• <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VMD和BP神經(jīng)網(wǎng)絡(luò)的軌道病害診斷方法

    2022-04-12 07:07:02袁天辰宋瑞剛
    電子科技 2022年4期
    關(guān)鍵詞:軌枕分量模態(tài)

    華 莉,楊 儉,袁天辰,宋瑞剛

    (上海工程技術(shù)大學(xué) 城市軌道交通學(xué)院,上海 201620)

    隨著我國高速鐵路的快速發(fā)展,鐵路運營里程逐年增加。截止2019年,我國在運營的高鐵總里程達到35 000 km,預(yù)計到2025年將達到38 000 km。中國已成為世界上擁有最大鐵路網(wǎng)和最完善高鐵系統(tǒng)的國家[1]。然而,隨著運營時間和運營里程的增加,軌道層級結(jié)構(gòu)病害時有發(fā)生,嚴(yán)重威脅著我國高鐵線路的運行安全。目前,軌道結(jié)構(gòu)檢測技術(shù)的發(fā)展仍處于比較滯后的地步,國內(nèi)外主要依靠人工目視檢查和手動探傷來進行軌道結(jié)構(gòu)檢測,該方法效率低、風(fēng)險大且漏檢率高[2]。隨著人工智能、大數(shù)據(jù)和無線傳感網(wǎng)絡(luò)技術(shù)的發(fā)展,高速鐵路軌道層級結(jié)構(gòu)服役狀態(tài)智能監(jiān)測和故障識別分類已經(jīng)成為一個重要的研究方向。文獻[3]提出利用塑料光纖傳感器對列車軌道結(jié)構(gòu)中的疲勞裂紋進行實時監(jiān)測,并進行故障診斷和跟蹤其演變。文獻[4]基于RS-BN算法對軌道電路故障進行診斷。利用智能算法保證鐵路運行的安全已成為了一項重要課題。

    目前,用于處理非線性和非穩(wěn)態(tài)振動信號的方法主要有變分模態(tài)分解(Variational Mode Decomposition,VMD)、經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)、小波變換(Wavelet Transform,WT)和局部均值分解(Local Mean Decomposition,LMD)等[5-8]。其中,EMD、WT、LMD等方法都屬于遞歸式算法,在對振動信號進行分解的過程中,可能會由于過分解而產(chǎn)生模態(tài)混疊和端點效應(yīng)現(xiàn)象。VMD是一種新型信號分解方法,不屬于遞歸式算法。VMD方法的目的是將樣本信號分解成不同頻率的子信號,并且可以自適應(yīng)地根據(jù)實際需要將原始信號分解成若干個本征模態(tài)函數(shù)(Intrinsic Mode Function,IMF),通過自動匹配每個模態(tài)分量的中心頻率和帶寬實現(xiàn)IMF的分離,從而有效分解原始信號[9]。與其他方法相比,VMD方法具有更好的抗噪性,并且能夠較好地解決信號分解過程中可能出現(xiàn)的模態(tài)混疊問題。此外,其端點效應(yīng)現(xiàn)象也低于其他方法[10]。

    在振動信號的特征提取方面,針對復(fù)雜時間序列隨機性和動力學(xué)突變問題的檢測,文獻[11]提出了排列熵(Permutation Entropy,PE)算法。PE算法的計算較為簡單,所需時間較短,即使是在含有噪聲的復(fù)雜環(huán)境中,也能夠發(fā)揮較好的檢測作用,且具有良好的魯棒性。多尺度排列熵(Multi-scale Permutation Entropy,MPE)算法則在排列熵的基礎(chǔ)上融入多尺度化理論,通過對待檢測的時間序列粗粒化計算,實現(xiàn)主要故障信息特征的有效提取[12]。本文通過將多尺度和排列熵理論相結(jié)合,以期多方面、多維度地提取軌枕病害信號的特征信息。

    本文針對軌枕信號屬于非線性、非穩(wěn)態(tài)信號的特點,同時考慮到傳感器退化等原因引起的故障特征區(qū)分度不高的缺陷,提出一種基于VMD和BP神經(jīng)網(wǎng)絡(luò)的軌道病害診斷方法。首先利用VMD算法對軌枕信號進行分解,得到若干個IMF,以實現(xiàn)對樣本信號的降噪和主要故障信息的提取。然后通過MPE算法計算各IMF的特征值,得到多組排列熵,形成多尺度的高維特征向量,實現(xiàn)對軌道病害特征的提取。最后,建立基于BP神經(jīng)網(wǎng)絡(luò)算法的軌道病害診斷模型,將高維特征向量作為BP神經(jīng)網(wǎng)絡(luò)的輸入,通過網(wǎng)絡(luò)訓(xùn)練驗證實現(xiàn)對軌道病害的識別及診斷。

