• <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 ?

    聲紋的變壓器放電與機械故障診斷研究?

    2021-09-22 02:37:56吳國鑫詹花茂
    應(yīng)用聲學 2021年4期
    關(guān)鍵詞:機械故障波包識別率

    吳國鑫 詹花茂 李 敏

    (華北電力大學 新能源電力系統(tǒng)國家重點實驗室 北京 102206)

    0 引言

    電力變壓器是電力系統(tǒng)中進行電能轉(zhuǎn)換的電氣設(shè)備,是電網(wǎng)安全穩(wěn)定運行的關(guān)鍵環(huán)節(jié)[1?2]。變壓器經(jīng)過多年運行,存在絕緣老化、部件松動等各種故障隱患,發(fā)生故障的幾率不斷增加[3]。對變壓器進行故障檢測及診斷意義重大。

    變壓器正常運行時發(fā)出的聲音具有一定規(guī)律性,當出現(xiàn)故障時,其聲特征也會隨之改變。因此可以利用變壓器聲特征的變化進行故障診斷[4?5]。由于采集聲信號時無需在變壓器上耦合信號采集設(shè)備,這種檢測方法不會破壞變壓器結(jié)構(gòu),抗電氣干擾能力強,不影響設(shè)備正常運行[6?8]。

    國內(nèi)外基于可聽聲的故障診斷方法常應(yīng)于機械故障診斷領(lǐng)域,大多與內(nèi)燃機[9]、軸承[10?11]、齒輪[12]故障有關(guān)。隨著語聲識別技術(shù)的不斷發(fā)展,近幾年利用聲紋識別技術(shù)進行變壓器狀態(tài)檢測及故障診斷成為新的研究熱點[13?15]。文獻[16–18]模擬火花放電故障聲,并從時域、頻域和能量方面分析聲信號特征。文獻[19]基于Gammatone濾波器倒譜系數(shù)(Gammatone filter cepstral coefficient,GFCC)與優(yōu)化隨機森林(Random forest,RF)算法,識別變壓器鐵芯松動、繞組松動故障。文獻[20]基于梅爾頻率倒譜系數(shù)(Mel frequency cestrum coefficient,MFCC)特征向量和矢量量化(Vector quantization,VQ)算法對變壓器鐵芯不同松動情況下的噪聲信號進行識別。變壓器中占比最大的故障為放電故障和機械故障,同時診斷放電故障和機械故障意味著故障識別類型增加,聲混淆的概率增加,再加上機械故障聲頻帶與變壓器本體噪聲頻帶重合度高,診斷難度大大提高。為此,從變壓器放電和機械故障的特征分析與識別出發(fā),本文提出基于可聽聲的變壓器故障診斷方法。

    1 基于可聽聲的故障診斷方法

    基于可聽聲的故障診斷方法可分為3 個部分:混合聲采集與分離、聲信號特征提取和故障類型識別。故障發(fā)生時,故障聲和變壓器運行聲會混在一起,尤其是機械故障和變壓器聲頻帶有嚴重重疊,僅通過去除噪聲不能滿足故障聲識別的需要,需要先采用盲源分離算法將故障聲與變壓器本體噪聲分離。

    1.1 混合聲采集與分離

    利用可聽聲傳感器采集聲信號,發(fā)生故障時采集到的聲音是變壓器本體噪聲和故障聲的線性疊加,需要先將這兩種聲分離。文中采用快速獨立分量分析算法(Fast independent component analysis,FastICA)處理采集到的混合聲,分離出故障聲信號。

    FastICA 算法是由芬蘭赫爾辛基大學的Hyvarin等提出來的一種快速尋優(yōu)迭代算法[21]。使用固定點迭代理論尋找一個最優(yōu)方向w,使得該方向的非高斯性最大。假設(shè)數(shù)據(jù)已經(jīng)過歸一化和白化,x′和A′分別用x和A表示。一次FastICA 算法的基本形式為[22]:

    (1)初始化向量w0,∥w0∥=1,i=0。

    (2)代入迭代公式計算wi+1:

    其中,w是解混矩陣W的一行;x是觀測信號;G(·)是二階連續(xù)可導的非線性函數(shù),G(·)的取值一般為,其中a1是常數(shù),取值范圍通常為1 ≤a1≤2,G′(·)是G(·)的一階導數(shù),G′′(·)是G(·)的二階導數(shù);E{·}是代表平均值的記號,并非統(tǒng)計意義上的數(shù)學期望;∥wi+1∥是向量wi+1的模長。

    (3)若未收斂,則令i=i+1,返回步驟(2)重新計算;收斂意味著前后兩次向量w在同一方向上,即它們的點積為1。

    一次FastICA 算法能估計出一個獨立成分,要估計出多個獨立成分時,需要進行多次FastICA 算法得到向量w1,···,wn。FastICA 算法是獨立成分分析算法的改進版,計算速度快,魯棒性好,在信號處理領(lǐng)域得到了廣泛應(yīng)用。

