• <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
    黑丝袜美女国产一区| 国产在线视频一区二区| av网站免费在线观看视频| 国产精品秋霞免费鲁丝片| 美女xxoo啪啪120秒动态图| 18在线观看网站| 亚洲美女视频黄频| 日本爱情动作片www.在线观看| 美女国产高潮福利片在线看| 丁香六月天网| 亚洲成人av在线免费| 欧美日韩成人在线一区二区| 又粗又硬又长又爽又黄的视频| 国语对白做爰xxxⅹ性视频网站| 成人二区视频| 日韩在线高清观看一区二区三区| 亚洲精品日韩在线中文字幕| 久久热在线av| 国产乱来视频区| 精品人妻在线不人妻| 久久国产精品大桥未久av| 欧美精品一区二区免费开放| 两个人看的免费小视频| 国产乱来视频区| 亚洲精华国产精华液的使用体验| 一区二区三区精品91| 国产亚洲最大av| 国产精品一区www在线观看| 亚洲第一av免费看| 成年美女黄网站色视频大全免费| 18禁裸乳无遮挡动漫免费视频| 校园人妻丝袜中文字幕| 三上悠亚av全集在线观看| 18禁国产床啪视频网站| 最新的欧美精品一区二区| 又粗又硬又长又爽又黄的视频| 日本欧美国产在线视频| 日韩视频在线欧美| 亚洲一区二区三区欧美精品| 国产视频首页在线观看| 亚洲av综合色区一区| 人妻 亚洲 视频| 伊人亚洲综合成人网| 免费不卡的大黄色大毛片视频在线观看| 美国免费a级毛片| 精品99又大又爽又粗少妇毛片| 国产精品国产av在线观看| 亚洲精品自拍成人| 日韩成人av中文字幕在线观看| 在线观看www视频免费| 人妻 亚洲 视频| 母亲3免费完整高清在线观看 | 日产精品乱码卡一卡2卡三| 久久久精品94久久精品| 妹子高潮喷水视频| 尾随美女入室| 免费在线观看黄色视频的| 青青草视频在线视频观看| 国产精品国产三级国产专区5o| 欧美激情 高清一区二区三区| av网站免费在线观看视频| 午夜久久久在线观看| 春色校园在线视频观看| 欧美精品高潮呻吟av久久| 久久久久久久久久人人人人人人| 久久这里只有精品19| 久久精品久久精品一区二区三区| 黑人巨大精品欧美一区二区蜜桃 | 精品一区二区三区视频在线| 精品一品国产午夜福利视频| 美女大奶头黄色视频| 在线观看三级黄色| 热99国产精品久久久久久7| 国产免费又黄又爽又色| 亚洲精品久久久久久婷婷小说| av天堂久久9| 97精品久久久久久久久久精品| 国产成人午夜福利电影在线观看| 国产精品 国内视频| 亚洲精品自拍成人| 亚洲久久久国产精品| 中文字幕精品免费在线观看视频 | videosex国产| 一级毛片黄色毛片免费观看视频| 国产免费福利视频在线观看| 日韩中字成人| 日日撸夜夜添| 一区二区三区乱码不卡18| 久久久a久久爽久久v久久| 成年美女黄网站色视频大全免费| √禁漫天堂资源中文www| 亚洲国产色片| 中国美白少妇内射xxxbb| 国产一区二区三区av在线| 久久久久久久精品精品| 18禁观看日本| 狠狠婷婷综合久久久久久88av| 精品一区二区免费观看| av女优亚洲男人天堂| 少妇的逼水好多| av播播在线观看一区| 日本av手机在线免费观看| 女人被躁到高潮嗷嗷叫费观| 欧美最新免费一区二区三区| 亚洲精品色激情综合| 人妻少妇偷人精品九色| 免费在线观看完整版高清| 亚洲精品乱码久久久久久按摩| 精品第一国产精品| 天天躁夜夜躁狠狠躁躁| 国产高清不卡午夜福利| 在线观看三级黄色| 秋霞在线观看毛片| 免费av不卡在线播放| 免费不卡的大黄色大毛片视频在线观看| 下体分泌物呈黄色| 