• <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 ?

    基于神經(jīng)網(wǎng)絡(luò)的機(jī)車滾動軸承故障診斷研究

    2018-12-10 09:13:16童珠滿費(fèi)樹岷
    軟件導(dǎo)刊 2018年9期
    關(guān)鍵詞:約簡粗糙集波包

    童珠滿 費(fèi)樹岷

    摘要 針對目前機(jī)車滾動軸承故障診斷效率低、速度慢的問題,設(shè)計一種基于小波包與粗糙集神經(jīng)網(wǎng)絡(luò)的機(jī)車走行部滾動軸承故障診斷方法。首先運(yùn)用小波包分解構(gòu)造故障特征集,之后運(yùn)用粗糙集對故障特征集進(jìn)行降維處理,消除冗余信息,然后將降維后的最小屬性集作為LevenbergMarquardt算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的輸入,建立相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)故障診斷。測試結(jié)果表明,相較于普通BP網(wǎng)絡(luò)模型,該方法降低了神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的復(fù)雜度,提高了故障診斷速度與故障診斷準(zhǔn)確率。

    關(guān)鍵詞 小波包;粗糙集理論;故障診斷;LevenbergMarquardt算法;神經(jīng)網(wǎng)絡(luò);機(jī)車滾動軸承

    DOIDOI:10.11907/rjdk.181025

    中圖分類號:TP319

    文獻(xiàn)標(biāo)識碼:A文章編號文章編號:16727800(2018)009015304

    英文標(biāo)題Fault Diagnosis of Locomotive Rolling Bearing Based on Neural Network

    ——副標(biāo)題

    英文作者TONG Zhuman,F(xiàn)EI Shumin

    英文作者單位(Automated Institute,Southeast University,Nanjing 210096, China)

    英文摘要Abstract:Aiming at the problem of low efficiency and slow speed of locomotive rolling bearing fault diagnosis,this paper presents a fault diagnosis method of rolling bearing of locomotive running department based on wavelet packet and rough set and neural network.Firstly,wavelet packet decomposition is used to construct the fault feature set,and then the rough set is used to reduce the dimension to eliminate the redundant information.Secondiy,the minimum attribute set after dimension reduction is used as the input of BP neural network improved by LevenbergMarquardt algorithm to establish the corresponding neural network model to achieve fault diagnosis.The test results show that the method not only reduces the complexity of the neural network construction model but also improves the convergence speed and accuracy of fault diagnosis compared with the ordinary BP network model.

    英文關(guān)鍵詞Key Words:wavelet packet;rough set theory;fault diagnosis;LevenbergMarquardt algorithm;neural network;locomotive rolling bearing

    0引言

    隨著經(jīng)濟(jì)的快速發(fā)展,我國鐵路運(yùn)輸?shù)南嚓P(guān)配套設(shè)施也日益完善,機(jī)車經(jīng)過多次提速之后進(jìn)入高鐵時代,然而機(jī)車安全事故仍時有發(fā)生。機(jī)車走行部的滾動軸承是十分重要且容易受損的零件,滾動軸承狀態(tài)對整臺機(jī)車的正常運(yùn)行起著決定性作用。一旦滾動軸承出現(xiàn)故障,將可能導(dǎo)致重大鐵路交通事故。由于發(fā)生故障時,導(dǎo)致故障原因復(fù)雜,各類故障反映的特征參數(shù)也不完全相同,因而給故障診斷帶來極大困難[1]。BP神經(jīng)網(wǎng)絡(luò)由于具有很強(qiáng)的非線性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu)及分類能力,在故障診斷領(lǐng)域得到廣泛應(yīng)用。如黃國強(qiáng)[2]在基于遺傳算法的BP網(wǎng)絡(luò)在機(jī)車滾動軸承故障診斷應(yīng)用中,設(shè)計的GABP算法模型診斷精度較高,提升了診斷能力;張肖曼[3]在基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)車走行部滾動軸承故障診斷研究中,設(shè)計了一套機(jī)車走行部滾動軸承故障診斷工具箱;陳特放[4]在基于小波分析的機(jī)車走行部故障診斷方法中,對鐵路機(jī)車高噪聲背景下瞬變信號的描述比以往的時域、頻域信號處理技術(shù)更為精確;陳二恒[5]在基于小波包與貝葉斯分類的機(jī)車走行部滾動軸承故障診斷研究中,構(gòu)建的模型時間較短,分類準(zhǔn)確率也較高;李虎成[6]在基于粗糙集BP神經(jīng)網(wǎng)絡(luò)的機(jī)車滾動軸承故障診斷中,設(shè)計的故障診斷模型也取得了較好效果??傮w而言,以上研究都取得了一定成果,然而小波變換方法存在模型構(gòu)建時間長、采樣數(shù)據(jù)量大以及冗余信息多等缺陷,而普通BP神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練時間長、診斷精度低、易陷入局部極小值等問題,這些都給滾動軸承故障診斷工作帶來一定困難。

