• <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EEMD和優(yōu)化SVM的水電機(jī)組振動(dòng)故障診斷

    2016-12-02 06:03:20秦正飛
    水電與抽水蓄能 2016年1期
    關(guān)鍵詞:故障診斷機(jī)組能量

    秦正飛,王 煜,高 磊,汪 健

    (昆明理工大學(xué),云南省昆明市 650092)

    基于EEMD和優(yōu)化SVM的水電機(jī)組振動(dòng)故障診斷

    秦正飛,王 煜,高 磊,汪 健

    (昆明理工大學(xué),云南省昆明市 650092)

    針對(duì)水電機(jī)組故障具有漸變性等特征,提出了一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)和優(yōu)化支持向量機(jī)(SVM)相結(jié)合的水電機(jī)組故障智能診斷方法。利用EEMD能對(duì)機(jī)組振動(dòng)信號(hào)進(jìn)行自適應(yīng)分解成若干本征模式分量(IMF),并能有效抑制經(jīng)典經(jīng)驗(yàn)?zāi)J椒纸猓‥MD)的端點(diǎn)效應(yīng)以及模式混疊現(xiàn)象。從IMF分量中提取出來(lái)的能量特征作為輸入建立優(yōu)化SVM,以此來(lái)判斷機(jī)組的故障狀態(tài)。通過(guò)實(shí)例分析表明:建立的混合智能診斷方法的分類正確率高,能有效診斷機(jī)組存在的故障。

    水電機(jī)組;EEMD;優(yōu)化SVM;故障診斷

    0 引言

    一般對(duì)故障信號(hào)所提取的特征大多是時(shí)頻特征,水電機(jī)組的振動(dòng)信號(hào)本質(zhì)上是非線性和非平穩(wěn)的。小波分析曾在處理該類信號(hào)上有一定優(yōu)勢(shì),但它在應(yīng)用中存在著兩個(gè)不足:首先,小波變換是一種傅里葉變換,能量的泄漏不可避免;其次,它在使用時(shí)針對(duì)不同的問(wèn)題不能自適應(yīng)選取合適的基函數(shù)[1]。美籍華人Norden E. Huang[2]等人于1998年提出一種時(shí)頻分析方法一經(jīng)驗(yàn)?zāi)B(tài)分解方法(empirical mode decornposition, EMD),EMD方法克服了小波變換的不足,能夠?qū)o定信號(hào)基于信號(hào)自身的特點(diǎn)進(jìn)行自適應(yīng)的多分辨率分解。但EMD在端點(diǎn)效應(yīng)[3]上存在不足;另外,EMD可能產(chǎn)生虛假的本質(zhì)模式函數(shù)。為了解決這個(gè)問(wèn)題,Wu[4]等人在EMD分解研究的基礎(chǔ)上,提出了總體平均模態(tài)分解的方法。該方法通過(guò)在待分析信號(hào)中添加有限的白噪聲的方法可以自動(dòng)有效地消除或減弱端點(diǎn)效應(yīng)問(wèn)題。

    另外,針對(duì)SVM的核函數(shù)選擇是影響其性能的一個(gè)重要因素,本文選取 RBF核函數(shù)作為 SVM的分類核函數(shù),其分類性能的影響參數(shù)主要有核參數(shù)和懲罰參數(shù)。為了避免SVM參數(shù)選擇的盲目性,提高SVM的診斷能力,應(yīng)用文獻(xiàn)[7]中耦合人工魚群算法來(lái)優(yōu)化SVM的參數(shù)。

    基于此,本文提出基于EEMD與優(yōu)化SVM相結(jié)合的水電機(jī)組故障診斷方法。從振動(dòng)信號(hào)的IMF分量中提取出來(lái)的能量特征作為支持向量機(jī)的輸入,判斷機(jī)組的工作狀態(tài)和故障類型。

    1 SVM核參數(shù)的優(yōu)化

    1.1 SVM概念

    支持向量機(jī)(Support Vector Machine, SVM)于1995年由V. Vapnik[5]等人提出,是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)之上的一種機(jī)器學(xué)習(xí)算法,在處理小樣本、非線性、高維模式識(shí)別問(wèn)題中具有良好的泛化能力。SVM是一種非常有效的模式識(shí)別方法,將輸入向量隱性地映射到高維特征空間來(lái)尋找最優(yōu)分類超平面,SVM是以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則進(jìn)行樣本訓(xùn)練。

    1.2 SVM對(duì)樣本的分類

    假定n維訓(xùn)練樣本,下面將對(duì)線性樣本和非線性樣本的分類進(jìn)行簡(jiǎn)單的描述。

    1.2.1 線性可分樣本

    這是一個(gè)凸二次優(yōu)化問(wèn)題,可以通過(guò)它的對(duì)偶問(wèn)題進(jìn)行求解,對(duì)偶問(wèn)題為:

    αi是非負(fù)拉格朗日乘子。

    1.2.2 非線性可分樣本

    定義決策函數(shù)如下,其中S是SVM的集合:

    對(duì)于非線性可分,在線性可分的基礎(chǔ)上需要引入非負(fù)松弛變量:

    最優(yōu)超平面可以從:

    對(duì)于該問(wèn)題的求解可類同樣本線性可分的情況,引入拉格朗變量進(jìn)行求解,其分類可以按照下式進(jìn)行:

    1.3 核參數(shù)的優(yōu)化

    RBF核函數(shù)在處理低維空間數(shù)據(jù)和高維空間數(shù)據(jù)上具有較好的適用性,并且能夠保證較好的收斂域,是SVM核函數(shù)的理想選擇,因此本文選取RBF核函數(shù)作為SVM的分類核函數(shù),并采用文獻(xiàn)[7]中利用耦合人工魚群算法優(yōu)化SVM的核參數(shù)。

    2 EEMD

    EEMD是EMD改進(jìn)的版本,針對(duì)非線性、非穩(wěn)態(tài)信號(hào)的處理是一種更成熟的工具。EEMD的基本思想[6]:依據(jù)所添加白噪聲信號(hào)能夠均勻填充整個(gè)時(shí)頻空間的特性,讓不同頻率尺度的信號(hào)能夠投影到相應(yīng)的頻率尺度上面,該對(duì)應(yīng)頻率是由白噪聲所建立的一個(gè)均勻空間,然后通過(guò)多次重復(fù)取整體平均的方式消除添加的白噪聲成分,來(lái)促使待分解信號(hào)中的本征模態(tài)函數(shù)的自然分離,以去除模態(tài)混疊。

    2.1 EEMD的實(shí)現(xiàn)步驟

    (1)初始化整體重復(fù)的執(zhí)行次數(shù)M。

    (2)給出加性白噪聲的強(qiáng)度參數(shù)ε,并令i=1。

    (3)在原始信號(hào)x(t)上添加白噪聲ni(t)得到新的信號(hào)xi(t),該白噪聲服從[0,(ασ)2]的正態(tài)分布。其中,α為噪聲強(qiáng)度參數(shù),σ=std[x(t)]為信號(hào)的標(biāo)準(zhǔn)差。

    (4)采用EMD分解方法對(duì)新生成的信號(hào)xi(t)進(jìn)行分解得到一系列IMF:

    其中,S是EMD分解所得到的IMF.的個(gè)數(shù),Ci,s(t)是對(duì)第i次添加白噪聲得到的信號(hào)進(jìn)行EMD分解得到的第S個(gè)本征模態(tài),函數(shù)Ri,s(t)是殘余量。

    (5)重復(fù)歩驟(3)、(4)M次,得到IMF集合計(jì)算所有M次添加白噪聲后經(jīng)EMD分解得到的各層IMF分量的平均值,即為最終的IMF,其中s=1,…,S。

    2.2 EEMD能量特征向量

    利用各頻帶的信號(hào)能量占總能量的百分比以及能量熵可以作為反映機(jī)組運(yùn)行狀態(tài)的特征向量。設(shè)振動(dòng)信號(hào)x(t)經(jīng)集合經(jīng)驗(yàn)?zāi)B(tài)分解后得到n個(gè)IMF分量C1(t),C2(t),...,Cn(t)以及殘余量Rn,n個(gè)IMF分量的能量分別為E1,E2,…,En。

    3 EEMD和優(yōu)化SVM融合診斷的流程

    EEMD將機(jī)組提取的振動(dòng)特征信號(hào)進(jìn)行分解,得到IMF能量特征向量,將IMF分量中提取出來(lái)的能量特征作為優(yōu)化SVM的輸入,通過(guò)優(yōu)化SVM進(jìn)行故障診斷,其流程見(jiàn)圖1。

    圖1 EEMD和優(yōu)化SVM融合診斷流程圖

    4 實(shí)例診斷

    對(duì)某混流式機(jī)組,軸系運(yùn)行中轉(zhuǎn)子質(zhì)量不平衡、不對(duì)中和軸線彎曲3種常見(jiàn)的故障進(jìn)行診斷,其對(duì)應(yīng)的編號(hào)為1、2、3。對(duì)采集的3種故障下的振動(dòng)數(shù)據(jù)進(jìn)行2層小波包分解,節(jié)點(diǎn)能量作為特征向量,得到列向量。

