• <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 ?

    模糊熵在地鐵車輛平輪故障診斷中的應(yīng)用研究*

    2017-03-27 09:17:40黃曉鵬敖銀輝
    城市軌道交通研究 2017年3期
    關(guān)鍵詞:振動(dòng)分類故障

    黃曉鵬 敖銀輝 覃 杰

    (廣東工業(yè)大學(xué)機(jī)電工程學(xué)院,510006,廣州∥第一作者,碩士研究生)

    模糊熵在地鐵車輛平輪故障診斷中的應(yīng)用研究*

    黃曉鵬 敖銀輝 覃 杰

    (廣東工業(yè)大學(xué)機(jī)電工程學(xué)院,510006,廣州∥第一作者,碩士研究生)

    為實(shí)現(xiàn)地鐵車輛走行部關(guān)鍵部件的不解體檢測(cè)診斷,采用過車軌道振動(dòng)來(lái)分析車輛平輪故障。試驗(yàn)采集了正常情況、剝離故障及擦傷故障等3種工況下的振動(dòng)信號(hào)。首先對(duì)信號(hào)進(jìn)行集合經(jīng)驗(yàn)?zāi)B(tài)分解;然后,用相關(guān)系數(shù)法篩選分解產(chǎn)生的本征模態(tài)函數(shù)分量,再計(jì)算主分量的模糊熵熵值作為故障特征向量;最后,輸入到由遺傳算法優(yōu)化的支持向量機(jī)分類器進(jìn)行故障識(shí)別。試驗(yàn)結(jié)果表明,該方法可以實(shí)現(xiàn)地鐵車輛平輪故障的準(zhǔn)確識(shí)別。

    地鐵車輛; 軌道振動(dòng); 集合經(jīng)驗(yàn)?zāi)B(tài)分解; 模糊熵; 支持向量機(jī); 故障診斷

    車輪是地鐵車輛走行部的關(guān)鍵部件。車輪踏面的擦傷及剝離等平輪故障是影響列車安全運(yùn)行的重要因素。平輪故障會(huì)導(dǎo)致車輛軸承損傷、軸溫升高及鋼軌波磨等問題。國(guó)內(nèi)外常見平輪故障非接觸在線檢測(cè)的方法有圖像檢測(cè)法、位移檢測(cè)法、電信號(hào)檢測(cè)法、振動(dòng)分析法等[1]。從實(shí)際應(yīng)用來(lái)說(shuō),振動(dòng)分析法技術(shù)較成熟,成本低,適用于不同車速的在線檢測(cè)分析。

    地鐵車輛軌道振動(dòng)與車速、載重和輪軌激勵(lì)有關(guān),存在多源耦合現(xiàn)象。由于其振動(dòng)信號(hào)表現(xiàn)出非線性非平穩(wěn)特征,信噪比低,易受噪聲干擾,故很難有效提取故障特征信息[2]。傳統(tǒng)的振動(dòng)分析方法都存在局限性。小波分析需預(yù)先設(shè)定基函數(shù)和分解尺度,其本質(zhì)是窗口可調(diào)傅里葉變換,易受鄰近諧波分量影響。經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)能根據(jù)原始信號(hào)本身特性通過迭代方式自適應(yīng)地獲取基函數(shù)與分解層次,適合非線性非平穩(wěn)信號(hào)的處理,但是對(duì)于間歇性非平穩(wěn)信號(hào)容易產(chǎn)生模態(tài)混疊(混頻)現(xiàn)象[3]。

    集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)通過在原始信號(hào)中加入白噪聲序列輔助分析,解決了傳統(tǒng)EMD存在的模態(tài)混疊問題[4]。熵可用于定量描述信號(hào)的不確定性和復(fù)雜度統(tǒng)計(jì)特性,抗噪能力強(qiáng),穩(wěn)定性好[5]。由EEMD分解得到若干平穩(wěn)本征模態(tài)函數(shù)(IMF)并計(jì)算相應(yīng)熵值,可作為車輛平輪故障信息的特征向量。特征提取后需要進(jìn)行故障識(shí)別。支持向量機(jī)(SVM)建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則和VC(Vapnik-Chervonenkis)維概念基礎(chǔ)上,在解決非線性、較高維、小樣本等方面有突出優(yōu)點(diǎn),具有很好的泛化能力[6]。

    試驗(yàn)采集了地鐵車輛在正常情況、擦傷故障、剝離故障等3種運(yùn)行工況下的軌道振動(dòng)信號(hào)。首先,在軌道兩側(cè)各對(duì)稱安裝5個(gè)通道傳感器來(lái)采集列車經(jīng)過時(shí)完整的車輪振動(dòng)信號(hào),然后通過軌道振動(dòng)分析實(shí)現(xiàn)平輪故障級(jí)別的準(zhǔn)確判定。

    1 特征提取算法理論

    1.1 EEMD參數(shù)設(shè)置和主分量篩選

    步驟1:設(shè)置高斯白噪聲的幅值標(biāo)準(zhǔn)差比值系數(shù)k和執(zhí)行EMD的總次數(shù)s。則信噪比為:

    RSN=10lg(P1/P2)

    (1)

    式中:

    P1——信號(hào)能量;

    P2——噪聲能量。

    由原始信號(hào)的能量值可確定加入的白噪聲能量值,進(jìn)而可求得白噪聲的幅值。當(dāng)RSN為55~65 dB時(shí)可取得較好效果。為減少試驗(yàn)重復(fù)次數(shù)s,先對(duì)原始信號(hào)進(jìn)行傅里葉變換,獲得其頻率上限,再根據(jù)頻率上限對(duì)白噪聲進(jìn)行濾波。