欧美老熟妇乱子伦牲交| 欧美bdsm另类| 午夜福利影视在线免费观看| 巨乳人妻的诱惑在线观看| 男女下面插进去视频免费观看 | 久久久久国产网址| av又黄又爽大尺度在线免费看| 午夜激情av网站| 午夜视频国产福利| 亚洲美女视频黄频| 最近的中文字幕免费完整| 国产成人一区二区在线| 成人国产av品久久久| 一级毛片电影观看| 亚洲美女搞黄在线观看| 99精国产麻豆久久婷婷| 一级片'在线观看视频| 国产精品一区www在线观看| 亚洲国产精品999| 26uuu在线亚洲综合色| 美国免费a级毛片| 国产精品久久久av美女十八| 蜜臀久久99精品久久宅男| 久久精品久久精品一区二区三区| 又黄又爽又刺激的免费视频.| 中文天堂在线官网| 高清不卡的av网站| 久久久久久人妻| 久久国产精品大桥未久av| 亚洲成国产人片在线观看| 中文乱码字字幕精品一区二区三区| 国产午夜精品一二区理论片| 日本wwww免费看| av不卡在线播放| 亚洲国产看品久久| 制服诱惑二区| 日韩欧美精品免费久久| 久久av网站| 国产熟女午夜一区二区三区| 国产亚洲精品久久久com| 久久久精品免费免费高清| 91国产中文字幕| 亚洲色图综合在线观看| 91成人精品电影| 男女免费视频国产| 欧美少妇被猛烈插入视频| 欧美亚洲日本最大视频资源| 欧美日韩一区二区视频在线观看视频在线| 国产亚洲午夜精品一区二区久久| 人妻系列 视频| 国产成人精品福利久久| 日韩三级伦理在线观看| 欧美日韩亚洲高清精品| 伊人亚洲综合成人网| 丰满迷人的少妇在线观看| av卡一久久| 九色亚洲精品在线播放| 精品亚洲乱码少妇综合久久| av女优亚洲男人天堂| 欧美亚洲日本最大视频资源| 精品人妻在线不人妻| 大香蕉久久网| 哪个播放器可以免费观看大片| 精品午夜福利在线看| 男男h啪啪无遮挡| 婷婷色av中文字幕| kizo精华| 成人亚洲欧美一区二区av| 欧美精品一区二区免费开放| 自拍欧美九色日韩亚洲蝌蚪91| 制服人妻中文乱码| 老司机亚洲免费影院| 欧美日韩亚洲高清精品| 人妻一区二区av| 日产精品乱码卡一卡2卡三| 精品久久国产蜜桃| av电影中文网址| 又黄又爽又刺激的免费视频.| 久久免费观看电影| 有码 亚洲区| 国产精品久久久久久精品古装| 成人亚洲精品一区在线观看| www.色视频.com| 欧美国产精品va在线观看不卡| 亚洲三级黄色毛片| 国产精品国产三级专区第一集| 综合色丁香网| 丝袜在线中文字幕| 成人午夜精彩视频在线观看| 久久99一区二区三区| 爱豆传媒免费全集在线观看| 日韩 亚洲 欧美在线| 欧美人与善性xxx| 日日撸夜夜添| 亚洲精品第二区| 国产白丝娇喘喷水9色精品| 五月玫瑰六月丁香| 一边摸一边做爽爽视频免费| 高清视频免费观看一区二区| 欧美bdsm另类| 成年人午夜在线观看视频| 欧美老熟妇乱子伦牲交| 精品国产一区二区久久| 国产成人a∨麻豆精品| 欧美精品高潮呻吟av久久| 22中文网久久字幕| 看免费av毛片| av在线app专区| 日韩av不卡免费在线播放| 精品久久国产蜜桃| a级毛片黄视频| 亚洲av在线观看美女高潮| 满18在线观看网站| 中文字幕最新亚洲高清| 黄网站色视频无遮挡免费观看| 成年人免费黄色播放视频| 亚洲国产av新网站| 精品一区二区三区视频在线| 久久久久精品人妻al黑| 极品人妻少妇av视频| 久久久久网色| 亚洲成av片中文字幕在线观看 | 视频在线观看一区二区三区| 美女xxoo啪啪120秒动态图| 女人被躁到高潮嗷嗷叫费观| 女性生殖器流出的白浆| 久久久久精品久久久久真实原创| 亚洲婷婷狠狠爱综合网| 