    按非線性分類方法進(jìn)行樣本訓(xùn)練,取6個(gè)數(shù)據(jù)樣本作為學(xué)習(xí)樣本,其中包括表1所列的3種故障類型,每種故障取2個(gè)數(shù)據(jù)樣本,數(shù)據(jù)長(zhǎng)度取1024個(gè)數(shù)據(jù)點(diǎn)。再取9個(gè)數(shù)據(jù)樣本作為待分類的試驗(yàn)樣本,其中包括表1所列的3種故障類型,每種故障取3個(gè)數(shù)據(jù)樣本,試驗(yàn)中選取RBF函數(shù)作為SVM的核函數(shù)。

    (1)用標(biāo)準(zhǔn)SVM對(duì)EEMD能量特征分類。

    首先對(duì)每組數(shù)據(jù)樣本進(jìn)行EEMD能量特征提取,得到3種故障狀態(tài)的特征向量如表1所示。采用工具箱提供的交叉檢驗(yàn)和網(wǎng)格搜索方法來(lái)選擇參數(shù)C和σ2。

    (2)用優(yōu)化SVM對(duì)EEMD能量特征分類。

    同理采用優(yōu)化SVM對(duì)機(jī)組故障信號(hào)進(jìn)行分類,利用文獻(xiàn)[7]的方法進(jìn)行,文獻(xiàn)[7]的優(yōu)化數(shù)據(jù)為:SVM的RBF核函數(shù)的參數(shù)g的取值范圍為(0.001,10),自增步長(zhǎng)為0.01。人工魚群算法中參數(shù)設(shè)置情況為:魚群最大進(jìn)化次數(shù)Max_gen為50,人工魚種群規(guī)模 fi sh_num為5,人工魚覓食最大試探次數(shù)Try_num為5,魚群擁擠度因子為0.618,人工魚的移動(dòng)步長(zhǎng)Step_leg為0.1和感知距離Visual為0.5;BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置情況為:輸入層節(jié)點(diǎn)數(shù)Ext_num為2,輸出層節(jié)點(diǎn)數(shù)Exp_num為1,隱層節(jié)點(diǎn)數(shù)Hid_num為5,網(wǎng)絡(luò)訓(xùn)練次數(shù)BP_num為100,網(wǎng)絡(luò)的學(xué)習(xí)率Lr為0.1和網(wǎng)絡(luò)訓(xùn)練誤差為0.00004。最后所得到的模型參數(shù)見(jiàn)表1,分類結(jié)果見(jiàn)表2。

    表1 SVM參數(shù)表

    表2 故障的特征向量以及分類結(jié)果

    5 總結(jié)

    EEMD能有效抑制經(jīng)典EMD的端點(diǎn)效應(yīng)以及模式混疊現(xiàn)象,可根據(jù)機(jī)組故障特征的時(shí)變特性進(jìn)行自適應(yīng)的分解。相比EMD能量特征分類,精度有較大的提高。耦合人工魚群算法具有較好的預(yù)測(cè)效果和較高的準(zhǔn)確率,在SVM參數(shù)尋優(yōu)中是可行和有效的,從而為SVM的參數(shù)優(yōu)化提供一種可行的途徑,將EEMD和優(yōu)化的SVM綜合應(yīng)用在水電機(jī)組軸系的故障診斷中,通過(guò)結(jié)果可以看出,該方法能有效地識(shí)別故障。

    [1]盧娜,肖志懷,符向前.基于蟻群初始化小波網(wǎng)絡(luò)的水電機(jī)組振動(dòng)故障診斷[J].水力發(fā)電學(xué)報(bào),2014,33(2):251-258.

    [2]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. Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences, 1998,454:903-995.

    [3]曠歡,王如龍,張錦,等.基于SVM的EMD端點(diǎn)效應(yīng)抑制方法研究[J].計(jì)算機(jī)工程與應(yīng)用,2015,51(11):96-200,227.

    [4]Wu Z, Huang N E. Ensemble empirical mode decomposition:A noise-assisted data analysis method. Advances in Adaptive Data Analysis, 2009,1(1):1-41.

    [5]Vapnik V N.The Nature of Statistical Learning Theory(Fist Edition).NY:Springer Verlag,1995.

    [6]張孝遠(yuǎn).融合支持向量機(jī)的水電機(jī)組混合智能故障診斷研究[D].武漢:華中科技大學(xué).2012.

    [7]高雷阜,趙世杰,高鼎.耦合人工魚群算法在支持向量機(jī)參數(shù)優(yōu)化中的應(yīng)用[J].小型微型計(jì)算機(jī)系統(tǒng),2015,1:172-176.