    ATB—25粗集料應(yīng)選用堿性石料,不宜直接使用酸性石料;應(yīng)使用錘式反擊破碎機加工碎石,以減少石料針片狀含量;所采用粗集料應(yīng)干燥、潔凈、表面粗糙、形狀接近立方體,并且其規(guī)格與級配應(yīng)較為穩(wěn)定,本文選用的粗集料技術(shù)指標如表1所示。

    1.2 聲信號特征提取

    聲音的能量與譜幅值成正比,不同類型故障聲的頻譜有明顯差異,文中選擇聲音在各頻段的能量分布作為故障診斷的特征量。使用小波包算法計算聲音在各個頻段的能量分布。聲特征提取分為能量計算和特征向量的構(gòu)造兩個步驟。

    (1)計算能量值。分別計算2n個頻帶信號Sn,j的能量E1、E2、···、Ej。公式為[2,23]

    式(3)中:Sj(t)是原始信號;xj是原始信號離散點幅值;Ej是第j個頻帶的能量;n是第j個頻帶的采樣點數(shù)。

    (2)構(gòu)造特征向量。以各頻帶的能量為元素構(gòu)造特征向量T[23]:

    式(4)中:T為單個樣本歸一化后的特征向量。

    聲頻的采樣頻率是48 kHz。根據(jù)奈奎斯特采樣定理,聲頻的帶寬為24 kHz。利用小波包將聲頻5層分解,每個聲頻被劃分為32 個頻段,每個頻段的帶寬為750 Hz。根據(jù)公式計算聲頻每個頻帶的能量值作為該聲頻的特征向量。

    實驗發(fā)現(xiàn),采用5 層小波包分解,機械故障聲和部分干擾聲的能量都主要集中在前兩個頻段1500 Hz 以下,很容易與變壓器本體噪聲混淆。但如果提高聲音分解層數(shù)則特征向量維度過大,提高了故障識別的難度。因而提出改進算法,如果一次識別判斷聲音為機械故障聲,則僅將機械故障聲1500 Hz 以下的頻段再細分為32 個頻段,作為聲特征向量,重新識別。如圖1所示。

    圖1 改進小波包分解示意圖Fig.1 Improved wavelet packet decomposition diagram

    基于改進小波包算法的聲音識別算法泛化性較差,對于聲音庫中存在的幾種故障聲識別率高,但對未知聲的識別率可能較低,為了提高聲音診斷系統(tǒng)的泛化性與可靠性,提出以梅爾對數(shù)頻譜作為特征的聲音識別算法。

    對數(shù)梅爾頻譜是線性時頻譜經(jīng)過梅爾濾波器得到的,梅爾濾波器根據(jù)人耳接收聲音的特點設(shè)計,更符合人耳聽覺特性。梅爾濾波的函數(shù)Hm(k)為

    其中,三角濾波器f(m)的頻率響應(yīng)定義為

    式(6)中:fh、fl分別為濾波器m的上下限頻率;fs為采樣頻率;Fm為梅爾頻率。

    1.3 故障類型識別

    文中采用BP(Back propagation)神經(jīng)網(wǎng)絡(luò)算法識別小波包提取的能量分布特征。BP 神經(jīng)網(wǎng)絡(luò)具有高度自學習和自適應(yīng)的能力,常常被用于故障的模式識別,按照誤差反向傳播算法訓練多層前饋神經(jīng)網(wǎng)絡(luò)[24],由輸入層、隱藏層和輸出層組成。特征向量的維數(shù)確定了BP 神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點數(shù),變壓器故障類型決定輸出層節(jié)點數(shù),隱藏層節(jié)點數(shù)一般根據(jù)經(jīng)驗公式確定,常見經(jīng)驗公式有以下3個:

    其中:m為隱含層節(jié)點數(shù);n為輸入層節(jié)點數(shù);l為輸出層節(jié)點數(shù);α為1~10 之間的常數(shù)。多次訓練選擇準確率最高的節(jié)點數(shù)為隱藏層節(jié)點數(shù)。

    根據(jù)3個經(jīng)驗公式可以確定隱藏節(jié)點數(shù)的選擇范圍在5~17 個節(jié)點。選擇不同隱藏節(jié)點數(shù)代入神經(jīng)網(wǎng)絡(luò)模型,計算模型識別聲音的準確率,結(jié)果如圖2所示。選擇隱藏節(jié)點數(shù)為9 時,準確率最高,為93.9%。因而選擇隱藏節(jié)點數(shù)為9個。

    圖2 隱藏節(jié)點數(shù)與神經(jīng)網(wǎng)絡(luò)模型識別率關(guān)系Fig.2 The relationship between the number of hidden abstracts and the recognition accuracy of neural network models

    卷積神經(jīng)網(wǎng)絡(luò)無需復(fù)雜的特征提取和數(shù)據(jù)重建,可以直接將圖片作為網(wǎng)絡(luò)的輸入,這使得卷積神經(jīng)網(wǎng)絡(luò)在圖像分析領(lǐng)域具有很好的識別性。梅爾對數(shù)頻譜將聲特征轉(zhuǎn)化成了圖像,因此利用卷積神經(jīng)網(wǎng)絡(luò)對圖像的識別能力對梅爾對數(shù)譜進行分析。卷積神經(jīng)網(wǎng)絡(luò)主要由輸入層、卷積層、池化層、全連接層和輸出層組成。卷積運算的計算公式為

