• <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
    午夜福利高清视频| 日韩成人伦理影院| 久久精品国产亚洲av涩爱| 国产探花极品一区二区| 亚洲在线自拍视频| 亚洲激情五月婷婷啪啪| 在线观看一区二区三区| 亚洲欧洲国产日韩| 国产不卡一卡二| 草草在线视频免费看| 免费播放大片免费观看视频在线观看| 日韩精品有码人妻一区| 一边亲一边摸免费视频| av卡一久久| 欧美激情在线99| 99久国产av精品国产电影| 春色校园在线视频观看| 韩国av在线不卡| 日韩一区二区三区影片| 亚洲精品中文字幕在线视频 | 舔av片在线| 久久久久九九精品影院| 超碰97精品在线观看| 亚洲人成网站在线观看播放| 只有这里有精品99| 少妇裸体淫交视频免费看高清| 在线免费观看不下载黄p国产| 免费人成在线观看视频色| 插逼视频在线观看| xxx大片免费视频| 一级毛片我不卡| 九九爱精品视频在线观看| 色综合色国产| 亚洲国产av新网站| 一本久久精品| 夜夜爽夜夜爽视频| 永久免费av网站大全| 国产精品国产三级国产av玫瑰| 久久韩国三级中文字幕| 99久久人妻综合| 国产精品.久久久| 五月伊人婷婷丁香| 男女视频在线观看网站免费| 国产大屁股一区二区在线视频| 国内精品一区二区在线观看| 久久99热这里只有精品18| 69av精品久久久久久| 久热久热在线精品观看| 亚洲色图av天堂| 看非洲黑人一级黄片| 嫩草影院新地址| 成人鲁丝片一二三区免费| 欧美日本视频| 亚洲精品久久久久久婷婷小说| 久久久久久国产a免费观看| 午夜爱爱视频在线播放| 国产伦一二天堂av在线观看| 少妇人妻一区二区三区视频| 日韩成人av中文字幕在线观看| 国产亚洲一区二区精品| 免费大片黄手机在线观看| 哪个播放器可以免费观看大片| 深爱激情五月婷婷| 欧美高清性xxxxhd video| 少妇高潮的动态图| 在线免费观看的www视频| 国产亚洲av嫩草精品影院| 国产色爽女视频免费观看| 精品国产一区二区三区久久久樱花 | 国产黄片视频在线免费观看| 九九久久精品国产亚洲av麻豆| 夫妻午夜视频| 天天躁日日操中文字幕| www.av在线官网国产| 乱码一卡2卡4卡精品| 蜜桃亚洲精品一区二区三区| 高清毛片免费看| 亚洲av不卡在线观看| 亚洲精品国产av蜜桃| 亚洲av成人精品一区久久| 国产成人一区二区在线| 亚洲色图av天堂| 亚洲激情五月婷婷啪啪| 深夜a级毛片| 欧美日韩视频高清一区二区三区二| 成年免费大片在线观看| 白带黄色成豆腐渣| 亚洲欧洲国产日韩| 久久久久网色| 高清视频免费观看一区二区 | 国产精品久久久久久精品电影小说 | 欧美激情在线99| 丝瓜视频免费看黄片| av天堂中文字幕网| 黑人高潮一二区| 男人和女人高潮做爰伦理| 中文字幕久久专区| 91aial.com中文字幕在线观看| 观看美女的网站| 特大巨黑吊av在线直播| 亚洲国产高清在线一区二区三| 黑人高潮一二区| 国产精品久久久久久精品电影小说 | 亚洲欧美中文字幕日韩二区| 国产午夜精品论理片| 只有这里有精品99| 亚洲国产最新在线播放| 国产日韩欧美在线精品| 久久99蜜桃精品久久| 一夜夜www| 内地一区二区视频在线| 日本免费在线观看一区| 亚洲最大成人av| 麻豆av噜噜一区二区三区| 亚洲最大成人中文| 777米奇影视久久| 国产精品一区www在线观看| 亚洲人成网站在线观看播放| 热99在线观看视频| 亚洲国产色片| 日韩,欧美,国产一区二区三区| 