    秦正飛(1989—),男,碩士研究生,主要研究方向:水力發(fā)電機(jī)組的智能故障診斷研究。E-mail:1136397739@qq.com

    王 煜(1957—),男,副教授,碩導(dǎo),研究方向?yàn)樗C(jī)組暫態(tài)過(guò)程研究。E-mail:kmkdlwy@163.com

    高 磊(1989—),碩士研究生,主要研究方向:水力機(jī)組的自動(dòng)化研究。E-mail:286060705@qq.com

    汪 ?。?991—),碩士研究生,主要研究方向:水力發(fā)電機(jī)組的智能故障診斷研究。E-mail:523669059@qq.com

    Vibration Fault Diagnosis for Hydroelectric Generating Units Using the EEMD and Optimization Support Vector Machine

    QIN Zhengfei,WANG Yu,GAO Lei,WANG Jian
    (Kunming university of science and technology, Kunming 650092, China)

    Due to the fault attributes of Hydroelectric Generating Units are gradual change, a hybrid diagnosis model for Hydroelectric Generating Units diagnosing based on EEMD and SVM was proposed.With the EEMD method,the Hydroelectric Generating Units vibration signals are adaptive decomposed into a finite number of Intrinsic Mode(IMF),which can effectively inhibit the end effect of classic Empirical Mode Decomposition (EMD)and the mode aliasing.The energy character vectors of every IMF component is calculated and the energy features extracted from a number of IMFs that contained the most dominant fault information are served as the input optimization of the support vector machine,then the fault state of the Hydroelectric Generating Units can be determined.An example demonstrates the high correct classification rate of the proposed method.

    Hydroelectric Generating Units; EEMD; Optimization Support Vector Machine; Fault Diagnosis