    式(10)中:I(i,j)為輸入的二維圖像數(shù)據(jù);W(m,n)為二維卷積核。

    2 變壓器故障模擬及實驗

    變壓器等設(shè)備絕大部分時間都處于正常工作狀態(tài),收集故障聲數(shù)據(jù)是研究的難點。為此,在變壓器油箱中模擬變壓器內(nèi)部的放電和機械故障。采用110 kV變壓器外殼的同種金屬材料,制作與真實外殼厚度、尺寸相同,形狀接近的油箱。在油箱內(nèi)放置實際變壓器的繞組與鐵芯,模擬變壓器內(nèi)部的可能產(chǎn)生的故障,模擬故障位置與真實故障位置相同。傳聲器距離油箱5 cm,錄制油箱內(nèi)傳出的聲音。模擬故障處發(fā)出的聲音經(jīng)與實際故障相同的路徑和介質(zhì)傳播至傳聲器。圖3是在油箱中模擬故障的圖片。為了驗證模型的抗干擾能力,除了故障聲還采集了實際變電站周圍的聲音組成干擾聲音庫,包含風聲、腳步聲、鳥叫聲、汽車聲、驅(qū)鳥器聲、人聲。6種故障聲、變壓器本體噪聲和干擾聲各有450 個樣本,總樣本數(shù)為3600個。

    圖3 故障模擬實驗圖片F(xiàn)ig.3 Picture of fault simulation experiment

    2.1 放電故障

    根據(jù)變壓器內(nèi)部常見放電類型,文中設(shè)計了3種的放電模型,分別為平板電極放電模型、針板極放電模型和沿面放電模型。圖4為3 種放電模型的示意圖。圖4(a)是平板電極放電模型,模擬絕緣紙板內(nèi)的放電;圖4(b)是用于模擬變壓器內(nèi)部不均勻電場放電的針板電極放電模型;圖4(c)是沿面放電模型。

    圖4 放電模型Fig.4 Discharge model

    2.2 機械故障

    變壓器內(nèi)部中掉入金屬小部件時,在電磁力的作用下鐵部件與繞組相互碰撞,會發(fā)出異響。給變壓器內(nèi)線圈通50 Hz交流電。在交流電的作用下,線圈產(chǎn)生變化的磁力吸引鐵部件,金屬部件與線圈相互撞擊發(fā)出“嗡嗡”聲響。將金屬小部件放入油箱中的不同位置模擬實際變壓器內(nèi)部可能產(chǎn)生的聲音。模擬3 種聲:(a)金屬小部件與油箱內(nèi)線圈底部的摩擦聲;(b)金屬小部件與夾件的摩擦聲;(c)金屬小部件與壓板的摩擦聲。

    2.3 聲音采集與預(yù)處理

    選擇了電容式傳聲器作為聲音采集設(shè)備。實驗使用傳聲器的信噪比為100 dB,采樣頻率48 kHz,頻率響應(yīng)范圍為20 Hz~20 kHz,最大聲壓級120 dB,可以滿足變壓器可聽聲的錄制要求。采用兩個傳聲器采集變壓器周圍的聲音即可得到兩個混合聲x1、x2。

    使用FastICA算法將傳聲器采集到的變壓器本體噪聲與故障異常聲的混合聲分離,如圖5所示。以平板電極放電聲和變壓器本體噪聲為例,采樣頻率為48 kHz。分別截取兩種聲音各1 s 的聲頻繪制時域圖,結(jié)果如圖5(a)所示。圖5(b)是放電聲與變壓器本體噪聲的混合聲x1、x2的時域圖。使用FastICA 算法可將圖5(b)中的混合信號分離,結(jié)果如圖5(c)所示。可以看出混合聲分離得到的圖5(c)中的兩個聲音波形與圖5(a)中的原始波形相近,該算法可以成功將混合信號分離。

    圖5 FastICA 算法分離信號時域圖Fig.5 Time domain diagram of signal separated by FastICA algorithm

    2.4 故障聲特征提取

    使用小波包算法計算每個頻帶的能量,結(jié)果如圖6、圖7所示。圖6是3種放電聲的能量分布圖。平板電極放電聲的能量集中在第2 到第5 頻段,即750~3750 Hz,其中第2 頻段750~1500 Hz 范圍內(nèi)能量最高。針板電極放電的能量主要集中在第1 頻段,750 Hz 以下,但在第2 到第24 頻段也有少量能量分布。沿面放電聲在第1到第10頻段范圍內(nèi)有能量分布,大部分能量集中在第2、第3頻段范圍內(nèi),即750~2250 Hz。

    圖6 放電聲信號能量分布圖Fig.6 Energy distribution diagram of discharge sound signal

    圖7 機械故障聲信號能量分布圖Fig.7 Energy distribution diagram of sound signal of mechanical failure

    圖7是3 種機械故障聲的能量分布圖。與放電聲相比,機械故障聲頻率較低。金屬部件與油箱內(nèi)線圈底部的摩擦聲能量主要在750 Hz 以下,750~1500 Hz范圍內(nèi)有少量能量分布。金屬小部件與夾件的摩擦聲能量主要集中分布在750 Hz 以下,在750~8250 Hz 頻率范圍內(nèi)有少量能量分布。金屬小部件與壓板的摩擦聲能量分布范圍較大,在750 Hz以下和5250~7500 Hz范圍內(nèi)能量較高。