    步驟2:計(jì)算在原始信號(hào)x(t)中第i次加入白噪聲ni(t)后的信號(hào),有

    xi(t)=x(t)+ni(t)

    (2)

    步驟3:對(duì)xi(t)進(jìn)行EMD,得到第i次加入白噪聲后分解得到的第j個(gè)IMF分量ci,j(t)和余項(xiàng)ri(t)。j(即IMF分量個(gè)數(shù))的范圍,由信號(hào)特點(diǎn)自適應(yīng)確定。

    步驟4:將步驟2和步驟3重復(fù)s次,根據(jù)k取值每次添加不同白噪聲。計(jì)算s次分解出的第j個(gè)IMF均值,消除多次加入白噪聲對(duì)真實(shí)IMF的影響。則

    (3)

    步驟5:EEMD分解得到IMF

    (4)

    由于EEMD分解會(huì)產(chǎn)生包含故障信息相對(duì)較小的 IMF偽分量,若不加篩選直接進(jìn)行后續(xù)故障特征提取,不但增加計(jì)算量,而且影響特征向量對(duì)故障的識(shí)別。本文先采用皮爾遜相關(guān)系數(shù)法,計(jì)算各IMF分量與原始信號(hào)的相關(guān)系數(shù);然后對(duì)相關(guān)系數(shù)設(shè)定閥值,篩選出能保留原信號(hào)主要信息的IMF分量,從而有效消除噪聲影響。

    1.2 主分量模糊熵特征提取

    近年來(lái),樣本熵和模糊熵等熵的概念被應(yīng)用到機(jī)械故障診斷領(lǐng)域。由于熵值具有能反映信號(hào)復(fù)雜度的特點(diǎn),故將熵值作為故障信息的特征參數(shù)。模糊熵是樣本熵的改進(jìn)算法[7]。二者都是用熵值來(lái)表示信號(hào)序列的復(fù)雜程度,不同之處在于:模糊熵將模糊集合理論引入序列復(fù)雜度的計(jì)算,利用指數(shù)函數(shù)將相似性度量模糊化,用模糊隸屬度函數(shù)替代硬閾值判據(jù),使得模糊熵的值能夠隨參數(shù)穩(wěn)定變化[8]。與樣本熵相比,模糊熵對(duì)重構(gòu)相空間的維數(shù)和相似容限度等參數(shù)的依賴性更低。因此,本文計(jì)算各IMF的模糊熵值來(lái)構(gòu)成特征向量以用于故障識(shí)別。模糊熵的計(jì)算過程如下:

    (1) 對(duì)長(zhǎng)度為N的序列{u(i):1≤i≤N}構(gòu)造m維向量:

    xi,m={u(i),u(i+1),…,u

    (i+m-1)}-u0(i)

    (5)

    其中,i=1,…,N-m+1;

    (2) 定義xi,m與xj,m間的距離di,j,m為兩者對(duì)應(yīng)元素差值絕對(duì)值的最大值,即

    di,j,m=max{|(u(i+k)-u0(i))-

    (u(j+k)-u0(j))|}

    (6)

    其中,i、j=1,2,…,N-m;且i≠j;k∈(0,m-1)。

    (3) 定義函數(shù)

    (7)

    其中,隸屬度函數(shù)Di,j,m=e-(di,j,m/r)n,r和n均為參數(shù)。

    (4)定義模糊熵為

    當(dāng)N為有限值時(shí)可近似采用:

    F(m,n,r,N)=ln[φm(n,r)]-ln[φm+1(n,r)]

    2 故障識(shí)別算法理論

    SVM主要用于模式分類和非線性回歸。其主要設(shè)計(jì)思想是通過核函數(shù)的非線性變換把低維數(shù)據(jù)映射到高維特征空間,并在高維空間中尋找最優(yōu)分類超平面,將訓(xùn)練樣本正確分類并使分類間隔最大。尋找最優(yōu)超平面的問題等同于解凸二次規(guī)劃優(yōu)化問題。優(yōu)化條件是使兩類樣本之間的距離最小,根據(jù)拉格朗日方程和Karush-Kuhn-Tuker條件,求解得到最優(yōu)分類函數(shù)為

    式中:

    b*——分類的域值;

    K(xi·x)——核函數(shù)。

    常見的核函數(shù)主要有高斯核函數(shù)(也稱徑向基函數(shù)(RBF))、Sigmoid線性核函數(shù)、多項(xiàng)式核函數(shù)等。RBF核函數(shù)能將樣本非線性地映射到高維空間,平滑性好,分類準(zhǔn)確率高,故本文選擇RBF核函數(shù)。

    核函數(shù)參數(shù)g以及懲罰因子c對(duì)SVM的學(xué)習(xí)能力和泛化能力有著重要影響。相比傳統(tǒng)大范圍枚舉法,啟發(fā)式遺傳算法可不必遍歷所有參數(shù)點(diǎn),能快速得到全局最優(yōu)解。遺傳算法(GA)是模擬自然界遺傳機(jī)制和生物進(jìn)化論而形成的一種全局并行隨機(jī)搜索最優(yōu)化方法[9],適用于大規(guī)模并行尋優(yōu)計(jì)算。

    3 組合模型故障診斷流程

    地鐵車輛軌道振動(dòng)信號(hào)是典型的非線性非平穩(wěn)信號(hào)。平輪故障診斷分為特征提取及故障識(shí)別2部分。具體診斷模型的振動(dòng)信號(hào)處理流程如圖1所示。