    1 基本原理

    1.1 變分模態(tài)分解

    文獻[13]提出了一種自適應(yīng)信號分解方法,即VMD。該方法屬于完全非遞歸式的信號分解方法。VMD的分解過程是利用重復(fù)計算來尋求模型的最優(yōu)解,通過合理分配每個分量信號的中心頻率來有效地分離每個分量,從而確定各模態(tài)分量的中心頻率和帶寬[14]。實際上,VMD算法的分解過程是對樣本信號的變分求解過程,目的是使每個模態(tài)分量的估計帶寬的和達到最小,同時要滿足模態(tài)之和等于原始信號的條件?;诮惶娣较虺俗铀惴▽γ總€模態(tài)及相應(yīng)的中心頻率進行連續(xù)更新,最后通過將各模態(tài)逐步解調(diào)到對應(yīng)的基頻帶,從而提取各模態(tài)分量及其中心頻率。

    VMD主要流程如下[15]:

    對振動信號進行模態(tài)分解,求得每個模態(tài)分量的信號uk(t)。通過Hilbert變換法計算出樣本信號,求得所對應(yīng)的單邊頻

    (δ(t)+j/πt)·uk(t)

    (1)

    通過加入指數(shù)項e-jωkt,對各模態(tài)分量信號的中心頻率進行估計,將經(jīng)分解后所得的IMF的頻譜轉(zhuǎn)換到對應(yīng)的基帶

    [(δ(t)+j/πt)·uk(t)]e-jωkt

    (2)

    利用高斯平滑偏移信號對各子信號的帶寬進行估算,從而構(gòu)建變分問題

    (3)

    (4)

    其中,uk是經(jīng)分解后的模態(tài)分量信號;ωk是被分解后的各模態(tài)分量信號對應(yīng)的中心頻率;f為原始信號;t為時間;δ(t)為脈沖函數(shù);j為虛數(shù)單位。

    ???蔣介石:《自述研究革命哲學(xué)經(jīng)過的階段》(1932 年 5 月16日),秦孝儀主編:《先總統(tǒng)蔣公思想言論總集》第10卷,(臺灣)國民黨“中央黨史會”1984年版,第539、538、534頁。

    為解決變分問題,通過構(gòu)造拉格朗日函數(shù),引入二次懲罰因子α和拉格朗日乘子算子λ(t),得到拓展后的拉格朗日表達式為

    (5)

    經(jīng)過多次迭代計算,搜索拉格朗日表達式的最小值得到最優(yōu)的解,最優(yōu)解為uk和中心頻率ωk。VMD算法的主要流程如圖1所示。

    圖1 VMD流程圖Figure 1. Flow chart of VMD

    1.2 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是一種典型的多層前向型神經(jīng)網(wǎng)絡(luò)[16-17]。該算法的實質(zhì)是通過正反向傳播來尋找誤差函數(shù)的最小值,根據(jù)誤差函數(shù)具有負梯度方向的特點來修改加權(quán)因子。其通常采用非線性規(guī)則中的最速梯度下降法[18]。該算法通過儲存大量輸入與輸出數(shù)據(jù),并對輸入和輸出之間的映射關(guān)系進行表達,已成為應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。

    圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Figure 2. Structure diagram of BP neural network

    由圖2可知,BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)由輸入層、隱含層和輸出層組成,上層和下層之間通過節(jié)點連接。當(dāng)信號從輸入層進入后,將向前繼續(xù)傳播,直至到達隱含層。輸入信號在隱含層經(jīng)過不同的函數(shù)計算處理之后,會繼續(xù)向下進行傳播,直至最終達到輸出層。進入到輸出層后即可對軌道常見的病害進行識別及診斷。

    2 算法流程

    本文提出的基于VMD和BP神經(jīng)網(wǎng)絡(luò)結(jié)合的病害診斷方法的主要步驟如下:

    步驟1根據(jù)布置的加速度傳感器采集得到軌枕振動加速度信號;

    步驟3利用MPE算法計算各IMF的值,組成高維特征向量;

    步驟4構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型,選擇訓(xùn)練和測試樣本;

    步驟5進行病害識別及診斷。

    本文提出的病害診斷方法流程如圖3所示。

    圖3 病害診斷流程圖Figure 3. Flow chart of disease diagnosis

    3 實驗分析

    3.1 信號仿真

    為了驗證VMD分解信號的有效性,通過構(gòu)建一個仿真信號w,分別利用EMD和VMD方法對其進行分解,如圖4和圖5所示。

    w=v1+v2+v3+0.1randn(size(v1))

    0.1randn(size(cos(2π·2t)))

    (6)

    由圖4可以發(fā)現(xiàn),仿真信號經(jīng)EMD分解后,在第3和第4個分量中產(chǎn)生了過分解導(dǎo)致的模態(tài)混疊現(xiàn)象。由圖5對比可知,VMD分解有效分離了所給的仿真信號,沒有出現(xiàn)模態(tài)混疊現(xiàn)象,有效避免了EMD所存在的問題。因此,本文采用VMD方法對軌枕振動信號進行預(yù)處理。