    分析圖7可知,機械故障聲中金屬部件與油箱內(nèi)線圈底部的摩擦聲和金屬部件與夾件的摩擦聲能量都集中在低頻部分。而很多干擾聲和變壓器聲都是低頻聲,容易和機械故障聲混淆,導致算法識別率下降。因而將機械聲1500 Hz 以下頻段進行二次分解作為聲音的特征。圖8為機械聲在1500 Hz 以下頻段能量分布圖。機械聲低頻部分的能量分布差異性較大,可以作為聲音的特征。

    圖8 機械故障聲1500 Hz 以下頻段能量分布圖Fig.8 Energy distribution diagram of the frequency band below 1500 Hz of mechanical failure sound

    2.5 故障類型識別與診斷

    采用聲音的特征作為輸入,訓練神經(jīng)網(wǎng)絡(luò)模型。聲頻庫的聲頻按比例劃分為3 部分,訓練集、驗證集、測試集的比例為70 :15 :15。訓練集的聲頻被用作訓練網(wǎng)絡(luò)模型;驗證集聲頻用來驗證網(wǎng)絡(luò)模型是否發(fā)生過擬合;測試集的聲頻用于測試神經(jīng)網(wǎng)絡(luò)模型識別故障的準確性。不同算法對不同聲音的識別率如圖9所示。

    圖9 不同算法對聲音的識別率Fig.9 Sound recognition rate of different algorithms

    由圖9可知,小波包-BP 神經(jīng)網(wǎng)絡(luò)算法的整體識別率為93.9%,其中很多干擾聲和變壓器本體噪聲被誤判為金屬部件與油箱內(nèi)線圈底部的摩擦聲,導致這兩種聲音識別率偏低。改進小波包算法對干擾聲和變壓器本體噪聲的識別率大幅提高,整體識別率達到99.6%。基于梅爾對數(shù)頻譜-卷積神經(jīng)網(wǎng)絡(luò)的算法整體識別率為97.57%。由于該方法對干擾聲的識別率較低,導致算法整體識別率略低于改進小波包-BP神經(jīng)網(wǎng)絡(luò)算法。但是該方法無需針對識別的聲音的頻率優(yōu)化即有較高識別率,對未知聲的識別效果更好。如果變壓器安裝有其他故障檢測設(shè)備如局放檢測儀,則選擇計算量較小識別率較高的改進小波包-BP 神經(jīng)網(wǎng)絡(luò)算法;如果僅采用聲檢測法檢測變壓器的運行狀態(tài),需選擇泛化性好的梅爾對數(shù)頻譜-卷積神經(jīng)網(wǎng)絡(luò)算法。目前故障聲的積累較少,缺乏實際變壓器測試結(jié)果。但已將聲檢測裝置安裝到變電站,一旦有故障發(fā)生即可將故障聲添加到聲音數(shù)據(jù)庫中。算法將自動提取聲音的特征,輸入到神經(jīng)網(wǎng)絡(luò)模型中更新故障診斷模型,提高算法的識別率。

    3 結(jié)論

    文中提出了基于可聽聲的變壓器故障診斷方法,可用于變壓器放電和機械故障診斷。即通過FastICA算法成功將模擬的故障聲與變壓器本體噪聲分離,分別采用改進小波包-BP 神經(jīng)網(wǎng)絡(luò)算法和梅爾對數(shù)頻譜-卷積神經(jīng)網(wǎng)絡(luò)算法識別不同聲音。實驗?zāi)M了放電聲和機械故障聲,采集了不同變電站的變壓器聲和6 種干擾聲。實驗表明,本文提出方法可在有干擾聲的條件下辨別放電故障、機械故障和變壓器本體噪聲。改進小波包-BP神經(jīng)網(wǎng)絡(luò)算法的識別率較高,可達99.6%;梅爾對數(shù)頻譜-卷積神經(jīng)網(wǎng)絡(luò)算法識別率為97.57%,泛化性較好。

