• <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SDAE-SVM的壓力機軸承故障診斷方法

    2018-10-15 07:39:46張慶磊
    數(shù)字制造科學(xué) 2018年3期
    關(guān)鍵詞:壓力機分類器故障診斷

    張慶磊,張 楓

    (武漢理工大學(xué) 機電工程學(xué)院,湖北 武漢 430070)

    由于壓力機高強度、高頻率的作業(yè)特點,會造成壓力機的軸承內(nèi)環(huán)、外環(huán)和滾子產(chǎn)生點蝕、裂紋和表面剝落等缺陷[1]。在壓力機發(fā)生故障時,約有30%是軸承故障,并且出現(xiàn)軸承故障不易及時發(fā)現(xiàn)與維修,將會導(dǎo)致生產(chǎn)效率下降,甚至?xí)?dǎo)致嚴(yán)重的安全事故。因此利用有效的故障診斷方法,監(jiān)控壓力機軸承的運行狀態(tài),可以合理安排維修時間,大大降低維修成本,提高生產(chǎn)效率。

    近年來,深度學(xué)習(xí)受到廣泛關(guān)注,尤其在故障診斷方面得到廣泛的應(yīng)用[2]。Tran等把DBN(deep neural network)和TKEO(Teager-Kaiser energy operation)算法融合[3],應(yīng)用到往復(fù)式壓縮機閥門故障診斷中。Li等[4]提出一種多模式分類的方法,并應(yīng)用到齒輪的故障診斷中去,有效提高了齒輪故障診斷的準(zhǔn)確率,并解決了單一振動源下診斷精度不高的問題。Jia等[5]把深度神經(jīng)網(wǎng)絡(luò)應(yīng)用到軸承的故障特征提取和診斷中,其利用深度神經(jīng)網(wǎng)絡(luò)的特征提取能力,直接從頻域信號進行軸承故障特征提取和識別,取得了較好的效果。Lu等[6]研究了深度神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)軸承頻域信號中的故障特征提取能力,并給出了故障特征的可視化結(jié)果。

    筆者針對傳統(tǒng)機器學(xué)習(xí)存在的問題以及壓力機軸承的故障特點[7-10],基于去噪自編碼器和支持向量機,提出了一種基于SDAE-SVM(stacked denoising auto encoder networks-support vector machine)的壓力機軸承的故障診斷方法。相較于傳統(tǒng)的機器學(xué)習(xí),該方法集成了特征提取和狀態(tài)分類兩大步驟[11],該方法建立深層網(wǎng)絡(luò)模型,利用逐層貪婪訓(xùn)練的方法實現(xiàn)對高維深層故障特征的自適應(yīng)挖掘,能夠顯著提升故障識別能力和泛化能力。首先基于堆疊去噪自編碼網(wǎng)絡(luò)(SDAE)和SVM建立故障診斷網(wǎng)絡(luò)模型,其次通過選取樣本數(shù)據(jù),PCA(principal component analysis)降維并歸一化處理,劃分訓(xùn)練集合測試集,再次預(yù)訓(xùn)練網(wǎng)絡(luò)模型,然后通過BP(back propagation)算法微調(diào)優(yōu)化網(wǎng)絡(luò)參數(shù),最后通過測試集數(shù)據(jù)測試網(wǎng)絡(luò)模型的診斷性能。實驗結(jié)果顯示該方法能有效提高壓力機軸承的故障診斷準(zhǔn)確率。

    1 堆疊去噪自編碼網(wǎng)絡(luò)模型

    堆疊去噪自編碼網(wǎng)絡(luò)(SDAE)是深度自編碼網(wǎng)絡(luò)的一個變種,它是用去噪自編碼器(DAE)來替代自動編碼器(SAE),通過多層DAE棧式堆疊,從而建立堆疊去噪自編碼網(wǎng)絡(luò)(SDAE),實現(xiàn)對高維特征的提取。從結(jié)構(gòu)上看,堆疊去噪自編碼網(wǎng)絡(luò)是由多層無監(jiān)督的去噪自編碼器(DAE)和一層BP神經(jīng)網(wǎng)絡(luò)組成,其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。

    圖1 SDAE網(wǎng)絡(luò)模型

    SDAE的核心思想是通過對每層編碼器的輸入加入噪聲來進行訓(xùn)練,從而學(xué)習(xí)到更強健的特征表達。通過去噪自編碼訓(xùn)練得到的SDAE網(wǎng)絡(luò)不僅學(xué)習(xí)到原始數(shù)據(jù)的特征,還能學(xué)習(xí)到被“破壞”后的退化特征具有更強的泛化性、魯棒性。SDAE的訓(xùn)練過程分為預(yù)訓(xùn)練和微調(diào)兩個階段。

    1.1 預(yù)訓(xùn)練

    去噪自編碼器結(jié)構(gòu)由編碼器(encoder)、解碼器(decoder)和隱含層組成。SDAE預(yù)訓(xùn)練的過程實質(zhì)上就是初始化網(wǎng)絡(luò)參數(shù)的過程,其主要采用逐層無監(jiān)督特征優(yōu)化算法[12]進行。去噪自編碼原理[13]如圖2所示。