    圖4 EMD分解結(jié)果Figure 4. The decomposition result of EMD

    圖5 VMD分解結(jié)果Figure 5. The decomposition result of VMD

    3.2 特征提取

    本文從軌道結(jié)構(gòu)振動響應(yīng)出發(fā),基于文獻[19]提出的車輛-軌道耦合動力學(xué)理論,建立軌道層間結(jié)構(gòu)動力學(xué)模型。通過傳感器測得軌枕振動加速度數(shù)據(jù),從而采集得到軌道結(jié)構(gòu)振動信號信息。

    針對從非線性和非穩(wěn)態(tài)的軌枕振動信號提取病害特征較為困難的問題,本文提出基于VMD-MPE的病害特征提取方法。通過加速度傳感器采集得到軌枕4種服役狀態(tài)的數(shù)據(jù)信號(正常、道床板結(jié)、道床翻漿、軌枕空吊),經(jīng)VMD分解后得到一系列IMF分量,然后通過計算各IMF分量的MPE值,實現(xiàn)對病害特征的提取。本文以114號軌枕為例,對振動信號進行VMD分解,設(shè)置采樣頻率為12 kHz,數(shù)據(jù)長8 000點,模態(tài)個數(shù)K為5,懲罰因子α為2 000。軌枕4類服役狀態(tài)的VMD分解結(jié)果如圖6所示。

    (a)

    由圖6可以看出,經(jīng)VMD分解后的各模態(tài)分量均沒有出現(xiàn)模態(tài)混疊現(xiàn)象,且都集中在了各自中心頻率的附近。同時,經(jīng)分解后的IMF中至少存在一個主分量,這些主分量的幅值高于其他分量,成為了軌枕振動信號的主要能量部分,反映了軌道板振動信號的重要特征。

    本文通過研究MPE算法理論,設(shè)置合適的算法參數(shù),計算這些經(jīng)VMD分解后的模態(tài)分量,從而構(gòu)建特征向量。其中,嵌入維數(shù)m=3,時間延遲d=1,多尺度因子τ=20,部分結(jié)果如表1所示。

    表1 特征向量表Table 1. Feature vectors

    3.3 病害識別與結(jié)果分析

    3.3.1 BP神經(jīng)網(wǎng)絡(luò)的建立

    (1)輸入層和輸出層層數(shù)的選擇取決于實際情況,由于本文在對軌枕信號進行特征提取時,MPE算法的維數(shù)是20,即特征向量維數(shù)為20,而輸入層層數(shù)應(yīng)與特征向量的維數(shù)相等,因此輸入層的層數(shù)為20。同時,輸出層層數(shù)必須根據(jù)模型識別的種類來選擇。本文軌道結(jié)構(gòu)服役狀態(tài)有4種,分別是正常、道床板結(jié)、道床翻漿和軌枕空吊,所以輸出層層數(shù)應(yīng)為4,即為四維向量;

    (2)在BP神經(jīng)網(wǎng)絡(luò)中,隱含層層數(shù)的選擇也十分的重要。一般認(rèn)為增加隱含層的數(shù)量可以降低網(wǎng)絡(luò)訓(xùn)練誤差,從而提高訓(xùn)練的準(zhǔn)確度。隱含層數(shù)量的增加會使得網(wǎng)絡(luò)變得復(fù)雜,導(dǎo)致訓(xùn)練時間變長,可能會出現(xiàn)過擬合的現(xiàn)象。但是如果隱含層數(shù)量太少,網(wǎng)絡(luò)將無法建立復(fù)雜的判斷界限,不能訓(xùn)練出合適的網(wǎng)絡(luò),導(dǎo)致識別失敗,并且容錯性差。

    關(guān)于BP神經(jīng)網(wǎng)絡(luò)隱含層層數(shù)的確定,有經(jīng)驗計算式[20-21]

    (7)

    0.02u

    (8)

    式中,u為輸入層層數(shù);z為隱含層層數(shù);v為輸出層層數(shù);a為1~10的調(diào)節(jié)常數(shù)。

    由于本文的輸入層層數(shù)u為20,輸出層層數(shù)v為4,根據(jù)式(8)計算得出,隱含層層數(shù)z的取值范圍為1~80,再經(jīng)由式(7)計算得出,隨著a的取值不同,z取值范圍為6~15,故本文取隱含層層數(shù)z為15。

    3.3.2 BP神經(jīng)網(wǎng)絡(luò)仿真驗證

    將經(jīng)VMD-MPE提取后的特征向量輸入BP神經(jīng)網(wǎng)絡(luò)模型中,選擇180組樣本作為訓(xùn)練樣本,60組樣本作為確認(rèn)樣本。每訓(xùn)練一次都會利用確認(rèn)樣本來檢驗網(wǎng)絡(luò)對確認(rèn)樣本的擬合能力。本文以60組樣本作為測試樣本,設(shè)最大訓(xùn)練的步數(shù)為1 000步,訓(xùn)練目標(biāo)的最小誤差為0.001,學(xué)習(xí)速率為0.01。訓(xùn)練結(jié)果如圖7和圖8所示。