    猜你喜歡
    機械故障波包識別率
    基于HSMM的船舶機械故障演化預(yù)測模型
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    基于小波包Tsallis熵和RVM的模擬電路故障診斷
    提升高速公路MTC二次抓拍車牌識別率方案研究
    汽車機械故障原因及診斷探究
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應(yīng)用
    汽車機械故障原因分析及其診斷探討
    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
    国产精品久久久久久亚洲av鲁大| 国内揄拍国产精品人妻在线| 久久久久亚洲av毛片大全| ponron亚洲| 中文字幕人成人乱码亚洲影| 久久精品夜夜夜夜夜久久蜜豆| 日韩三级视频一区二区三区| 免费大片18禁| 免费看十八禁软件| 给我免费播放毛片高清在线观看| 这个男人来自地球电影免费观看| 99久久国产精品久久久| www.精华液| 99久久成人亚洲精品观看| 人妻丰满熟妇av一区二区三区| 黑人操中国人逼视频| 欧美日韩国产亚洲二区| 国产视频一区二区在线看| 在线视频色国产色| 丰满的人妻完整版| 国产精品自产拍在线观看55亚洲| 天堂√8在线中文| 母亲3免费完整高清在线观看| 香蕉国产在线看| 99热6这里只有精品| 真人一进一出gif抽搐免费| aaaaa片日本免费| 欧美日韩亚洲国产一区二区在线观看| 99热这里只有精品一区 | 亚洲精品456在线播放app | 在线十欧美十亚洲十日本专区| 不卡av一区二区三区| 久久久久免费精品人妻一区二区| 草草在线视频免费看| 午夜影院日韩av| 国产精品av视频在线免费观看| 欧美黄色片欧美黄色片| 久久精品国产清高在天天线| 老汉色av国产亚洲站长工具| 嫩草影院入口| aaaaa片日本免费| 高潮久久久久久久久久久不卡| 精品久久久久久成人av| 特大巨黑吊av在线直播| 国产精品一区二区免费欧美| 成人国产综合亚洲| 婷婷精品国产亚洲av| 757午夜福利合集在线观看| 日韩人妻高清精品专区| 村上凉子中文字幕在线| 亚洲自拍偷在线| 国产午夜福利久久久久久| 女人高潮潮喷娇喘18禁视频| 在线免费观看的www视频| 淫秽高清视频在线观看| 偷拍熟女少妇极品色| 色播亚洲综合网| 色播亚洲综合网| 性色avwww在线观看| 国产真实乱freesex| 91麻豆av在线| 夜夜躁狠狠躁天天躁| 国产精品国产高清国产av| 一进一出抽搐gif免费好疼| 成人特级黄色片久久久久久久| 亚洲国产欧洲综合997久久,| 欧美zozozo另类| 性欧美人与动物交配| 一级毛片高清免费大全| 亚洲av成人一区二区三| 999精品在线视频| 久久99热这里只有精品18| 俄罗斯特黄特色一大片| 国模一区二区三区四区视频 | 三级国产精品欧美在线观看 | 黄色片一级片一级黄色片| 熟女人妻精品中文字幕| 桃色一区二区三区在线观看| 伦理电影免费视频| 欧美日韩国产亚洲二区| 亚洲精品在线美女| 少妇人妻一区二区三区视频| 亚洲18禁久久av| av视频在线观看入口| 别揉我奶头~嗯~啊~动态视频| 91麻豆av在线| 99久久精品一区二区三区| 国语自产精品视频在线第100页| 亚洲五月天丁香| 淫秽高清视频在线观看| or卡值多少钱| 久久久久国内视频| xxxwww97欧美| 特级一级黄色大片| 免费电影在线观看免费观看| 亚洲人成电影免费在线| 欧美乱色亚洲激情| 色吧在线观看| 很黄的视频免费| 国产精品亚洲美女久久久| av国产免费在线观看| 老鸭窝网址在线观看| 天堂影院成人在线观看| 嫩草影视91久久| 舔av片在线| 又爽又黄无遮挡网站| 亚洲国产精品合色在线| 亚洲国产欧洲综合997久久,| 久久久国产成人精品二区| 99国产精品一区二区三区| 成人三级黄色视频| 午夜免费激情av| 一级毛片女人18水好多| 久久国产乱子伦精品免费另类| 成人午夜高清在线视频| 高潮久久久久久久久久久不卡| 亚洲 国产 在线| 久久中文字幕一级| 午夜久久久久精精品| 色哟哟哟哟哟哟| 国产一区二区激情短视频| 欧美色欧美亚洲另类二区| 一个人看视频在线观看www免费 | 老鸭窝网址在线观看| 九色国产91popny在线| 老熟妇仑乱视频hdxx| 噜噜噜噜噜久久久久久91| 久久精品国产99精品国产亚洲性色| 亚洲国产精品合色在线| 丰满人妻一区二区三区视频av | 国产成人欧美在线观看| 夜夜看夜夜爽夜夜摸| 亚洲精品美女久久av网站| 