    圖2 去噪自編碼器原理圖

    去噪自編碼器首先將原始輸入x添加一個隨機噪聲,得到一個含有噪聲的x1。

    x1~qD(x1|x)

    (1)

    式中:D為數(shù)據(jù)集;q為隨機噪聲。

    此時編碼器的輸入是原始數(shù)據(jù)被破壞后得到的x1,通過編碼器函數(shù)fθ(·)映射到隱含層,可表示為:

    y=fθ(x)=s(Wx+b)

    (2)

    式中:s為映射函數(shù);W為權(quán)重;b為偏置;θ為集合參數(shù)。

    經(jīng)過編碼后的y會通過解碼器函數(shù)進行信號重構(gòu)過程:

    z=gθ′(y)=S′(W′y+b′)

    (3)

    式中:S′為映射函數(shù);W′為權(quán)重;b′為偏置;θ′為集合參數(shù)。

    這樣對于每一個輸入xi都被映射到一個yi,然后得到重構(gòu)函數(shù)zi,再通過不斷優(yōu)化模型所有的參數(shù),最小化輸入和重構(gòu)解碼的誤差可得:

    L(xi,zi)=‖xi-zi‖2

    (4)

    (5)

    (6)

    1.2 微調(diào)

    完成SDAE網(wǎng)絡(luò)預(yù)訓(xùn)練后,所得的SDAE網(wǎng)絡(luò)的權(quán)重以及分類層權(quán)重作為深度網(wǎng)絡(luò)的初始參數(shù),這些參數(shù)看作接近全局最優(yōu)的網(wǎng)絡(luò)參數(shù),然后對SDAE網(wǎng)絡(luò)參數(shù)進行微調(diào)。微調(diào)過程是有監(jiān)督學(xué)習(xí)過程,即通過采用標(biāo)簽數(shù)據(jù)進行訓(xùn)練,利用反向傳播BP算法對網(wǎng)絡(luò)參數(shù)進行微調(diào),應(yīng)用梯度下降算法進行權(quán)值的更新,最終使網(wǎng)絡(luò)達到全局最優(yōu)。

    首先定義輸出層lnl的單元i的殘差為:

    (7)

    然后定義隱藏層l=nl-1,nl-2,…,2的殘差表達式為:

    (8)

    式中:i為隱藏層l的第i個單元;j為隱藏層l+1的第j個單元;1≤j≤sl;ρj為第j個單元的平均激活值。

    損失函數(shù)對W,b取偏導(dǎo)數(shù)可得:

    (9)

    式中:C(W,b;x,y)為輸入和輸出的均方誤差函數(shù)。

    最后最小化目標(biāo)函數(shù)進行參數(shù)更新:

    (10)

    式中:η為參數(shù)更新時的學(xué)習(xí)率。

    2 SVM分類器

    SVM分類器是基于統(tǒng)計學(xué)的機器學(xué)習(xí)方法,SVM的核心思想是最大化分類間隔,是一種融合統(tǒng)計學(xué)與核函數(shù)的分類器。SVM對輸入數(shù)據(jù)采取非線性映射,將其映射到高維特征空間。

    假定大小為n的訓(xùn)練樣本集{(xi,yi),i=1,2,…,n}由兩類別組成,其中xi為類屬性,yi為類標(biāo)記,n為樣本集個數(shù),SVM分類器將低維空間的輸入映射到高維空間,以此尋找最優(yōu)超平面,其超平面定義如式(11)所示。

    (11)

    式中:ai為拉格朗日乘子;K(x,xi)為核函數(shù);b為偏置。

    本文的SVM分類器選用高斯徑向核函數(shù):

    (12)

    (13)

    當(dāng)懲罰參數(shù)越大時,越不能容忍誤差;懲罰參數(shù)越小時,越欠擬合。當(dāng)核函數(shù)參數(shù)越大,支持向量越少,核函數(shù)參數(shù)越小,支持向量越多。

    通過SDAE建立的診斷模型可以滿足一定程度的故障診斷需求,但在對診斷要求較高、故障模式復(fù)雜情況下,通過在SDAE最后一層加入SVM分類器,利用支持向量機通過最大化分類間隔的特點來實現(xiàn)分類識別,可以有效提高分類的準(zhǔn)確性,并且提高網(wǎng)絡(luò)的魯棒性和泛化能力。

    3 基于SDAE-SVM故障診斷方法實現(xiàn)

    3.1 模型建立

    筆者基于SDAE自適應(yīng)特征提取的特點以及SVM處理多分類問題的優(yōu)點,構(gòu)建了SDAE-SVM網(wǎng)絡(luò)模型,它的前部是由堆疊自編碼網(wǎng)絡(luò)(SDAE)構(gòu)成,最后一層增加了代表期望輸出變量的分類層,即SVM分類器。其網(wǎng)絡(luò)模型如圖3所示。該模型通過采用SVM分類器優(yōu)化SDAE網(wǎng)絡(luò),通過最大化分類間隔來實現(xiàn)模式判別,能夠有效提高網(wǎng)絡(luò)模型的魯棒性和分類識別性能。它在給出分類結(jié)果時還會給出結(jié)果的概率,適用于非線性多分類問題。