    猜你喜歡
    故障診斷機(jī)組能量
    660MW亞臨界機(jī)組清潔疏水系統(tǒng)節(jié)能改造
    能量之源
    詩(shī)無(wú)邪傳遞正能量
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    開(kāi)年就要正能量
    都市麗人(2015年2期)2015-03-20 13:32:31
    凝聚辦好家長(zhǎng)學(xué)校的正能量
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    350MW機(jī)組DEH控制系統(tǒng)的優(yōu)化
    基于WPD-HHT的滾動(dòng)軸承故障診斷
    TNG系列多功能提取濃縮回收機(jī)組
    大香蕉久久成人网| 亚洲av日韩在线播放| 国产又爽黄色视频| 久久久久国产精品人妻一区二区| 欧美日韩视频高清一区二区三区二| 婷婷色综合大香蕉| 欧美日韩一区二区视频在线观看视频在线| 另类亚洲欧美激情| 国产无遮挡羞羞视频在线观看| 卡戴珊不雅视频在线播放| 久久久久视频综合| 美女主播在线视频| 亚洲精品aⅴ在线观看| 91精品三级在线观看| 老女人水多毛片| 免费看av在线观看网站| 亚洲国产色片| 18禁在线无遮挡免费观看视频| 丰满迷人的少妇在线观看| 国产一区二区在线观看日韩| 天天操日日干夜夜撸| 国产成人精品在线电影| 另类亚洲欧美激情| 亚洲三级黄色毛片| 亚洲av在线观看美女高潮| 美女视频免费永久观看网站| 国产精品嫩草影院av在线观看| 最近中文字幕高清免费大全6| 国产亚洲欧美精品永久| 看非洲黑人一级黄片| 午夜av观看不卡| 大话2 男鬼变身卡| 色94色欧美一区二区| 国产午夜精品一二区理论片| 老女人水多毛片| 中文字幕免费在线视频6| 韩国av在线不卡| 99久久综合免费| 欧美少妇被猛烈插入视频| av又黄又爽大尺度在线免费看| 亚洲色图 男人天堂 中文字幕 | 在线看a的网站| 岛国毛片在线播放| av视频免费观看在线观看| 午夜影院在线不卡| 三上悠亚av全集在线观看| 免费看av在线观看网站| 少妇熟女欧美另类| 最近2019中文字幕mv第一页| av不卡在线播放| 制服人妻中文乱码| 久久久精品94久久精品| 亚洲av.av天堂| 亚洲熟女精品中文字幕| freevideosex欧美| 国产有黄有色有爽视频| 久久久久精品人妻al黑| 国产日韩欧美在线精品| 午夜福利视频在线观看免费| 黑人巨大精品欧美一区二区蜜桃 | 插逼视频在线观看| 91精品三级在线观看| 人妻一区二区av| 久久这里有精品视频免费| 午夜激情av网站| 免费日韩欧美在线观看| 国产免费视频播放在线视频| 久久青草综合色| 国产亚洲午夜精品一区二区久久| 国产极品粉嫩免费观看在线| 国产精品国产三级专区第一集| 欧美xxⅹ黑人| 国产av码专区亚洲av| 老司机影院毛片| 国产成人精品福利久久| kizo精华| 韩国精品一区二区三区 | 国产免费一级a男人的天堂| 国产在线免费精品| 色5月婷婷丁香| 免费看不卡的av| 欧美激情 高清一区二区三区| av视频免费观看在线观看| 国产又色又爽无遮挡免| 亚洲精品久久成人aⅴ小说| 日韩视频在线欧美| 国产在线一区二区三区精| 亚洲图色成人| 女人被躁到高潮嗷嗷叫费观| 日韩一区二区三区影片| a级毛色黄片| 狂野欧美激情性bbbbbb| 女性被躁到高潮视频| 水蜜桃什么品种好| av女优亚洲男人天堂| 欧美国产精品va在线观看不卡| av不卡在线播放| 国产精品熟女久久久久浪| 女性被躁到高潮视频| 99久国产av精品国产电影| 日韩欧美精品免费久久| 9191精品国产免费久久| 亚洲高清免费不卡视频| 精品少妇内射三级| av卡一久久| 欧美日韩国产mv在线观看视频| 亚洲精品av麻豆狂野| 人人妻人人添人人爽欧美一区卜| 最近中文字幕高清免费大全6| 男男h啪啪无遮挡| 黄色毛片三级朝国网站| 黄片播放在线免费| 91在线精品国自产拍蜜月| 久久影院123| 久久午夜综合久久蜜桃| 久久午夜综合久久蜜桃| 丰满迷人的少妇在线观看| 人人妻人人添人人爽欧美一区卜| 国产成人av激情在线播放| 成人漫画全彩无遮挡| 亚洲国产精品一区三区| 亚洲精品国产色婷婷电影| 狂野欧美激情性xxxx在线观看| 亚洲欧洲精品一区二区精品久久久 | 日本与韩国留学比较| 边亲边吃奶的免费视频| 亚洲av欧美aⅴ国产| 午夜福利网站1000一区二区三区| 亚洲精品美女久久av网站| 宅男免费午夜| 啦啦啦啦在线视频资源| 