• <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 ?

    基于改進(jìn)變分模態(tài)分解排列熵和極限學(xué)習(xí)機(jī)的汽輪發(fā)電機(jī)轉(zhuǎn)子故障診斷方法*

    2016-12-29 05:49:44馮培燕張少波
    電機(jī)與控制應(yīng)用 2016年11期
    關(guān)鍵詞:變分分量故障診斷

    馮培燕,張少波

    (1. 蘇州工業(yè)園區(qū)職業(yè)技術(shù)學(xué)院 機(jī)電工程系, 江蘇 蘇州 215123;2. 華北電力大學(xué) 機(jī)械工程系, 河北 保定 071003)

    ?

    基于改進(jìn)變分模態(tài)分解排列熵和極限學(xué)習(xí)機(jī)的汽輪發(fā)電機(jī)轉(zhuǎn)子故障診斷方法*

    馮培燕1,張少波2

    (1. 蘇州工業(yè)園區(qū)職業(yè)技術(shù)學(xué)院 機(jī)電工程系, 江蘇 蘇州 215123;2. 華北電力大學(xué) 機(jī)械工程系, 河北 保定 071003)

    針對(duì)實(shí)際轉(zhuǎn)子振動(dòng)信號(hào)的非線性、非平穩(wěn)性引起的故障類型難以準(zhǔn)確識(shí)別的問題,提出了一種基于改進(jìn)變分模態(tài)分解(VMD)排列熵和極限學(xué)習(xí)機(jī)的轉(zhuǎn)子故障診斷方法。首先,為克服VMD中懲罰因子和分解個(gè)數(shù)按經(jīng)驗(yàn)選擇的問題,提出一種基于人工化學(xué)反應(yīng)算法的改進(jìn)VMD方法,將其用于振動(dòng)信號(hào)分解,得到若干個(gè)不同尺度的固有模態(tài)分量(IMF);隨后計(jì)算蘊(yùn)含主要故障特征信息的前幾個(gè)IMF的排列熵值;最后將得到的前幾個(gè)排列熵值作為特征矢量,輸入到建立的極限學(xué)習(xí)機(jī)中實(shí)現(xiàn)不同狀態(tài)下轉(zhuǎn)子振動(dòng)信號(hào)的模式識(shí)別。將提出方法應(yīng)用于汽輪發(fā)電機(jī)轉(zhuǎn)子試驗(yàn)臺(tái)采集的數(shù)據(jù),結(jié)果表明:提出的方法能有效實(shí)現(xiàn)不同運(yùn)行狀態(tài)下的轉(zhuǎn)子振動(dòng)信號(hào)的辨識(shí),提高了模式識(shí)別精度。

    變分模態(tài)分解; 人工化學(xué)反應(yīng)算法; 排列熵; 極限學(xué)習(xí)機(jī); 故障診斷

    0 引 言

    汽輪機(jī)轉(zhuǎn)子振動(dòng)信號(hào)一般呈現(xiàn)出非線性、非平穩(wěn)特征,因此如何從轉(zhuǎn)子中有效提取故障特征并實(shí)現(xiàn)轉(zhuǎn)子故障類型的準(zhǔn)確判別是故障診斷領(lǐng)域的熱點(diǎn)及難點(diǎn)問題[1- 2]。近年來,適用于非平穩(wěn)信號(hào)處理的自適應(yīng)信號(hào)分析方法在汽輪機(jī)轉(zhuǎn)子故障診斷中得到了廣泛應(yīng)用。比如Huang等[3]在1998年提出的經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)法、Simth[4]在2005年提出的局部均值分解(Local Mean Decomposition, LMD)法等。目前國內(nèi)學(xué)者對(duì)上述方法已經(jīng)開展了大量研究,并指出EMD法和LMD法具有一定缺陷[5]。受EMD法的啟發(fā),Dragomiretskiy等[6]在2013年提出了變分模態(tài)分解(Variational Mode Decomposition, VMD)。VMD能夠?qū)⒎蔷€性非平穩(wěn)信號(hào)分解為若干個(gè)固有模態(tài)分量(Intrinsic Mode Function, IMF)之和,具備端點(diǎn)效應(yīng)輕、模態(tài)混疊現(xiàn)象不明顯等優(yōu)勢。但是,VMD方法存在按經(jīng)驗(yàn)選擇懲罰因子和分解個(gè)數(shù)的缺陷。為克服此缺陷,提出基于人工化學(xué)反應(yīng)算法(Artificial Chemical Reaction Algorithm, ACROA)自適應(yīng)選擇VMD中的最優(yōu)懲罰因子和分解數(shù)量,提高其對(duì)振動(dòng)信號(hào)的分解精度,并減少分解過程中的迭代誤差。此外,排列熵能夠有效檢測時(shí)間序列的隨機(jī)性和振動(dòng)信號(hào)的突變情況,擁有算法簡單、計(jì)算效率高、魯棒性強(qiáng),適用于在線監(jiān)測等優(yōu)點(diǎn)[7]。極限學(xué)習(xí)機(jī)(Extreme Learning Machine, ELM)只需設(shè)定隱含層神經(jīng)元的個(gè)數(shù),克服神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)中多參數(shù)選擇的難題,具備更快的訓(xùn)練速度及更高的識(shí)別精度[8]。

    因此鑒于上述情況,提出了一種基于改進(jìn)VMD排列熵和ELM的轉(zhuǎn)子故障診斷方法,并將該方法應(yīng)用于轉(zhuǎn)子試驗(yàn)臺(tái)數(shù)據(jù),通過應(yīng)用實(shí)例分析驗(yàn)證了本文方法的有效性和優(yōu)越性。