    圖3 SDAE-SVM網(wǎng)絡(luò)結(jié)構(gòu)模型

    基于SDAE-SVM的壓力機故障診斷方法具體實現(xiàn)步驟如下:

    (1)基于SDAE與SVM建立SDAE-SVM網(wǎng)絡(luò)模型,并將模型的參數(shù)初始化為隨機較小數(shù)值。

    (2)選取樣本數(shù)據(jù)和特征變量,對樣本數(shù)據(jù)進行PCA降維后歸一化處理,然后按一定比例將其分為訓(xùn)練集和測試集。

    (3)對壓力機軸承故障狀態(tài)類型進行編碼。

    (4)采用訓(xùn)練集中的無標(biāo)簽數(shù)據(jù)通過BP算法對模型底部SDAE層逐層預(yù)訓(xùn)練。

    (5)采用有標(biāo)簽的數(shù)據(jù)樣本通過BP算法對整個網(wǎng)絡(luò)模型進行調(diào)優(yōu),微調(diào)網(wǎng)絡(luò)參數(shù),使得網(wǎng)絡(luò)性能趨近全局最優(yōu)。

    (6)保存訓(xùn)練好的網(wǎng)絡(luò),并利用測試集中的數(shù)據(jù)樣本對網(wǎng)絡(luò)模型的診斷性能進行測試。

    具體的故障診斷流程如圖4所示。

    圖4 基于SDAE-SVM的壓力機軸承故障診斷流程圖

    3.2 樣本選取

    通過壓力機在線狀態(tài)監(jiān)測系統(tǒng)采集壓力機軸承相關(guān)數(shù)據(jù),選定飛輪軸承的故障數(shù)據(jù)作為實例分析的數(shù)據(jù)樣本。本次實驗選定某段時間在線狀態(tài)監(jiān)測系統(tǒng)采集的飛輪軸承數(shù)據(jù),采樣長度為2 000,共有3 000個樣本。軸承的故障類型如表1所示。

    表1 故障類型

    3.3 故障類型狀態(tài)編碼

    軸承故障診斷是一個多分類任務(wù),診斷結(jié)果可以分為正常狀態(tài)、內(nèi)圈輕度故障、內(nèi)圈中度故障、內(nèi)圈重度故障、外圈輕度故障、外圈中度故障、外圈重度故障、滾動體輕度故障、滾動體中度故障、滾動體重度故障10種類型,對于軸承的故障診斷實際上就是對故障類型的狀態(tài)碼進行識別分類的過程[14],下面依次對其進行編碼,如表2所示。

    表2 軸承故障狀態(tài)編碼

    4 實驗結(jié)果分析

    4.1 網(wǎng)絡(luò)層數(shù)對模型性能的影響

    SDAE-SVM不同于傳統(tǒng)淺層結(jié)構(gòu),這種網(wǎng)絡(luò)結(jié)構(gòu)深度通常大于2層,為了對比不同網(wǎng)絡(luò)層數(shù)對整體分類性能的影響,將網(wǎng)絡(luò)層數(shù)分別設(shè)置為3~8層進行對比,其中輸入層樣本維數(shù)為400,輸出層分類類別為10,網(wǎng)絡(luò)結(jié)構(gòu)為[400-200-100-10],每個隱含層的節(jié)點數(shù)設(shè)置為100,學(xué)習(xí)率為0.2,噪聲系數(shù)為0.2,迭代次數(shù)為400;將網(wǎng)絡(luò)層數(shù)從3變化至8,分類準(zhǔn)確率如表3所示,其誤差收斂曲線如圖5所示。

    表3 不同網(wǎng)絡(luò)層數(shù)的SDAE-SVM實驗結(jié)果

    圖5 不同網(wǎng)絡(luò)層數(shù)收斂曲線圖

    從表3可知,SDAE-SVM模型隨著網(wǎng)絡(luò)層數(shù)的增加其識別準(zhǔn)確率先呈現(xiàn)遞增后遞減的趨勢,這是由于隨著去噪編碼層的增加,可以提高網(wǎng)絡(luò)模型的學(xué)習(xí)性能,高層學(xué)習(xí)到的特征是輸入的多級抽象表達更接近輸入的特征,進而提高分類性能,當(dāng)網(wǎng)絡(luò)層數(shù)為4層時,網(wǎng)絡(luò)的學(xué)習(xí)性能最佳,識別準(zhǔn)確率高達98.08%。然而隨著網(wǎng)絡(luò)層數(shù)的增加會導(dǎo)致網(wǎng)絡(luò)模型的復(fù)雜度提高,會給網(wǎng)絡(luò)帶來更多的參數(shù),從而導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定,泛化性能大大降低,容易出現(xiàn)過擬合現(xiàn)象,使網(wǎng)絡(luò)的分類性能持續(xù)下降。