亚洲怡红院男人天堂| 国产亚洲av嫩草精品影院| 日韩一区二区视频免费看| 亚洲精品日韩在线中文字幕| 卡戴珊不雅视频在线播放| 国产在视频线在精品| 亚洲欧美精品自产自拍| 美女xxoo啪啪120秒动态图| 久久草成人影院| 成年版毛片免费区| 有码 亚洲区| 成人鲁丝片一二三区免费| 亚洲av二区三区四区| 一级毛片 在线播放| 成年人午夜在线观看视频 | 亚洲一级一片aⅴ在线观看| 老司机影院成人| 人人妻人人看人人澡| 亚洲国产精品sss在线观看| 国产精品久久久久久av不卡| 国产淫语在线视频| 免费观看a级毛片全部| 欧美日韩国产mv在线观看视频 | videos熟女内射| av在线蜜桃| 国产精品爽爽va在线观看网站| 亚洲精品中文字幕在线视频 | 国产黄色小视频在线观看| 亚洲精品乱码久久久v下载方式| 欧美日韩一区二区视频在线观看视频在线 | 美女主播在线视频| 在线 av 中文字幕| 黄色一级大片看看| 国产成人精品婷婷| 中文字幕制服av| 九九在线视频观看精品| 欧美一区二区亚洲| 久久久久久久亚洲中文字幕| 亚洲精品日韩av片在线观看| av女优亚洲男人天堂| 高清视频免费观看一区二区 | 天堂av国产一区二区熟女人妻| 亚洲自拍偷在线| 91精品伊人久久大香线蕉| 国产精品麻豆人妻色哟哟久久 | 亚洲精品乱码久久久v下载方式| 身体一侧抽搐| 欧美激情在线99| 日韩视频在线欧美| 3wmmmm亚洲av在线观看| 最近的中文字幕免费完整| 青春草视频在线免费观看| 精品国产一区二区三区久久久樱花 | 亚洲精品乱久久久久久| 一级二级三级毛片免费看| 亚洲欧美中文字幕日韩二区| 赤兔流量卡办理| 精品国产一区二区三区久久久樱花 | 日韩人妻高清精品专区| 久久久久久伊人网av| 国产精品久久久久久av不卡| 嘟嘟电影网在线观看| 亚洲精华国产精华液的使用体验| 寂寞人妻少妇视频99o| 国产精品一及| 亚洲高清免费不卡视频| 精品久久久久久成人av| 天天一区二区日本电影三级| 蜜臀久久99精品久久宅男| 色哟哟·www| 日韩一区二区三区影片| 午夜视频国产福利| 全区人妻精品视频| 久久99热这里只有精品18| 免费观看无遮挡的男女| 午夜福利成人在线免费观看| 特级一级黄色大片| 街头女战士在线观看网站| 听说在线观看完整版免费高清| 国产精品一二三区在线看| 久久久久久久久久人人人人人人| 看非洲黑人一级黄片| 在线免费观看的www视频| 国产探花在线观看一区二区| 久久久欧美国产精品| 岛国毛片在线播放| 亚洲欧美精品专区久久| 色综合站精品国产| 综合色丁香网| 久久久久久久久久久免费av| 国产探花在线观看一区二区| 日韩在线高清观看一区二区三区| 国产有黄有色有爽视频| 免费av毛片视频| 18禁在线无遮挡免费观看视频| 内地一区二区视频在线| 99久久九九国产精品国产免费| 久久精品夜夜夜夜夜久久蜜豆| 国产av国产精品国产| 中文字幕亚洲精品专区| 免费无遮挡裸体视频| 3wmmmm亚洲av在线观看| 亚洲欧美日韩卡通动漫| 亚洲精品中文字幕在线视频 | 久久久a久久爽久久v久久| 欧美日韩一区二区视频在线观看视频在线 | 国产淫语在线视频| 欧美精品一区二区大全| 日韩中字成人| 国产精品伦人一区二区| 久久久久国产网址| 精品国产三级普通话版| 欧美激情在线99| 内地一区二区视频在线| 麻豆久久精品国产亚洲av| av一本久久久久| 韩国av在线不卡| 熟妇人妻久久中文字幕3abv| 亚洲怡红院男人天堂| 大片免费播放器 马上看| 日本一本二区三区精品| 