    本文針對以上問題作出改進(jìn),提出一種基于小波包與粗糙集LevenbergMarquardt算法改進(jìn)(簡稱LM法)BP神經(jīng)網(wǎng)絡(luò)的機(jī)車走行部滾動軸承故障診斷方法。該方法首先運(yùn)用3層小波包分解處理故障樣本數(shù)據(jù),得到8個頻率分量的能量作為故障特征集,并將其作為條件屬性;然后使用粗糙集對條件屬性進(jìn)行約簡,通過刪除冗余信息實(shí)現(xiàn)降維;最后將未降維和使用粗糙集方法降維后的故障特征集分別作為經(jīng)LM算法優(yōu)化之后BP神經(jīng)網(wǎng)絡(luò)的輸入,以達(dá)到滾動軸承故障診斷的目的。本故障診斷方法和傳統(tǒng)方法最大的區(qū)別在于:將3層小波包分解后的結(jié)果再用粗糙集理論進(jìn)行約簡,可減少模型構(gòu)建時間,提高診斷精度;另外普通BP網(wǎng)絡(luò)經(jīng)LM算法優(yōu)化之后,訓(xùn)練速度得到了很大提高,也是本方法的獨(dú)特之處。

    1小波包分解

    小波包變換是小波變換的發(fā)展和延伸,繼承了小波變換時頻的局部化特性,并對多分辨分析中未分解的高頻頻帶作進(jìn)一步分解,使信號中的微弱信號特征明顯體現(xiàn)出來。小波包分解很好地彌補(bǔ)了小波變換的不足,通過自適應(yīng)選擇對應(yīng)頻帶,使該頻帶與信號頻譜相匹配,提高時頻分辨率[7]。

    小波包分解的原理是對多分辨率分析中的各小波子空間進(jìn)行分解。在多分辨率分析中,定義函數(shù)un(t)的閉包空間為Unj,函數(shù)u2n(t)的閉包空間為U2nj,令un(t)滿足如下組合方程:

    u2n(t)=2∑k∈Zhkun(2t-k)u2n+1(t)=2∑k∈Zgkun(2t-k)(1)

    其中g(shù)(k)=(-1)kh(1-k),由基函數(shù)u0(t)=φ(t)得到的正交小波包序列為{un(t)}n∈Z。u0(t)為尺度函數(shù)φ(t),u1(t)為小波基函數(shù)ψ(t)。設(shè)gnj(t)∈unj,則gnj可表示為:

    gnj(t)=∑ldj,nlu(2jt-1)(2)

    由上式(1)、(2)易知,小波包分解即是將gnj+1(t)分解為g2nj(t)和g2n+1j(t)。小波包分解算法是由{dj,nl}求{dj+1,2nl}和{dj+1,2n+1l},即:

    dj+1,2nl=∑khk-2ldj,nkdj+1,2n+1l=∑kgk-2ldj,nk(3)

    小波包的重構(gòu)算法即是由{dj+1,2nl}和{dj+1,2n+1l}計算{dj,nl},可表示為:

    dj,nl=∑k[hl-2kdj+1,2nk+gl-2kdj+1,2n+1k](4)

    2粗糙集基礎(chǔ)

    粗糙集理論(Rough Set,RS)是一種主要用于處理不完整數(shù)據(jù)、不精確知識表達(dá)以及模糊數(shù)據(jù)集的信息處理方法。該方法在保持分類能力不變的前提下,通過對樣本數(shù)據(jù)進(jìn)行約簡,建立問題決策規(guī)則,從而找到其中的潛在規(guī)律。目前,該理論已被廣泛應(yīng)用于機(jī)器學(xué)習(xí)等研究領(lǐng)域。

    2.1信息系統(tǒng)與決策表

    定義R代表論域U中的一種關(guān)系,U/R表示根據(jù)R、U中對象構(gòu)成的所有等價類族。對于子集X,Y∈U,用[X]R表示X和Y由屬性R無法分辨。若PR,且P≠,則∩P也是一個等價關(guān)系,記作ind(P)。

    信息系統(tǒng)可用三元組S=(U,A,V)表示,其中U是有限非空集,也稱為論域;A為屬性的有限非空集,V=∪a∈AVa,Va是屬性a集的值域,也可用S=(U,A)代替S=(U,A,V)。如果A=C∪D,C∩D=,則稱(U,A)為一個決策表,其中C、D中的屬性分別稱為條件屬性和決策屬性。

    2.2知識約簡

    知識約簡是粗糙集理論的核心內(nèi)容之一,是指在保持分類能力不變的情況下,刪除其中的冗余信息。約簡(Reduct)和核(core)是其中的兩個基本概念,其中核是屬性集的本質(zhì)部分,從中去掉任何一個屬性都將影響屬性集對論域中對象的分辨能力。

    設(shè)B∈A為屬性集,屬性b∈B,如果ind(B-)=ind(B),則b在B中可省去,否則b在B中是必要的。如果所有的b∈B在B中都是必需的,則稱B是無關(guān)的,否則B是相關(guān)的。子集B∈A是A的一個約簡,當(dāng)且僅當(dāng)B是無關(guān)的,ind(B)=ind(A)。A中所有必要屬性的集稱為A的核,表示為core(A)。核是所有約簡的交集,即core(A)=∩red(A),其中red(A)是A的所有約簡構(gòu)成的族[89]。

    3BP學(xué)習(xí)算法及其改進(jìn)

    BP算法也稱為誤差反向傳播算法,是一類有導(dǎo)學(xué)習(xí)算法,用于BP網(wǎng)的權(quán)值和閾值學(xué)習(xí)。評價一個神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的優(yōu)劣有很多指標(biāo),包括:①學(xué)習(xí)所需時間;②泛化能力;③神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜性;④魯棒性,即算法參數(shù)出現(xiàn)很大波動時,算法是否還能維持原有學(xué)習(xí)效果[10]。