    1 改進(jìn)VMD方法

    1.1 VMD方法

    VMD是由Dragomiretskiy等在2013年提出的一種新的自適應(yīng)信號(hào)分析方法。其基本思想是自適應(yīng)求解約束性變分問題的最優(yōu)解,通過不斷迭代來定位分解各分量信號(hào)的中心頻率及帶寬,最終將給定信號(hào)的頻域劃分為若干個(gè)時(shí)域信號(hào),即各IMF。其中約束性變分模型的表達(dá)式為

    (1)

    為了準(zhǔn)確搜索約束性變分模型的最佳解,VMD中采用了收斂特性較好的二次懲罰函數(shù)項(xiàng)和約束能力較強(qiáng)的拉格朗日乘數(shù)λ算子。因此,這里引入一個(gè)拉格朗日函數(shù)L對(duì)其約束變分問題進(jìn)行優(yōu)化處理。L的公式可描述為

    L({uk},{ωk},λ)=

    (2)

    它使得式(3)和式(4)中獲得的IMF分量uk和中心頻率ωk最小化。

    IMF分量uk最小化公式可描述為

    (3)

    進(jìn)一步,中心頻率ωk最小化公式可描述為

    (4)

    依據(jù)VMD的主要理論思想,其具體實(shí)現(xiàn)過程可概括如下。

    (5)

    (6)

    (3) 根據(jù)式(7)更新λ,即

    (7)

    (4) 返回步驟(2)重復(fù)上述步驟,直到滿足約束條件整個(gè)迭代過程結(jié)束,獲得若干個(gè)IMF單分量序列。其中ε設(shè)置為10-6且約束條件表示為

    (8)

    1.2 改進(jìn)VMD方法

    ACROA是一種自適應(yīng)的優(yōu)化算法。它是由化學(xué)反應(yīng)的過程啟發(fā)的,即一組化學(xué)物質(zhì)轉(zhuǎn)化成另一組化學(xué)物質(zhì)的過程。ACROA中所用到的兩種基本化學(xué)反應(yīng)是單分子反應(yīng)和多分子反應(yīng)。因此,為了解決VMD中懲罰因子α和分解個(gè)數(shù)K按經(jīng)驗(yàn)性選擇的缺陷,本文提出一種基于ACROA的改進(jìn)VMD方法。其主要步驟如下[9]:

    (1) 描述優(yōu)化問題并設(shè)定VMD算法的初始參數(shù)。在優(yōu)化過程中優(yōu)化問題可概括為

    Minimize f(x)subject to xj∈Dj

    (9)

    式中:f(x)——優(yōu)化目標(biāo)函數(shù),這里設(shè)置f(x)為能量熵值;

    x——決策向量,j=1,2,3,…,N;

    N——信號(hào)長度;

    Dj——決策向量xj的約束區(qū)間。

    也就是說,當(dāng)目標(biāo)函數(shù)表示的能量熵值達(dá)到最小時(shí),此時(shí)輸出的參數(shù)為最優(yōu)值。同時(shí),為提高優(yōu)化算法的計(jì)算效率,本文將VMD方法中的懲罰因子α和分解個(gè)數(shù)K的尋優(yōu)范圍分別設(shè)置為[2,10]和[100,2000]。

    (2) 初始化反應(yīng)物且對(duì)其進(jìn)行評(píng)估。

    (3) 對(duì)化學(xué)反應(yīng)過程進(jìn)行模擬分析。

    (4) 更新反應(yīng)物。

    (5) 如果復(fù)合終止條件,則運(yùn)算終止,輸出優(yōu)化得到的全局最優(yōu)反應(yīng)物對(duì)應(yīng)的值,即為優(yōu)化得到的最優(yōu)懲罰因子α和分解個(gè)數(shù)K;否則返回第二步直至滿足迭代條件為止。

    (6) 采用具備最優(yōu)懲罰因子α和分解個(gè)數(shù)K的VMD方法進(jìn)行振動(dòng)信號(hào)分解,得到若干個(gè)精度更高的IMF分量。

    2 排列熵

    根據(jù)排列熵理論[10-11],對(duì)于給定的振動(dòng)信號(hào)x(t)。它的排列熵值HPE(m)可以定義如下:

    (10)

    式中:0≤Hp(m)≤ln(m!),當(dāng)Pj=1/m!時(shí),Hp(m) 有最大值ln(m!)。

    通常對(duì)Hp(m)進(jìn)行歸一化處理,即

    HPE=HPE(m)/ln(m!)

    (11)

    值得注意的是,熵值是反映信號(hào)復(fù)雜性程度的定量指標(biāo),排列熵值越小,說明信號(hào)的振動(dòng)特性越確定,區(qū)分能力越佳;反之,提取信號(hào)中的振動(dòng)特性能力越弱。由此排列熵值可以用于描述振動(dòng)信號(hào)之間的差異性,進(jìn)而實(shí)現(xiàn)不同狀態(tài)下振動(dòng)信號(hào)的特征區(qū)分,提高故障診斷的精確性。為了提高計(jì)算效率,本文選擇與文獻(xiàn)[11]一樣的嵌入維數(shù)和時(shí)間延遲進(jìn)行排列熵值計(jì)算,即選擇嵌入維數(shù)為6,時(shí)間延遲為1。

    3 基于改進(jìn)VMD排列熵和支持向量機(jī)的轉(zhuǎn)子故障診斷方法

    為了有效識(shí)別不同運(yùn)行狀態(tài)下的轉(zhuǎn)子振動(dòng)信號(hào),本文提出一種基于改進(jìn)VMD排列熵和ELM的轉(zhuǎn)子故障診斷方法。其基本流程如圖1所示。

    圖1 轉(zhuǎn)子故障診斷流程圖

    具體過程可描述如下:

    (1) 通過加速度傳感器采集不同運(yùn)行狀態(tài)下的轉(zhuǎn)子振動(dòng)信號(hào),得到n組樣本,隨機(jī)選擇其中的m組為訓(xùn)練樣本,剩余的當(dāng)作測試樣本。為了便于計(jì)算,本文取n=2m,即訓(xùn)練樣本與測試樣本具有等同數(shù)量。

    (2) 對(duì)采集得到的n組樣本數(shù)據(jù)信號(hào)進(jìn)行改進(jìn)VMD分解,獲得若干個(gè)IMF分量,提取前k個(gè)包含主要故障特征信息的IMF分量,將其排列熵值HPE(m)作為特征矢量,即

    T=[HPE1,HPE2,HPE3,…,HPEK]

    (12)

    (3) 將特征矢量輸入ELM進(jìn)行訓(xùn)練,實(shí)現(xiàn)不同運(yùn)行狀態(tài)下轉(zhuǎn)子振動(dòng)信號(hào)的有效判別。

    4 應(yīng)用實(shí)例

    為了模擬轉(zhuǎn)子常見故障信號(hào),采用Bently轉(zhuǎn)子試驗(yàn)臺(tái)進(jìn)行試驗(yàn)操作。轉(zhuǎn)子試驗(yàn)臺(tái)如圖2所示。試驗(yàn)過程中,采集設(shè)備的型號(hào)為ZonicBook/618E,均采用加速度傳感器測取轉(zhuǎn)子振動(dòng)信號(hào),用光電鍵相傳感器測轉(zhuǎn)速,測得轉(zhuǎn)子轉(zhuǎn)速為1500r/min。其中采樣頻率為1280Hz,采樣點(diǎn)數(shù)為1280。

    圖2 轉(zhuǎn)子試驗(yàn)臺(tái)

    圖3分別為轉(zhuǎn)子正常狀態(tài)、轉(zhuǎn)子基座松動(dòng)、轉(zhuǎn)子油膜渦動(dòng)、轉(zhuǎn)軸不平衡、轉(zhuǎn)軸不對(duì)中、轉(zhuǎn)子碰摩、等6種狀態(tài)下振動(dòng)信號(hào)的時(shí)域波形。試驗(yàn)過程中每組類型各采集120組振動(dòng)信號(hào),其中測試和訓(xùn)練樣本各為60組。表1為由改進(jìn)VMD得到的前4個(gè)IMF分量的排列熵值的計(jì)算結(jié)果(限于篇幅,每組類型僅列出了4個(gè)樣本的排列熵值)。

    根據(jù)本文方法流程,首先對(duì)正常狀態(tài)和故障狀態(tài)下轉(zhuǎn)子的振動(dòng)信號(hào)依次進(jìn)行采樣。隨后基于ACROA獲得最優(yōu)懲罰因子α和分解個(gè)數(shù)K分別為250和6,采用此優(yōu)化參數(shù)下的改進(jìn)VMD對(duì)采樣數(shù)據(jù)(以油膜渦動(dòng)加速度振動(dòng)信號(hào)為例)進(jìn)行分解,結(jié)果如圖4所示。前4個(gè)IMF分量包含了轉(zhuǎn)子的主要故障信息,分別求取其排列熵值得到特征矢量矩陣(結(jié)果見表1)。從表1可看出,6種狀態(tài)下的轉(zhuǎn)子振動(dòng)信號(hào)經(jīng)改進(jìn)VMD分解后各IMF分量的排列熵值都較小,說明排列熵值比較穩(wěn)定。此外,轉(zhuǎn)子在不同運(yùn)行狀態(tài)下各頻段的排列熵值各不相同,故排列熵值能夠當(dāng)作汽輪發(fā)電機(jī)轉(zhuǎn)子故障診斷中的敏感特征量。

    圖3 6種運(yùn)行狀態(tài)下轉(zhuǎn)子振動(dòng)加速度信號(hào)的時(shí)域波形

    圖4 振動(dòng)信號(hào)的改進(jìn)VMD分解結(jié)果

    首先將提取出來的一組特征向量輸入到ELM多故障分類器中進(jìn)行訓(xùn)練??紤]到不同的參數(shù)會(huì)影響到ELM的識(shí)別效果,因此在訓(xùn)練時(shí),為提高ELM的故障識(shí)別準(zhǔn)確精度,預(yù)先確定Sigmoidal函數(shù)作為ELM分類模型的激活函數(shù),隱含層最佳神經(jīng)元個(gè)數(shù)為20;隨后采用粒子群優(yōu)化算法[12-13]自適應(yīng)選擇ELM分類模型中的輸出層權(quán)值。圖5是適應(yīng)度函數(shù)的變化曲線。根據(jù)優(yōu)化結(jié)果可確定最大迭代步數(shù)為200步(即當(dāng)進(jìn)化代數(shù)為200時(shí)適應(yīng)度函數(shù)趨近于穩(wěn)定),此時(shí)得到最優(yōu)的輸出層權(quán)值為8,最后將最優(yōu)輸出權(quán)值輸入到ELM模型進(jìn)行模式識(shí)別。

    表1 各種狀態(tài)下轉(zhuǎn)子的特征向量

    不同運(yùn)行狀態(tài)下轉(zhuǎn)子振動(dòng)信號(hào)的識(shí)別結(jié)果如表2所示。由表2能夠得出結(jié)論:ELM擁有較高的識(shí)別正確率,而且具備很高的計(jì)算效率,驗(yàn)證了本文所述方法的有效性。

