• <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
    国产av不卡久久| 国内精品宾馆在线| 色av中文字幕| 日日摸夜夜添夜夜添小说| 日韩,欧美,国产一区二区三区 | 88av欧美| 欧美xxxx黑人xx丫x性爽| 亚洲成a人片在线一区二区| 大又大粗又爽又黄少妇毛片口| 国产精品98久久久久久宅男小说| 男女下面进入的视频免费午夜| 深爱激情五月婷婷| 女人被狂操c到高潮| 国产亚洲精品av在线| 日韩欧美 国产精品| 香蕉av资源在线| 亚洲五月天丁香| 免费看av在线观看网站| 国产亚洲精品综合一区在线观看| 日本五十路高清| 精品久久国产蜜桃| 精品无人区乱码1区二区| 精品国内亚洲2022精品成人| 老熟妇仑乱视频hdxx| 亚州av有码| 中国美女看黄片| 校园春色视频在线观看| 看十八女毛片水多多多| www.色视频.com| 男女视频在线观看网站免费| 国产又黄又爽又无遮挡在线| 国产精品一区二区性色av| 精品乱码久久久久久99久播| 在线免费十八禁| 精品一区二区三区av网在线观看| 欧美一区二区精品小视频在线| 亚洲自偷自拍三级| 国产真实乱freesex| 亚洲av成人精品一区久久| .国产精品久久| 午夜a级毛片| 两个人视频免费观看高清| 美女高潮的动态| 在线播放无遮挡| 波多野结衣高清无吗| 久久精品影院6| 午夜精品在线福利| 亚洲av成人精品一区久久| 欧美三级亚洲精品| 精品久久久久久久久av| 国产中年淑女户外野战色| 国产伦精品一区二区三区四那| 成人av一区二区三区在线看| 亚洲狠狠婷婷综合久久图片| 色视频www国产| netflix在线观看网站| 成人国产一区最新在线观看| 国内毛片毛片毛片毛片毛片| 欧美高清性xxxxhd video| 欧美不卡视频在线免费观看| 久久精品国产清高在天天线| 成人性生交大片免费视频hd| 亚洲无线观看免费| 在线观看一区二区三区| 欧美激情在线99| 婷婷丁香在线五月| 女同久久另类99精品国产91| 国产精品一区二区三区四区久久| 精品欧美国产一区二区三| 黄色欧美视频在线观看| 此物有八面人人有两片| 一夜夜www| 亚洲欧美精品综合久久99| 看免费成人av毛片| 久久精品国产清高在天天线| 国产精品美女特级片免费视频播放器| 国产精品一区二区免费欧美| 韩国av一区二区三区四区| 此物有八面人人有两片| 国产av不卡久久| 欧美黑人巨大hd| 亚洲精品久久国产高清桃花| 亚洲最大成人手机在线| 国产人妻一区二区三区在| 国产亚洲欧美98| 高清在线国产一区| 欧美日本视频| 在线观看免费视频日本深夜| 午夜免费成人在线视频| 国产精品三级大全| 在现免费观看毛片| 欧美另类亚洲清纯唯美| 波多野结衣巨乳人妻| 亚洲色图av天堂| 国产三级在线视频| 亚洲av成人av| 一区二区三区免费毛片| 97超级碰碰碰精品色视频在线观看| 免费黄网站久久成人精品| 精品久久久久久久人妻蜜臀av| 欧美日韩综合久久久久久 | 欧美日韩乱码在线| 很黄的视频免费| 欧美国产日韩亚洲一区| 国产爱豆传媒在线观看| 免费观看人在逋| 一卡2卡三卡四卡精品乱码亚洲| 亚洲av二区三区四区| 香蕉av资源在线| 久久久色成人| 不卡视频在线观看欧美| 99久久中文字幕三级久久日本| 春色校园在线视频观看| 国产欧美日韩精品一区二区| 91av网一区二区| 亚洲黑人精品在线| 国产精品野战在线观看| 午夜福利欧美成人| 一本一本综合久久| 亚洲午夜理论影院| 