    4.2 Batchsize值對模型性能的影響

    針對不同Batchsize值對模型性能的影響,本次實驗選擇網(wǎng)絡(luò)結(jié)構(gòu)為[400-200-100-10],迭代次數(shù)為200,學(xué)習(xí)率為0.2,噪聲系數(shù)為0.2,采樣長度為2 000,共有3 000個樣本,訓(xùn)練樣本占總樣本的90%,共有2 700=22×52×32個樣本,因此Batchsize選擇2、4、6、10、20、30、60、100,模型的分類準(zhǔn)確率如表4所示。不同Batchsize值的誤差收斂曲線如圖6所示。

    表4 不同Batchsize值的SDAE-SVM實驗結(jié)果

    圖6 不同Batchsize值的誤差收斂曲線圖

    由表4可以看出,隨著Batchsize值的增大,網(wǎng)絡(luò)的分類準(zhǔn)確率先遞增后遞減,并且當(dāng)Batchsize值為4時,網(wǎng)絡(luò)的分類準(zhǔn)確率高達98.08%,由圖6可以看出,當(dāng)Batchsize過大時,網(wǎng)絡(luò)收斂困難,精度降低從而導(dǎo)致分類準(zhǔn)確率下降,綜合考慮識別率來看,Batchsize值為4時網(wǎng)絡(luò)的分類性能最優(yōu)。

    4.3 與SDAE、SVM方法的對比分析

    根據(jù)實驗結(jié)果,可以確定網(wǎng)絡(luò)層數(shù)為4,Batchsize值為4時分類性能最優(yōu)。為驗證本文方法相較于SDAE和SVM的分類性能更優(yōu),將分類結(jié)果與SVM以及SDAE網(wǎng)絡(luò)進行了對比。SVM選擇高斯徑向核函數(shù),SDAE采用與SDAE-SVM相同的網(wǎng)絡(luò)結(jié)構(gòu),其拓撲為400-200-100-10。實驗結(jié)果如表5所示。

    表5 3種方法的分類結(jié)果對比

    由表5可知,通過SVM分類器優(yōu)化所得到的SDAE-SVM網(wǎng)絡(luò)分類性能顯著提升,深入分析可知,SDAE方法分類能力強于SVM的原因是其深層非線性網(wǎng)絡(luò)將原始數(shù)據(jù)一層一層抽象,自適應(yīng)提取特征更能描述對象本質(zhì)且易于分類。而SDAE-SVM網(wǎng)絡(luò)通過結(jié)合SVM分類器優(yōu)化網(wǎng)絡(luò)最后一層,大大提高了網(wǎng)絡(luò)的魯棒性和泛化能力,從而提升了網(wǎng)絡(luò)的分類識別性能。

    圖7為采用SDAE-SVM方法進行故障分類識別的混淆矩陣,可以看出第1, 3,7,9,10種故障狀態(tài)的識別率均為100%,總體的故障識別準(zhǔn)確率也高達98.08%,由此可以說明基于SDAE-SVM的故障診斷方法能有效提高壓力機軸承的故障識別精度。

    圖7 SDAE-SVM分類混淆矩陣

    5 結(jié)論

    筆者結(jié)合SDAE自適應(yīng)特征提取的特點和SVM處理多分類問題的優(yōu)點,提出了一種基于SDAE-SVM模型的壓力機軸承故障診斷方法,在針對壓力機在線狀態(tài)監(jiān)測數(shù)據(jù)的故障識別實驗過程中,SDAE-SVM模型具有良好的故障識別性能,實驗分析了網(wǎng)絡(luò)層數(shù),Batchsize值大小對于網(wǎng)絡(luò)性能的影響,并且對比分析了SDAE、SVM方法的分類性能。實驗表明SDAE-SVM模型對壓力機軸承的故障識別率高達98.08%,具有良好的故障識別精度,因此驗證了該方法應(yīng)用于壓力機軸承的故障診斷中的可行性。