    圖5 適應(yīng)度函數(shù)隨進(jìn)化代數(shù)的變化曲線

    表2 比較不同分類器的分解性能

    為說明本文方法的有效性,首先對(duì)比了一下改進(jìn)VMD與EMD方法對(duì)轉(zhuǎn)子故障信號(hào)的分解效果。圖6為EMD對(duì)采樣數(shù)據(jù)(以油膜渦動(dòng)加速度振動(dòng)信號(hào)為例)進(jìn)行分解的結(jié)果,結(jié)合圖4改進(jìn)VMD的分解效果,可知改進(jìn)VMD方法克服了EMD方法的模態(tài)混疊現(xiàn)象。同時(shí)將基于改進(jìn)VMD排列熵和ELM的轉(zhuǎn)子故障診斷方法分別與改進(jìn)VMD排列熵結(jié)合支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行比較。將三種方法的分類識(shí)別結(jié)果(見圖7~圖9)和表2的分析結(jié)果進(jìn)行直觀對(duì)比。

    圖6 振動(dòng)信號(hào)的EMD分解結(jié)果

    從表2和圖7~圖9中都可以看出,本文方法與支持向量機(jī)具備相同的測試精度,但就訓(xùn)練時(shí)間而言,本文所述方法優(yōu)勢明顯。此外,從表2及圖7~圖9中也可明顯發(fā)現(xiàn),相對(duì)于BP神經(jīng)網(wǎng)絡(luò)的方法,本文所述方法在訓(xùn)練時(shí)間、收斂速度以及測試精度上都存在突出優(yōu)勢,并且在小樣本情況下所提方法仍具有良好的預(yù)測推廣能力。

    圖7 ELM的測試結(jié)果

    圖8 支持向量機(jī)的測試結(jié)果

    圖9 BP神經(jīng)網(wǎng)絡(luò)的測試結(jié)果

    5 結(jié) 語

    (1) 為了克服VMD中懲罰因子α和分解個(gè)數(shù)K按經(jīng)驗(yàn)性選擇的問題,提出了一種基于人工化學(xué)反應(yīng)算法的改進(jìn)VMD方法。

    (2) 通過轉(zhuǎn)子試驗(yàn)臺(tái)數(shù)據(jù)分析結(jié)果表明,基于改進(jìn)VMD結(jié)合排列熵和ELM的轉(zhuǎn)子故障診斷方法能有效實(shí)現(xiàn)不同狀態(tài)下轉(zhuǎn)子振動(dòng)信號(hào)的模式識(shí)別。

    (3) 與BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)相比,改進(jìn)VMD方法和ELM相結(jié)合進(jìn)行故障診斷能實(shí)現(xiàn)快速、準(zhǔn)確地轉(zhuǎn)子故障狀態(tài)辨識(shí)。

    [1] 唐貴基,龐彬.改進(jìn)的HVD方法在轉(zhuǎn)子故障診斷中的應(yīng)用[J].電機(jī)與控制應(yīng)用,2015,42(2):73-78.

    [2] 李永剛,韓冰.基于Ansoft的汽輪發(fā)電機(jī)轉(zhuǎn)子匝間短路故障分析[J].電機(jī)與控制應(yīng)用,2015,42(11):85-90.

    [3] HUANG N E, SHEN Z, LONG S R, et al. The Empirical mode decomposition and the hilbert spectrum for nonlinear and non-stationary time series analysis [J]. Proc R Soc Lond A, 1998(454):903-994.

    [4] SMITH J S. The local mean decomposition and its application to EEG perception data[J]. Journal of the Royal Society Interface, 2005,2(5):443- 454.

    [5] 向玲,鄢小安.汽輪機(jī)轉(zhuǎn)子故障診斷中LMD法和EMD法的性能對(duì)比研究[J].動(dòng)力工程學(xué)報(bào),2014,34(12):945-951.

    [6] DRAGOMIRETSKIY K, ZOSSO D. Variational mode decomposition[J]. Signal Processing, IEEE Transactions on, 2014,62(3):531-544.

    [7] ZHANG X, LIANG Y, ZHOU J. A novel bearing fault diagnosis model integrated permutation entropy, ensemble empirical mode decomposition and optimized SVM[J]. Measurement, 2015(69):164-179.

    [8] 陳立軍,孫凱,侯媛媛,等.基于極限學(xué)習(xí)機(jī)的汽輪機(jī)故障診斷[J].化工自動(dòng)化及儀表,2013(4):435- 438.

    [9] BILAL A. ACROA:artificial chemical reaction optimization algorithm for global optimization[J]. Expert Systems with Applications,2011(38):13170-13180.

    [10] 馮輔周,饒國強(qiáng),司愛威,等.排列熵算法研究及其在振動(dòng)信號(hào)突變檢測中的應(yīng)用[J].振動(dòng)工程學(xué)報(bào),2012(2):221-224.

    [11] 鄭近德,程軍圣,楊宇.基于LCD和排列熵的滾動(dòng)軸承故障診斷[J].振動(dòng)、測試與診斷,2014(5):802-806.

    [12] 仇曉智,張德利,黃葆華,等.基于改進(jìn)粒子群算法的機(jī)組負(fù)荷優(yōu)化分配[J].汽輪機(jī)技術(shù),2012(4):293-296.

    [13] 王慧麗,李文卿,吳慶朝.改進(jìn)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的SRM轉(zhuǎn)子位置間接檢測[J].電機(jī)與控制應(yīng)用,2014,41(11):49-54.