    圖1 振動(dòng)信號(hào)處理流程框圖

    4 試驗(yàn)結(jié)果分析

    原始數(shù)據(jù)為地鐵車輛軌道內(nèi)側(cè)振動(dòng)信號(hào),采用壓電式振動(dòng)加速度傳感器,在左右2股軌道上各布置5個(gè)測(cè)點(diǎn)以便完整采集車輪振動(dòng)信號(hào)[10]。當(dāng)列車通過信號(hào)采集區(qū)時(shí),磁鋼發(fā)出開始采樣信號(hào),然后信號(hào)采集工控機(jī)開始保存振動(dòng)信號(hào)以便后續(xù)處理。信號(hào)采集方案如圖2所示。

    車輛在長(zhǎng)期運(yùn)行和緊急制動(dòng)過程中,車輪踏面會(huì)發(fā)生擦傷或剝離進(jìn)而形成平輪。平輪深度為1 mm以下時(shí)定義為擦傷故障,平輪深度為1 mm以上時(shí)定義為剝離故障。軌道振動(dòng)除了受平輪沖擊載荷影響外,受車速和載重干擾影響也較大。因此試驗(yàn)設(shè)定在地鐵工程車空載且車速為40 km/h時(shí),采集軌道兩側(cè)共10個(gè)通道傳感器的振動(dòng)信號(hào)。采樣頻率為7 992 Hz,每個(gè)通道取1 024個(gè)數(shù)據(jù)長(zhǎng)度。如圖2所示,磁鋼距離第1個(gè)傳感器0.7 m,可通過車速計(jì)算該間隔的過車時(shí)間,通過采樣頻率來(lái)計(jì)算該間隔采樣點(diǎn)數(shù),并截?cái)嗟?個(gè)傳感器在列車過該間隔期間的采樣數(shù)據(jù)。同理,可由2個(gè)傳感器間隔為1.4 m來(lái)進(jìn)行每個(gè)傳感器起始有效數(shù)據(jù)的對(duì)準(zhǔn)。采集正常工況、擦傷故障及剝離故障3種工況下的軌道振動(dòng)信號(hào)。每種工況采集32組數(shù)據(jù)樣本,并隨機(jī)選取其中20組作為訓(xùn)練樣本,將其余12組為測(cè)試樣本。3種狀態(tài)下訓(xùn)練樣本共60組,測(cè)試樣本共36組。

    圖2 信號(hào)采集方案

    4.1 集合經(jīng)驗(yàn)?zāi)B(tài)分解和主分量篩選

    地鐵車輛平輪故障會(huì)引起走行部各部件不同頻段的固有振動(dòng)。振動(dòng)信號(hào)采用EEMD分解,即根據(jù)信號(hào)自身特點(diǎn)自適應(yīng)地將不同頻段內(nèi)的固有振動(dòng)分解到不同IMF分量中。EEMD分解次數(shù)s取值70,k取值0.05,剝離故障振動(dòng)信號(hào)分解產(chǎn)生的9個(gè)IMF分量如圖3所示。IMF分量個(gè)數(shù)與信號(hào)本身特點(diǎn)有關(guān)。將IMF分量按頻率由高到低排列,則振幅依次減弱。由圖3可見,IMF分量基本平穩(wěn)且沒有模態(tài)混疊現(xiàn)象。

    根據(jù)分解后的結(jié)果,計(jì)算原始振動(dòng)信號(hào)和各IMF分量的皮爾遜相關(guān)系數(shù),并采用閾值法剔除與原始信號(hào)相關(guān)性較小的偽分量。經(jīng)綜合考慮,篩選每個(gè)樣本分解產(chǎn)生的5個(gè)相關(guān)系數(shù)較大的IMF分量以進(jìn)行后續(xù)的特征提取。

    4.2 模糊熵特征提取

    由于模糊熵可分析復(fù)雜信號(hào)中的確定性成分和隨機(jī)成分,因此采用模糊熵構(gòu)造平輪故障特征向量。計(jì)算模糊熵時(shí),重構(gòu)相空間維數(shù)m的值越大越能體現(xiàn)信號(hào)動(dòng)態(tài)演化過程;而相似容限度r過大會(huì)加劇信息的丟失,過小則會(huì)增加噪聲敏感性并導(dǎo)致熵值不確定性增加。m取值2,r取值0.3。計(jì)算每個(gè)樣本EEMD分解產(chǎn)生的5個(gè)主IMF分量的模糊熵值。可視化每個(gè)樣本點(diǎn)的熵值變化,取前3個(gè)主IMF的模糊熵值代表一個(gè)樣本點(diǎn),一共96個(gè)樣本點(diǎn),可視化結(jié)果如圖4。由圖4可知,模糊熵特征向量代表的樣本點(diǎn)擁有良好的類內(nèi)聚集性,類間邊界清晰,能夠提高后續(xù)故障識(shí)別的準(zhǔn)確率。為對(duì)比模糊熵相比樣本熵熵值算法的優(yōu)越性,本文同時(shí)計(jì)算樣本熵熵值并繪制三維可視圖(見圖5)。通過圖4、圖5兩圖比較表明,模糊熵構(gòu)成的特征向量比樣本熵有更好的分類效果。