纵有疾风起免费观看全集完整版 | 久久国内精品自在自线图片| 一级毛片aaaaaa免费看小| 午夜福利在线观看免费完整高清在| 成人国产麻豆网| 午夜福利视频精品| 亚洲美女搞黄在线观看| 一个人看的www免费观看视频| 久久这里只有精品中国| 亚洲国产最新在线播放| 久久久久久久亚洲中文字幕| 国产女主播在线喷水免费视频网站 | 插阴视频在线观看视频| 精品国内亚洲2022精品成人| 国产乱人视频| 超碰av人人做人人爽久久| 中文字幕制服av| av天堂中文字幕网| 中文精品一卡2卡3卡4更新| 熟女人妻精品中文字幕| 国产伦一二天堂av在线观看| 成人国产麻豆网| 能在线免费看毛片的网站| 男女那种视频在线观看| 91久久精品电影网| 淫秽高清视频在线观看| 99久国产av精品| 精品国产露脸久久av麻豆 | 久久久久久久午夜电影| 99热6这里只有精品| 伦精品一区二区三区| 日本wwww免费看| 日日摸夜夜添夜夜爱| 最近最新中文字幕大全电影3| av在线蜜桃| 床上黄色一级片| 国产精品蜜桃在线观看| 看十八女毛片水多多多| 亚洲国产欧美在线一区| 免费在线观看成人毛片| 91狼人影院| 只有这里有精品99| av免费在线看不卡| 国产精品久久视频播放| 精品人妻一区二区三区麻豆| 免费av不卡在线播放| 99久久中文字幕三级久久日本| 一本一本综合久久| 国产在线男女| 欧美日韩在线观看h| 日日摸夜夜添夜夜爱| 国产亚洲av片在线观看秒播厂 | 黄片wwwwww| 丰满少妇做爰视频| 黄色欧美视频在线观看| 国产亚洲5aaaaa淫片| 久久精品久久精品一区二区三区| 精品久久久久久久久久久久久| 男的添女的下面高潮视频| 国产黄色小视频在线观看| 老女人水多毛片| 汤姆久久久久久久影院中文字幕 | 欧美成人午夜免费资源| 日本午夜av视频| 在线免费观看不下载黄p国产| 精品一区二区三区人妻视频| 日本一二三区视频观看| 看免费成人av毛片| 久久久久免费精品人妻一区二区| 亚洲精品亚洲一区二区| 国产精品三级大全| 国产美女午夜福利| 国产伦精品一区二区三区四那| 亚洲欧美一区二区三区黑人 | 久久久久久久久久人人人人人人| 国产男人的电影天堂91| 99热这里只有是精品在线观看| 免费大片黄手机在线观看| 99久久中文字幕三级久久日本| 国产片特级美女逼逼视频| 麻豆成人av视频| 久久久久久久久大av| 亚洲国产色片| 国产成人freesex在线| 色综合亚洲欧美另类图片| 久99久视频精品免费| 特级一级黄色大片| 五月玫瑰六月丁香| 久久久久久久大尺度免费视频| 免费观看av网站的网址| 欧美一区二区亚洲| 极品少妇高潮喷水抽搐| 亚洲av国产av综合av卡| 午夜日本视频在线| 亚洲,欧美,日韩| 床上黄色一级片| 亚洲av电影不卡..在线观看| 精品人妻偷拍中文字幕| av在线播放精品| 国产日韩欧美在线精品| 美女大奶头视频| 久久久久九九精品影院| 国产一区二区三区综合在线观看 | 免费电影在线观看免费观看| 亚洲精品中文字幕在线视频 | 大陆偷拍与自拍| 国产精品三级大全| 亚洲久久久久久中文字幕| 国产精品综合久久久久久久免费| 一级二级三级毛片免费看| 免费黄频网站在线观看国产| 汤姆久久久久久久影院中文字幕 | 亚洲美女搞黄在线观看| 插逼视频在线观看| 直男gayav资源| kizo精华| 久久精品久久久久久噜噜老黄| 国产黄色视频一区二区在线观看| 亚洲av不卡在线观看| 国产熟女欧美一区二区| 国产一区亚洲一区在线观看| 能在线免费观看的黄片| 18+在线观看网站| 