老妇高清| 国产成人精品久久久久久| 国产亚洲精品久久久com| 99精国产麻豆久久婷婷| 久久午夜福利片| 看免费成人av毛片| 日日爽夜夜爽网站| 成年人免费黄色播放视频| 综合色丁香网| 国产成人精品福利久久| 国产成人免费无遮挡视频| 欧美激情极品国产一区二区三区 | 日韩在线高清观看一区二区三区| 黄片播放在线免费| 在线精品无人区一区二区三| 亚洲精品av麻豆狂野| 国产探花极品一区二区| 亚洲欧美日韩卡通动漫| 成人免费观看视频高清| 欧美日韩国产mv在线观看视频| 亚洲人成77777在线视频| 丝袜美足系列| 肉色欧美久久久久久久蜜桃| 国产精品嫩草影院av在线观看| 亚洲国产精品一区二区三区在线| 国产精品一区www在线观看| 国产永久视频网站| 久久人人爽人人片av| 欧美亚洲 丝袜 人妻 在线| 黄网站色视频无遮挡免费观看| 只有这里有精品99| 亚洲精品中文字幕在线视频| 国产国语露脸激情在线看| 成年av动漫网址| 又大又黄又爽视频免费| 精品亚洲成国产av| xxx大片免费视频| 精品视频人人做人人爽| 国产高清国产精品国产三级| 国产探花极品一区二区| 亚洲婷婷狠狠爱综合网| 全区人妻精品视频| 女性被躁到高潮视频| 中文天堂在线官网| 黄网站色视频无遮挡免费观看| 大香蕉久久成人网| 纯流量卡能插随身wifi吗| 国产极品粉嫩免费观看在线| 欧美成人午夜免费资源| 少妇的丰满在线观看| 夜夜爽夜夜爽视频| 欧美另类一区| 亚洲,欧美,日韩| 校园人妻丝袜中文字幕| 国产精品.久久久| 18禁在线无遮挡免费观看视频| 精品国产一区二区三区久久久樱花| 春色校园在线视频观看| 欧美精品人与动牲交sv欧美| 久久久精品区二区三区| 又大又黄又爽视频免费| 少妇精品久久久久久久| 777米奇影视久久| 人妻 亚洲 视频| www.熟女人妻精品国产 | 国产激情久久老熟女| 久久狼人影院| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久久亚洲中文字幕| 欧美精品国产亚洲| 久久精品aⅴ一区二区三区四区 | 午夜av观看不卡| 国产精品一二三区在线看| 亚洲精品日韩在线中文字幕| 少妇 在线观看| 国产黄色免费在线视频| 亚洲五月色婷婷综合| 欧美精品人与动牲交sv欧美| 免费黄色在线免费观看| 2022亚洲国产成人精品| 欧美丝袜亚洲另类| 国产欧美日韩综合在线一区二区| 黑人巨大精品欧美一区二区蜜桃 | 十八禁高潮呻吟视频| 亚洲伊人久久精品综合| tube8黄色片| 亚洲成国产人片在线观看| 高清在线视频一区二区三区| 亚洲精品乱久久久久久| 精品视频人人做人人爽| 国产激情久久老熟女| 亚洲国产看品久久| 九色成人免费人妻av| 日韩欧美一区视频在线观看| 男女边吃奶边做爰视频| 精品一区二区三卡| 激情五月婷婷亚洲| 深夜精品福利| 啦啦啦视频在线资源免费观看| 五月开心婷婷网| 亚洲国产最新在线播放| av.在线天堂| 国产精品嫩草影院av在线观看| 久久99一区二区三区| 久久久久精品性色| 久久久亚洲精品成人影院| 狂野欧美激情性bbbbbb| 久久99精品国语久久久| 国产精品蜜桃在线观看| 又大又黄又爽视频免费| videos熟女内射| 桃花免费在线播放| 国产日韩欧美在线精品| 亚洲内射少妇av| 国产午夜精品一二区理论片| 大香蕉久久成人网| 亚洲av综合色区一区| 黄色配什么色好看| 日本欧美国产在线视频| 国产黄频视频在线观看| 亚洲国产精品国产精品| 一级片'在线观看视频| 亚洲国产精品999| av卡一久久| 国产免费一级a男人的天堂| 天堂俺去俺来也www色官网| 大香蕉久久成人网| 欧美亚洲日本最大视频资源| 成人国产av品久久久| a级毛色黄片| 亚洲欧洲国产日韩| 成年女人在线观看亚洲视频| xxxhd国产人妻xxx| 