    BP神經(jīng)網(wǎng)絡(luò)在故障診斷方面具有一定優(yōu)勢,然而BP算法也存在易陷入局部極小點(diǎn)、收斂速度慢等缺陷,本文針對避免局部最小和提高收斂速度等問題作出一些改進(jìn)。

    (1)加動量算法。為提高算法收斂速度,可引入動量項(xiàng),即:

    w(n0+1)=w(n0)+η(n0)d(n0)+αΔw(n0)(5)

    其中:

    d(n0)=-EAw(n0)(6)

    Δw(n0)=w(n0)-w(n0-1)=η(n0-1)d(n0-1)(7)

    此時權(quán)值修正量加上了有關(guān)上一時刻權(quán)值修改方向的記憶。動量因子α一般取值為0.1~0.8。

    (2)LM算法。LM法是使用最廣泛的非線性最小二乘算法,也是一種最優(yōu)化算法。其權(quán)值調(diào)整率選為:

    Δw=(JTJ+μI)-1JTe(8)

    式中,參數(shù)J是誤差為權(quán)值微分的Jacobian矩陣,參數(shù)e為訓(xùn)練誤差向量。

    μ=0時,Δw則接近于Hessian陣的牛頓法。當(dāng)μ較大時,LM算法近似為小步長梯度法。迭代時為了保證表現(xiàn)函數(shù)最后減小到一定的值,訓(xùn)練成功時需要減小μ值,反之要增加μ值。

    下面分別對普通BP算法和上述兩種改進(jìn)方法進(jìn)行訓(xùn)練,比較其訓(xùn)練結(jié)果[11]。為便于比較,在以下訓(xùn)練中,規(guī)定樣本數(shù)據(jù)如下:

    輸入:my_input=[-1 -1 2 2;0 5 0 5]

    輸出:my_output=[-1 -1 1 1]

    隱含層節(jié)點(diǎn)數(shù)都為3,隱含層神經(jīng)元傳遞函數(shù)都為tansig,輸出層神經(jīng)元傳遞函數(shù)都為purelin,訓(xùn)練周期epochs=2 000,訓(xùn)練要求精度為0.001,訓(xùn)練步長show=10,學(xué)習(xí)率為0.05。

    普通BP網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖1所示。

    經(jīng)過190次循環(huán)訓(xùn)練成功,網(wǎng)絡(luò)驗(yàn)證結(jié)果為:(-1003,-0.998,0.995,1.002)。

    有動量的梯度下降法訓(xùn)練結(jié)果如圖2所示。

    經(jīng)過32次循環(huán)訓(xùn)練成功,網(wǎng)絡(luò)驗(yàn)證結(jié)果為:(-1.001,-0.999,0.997,1.001)。

    LM方法訓(xùn)練結(jié)果如圖3所示。

    經(jīng)過2次循環(huán)訓(xùn)練成功,網(wǎng)絡(luò)驗(yàn)證結(jié)果為:(-1000,-1.000,1.000,1.000)。

    從以上3種訓(xùn)練方法對比得出:LM訓(xùn)練方法收斂速度很快,且準(zhǔn)確率能達(dá)到100%。因此,本文采用基于LM算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)取代普通BP網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷。

    4基于小波包與粗糙集的神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷流程

    本文所用數(shù)據(jù)來自美國Case Western Reserve大學(xué)軸承數(shù)據(jù)中心提供的免費(fèi)數(shù)據(jù),是在軸承轉(zhuǎn)速30r/s、采樣頻率為1kHz情況下通過加速度傳感器采集到的原始振動加速度信號。首先,建立LM算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集;然后通過小波包分解對頻譜信號進(jìn)行3層分解,得到8個頻率分量的能量作為故障特征集元素,從而構(gòu)造原始故障特征集。將分解得到8個頻率分量的能量作為條件屬性,分別用a1~a8表示,實(shí)際出現(xiàn)的滾動軸承故障類型分為4種:正常狀態(tài)、內(nèi)圈故障、外圈故障和滾子故障,將其作為決策屬性,分別用1、2、3、4表示,從而建立包括8 類條件屬性和4 類決策屬性的滾動軸承故障診斷信息決策表;接下來進(jìn)行粗糙集預(yù)處理,包括連續(xù)屬性離散化和決策表約簡,以刪除冗余信息;之后將得到的相對最小條件屬性作為LM算法改進(jìn)后BP神經(jīng)網(wǎng)絡(luò)的輸入向量,對應(yīng)的故障類型作為BP神經(jīng)網(wǎng)絡(luò)的輸出,建立相應(yīng)的滾動軸承故障診斷模型,并利用梯度下降法調(diào)節(jié)權(quán)值,進(jìn)行學(xué)習(xí)和訓(xùn)練,從而確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)[12]。具體流程如圖4所示。

    5仿真分析

    5.1故障診斷模型建立

    由于篇幅所限,本文只采用采集數(shù)據(jù)樣本的其中8 組滾動軸承振動加速度數(shù)據(jù)作為原始數(shù)據(jù)樣本(用u-1~u-8表示)進(jìn)行分析研究。經(jīng)小波包3層分解后,每個數(shù)據(jù)樣本有8維特征向量(用a1~a8表示),從而構(gòu)造出8·8的故障特征訓(xùn)練樣本集。然后將8個頻率分量的能量作為粗糙集條件屬性,對應(yīng)的故障類別作為決策屬性,構(gòu)建學(xué)習(xí)樣本集,如表1所示。