一个人免费看片子| 少妇高潮的动态图| freevideosex欧美| 精品午夜福利在线看| 国产精品嫩草影院av在线观看| 涩涩av久久男人的天堂| 亚洲精品aⅴ在线观看| 精品一区在线观看国产| 国产黄色视频一区二区在线观看| 欧美97在线视频| 你懂的网址亚洲精品在线观看| av免费观看日本| 精品少妇久久久久久888优播| 婷婷成人精品国产| 欧美精品高潮呻吟av久久| 免费大片黄手机在线观看| 欧美人与性动交α欧美精品济南到 | videossex国产| 一级黄片播放器| 亚洲人成77777在线视频| 国产国拍精品亚洲av在线观看| 婷婷成人精品国产| 不卡视频在线观看欧美| 一区在线观看完整版| 日本猛色少妇xxxxx猛交久久| 久久久久国产精品人妻一区二区| 免费在线观看完整版高清| 哪个播放器可以免费观看大片| 亚洲高清免费不卡视频| 在线观看人妻少妇| 国产女主播在线喷水免费视频网站| 九色成人免费人妻av| 少妇人妻精品综合一区二区| 久久精品国产亚洲av涩爱| 美女国产视频在线观看| 国产片特级美女逼逼视频| 午夜视频国产福利| 亚洲熟女精品中文字幕| 五月天丁香电影| 女性生殖器流出的白浆| 99热国产这里只有精品6| 夜夜骑夜夜射夜夜干| 十八禁高潮呻吟视频| a级毛片在线看网站| 国产av国产精品国产| h视频一区二区三区| 国产一区二区三区av在线| 毛片一级片免费看久久久久| 在线观看人妻少妇| 亚洲一区二区三区欧美精品| 91精品伊人久久大香线蕉| 久久毛片免费看一区二区三区| 中文字幕人妻熟女乱码| 少妇猛男粗大的猛烈进出视频| 国产深夜福利视频在线观看| 欧美日韩综合久久久久久| 男女国产视频网站| 国产亚洲精品第一综合不卡 | 晚上一个人看的免费电影| 欧美精品一区二区大全| 久久热在线av| 久久99热6这里只有精品| 女人久久www免费人成看片| 亚洲国产欧美在线一区| 韩国高清视频一区二区三区| 亚洲,欧美,日韩| 我的女老师完整版在线观看| 伊人久久国产一区二区| 26uuu在线亚洲综合色| 免费看av在线观看网站| 黄片无遮挡物在线观看| 国产精品国产三级国产专区5o| 久久久久久久久久久久大奶| 国产精品熟女久久久久浪| 色网站视频免费| 免费观看无遮挡的男女| 国产在线免费精品| 精品少妇久久久久久888优播| 亚洲欧美成人精品一区二区| 搡老乐熟女国产| 久久这里有精品视频免费| 亚洲av福利一区| 日本91视频免费播放| 亚洲天堂av无毛| 青春草国产在线视频| 男女边摸边吃奶| 国产 精品1| 亚洲av日韩在线播放| 国产在视频线精品| 中文字幕人妻丝袜制服| 日韩欧美精品免费久久| 在线天堂最新版资源| 亚洲高清免费不卡视频| 夫妻性生交免费视频一级片| 性色avwww在线观看| 夫妻性生交免费视频一级片| 性色avwww在线观看| 免费高清在线观看日韩| 精品少妇内射三级| 国产毛片在线视频| 天美传媒精品一区二区| 欧美日本中文国产一区发布| 国产精品女同一区二区软件| 国产精品不卡视频一区二区| 美女xxoo啪啪120秒动态图| kizo精华| 午夜免费鲁丝| 久久久久国产网址| 热re99久久国产66热| 精品人妻熟女毛片av久久网站| 精品一区在线观看国产| 尾随美女入室| 久久青草综合色| 欧美激情 高清一区二区三区| 国产男女内射视频| 考比视频在线观看| 精品久久国产蜜桃| 日韩精品免费视频一区二区三区 | 极品少妇高潮喷水抽搐| 日韩三级伦理在线观看| 日韩精品免费视频一区二区三区 | 老女人水多毛片| 日本vs欧美在线观看视频| 国产欧美日韩一区二区三区在线| 