    圖7 誤差變化圖Figure 7. Diagram of error change

    圖8 回歸分析圖Figure 8. Diagram of regression analysis

    由圖7可以看出,BP網(wǎng)絡(luò)訓(xùn)練到第5代的時候BP訓(xùn)練結(jié)果是最理想的。同時,訓(xùn)練樣本、確認(rèn)樣本以及測試樣本的誤差曲線呈現(xiàn)較好的相關(guān)性,曲線緩慢下降,最終達到一個合適的目標(biāo)誤差。由圖8可以看出,神經(jīng)網(wǎng)絡(luò)擬合度水平較高,訓(xùn)練擬合度、測試擬合度和驗證擬合度均達到95%以上,總體準(zhǔn)確率高達97.3%,說明BP神經(jīng)網(wǎng)絡(luò)能準(zhǔn)確診斷故障。

    為進一步驗證本文所提VMD-MPE與BP神經(jīng)網(wǎng)絡(luò)結(jié)合方法的有效性,將病害診斷結(jié)果與其他方法進行對比。將EMD-MPE方法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,所得病害診斷結(jié)果如表2所示。

    表2 不同診斷方法結(jié)果對比Table 2. Comparison of different diagnostic methods results

    由表2可知,傳統(tǒng)的EMD分解病害診斷識別率比本文VMD方法低,且由上文信號仿真實驗可知,EMD分解振動信號時會出現(xiàn)模態(tài)混疊的現(xiàn)象,不能有效提取病害特征,對識別結(jié)果有一定的影響。因此,本文采用VMD-MPE與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的方法對軌道病害進行識別診斷。該方法具有更高的識別率,可有效進行軌道病害診斷。

    4 結(jié)束語

    本文針對軌道病害振動信號,提出VMD預(yù)處理MPE的故障特征提取方法。本文建立基于BP神經(jīng)網(wǎng)絡(luò)的軌道病害診斷模型,對輸入BP網(wǎng)絡(luò)的數(shù)據(jù)進行訓(xùn)練、擬合、驗證,以實現(xiàn)對軌道病害狀態(tài)的識別及診斷,并得到以下結(jié)論:(1)針對非線性、非穩(wěn)態(tài)振動信號,提出基于VMD方法對軌枕振動信號進行分解。相比于EMD方法,VMD可以有效抑制噪聲的干擾,分離出不同頻帶的模態(tài)分量,并且沒有出現(xiàn)模態(tài)混疊現(xiàn)象,對于病害信息的提取更加全面;(2)利用MPE算法對軌道病害進行特征提取,計算較為簡單,采用時間較短,并且MPE算法能夠較好地檢測故障信號,具有良好的魯棒性,可以最大程度提取故障信號的有效信息,提高了算法的準(zhǔn)確性;(3)利用VMD-MPE實現(xiàn)軌道病害特征提取,并利用BP神經(jīng)網(wǎng)絡(luò)對病害進行識別判斷,準(zhǔn)確率達到97%以上。與EMD-MPE和BP神經(jīng)網(wǎng)絡(luò)結(jié)合的方法進行對比的結(jié)果表明,本文所提方法準(zhǔn)確率高于EMD-MPE方法,說明該方法能有效對軌道的病害進行識別,為軌道等非線性非穩(wěn)態(tài)復(fù)雜系統(tǒng)的故障診斷提供了一種可行的解決方案。