99热6这里只有精品| 成人高潮视频无遮挡免费网站| 久久精品国产亚洲av香蕉五月| 午夜福利视频1000在线观看| 成人永久免费在线观看视频| 亚洲av美国av| 又爽又黄无遮挡网站| 免费av不卡在线播放| 一二三四社区在线视频社区8| 一进一出抽搐动态| 老司机在亚洲福利影院| 亚洲精品美女久久久久99蜜臀| 美女 人体艺术 gogo| 一个人看视频在线观看www免费 | 午夜精品在线福利| 免费看光身美女| 久久天堂一区二区三区四区| 99久久精品国产亚洲精品| 日韩精品中文字幕看吧| 久久中文看片网| 可以在线观看的亚洲视频| 免费看光身美女| 国产精品免费一区二区三区在线| 成年免费大片在线观看| 精品国产超薄肉色丝袜足j| 欧美性猛交黑人性爽| 少妇的丰满在线观看| 亚洲专区国产一区二区| av在线天堂中文字幕| 法律面前人人平等表现在哪些方面| 日本黄色视频三级网站网址| 舔av片在线| 国产精品 欧美亚洲| 人妻夜夜爽99麻豆av| 成年女人永久免费观看视频| 黄色丝袜av网址大全| 亚洲精品在线美女| 亚洲黑人精品在线| 欧美高清成人免费视频www| 久久精品夜夜夜夜夜久久蜜豆| 一本一本综合久久| 亚洲欧美日韩东京热| 国产成年人精品一区二区| av片东京热男人的天堂| 成年女人看的毛片在线观看| 欧美激情在线99| 亚洲在线自拍视频| av欧美777| 国产淫片久久久久久久久 | 欧美成人免费av一区二区三区| 九九在线视频观看精品| 国产伦人伦偷精品视频| 一级毛片精品| 亚洲激情在线av| 久久久久性生活片| 亚洲中文字幕一区二区三区有码在线看 | 高清毛片免费观看视频网站| 人人妻人人看人人澡| 久久精品夜夜夜夜夜久久蜜豆| 成人av在线播放网站| 国产精品99久久久久久久久| 88av欧美| 免费在线观看亚洲国产| 成人永久免费在线观看视频| 在线观看免费视频日本深夜| 国产美女午夜福利| 黄色丝袜av网址大全| 黄色 视频免费看| av国产免费在线观看| a级毛片在线看网站| 级片在线观看| 不卡av一区二区三区| 啦啦啦免费观看视频1| 中亚洲国语对白在线视频| 黄色片一级片一级黄色片| 亚洲在线自拍视频| 人妻夜夜爽99麻豆av| 婷婷精品国产亚洲av在线| 国内揄拍国产精品人妻在线| 色精品久久人妻99蜜桃| 欧美色欧美亚洲另类二区| 国产综合懂色| 国产黄片美女视频| 亚洲欧美日韩无卡精品| 91av网站免费观看| 精品久久久久久成人av| 小说图片视频综合网站| 男女做爰动态图高潮gif福利片| 99久久无色码亚洲精品果冻| 亚洲自拍偷在线| 国产精品精品国产色婷婷| 两人在一起打扑克的视频| 成人永久免费在线观看视频| av国产免费在线观看| 天天躁日日操中文字幕| 啦啦啦观看免费观看视频高清| 精品一区二区三区视频在线观看免费| 色综合亚洲欧美另类图片| 99热6这里只有精品| 亚洲人成网站在线播放欧美日韩| 欧美成人性av电影在线观看| 精品国内亚洲2022精品成人| 亚洲激情在线av| 中文字幕精品亚洲无线码一区| 色尼玛亚洲综合影院| 黑人操中国人逼视频| 婷婷亚洲欧美| 老汉色∧v一级毛片| 日韩免费av在线播放| 岛国视频午夜一区免费看| 久久久久九九精品影院| 99热这里只有是精品50| 精品电影一区二区在线| 露出奶头的视频| 国产亚洲欧美98| 日韩精品中文字幕看吧| 久久精品aⅴ一区二区三区四区| 久久久久国内视频| 精品国产乱子伦一区二区三区| 免费在线观看影片大全网站| 欧美性猛交黑人性爽| 国产97色在线日韩免费| 成人高潮视频无遮挡免费网站| 最新中文字幕久久久久 | 操出白浆在线播放| 一个人看视频在线观看www免费 | 色综合婷婷激情| aaaaa片日本免费| 国产又黄又爽又无遮挡在线| 黄色 视频免费看| АⅤ资源中文在线天堂| 少妇的丰满在线观看| 久久精品国产综合久久久| 亚洲真实伦在线观看| 亚洲欧美一区二区三区黑人| 色av中文字幕| 久久香蕉精品热| 听说在线观看完整版免费高清| 亚洲人成伊人成综合网2020| 国产欧美日韩精品一区二区| 国产成人系列免费观看| 亚洲成av人片免费观看| 国产激情偷乱视频一区二区| 日本与韩国留学比较| 精品久久久久久久毛片微露脸| 国产亚洲欧美98| 天天一区二区日本电影三级| 国产男靠女视频免费网站| 亚洲精品国产精品久久久不卡| 性欧美人与动物交配| 一个人看的www免费观看视频| 亚洲成人中文字幕在线播放| 国产高清视频在线观看网站| 99riav亚洲国产免费| 免费观看精品视频网站| 国产乱人视频| 亚洲av第一区精品v没综合| 国产av一区在线观看免费| 国产一区二区三区视频了| 精品久久久久久久毛片微露脸| 