黄色女人牲交| 国内精品久久久久久久电影| 伦精品一区二区三区| 一级a爱片免费观看的视频| 少妇猛男粗大的猛烈进出视频 | 免费看av在线观看网站| 波野结衣二区三区在线| 亚洲熟妇熟女久久| 亚洲avbb在线观看| 国产爱豆传媒在线观看| 欧美激情在线99| 老师上课跳d突然被开到最大视频| 亚洲电影在线观看av| 国产成人福利小说| 桃色一区二区三区在线观看| 中文亚洲av片在线观看爽| 亚洲熟妇熟女久久| 99热这里只有精品一区| 熟女电影av网| 欧美性猛交黑人性爽| 老司机午夜福利在线观看视频| 网址你懂的国产日韩在线| 99热只有精品国产| 亚洲精品456在线播放app | 别揉我奶头~嗯~啊~动态视频| 欧美日本视频| 久久这里只有精品中国| 中文字幕精品亚洲无线码一区| 伊人久久精品亚洲午夜| 日日撸夜夜添| 麻豆精品久久久久久蜜桃| 国产精品乱码一区二三区的特点| 五月玫瑰六月丁香| 中出人妻视频一区二区| 色哟哟哟哟哟哟| 综合色av麻豆| 国产在视频线在精品| 麻豆久久精品国产亚洲av| or卡值多少钱| 一本精品99久久精品77| 日韩欧美国产一区二区入口| 欧美激情在线99| 亚洲人成网站高清观看| 午夜福利18| videossex国产| 大又大粗又爽又黄少妇毛片口| 国产精品福利在线免费观看| 一本一本综合久久| 欧美精品啪啪一区二区三区| 色哟哟·www| 免费看日本二区| 一区二区三区激情视频| 岛国在线免费视频观看| 99久久精品一区二区三区| 亚洲精品日韩av片在线观看| 久9热在线精品视频| 久久久久久久久久成人| 国产黄a三级三级三级人| 久久久久性生活片| 亚洲电影在线观看av| 国产精品自产拍在线观看55亚洲| 国产高清三级在线| 欧美日本亚洲视频在线播放| 久久久国产成人免费| 欧美+日韩+精品| 一进一出好大好爽视频| 干丝袜人妻中文字幕| 国产视频一区二区在线看| 色综合站精品国产| 日韩欧美国产在线观看| 欧美+亚洲+日韩+国产| 亚洲aⅴ乱码一区二区在线播放| 男女那种视频在线观看| 国产不卡一卡二| 久久午夜亚洲精品久久| 色5月婷婷丁香| 丰满的人妻完整版| 免费在线观看成人毛片| 久久精品91蜜桃| 国产精品自产拍在线观看55亚洲| 国产又黄又爽又无遮挡在线| 日韩中字成人| 国内精品久久久久久久电影| 三级国产精品欧美在线观看| 国产精品久久久久久av不卡| 窝窝影院91人妻| 97人妻精品一区二区三区麻豆| 一本久久中文字幕| 天天一区二区日本电影三级| 91久久精品国产一区二区三区| 亚洲图色成人| 中文字幕av成人在线电影| 毛片一级片免费看久久久久 | 色吧在线观看| 亚洲男人的天堂狠狠| 国产高潮美女av| 日本五十路高清| 日韩高清综合在线| 亚洲欧美日韩东京热| 波多野结衣高清作品| 老司机午夜福利在线观看视频| 999久久久精品免费观看国产| 免费大片18禁| 欧美潮喷喷水| 我的女老师完整版在线观看| 如何舔出高潮| av天堂在线播放| 中国美女看黄片| 日日摸夜夜添夜夜添av毛片 | 亚洲精华国产精华液的使用体验 | 黄片wwwwww| 熟女人妻精品中文字幕| 亚洲色图av天堂| a级毛片免费高清观看在线播放| 在线播放国产精品三级| 美女大奶头视频| 真人一进一出gif抽搐免费| 一个人看视频在线观看www免费| 国产高清视频在线观看网站| 高清在线国产一区| 国产一区二区在线观看日韩| 成人鲁丝片一二三区免费| 亚洲中文字幕一区二区三区有码在线看| 深爱激情五月婷婷| 人人妻人人看人人澡| 国产精品久久久久久精品电影| 在线看三级毛片| 久久精品91蜜桃| 成人午夜高清在线视频| 国产精品99久久久久久久久| 亚洲精品国产成人久久av| 国内久久婷婷六月综合欲色啪| 日韩精品青青久久久久久| videossex国产| 国产精品99久久久久久久久| 我要看日韩黄色一级片| 日韩一区二区视频免费看| 国产精品av视频在线免费观看| 非洲黑人性xxxx精品又粗又长| 中文亚洲av片在线观看爽| 日本爱情动作片www.