    將本文的連續(xù)條件屬性值劃分成3個等寬度的值域進(jìn)行離散化,取[0,0.3]、[0.3,0.7]、[0.7,1]區(qū)間的編碼分別為1、2、3,得到離散化后的故障診斷信息表。然后將其分成兩塊建立決策表進(jìn)行約簡處理,得到條件屬性為a1~a4與a5~a8的分決策表。通過計算可獲得兩者的核分別為{a1,a3}與{a5,a6,a7},則整個實(shí)驗(yàn)樣本的核為屬性a1、a3、a5、a6、a7。由于得到的離散化信息表中的u2和u7行不相容,故需要刪除u2與u7行,最終得到如表2所示的相對最小約簡的學(xué)習(xí)樣本集??梢钥闯觯?jīng)過粗糙集約簡后,在保持原分類不變的情況下,條件屬性明顯減少,刪除了其中的冗余信息[1314]。

    5.2仿真測試

    分別建立兩種故障診斷網(wǎng)絡(luò)模型。普通BP網(wǎng)絡(luò)的結(jié)構(gòu)為8143,其中傳遞函數(shù)為[tansig,purelin],訓(xùn)練要求精度都為0.001,訓(xùn)練周期都是epochs= 1 000;粗糙集BP網(wǎng)絡(luò)模型的結(jié)構(gòu)為5143,其它參數(shù)相同。得到的神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線分別如圖5、圖6所示[1516]。

    由圖5、圖6看出,普通BP網(wǎng)絡(luò)迭代99次可訓(xùn)練成功,而本方法模型只用迭代68次即可訓(xùn)練成功。因此,相對于普通BP網(wǎng)絡(luò)而言,粗糙集BP網(wǎng)絡(luò)提高了網(wǎng)絡(luò)訓(xùn)練速度。

    6結(jié)語

    本文充分利用基于粗糙集理論和LM算法改進(jìn)的BP

    神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),并將其運(yùn)用于機(jī)車走行部滾動軸承故障診斷中。分別用普通BP網(wǎng)絡(luò)和本文方法模型對滾動軸承故障進(jìn)行訓(xùn)練和測試,測試結(jié)果表明:相較于普通BP網(wǎng)絡(luò),本文提出的模型故障診斷方法不僅簡化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),訓(xùn)練速度也得到提高,且故障診斷準(zhǔn)確率較高,在故障原因較復(fù)雜的機(jī)車走行部滾動軸承故障診斷中具有一定實(shí)用價值。

    參考文獻(xiàn)參考文獻(xiàn):

    [1]賈天麗.軌道列車走行部滾動軸承故障診斷研究[D].北京:北京交通大學(xué),2011:812.

    [2]黃國強(qiáng),陶海龍.基于遺傳算法的BP網(wǎng)絡(luò)在機(jī)車滾動軸承故障診斷中的應(yīng)用[J].甘肅科技,2011,27(12):5860.

    [3]張肖曼.基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)車走行部滾動軸承的故障診斷研究[D].北京:北京交通大學(xué),2012:6467.

    [4]陳特放,黃采倫,樊曉平.基于小波分析的機(jī)車走行部故障診斷方法[J].中國鐵道科學(xué),2005,26(4):8992.

    [5]陳二恒,賀德強(qiáng),劉建仁.基于小波包和貝葉斯分類的機(jī)車走行部滾動軸承故障診斷研究[J].鐵道科學(xué)與工程學(xué)報,2015(3):636642.

    [6]李虎成,邱建東,李屹.基于粗糙集BP神經(jīng)網(wǎng)絡(luò)的機(jī)車滾動軸承故障診斷[J].計算機(jī)與數(shù)字工程,2014,42(3):526530.

    [7]衡玲燕,戴鵬,符曉.基于小波包頻帶能量重構(gòu)的電機(jī)斷條故障診斷[J].電機(jī)與控制應(yīng)用,2010,37(10):5660.

    [8]張文修,吳偉志,梁吉業(yè).粗糙集理論與方法[M].北京:科學(xué)出版社,2001:156.

    [9]PAWLAK Z.Rough sets [J].International Journal of Computer and Information Science,1982,11(5):341356.

    [10]魏海坤.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的理論與方法[M].北京:國防工業(yè)出版社,2005.

    [11]宋曉娟,馬勝前.BP改進(jìn)算法在MATLAB7.0中的實(shí)現(xiàn)及比較研究[J].甘肅科技,2007,23(11):4344.

    [12]董健康,李艷,耿宏.基于粗糙集神經(jīng)網(wǎng)絡(luò)的機(jī)載設(shè)備故障診斷方法研究[J].航空電子技術(shù),2008,39(1):3741.

    [13]孫永厚,李聰.基于粗糙集BP神經(jīng)網(wǎng)絡(luò)的垃圾破碎機(jī)故障診斷[J].機(jī)械設(shè)計與制造,2012(1):218220.

    [14]蘇劍飛.基于粗糙集和神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[D].太原:中北大學(xué),2007:3338.

    [15]陳偉,馬如雄,郝艷紅.基于MATLAB的BP人工神經(jīng)網(wǎng)絡(luò)設(shè)計[J].智能計算機(jī)與應(yīng)用,2005(2):3031.

    [16]羅成漢.基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的BP網(wǎng)絡(luò)實(shí)現(xiàn)[J].計算機(jī)仿真,2004,21(5):109111.