欧美成人免费av一区二区三区| 中文亚洲av片在线观看爽| 成年女人永久免费观看视频| 日本黄色片子视频| 老司机在亚洲福利影院| 日本精品一区二区三区蜜桃| 中文字幕精品亚洲无线码一区| 亚洲最大成人中文| 91麻豆精品激情在线观看国产| 亚洲国产色片| 日韩精品中文字幕看吧| 国产av不卡久久| 人妻久久中文字幕网| 成年女人看的毛片在线观看| 久久中文字幕人妻熟女| 亚洲天堂国产精品一区在线| 亚洲真实伦在线观看| 琪琪午夜伦伦电影理论片6080| 国产av不卡久久| 亚洲人成伊人成综合网2020| 欧美乱码精品一区二区三区| 啦啦啦免费观看视频1| 岛国在线免费视频观看| 久久久国产成人免费| 校园春色视频在线观看| 我的老师免费观看完整版| 香蕉丝袜av| 国产激情欧美一区二区| 国内揄拍国产精品人妻在线| 在线观看免费午夜福利视频| 色老头精品视频在线观看| 久久精品综合一区二区三区| www.精华液| 国产三级中文精品| 男人的好看免费观看在线视频| netflix在线观看网站| 国产伦精品一区二区三区视频9 | 亚洲精品在线美女| 最近最新中文字幕大全免费视频| 中文字幕久久专区| 色噜噜av男人的天堂激情| 在线观看午夜福利视频| 老司机深夜福利视频在线观看| 国产成人福利小说| 在线播放国产精品三级| 成人三级黄色视频| 两性夫妻黄色片| 欧美日韩精品网址| 亚洲国产欧美人成| 国产aⅴ精品一区二区三区波| 精品国产亚洲在线| 久久精品国产清高在天天线| 18禁裸乳无遮挡免费网站照片| 搞女人的毛片| 亚洲无线在线观看| 啦啦啦观看免费观看视频高清| 国产伦精品一区二区三区视频9 | 免费搜索国产男女视频| 小蜜桃在线观看免费完整版高清| 九九久久精品国产亚洲av麻豆 | 欧美激情久久久久久爽电影| 久久香蕉国产精品| 日本在线视频免费播放| 男女午夜视频在线观看| 青草久久国产| 好看av亚洲va欧美ⅴa在| 可以在线观看毛片的网站| 美女大奶头视频| 国产真实乱freesex| 亚洲欧美精品综合一区二区三区| 国产黄a三级三级三级人| 午夜成年电影在线免费观看| 我的老师免费观看完整版| 国产精品久久视频播放| 免费观看精品视频网站| 一a级毛片在线观看| 十八禁人妻一区二区| 免费看光身美女| 久久精品影院6| 亚洲欧美精品综合久久99| 999久久久精品免费观看国产| 母亲3免费完整高清在线观看| 亚洲成av人片在线播放无| av欧美777| 在线看三级毛片| 久久香蕉精品热| 亚洲七黄色美女视频| 高清在线国产一区| 最好的美女福利视频网| 1024手机看黄色片| 国产乱人伦免费视频| 国产精品自产拍在线观看55亚洲| 两个人看的免费小视频| 国产又色又爽无遮挡免费看| 后天国语完整版免费观看| 亚洲欧美日韩东京热| 亚洲熟妇熟女久久| 欧美中文日本在线观看视频| 亚洲av成人不卡在线观看播放网| 男人的好看免费观看在线视频| 国产精品一区二区三区四区免费观看 | 啪啪无遮挡十八禁网站| 久久久久久久久中文| 国产成人福利小说| 观看免费一级毛片| 日韩 欧美 亚洲 中文字幕| 桃色一区二区三区在线观看| 日本成人三级电影网站| 黄频高清免费视频| 色综合婷婷激情| АⅤ资源中文在线天堂| 久久久久久久久免费视频了| av国产免费在线观看| 在线看三级毛片| 日韩欧美 国产精品| 99国产精品一区二区蜜桃av| 精品久久蜜臀av无| 午夜视频精品福利| 男女午夜视频在线观看| 久久久久久久久免费视频了| 亚洲av成人不卡在线观看播放网| 久久久国产成人免费| 亚洲中文字幕日韩| 嫩草影院入口| 免费无遮挡裸体视频| 日韩欧美免费精品| 亚洲 欧美一区二区三区| 黄色女人牲交| 蜜桃久久精品国产亚洲av| 精品久久久久久,| 亚洲欧美激情综合另类| 每晚都被弄得嗷嗷叫到高潮| 欧美在线一区亚洲| 黑人操中国人逼视频| 亚洲精品美女久久久久99蜜臀| 午夜成年电影在线免费观看| 五月伊人婷婷丁香| 又爽又黄无遮挡网站| 欧美日本亚洲视频在线播放| 中亚洲国语对白在线视频| 色老头精品视频在线观看| 免费大片18禁| 天堂av国产一区二区熟女人妻| 亚洲精品色激情综合| 国产在线精品亚洲第一网站| 久久精品国产清高在天天线| 国产激情久久老熟女| av国产免费在线观看| 国产v大片淫在线免费观看| 嫩草影视91久久| 午夜激情福利司机影院| 国产极品精品免费视频能看的| 日本一二三区视频观看| 亚洲中文字幕日韩| 免费观看的影片在线观看| 亚洲成人免费电影在线观看| 天天躁日日操中文字幕| 美女被艹到高潮喷水动态| 国产伦精品一区二区三区视频9 | 色综合站精品国产| 蜜桃久久精品国产亚洲av| 丁香欧美五月| 国产日本99.