在线观看 | 亚洲精品亚洲一区二区| 久9热在线精品视频| .国产精品久久| 在线观看美女被高潮喷水网站| 亚洲三级黄色毛片| 亚洲自偷自拍三级| 观看免费一级毛片| 九九久久精品国产亚洲av麻豆| 麻豆精品久久久久久蜜桃| 色哟哟哟哟哟哟| 亚洲精品影视一区二区三区av| 在线播放无遮挡| 国产高清视频在线观看网站| 久久国产精品人妻蜜桃| 99热网站在线观看| 免费看日本二区| 欧美+亚洲+日韩+国产| 国产精华一区二区三区| 欧美区成人在线视频| 国产高清有码在线观看视频| 91狼人影院| 99在线人妻在线中文字幕| 99久久成人亚洲精品观看| 色在线成人网| 美女高潮的动态| 国产爱豆传媒在线观看| 成人性生交大片免费视频hd| 1000部很黄的大片| 亚洲欧美日韩高清专用| 欧美三级亚洲精品| 禁无遮挡网站| 亚洲国产高清在线一区二区三| 99久久无色码亚洲精品果冻| 国产精品一区二区三区四区免费观看 | 国产乱人视频| 国产主播在线观看一区二区| 1000部很黄的大片| 亚洲熟妇中文字幕五十中出| 乱系列少妇在线播放| 黄色欧美视频在线观看| 日韩人妻高清精品专区| 欧美性猛交╳xxx乱大交人| 老司机福利观看| 免费观看在线日韩| 欧美一区二区国产精品久久精品| 久久久国产成人精品二区| 波野结衣二区三区在线| 国产成人福利小说| 91精品国产九色| 欧美区成人在线视频| 欧美性猛交黑人性爽| 中文字幕免费在线视频6| 日本黄色视频三级网站网址| 亚洲无线在线观看| 亚洲avbb在线观看| 日韩欧美 国产精品| 欧美zozozo另类| 日韩大尺度精品在线看网址| 日韩欧美精品v在线| 久久久久国内视频| 在线观看66精品国产| 欧美激情在线99| 两性午夜刺激爽爽歪歪视频在线观看| 精品免费久久久久久久清纯| 少妇熟女aⅴ在线视频| 欧美日韩乱码在线| 日韩,欧美,国产一区二区三区 | 在线观看舔阴道视频| 久久久久久国产a免费观看| 黄色欧美视频在线观看| 亚洲熟妇熟女久久| 看片在线看免费视频| 国产欧美日韩精品亚洲av| 国产在线精品亚洲第一网站| 五月玫瑰六月丁香| 99精品在免费线老司机午夜| 变态另类丝袜制服| 国产精品野战在线观看| 日韩强制内射视频| 天堂av国产一区二区熟女人妻| 欧美精品国产亚洲| 精品国内亚洲2022精品成人| 久久久久久国产a免费观看| 欧美潮喷喷水| 亚洲精品国产成人久久av| 看片在线看免费视频| 色哟哟·www| 窝窝影院91人妻| 变态另类丝袜制服| 啦啦啦韩国在线观看视频| 国产亚洲91精品色在线| 欧美潮喷喷水| 露出奶头的视频| 窝窝影院91人妻| 国产av不卡久久| 啦啦啦韩国在线观看视频| 长腿黑丝高跟| 少妇的逼水好多| 久久久久久久午夜电影| 国产亚洲精品av在线| 噜噜噜噜噜久久久久久91| 成人精品一区二区免费| 亚洲最大成人av| 赤兔流量卡办理| 男女边吃奶边做爰视频| 波多野结衣巨乳人妻| 欧美性猛交黑人性爽| 看黄色毛片网站| 91久久精品国产一区二区三区| 小蜜桃在线观看免费完整版高清| 99九九线精品视频在线观看视频| 