    責(zé)任編輯(責(zé)任編輯:黃?。?/p>

    猜你喜歡
    約簡粗糙集波包
    基于Pawlak粗糙集模型的集合運(yùn)算關(guān)系
    基于二進(jìn)制鏈表的粗糙集屬性約簡
    基于小波包Tsallis熵和RVM的模擬電路故障診斷
    實(shí)值多變量維數(shù)約簡:綜述
    基于模糊貼近度的屬性約簡
    多?;植诩再|(zhì)的幾個充分條件
    雙論域粗糙集在故障診斷中的應(yīng)用
    基于小波包變換的電力系統(tǒng)諧波分析
    小波包理論與圖像小波包分解
    兩個域上的覆蓋變精度粗糙集模型
    亚洲精品国产一区二区精华液| 级片在线观看| 伊人久久大香线蕉亚洲五| 亚洲一卡2卡3卡4卡5卡精品中文| 88av欧美| 999久久久精品免费观看国产| 亚洲在线自拍视频| 成年女人毛片免费观看观看9| 日本a在线网址| 丰满的人妻完整版| 国产精品久久久久久亚洲av鲁大| 国产午夜福利久久久久久| 日本三级黄在线观看| 麻豆av在线久日| 久久久水蜜桃国产精品网| 久久精品国产亚洲av香蕉五月| 嫩草影视91久久| 淫妇啪啪啪对白视频| 桃色一区二区三区在线观看| 99riav亚洲国产免费| 亚洲中文av在线| 欧美又色又爽又黄视频| 一区二区三区国产精品乱码| av片东京热男人的天堂| 18禁裸乳无遮挡免费网站照片 | 亚洲人成77777在线视频| 在线观看66精品国产| 日韩大尺度精品在线看网址| 精品无人区乱码1区二区| 视频区欧美日本亚洲| 久久欧美精品欧美久久欧美| 夜夜看夜夜爽夜夜摸| 白带黄色成豆腐渣| 精品卡一卡二卡四卡免费| 亚洲男人的天堂狠狠| 男人操女人黄网站| 51午夜福利影视在线观看| 国产午夜精品久久久久久| 久久中文看片网| 午夜福利在线在线| 久久精品亚洲精品国产色婷小说| 成人亚洲精品av一区二区| 男人操女人黄网站| av在线天堂中文字幕| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲av熟女| 久久国产精品影院| 青草久久国产| 日韩免费av在线播放| 欧美中文日本在线观看视频| 欧美黑人精品巨大| av电影中文网址| 淫秽高清视频在线观看| 亚洲国产欧美网| 国内毛片毛片毛片毛片毛片| 国产伦在线观看视频一区| 亚洲七黄色美女视频| 国产精品1区2区在线观看.| av福利片在线| 91字幕亚洲| 9191精品国产免费久久| 淫妇啪啪啪对白视频| 国产精品野战在线观看| 在线观看日韩欧美| 成在线人永久免费视频| 精品乱码久久久久久99久播| 欧美又色又爽又黄视频| 久久久久亚洲av毛片大全| 色哟哟哟哟哟哟| 一级a爱视频在线免费观看| 9191精品国产免费久久| 成人一区二区视频在线观看| 精品一区二区三区av网在线观看| 国产精品 欧美亚洲| 国产区一区二久久| 高清毛片免费观看视频网站| 19禁男女啪啪无遮挡网站| av在线播放免费不卡| 色在线成人网| 女人高潮潮喷娇喘18禁视频| 老熟妇仑乱视频hdxx| 亚洲国产欧美网| 欧美久久黑人一区二区| 国产成人av教育| 日韩av在线大香蕉| 国产一区二区在线av高清观看| 亚洲av美国av| 国产91精品成人一区二区三区| 国产成人系列免费观看| 免费看a级黄色片| 老司机靠b影院| 老司机在亚洲福利影院| 在线十欧美十亚洲十日本专区| 欧美 亚洲 国产 日韩一| 亚洲自偷自拍图片 自拍| 两个人看的免费小视频| 成年人黄色毛片网站| 国产精品av久久久久免费| 亚洲精品国产精品久久久不卡| 亚洲精品色激情综合| 此物有八面人人有两片| 亚洲专区国产一区二区| 在线观看舔阴道视频| 国产成人av激情在线播放| 精品午夜福利视频在线观看一区| 免费在线观看黄色视频的| 1024视频免费在线观看| 亚洲一码二码三码区别大吗| 日韩视频一区二区在线观看| 欧美黄色片欧美黄色片| 国产av在哪里看| 亚洲成人免费电影在线观看| 韩国av一区二区三区四区| 国产aⅴ精品一区二区三区波| 在线av久久热| 久久香蕉激情| a级毛片在线看网站| 日韩视频一区二区在线观看| 国产精品二区激情视频| 国产又爽黄色视频| 亚洲 国产 在线| 国产成人欧美| av免费在线观看网站| 老司机深夜福利视频在线观看| 日韩国内少妇激情av| 欧美绝顶高潮抽搐喷水| 国产精品一区二区免费欧美| 成人国语在线视频| 久久这里只有精品19| 精品一区二区三区四区五区乱码| 午夜老司机福利片| 一本一本综合久久| 久久久久国内视频| 中国美女看黄片| 久久精品国产亚洲av高清一级| 免费女性裸体啪啪无遮挡网站| 