国产亚洲5aaaaa淫片| 床上黄色一级片| 蜜桃亚洲精品一区二区三区| 大话2 男鬼变身卡| 69人妻影院| 成人综合一区亚洲| 久久精品久久久久久噜噜老黄| 午夜爱爱视频在线播放| 少妇高潮的动态图| 国产一区二区亚洲精品在线观看| 中文字幕免费在线视频6| 国产精品综合久久久久久久免费| 国产av国产精品国产| 久久这里有精品视频免费| 热99在线观看视频| 51国产日韩欧美| 一个人看的www免费观看视频| 我要看日韩黄色一级片| 国产日韩欧美在线精品| 欧美日韩精品成人综合77777| 午夜老司机福利剧场| 亚洲在线自拍视频| freevideosex欧美| 搡老妇女老女人老熟妇| 欧美成人精品欧美一级黄| 欧美xxⅹ黑人| 日韩强制内射视频| 亚洲人成网站在线播| 午夜福利高清视频| 丝袜美腿在线中文| 天堂网av新在线| 国产午夜福利久久久久久| 嫩草影院精品99| 色尼玛亚洲综合影院| 国产黄色免费在线视频| 性色avwww在线观看| 中文资源天堂在线| 亚洲国产欧美在线一区| 久久久久久久国产电影| 精品久久久久久电影网| 最近最新中文字幕大全电影3| av又黄又爽大尺度在线免费看| 亚洲在线自拍视频| 欧美另类一区| 内射极品少妇av片p| 一夜夜www| 少妇高潮的动态图| 一本久久精品| 男的添女的下面高潮视频| 97精品久久久久久久久久精品| 亚洲精品视频女| 国产视频内射| eeuss影院久久| 久久精品国产亚洲av天美| 亚洲国产精品专区欧美| 黄色欧美视频在线观看| 噜噜噜噜噜久久久久久91| 91精品一卡2卡3卡4卡| 在线观看美女被高潮喷水网站| 内射极品少妇av片p| 日韩av在线大香蕉| 高清午夜精品一区二区三区| 插阴视频在线观看视频| 少妇高潮的动态图| 一级毛片久久久久久久久女| 日本三级黄在线观看| 成人毛片a级毛片在线播放| 综合色av麻豆| 干丝袜人妻中文字幕| 国产成人精品福利久久| 日韩大片免费观看网站| 免费看av在线观看网站| 国内精品美女久久久久久| 好男人视频免费观看在线| 一个人看视频在线观看www免费| 夫妻午夜视频| 十八禁国产超污无遮挡网站| 看非洲黑人一级黄片| 国产精品伦人一区二区| 亚洲伊人久久精品综合| 男人舔女人下体高潮全视频| 一级黄片播放器| 美女大奶头视频| 亚洲国产成人一精品久久久| 日韩欧美三级三区| 国产午夜精品一二区理论片| 久久久精品欧美日韩精品| 国产成人精品一,二区| 老司机影院毛片| 免费av毛片视频| 久热久热在线精品观看| 天堂中文最新版在线下载 | 久久这里有精品视频免费| 亚洲伊人久久精品综合| 97精品久久久久久久久久精品| av在线亚洲专区| 久久久久久久久久黄片| 亚洲成人av在线免费| 亚洲无线观看免费| 免费不卡的大黄色大毛片视频在线观看 | 青春草国产在线视频| 精品不卡国产一区二区三区| 一个人免费在线观看电影| 又爽又黄a免费视频| 美女大奶头视频| 狂野欧美白嫩少妇大欣赏| 精品国产露脸久久av麻豆 | 老师上课跳d突然被开到最大视频| 美女大奶头视频| 高清毛片免费看| 亚洲18禁久久av| 亚洲人成网站在线观看播放| 亚洲aⅴ乱码一区二区在线播放| 熟女电影av网| 韩国av在线不卡| 又大又黄又爽视频免费| videos熟女内射| 国产精品日韩av在线免费观看| 国产伦在线观看视频一区| 精品久久久久久久末码| 1000部很黄的大片| 嘟嘟电影网在线观看| 国产 亚洲一区二区三区 | 日韩视频在线欧美| 亚洲av一区综合| 成人亚洲欧美一区二区av| 国产人妻一区二区三区在| 