    圖3 剝離故障振動(dòng)信號(hào)的原始信號(hào)EEMD分解結(jié)果

    圖4 不同工況下每個(gè)樣本取前3個(gè)主IMF的模糊熵熵值

    4.3 GA優(yōu)化SVM故障識(shí)別

    本文共取96組樣本,將其分為訓(xùn)練集和測(cè)試集,提取3種工況下的故障特征向量,將訓(xùn)練集特征向量輸入到SVM。

    圖5 不同工況下每個(gè)樣本取前3個(gè)主IMF的樣本熵熵值

    圖6 GA參數(shù)尋優(yōu)曲線

    根據(jù)上述理論,采用GA的SVM參數(shù)進(jìn)行全局尋優(yōu)。GA設(shè)定種群規(guī)模為20,最大進(jìn)化代數(shù)為100,利用交叉驗(yàn)證的準(zhǔn)確率作為適應(yīng)度值。在遺傳代數(shù)為50時(shí)取得最優(yōu)值停止迭代,獲得參數(shù)優(yōu)化結(jié)果為g=1.701 7,c=0.865 27,對(duì)訓(xùn)練集的分類準(zhǔn)確率為98.333 3%。GA尋優(yōu)如圖6所示。

    代入GA尋得的最優(yōu)參數(shù),通過對(duì)訓(xùn)練集的訓(xùn)練得到分類器模型,對(duì)測(cè)試集進(jìn)行分類預(yù)測(cè)。正常情況和剝離故障的12個(gè)樣本分類均準(zhǔn)確,擦傷故障的12個(gè)樣本中有1個(gè)樣本點(diǎn)分類錯(cuò)誤??傻脺y(cè)試集的分類準(zhǔn)確率為97.222 2%。

    為驗(yàn)證該組合模型在地鐵車輛平輪故障診斷中的優(yōu)勢(shì),在故障特征提取階段計(jì)算EMD分解后5個(gè)主IMF分量的樣本熵和模糊熵;在故障識(shí)別階段采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)作為分類器,對(duì)不同方法提取的特征向量進(jìn)行分類。得到的分類準(zhǔn)確率如表1所示。

    由表1可見,對(duì)軌道原始振動(dòng)信號(hào)進(jìn)行EEMD分解比EMD分解更有利于后續(xù)的特征提取,分類準(zhǔn)確率也明顯提高。熵能夠表征信號(hào)的復(fù)雜程度,用模糊熵作為特征向量比樣本熵有更高的分類準(zhǔn)確率。對(duì)于小樣本情況下的故障分類,用遺傳算法優(yōu)化的SVM比BP神經(jīng)網(wǎng)絡(luò)有更高的分類準(zhǔn)確率。

    表1 不同方法下測(cè)試集的分類準(zhǔn)確率

    5 結(jié)語(yǔ)

    針對(duì)地鐵車輛軌道振動(dòng)信號(hào)復(fù)雜、非線性、信噪比低及多源耦合等現(xiàn)象,本文利用EEMD對(duì)原始信號(hào)進(jìn)行分解,得到一系列平穩(wěn)本征模態(tài)函數(shù)。采用相關(guān)系數(shù)法篩選主分量,引入熵理論構(gòu)造模糊熵故障特征向量,通過SVM建立平輪故障識(shí)別模型,利用遺傳算法優(yōu)化分類器的核函數(shù)和懲罰因子。試驗(yàn)結(jié)果表明,本文所提出的特征提取方法和故障識(shí)別模型能夠有效判別地鐵車輛車輪踏面擦傷和剝離等平輪故障形式,識(shí)別準(zhǔn)確率高。

    [1] 高瓔園.軌道車輛平輪實(shí)時(shí)檢測(cè)技術(shù)研究[D].哈爾濱:哈爾濱工程大學(xué),2010.

    [2] 顏秋,劉永明.基于matlab/simulink的車輛建模與故障分析[J].華東交通大學(xué)學(xué)報(bào),2012.

    [3] 肖成勇,石博強(qiáng),馮志鵬.基于EEMD和進(jìn)化支持向量機(jī)的齒輪混合智能診斷方法研究[J].機(jī)械科學(xué)與技術(shù),2015(1):86-89.

    [4] LEI Y,HE Z,ZI Y.EEMD method and WNN for fault diagnosis of locomotive Roller bearings[J].Expert Systems with Applications,2011,38(6):7334-7341.

    [5] CHEN W,ZHUANG J,YU W,et al.Measuring complexity using FuzzyEn,ApEn,and SampEn.[J].Medical Engineering & Physics,2009,31(1):61-68.

    [6] ACHMSD W,BO-SUK Y.Support Vector Machine In Machine Condition Monitoring And Fault diagnosis[J].Mechanical Systems and signal Processing,2007,21(6):2560.

    [7] 孫克輝,賀少波,尹林子,等.模糊熵算法在混沌序列復(fù)雜度分析中的應(yīng)用[J].物理學(xué)報(bào),2012(13):71-77.

    [8] LIU C,LI K,ZHAO L,et al.Analysis of heart rate variability using fuzzy measure entropy[J].Computers in Biology and Medicine,2013,43(2): 100-108.

    [9] 劉運(yùn),黎明,董華.基于遺傳算法的故障特征優(yōu)化研究[J].計(jì)算機(jī)仿真,2010(4):192-196.

    [10] 王方程,遲寶全.平輪在線自動(dòng)檢測(cè)方法綜述[J].城市軌道交通研究,2006(1):31-33.