亚洲,欧美,日韩| 校园人妻丝袜中文字幕| 欧美激情久久久久久爽电影| 欧美成人a在线观看| 免费av不卡在线播放| 久久亚洲真实| 亚洲成人免费电影在线观看| 亚洲av免费高清在线观看| 久久精品91蜜桃| 男人和女人高潮做爰伦理| 国内精品美女久久久久久| 久久久国产成人免费| ponron亚洲| 51国产日韩欧美| 欧美+亚洲+日韩+国产| 99热6这里只有精品| 精品免费久久久久久久清纯| 国产探花极品一区二区| 免费人成视频x8x8入口观看| 国产乱人伦免费视频| 男女视频在线观看网站免费| 夜夜看夜夜爽夜夜摸| 一本一本综合久久| 此物有八面人人有两片| 免费看日本二区| 少妇丰满av| 直男gayav资源| 美女黄网站色视频| 国产欧美日韩精品一区二区| 国产精品精品国产色婷婷| 91在线观看av| 国产精品女同一区二区软件 | 国产亚洲av嫩草精品影院| 日本-黄色视频高清免费观看| 久久午夜亚洲精品久久| 男人舔奶头视频| 亚洲欧美激情综合另类| 亚洲成人中文字幕在线播放| 日本在线视频免费播放| 深夜精品福利| 日日摸夜夜添夜夜添小说| 噜噜噜噜噜久久久久久91| 欧美日韩国产亚洲二区| 啪啪无遮挡十八禁网站| 国产熟女欧美一区二区| 国产真实乱freesex| 波多野结衣高清无吗| 欧美丝袜亚洲另类 | 乱码一卡2卡4卡精品| 精品午夜福利在线看| 天堂av国产一区二区熟女人妻| 听说在线观看完整版免费高清| 欧美绝顶高潮抽搐喷水| 成人无遮挡网站| 身体一侧抽搐| 久久精品国产亚洲网站| 一a级毛片在线观看| 精品人妻一区二区三区麻豆 | 国产黄色小视频在线观看| 伦理电影大哥的女人| videossex国产| 身体一侧抽搐| 久久99热6这里只有精品| 日韩中字成人| 国产在线精品亚洲第一网站| a级毛片a级免费在线| 国产成人一区二区在线| 欧美在线一区亚洲| 欧美三级亚洲精品| 99热6这里只有精品| 亚洲精品日韩av片在线观看| 一本精品99久久精品77| 久久精品综合一区二区三区| 国产探花极品一区二区| 日韩高清综合在线| 又粗又爽又猛毛片免费看| 免费看av在线观看网站| 免费av毛片视频| 免费人成在线观看视频色| 欧美性猛交╳xxx乱大交人| 黄色一级大片看看| 国产亚洲精品久久久com| 日本免费一区二区三区高清不卡| 久久草成人影院| 色综合亚洲欧美另类图片| 久久久精品大字幕| 欧美一区二区亚洲| 欧美最新免费一区二区三区| 国产欧美日韩一区二区精品| 中文字幕av成人在线电影| 一级av片app| 婷婷六月久久综合丁香| 可以在线观看毛片的网站| 我要看日韩黄色一级片| 黄色日韩在线| 成人性生交大片免费视频hd| 日本色播在线视频| 午夜久久久久精精品| 精品久久久久久久久av| 国产精品免费一区二区三区在线| 国产精品一区二区免费欧美| 最近视频中文字幕2019在线8| 亚洲国产精品合色在线| 亚洲av免费高清在线观看| 亚洲精品在线观看二区| 亚洲avbb在线观看| 哪里可以看免费的av片| 天天一区二区日本电影三级| 亚洲最大成人手机在线| 午夜影院日韩av| 国产av一区在线观看免费| 国产成人福利小说| 成人高潮视频无遮挡免费网站| 嫁个100分男人电影在线观看| 成人av一区二区三区在线看| 女人被狂操c到高潮| 99热网站在线观看| 亚洲av中文字字幕乱码综合| 亚洲aⅴ乱码一区二区在线播放| 日本-黄色视频高清免费观看| 亚洲欧美激情综合另类| 丰满的人妻完整版| 色综合婷婷激情| 毛片一级片免费看久久久久 | 99riav亚洲国产免费| 