    猜你喜歡
    壓力機分類器故障診斷
    機械壓力機用平衡缸相關(guān)技術(shù)的探討
    16000t鍛造壓力機生產(chǎn)線將交付
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    可編程控制器用于400t壓力機改造
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    壓力機控制系統(tǒng)中干擾問題分析
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    基于LCD和排列熵的滾動軸承故障診斷
    在线观看一区二区三区| 波多野结衣巨乳人妻| 欧美zozozo另类| 亚洲美女黄片视频| 免费在线观看日本一区| 精品免费久久久久久久清纯| 在线观看一区二区三区| 国产精品98久久久久久宅男小说| 99热这里只有是精品50| 丝袜美腿在线中文| 美女高潮喷水抽搐中文字幕| 亚洲精品一区av在线观看| 国产高清三级在线| 黄色视频,在线免费观看| 亚洲精品一区av在线观看| 国产毛片a区久久久久| 免费在线观看亚洲国产| 成人无遮挡网站| avwww免费| 日本免费一区二区三区高清不卡| 757午夜福利合集在线观看| 久久人妻av系列| 欧美中文日本在线观看视频| 一区二区三区免费毛片| 国产精品日韩av在线免费观看| 一级a爱片免费观看的视频| 国产乱人伦免费视频| 在线播放无遮挡| 国产午夜精品论理片| 国产又黄又爽又无遮挡在线| 男人的好看免费观看在线视频| 国产一区二区亚洲精品在线观看| 久久久久亚洲av毛片大全| 少妇熟女aⅴ在线视频| 国产高清三级在线| 久久草成人影院| 能在线免费观看的黄片| 久久久久九九精品影院| 精品免费久久久久久久清纯| 亚洲av美国av| 国产蜜桃级精品一区二区三区| 日本与韩国留学比较| 老熟妇乱子伦视频在线观看| 午夜精品一区二区三区免费看| 能在线免费观看的黄片| 日韩 亚洲 欧美在线| 欧美xxxx黑人xx丫x性爽| 久久久久久久午夜电影| 久久精品国产清高在天天线| 久久久成人免费电影| 99久久久亚洲精品蜜臀av| 在线观看66精品国产| 白带黄色成豆腐渣| 人妻制服诱惑在线中文字幕| 国产精品亚洲美女久久久| 十八禁国产超污无遮挡网站| 首页视频小说图片口味搜索| 亚洲五月婷婷丁香| 51午夜福利影视在线观看| 88av欧美| 3wmmmm亚洲av在线观看| 91字幕亚洲| 中文亚洲av片在线观看爽| 亚洲最大成人中文| 国产伦精品一区二区三区四那| 丰满人妻熟妇乱又伦精品不卡| 99热6这里只有精品| 男女视频在线观看网站免费| 听说在线观看完整版免费高清| 久久中文看片网| 精华霜和精华液先用哪个| 一区二区三区高清视频在线| 亚洲经典国产精华液单 | 亚洲,欧美,日韩| 淫妇啪啪啪对白视频| 极品教师在线视频| av女优亚洲男人天堂| 免费搜索国产男女视频| 18禁裸乳无遮挡免费网站照片| 丰满的人妻完整版| 国产男靠女视频免费网站| 一区二区三区激情视频| 欧美绝顶高潮抽搐喷水| 成人一区二区视频在线观看| 亚洲人成网站在线播| 亚洲人成电影免费在线| 99久久无色码亚洲精品果冻| 亚洲狠狠婷婷综合久久图片| АⅤ资源中文在线天堂| 久久99热这里只有精品18| 色在线成人网| 亚洲专区中文字幕在线| 成人特级黄色片久久久久久久| 亚洲色图av天堂| 国产免费男女视频| 亚洲中文日韩欧美视频| 久久久精品大字幕| 日韩欧美在线二视频| 亚洲精品456在线播放app | 嫩草影院新地址| a在线观看视频网站| 欧美一区二区亚洲| 淫秽高清视频在线观看| 九色成人免费人妻av| 精品午夜福利在线看| 国产蜜桃级精品一区二区三区| 婷婷色综合大香蕉| av天堂在线播放| 国产一区二区三区视频了| 国产乱人伦免费视频| 黄色一级大片看看| 91在线观看av| 成人欧美大片| 亚洲在线自拍视频| 直男gayav资源| 特大巨黑吊av在线直播| 97超级碰碰碰精品色视频在线观看| 亚洲成人久久爱视频| 亚洲精品456在线播放app | a在线观看视频网站| 偷拍熟女少妇极品色| 精品久久久久久久久av| 亚洲最大成人av| 18禁在线播放成人免费| a级毛片免费高清观看在线播放| 九九热线精品视视频播放| 最近中文字幕高清免费大全6 | 欧美日韩综合久久久久久 | 简卡轻食公司| 十八禁人妻一区二区| 中国美女看黄片| 欧美乱妇无乱码| 亚洲精品久久国产高清桃花| 最近最新免费中文字幕在线| 嫩草影院精品99| 精品久久国产蜜桃| 