韩国高清视频一区二区三区| 妹子高潮喷水视频| 熟妇人妻不卡中文字幕| 晚上一个人看的免费电影| 亚洲精品国产av蜜桃| 18禁观看日本| 精品人妻一区二区三区麻豆| 国产一区有黄有色的免费视频| 日韩电影二区| 午夜福利,免费看| 欧美日韩综合久久久久久| 午夜福利网站1000一区二区三区| 男人操女人黄网站| av免费在线看不卡| 国产亚洲欧美精品永久| 欧美性感艳星| 18禁在线无遮挡免费观看视频| 亚洲四区av| 亚洲人与动物交配视频| 啦啦啦啦在线视频资源| 亚洲精品一区蜜桃| 精品亚洲成a人片在线观看| 亚洲欧美色中文字幕在线| 久久久欧美国产精品| www.av在线官网国产| 国产免费福利视频在线观看| 午夜福利网站1000一区二区三区| 亚洲天堂av无毛| 草草在线视频免费看| 日韩中文字幕视频在线看片| 一边摸一边做爽爽视频免费| 免费看av在线观看网站| 久久久精品区二区三区| 韩国精品一区二区三区 | 日日撸夜夜添| 男女国产视频网站| 最近中文字幕高清免费大全6| 精品久久久精品久久久| 人妻少妇偷人精品九色| 妹子高潮喷水视频| 亚洲国产精品国产精品| 国产成人精品一,二区| 免费看不卡的av| 免费大片黄手机在线观看| 全区人妻精品视频| 亚洲精品视频女| 免费在线观看黄色视频的| 国产精品国产三级国产av玫瑰| 国产亚洲最大av| 久久人人爽av亚洲精品天堂| 国产成人免费无遮挡视频| 老司机亚洲免费影院| 99热这里只有是精品在线观看| 亚洲图色成人| 久久婷婷青草| 欧美日本中文国产一区发布| 你懂的网址亚洲精品在线观看| 天天躁夜夜躁狠狠久久av| 成人手机av| 国产麻豆69| 国产精品三级大全| 在线观看免费高清a一片| 热99国产精品久久久久久7| 久久精品夜色国产| 亚洲av在线观看美女高潮| 国产又色又爽无遮挡免| 国产白丝娇喘喷水9色精品| 亚洲成人av在线免费| 在线观看免费日韩欧美大片| 女人精品久久久久毛片| 久久久久人妻精品一区果冻| 在线观看免费高清a一片| 9热在线视频观看99| 丰满饥渴人妻一区二区三| tube8黄色片| 亚洲精品一二三| 99视频精品全部免费 在线| 91国产中文字幕| 精品一区二区免费观看| 国产精品欧美亚洲77777| 久久精品久久精品一区二区三区| 夜夜骑夜夜射夜夜干| 香蕉精品网在线| 久久精品aⅴ一区二区三区四区 | 亚洲精品第二区| 99久久人妻综合| 成年女人在线观看亚洲视频| 中国美白少妇内射xxxbb| 在线天堂最新版资源| 丝袜人妻中文字幕| 国产精品秋霞免费鲁丝片| 丰满乱子伦码专区| 毛片一级片免费看久久久久| 免费日韩欧美在线观看| 少妇人妻精品综合一区二区| 免费黄频网站在线观看国产| 人妻一区二区av| 成年美女黄网站色视频大全免费| 国产熟女午夜一区二区三区| 免费av中文字幕在线| 久久 成人 亚洲| 欧美xxxx性猛交bbbb| 中文字幕制服av| 巨乳人妻的诱惑在线观看| 国产一区二区激情短视频 | 春色校园在线视频观看| 麻豆精品久久久久久蜜桃| 一个人免费看片子| 久久久久久久久久成人| 人成视频在线观看免费观看| 香蕉国产在线看| 一本色道久久久久久精品综合| 综合色丁香网| 中文乱码字字幕精品一区二区三区| 婷婷成人精品国产| 国产精品人妻久久久久久| 日本黄大片高清| 一区二区av电影网| 天堂8中文在线网| 曰老女人黄片| 一级爰片在线观看| 欧美最新免费一区二区三区| 欧美精品一区二区免费开放| 九色成人免费人妻av| 午夜91福利影院| 欧美丝袜亚洲另类| 成年动漫av网址| 久久久久久久久久久免费av| 黄片无遮挡物在线观看| 国产亚洲午夜精品一区二区久久| 一区二区三区乱码不卡18| 自线自在国产av| 国产精品人妻久久久久久| 精品人妻偷拍中文字幕| 国产男人的电影天堂91| 又黄又粗又硬又大视频| 日韩制服丝袜自拍偷拍| 深夜精品福利| 视频在线观看一区二区三区| 日韩中文字幕视频在线看片| 亚洲欧美一区二区三区黑人 | 精品人妻偷拍中文字幕| 十分钟在线观看高清视频www| 91在线精品国自产拍蜜月| 99热这里只有是精品在线观看| 考比视频在线观看| 国产免费一级a男人的天堂| 亚洲一级一片aⅴ在线观看| 天美传媒精品一区二区| 午夜激情av网站| 91成人精品电影| 伦理电影大哥的女人| a级毛片在线看网站| 亚洲综合色网址| av电影中文网址| 乱人伦中国视频| av有码第一页| 国产国语露脸激情在线看| 一区二区三区四区激情视频| 国产亚洲一区二区精品| 秋霞伦理黄片| 亚洲精品aⅴ在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 