    Application of Fuzzy Entropy in Diagnosis of Metro Vehicle Flat Wheel Fault

    HUANG Xiaopeng, AO Yinhui, QIN Jie

    To achieve disassembly detection and diagnosis of key components in metro vehicle running gear, the fault of flat wheel through the rail vibration is analyzed. This experiment collects vibration signals in three working conditions: nrmal condition,peeling failure and abrasion fault. Firstly, the vibration signal is adaptively decomposed by using the ensemble empirical mode decomposition into a series of intrinsic mode functions. Then, the correlation coefficient is calculated to sift out intrinsic mode functions(IMF) that have largest correlation coefficients with the original signal, and the fuzzy entropies of these IMFs constitute a high dimensional characteristic vector.Finally, the feature vector is put into the genetic-support vector machine for classification and identification. The experimental result shows that this method can achieve accurate identification of the flat wheel fault.

    metro vehicle; rail vibration; ensemble empirical mode decomposition; fuzzy entropy; support vector machine; fault diagnosis

    Faculty of Electromechanical Engineering,Guangdong University of Technology,510006,Guangzhou,China

    *國(guó)家自然科學(xué)基金資助項(xiàng)目(51275093); 廣東省科技廳科技項(xiàng)目(2013498A)

    U 270.331+1

    10.16037/j.1007-869x.2017.03.018

    2015-06-24)