国产av不卡久久| 十八禁网站免费在线| 久久这里只有精品中国| 国产欧美日韩一区二区三| 亚洲激情在线av| 久久久久久久久久黄片| or卡值多少钱| 亚洲性夜色夜夜综合| 国产精品日韩av在线免费观看| 欧美午夜高清在线| 久久精品国产自在天天线| 国产高清激情床上av| 天堂动漫精品| 男女做爰动态图高潮gif福利片| 国产伦精品一区二区三区视频9| 亚洲成人中文字幕在线播放| 亚洲真实伦在线观看| 亚洲乱码一区二区免费版| 一级a爱片免费观看的视频| 久久这里只有精品中国| 美女大奶头视频| 欧美日本亚洲视频在线播放| 亚洲国产精品999在线| 搡老岳熟女国产| 久久国产乱子伦精品免费另类| 18禁黄网站禁片免费观看直播| 久久国产乱子免费精品| 久久精品久久久久久噜噜老黄 | 精品欧美国产一区二区三| 99在线视频只有这里精品首页| 亚洲成人久久爱视频| 欧美色欧美亚洲另类二区| 很黄的视频免费| 精品人妻熟女av久视频| 非洲黑人性xxxx精品又粗又长| 亚洲欧美激情综合另类| 国产精品伦人一区二区| 国产精品永久免费网站| 精品久久久久久久久久免费视频| 亚洲第一电影网av| 久久人妻av系列| 麻豆一二三区av精品| 日韩欧美在线乱码| 国产精品乱码一区二三区的特点| 亚洲av五月六月丁香网| 中文字幕av成人在线电影| 婷婷色综合大香蕉| 哪里可以看免费的av片| a级毛片免费高清观看在线播放| 一个人观看的视频www高清免费观看| 无人区码免费观看不卡| 亚洲男人的天堂狠狠| 真实男女啪啪啪动态图| 中文在线观看免费www的网站| 中文字幕久久专区| 看黄色毛片网站| 国产毛片a区久久久久| 国产精品亚洲一级av第二区| 色哟哟哟哟哟哟| 欧美+亚洲+日韩+国产| 免费看a级黄色片| avwww免费| 精品午夜福利在线看| 国产精品爽爽va在线观看网站| 超碰av人人做人人爽久久| 日本 欧美在线| 午夜福利视频1000在线观看| 能在线免费观看的黄片| 两人在一起打扑克的视频| 人妻久久中文字幕网| 别揉我奶头 嗯啊视频| 久久人妻av系列| 看片在线看免费视频| 国产成+人综合+亚洲专区| 亚洲av二区三区四区| 久久热精品热| 亚洲激情在线av| 麻豆国产97在线/欧美| 男女之事视频高清在线观看| 18禁裸乳无遮挡免费网站照片| 欧美黄色淫秽网站| 成人一区二区视频在线观看| .国产精品久久| 国产高潮美女av| 成人三级黄色视频| 国产一区二区亚洲精品在线观看| 免费人成视频x8x8入口观看| 免费在线观看亚洲国产| 久久久久精品国产欧美久久久| 亚洲中文日韩欧美视频| .国产精品久久| 免费看a级黄色片| 色综合亚洲欧美另类图片| 哪里可以看免费的av片| 欧美一区二区亚洲| 国模一区二区三区四区视频| 99精品久久久久人妻精品| 欧美极品一区二区三区四区| 人妻丰满熟妇av一区二区三区| 老熟妇乱子伦视频在线观看| 亚洲成人久久性| 日韩欧美精品v在线| 一个人观看的视频www高清免费观看| 俺也久久电影网| 久久久久性生活片| 在线播放国产精品三级| 欧美高清成人免费视频www| 在线观看av片永久免费下载| av欧美777| 色综合站精品国产| 中亚洲国语对白在线视频| 熟女人妻精品中文字幕| 精品午夜福利视频在线观看一区| 可以在线观看毛片的网站| 在线观看66精品国产| 日韩欧美国产一区二区入口| 97超视频在线观看视频| а√天堂www在线а√下载| 国产精品美女特级片免费视频播放器| 尤物成人国产欧美一区二区三区| 99热这里只有是精品50| 国产免费男女视频| 国产高潮美女av| 国产免费av片在线观看野外av| 欧美性感艳星| 久久久久性生活片| 日日夜夜操网爽| 国产毛片a区久久久久| 久久久久久九九精品二区国产| 亚洲美女视频黄频| a级毛片a级免费在线| 亚洲五月天丁香| 在线看三级毛片| 日本一本二区三区精品| 一个人看视频在线观看www免费| 免费在线观看影片大全网站| 最新中文字幕久久久久| 色综合站精品国产| 亚洲五月婷婷丁香| 亚洲精品456在线播放app | 一级作爱视频免费观看| 亚洲人成网站在线播| 在线观看舔阴道视频| 久久精品91蜜桃| 成人三级黄色视频| 国产一区二区在线av高清观看| 亚洲aⅴ乱码一区二区在线播放| 久久久国产成人免费| 人妻久久中文字幕网| 日韩欧美在线乱码| 动漫黄色视频在线观看| 五月伊人婷婷丁香| 久久久久久久午夜电影| 中国美女看黄片| 蜜桃亚洲精品一区二区三区| a级一级毛片免费在线观看| .