    Turbine Generator Rotor Fault Diagnosis Method Based on Improved Variational Mode Decomposition Permutation Entropy and Extreme Learning Machine*

    FENGPeiyan1,ZHANGShaobo2

    (1. School of Mechanical and Electrical Engineering, Suzhou Industry Park Institute of Vocational Technology, Suzhou 215123, China;2. School of Mechanical Engineering, North China Electric Power University, Baoding 071003, China)

    Aim at the nonlinear and non-stationary of the actual rotor vibration signal as well as the difficulty of rotor fault type identification, a rotor fault diagnosis method based on the improved VMD permutation entropy and extreme learning machine was proposed. Firstly, to overcome the empirical selection of punishment factor and the number of decomposition in VMD, an improved VMD based on the artificial chemical reaction algorithm was proposed to decompose the vibration signal and obtain several intrinsic mode components (IMFs). Then permutation entropy value of intrinsic mode components containing the main fault characteristic information was computed. Finally, permutation entropy was regarded as eigenvector and was input to extreme learning machine; pattern recognition of the rotor vibration signals under different condition of could be realized. The proposed method was applied to the rotor experiment data, the analysis results showed that the proposed method could effectively identify rotor vibration signal under different running status and improved the pattern recognition accuracy.

    variational mode decomposition(VMD); artificial chemical reaction algorithm; permutation entropy; extreme learning machine; fault diagnosis

    國家自然科學(xué)基金項(xiàng)目(11072078)

    馮培燕(1980—),女,碩士研究生,講師,研究方向?yàn)殡娬驹O(shè)備狀態(tài)監(jiān)測與故障診斷。 張少波(1974—),女,副教授,研究方向?yàn)闄C(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷。

