• <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
    日韩精品免费视频一区二区三区| 国产亚洲精品综合一区在线观看 | 国语自产精品视频在线第100页| 手机成人av网站| 国产乱人伦免费视频| 日本成人三级电影网站| 变态另类成人亚洲欧美熟女| 日本黄大片高清| 日韩欧美 国产精品| 午夜福利在线在线| 国产真人三级小视频在线观看| 欧美午夜高清在线| 免费电影在线观看免费观看| 草草在线视频免费看| 1024香蕉在线观看| 亚洲精品粉嫩美女一区| 99国产综合亚洲精品| 国产高清有码在线观看视频 | 国内精品久久久久精免费| 亚洲午夜理论影院| 一级毛片精品| 亚洲国产日韩欧美精品在线观看 | 青草久久国产| 国模一区二区三区四区视频 | www国产在线视频色| 又爽又黄无遮挡网站| 91大片在线观看| 中文字幕最新亚洲高清| 中文字幕最新亚洲高清| 亚洲午夜理论影院| 亚洲午夜精品一区,二区,三区| 成人永久免费在线观看视频| 又紧又爽又黄一区二区| 国产精品久久久久久久电影 | 亚洲av成人精品一区久久| 久久精品国产综合久久久| 国产精品一区二区精品视频观看| 免费在线观看影片大全网站| 99国产极品粉嫩在线观看| 99久久精品热视频| 亚洲无线在线观看| 大型av网站在线播放| 麻豆成人午夜福利视频| 欧美成人免费av一区二区三区| 国产日本99.免费观看| 国产成+人综合+亚洲专区| 99精品在免费线老司机午夜| 日本熟妇午夜| 一区二区三区高清视频在线| 亚洲av成人不卡在线观看播放网| 亚洲精品久久成人aⅴ小说| 久久亚洲精品不卡| 亚洲熟妇熟女久久| 欧美性猛交黑人性爽| 精品久久久久久久末码| av福利片在线| 亚洲成a人片在线一区二区| 成人亚洲精品av一区二区| 日本在线视频免费播放| 成人欧美大片| 又黄又爽又免费观看的视频| 老汉色∧v一级毛片| www日本黄色视频网| 日韩三级视频一区二区三区| 色播亚洲综合网| tocl精华| 女人被狂操c到高潮| 国产精品久久电影中文字幕| 日日夜夜操网爽| 免费无遮挡裸体视频| 超碰成人久久| 久久香蕉精品热| 神马国产精品三级电影在线观看 | 国产av不卡久久| 十八禁网站免费在线| 19禁男女啪啪无遮挡网站| 亚洲国产欧美一区二区综合| 国产黄色小视频在线观看| 在线观看日韩欧美| 欧美极品一区二区三区四区| 窝窝影院91人妻| 国产精品1区2区在线观看.| 亚洲真实伦在线观看| 日韩欧美三级三区| 亚洲av第一区精品v没综合| 一本一本综合久久| 色综合欧美亚洲国产小说| 成人18禁高潮啪啪吃奶动态图| 亚洲国产日韩欧美精品在线观看 | 99久久综合精品五月天人人| 可以在线观看毛片的网站| av免费在线观看网站| 日本五十路高清| 中文字幕人妻丝袜一区二区| 亚洲av熟女| 精品欧美国产一区二区三| 老司机福利观看| 国产片内射在线| 看免费av毛片| 欧美日韩精品网址| 国产精品久久久久久久电影 | 国产成人精品久久二区二区91| 国产精品美女特级片免费视频播放器 | 久久婷婷人人爽人人干人人爱| 国产精品九九99| 国产成人影院久久av| 国产v大片淫在线免费观看| svipshipincom国产片| 韩国av一区二区三区四区| 国产99白浆流出| 午夜a级毛片| 国产精品av久久久久免费| 国产欧美日韩一区二区精品| 色av中文字幕| 国产伦一二天堂av在线观看| 欧美日韩黄片免| 亚洲美女视频黄频| 久久中文字幕人妻熟女| 啪啪无遮挡十八禁网站| 亚洲欧美激情综合另类| 午夜精品一区二区三区免费看| 