    猜你喜歡
    軌枕分量模態(tài)
    裝配式可調(diào)間距的X形抗滑動軌枕研究
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    分量
    軌枕外觀及修補工藝研究
    國內(nèi)多模態(tài)教學(xué)研究回顧與展望
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    一種新的混凝土軌枕裝卸機設(shè)計
    由單個模態(tài)構(gòu)造對稱簡支梁的抗彎剛度
    計算物理(2014年2期)2014-03-11 17:01:39
    国产精品国产三级专区第一集| 精品久久久久久电影网| 国产一区亚洲一区在线观看| 中文字幕久久专区| 亚洲av日韩在线播放| 日韩国内少妇激情av| 小蜜桃在线观看免费完整版高清| 亚洲国产精品成人久久小说| 国产午夜精品一二区理论片| 欧美性猛交╳xxx乱大交人| 国产在线一区二区三区精| 综合色av麻豆| 国产欧美另类精品又又久久亚洲欧美| 男女边吃奶边做爰视频| 国产在视频线精品| 99九九线精品视频在线观看视频| 日本欧美国产在线视频| 久久6这里有精品| 亚洲国产欧美人成| 一级毛片电影观看| 在线观看免费高清a一片| 亚洲欧洲国产日韩| 一级二级三级毛片免费看| 国产又色又爽无遮挡免| 久久精品国产亚洲av涩爱| 六月丁香七月| 18禁裸乳无遮挡免费网站照片| 久久久久精品久久久久真实原创| 久久综合国产亚洲精品| 国产色爽女视频免费观看| 丰满人妻一区二区三区视频av| 别揉我奶头 嗯啊视频| 一级黄片播放器| 国产午夜精品一二区理论片| 91精品伊人久久大香线蕉| 午夜福利在线在线| 亚洲av电影在线观看一区二区三区 | 一个人看视频在线观看www免费| 九色成人免费人妻av| 亚洲欧美中文字幕日韩二区| 欧美人与善性xxx| 亚洲经典国产精华液单| 别揉我奶头 嗯啊视频| 亚洲欧美一区二区三区国产| 一级黄片播放器| av免费观看日本| 成人亚洲精品av一区二区| 亚洲精品,欧美精品| a级一级毛片免费在线观看| 国产三级在线视频| 麻豆成人av视频| 日本熟妇午夜| 亚洲精品日韩在线中文字幕| 中文精品一卡2卡3卡4更新| 欧美丝袜亚洲另类| 国产亚洲精品av在线| 久久久久精品性色| 亚洲图色成人| 日本wwww免费看| 久久久精品94久久精品| 91精品一卡2卡3卡4卡| 五月伊人婷婷丁香| 韩国av在线不卡| 18禁裸乳无遮挡免费网站照片| 日韩三级伦理在线观看| 中国美白少妇内射xxxbb| 色吧在线观看| 丰满少妇做爰视频| 国产黄片视频在线免费观看| 美女cb高潮喷水在线观看| 高清欧美精品videossex| 在线 av 中文字幕| 99久国产av精品国产电影| 欧美 日韩 精品 国产| 成人美女网站在线观看视频| 免费无遮挡裸体视频| 国产精品综合久久久久久久免费| 久久久久久久久久黄片| 亚洲国产精品成人久久小说| 成年女人在线观看亚洲视频 | 观看美女的网站| 51国产日韩欧美| 亚洲av在线观看美女高潮| 欧美日本视频| 少妇人妻一区二区三区视频| 一级毛片久久久久久久久女| 干丝袜人妻中文字幕| 在线播放无遮挡| 天堂中文最新版在线下载 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 春色校园在线视频观看| 高清在线视频一区二区三区| 国产熟女欧美一区二区| 久久99精品国语久久久| 91在线精品国自产拍蜜月| 久久久精品免费免费高清| 日韩不卡一区二区三区视频在线| 少妇猛男粗大的猛烈进出视频 | 亚洲精品一区蜜桃| 高清视频免费观看一区二区 | 亚洲人与动物交配视频| 国产精品不卡视频一区二区| 久久国产乱子免费精品| 十八禁网站网址无遮挡 | 日日啪夜夜撸| 免费黄色在线免费观看| 熟女电影av网| 免费无遮挡裸体视频| 欧美97在线视频| 午夜精品国产一区二区电影 | av.