    TM 307+.1

    A

    1673- 6540(2016)11- 0086- 06

    2016-05-09

    猜你喜歡
    變分分量故障診斷
    帽子的分量
    逆擬變分不等式問題的相關(guān)研究
    求解變分不等式的一種雙投影算法
    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
    關(guān)于一個(gè)約束變分問題的注記
    分量
    一個(gè)擾動(dòng)變分不等式的可解性
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    av在线播放精品| 中文精品一卡2卡3卡4更新| 国产av码专区亚洲av| 男人添女人高潮全过程视频| 国产片特级美女逼逼视频| 欧美另类一区| 街头女战士在线观看网站| 边亲边吃奶的免费视频| 99久久精品一区二区三区| 亚洲成人久久爱视频| av国产精品久久久久影院| 精品久久久久久电影网| 色综合色国产| 免费黄网站久久成人精品| 国产精品久久久久久精品古装| 日韩免费高清中文字幕av| 久久精品久久久久久噜噜老黄| 日本-黄色视频高清免费观看| 国产白丝娇喘喷水9色精品| 成人欧美大片| 卡戴珊不雅视频在线播放| 亚洲精品色激情综合| 国产免费一级a男人的天堂| 国产精品.久久久| 91精品一卡2卡3卡4卡| 国产片特级美女逼逼视频| 国产精品女同一区二区软件| 五月伊人婷婷丁香| 制服丝袜香蕉在线| 一级毛片黄色毛片免费观看视频| 欧美最新免费一区二区三区| 成人美女网站在线观看视频| 中文字幕制服av| 国产精品久久久久久精品电影小说 | 久久久久久久久久久免费av| 国产精品久久久久久久久免| 午夜免费鲁丝| 我的女老师完整版在线观看| 亚洲欧洲国产日韩| 免费高清在线观看视频在线观看| 亚洲天堂国产精品一区在线| 日韩一区二区三区影片| 国内精品宾馆在线| 日韩成人av中文字幕在线观看| 2018国产大陆天天弄谢| av免费在线看不卡| 久久久久久久久久人人人人人人| 成人亚洲精品av一区二区| 在线免费十八禁| 一级毛片久久久久久久久女| 日韩欧美精品v在线| 国产av码专区亚洲av| 日韩在线高清观看一区二区三区| 九九爱精品视频在线观看| 2021少妇久久久久久久久久久| 日韩伦理黄色片| 男人添女人高潮全过程视频| 亚洲美女搞黄在线观看| 国产视频内射| 在现免费观看毛片| 最后的刺客免费高清国语| 国产一区二区亚洲精品在线观看| 黄片wwwwww| 最近中文字幕高清免费大全6| 欧美性猛交╳xxx乱大交人| 欧美一区二区亚洲| 精品久久国产蜜桃| 亚洲一级一片aⅴ在线观看| 国产一区二区在线观看日韩| eeuss影院久久| 街头女战士在线观看网站| 日本黄大片高清| 精品久久久久久久人妻蜜臀av| 亚洲国产精品国产精品| 最近最新中文字幕大全电影3| 欧美高清性xxxxhd video| 国产精品一区www在线观看| av国产精品久久久久影院| 欧美一区二区亚洲| 久久久成人免费电影| 国产真实伦视频高清在线观看| 亚洲自拍偷在线| 五月伊人婷婷丁香| 肉色欧美久久久久久久蜜桃 | 99久久精品热视频| 国产黄色免费在线视频| 一级毛片黄色毛片免费观看视频| 亚洲成人av在线免费| 国产av码专区亚洲av| 国产精品99久久久久久久久| 真实男女啪啪啪动态图| 午夜精品国产一区二区电影 | 亚洲不卡免费看| 欧美xxxx性猛交bbbb| 亚洲欧美清纯卡通| 国模一区二区三区四区视频| 91久久精品国产一区二区成人| 视频中文字幕在线观看| 日韩成人av中文字幕在线观看| 色哟哟·www| 2018国产大陆天天弄谢| 看非洲黑人一级黄片| 日本黄大片高清| .国产精品久久| 黄色配什么色好看| 中国美白少妇内射xxxbb| 国产免费又黄又爽又色| 乱码一卡2卡4卡精品| 国产91av在线免费观看| 日本黄色片子视频| 亚洲欧美一区二区三区国产| 婷婷色综合www| 国模一区二区三区四区视频| 日日摸夜夜添夜夜爱| 欧美少妇被猛烈插入视频| 日本猛色少妇xxxxx猛交久久| 亚洲国产欧美人成| 久久精品久久精品一区二区三区| a级毛片免费高清观看在线播放| 一区二区av电影网| 男女边摸边吃奶| 国产极品天堂在线| 看非洲黑人一级黄片| 免费播放大片免费观看视频在线观看| 国产男女超爽视频在线观看| 久久女婷五月综合色啪小说 | 三级国产精品欧美在线观看| 国产免费福利视频在线观看| 免费人成在线观看视频色| 久久精品久久久久久久性| 91精品国产九色| 伊人久久国产一区二区| 99热这里只有是精品50| 乱码一卡2卡4卡精品| 亚洲av不卡在线观看| 最近最新中文字幕大全电影3| 国产免费又黄又爽又色| 国产在线一区二区三区精| 欧美日韩亚洲高清精品| 成人亚洲精品av一区二区| 国产成人a区在线观看| 精品久久久久久久人妻蜜臀av| 另类亚洲欧美激情| 亚洲最大成人中文| 精品国产一区二区三区久久久樱花 | 青春草视频在线免费观看| 久久久久久久亚洲中文字幕| 欧美成人午夜免费资源| 欧美极品一区二区三区四区| 久久久久国产精品人妻一区二区| 欧美xxxx性猛交bbbb| 成人二区视频| 99热全是精品| 最近的中文字幕免费完整| 国产一区二区三区av在线| 国产免费一级a男人的天堂| 亚洲av日韩在线播放| 边亲边吃奶的免费视频| 91久久精品电影网| 国产黄色免费在线视频| 免费播放大片免费观看视频在线观看| 99久久精品热视频| 国产av不卡久久| 久久99热这里只有精品18| 国产精品av视频在线免费观看| 久久精品国产自在天天线| 男女下面进入的视频免费午夜| 久久国产乱子免费精品| 亚洲精品成人久久久久久| 国产一区二区在线观看日韩| 欧美日韩精品成人综合77777| 亚洲精品成人久久久久久| 国产真实伦视频高清在线观看| 亚洲av成人精品一二三区| 亚洲一级一片aⅴ在线观看| 成人国产av品久久久| 身体一侧抽搐| 2021天堂中文幕一二区在线观| 亚洲熟女精品中文字幕| 免费电影在线观看免费观看| 狂野欧美激情性xxxx在线观看| 欧美日韩国产mv在线观看视频 | 