国产黄频视频在线观看| 999精品在线视频| 欧美日韩成人在线一区二区| 久久人人爽人人片av| 亚洲精品视频女| 少妇人妻精品综合一区二区| 久久99蜜桃精品久久| 妹子高潮喷水视频| 国产精品一国产av| 国产69精品久久久久777片| 中文欧美无线码| 丰满饥渴人妻一区二区三| 国产黄色免费在线视频| 在线观看www视频免费| 亚洲av国产av综合av卡| 国产亚洲一区二区精品| 精品国产乱码久久久久久小说| 中文字幕亚洲精品专区| 日韩制服骚丝袜av| 国产成人精品一,二区| 中文精品一卡2卡3卡4更新| 日韩电影二区| 国产精品一区二区在线不卡| 日韩成人伦理影院| 免费观看性生交大片5| 看免费成人av毛片| videossex国产| 国产av码专区亚洲av| 国产亚洲精品久久久com| 国产福利在线免费观看视频| 美女国产高潮福利片在线看| 伊人亚洲综合成人网| 男人爽女人下面视频在线观看| 午夜福利在线观看免费完整高清在| 2021少妇久久久久久久久久久| 天堂中文最新版在线下载| 春色校园在线视频观看| 久久久久久久久久久久大奶| 亚洲精品第二区| av在线观看视频网站免费| 欧美3d第一页| 国产精品秋霞免费鲁丝片| 国产在线一区二区三区精| 99久久中文字幕三级久久日本| 在线观看一区二区三区激情| 国国产精品蜜臀av免费| 免费在线观看完整版高清| 亚洲情色 制服丝袜| 亚洲国产精品999| 校园人妻丝袜中文字幕| 夫妻性生交免费视频一级片| 老司机亚洲免费影院| 制服丝袜香蕉在线| 少妇人妻精品综合一区二区| 日本午夜av视频| 国产爽快片一区二区三区| av免费在线看不卡| 青春草视频在线免费观看| 一级毛片电影观看| 日本黄色日本黄色录像| 精品少妇内射三级| 九九在线视频观看精品| 黄色视频在线播放观看不卡| 制服诱惑二区| 亚洲国产成人一精品久久久| 久久久久久伊人网av| 巨乳人妻的诱惑在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 欧美97在线视频| 欧美精品av麻豆av| 99re6热这里在线精品视频| 卡戴珊不雅视频在线播放| 九九在线视频观看精品| 国产黄色视频一区二区在线观看| 亚洲熟女精品中文字幕| 涩涩av久久男人的天堂| 91精品伊人久久大香线蕉| 久久国产精品大桥未久av| 一级毛片我不卡| 寂寞人妻少妇视频99o| 97精品久久久久久久久久精品| 香蕉国产在线看| 国产精品蜜桃在线观看| 草草在线视频免费看| 欧美精品高潮呻吟av久久| 久久人人爽人人爽人人片va| 黄色怎么调成土黄色| 久热久热在线精品观看| 女人精品久久久久毛片| 乱码一卡2卡4卡精品| 九色成人免费人妻av| 久久av网站| 亚洲色图综合在线观看| 免费观看av网站的网址| 国产精品一区www在线观看| 成人手机av| 女的被弄到高潮叫床怎么办| 国产成人免费观看mmmm| 秋霞伦理黄片| 国产成人av激情在线播放| 岛国毛片在线播放| 春色校园在线视频观看| 18在线观看网站| 国产精品久久久久久精品古装| 国产麻豆69| 国产高清三级在线| 国产高清国产精品国产三级| 成年人免费黄色播放视频| av卡一久久| 国产成人精品无人区| 侵犯人妻中文字幕一二三四区| av在线观看视频网站免费| 欧美成人午夜免费资源| 欧美精品国产亚洲| 在线精品无人区一区二区三| 18禁在线无遮挡免费观看视频| 国产福利在线免费观看视频| 人妻系列 视频| 搡女人真爽免费视频火全软件| 天天影视国产精品| 久久ye,这里只有精品| 亚洲中文av在线| 美国免费a级毛片| 