国产精品av久久久久免费| 国产成年人精品一区二区| 成人三级黄色视频| 国产男靠女视频免费网站| 巨乳人妻的诱惑在线观看| 久热这里只有精品99| av欧美777| 此物有八面人人有两片| 男人舔女人的私密视频| 一二三四在线观看免费中文在| 久久青草综合色| 国产久久久一区二区三区| 国产在线精品亚洲第一网站| 欧美乱色亚洲激情| 一区二区三区激情视频| 法律面前人人平等表现在哪些方面| 久久久久久免费高清国产稀缺| 不卡av一区二区三区| 欧美一级毛片孕妇| 国产熟女午夜一区二区三区| 最近最新免费中文字幕在线| 丝袜人妻中文字幕| 国产欧美日韩一区二区精品| 免费看日本二区| 色精品久久人妻99蜜桃| 亚洲五月天丁香| a在线观看视频网站| 男人的好看免费观看在线视频 | 亚洲专区中文字幕在线| 亚洲av成人不卡在线观看播放网| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品香港三级国产av潘金莲| 99精品欧美一区二区三区四区| 长腿黑丝高跟| 午夜免费观看网址| 免费av毛片视频| 男女下面进入的视频免费午夜 | 国产亚洲欧美在线一区二区| 一夜夜www| 亚洲五月天丁香| 搡老妇女老女人老熟妇| 欧美zozozo另类| 中文字幕另类日韩欧美亚洲嫩草| 成人午夜高清在线视频 | 一本精品99久久精品77| 可以在线观看毛片的网站| 一级毛片高清免费大全| 成人精品一区二区免费| 国产成+人综合+亚洲专区| 国产视频一区二区在线看| 不卡一级毛片| 亚洲精品在线美女| 免费无遮挡裸体视频| 精品国内亚洲2022精品成人| 精品久久蜜臀av无| 久久精品91无色码中文字幕| 久久国产乱子伦精品免费另类| 人人澡人人妻人| 在线观看免费午夜福利视频| 免费人成视频x8x8入口观看| 欧美+亚洲+日韩+国产| 欧美精品啪啪一区二区三区| 99热这里只有精品一区 | 亚洲第一av免费看| 少妇 在线观看| 啦啦啦韩国在线观看视频| av片东京热男人的天堂| x7x7x7水蜜桃| 欧美在线黄色| 亚洲自偷自拍图片 自拍| 又黄又爽又免费观看的视频| 曰老女人黄片| 在线观看66精品国产| 久久香蕉精品热| 国产午夜福利久久久久久| 12—13女人毛片做爰片一| 日本免费一区二区三区高清不卡| 精品电影一区二区在线| 国产精品久久久久久亚洲av鲁大| 2021天堂中文幕一二区在线观 | 精品久久久久久久末码| 18禁裸乳无遮挡免费网站照片 | 99久久综合精品五月天人人| 成人三级做爰电影| 国产激情久久老熟女| 成人18禁在线播放| 黑人欧美特级aaaaaa片| 国产99久久九九免费精品| 男男h啪啪无遮挡| 久久久久免费精品人妻一区二区 | 国产高清视频在线播放一区| 此物有八面人人有两片| 一区福利在线观看| 99热只有精品国产| 成人亚洲精品一区在线观看| 国产精品 国内视频| 久久这里只有精品19| 午夜成年电影在线免费观看| 国产精品久久电影中文字幕| 最新美女视频免费是黄的| 亚洲av成人一区二区三| 黄色成人免费大全| 自线自在国产av| 国产蜜桃级精品一区二区三区| 国产精品二区激情视频| 国产一区二区激情短视频| 欧美zozozo另类| 午夜激情福利司机影院| 久久国产精品人妻蜜桃| 香蕉久久夜色| 亚洲五月色婷婷综合| 熟女电影av网| 亚洲一区二区三区色噜噜| 午夜福利高清视频| 国产主播在线观看一区二区| 美女高潮到喷水免费观看| 18美女黄网站色大片免费观看| 国产国语露脸激情在线看| 欧美乱妇无乱码| 女人被狂操c到高潮| 久久久久精品国产欧美久久久| 成人18禁在线播放| 久久青草综合色| 国产精品98久久久久久宅男小说| 亚洲真实伦在线观看| 免费高清视频大片| 99国产综合亚洲精品| 1024视频免费在线观看| 别揉我奶头~嗯~啊~动态视频| 欧美黄色淫秽网站| 一本精品99久久精品77| 两个人看的免费小视频| 亚洲专区字幕在线| 午夜视频精品福利| 777久久人妻少妇嫩草av网站| 九色国产91popny在线| 中文字幕高清在线视频| 欧美性长视频在线观看| 国产精品久久久久久亚洲av鲁大| 午夜福利欧美成人| 在线天堂中文资源库| 叶爱在线成人免费视频播放| a级毛片在线看网站| 国产成人av教育| 国产又黄又爽又无遮挡在线| 中文字幕精品免费在线观看视频| 色哟哟哟哟哟哟| 中文字幕人成人乱码亚洲影| 色综合站精品国产| 亚洲成av人片免费观看| 久久热在线av| 两性午夜刺激爽爽歪歪视频在线观看 | 18禁观看日本| 国产av一区二区精品久久| 黄色视频,在线免费观看| 黄片大片在线免费观看| 亚洲成a人片在线一区二区| 