午夜免费鲁丝| 久久韩国三级中文字幕| 18禁在线无遮挡免费观看视频| 亚洲av免费高清在线观看| 最近的中文字幕免费完整| 韩国av在线不卡| 中文字幕人妻熟人妻熟丝袜美| 国产伦在线观看视频一区| 最近中文字幕2019免费版| 亚洲国产高清在线一区二区三| 国产永久视频网站| 日产精品乱码卡一卡2卡三| 久久精品国产自在天天线| xxx大片免费视频| 国精品久久久久久国模美| 熟女人妻精品中文字幕| 女人被狂操c到高潮| 天堂网av新在线| 内射极品少妇av片p| 99精国产麻豆久久婷婷| 国产免费福利视频在线观看| 97人妻精品一区二区三区麻豆| 久久久国产一区二区| 亚洲欧美日韩卡通动漫| 99久国产av精品国产电影| 下体分泌物呈黄色| 简卡轻食公司| 又爽又黄无遮挡网站| 在线观看人妻少妇| 亚洲丝袜综合中文字幕| av专区在线播放| 久久亚洲国产成人精品v| 国产欧美亚洲国产| 女人久久www免费人成看片| 国产熟女欧美一区二区| 91午夜精品亚洲一区二区三区| 精华霜和精华液先用哪个| 日韩三级伦理在线观看| av一本久久久久| 国产亚洲av嫩草精品影院| 精品一区二区三区视频在线| 最近的中文字幕免费完整| 国产精品伦人一区二区| 熟妇人妻不卡中文字幕| 涩涩av久久男人的天堂| 国产淫语在线视频| 亚洲精华国产精华液的使用体验| 日韩成人伦理影院| 国产高清不卡午夜福利| 人妻夜夜爽99麻豆av| 亚洲怡红院男人天堂| 精品久久久久久久久av| 国产成人免费无遮挡视频| 狂野欧美白嫩少妇大欣赏| 最近最新中文字幕大全电影3| 中文字幕久久专区| 亚洲在久久综合| 国产永久视频网站| 日本wwww免费看| 视频中文字幕在线观看| 免费黄色在线免费观看| 国产高清三级在线| 国产在线男女| 欧美日韩综合久久久久久| 哪个播放器可以免费观看大片| 我的女老师完整版在线观看| 舔av片在线| 男人爽女人下面视频在线观看| 99热这里只有是精品在线观看| 极品教师在线视频| 极品少妇高潮喷水抽搐| 不卡视频在线观看欧美| 亚洲精品aⅴ在线观看| 亚洲av成人精品一二三区| 午夜福利网站1000一区二区三区| 神马国产精品三级电影在线观看| 高清日韩中文字幕在线| 久久人人爽av亚洲精品天堂 | 青春草亚洲视频在线观看| 男人爽女人下面视频在线观看| 涩涩av久久男人的天堂| 十八禁网站网址无遮挡 | 久久午夜福利片| 一级黄片播放器| 男女那种视频在线观看| 久久女婷五月综合色啪小说 | 日本av手机在线免费观看| 狂野欧美激情性bbbbbb| 国产综合懂色| 日韩成人伦理影院| 成年女人看的毛片在线观看| 26uuu在线亚洲综合色| 日本av手机在线免费观看| 青春草国产在线视频| 可以在线观看毛片的网站| 少妇高潮的动态图| 日韩av不卡免费在线播放| 久久99热这里只有精品18| 精品一区在线观看国产| 热99国产精品久久久久久7| 亚洲精品乱码久久久v下载方式| 国产精品不卡视频一区二区| 边亲边吃奶的免费视频| 中文欧美无线码| 七月丁香在线播放| 久久久精品94久久精品| 欧美xxxx黑人xx丫x性爽| 狂野欧美白嫩少妇大欣赏| videos熟女内射| 特级一级黄色大片| 欧美精品人与动牲交sv欧美| 精品久久久久久电影网| 久久人人爽av亚洲精品天堂 | 国产av国产精品国产| 亚洲欧美一区二区三区国产| 新久久久久国产一级毛片| 99re6热这里在线精品视频| 边亲边吃奶的免费视频| 免费av毛片视频| 国产黄片视频在线免费观看| 日韩 亚洲 欧美在线| 乱码一卡2卡4卡精品| 国产一区二区三区综合在线观看 | 秋霞在线观看毛片| 一级爰片在线观看| 成年版毛片免费区| 少妇被粗大猛烈的视频| 精品一区在线观看国产| 亚洲欧美中文字幕日韩二区| 亚洲国产精品国产精品| 波野结衣二区三区在线| 99热国产这里只有精品6| 搡老乐熟女国产| 国产老妇伦熟女老妇高清| 免费黄频网站在线观看国产| av天堂中文字幕网| 九九久久精品国产亚洲av麻豆| 一区二区三区免费毛片| 欧美高清性xxxxhd video| 伊人久久精品亚洲午夜| 国产 一区精品| 精品少妇久久久久久888优播| 亚洲精品456在线播放app| 日韩欧美一区视频在线观看 | 午夜免费鲁丝| 少妇熟女欧美另类| 中文在线观看免费www的网站| 一个人看的www免费观看视频| 婷婷色综合大香蕉| 亚洲av一区综合| 久久久久网色| 尤物成人国产欧美一区二区三区| 看免费成人av毛片| 神马国产精品三级电影在线观看| 亚洲国产欧美在线一区| 欧美日韩国产mv在线观看视频 | 高清在线视频一区二区三区| 最近中文字幕2019免费版| 精品国产三级普通话版| 久久午夜福利片| 久久久久久久国产电影| 国产老妇女一区| 亚州av有码| 乱系列少妇在线播放| 国产伦精品一区二区三区四那| 神马国产精品三级电影在线观看| 亚洲av电影在线观看一区二区三区 | 国产亚洲精品久久久com| 免费黄频网站在线观看国产| 成人免费观看视频高清| 色5月婷婷丁香| 亚洲一区二区三区欧美精品 | 亚洲图色成人| 亚洲国产高清在线一区二区三| 久久久久久伊人网av| 国产精品久久久久久av不卡| 欧美成人午夜免费资源| 看十八女毛片水多多多| 最新中文字幕久久久久| 免费观看无遮挡的男女| 蜜桃久久精品国产亚洲av| 亚洲色图av天堂| 九九久久精品国产亚洲av麻豆| 精品久久久精品久久久| 日本一本二区三区精品| 国产探花极品一区二区| 日韩不卡一区二区三区视频在线| 久久久久九九精品影院| 久久久久久久亚洲中文字幕| 欧美三级亚洲精品| 国产一区亚洲一区在线观看| 亚洲最大成人手机在线| 亚洲在线观看片| 日本-黄色视频高清免费观看| 国产精品一及| 国产免费一区二区三区四区乱码| 别揉我奶头 嗯啊视频| .