交换朋友夫妻互换小说| 欧美成人精品欧美一级黄| 女人精品久久久久毛片| 秋霞伦理黄片| 高清不卡的av网站| 欧美日韩一区二区视频在线观看视频在线| 人妻少妇偷人精品九色| 看非洲黑人一级黄片| 亚洲第一av免费看| 中国国产av一级| 欧美最新免费一区二区三区| 亚洲人与动物交配视频| 亚洲欧洲国产日韩| 在线观看免费视频网站a站| 成人18禁高潮啪啪吃奶动态图| 黄色配什么色好看| 亚洲精品日本国产第一区| 街头女战士在线观看网站| 久久精品国产a三级三级三级| 男女边吃奶边做爰视频| 大香蕉久久网| 午夜激情av网站| 国产一区二区三区av在线| 国产亚洲av片在线观看秒播厂| 狂野欧美激情性xxxx在线观看| 亚洲经典国产精华液单| 久久久久国产精品人妻一区二区| 国产精品秋霞免费鲁丝片| 精品人妻在线不人妻| 日本av手机在线免费观看| 精品熟女少妇av免费看| 国产精品久久久久久精品古装| 免费不卡的大黄色大毛片视频在线观看| 亚洲精华国产精华液的使用体验| 亚洲国产最新在线播放| 国产极品天堂在线| 乱码一卡2卡4卡精品| 亚洲国产精品一区三区| 久久久久久久久久久免费av| 人妻少妇偷人精品九色| 少妇人妻 视频| 考比视频在线观看| 啦啦啦视频在线资源免费观看| 中文字幕人妻丝袜制服| 日韩一区二区三区影片| 女人精品久久久久毛片| 国产成人午夜福利电影在线观看| 午夜91福利影院| 男的添女的下面高潮视频| 亚洲精品国产av蜜桃| 亚洲欧洲日产国产| 国产精品一区二区在线观看99| 亚洲人与动物交配视频| www.色视频.com| 国产精品不卡视频一区二区| 国产在视频线精品| 亚洲色图 男人天堂 中文字幕 | 亚洲国产精品专区欧美| 国产精品不卡视频一区二区| 夜夜骑夜夜射夜夜干| 汤姆久久久久久久影院中文字幕| av在线app专区| 久久综合国产亚洲精品| 肉色欧美久久久久久久蜜桃| 黄网站色视频无遮挡免费观看| 草草在线视频免费看| 国产精品人妻久久久久久| 性色avwww在线观看| 成人手机av| 老女人水多毛片| 黄色怎么调成土黄色| 永久免费av网站大全| 中文字幕免费在线视频6| 日本猛色少妇xxxxx猛交久久| 国产免费现黄频在线看| 欧美日韩av久久| 美女主播在线视频| 国产av一区二区精品久久| 少妇猛男粗大的猛烈进出视频| 边亲边吃奶的免费视频| 久久精品国产亚洲av天美| 搡老乐熟女国产| 肉色欧美久久久久久久蜜桃| 久久久精品区二区三区| 国产精品国产三级国产av玫瑰| 欧美激情国产日韩精品一区| 女性被躁到高潮视频| 波多野结衣一区麻豆| 亚洲第一av免费看| 久久久久久久精品精品| 母亲3免费完整高清在线观看 | 国产精品国产av在线观看| 亚洲综合精品二区| 婷婷色综合大香蕉| av视频免费观看在线观看| 在线观看免费高清a一片| 亚洲av国产av综合av卡| 国产精品麻豆人妻色哟哟久久| 国产综合精华液| 成人毛片60女人毛片免费| 国产深夜福利视频在线观看| av一本久久久久| av.在线天堂| 狠狠精品人妻久久久久久综合| 国产亚洲最大av| 在线观看一区二区三区激情| 91在线精品国自产拍蜜月| 国产精品 国内视频| 国产深夜福利视频在线观看| 91久久精品国产一区二区三区| 在线天堂最新版资源| 久久久久久人人人人人| 国产精品三级大全| 插逼视频在线观看| 美女视频免费永久观看网站| √禁漫天堂资源中文www| 亚洲经典国产精华液单| 在线观看www视频免费| 精品久久蜜臀av无| 在线天堂中文资源库| 午夜激情av网站| 精品久久久久久电影网| 亚洲,欧美,日韩| 狂野欧美激情性bbbbbb|