亚洲精品一卡2卡三卡4卡5卡| 午夜免费成人在线视频| 天堂√8在线中文| 久久久久国内视频| 首页视频小说图片口味搜索| 亚洲av成人精品一区久久| 午夜激情av网站| 欧美又色又爽又黄视频| 中文字幕人妻丝袜一区二区| 亚洲国产欧美一区二区综合| 精品久久蜜臀av无| 欧美乱色亚洲激情| 久久久久国产精品人妻aⅴ院| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲中文av在线| 国模一区二区三区四区视频 | 国产亚洲欧美98| 成人欧美大片| 日本黄色视频三级网站网址| 久久精品夜夜夜夜夜久久蜜豆 | 久久久久久亚洲精品国产蜜桃av| 日本一本二区三区精品| 欧美精品啪啪一区二区三区| 97碰自拍视频| 久久精品影院6| 亚洲精品久久国产高清桃花| 最新在线观看一区二区三区| 国产99久久九九免费精品| 白带黄色成豆腐渣| 村上凉子中文字幕在线| 日韩三级视频一区二区三区| 嫩草影院精品99| 欧美久久黑人一区二区| 男人舔女人下体高潮全视频| 久久久久免费精品人妻一区二区| 无人区码免费观看不卡| 国产黄a三级三级三级人| 精品电影一区二区在线| 黑人巨大精品欧美一区二区mp4| www.精华液| 别揉我奶头~嗯~啊~动态视频| 日本 欧美在线| 免费在线观看完整版高清| 亚洲成人精品中文字幕电影| 2021天堂中文幕一二区在线观| 曰老女人黄片| 国产伦在线观看视频一区| netflix在线观看网站| 午夜精品一区二区三区免费看| 无人区码免费观看不卡| 麻豆av在线久日| 波多野结衣高清作品| 丰满的人妻完整版| 久久这里只有精品中国| 老熟妇仑乱视频hdxx| 美女免费视频网站| 床上黄色一级片| 色播亚洲综合网| 亚洲五月天丁香| 成人国语在线视频| 日本三级黄在线观看| 国产1区2区3区精品| 一级黄色大片毛片| 欧美日本亚洲视频在线播放| 免费电影在线观看免费观看| 亚洲七黄色美女视频| 国产成人aa在线观看| 狂野欧美白嫩少妇大欣赏| 久久这里只有精品19| 久久九九热精品免费| 91国产中文字幕| 亚洲第一欧美日韩一区二区三区| 很黄的视频免费| 成熟少妇高潮喷水视频| 免费在线观看成人毛片| 久久国产乱子伦精品免费另类| xxxwww97欧美| 日日干狠狠操夜夜爽| 国产爱豆传媒在线观看 | 国产野战对白在线观看| 久热爱精品视频在线9| 亚洲精品一卡2卡三卡4卡5卡| 国产熟女xx| 国产激情欧美一区二区| 亚洲在线自拍视频| 免费看日本二区| 无人区码免费观看不卡| 丝袜人妻中文字幕| 日韩av在线大香蕉| 国产精品精品国产色婷婷| 俄罗斯特黄特色一大片| 国产v大片淫在线免费观看| 国内毛片毛片毛片毛片毛片| 久久中文字幕人妻熟女| 亚洲狠狠婷婷综合久久图片| 亚洲av电影在线进入| 一进一出好大好爽视频| 久久婷婷人人爽人人干人人爱| 亚洲美女视频黄频| 国产一区在线观看成人免费| 又粗又爽又猛毛片免费看| 国产亚洲av高清不卡| 免费无遮挡裸体视频| 淫妇啪啪啪对白视频| 免费看日本二区| 别揉我奶头~嗯~啊~动态视频| 18禁美女被吸乳视频| av有码第一页| АⅤ资源中文在线天堂| 天堂√8在线中文| 99久久精品热视频| 国内少妇人妻偷人精品xxx网站 | 国内精品久久久久精免费| 免费看日本二区| 午夜免费激情av| 欧美黑人巨大hd| 午夜亚洲福利在线播放| 国产一区二区在线av高清观看| 亚洲国产欧洲综合997久久,| 深夜精品福利| 99在线人妻在线中文字幕| 国产成年人精品一区二区| 国产精品久久久久久精品电影| 亚洲激情在线av| 国产成人系列免费观看| 国产精品影院久久| 亚洲真实伦在线观看| 我的老师免费观看完整版| 757午夜福利合集在线观看| 欧美日韩国产亚洲二区| 50天的宝宝边吃奶边哭怎么回事| 国产aⅴ精品一区二区三区波| 熟女少妇亚洲综合色aaa.