国产精品一区二区免费欧美| 不卡av一区二区三区| 国产精品综合久久久久久久免费| 亚洲片人在线观看| 琪琪午夜伦伦电影理论片6080| 免费人成视频x8x8入口观看| 免费在线观看成人毛片| 免费观看精品视频网站| 每晚都被弄得嗷嗷叫到高潮| 岛国视频午夜一区免费看| 69av精品久久久久久| 人人妻人人澡人人看| 精品第一国产精品| 国产视频一区二区在线看| www日本黄色视频网| 麻豆成人av在线观看| 天天一区二区日本电影三级| 亚洲 国产 在线| АⅤ资源中文在线天堂| 这个男人来自地球电影免费观看| 免费看日本二区| 精品久久久久久久人妻蜜臀av| 一区二区三区高清视频在线| 日韩三级视频一区二区三区| 欧美色视频一区免费| 正在播放国产对白刺激| 婷婷精品国产亚洲av| 亚洲美女黄片视频| 老汉色av国产亚洲站长工具| 十八禁人妻一区二区| 精品午夜福利视频在线观看一区| 亚洲一区二区三区不卡视频| 欧美又色又爽又黄视频| 淫秽高清视频在线观看| 国产av又大| 一本精品99久久精品77| 国产精品1区2区在线观看.| 免费看a级黄色片| 淫秽高清视频在线观看| 久久久精品国产亚洲av高清涩受| 国产1区2区3区精品| av天堂在线播放| 国产伦人伦偷精品视频| 国产区一区二久久| 色综合婷婷激情| 国产成人欧美| 亚洲精品美女久久久久99蜜臀| 国产亚洲av嫩草精品影院| 亚洲男人的天堂狠狠| 成年版毛片免费区| 久久精品aⅴ一区二区三区四区| 欧美日韩乱码在线| 国产区一区二久久| 亚洲国产日韩欧美精品在线观看 | 真人做人爱边吃奶动态| 国产精品综合久久久久久久免费| 国产av不卡久久| 国产欧美日韩一区二区精品| 在线播放国产精品三级| 成人国产综合亚洲| 啦啦啦免费观看视频1| 无限看片的www在线观看| 久久久久久人人人人人| 两个人免费观看高清视频| 亚洲av日韩精品久久久久久密| 国产精品久久视频播放| 精品久久久久久成人av| 国产成+人综合+亚洲专区| 午夜福利在线在线| 亚洲精品美女久久av网站| 亚洲成av人片免费观看| 日本在线视频免费播放| 欧美激情久久久久久爽电影| 久久久国产欧美日韩av| 亚洲av电影在线进入| 在线观看日韩欧美| 精品一区二区三区av网在线观看| 变态另类成人亚洲欧美熟女| 午夜福利欧美成人| 最近最新中文字幕大全免费视频| 国产单亲对白刺激| 又黄又粗又硬又大视频| 好男人电影高清在线观看| 国产亚洲欧美在线一区二区| 在线观看免费午夜福利视频| 国产精品电影一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 长腿黑丝高跟| av福利片在线| 麻豆一二三区av精品| www.自偷自拍.com| a级毛片a级免费在线| 很黄的视频免费| 欧美日本视频| 亚洲国产看品久久| 亚洲aⅴ乱码一区二区在线播放 | 香蕉国产在线看| 亚洲中文日韩欧美视频| 亚洲国产毛片av蜜桃av| 亚洲精品中文字幕一二三四区| 中出人妻视频一区二区| 亚洲va日本ⅴa欧美va伊人久久| 美女大奶头视频| 国产成人精品久久二区二区91| 久久国产精品人妻蜜桃| 999久久久国产精品视频| 欧美日韩乱码在线| 色尼玛亚洲综合影院| 精品国产亚洲在线| 中文字幕人妻丝袜一区二区| 亚洲人成电影免费在线| 欧美绝顶高潮抽搐喷水| 国产精品香港三级国产av潘金莲| 免费人成视频x8x8入口观看| 最近最新中文字幕大全电影3 | 丝袜在线中文字幕| 亚洲中文av在线| 成人国语在线视频| 欧美三级亚洲精品| av在线天堂中文字幕| 日本在线视频免费播放| 国产精品综合久久久久久久免费| 极品教师在线免费播放| 欧美日韩亚洲国产一区二区在线观看| 一二三四在线观看免费中文在| 久久精品夜夜夜夜夜久久蜜豆 | 成人av一区二区三区在线看| 久久久久久大精品| 午夜久久久在线观看| 夜夜看夜夜爽夜夜摸| 欧美性猛交╳xxx乱大交人| 校园春色视频在线观看| 午夜福利高清视频| 国内毛片毛片毛片毛片毛片| 丰满人妻熟妇乱又伦精品不卡| 999久久久国产精品视频| av视频在线观看入口| 久久午夜综合久久蜜桃| 国产野战对白在线观看| 国产高清有码在线观看视频 | av视频在线观看入口| 亚洲欧美日韩高清在线视频| 成人三级黄色视频| 午夜精品在线福利| 成人永久免费在线观看视频| 国产私拍福利视频在线观看| 热99re8久久精品国产| 女性被躁到高潮视频| 亚洲熟妇熟女久久| 国产精品亚洲av一区麻豆| 精品国产亚洲在线| 性色av乱码一区二区三区2| 久久久久国内视频| 午夜精品久久久久久毛片777| 亚洲中文日韩欧美视频| 久久国产精品男人的天堂亚洲| 视频在线观看一区二区三区| 