在线天堂| 成人亚洲欧美一区二区av| 欧美变态另类bdsm刘玥| 久久久久久久久中文| 国产精品麻豆人妻色哟哟久久 | 男人舔奶头视频| 日本黄大片高清| 免费看光身美女| 噜噜噜噜噜久久久久久91| 在线观看免费高清a一片| 男人爽女人下面视频在线观看| 日韩一区二区三区影片| 99热6这里只有精品| 水蜜桃什么品种好| 九九爱精品视频在线观看| 直男gayav资源| 国产淫语在线视频| 国产伦理片在线播放av一区| 老师上课跳d突然被开到最大视频| 免费看不卡的av| 久久国内精品自在自线图片| 成年女人在线观看亚洲视频 | 伊人久久国产一区二区| 免费观看无遮挡的男女| av卡一久久| 69av精品久久久久久| 国产一级毛片七仙女欲春2| 最近视频中文字幕2019在线8| 亚洲精品成人久久久久久| 午夜精品一区二区三区免费看| 看黄色毛片网站| 99久久人妻综合| 日韩 亚洲 欧美在线| 99热这里只有是精品在线观看| 国内精品宾馆在线| 午夜福利视频精品| 亚洲熟妇中文字幕五十中出| 男人舔女人下体高潮全视频| 99久久精品热视频| 婷婷色综合大香蕉| 国产精品综合久久久久久久免费| 色综合亚洲欧美另类图片| 搡老乐熟女国产| 国产精品伦人一区二区| 高清午夜精品一区二区三区| 国产亚洲最大av| 久久精品久久久久久久性| 日韩,欧美,国产一区二区三区| 久久久成人免费电影| 美女cb高潮喷水在线观看| 80岁老熟妇乱子伦牲交| 又大又黄又爽视频免费| 乱系列少妇在线播放| 联通29元200g的流量卡| 亚洲精品,欧美精品| 亚洲欧美日韩卡通动漫| 啦啦啦韩国在线观看视频| 男女边摸边吃奶| 一个人免费在线观看电影| 日本三级黄在线观看| 你懂的网址亚洲精品在线观看| 国产成人福利小说| 久久久久久久国产电影| 亚洲精品乱码久久久久久按摩| 中国国产av一级| 亚洲图色成人| 2022亚洲国产成人精品| 午夜福利在线观看吧| videos熟女内射| 欧美精品一区二区大全| 日韩欧美三级三区| 18禁在线无遮挡免费观看视频| 一本一本综合久久| 国产亚洲精品av在线| 高清日韩中文字幕在线| 亚洲精品乱码久久久久久按摩| a级一级毛片免费在线观看| 欧美日韩综合久久久久久| 国产成人91sexporn| 久久久久网色| 女人久久www免费人成看片| 日韩欧美三级三区| 中文字幕亚洲精品专区| 天天躁夜夜躁狠狠久久av| 国产黄色小视频在线观看| 亚洲av在线观看美女高潮| 国产永久视频网站| 亚洲综合精品二区| 99re6热这里在线精品视频| 国产成人91sexporn| 国产亚洲精品久久久com| 午夜福利视频精品| 国产女主播在线喷水免费视频网站 | 日韩av不卡免费在线播放| 只有这里有精品99| 国产精品一区二区三区四区久久| 18禁在线无遮挡免费观看视频| 久久久久久久国产电影| 国产精品不卡视频一区二区| 午夜福利高清视频| 久久久久久国产a免费观看| 一区二区三区四区激情视频| 久久精品久久久久久久性| 成人亚洲精品av一区二区| 欧美日本视频| 国产精品无大码| 淫秽高清视频在线观看| 日本三级黄在线观看| 免费观看av网站的网址| 一级a做视频免费观看| 欧美3d第一页| 久久久久久久久久人人人人人人| 久久久久精品久久久久真实原创| 听说在线观看完整版免费高清| 婷婷色综合www| 欧美成人午夜免费资源| 91狼人影院| 亚洲精品,欧美精品| 舔av片在线| 久久久久网色| 亚洲在线自拍视频| 男人舔奶头视频| 狂野欧美激情性xxxx在线观看| 乱系列少妇在线播放| 国产探花在线观看一区二区| 九九在线视频观看精品| 免费电影在线观看免费观看| 亚洲高清免费不卡视频| 亚洲av电影不卡..在线观看| 麻豆成人av视频| 国产真实伦视频高清在线观看| 精品午夜福利在线看| 毛片女人毛片| 亚洲天堂国产精品一区在线| 亚洲无线观看免费| 亚洲av国产av综合av卡| 日韩三级伦理在线观看| 精品久久久精品久久久| 久久精品久久久久久久性| kizo精华| 1000部很黄的大片| 久久精品夜夜夜夜夜久久蜜豆| 午夜亚洲福利在线播放| 建设人人有责人人尽责人人享有的 | 亚洲精品自拍成人| 街头女战士在线观看网站| 日韩欧美精品v在线| 久久精品久久久久久噜噜老黄| 亚洲欧洲日产国产| 婷婷色综合www| 免费在线观看成人毛片| 内地一区二区视频在线| 超碰97精品在线观看| 直男gayav资源| 黄色日韩在线| 97在线视频观看| 女的被弄到高潮叫床怎么办| 国产男女超爽视频在线观看| 91aial.com中文字幕在线观看| 免费大片18禁| 久久久久久久国产电影| 国产有黄有色有爽视频| 精品久久国产蜜桃| 99热6这里只有精品| 伦理电影大哥的女人| 日韩三级伦理在线观看| 99热全是精品| .