| 日韩欧美在线二视频| 首页视频小说图片口味搜索| 国产麻豆成人av免费视频| 亚洲一码二码三码区别大吗| 色播亚洲综合网| 夜夜爽天天搞| 一级片免费观看大全| 最近视频中文字幕2019在线8| 99久久精品热视频| 色噜噜av男人的天堂激情| 午夜a级毛片| 午夜福利18| 久久人人精品亚洲av| 两个人的视频大全免费| 波多野结衣高清无吗| 一本综合久久免费| 搡老熟女国产l中国老女人| 一本综合久久免费| 最新美女视频免费是黄的| 国产在线精品亚洲第一网站| 日韩欧美国产在线观看| 精品欧美一区二区三区在线| www.精华液| 亚洲欧美日韩高清在线视频| 搡老熟女国产l中国老女人| 国产精品99久久99久久久不卡| 午夜日韩欧美国产| 国产精品亚洲美女久久久| 观看免费一级毛片| 中文字幕av在线有码专区| 色综合婷婷激情| 波多野结衣巨乳人妻| 丁香六月欧美| 好看av亚洲va欧美ⅴa在| 欧美性长视频在线观看| 久久精品亚洲精品国产色婷小说| 欧美日韩福利视频一区二区| 18美女黄网站色大片免费观看| 琪琪午夜伦伦电影理论片6080| 老熟妇仑乱视频hdxx| 免费观看精品视频网站| 国产av一区在线观看免费| 婷婷丁香在线五月| 国产单亲对白刺激| 亚洲一区高清亚洲精品| 中出人妻视频一区二区| 亚洲天堂国产精品一区在线| 在线观看66精品国产| 1024香蕉在线观看| 十八禁人妻一区二区| 啦啦啦韩国在线观看视频| 国产一区二区在线观看日韩 | 18禁黄网站禁片免费观看直播| 国产欧美日韩一区二区三| 久久精品91无色码中文字幕| 日韩欧美国产在线观看| 两个人的视频大全免费| 精品久久久久久久毛片微露脸| 两人在一起打扑克的视频| 少妇熟女aⅴ在线视频| 国产精品香港三级国产av潘金莲| 一级片免费观看大全| 蜜桃久久精品国产亚洲av| 国产精品1区2区在线观看.| 亚洲18禁久久av| 狂野欧美白嫩少妇大欣赏| 搞女人的毛片| 日韩精品免费视频一区二区三区| 青草久久国产| 午夜久久久久精精品| 不卡一级毛片| 久久久久久国产a免费观看| 久久久精品国产亚洲av高清涩受| 午夜精品一区二区三区免费看| 国产爱豆传媒在线观看 | 久久热在线av| 嫩草影院精品99| 免费看十八禁软件| 两个人的视频大全免费| 成人永久免费在线观看视频| 1024手机看黄色片| 国产又色又爽无遮挡免费看| 悠悠久久av| 国产精品综合久久久久久久免费| 午夜成年电影在线免费观看| 我的老师免费观看完整版| 久久午夜综合久久蜜桃| bbb黄色大片| av超薄肉色丝袜交足视频| www日本黄色视频网| 757午夜福利合集在线观看| 国产精华一区二区三区| 丰满人妻一区二区三区视频av | 97人妻精品一区二区三区麻豆| 人妻久久中文字幕网| 九九热线精品视视频播放| 99国产极品粉嫩在线观看| 777久久人妻少妇嫩草av网站| 亚洲第一电影网av| 叶爱在线成人免费视频播放| 人人妻人人澡欧美一区二区| 成年版毛片免费区| 男女那种视频在线观看| 久久久精品大字幕| 51午夜福利影视在线观看| av中文乱码字幕在线| 国产亚洲精品综合一区在线观看 | 免费人成视频x8x8入口观看| 日韩成人在线观看一区二区三区| 99久久99久久久精品蜜桃| 18禁黄网站禁片午夜丰满| 国产一区二区激情短视频| 人人妻,人人澡人人爽秒播| 久久久久国产精品人妻aⅴ院| 国产成+人综合+亚洲专区| 正在播放国产对白刺激| 这个男人来自地球电影免费观看| 成在线人永久免费视频| 美女高潮喷水抽搐中文字幕| 99国产极品粉嫩在线观看| 一级黄色大片毛片| 淫妇啪啪啪对白视频| 国产成人av教育| 久久精品91无色码中文字幕| 久久久久久大精品| 免费高清视频大片| 亚洲成人精品中文字幕电影| 国产精品1区2区在线观看.