看免费av毛片| 亚洲美女黄片视频| 国产精品久久视频播放| 免费观看精品视频网站| 亚洲美女黄片视频| 视频在线观看一区二区三区| 啦啦啦韩国在线观看视频| 久久国产乱子伦精品免费另类| 桃红色精品国产亚洲av| 黑人操中国人逼视频| 久久精品国产清高在天天线| 无人区码免费观看不卡| 成年版毛片免费区| 亚洲中文av在线| 久久午夜综合久久蜜桃| 久久久久亚洲av毛片大全| 欧美黑人巨大hd| 免费一级毛片在线播放高清视频| 午夜福利欧美成人| 一进一出抽搐动态| 久热爱精品视频在线9| 嫩草影院精品99| 久久久久久久久免费视频了| 亚洲国产毛片av蜜桃av| 99精品久久久久人妻精品| 曰老女人黄片| 久久久久久大精品| 国产aⅴ精品一区二区三区波| 亚洲成人精品中文字幕电影| 欧美人与性动交α欧美精品济南到| 白带黄色成豆腐渣| 俄罗斯特黄特色一大片| 99精品在免费线老司机午夜| 日韩精品免费视频一区二区三区| 亚洲成人久久爱视频| 婷婷亚洲欧美| 亚洲精品粉嫩美女一区| 亚洲精品国产一区二区精华液| 久久久久久九九精品二区国产 | 久久中文字幕一级| 免费在线观看日本一区| 久久婷婷人人爽人人干人人爱| 成年免费大片在线观看| 日本黄色视频三级网站网址| 香蕉丝袜av| 怎么达到女性高潮| 日韩精品免费视频一区二区三区| 在线看三级毛片| 亚洲精品国产区一区二| 精品久久久久久久末码| 一本大道久久a久久精品| 久久久久久久久久黄片| 亚洲精品国产一区二区精华液| 国产三级在线视频| 久久久国产成人免费| 国产精品免费视频内射| av在线天堂中文字幕| 啦啦啦观看免费观看视频高清| av在线播放免费不卡| 国产视频内射| 91字幕亚洲| 日韩高清综合在线| 欧美性长视频在线观看| 国产一区二区在线av高清观看| 国产高清videossex| 国产又爽黄色视频| av片东京热男人的天堂| 老汉色∧v一级毛片| 日韩大码丰满熟妇| 少妇熟女aⅴ在线视频| 视频区欧美日本亚洲| 亚洲人成网站高清观看| 美女午夜性视频免费| 亚洲人成电影免费在线| 熟女电影av网| 一级片免费观看大全| 在线观看舔阴道视频| 女生性感内裤真人,穿戴方法视频| 人人澡人人妻人| 免费av毛片视频| 国产单亲对白刺激| 久久久久久人人人人人| 国产成人影院久久av| www日本在线高清视频| 亚洲人成77777在线视频| 久久青草综合色| 99热只有精品国产| 亚洲男人的天堂狠狠| www日本黄色视频网| 国产单亲对白刺激| 欧美又色又爽又黄视频| 久久午夜亚洲精品久久| 午夜激情av网站| 亚洲精品中文字幕一二三四区| 国产成人精品久久二区二区免费| 亚洲av美国av| 国产精品永久免费网站| 亚洲成人精品中文字幕电影| 国产国语露脸激情在线看| 亚洲电影在线观看av| 最近最新免费中文字幕在线| 日本熟妇午夜| 国产精品av久久久久免费| 久久 成人 亚洲| 中文字幕人妻丝袜一区二区| 高清在线国产一区| 午夜福利欧美成人| www国产在线视频色| 久久久久亚洲av毛片大全| 欧美日韩一级在线毛片| 国产午夜福利久久久久久| 日本 欧美在线| 日本熟妇午夜| 日韩欧美免费精品| 看黄色毛片网站| 黄色视频不卡| 一级毛片女人18水好多| 欧美黄色片欧美黄色片| 午夜久久久久精精品| 两个人免费观看高清视频| 久久国产精品人妻蜜桃| 亚洲国产欧洲综合997久久, | 国产蜜桃级精品一区二区三区| 一本精品99久久精品77| 亚洲男人天堂网一区| 最新美女视频免费是黄的| 久久99热这里只有精品18| 日韩欧美在线二视频| 国产不卡一卡二| 亚洲男人的天堂狠狠| 亚洲美女黄片视频| e午夜精品久久久久久久| 亚洲av成人不卡在线观看播放网| 非洲黑人性xxxx精品又粗又长| 日韩免费av在线播放| 日本一区二区免费在线视频| 大型黄色视频在线免费观看| 国产精品美女特级片免费视频播放器 | 一边摸一边做爽爽视频免费| 久久精品成人免费网站| 欧美日韩精品网址| 中国美女看黄片| 亚洲五月色婷婷综合| 在线观看免费日韩欧美大片| 精品国产超薄肉色丝袜足j| 午夜精品在线福利| 欧美亚洲日本最大视频资源| 日韩大码丰满熟妇| 亚洲三区欧美一区| 久久九九热精品免费| 成人av一区二区三区在线看| 国产极品粉嫩免费观看在线| 此物有八面人人有两片| 国产区一区二久久| 美女免费视频网站| 欧洲精品卡2卡3卡4卡5卡区| 国产av一区二区精品久久| 精品久久久久久久久久久久久 | 成在线人永久免费视频| 国产亚洲精品av在线| 丝袜美腿诱惑在线| 亚洲一区二区三区不卡视频| 51午夜福利影视在线观看| 成人国产综合亚洲| 久久精品91无色码中文字幕|