    猜你喜歡
    振動(dòng)分類故障
    振動(dòng)的思考
    分類算一算
    振動(dòng)與頻率
    故障一點(diǎn)通
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    中立型Emden-Fowler微分方程的振動(dòng)性
    教你一招:數(shù)的分類
    奔馳R320車ABS、ESP故障燈異常點(diǎn)亮
    故障一點(diǎn)通
    婷婷精品国产亚洲av在线| 我的老师免费观看完整版| 国产真实乱freesex| 成人性生交大片免费视频hd| 如何舔出高潮| 亚洲第一电影网av| 精品午夜福利视频在线观看一区| 色视频www国产| 精品人妻一区二区三区麻豆 | 免费人成在线观看视频色| 日本熟妇午夜| 99视频精品全部免费 在线| 国产极品精品免费视频能看的| 国产av在哪里看| 床上黄色一级片| 国内毛片毛片毛片毛片毛片| 成年人黄色毛片网站| 欧美日韩亚洲国产一区二区在线观看| 免费人成在线观看视频色| 国语自产精品视频在线第100页| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产高清在线一区二区三| 午夜免费成人在线视频| 欧美精品国产亚洲| 69av精品久久久久久| 欧美激情在线99| 亚洲人成伊人成综合网2020| 国产在视频线在精品| 色综合婷婷激情| 日日摸夜夜添夜夜添av毛片 | 国产毛片a区久久久久| 1000部很黄的大片| 精品久久久久久,| 久久精品久久久久久噜噜老黄 | 成人特级黄色片久久久久久久| 大型黄色视频在线免费观看| 国产三级在线视频| 亚洲一区二区三区不卡视频| 脱女人内裤的视频| 波野结衣二区三区在线| 国内少妇人妻偷人精品xxx网站| av国产免费在线观看| 亚洲,欧美,日韩| 国产av麻豆久久久久久久| 9191精品国产免费久久| 亚洲三级黄色毛片| 俄罗斯特黄特色一大片| 日韩成人在线观看一区二区三区| 夜夜看夜夜爽夜夜摸| 搞女人的毛片| 亚洲欧美精品综合久久99| 成人特级av手机在线观看| 亚洲精品色激情综合| 亚洲成人久久性| 夜夜看夜夜爽夜夜摸| 好男人电影高清在线观看| www日本黄色视频网| 精品久久久久久久久久久久久| 久久久精品大字幕| 国语自产精品视频在线第100页| 亚洲 国产 在线| 欧美bdsm另类| 嫩草影院精品99| 久久久国产成人免费| 成人性生交大片免费视频hd| 内地一区二区视频在线| 国内毛片毛片毛片毛片毛片| 女生性感内裤真人,穿戴方法视频| 成年女人看的毛片在线观看| 99国产精品一区二区三区| 亚洲第一电影网av| xxxwww97欧美| 国产成人欧美在线观看| 99热这里只有精品一区| 免费人成在线观看视频色| 日日摸夜夜添夜夜添小说| 国产精品一区二区免费欧美| 免费黄网站久久成人精品 | 免费无遮挡裸体视频| 黄色日韩在线| 999久久久精品免费观看国产| 午夜免费成人在线视频| av中文乱码字幕在线| 91久久精品电影网| 黄色配什么色好看| 亚洲va日本ⅴa欧美va伊人久久| 精品99又大又爽又粗少妇毛片 | 我要看日韩黄色一级片| 国产国拍精品亚洲av在线观看| 草草在线视频免费看| 午夜福利在线在线| 1000部很黄的大片| 免费观看精品视频网站| 午夜福利成人在线免费观看| av黄色大香蕉| 桃色一区二区三区在线观看| 国产69精品久久久久777片| 99在线视频只有这里精品首页| 久久精品综合一区二区三区| 舔av片在线| 国内毛片毛片毛片毛片毛片| 高清毛片免费观看视频网站| 一进一出抽搐动态| 久久久久九九精品影院| 一二三四社区在线视频社区8| 最新中文字幕久久久久| 日韩欧美国产一区二区入口| 亚洲av五月六月丁香网| 变态另类成人亚洲欧美熟女| 变态另类成人亚洲欧美熟女| 国产三级中文精品| 久久亚洲精品不卡| 国产高清有码在线观看视频| 免费观看的影片在线观看| 久久精品国产99精品国产亚洲性色| 亚洲第一电影网av| 欧美日本视频| 国产亚洲精品久久久久久毛片| 国产男靠女视频免费网站| 草草在线视频免费看| 18禁在线播放成人免费| 给我免费播放毛片高清在线观看| 欧美另类亚洲清纯唯美| 精品久久久久久久久久免费视频| 国产乱人伦免费视频| 亚洲国产高清在线一区二区三| 一个人看的www免费观看视频| 亚洲 欧美 日韩 在线 免费| 国产真实伦视频高清在线观看 | 久久国产乱子免费精品| 亚洲熟妇熟女久久| 美女cb高潮喷水在线观看| 精品日产1卡2卡| 国产探花极品一区二区| 丁香欧美五月| 亚洲国产欧美人成| 能在线免费观看的黄片| 日韩大尺度精品在线看网址| 亚洲国产高清在线一区二区三| 亚洲综合色惰| 欧美成人a在线观看| 最新在线观看一区二区三区| 亚洲男人的天堂狠狠| 白带黄色成豆腐渣| 免费观看精品视频网站| 一区二区三区激情视频| 日韩精品青青久久久久久| 国产乱人伦免费视频| 欧美日韩黄片免| 国内揄拍国产精品人妻在线| 超碰av人人做人人爽久久| 超碰av人人做人人爽久久| 国产人妻一区二区三区在| 成熟少妇高潮喷水视频| 窝窝影院91人妻| 国产伦在线观看视频一区| 尤物成人国产欧美一区二区三区| 1024手机看黄色片| 丝袜美腿在线中文| 亚洲性夜色夜夜综合| 国产精品精品国产色婷婷| а√天堂www在线а√下载| 久久性视频一级片| 一进一出抽搐动态| 国产在线精品亚洲第一网站| 夜夜躁狠狠躁天天躁| 天天一区二区日本电影三级| 精品不卡国产一区二区三区| 亚洲真实伦在线观看| 亚洲av.av天堂| 久久亚洲真实| 美女 人体艺术 gogo| 久久久久久久亚洲中文字幕 | 亚洲精品色激情综合| 真人一进一出gif抽搐免费| 亚洲人成网站高清观看| 午夜两性在线视频| 国产一区二区在线观看日韩| 深夜精品福利| 国产一区二区亚洲精品在线观看| 免费高清视频大片| 观看美女的网站| 亚洲av熟女| 别揉我奶头~嗯~啊~动态视频| 极品教师在线视频| 天堂网av新在线| 欧美日韩瑟瑟在线播放| 久久精品人妻少妇| 国产成人福利小说| 麻豆国产av国片精品| 欧美国产日韩亚洲一区| 久久久久精品国产欧美久久久| 九色国产91popny在线| 日日摸夜夜添夜夜添小说| 欧美精品啪啪一区二区三区| 99视频精品全部免费 在线| av国产免费在线观看| 亚洲自偷自拍三级| 老鸭窝网址在线观看| 久久草成人影院| 国产精品亚洲美女久久久| 精品人妻偷拍中文字幕| 亚洲成人精品中文字幕电影| 亚洲成人中文字幕在线播放| 国产精品一区二区三区四区久久| 一个人观看的视频www高清免费观看| 在现免费观看毛片| 成人亚洲精品av一区二区| 午夜免费男女啪啪视频观看 | 1024手机看黄色片| 最近最新中文字幕大全电影3| 国产乱人伦免费视频| 亚洲 欧美 日韩 在线 免费| 国产三级在线视频| 国产高清激情床上av| 天堂√8在线中文| 99riav亚洲国产免费| 国产亚洲欧美98| 中文字幕高清在线视频| 日韩免费av在线播放| 九色成人免费人妻av| 简卡轻食公司| 中文字幕高清在线视频| 亚洲专区中文字幕在线| www.