精品熟女少妇av免费看| 丰满饥渴人妻一区二区三| 又大又黄又爽视频免费| 男女无遮挡免费网站观看| 9色porny在线观看| 精品少妇黑人巨大在线播放| 久久青草综合色| 中文字幕另类日韩欧美亚洲嫩草| 最近的中文字幕免费完整| 99香蕉大伊视频| 97在线人人人人妻| 欧美精品av麻豆av| 国产探花极品一区二区| 综合色丁香网| 日本黄色日本黄色录像| 日日爽夜夜爽网站| 内地一区二区视频在线| 久久久a久久爽久久v久久| 看非洲黑人一级黄片| 女的被弄到高潮叫床怎么办| av福利片在线| 少妇熟女欧美另类| 精品人妻熟女毛片av久久网站| 久久ye,这里只有精品| 午夜福利乱码中文字幕| 久久久国产一区二区| 在线观看一区二区三区激情| 欧美日韩视频精品一区| 亚洲人与动物交配视频| 亚洲精品自拍成人| 国产 精品1| 国产永久视频网站| 国产黄色视频一区二区在线观看| 男的添女的下面高潮视频| 99热国产这里只有精品6| 国产精品久久久久久精品电影小说| 99精国产麻豆久久婷婷| 人妻人人澡人人爽人人| 中文字幕另类日韩欧美亚洲嫩草| 国内精品宾馆在线| 国产女主播在线喷水免费视频网站| 丝袜脚勾引网站| 这个男人来自地球电影免费观看 | 中文天堂在线官网| 欧美xxxx性猛交bbbb| 大香蕉久久成人网| a级毛色黄片| 91国产中文字幕| 久热久热在线精品观看| 国产精品无大码| 18禁动态无遮挡网站| 人人妻人人澡人人看| 亚洲av在线观看美女高潮| 十分钟在线观看高清视频www| 赤兔流量卡办理| 18禁在线无遮挡免费观看视频| 男女啪啪激烈高潮av片| 丝瓜视频免费看黄片| 一级a做视频免费观看| 五月开心婷婷网| 日韩 亚洲 欧美在线| 久久精品久久久久久噜噜老黄| 在线观看免费视频网站a站| 黄色毛片三级朝国网站| 天天操日日干夜夜撸| 18禁观看日本| www.熟女人妻精品国产 | 中文乱码字字幕精品一区二区三区| av免费观看日本| 夜夜爽夜夜爽视频| 黄色毛片三级朝国网站| 一级,二级,三级黄色视频| 久久久久久人妻| 国产欧美另类精品又又久久亚洲欧美| 不卡视频在线观看欧美| 男人爽女人下面视频在线观看| 如日韩欧美国产精品一区二区三区| 天天影视国产精品| 亚洲精品av麻豆狂野| 人成视频在线观看免费观看| 九九爱精品视频在线观看| 国产亚洲最大av| 香蕉丝袜av| 在线观看www视频免费| 亚洲成国产人片在线观看| 巨乳人妻的诱惑在线观看| √禁漫天堂资源中文www| 另类亚洲欧美激情| 大香蕉久久网| 国产成人精品婷婷| 少妇的逼水好多| 99久久中文字幕三级久久日本| 免费人成在线观看视频色| www.熟女人妻精品国产 | av免费在线看不卡| av国产精品久久久久影院| 成人亚洲欧美一区二区av| 五月天丁香电影| 天天躁夜夜躁狠狠久久av| 性色avwww在线观看| 边亲边吃奶的免费视频| 日韩一区二区三区影片| 国产精品一国产av| 精品亚洲成a人片在线观看| 久久人人爽人人爽人人片va| 免费在线观看完整版高清| 亚洲色图综合在线观看| 99re6热这里在线精品视频| 久久97久久精品| 亚洲av电影在线进入| 2021少妇久久久久久久久久久| 在线看a的网站| 日韩一区二区三区影片| 成人手机av| 成年av动漫网址| 一本—道久久a久久精品蜜桃钙片| 如何舔出高潮| 最近最新中文字幕免费大全7| 亚洲国产看品久久| 久久热在线av| 国产一区二区激情短视频 | 亚洲内射少妇av| 久久久久久久久久成人| 午夜福利视频精品| 亚洲一码二码三码区别大吗| 少妇熟女欧美另类| 日韩精品有码人妻一区| 午夜影院在线不卡| 激情五月婷婷亚洲| 欧美激情极品国产一区二区三区 | 制服诱惑二区| 久久精品熟女亚洲av麻豆精品| 久久午夜福利片| 欧美人与性动交α欧美精品济南到 | 丝瓜视频免费看黄片|