国产精品久久| 高清日韩中文字幕在线| 午夜福利视频1000在线观看| 亚洲人成网站高清观看| 大话2 男鬼变身卡| 亚洲精品色激情综合| 精品久久久精品久久久| 别揉我奶头 嗯啊视频| 色网站视频免费| 爱豆传媒免费全集在线观看| 在现免费观看毛片| av专区在线播放| 神马国产精品三级电影在线观看| 亚洲av电影在线观看一区二区三区 | 国产精品一区www在线观看| 欧美潮喷喷水| 亚洲欧美精品专区久久| 18禁在线无遮挡免费观看视频| 亚洲人成网站高清观看| 日产精品乱码卡一卡2卡三| 18禁在线播放成人免费| 国产一级毛片在线| 网址你懂的国产日韩在线| 丰满人妻一区二区三区视频av| 人妻少妇偷人精品九色| 人妻制服诱惑在线中文字幕| 日韩大片免费观看网站| 日韩 亚洲 欧美在线| 大香蕉久久网| 日日撸夜夜添| 少妇人妻精品综合一区二区| 欧美激情久久久久久爽电影| 亚洲精品乱久久久久久| 免费看av在线观看网站| 一级毛片黄色毛片免费观看视频| 一级片'在线观看视频| 亚洲精品456在线播放app| 亚洲成色77777| av免费在线看不卡| 国产精品久久久久久精品电影小说 | 色哟哟·www| 国产精品蜜桃在线观看| 日本免费在线观看一区| 亚洲精品国产色婷婷电影| 日本免费在线观看一区| 成人国产麻豆网| 在线 av 中文字幕| 亚洲国产日韩一区二区| 777米奇影视久久| 蜜桃亚洲精品一区二区三区| av.在线天堂| 久久久精品欧美日韩精品| 高清毛片免费看| 国内少妇人妻偷人精品xxx网站| av一本久久久久| 热re99久久精品国产66热6| 高清午夜精品一区二区三区| 偷拍熟女少妇极品色| 久久精品国产鲁丝片午夜精品| 日韩一本色道免费dvd| 丝袜美腿在线中文| 男女那种视频在线观看| 在线观看av片永久免费下载| 黄色怎么调成土黄色| 乱码一卡2卡4卡精品| 2022亚洲国产成人精品| 久久韩国三级中文字幕| 可以在线观看毛片的网站| 少妇人妻一区二区三区视频| 日韩欧美精品免费久久| 国产伦精品一区二区三区四那| 美女主播在线视频| 好男人在线观看高清免费视频| 一个人看视频在线观看www免费| 成人国产av品久久久| 亚洲欧美日韩卡通动漫| 涩涩av久久男人的天堂| 中文字幕av成人在线电影| 亚洲av一区综合| 伊人久久国产一区二区| 两个人的视频大全免费| 视频中文字幕在线观看| 成人欧美大片| 日日撸夜夜添| 干丝袜人妻中文字幕| 国产精品一区二区在线观看99| 大码成人一级视频| 三级国产精品片| 色网站视频免费| 综合色av麻豆| 国产乱人偷精品视频| 亚洲av中文av极速乱| 亚洲婷婷狠狠爱综合网| 亚洲精品一二三| 亚洲一级一片aⅴ在线观看| 性色av一级| 成年女人看的毛片在线观看| 久久久精品欧美日韩精品| 亚洲av不卡在线观看| 成人毛片60女人毛片免费| 久久97久久精品| 国产淫语在线视频| 久久精品国产自在天天线| 国产淫片久久久久久久久| 国产毛片a区久久久久| 日本猛色少妇xxxxx猛交久久| 欧美成人精品欧美一级黄| 天天躁夜夜躁狠狠久久av| 欧美日韩国产mv在线观看视频 | 丝袜喷水一区| av播播在线观看一区| 丝袜脚勾引网站| 少妇高潮的动态图| 有码 亚洲区| 九九久久精品国产亚洲av麻豆| 五月天丁香电影| 九草在线视频观看| 久久久久久久午夜电影| 老师上课跳d突然被开到最大视频| 国产黄频视频在线观看| 男人和女人高潮做爰伦理| 亚洲欧美日韩东京热| 色哟哟·www| 97在线人人人人妻| 国产精品福利在线免费观看| 毛片女人毛片| 久久久久国产网址| 少妇的逼好多水| 蜜桃久久精品国产亚洲av| av在线观看视频网站免费| 久久久色成人| 三级男女做爰猛烈吃奶摸视频| 超碰av人人做人人爽久久| 久久久久久久亚洲中文字幕| 黄片wwwwww| 少妇熟女欧美另类| 国产免费福利视频在线观看| 六月丁香七月| 色5月婷婷丁香| 国产国拍精品亚洲av在线观看| 高清毛片免费看| 久久99精品国语久久久| 人妻少妇偷人精品九色| 亚洲第一区二区三区不卡| 欧美激情在线99| 日韩成人伦理影院| 在线观看三级黄色| 日本三级黄在线观看| 亚洲熟女精品中文字幕| 国产精品99久久99久久久不卡 | 99久国产av精品国产电影| 国产一区二区三区综合在线观看 | 欧美97在线视频| 日韩制服骚丝袜av| 久热久热在线精品观看| 国内少妇人妻偷人精品xxx网站| 大片免费播放器 马上看| 欧美人与善性xxx| a级毛片免费高清观看在线播放| 男女那种视频在线观看| 精品国产三级普通话版| 成年免费大片在线观看| 我的老师免费观看完整版| 六月丁香七月| 不卡视频在线观看欧美| 久久久久久国产a免费观看| 97在线人人人人妻| 国产真实伦视频高清在线观看| 国产淫片久久久久久久久| 国产黄片美女视频| 国产高清有码在线观看视频| 另类亚洲欧美激情| 国产欧美另类精品又又久久亚洲欧美| 久久久久久久国产电影| 汤姆久久久久久久影院中文字幕| 久久久色成人| 黄色日韩在线| 一二三四中文在线观看免费高清| 尾随美女入室| 亚洲精品国产色婷婷电影| 亚洲av成人精品一区久久| 久久久久久伊人网av| 亚洲美女搞黄在线观看| 亚洲欧洲国产日韩| 国产精品蜜桃在线观看| 国产精品无大码| 亚洲精品成人av观看孕妇| 欧美精品一区二区大全| 亚洲最大成人手机在线| 亚洲经典国产精华液单| 嫩草影院入口| 亚洲色图av天堂| 一个人观看的视频www高清免费观看| 九草在线视频观看| 国产高清有码在线观看视频| 内射极品少妇av片p| 久久人人爽av亚洲精品天堂 | 欧美成人午夜免费资源| 久久久久久九九精品二区国产| 六月丁香七月| av天堂中文字幕网| 欧美性猛交╳xxx乱大交人| 精品亚洲乱码少妇综合久久| 国产一区二区在线观看日韩| 超碰97精品在线观看| 一区二区三区精品91| 亚洲欧美日韩另类电影网站 | 国产精品麻豆人妻色哟哟久久| 久久久久久伊人网av| 丝袜喷水一区| 精品午夜福利在线看| 免费少妇av软件| 自拍欧美九色日韩亚洲蝌蚪91 | 免费av毛片视频| 日日啪夜夜爽| 国产成年人精品一区二区| 国产日韩欧美在线精品| 亚洲精品乱久久久久久| 国产日韩欧美在线精品| 日韩三级伦理在线观看| 国产色婷婷99| 久久人人爽人人爽人人片va| 一级毛片aaaaaa免费看小| 精品久久国产蜜桃| 日韩在线高清观看一区二区三区| 精品一区在线观看国产| 日韩在线高清观看一区二区三区| 国产亚洲最大av| 91狼人影院| 久久99热这里只频精品6学生| 免费看光身美女| av在线播放精品| 亚洲成色77777| 97热精品久久久久久| 国产av码专区亚洲av| 亚洲四区av|