免费观看| 日本熟妇午夜| 久久中文字幕一级| 国产av麻豆久久久久久久| 亚洲国产欧洲综合997久久,| 最近最新中文字幕大全电影3| 亚洲欧美日韩无卡精品| 免费在线观看亚洲国产| 好男人电影高清在线观看| 国产淫片久久久久久久久 | 免费在线观看成人毛片| 91九色精品人成在线观看| 九九热线精品视视频播放| 午夜久久久久精精品| 久久精品aⅴ一区二区三区四区| 成年免费大片在线观看| 日本五十路高清| 亚洲欧美日韩高清专用| 757午夜福利合集在线观看| 午夜福利免费观看在线| 人妻丰满熟妇av一区二区三区| 免费电影在线观看免费观看| 亚洲男人的天堂狠狠| 巨乳人妻的诱惑在线观看| 日本黄色片子视频| 男女午夜视频在线观看| 国产日本99.免费观看| 此物有八面人人有两片| 女警被强在线播放| 国内精品美女久久久久久| 亚洲av第一区精品v没综合| 又大又爽又粗| 成年版毛片免费区| 亚洲九九香蕉| 色综合婷婷激情| 在线免费观看的www视频| 国产久久久一区二区三区| 他把我摸到了高潮在线观看| 久久午夜综合久久蜜桃| avwww免费| 国产激情久久老熟女| 色噜噜av男人的天堂激情| 亚洲av电影不卡..在线观看| 少妇丰满av| svipshipincom国产片| 好男人电影高清在线观看| 99在线视频只有这里精品首页| 国产精品久久久久久久电影 | 亚洲熟妇中文字幕五十中出| 国产高清三级在线| 亚洲av成人av| 脱女人内裤的视频| 亚洲国产看品久久| 久久草成人影院| www.自偷自拍.com| 亚洲五月婷婷丁香| 婷婷亚洲欧美| 日韩av在线大香蕉| 天天一区二区日本电影三级| 久久久精品欧美日韩精品| 一级毛片女人18水好多| 美女黄网站色视频| 国产麻豆成人av免费视频| 1000部很黄的大片| 亚洲成av人片免费观看| 日本黄大片高清| 久9热在线精品视频| 亚洲成人久久性| 一级作爱视频免费观看| 国内少妇人妻偷人精品xxx网站 | 亚洲专区中文字幕在线| 国产精品美女特级片免费视频播放器 | 国产熟女xx| 久久香蕉精品热| 99精品久久久久人妻精品| 色哟哟哟哟哟哟| 女警被强在线播放| 国产精品综合久久久久久久免费| 国产精华一区二区三区| 亚洲中文字幕日韩| 18禁黄网站禁片午夜丰满| 久久久久亚洲av毛片大全| 嫁个100分男人电影在线观看| 亚洲人成网站在线播放欧美日韩| 美女cb高潮喷水在线观看 | 欧美在线一区亚洲| 网址你懂的国产日韩在线| a在线观看视频网站| 日韩人妻高清精品专区| xxxwww97欧美| 最新中文字幕久久久久 | 村上凉子中文字幕在线| 久久伊人香网站| 国产精品一区二区三区四区久久| 亚洲av中文字字幕乱码综合| 日韩欧美免费精品| 一级黄色大片毛片| 十八禁人妻一区二区| 在线十欧美十亚洲十日本专区| 亚洲精华国产精华精| 人妻夜夜爽99麻豆av| 99久久精品国产亚洲精品| avwww免费| 欧美一级a爱片免费观看看| 最近视频中文字幕2019在线8| 欧美精品啪啪一区二区三区| 性色avwww在线观看| 两个人的视频大全免费| 操出白浆在线播放| 99国产极品粉嫩在线观看| 老司机午夜福利在线观看视频| 国产一区二区在线观看日韩 | 亚洲成a人片在线一区二区| 色噜噜av男人的天堂激情| 91老司机精品| 国产精品av久久久久免费| 色老头精品视频在线观看| www.www免费av| 男人舔女人的私密视频| 久久精品国产99精品国产亚洲性色| 久久久成人免费电影| 日韩大尺度精品在线看网址| 国产精品自产拍在线观看55亚洲| 国产伦精品一区二区三区四那| 俄罗斯特黄特色一大片| 天堂av国产一区二区熟女人妻| 成在线人永久免费视频| 国产精品一区二区三区四区免费观看 | 国产亚洲av高清不卡| 熟女人妻精品中文字幕| 成人一区二区视频在线观看| 国产午夜精品久久久久久| 91九色精品人成在线观看| 最近最新免费中文字幕在线| 999精品在线视频| 欧美黄色淫秽网站| 国产免费av片在线观看野外av| 国产精品电影一区二区三区| 听说在线观看完整版免费高清| 精品福利观看| 两性夫妻黄色片| 国产精品影院久久| 91麻豆av在线| 日韩欧美三级三区| 欧美日本视频| 久久亚洲真实| 麻豆久久精品国产亚洲av| 精品一区二区三区四区五区乱码| 精华霜和精华液先用哪个| 最近最新中文字幕大全电影3| 国产精品九九99| 国产熟女xx| 国产精品 国内视频| 日本免费一区二区三区高清不卡| 色综合欧美亚洲国产小说| 国产私拍福利视频在线观看| 少妇的逼水好多| av视频在线观看入口| 每晚都被弄得嗷嗷叫到高潮| 少妇的丰满在线观看|