| 欧美国产日韩亚洲一区| 18禁美女被吸乳视频| 老汉色av国产亚洲站长工具| 日韩免费av在线播放| 亚洲成av人片在线播放无| 99久久精品国产亚洲精品| 两个人免费观看高清视频| 国产片内射在线| 精品国产乱码久久久久久男人| 日韩成人在线观看一区二区三区| 最近最新中文字幕大全电影3| 淫妇啪啪啪对白视频| 一本精品99久久精品77| 精品国产乱子伦一区二区三区| 欧美大码av| 色av中文字幕| 亚洲免费av在线视频| 亚洲欧美精品综合久久99| 国产一区二区三区在线臀色熟女| 日韩免费av在线播放| 日本在线视频免费播放| a级毛片在线看网站| 搡老岳熟女国产| 欧美成人免费av一区二区三区| 国产一区二区在线av高清观看| 亚洲午夜精品一区,二区,三区| 日本撒尿小便嘘嘘汇集6| 变态另类丝袜制服| 老司机午夜十八禁免费视频| 两个人的视频大全免费| 一级毛片高清免费大全| 九色国产91popny在线| 一本大道久久a久久精品| 老司机在亚洲福利影院| 亚洲国产欧美网| √禁漫天堂资源中文www| 少妇人妻一区二区三区视频| 欧美日韩精品网址| 成人精品一区二区免费| 高清在线国产一区| 法律面前人人平等表现在哪些方面| 亚洲人成伊人成综合网2020| 午夜精品久久久久久毛片777| 一边摸一边抽搐一进一小说| 99riav亚洲国产免费| 午夜激情福利司机影院| 久久精品成人免费网站| 国产精品一区二区三区四区久久| 欧美性长视频在线观看| 国产成+人综合+亚洲专区| 亚洲成av人片在线播放无| 啦啦啦观看免费观看视频高清| av在线天堂中文字幕| 白带黄色成豆腐渣| 窝窝影院91人妻| 精品福利观看| 欧美日本视频| 午夜福利在线在线| 亚洲18禁久久av| 精品久久久久久久末码| 国产片内射在线| 一边摸一边做爽爽视频免费| avwww免费| 免费在线观看黄色视频的| 一级毛片女人18水好多| 欧美日韩黄片免| 日韩欧美免费精品| 亚洲欧美精品综合久久99| 成人国产综合亚洲| 少妇粗大呻吟视频| 国产精品爽爽va在线观看网站| 久久香蕉国产精品| 蜜桃久久精品国产亚洲av| 白带黄色成豆腐渣| 91麻豆精品激情在线观看国产| 麻豆av在线久日| 桃色一区二区三区在线观看| 黄色丝袜av网址大全| 国产精品综合久久久久久久免费| 午夜福利在线在线| 国产精品久久久久久人妻精品电影| 狂野欧美白嫩少妇大欣赏| 国产99久久九九免费精品| 欧美日韩黄片免| 亚洲九九香蕉| 欧美色视频一区免费| 久久久久国产一级毛片高清牌| 又黄又爽又免费观看的视频| 岛国视频午夜一区免费看| 1024手机看黄色片| 又黄又粗又硬又大视频| 国产野战对白在线观看| 一夜夜www| 国产v大片淫在线免费观看| 国产熟女xx| 午夜免费观看网址| 国产成人aa在线观看| 成人18禁在线播放| 亚洲熟女毛片儿| 久久婷婷人人爽人人干人人爱| 丝袜美腿诱惑在线| 国产麻豆成人av免费视频| 久久这里只有精品19| 国产精品98久久久久久宅男小说| 日韩免费av在线播放| 女人高潮潮喷娇喘18禁视频| 美女黄网站色视频| 禁无遮挡网站| 精品一区二区三区av网在线观看| 老熟妇仑乱视频hdxx| 