色视频.com| eeuss影院久久| 长腿黑丝高跟| 国产亚洲精品久久久com| 嫩草影院入口| 99在线视频只有这里精品首页| 特大巨黑吊av在线直播| 亚洲中文日韩欧美视频| 三级国产精品欧美在线观看| 宅男免费午夜| 好男人在线观看高清免费视频| 99热这里只有是精品50| 国产精品乱码一区二三区的特点| 亚洲av中文字字幕乱码综合| 在线国产一区二区在线| 国产一区二区在线观看日韩| 亚洲成av人片免费观看| 欧美日本视频| 国产蜜桃级精品一区二区三区| 给我免费播放毛片高清在线观看| 精品一区二区三区av网在线观看| 悠悠久久av| 欧美性感艳星| 亚洲男人的天堂狠狠| 成人国产综合亚洲| 无遮挡黄片免费观看| 午夜福利免费观看在线| 亚洲欧美清纯卡通| 精品一区二区三区av网在线观看| 国产三级中文精品| www.999成人在线观看| 日韩高清综合在线| 国产色爽女视频免费观看| av福利片在线观看| 3wmmmm亚洲av在线观看| 国内毛片毛片毛片毛片毛片| 国产日本99.免费观看| 成人精品一区二区免费| 日本免费一区二区三区高清不卡| 波多野结衣高清作品| 久久久色成人| 国产在视频线在精品| 精品不卡国产一区二区三区| 久久婷婷人人爽人人干人人爱| 国产成人影院久久av| 久久人妻av系列| 老熟妇仑乱视频hdxx| 午夜亚洲福利在线播放| 小蜜桃在线观看免费完整版高清| 丰满的人妻完整版| 99热这里只有精品一区| 国产三级在线视频| 在线看三级毛片| 两个人的视频大全免费| 毛片女人毛片| 精品福利观看| 啪啪无遮挡十八禁网站| 在线十欧美十亚洲十日本专区| 丰满乱子伦码专区| 天堂av国产一区二区熟女人妻| 香蕉av资源在线| 欧美极品一区二区三区四区| 国产真实伦视频高清在线观看 | 最新在线观看一区二区三区| 久久久久亚洲av毛片大全| 亚洲五月天丁香| 老司机深夜福利视频在线观看| 亚洲内射少妇av| 国产在视频线在精品| 久久精品国产自在天天线| 老司机午夜十八禁免费视频| 国产精品久久久久久亚洲av鲁大| 亚洲成人久久爱视频| 动漫黄色视频在线观看| 18禁裸乳无遮挡免费网站照片| 国产精品乱码一区二三区的特点| 国产精品女同一区二区软件 | 日韩精品青青久久久久久| 男人和女人高潮做爰伦理| 三级男女做爰猛烈吃奶摸视频| 男女之事视频高清在线观看| 特级一级黄色大片| 一级毛片久久久久久久久女| 国产亚洲精品av在线| 亚洲av免费在线观看| 国产av一区在线观看免费| 3wmmmm亚洲av在线观看| 色av中文字幕| 午夜福利18| 一级黄片播放器| 在线观看av片永久免费下载| 狂野欧美白嫩少妇大欣赏| 国内精品美女久久久久久| 午夜老司机福利剧场| 成年版毛片免费区| 欧美黑人巨大hd| 又黄又爽又免费观看的视频| 午夜亚洲福利在线播放| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕熟女人妻在线| 国产熟女xx| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 亚洲熟妇熟女久久| av专区在线播放| 国产高清视频在线观看网站| 免费观看精品视频网站| 麻豆国产97在线/欧美| 高潮久久久久久久久久久不卡| 久久中文看片网| 日本三级黄在线观看| 国产三级在线视频| 免费看日本二区| 色在线成人网| x7x7x7水蜜桃| 亚洲乱码一区二区免费版| 国产成人av教育| 一进一出抽搐gif免费好疼| 男女之事视频高清在线观看| xxxwww97欧美| 免费观看的影片在线观看| 又黄又爽又刺激的免费视频.| 成人av一区二区三区在线看| 亚洲最大成人av| 亚洲成人久久爱视频| 国产精品人妻久久久久久| 国产不卡一卡二| 女人十人毛片免费观看3o分钟| 如何舔出高潮| 人妻夜夜爽99麻豆av| 亚洲av一区综合| 男人狂女人下面高潮的视频| 性插视频无遮挡在线免费观看| 一个人免费在线观看的高清视频| 日本黄色片子视频| 麻豆一二三区av精品| 亚洲乱码一区二区免费版| 超碰av人人做人人爽久久| 国产亚洲欧美98| 国产黄片美女视频| 色哟哟·www| 欧美高清性xxxxhd video| 国产爱豆传媒在线观看| 色播亚洲综合网| 少妇的逼水好多| 搡女人真爽免费视频火全软件 | 九色国产91popny在线| 白带黄色成豆腐渣| 国产私拍福利视频在线观看| 久久午夜亚洲精品久久| 小蜜桃在线观看免费完整版高清| 一a级毛片在线观看| 精品人妻熟女av久视频| 久久久久国产精品人妻aⅴ院| 成年女人永久免费观看视频| 国产大屁股一区二区在线视频| 国产野战对白在线观看| 午夜福利视频1000在线观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲熟妇中文字幕五十中出| 特大巨黑吊av在线直播| 成人国产一区最新在线观看| 亚洲精品久久国产高清桃花| 真人做人爱边吃奶动态| 免费av毛片视频| 成年免费大片在线观看| 亚洲精品在线美女| 男女之事视频高清在线观看| 成人精品一区二区免费| 我的女老师完整版在线观看| 免费看日本二区| 亚洲精品成人久久久久久| 国产单亲对白刺激| 久久这里只有精品中国| 国产高清三级在线| 国产亚洲欧美在线一区二区| 18+在线观看网站| 