国产精品久久| 国产成人免费观看mmmm| 久久精品夜色国产| 成年女人在线观看亚洲视频 | 日韩av在线免费看完整版不卡| 欧美另类一区| 亚洲成人久久爱视频| 真实男女啪啪啪动态图| 纵有疾风起免费观看全集完整版 | 中文字幕亚洲精品专区| 国产成人午夜福利电影在线观看| 亚洲av在线观看美女高潮| 99久久精品一区二区三区| 久久久午夜欧美精品| 男女国产视频网站| 寂寞人妻少妇视频99o| 最近最新中文字幕大全电影3| 毛片一级片免费看久久久久| 久久久色成人| 国产色婷婷99| 久久99精品国语久久久| 激情 狠狠 欧美| 国产成人a区在线观看| 精品久久久久久电影网| 国产在线一区二区三区精| av国产免费在线观看| 三级国产精品片| 亚洲欧美一区二区三区黑人 | 免费av观看视频| 亚洲av男天堂| 乱码一卡2卡4卡精品| 看非洲黑人一级黄片| 精品欧美国产一区二区三| 成人亚洲精品一区在线观看 | 97人妻精品一区二区三区麻豆| 一级黄片播放器| 身体一侧抽搐| 日本欧美国产在线视频| 欧美三级亚洲精品| 日本一二三区视频观看| 国产av码专区亚洲av| 六月丁香七月| 成人高潮视频无遮挡免费网站| 久久久精品94久久精品| 国产日韩欧美在线精品| 日本午夜av视频| 国产老妇伦熟女老妇高清| 欧美最新免费一区二区三区| 国国产精品蜜臀av免费| 蜜桃久久精品国产亚洲av| 日韩欧美精品v在线| 青春草国产在线视频| 午夜福利高清视频| 少妇人妻精品综合一区二区| 2022亚洲国产成人精品| 麻豆精品久久久久久蜜桃| 日韩av在线免费看完整版不卡| 亚洲国产精品成人久久小说| 在线观看av片永久免费下载| 18禁裸乳无遮挡免费网站照片| 国产精品1区2区在线观看.| 最近中文字幕高清免费大全6| 国产午夜精品论理片| 我要看日韩黄色一级片| 免费看不卡的av| 激情五月婷婷亚洲| 精品久久久久久久人妻蜜臀av| 日韩不卡一区二区三区视频在线| 亚洲人与动物交配视频| 精品亚洲乱码少妇综合久久| 99久国产av精品国产电影| 亚洲国产色片| 国产成人精品一,二区| 永久免费av网站大全| 美女黄网站色视频| 一级黄片播放器| 成年女人看的毛片在线观看| 国产高清国产精品国产三级 | av免费在线看不卡| 久久久久久久午夜电影| 大片免费播放器 马上看| 成人鲁丝片一二三区免费| 91精品一卡2卡3卡4卡| 免费播放大片免费观看视频在线观看| 国产亚洲精品久久久com| 欧美人与善性xxx| 国产精品国产三级国产av玫瑰| 人妻系列 视频| 亚洲成人av在线免费| 一级毛片 在线播放| 免费看日本二区| 纵有疾风起免费观看全集完整版 | www.av在线官网国产| 欧美激情在线99| 国产一区二区三区综合在线观看 | 五月玫瑰六月丁香| 黄色欧美视频在线观看| 一边亲一边摸免费视频| av专区在线播放| 一级毛片电影观看| 国产午夜精品论理片| 超碰av人人做人人爽久久| 91精品一卡2卡3卡4卡| av在线天堂中文字幕| 麻豆成人av视频| 国产黄色小视频在线观看| 久久亚洲国产成人精品v| 久久久久久久午夜电影| 国产伦一二天堂av在线观看| 一个人免费在线观看电影| 国产成人一区二区在线| 欧美zozozo另类| 亚洲经典国产精华液单| 好男人视频免费观看在线| 人体艺术视频欧美日本| 国产老妇伦熟女老妇高清| 久久热精品热| 少妇熟女欧美另类| 亚洲乱码一区二区免费版| 色视频www国产| 亚洲精品日韩av片在线观看| 亚洲国产成人一精品久久久| 亚洲av男天堂| 免费人成在线观看视频色| 97在线视频观看| 亚洲精品一二三| 我要看日韩黄色一级片| 国内精品一区二区在线观看| 午夜福利视频精品| 精品熟女少妇av免费看| 国产精品久久久久久精品电影小说 | 欧美成人精品欧美一级黄| 最新中文字幕久久久久| 久久久久久久国产电影| 美女黄网站色视频| 天堂av国产一区二区熟女人妻| 亚洲精品国产成人久久av| 国产午夜精品论理片| 久久97久久精品| 亚洲最大成人中文| 久久韩国三级中文字幕| 亚洲第一区二区三区不卡| 男人和女人高潮做爰伦理| 国产永久视频网站| 亚洲成人一二三区av| 久久精品久久久久久噜噜老黄| 伊人久久国产一区二区| 高清av免费在线| 免费av观看视频| 日韩成人av中文字幕在线观看| 日韩国内少妇激情av| 91久久精品国产一区二区三区| 免费av观看视频| 搡老妇女老女人老熟妇| 网址你懂的国产日韩在线| 91精品伊人久久大香线蕉| 大陆偷拍与自拍| 国产精品久久视频播放| 国产女主播在线喷水免费视频网站 | 国产av码专区亚洲av| 国产片特级美女逼逼视频| 亚洲av国产av综合av卡| 中文字幕亚洲精品专区| 免费不卡的大黄色大毛片视频在线观看 | 天天躁夜夜躁狠狠久久av| 国产精品熟女久久久久浪| 国产老妇女一区| 我的女老师完整版在线观看| 日本黄大片高清| 天天躁日日操中文字幕| 黄色欧美视频在线观看| 美女国产视频在线观看| 在线免费观看的www视频| 成年女人看的毛片在线观看| 久久久久久国产a免费观看| 国产色爽女视频免费观看| 综合色丁香网| 91在线精品国自产拍蜜月| 亚洲最大成人av| 