这个男人来自地球电影免费观看| 午夜精品一区二区三区免费看| 国产精品亚洲一级av第二区| 一个人免费在线观看的高清视频| xxx96com| 伊人久久大香线蕉亚洲五| 久久人人精品亚洲av| 国内毛片毛片毛片毛片毛片| 99热这里只有精品一区 | 国产69精品久久久久777片 | 日韩欧美免费精品| 高清在线国产一区| 日韩欧美精品v在线| 18禁美女被吸乳视频| 可以免费在线观看a视频的电影网站| 在线观看www视频免费| 亚洲国产欧美人成| 中文字幕精品亚洲无线码一区| 日韩欧美在线乱码| 国产高清视频在线观看网站| 可以在线观看的亚洲视频| 欧美乱色亚洲激情| 亚洲精品色激情综合| 热99re8久久精品国产| 成人高潮视频无遮挡免费网站| 丰满人妻一区二区三区视频av | 久久中文字幕一级| 好男人在线观看高清免费视频| 国产av麻豆久久久久久久| 每晚都被弄得嗷嗷叫到高潮| 床上黄色一级片| 丰满人妻熟妇乱又伦精品不卡| 日本熟妇午夜| 免费电影在线观看免费观看| 亚洲免费av在线视频| 欧美乱色亚洲激情| 亚洲精品美女久久久久99蜜臀| 又爽又黄无遮挡网站| 国产精品国产高清国产av| 亚洲人成77777在线视频| 91大片在线观看| 2021天堂中文幕一二区在线观| 欧美日本亚洲视频在线播放| 亚洲七黄色美女视频| 亚洲专区字幕在线| 他把我摸到了高潮在线观看| 给我免费播放毛片高清在线观看| 亚洲专区国产一区二区| 国产成人精品无人区| 欧美日本视频| 90打野战视频偷拍视频| 国产精品亚洲av一区麻豆| 禁无遮挡网站| 国产精品 欧美亚洲| 欧美不卡视频在线免费观看 | 久久精品综合一区二区三区| 欧美中文日本在线观看视频| 动漫黄色视频在线观看| 日韩大码丰满熟妇| 国产激情偷乱视频一区二区| 男人舔奶头视频| 狂野欧美白嫩少妇大欣赏| 757午夜福利合集在线观看| 淫秽高清视频在线观看| 国产探花在线观看一区二区| 久久人人精品亚洲av| 免费搜索国产男女视频| 久久久久国产精品人妻aⅴ院| 99精品欧美一区二区三区四区| 欧洲精品卡2卡3卡4卡5卡区| 小说图片视频综合网站| 99热只有精品国产| 亚洲av电影不卡..在线观看| 日本黄色视频三级网站网址| 久久中文字幕人妻熟女| 啦啦啦韩国在线观看视频| 无遮挡黄片免费观看| 免费在线观看亚洲国产| 亚洲专区国产一区二区| 丝袜美腿诱惑在线| 久久精品国产综合久久久| 美女大奶头视频| 麻豆国产av国片精品| 国产成+人综合+亚洲专区| 国产精品一区二区三区四区久久| 精品久久久久久久久久免费视频| 亚洲成人中文字幕在线播放| 男女视频在线观看网站免费 | 日韩欧美国产一区二区入口| www.www免费av| 亚洲精品一卡2卡三卡4卡5卡| 精品国产美女av久久久久小说| 国产真实乱freesex| 激情在线观看视频在线高清| 国产av不卡久久| 精品日产1卡2卡| av在线播放免费不卡| 国产区一区二久久| 午夜福利在线在线| 国产亚洲av嫩草精品影院| 全区人妻精品视频| 又大又爽又粗| 小说图片视频综合网站| 欧美午夜高清在线| 女人被狂操c到高潮| 在线视频色国产色| 国产欧美日韩一区二区精品| 国产熟女xx| а√天堂www在线а√下载| 久久久久久久久中文| 亚洲中文av在线| 欧美国产日韩亚洲一区| 久久亚洲精品不卡| 18美女黄网站色大片免费观看| 日韩精品中文字幕看吧| 母亲3免费完整高清在线观看| 9191精品国产免费久久| 90打野战视频偷拍视频| xxxwww97欧美| 免费在线观看影片大全网站| 麻豆成人午夜福利视频| 少妇粗大呻吟视频| 亚洲欧美激情综合另类|