国产 一区精品| 尤物成人国产欧美一区二区三区| 97在线视频观看| 九草在线视频观看| 亚洲av免费高清在线观看| 免费看a级黄色片| 内地一区二区视频在线| 国产成人福利小说| 免费看不卡的av| 我要看日韩黄色一级片| 国产成人精品一,二区| 一级爰片在线观看| 免费电影在线观看免费观看| 免费黄网站久久成人精品| 亚洲欧美精品专区久久| 日韩一区二区三区影片| 亚洲精品视频女| 精品久久久久久久末码| 看免费成人av毛片| 69人妻影院| 久久鲁丝午夜福利片| 久久精品久久精品一区二区三区| 在线播放无遮挡| 国产欧美另类精品又又久久亚洲欧美| 亚洲精品成人av观看孕妇| 肉色欧美久久久久久久蜜桃 | 超碰av人人做人人爽久久| 亚洲精华国产精华液的使用体验| 男女边吃奶边做爰视频| 人人妻人人看人人澡| 国产 亚洲一区二区三区 | 国产精品国产三级国产专区5o| 精品不卡国产一区二区三区| 最近手机中文字幕大全| 国产精品综合久久久久久久免费| 国产亚洲精品久久久com| 夜夜看夜夜爽夜夜摸| 最近手机中文字幕大全| 国产av码专区亚洲av| videossex国产| 人人妻人人澡人人爽人人夜夜 | 亚洲四区av| 成人高潮视频无遮挡免费网站| 欧美一区二区亚洲| 内射极品少妇av片p| 高清欧美精品videossex| av播播在线观看一区| 久久久a久久爽久久v久久| 一级二级三级毛片免费看| 精品国产一区二区三区久久久樱花 | 日本与韩国留学比较| 久久精品国产鲁丝片午夜精品| av一本久久久久| 久久久久久久久久人人人人人人| 国产乱来视频区| 最近最新中文字幕免费大全7| 91狼人影院| 亚洲最大成人手机在线| 五月伊人婷婷丁香| 可以在线观看毛片的网站| 国精品久久久久久国模美| 国产精品综合久久久久久久免费| 免费黄网站久久成人精品| 夫妻午夜视频| .国产精品久久| 少妇人妻精品综合一区二区| 日本wwww免费看| 国产精品人妻久久久久久| 一级毛片我不卡| 中文欧美无线码| 欧美一级a爱片免费观看看| 搡老妇女老女人老熟妇| 日韩欧美 国产精品| 精品99又大又爽又粗少妇毛片| 亚洲国产欧美人成| 成人亚洲欧美一区二区av| 国产精品一二三区在线看| 爱豆传媒免费全集在线观看| 亚洲最大成人中文| 乱系列少妇在线播放| 国内揄拍国产精品人妻在线| 99久久精品一区二区三区| 亚洲婷婷狠狠爱综合网| 免费看a级黄色片| 国产日韩欧美在线精品| 欧美激情在线99| 日韩精品青青久久久久久| 国产综合懂色| 91在线精品国自产拍蜜月| 午夜福利网站1000一区二区三区| 免费黄网站久久成人精品| 噜噜噜噜噜久久久久久91| 亚洲电影在线观看av| 如何舔出高潮| 久久久精品94久久精品| 久久久久久久久久人人人人人人| 久久精品久久久久久久性| 国产成人精品婷婷| 成人亚洲精品一区在线观看 | 国产精品精品国产色婷婷| 午夜福利在线观看免费完整高清在| 亚洲国产成人一精品久久久| av一本久久久久| 免费观看在线日韩| 中文字幕免费在线视频6| 搡老乐熟女国产| 日本黄大片高清| 国产久久久一区二区三区| 欧美性猛交╳xxx乱大交人| 大话2 男鬼变身卡| 日本三级黄在线观看| 超碰av人人做人人爽久久| 国产精品综合久久久久久久免费| 又爽又黄a免费视频| 嫩草影院新地址| 男女啪啪激烈高潮av片| 国产色爽女视频免费观看| 日韩av在线大香蕉| 国产亚洲5aaaaa淫片| 大又大粗又爽又黄少妇毛片口| 男女视频在线观看网站免费| 街头女战士在线观看网站| av专区在线播放|