欧美+亚洲+日韩+国产| 午夜福利成人在线免费观看| 国产国拍精品亚洲av在线观看| 日日摸夜夜添夜夜添av毛片 | 男女啪啪激烈高潮av片| 免费黄网站久久成人精品| 99在线人妻在线中文字幕| 老司机深夜福利视频在线观看| 久久久久九九精品影院| 久久久午夜欧美精品| 欧美国产日韩亚洲一区| 欧美日韩中文字幕国产精品一区二区三区| 日韩,欧美,国产一区二区三区 | 国产 一区精品| 国产av在哪里看| 18+在线观看网站| 美女高潮喷水抽搐中文字幕| 日韩欧美国产一区二区入口| 春色校园在线视频观看| 一个人看视频在线观看www免费| 亚洲性夜色夜夜综合| 欧美激情久久久久久爽电影| 搡老妇女老女人老熟妇| 少妇熟女aⅴ在线视频| 亚洲五月天丁香| 欧美区成人在线视频| 一边摸一边抽搐一进一小说| 麻豆久久精品国产亚洲av| 51国产日韩欧美| 亚洲专区中文字幕在线| 91精品国产九色| 国产精品av视频在线免费观看| 成人美女网站在线观看视频| 国产精品自产拍在线观看55亚洲| 伦理电影大哥的女人| 中国美女看黄片| 91久久精品电影网| 国产视频内射| 一a级毛片在线观看| 亚洲avbb在线观看| 国产高清视频在线观看网站| 亚洲国产日韩欧美精品在线观看| 亚洲欧美日韩卡通动漫| 日本-黄色视频高清免费观看| 美女 人体艺术 gogo| 欧美bdsm另类| 亚洲在线观看片| 黄色视频,在线免费观看| 国语自产精品视频在线第100页| 男人和女人高潮做爰伦理| av在线观看视频网站免费| 国产久久久一区二区三区| 国产av不卡久久| 熟妇人妻久久中文字幕3abv| 日韩欧美精品免费久久| 亚洲 国产 在线| 成年女人毛片免费观看观看9| 男女做爰动态图高潮gif福利片| 中文字幕久久专区| 一个人免费在线观看电影| 亚洲人成网站在线播放欧美日韩| 三级毛片av免费| 男人舔女人下体高潮全视频| 黄色欧美视频在线观看| 少妇裸体淫交视频免费看高清| 国产视频一区二区在线看| 在线免费观看不下载黄p国产 | 午夜日韩欧美国产| 免费人成视频x8x8入口观看| 两个人的视频大全免费| 蜜桃亚洲精品一区二区三区| 亚洲综合色惰| 国产激情偷乱视频一区二区| 日韩av在线大香蕉| 国产女主播在线喷水免费视频网站 | 精品人妻视频免费看| 一本精品99久久精品77| 狂野欧美激情性xxxx在线观看| 看十八女毛片水多多多| 人妻少妇偷人精品九色| 少妇被粗大猛烈的视频| 免费观看精品视频网站| 91在线精品国自产拍蜜月| 国产极品精品免费视频能看的| 麻豆av噜噜一区二区三区| 久久精品国产清高在天天线| 亚洲精华国产精华液的使用体验 | av在线天堂中文字幕| 精品不卡国产一区二区三区| 一级黄片播放器| 久久久成人免费电影| 人人妻人人看人人澡| 精品久久久久久久末码| 亚洲av中文av极速乱 | 成年女人永久免费观看视频| 欧美不卡视频在线免费观看| 国产人妻一区二区三区在| 在线观看一区二区三区| 成人欧美大片| 亚洲黑人精品在线| 日韩一本色道免费dvd| 蜜桃久久精品国产亚洲av| 琪琪午夜伦伦电影理论片6080| 亚洲av五月六月丁香网| 国产精品美女特级片免费视频播放器| 在线观看一区二区三区| 人人妻人人看人人澡| 男插女下体视频免费在线播放| 欧美日本亚洲视频在线播放| 亚洲欧美日韩高清在线视频| 69av精品久久久久久| 大型黄色视频在线免费观看| 日本三级黄在线观看| 日韩强制内射视频| 国产老妇女一区| 成年女人毛片免费观看观看9| 亚洲内射少妇av| 麻豆成人av在线观看|