午夜91福利影院| 亚洲美女搞黄在线观看| av有码第一页| 日韩伦理黄色片| 最近中文字幕高清免费大全6| 免费黄色在线免费观看| 亚洲丝袜综合中文字幕| 日本免费在线观看一区| 爱豆传媒免费全集在线观看| 丝袜美足系列| 国产乱人偷精品视频| 女人久久www免费人成看片| 街头女战士在线观看网站| 免费av中文字幕在线| 久久韩国三级中文字幕| 国产69精品久久久久777片| 亚洲人成网站在线观看播放| 亚洲av日韩在线播放| 日韩三级伦理在线观看| 国产成人a∨麻豆精品| 中文字幕制服av| 捣出白浆h1v1| 久久99精品国语久久久| 激情五月婷婷亚洲| 亚洲精品第二区| 午夜视频国产福利| 亚洲精品自拍成人| 高清av免费在线| 国产精品久久久久久精品电影小说| 欧美精品高潮呻吟av久久| 国产白丝娇喘喷水9色精品| 五月伊人婷婷丁香| 国产1区2区3区精品| 韩国精品一区二区三区 | 国产精品三级大全| 熟女人妻精品中文字幕| 另类亚洲欧美激情| 国产黄频视频在线观看| 国产精品一区二区在线不卡| 在线 av 中文字幕| 国产色爽女视频免费观看| 你懂的网址亚洲精品在线观看| 亚洲国产精品专区欧美| 国产精品女同一区二区软件| 一级黄片播放器| 久久久a久久爽久久v久久| 性高湖久久久久久久久免费观看| 哪个播放器可以免费观看大片| 中国国产av一级| 韩国av在线不卡| 久久av网站| 午夜av观看不卡| 少妇猛男粗大的猛烈进出视频| 欧美 日韩 精品 国产| 亚洲性久久影院| 婷婷色综合大香蕉| 一二三四中文在线观看免费高清| 精品99又大又爽又粗少妇毛片| 人人妻人人澡人人爽人人夜夜| 亚洲欧洲国产日韩| 成人漫画全彩无遮挡| 国产精品久久久久久精品古装| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 人妻系列 视频| 亚洲久久久国产精品| freevideosex欧美| 午夜免费鲁丝| 如何舔出高潮| 90打野战视频偷拍视频| 久久久久精品久久久久真实原创| 午夜福利视频精品| 日韩视频在线欧美| 亚洲精品乱码久久久久久按摩| 多毛熟女@视频| 99热全是精品| 国产成人午夜福利电影在线观看| 香蕉国产在线看| 午夜老司机福利剧场| 在线观看一区二区三区激情| a级毛片在线看网站| 久久综合国产亚洲精品| 纯流量卡能插随身wifi吗| www.av在线官网国产| 亚洲美女视频黄频| 一本大道久久a久久精品| 精品亚洲成国产av| 亚洲第一区二区三区不卡| 色婷婷av一区二区三区视频| 最近手机中文字幕大全| 亚洲欧美色中文字幕在线| 男的添女的下面高潮视频| 国产精品女同一区二区软件| 亚洲精品456在线播放app| 黄色配什么色好看| 久久久久久伊人网av| 亚洲av免费高清在线观看| 80岁老熟妇乱子伦牲交| 日本色播在线视频| 人妻人人澡人人爽人人| 亚洲精品久久成人aⅴ小说| 大香蕉久久成人网| 亚洲婷婷狠狠爱综合网| 免费黄频网站在线观看国产| 欧美精品人与动牲交sv欧美| 久久99热这里只频精品6学生| 伊人久久国产一区二区| 男男h啪啪无遮挡| 精品亚洲成国产av| 母亲3免费完整高清在线观看 | 久久人妻熟女aⅴ| 亚洲欧洲日产国产| 国产一级毛片在线| 亚洲成人av在线免费| 国产亚洲午夜精品一区二区久久| 欧美丝袜亚洲另类| 久久久久久久久久人人人人人人| 十分钟在线观看高清视频www| 亚洲国产色片| 一区二区日韩欧美中文字幕 | 女人精品久久久久毛片| 久久久久国产精品人妻一区二区| 日韩,欧美,国产一区二区三区| 色吧在线观看| 亚洲五月色婷婷综合| 国产欧美亚洲国产| 欧美精品国产亚洲| 熟女人妻精品中文字幕| 日韩,欧美,国产一区二区三区| 亚洲一级一片aⅴ在线观看| 亚洲精品成人av观看孕妇| 国产成人精品福利久久| 国产亚洲欧美精品永久| 在线亚洲精品国产二区图片欧美| 最近最新中文字幕大全免费视频 | 制服人妻中文乱码| 狠狠精品人妻久久久久久综合| 久久久久久久久久人人人人人人| 美女xxoo啪啪120秒动态图| 老熟女久久久| 亚洲av欧美aⅴ国产| 美女福利国产在线| 精品国产一区二区三区四区第35| 黄片无遮挡物在线观看| 国语对白做爰xxxⅹ性视频网站| 午夜视频国产福利| 国产一区二区在线观看av| 9热在线视频观看99| 久久久久久久久久久免费av| 国产精品欧美亚洲77777| 黄色 视频免费看| 日本黄大片高清| 亚洲精品久久午夜乱码| 永久网站在线| 中文精品一卡2卡3卡4更新| 啦啦啦啦在线视频资源| 大陆偷拍与自拍| 黑人欧美特级aaaaaa片| 