国产精品久久| 91麻豆精品激情在线观看国产| 极品教师在线免费播放| 简卡轻食公司| 国产高清三级在线| 欧美最新免费一区二区三区 | 国产一区二区在线av高清观看| 国产精华一区二区三区| 男女那种视频在线观看| 精品一区二区三区视频在线观看免费| 香蕉av资源在线| 一个人观看的视频www高清免费观看| 97超级碰碰碰精品色视频在线观看| 成人精品一区二区免费| 国产乱人视频| 亚洲精品粉嫩美女一区| 国产真实乱freesex| 日韩大尺度精品在线看网址| 九九在线视频观看精品| eeuss影院久久| av在线天堂中文字幕| 国产人妻一区二区三区在| 老女人水多毛片| 看十八女毛片水多多多| 一区福利在线观看| 观看美女的网站| bbb黄色大片| 少妇人妻精品综合一区二区 | 久久精品国产自在天天线| 嫩草影院精品99| 久9热在线精品视频| 国产 一区 欧美 日韩| 999久久久精品免费观看国产| 久久久久久久久久黄片| 禁无遮挡网站| 久久久久久久亚洲中文字幕 | 久久亚洲真实| 亚洲在线自拍视频| 身体一侧抽搐| 99国产综合亚洲精品| 特大巨黑吊av在线直播| .国产精品久久| 久久精品国产亚洲av香蕉五月| 69人妻影院| 女人被狂操c到高潮| 91在线观看av| 成人国产一区最新在线观看| 床上黄色一级片| 国产亚洲av嫩草精品影院| 日韩欧美国产在线观看| 三级男女做爰猛烈吃奶摸视频| 国内揄拍国产精品人妻在线| 欧美zozozo另类| 亚洲欧美精品综合久久99| 国产午夜精品论理片| 午夜免费成人在线视频| 九九热线精品视视频播放| 国产美女午夜福利| 成人一区二区视频在线观看| 日本黄大片高清| 99热只有精品国产| 日韩欧美精品免费久久 | 神马国产精品三级电影在线观看| 中文字幕人妻熟人妻熟丝袜美| 欧美精品啪啪一区二区三区| 亚洲成人精品中文字幕电影| 狠狠狠狠99中文字幕| 国内久久婷婷六月综合欲色啪| 国产视频一区二区在线看| 亚洲,欧美精品.| 久久性视频一级片| 乱码一卡2卡4卡精品| 不卡一级毛片| 少妇的逼好多水| 国产精品美女特级片免费视频播放器| 国产精品野战在线观看| 国产三级中文精品| 在线观看美女被高潮喷水网站 | 美女被艹到高潮喷水动态| 久久欧美精品欧美久久欧美| 国产精品自产拍在线观看55亚洲| 亚洲人与动物交配视频| 9191精品国产免费久久| 大型黄色视频在线免费观看| 女人十人毛片免费观看3o分钟| av专区在线播放| 亚洲av.av天堂| 欧美丝袜亚洲另类 | 成年女人看的毛片在线观看| 在线免费观看的www视频| 久久久色成人| 9191精品国产免费久久| 精品久久久久久,| 久久久久久久精品吃奶| 久久精品国产亚洲av天美| 亚洲成人免费电影在线观看| 有码 亚洲区| 欧美色欧美亚洲另类二区| 国产伦在线观看视频一区| 国产野战对白在线观看| 最近中文字幕高清免费大全6 | 久久久久久久午夜电影| 国产麻豆成人av免费视频| netflix在线观看网站| 久久国产乱子免费精品| 欧美在线一区亚洲| 国产在视频线在精品| 日本黄大片高清| 精品久久国产蜜桃| 在线看三级毛片| 日本熟妇午夜| 久久婷婷人人爽人人干人人爱| 国产成人影院久久av| 国产探花在线观看一区二区| 又粗又爽又猛毛片免费看| 国产精品精品国产色婷婷| 欧美成人免费av一区二区三区| 午夜两性在线视频| 深夜精品福利| 99热这里只有是精品在线观看 | 成年女人永久免费观看视频| 国产日本99.免费观看| 免费看光身美女| 亚洲精品成人久久久久久| 夜夜爽天天搞| 男女那种视频在线观看| 久久热精品热| 欧美在线一区亚洲| 国产大屁股一区二区在线视频| 在线观看av片永久免费下载| 国产精品日韩av在线免费观看| 蜜桃亚洲精品一区二区三区| 亚洲欧美日韩无卡精品| 啪啪无遮挡十八禁网站| 国产成人a区在线观看| 2021天堂中文幕一二区在线观| 欧美在线一区亚洲| 九色国产91popny在线| 老熟妇仑乱视频hdxx| 国产精品自产拍在线观看55亚洲| 亚洲天堂国产精品一区在线| 日韩成人在线观看一区二区三区| 日日干狠狠操夜夜爽| 别揉我奶头 嗯啊视频| 我的老师免费观看完整版| 一个人免费在线观看的高清视频| 亚洲第一欧美日韩一区二区三区| 在线观看66精品国产| 色哟哟·www| 亚洲欧美精品综合久久99| 欧美区成人在线视频| a级毛片免费高清观看在线播放| 极品教师在线视频| 动漫黄色视频在线观看| 国产精品爽爽va在线观看网站| 老司机福利观看| 国产一级毛片七仙女欲春2| 狠狠狠狠99中文字幕| 亚洲三级黄色毛片| 亚洲自拍偷在线| 在线观看午夜福利视频| 2021天堂中文幕一二区在线观| 久久久成人免费电影| 麻豆av噜噜一区二区三区| 免费无遮挡裸体视频| 搡女人真爽免费视频火全软件 | 国产中年淑女户外野战色| 国产精品国产高清国产av| 国产高清视频在线观看网站| 美女 人体艺术 gogo| 国产白丝娇喘喷水9色精品| 久久精品影院6| 中出人妻视频一区二区| 午夜两性在线视频| 免费大片18禁| 免费av观看视频| 亚洲自偷自拍三级| 国产精品久久久久久久久免 | 午夜福利欧美成人| 精品熟女少妇八av免费久了| 亚洲av五月六月丁香网| 欧美一区二区国产精品久久精品| 久久精品国产亚洲av天美| 成人国产一区最新在线观看| 中亚洲国语对白在线视频| 在线国产一区二区在线| 老鸭窝网址在线观看| 午夜久久久久精精品| av中文乱码字幕在线| 青草久久国产| 少妇熟女aⅴ在线视频| 国产精品三级大全| 国产av一区在线观看免费| 神马国产精品三级电影在线观看| 性色avwww在线观看| 国产免费男女视频| 久久久久久国产a免费观看| 内地一区二区视频在线| 欧美又色又爽又黄视频| www.www免费av| 一个人看视频在线观看www免费| 国产一区二区在线av高清观看| 国产精品永久免费网站| 2021天堂中文幕一二区在线观| 禁无遮挡网站| 亚洲av五月六月丁香网| 久久久精品欧美日韩精品| 日韩大尺度精品在线看网址| 热99在线观看视频| 最新在线观看一区二区三区| 人妻夜夜爽99麻豆av| 国产精品久久视频播放| 国产成+人综合+亚洲专区| 99在线人妻在线中文字幕| 亚洲av电影不卡..在线观看| av天堂在线播放| bbb黄色大片| 亚洲第一区二区三区不卡| 午夜亚洲福利在线播放| 日日夜夜操网爽| 精品一区二区免费观看| 国产单亲对白刺激| 国产高潮美女av| 国产精华一区二区三区| 熟女电影av网| 99riav亚洲国产免费| 九九在线视频观看精品| 日本a在线网址| 国产精品人妻久久久久久| АⅤ资源中文在线天堂| 色尼玛亚洲综合影院| 午夜福利欧美成人| 久久99热6这里只有精品| 三级国产精品欧美在线观看| 18美女黄网站色大片免费观看| 国产精品99久久久久久久久| 国产精品三级大全| 国产aⅴ精品一区二区三区波| 午夜影院日韩av| 99在线视频只有这里精品首页| 日韩精品中文字幕看吧| 亚洲av一区综合| 小蜜桃在线观看免费完整版高清| 亚洲av免费在线观看| 亚洲天堂国产精品一区在线| 一级a爱片免费观看的视频| 日本撒尿小便嘘嘘汇集6| 国产免费一级a男人的天堂| 午夜福利在线观看吧| 国产精品99久久久久久久久| 久久久久久久午夜电影| 淫妇啪啪啪对白视频| 日本 av在线| 国产精品久久久久久久久免 | 国产精品av视频在线免费观看| 高清在线国产一区| 日本 av在线| 午夜福利成人在线免费观看| 日韩欧美国产一区二区入口| 日韩亚洲欧美综合| 日本成人三级电影网站| 日日干狠狠操夜夜爽| 中文资源天堂在线| 成年女人永久免费观看视频| 久久久精品大字幕| 一进一出好大好爽视频| 国产成人啪精品午夜网站| 亚洲精品日韩av片在线观看| 夜夜夜夜夜久久久久| 午夜福利在线在线| 欧美xxxx性猛交bbbb| 1000部很黄的大片| 久久九九热精品免费| 女同久久另类99精品国产91| 最近中文字幕高清免费大全6 | 男人和女人高潮做爰伦理| 欧美区成人在线视频| 亚洲精品久久国产高清桃花| 网址你懂的国产日韩在线| 最近最新免费中文字幕在线| 国产白丝娇喘喷水9色精品| 69av精品久久久久久| 欧美日韩瑟瑟在线播放| 天美传媒精品一区二区| 黄色配什么色好看| 99国产精品一区二区蜜桃av| 成人高潮视频无遮挡免费网站| 国产黄色小视频在线观看| 午夜日韩欧美国产| 90打野战视频偷拍视频| 波多野结衣巨乳人妻| a级毛片免费高清观看在线播放| 免费观看精品视频网站| 欧美黄色片欧美黄色片| 老女人水多毛片| 丰满人妻一区二区三区视频av| 欧美一级a爱片免费观看看| 国产亚洲欧美在线一区二区| 国产精品不卡视频一区二区 | 高潮久久久久久久久久久不卡| 五月玫瑰六月丁香| 亚洲三级黄色毛片| 亚洲国产欧美人成| 18+在线观看网站| 美女xxoo啪啪120秒动态图 | 亚洲av电影在线进入| 亚洲无线观看免费| 制服丝袜大香蕉在线| 成人高潮视频无遮挡免费网站| 性色av乱码一区二区三区2| 久久久久久久久久成人| 国产黄色小视频在线观看| 一个人看视频在线观看www免费| 性色av乱码一区二区三区2| 99国产精品一区二区三区| 亚洲黑人精品在线| 99视频精品全部免费 在线| 国产亚洲av嫩草精品影院| 亚洲成人久久性| 中文字幕精品亚洲无线码一区| 国产精品久久久久久亚洲av鲁大| 亚洲欧美激情综合另类| 久久国产乱子伦精品免费另类|