国内毛片毛片毛片毛片毛片| 99久久九九国产精品国产免费| 女人十人毛片免费观看3o分钟| 国产白丝娇喘喷水9色精品| 亚洲五月天丁香| 中文亚洲av片在线观看爽| 久久性视频一级片| 日韩人妻高清精品专区| 麻豆av噜噜一区二区三区| 午夜福利18| 精品日产1卡2卡| 国产伦精品一区二区三区视频9| 又爽又黄a免费视频| 国产成年人精品一区二区| 欧美最黄视频在线播放免费| 国产精品精品国产色婷婷| 99国产精品一区二区三区| 啪啪无遮挡十八禁网站| 精品一区二区三区视频在线观看免费| 欧美日韩福利视频一区二区| 97碰自拍视频| 男人的好看免费观看在线视频| 免费看光身美女| 亚州av有码| 国产精华一区二区三区| 国产精品久久电影中文字幕| 亚洲中文字幕日韩| 十八禁网站免费在线| 国产麻豆成人av免费视频| 国产精品国产高清国产av| 欧美午夜高清在线| 欧美丝袜亚洲另类 | 婷婷亚洲欧美| 90打野战视频偷拍视频| 久久久精品大字幕| 国内揄拍国产精品人妻在线| 欧美丝袜亚洲另类 | 少妇人妻一区二区三区视频| 1024手机看黄色片| 日韩中文字幕欧美一区二区| 精品久久久久久久末码| 亚洲va日本ⅴa欧美va伊人久久| 午夜福利免费观看在线| 亚洲三级黄色毛片| 久久中文看片网| 国产老妇女一区| 久久欧美精品欧美久久欧美| 丝袜美腿在线中文| 久久久久久久久中文| 亚洲激情在线av| 99久国产av精品| 亚洲精品在线观看二区| 给我免费播放毛片高清在线观看| 欧美精品啪啪一区二区三区| 国产精品日韩av在线免费观看| 中文在线观看免费www的网站| 精品久久久久久久久亚洲 | 国产淫片久久久久久久久 | 男女床上黄色一级片免费看| 精品日产1卡2卡| 亚洲国产精品sss在线观看| 亚洲欧美激情综合另类| 三级国产精品欧美在线观看| 18禁裸乳无遮挡免费网站照片| 婷婷精品国产亚洲av| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 乱人视频在线观看| 亚洲人成网站高清观看| 亚洲精品日韩av片在线观看| 精品欧美国产一区二区三| 国内精品一区二区在线观看| 久久久久久国产a免费观看| 又爽又黄a免费视频| 日韩成人在线观看一区二区三区| 精品人妻熟女av久视频| 日本成人三级电影网站| av视频在线观看入口| 国产精品不卡视频一区二区 | 黄色丝袜av网址大全| 亚洲片人在线观看| 国产精品伦人一区二区| 亚洲自拍偷在线| 99热这里只有是精品在线观看 | 一级黄片播放器| 国产乱人视频| 国产真实乱freesex| 亚洲成人久久性| 久久久国产成人免费| 我的老师免费观看完整版| 国产精华一区二区三区| 久久香蕉精品热| 欧美xxxx黑人xx丫x性爽| 成人国产综合亚洲| 色播亚洲综合网| 黄色日韩在线| 国模一区二区三区四区视频| 午夜两性在线视频| 18禁裸乳无遮挡免费网站照片| 三级男女做爰猛烈吃奶摸视频| 69人妻影院| 午夜视频国产福利| 国产精品免费一区二区三区在线| 婷婷丁香在线五月| 人人妻人人澡欧美一区二区| 久久午夜亚洲精品久久| 日本成人三级电影网站| 国产精品久久视频播放| 人妻制服诱惑在线中文字幕| 久久久精品欧美日韩精品| 高潮久久久久久久久久久不卡| 亚洲精品色激情综合| 国产aⅴ精品一区二区三区波| 香蕉av资源在线| 久久久久久久亚洲中文字幕 | 亚洲精品乱码久久久v下载方式| 色噜噜av男人的天堂激情| 日韩欧美在线二视频| 久久亚洲精品不卡| 看片在线看免费视频| 免费人成视频x8x8入口观看| 国内少妇人妻偷人精品xxx网站| 亚洲av不卡在线观看| 亚洲18禁久久av| 内射极品少妇av片p| 久久性视频一级片| 亚洲自拍偷在线| 国产高清三级在线| 观看美女的网站| 在线免费观看不下载黄p国产 | 高清在线国产一区| 日韩欧美精品v在线| 少妇人妻精品综合一区二区 | 亚洲熟妇中文字幕五十中出| 十八禁国产超污无遮挡网站| 国产精品一及| 天堂网av新在线| 天堂√8在线中文| 成人一区二区视频在线观看| 久久久久久国产a免费观看| 亚洲午夜理论影院| 制服丝袜大香蕉在线| 特级一级黄色大片| 免费观看人在逋| 窝窝影院91人妻| 男女床上黄色一级片免费看| 级片在线观看| 热99在线观看视频| 97超级碰碰碰精品色视频在线观看| 日韩欧美 国产精品| 欧美色视频一区免费| 精品国产亚洲在线| 欧美成人一区二区免费高清观看| 两性午夜刺激爽爽歪歪视频在线观看| 免费观看人在逋| 国产精品一区二区三区四区免费观看 | 日韩av在线大香蕉| 精品福利观看| 日韩高清综合在线| 日本黄色视频三级网站网址| 午夜福利在线观看吧| 伊人久久精品亚洲午夜| 俄罗斯特黄特色一大片| 韩国av一区二区三区四区| 国产三级黄色录像| 中文字幕久久专区| 国产精品一区二区三区四区久久| 观看免费一级毛片| 亚洲国产欧洲综合997久久,| 免费一级毛片在线播放高清视频| 欧美性猛交╳xxx乱大交人| 老司机深夜福利视频在线观看| 久久久久久久精品吃奶| 免费看光身美女| 欧美一区二区亚洲| 久久久久免费精品人妻一区二区| 亚洲狠狠婷婷综合久久图片| 中文字幕av在线有码专区| 一个人免费在线观看的高清视频| 在线播放无遮挡| 极品教师在线免费播放| 特级一级黄色大片| 色播亚洲综合网| .国产精品久久| 亚洲av免费高清在线观看| 亚洲 国产 在线| 国产成人欧美在线观看| 国内精品一区二区在线观看| 一夜夜www| 少妇熟女aⅴ在线视频| 欧美成人性av电影在线观看| 在线十欧美十亚洲十日本专区| 亚洲av熟女| 欧美最新免费一区二区三区 | 18禁黄网站禁片免费观看直播| 午夜福利在线观看吧| 毛片女人毛片| 国语自产精品视频在线第100页| 97热精品久久久久久| 国产视频一区二区在线看| 精品欧美国产一区二区三| 国产精品综合久久久久久久免费| 少妇人妻精品综合一区二区 | 国产欧美日韩精品一区二区| 亚洲精品粉嫩美女一区| 中文字幕av在线有码专区| 欧美一区二区国产精品久久精品| a级一级毛片免费在线观看| 免费大片18禁| 国产精品98久久久久久宅男小说| 国产亚洲av嫩草精品影院| 国产乱人视频| 熟女人妻精品中文字幕| 日韩大尺度精品在线看网址|