乱码一卡2卡4卡精品| 国产精品国产三级专区第一集| 成人无遮挡网站| 亚洲精华国产精华液的使用体验| 国产精品秋霞免费鲁丝片| 侵犯人妻中文字幕一二三四区| 国产精品一区二区在线观看99| 亚洲内射少妇av| 久久精品国产亚洲av天美| 这个男人来自地球电影免费观看 | 赤兔流量卡办理| 亚洲国产精品国产精品| 久久99一区二区三区| 天堂8中文在线网| 日韩电影二区| 中文字幕人妻熟女乱码| 色婷婷久久久亚洲欧美| 日韩,欧美,国产一区二区三区| 午夜激情久久久久久久| 自线自在国产av| 丝袜人妻中文字幕| 我要看黄色一级片免费的| 亚洲精品美女久久av网站| 亚洲欧洲日产国产| 久久精品国产a三级三级三级| 国产精品偷伦视频观看了| 色婷婷久久久亚洲欧美| 精品酒店卫生间| av天堂久久9| 国产精品久久久av美女十八| 免费在线观看黄色视频的| 亚洲人与动物交配视频| 99视频精品全部免费 在线| 欧美日韩视频高清一区二区三区二| 亚洲国产看品久久| av福利片在线| 国产日韩欧美视频二区| 狠狠婷婷综合久久久久久88av| 在线观看免费高清a一片| 97超碰精品成人国产| 亚洲av福利一区| 国产精品蜜桃在线观看| 亚洲精品日韩在线中文字幕| 国内精品宾馆在线| 久久久国产精品麻豆| 国产成人av激情在线播放| h视频一区二区三区| 色吧在线观看| 久久久久久久国产电影| 日产精品乱码卡一卡2卡三| 色婷婷久久久亚洲欧美| 99精国产麻豆久久婷婷| 亚洲 欧美一区二区三区| 日韩欧美一区视频在线观看| av片东京热男人的天堂| 亚洲成人一二三区av| 1024视频免费在线观看| 一本大道久久a久久精品| 国产白丝娇喘喷水9色精品| 天堂8中文在线网| 午夜免费男女啪啪视频观看| 在线观看三级黄色| 国产亚洲av片在线观看秒播厂| 人人妻人人澡人人看| 欧美丝袜亚洲另类| 1024视频免费在线观看| 免费日韩欧美在线观看| 亚洲人成77777在线视频| 在线观看美女被高潮喷水网站| 午夜免费男女啪啪视频观看| 亚洲国产欧美在线一区| av线在线观看网站| 黄片无遮挡物在线观看| 丝袜脚勾引网站| 男女免费视频国产| 午夜91福利影院| 免费大片黄手机在线观看| 综合色丁香网| 日韩一区二区视频免费看| 亚洲一级一片aⅴ在线观看| 欧美成人午夜免费资源| 亚洲熟女精品中文字幕| 人妻系列 视频| a级毛片在线看网站| 亚洲国产色片| 天堂中文最新版在线下载| av国产久精品久网站免费入址| 不卡视频在线观看欧美| 人妻系列 视频| 狠狠婷婷综合久久久久久88av| 黄色怎么调成土黄色| 18禁国产床啪视频网站| 中文精品一卡2卡3卡4更新| 亚洲av在线观看美女高潮| 国产国语露脸激情在线看| 欧美日韩亚洲高清精品| 91aial.com中文字幕在线观看| 日韩 亚洲 欧美在线| 男的添女的下面高潮视频| 五月天丁香电影| 寂寞人妻少妇视频99o| 春色校园在线视频观看| 精品国产露脸久久av麻豆| av国产精品久久久久影院| 不卡视频在线观看欧美| 黄色怎么调成土黄色| 亚洲久久久国产精品| 久久ye,这里只有精品| 亚洲三级黄色毛片| 亚洲综合色网址| 精品一区二区三卡| 国产成人精品婷婷| 国产xxxxx性猛交| 中文精品一卡2卡3卡4更新| 日本91视频免费播放| 少妇人妻久久综合中文| 十八禁高潮呻吟视频| 国产成人91sexporn| 涩涩av久久男人的天堂| 女人精品久久久久毛片| 久久精品国产鲁丝片午夜精品| 视频区图区小说| 久久久久久人妻| 日本色播在线视频| 亚洲av综合色区一区| av播播在线观看一区| 另类精品久久| 亚洲天堂av无毛| 午夜精品国产一区二区电影| 欧美bdsm另类| 丝瓜视频免费看黄片| 精品一区二区免费观看| 精品亚洲乱码少妇综合久久| 日本wwww免费看| 97在线人人人人妻| 一本—道久久a久久精品蜜桃钙片| 久久久国产欧美日韩av| xxx大片免费视频| 一个人免费看片子| 大码成人一级视频| av在线老鸭窝| 久久人人爽人人爽人人片va| 男女午夜视频在线观看 | 亚洲婷婷狠狠爱综合网| 成人亚洲欧美一区二区av| 亚洲成人手机| 波野结衣二区三区在线| 久久影院123| 在线观看一区二区三区激情| 中国三级夫妇交换| 国产在线一区二区三区精| 国产精品一国产av| 国产精品久久久久久精品电影小说| 母亲3免费完整高清在线观看 | 午夜激情久久久久久久| 久久这里有精品视频免费| 伦理电影免费视频| 国产伦理片在线播放av一区| 久久久久久久精品精品| 亚洲久久久国产精品| 高清不卡的av网站| av有码第一页| 咕卡用的链子| 纵有疾风起免费观看全集完整版|