国内精品一区二区在线观看| 插阴视频在线观看视频| 男女边摸边吃奶| 99久国产av精品| 美女国产视频在线观看| 久久久精品免费免费高清| 视频中文字幕在线观看| 黄色日韩在线| 能在线免费观看的黄片| av国产免费在线观看| videos熟女内射| 久久久国产一区二区| av在线亚洲专区| 久久久国产一区二区| 久久久久免费精品人妻一区二区| 久久午夜福利片| 大话2 男鬼变身卡| 人妻系列 视频| 精品国产三级普通话版| 一级爰片在线观看| 美女xxoo啪啪120秒动态图| 三级经典国产精品| 男女视频在线观看网站免费| 日韩欧美 国产精品| 久久精品久久精品一区二区三区| 日本-黄色视频高清免费观看| 亚洲人与动物交配视频| 男女下面进入的视频免费午夜| 午夜久久久久精精品| 色综合站精品国产| 亚洲最大成人中文| 91久久精品国产一区二区成人| 久久久a久久爽久久v久久| 亚洲18禁久久av| 成人美女网站在线观看视频| 九色成人免费人妻av| 欧美成人午夜免费资源| 熟妇人妻久久中文字幕3abv| 欧美性感艳星| 国产精品三级大全| 中国美白少妇内射xxxbb| 国产亚洲午夜精品一区二区久久 | 国产单亲对白刺激| 日本色播在线视频| 直男gayav资源| 黑人高潮一二区| 啦啦啦韩国在线观看视频| 床上黄色一级片| 成年女人在线观看亚洲视频 | 天天躁日日操中文字幕| 免费无遮挡裸体视频| 一级毛片久久久久久久久女| 日韩国内少妇激情av| 午夜福利在线观看吧| 身体一侧抽搐| 三级毛片av免费| 街头女战士在线观看网站| 99热这里只有精品一区| 久久久久久伊人网av| 成年女人在线观看亚洲视频 | 亚洲欧美清纯卡通| 精品国产露脸久久av麻豆 | 欧美高清成人免费视频www| 久久久精品欧美日韩精品| 欧美变态另类bdsm刘玥| 我要看日韩黄色一级片| 波多野结衣巨乳人妻| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日韩三级伦理在线观看| 九九爱精品视频在线观看| 国产一区二区三区av在线| 亚洲人与动物交配视频| 欧美xxⅹ黑人| 一区二区三区免费毛片| 国产午夜精品论理片| 久久久精品94久久精品| 午夜精品一区二区三区免费看| 欧美bdsm另类| 免费看日本二区| 国产av在哪里看| 最近2019中文字幕mv第一页| 九九在线视频观看精品| 在线观看免费高清a一片| 国产精品99久久久久久久久| 亚洲精品国产成人久久av| 精品国内亚洲2022精品成人| 美女黄网站色视频| 久久精品国产鲁丝片午夜精品| 亚洲熟女精品中文字幕| 国产美女午夜福利| 身体一侧抽搐| 2021少妇久久久久久久久久久| 国产男女超爽视频在线观看| av在线播放精品| 亚洲精华国产精华液的使用体验| 国产亚洲91精品色在线| 伊人久久国产一区二区| 精品国产三级普通话版| 午夜福利成人在线免费观看| 十八禁网站网址无遮挡 | 亚洲aⅴ乱码一区二区在线播放| 国产伦一二天堂av在线观看| 国产一区二区亚洲精品在线观看| 国产精品麻豆人妻色哟哟久久 | 韩国av在线不卡| 亚洲精品日韩在线中文字幕| 久久国内精品自在自线图片| 欧美不卡视频在线免费观看| 国产av国产精品国产| 久久久久免费精品人妻一区二区| 搡老乐熟女国产| 免费看不卡的av| 亚洲最大成人av| 欧美日本视频| 91久久精品国产一区二区三区| 亚洲人成网站在线观看播放| 国产精品一区二区三区四区久久| 日本一本二区三区精品| 爱豆传媒免费全集在线观看| 亚洲人成网站高清观看| 日韩三级伦理在线观看| 免费人成在线观看视频色| 欧美另类一区| 熟妇人妻久久中文字幕3abv| 亚洲欧美日韩卡通动漫| 国产精品一区二区三区四区免费观看| 久久久久九九精品影院| 欧美潮喷喷水| 久久久久久久久久人人人人人人| 性色avwww在线观看| 身体一侧抽搐| 美女内射精品一级片tv| 亚洲国产精品成人综合色| 精品酒店卫生间| 六月丁香七月| 九九在线视频观看精品| 亚洲欧美清纯卡通| 日本黄大片高清| 成人av在线播放网站| 91午夜精品亚洲一区二区三区| 精品人妻熟女av久视频| 亚洲av国产av综合av卡| 美女高潮的动态| 成人国产麻豆网| 欧美一级a爱片免费观看看| 校园人妻丝袜中文字幕| 亚洲欧美一区二区三区黑人 | av黄色大香蕉| 少妇的逼好多水| 免费人成在线观看视频色| 久久99热这里只有精品18| 联通29元200g的流量卡| 综合色丁香网| 欧美日韩一区二区视频在线观看视频在线 | 午夜日本视频在线| 成人鲁丝片一二三区免费| 高清日韩中文字幕在线| 亚洲av中文字字幕乱码综合| 黑人高潮一二区|