• <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
    在线观看免费视频日本深夜| 热re99久久精品国产66热6| 精品国产国语对白av| www日本在线高清视频| 丝袜美足系列| 99久久综合精品五月天人人| 日韩欧美在线二视频| 国产97色在线日韩免费| 女人精品久久久久毛片| 国产精品 欧美亚洲| 免费在线观看亚洲国产| 97超级碰碰碰精品色视频在线观看| 成人18禁在线播放| 成人影院久久| 久久精品亚洲av国产电影网| 日韩av在线大香蕉| 国产一区在线观看成人免费| 一a级毛片在线观看| 欧美精品啪啪一区二区三区| 91麻豆av在线| 叶爱在线成人免费视频播放| 最好的美女福利视频网| 亚洲精品在线美女| 午夜影院日韩av| 男女做爰动态图高潮gif福利片 | 男男h啪啪无遮挡| 97人妻天天添夜夜摸| 日日爽夜夜爽网站| 亚洲国产精品合色在线| 国产精品亚洲一级av第二区| 国产亚洲欧美98| 99精品欧美一区二区三区四区| 另类亚洲欧美激情| 久久天堂一区二区三区四区| 亚洲五月色婷婷综合| 亚洲午夜精品一区,二区,三区| 久久精品亚洲精品国产色婷小说| 一边摸一边抽搐一进一出视频| 亚洲精品一卡2卡三卡4卡5卡| 国产精品一区二区在线不卡| 宅男免费午夜| 日日爽夜夜爽网站| 十分钟在线观看高清视频www| 免费人成视频x8x8入口观看| 欧美成人性av电影在线观看| 亚洲专区国产一区二区| 一级黄色大片毛片| 成人国产一区最新在线观看| 久久精品影院6| 青草久久国产| 久久影院123| 国产亚洲av高清不卡| 两个人免费观看高清视频| 夜夜爽天天搞| 成熟少妇高潮喷水视频| 老司机深夜福利视频在线观看| 波多野结衣av一区二区av| 国产精品自产拍在线观看55亚洲| 国产成人一区二区三区免费视频网站| 久久 成人 亚洲| 欧美日韩亚洲高清精品| 一二三四社区在线视频社区8| 十八禁人妻一区二区| 成人18禁在线播放| av免费在线观看网站| 日韩精品免费视频一区二区三区| 亚洲欧美一区二区三区黑人| 首页视频小说图片口味搜索| 91九色精品人成在线观看| 国产精品影院久久| 久久久国产精品麻豆| 久99久视频精品免费| 国产精品电影一区二区三区| 亚洲欧美精品综合一区二区三区| 18禁观看日本| 午夜免费观看网址| 国产亚洲精品久久久久5区| 91国产中文字幕| 亚洲欧美精品综合久久99| 日日摸夜夜添夜夜添小说| 亚洲va日本ⅴa欧美va伊人久久| 日本五十路高清| 欧美av亚洲av综合av国产av| 嫩草影院精品99| 中文字幕人妻熟女乱码| 久久国产精品人妻蜜桃| 女性被躁到高潮视频| 动漫黄色视频在线观看| 无遮挡黄片免费观看| 国产精品香港三级国产av潘金莲| 亚洲av美国av| 一个人免费在线观看的高清视频| 91av网站免费观看| 在线观看免费日韩欧美大片| 成年女人毛片免费观看观看9| 国产成人啪精品午夜网站| 精品国产乱子伦一区二区三区| 超碰成人久久| 伊人久久大香线蕉亚洲五| 男女做爰动态图高潮gif福利片 | 两性午夜刺激爽爽歪歪视频在线观看 | 制服人妻中文乱码| 亚洲欧美一区二区三区久久| 久热爱精品视频在线9| 亚洲 国产 在线| 两个人免费观看高清视频| 日韩视频一区二区在线观看| 超色免费av| 欧美中文日本在线观看视频| 免费在线观看视频国产中文字幕亚洲| 777久久人妻少妇嫩草av网站| 国产深夜福利视频在线观看| 80岁老熟妇乱子伦牲交| 国产有黄有色有爽视频| 亚洲人成电影免费在线| 国产成人精品久久二区二区免费| 免费看a级黄色片| 18禁美女被吸乳视频| 成熟少妇高潮喷水视频| 久久国产精品影院| 国产精品二区激情视频| 日韩有码中文字幕| 在线国产一区二区在线| 精品久久久久久,| 国产成人精品无人区| www.熟女人妻精品国产| 麻豆成人av在线观看| 日本精品一区二区三区蜜桃| 女警被强在线播放| 精品国产国语对白av| 一级a爱片免费观看的视频| 日日干狠狠操夜夜爽| 法律面前人人平等表现在哪些方面| 又紧又爽又黄一区二区| 亚洲av成人av| 老司机午夜十八禁免费视频| 亚洲自偷自拍图片 自拍| 国产精品香港三级国产av潘金莲| 日韩高清综合在线| 精品一区二区三区av网在线观看| 午夜精品国产一区二区电影| 极品教师在线免费播放| 国产亚洲欧美精品永久| 日韩精品中文字幕看吧| 大型黄色视频在线免费观看| 91成人精品电影| 午夜福利,免费看| 丝袜美腿诱惑在线| 午夜精品久久久久久毛片777| 久久久久精品国产欧美久久久| 美女福利国产在线| 亚洲三区欧美一区| 日韩 欧美 亚洲 中文字幕| 亚洲精品美女久久久久99蜜臀| 18禁黄网站禁片午夜丰满| 又黄又粗又硬又大视频| 80岁老熟妇乱子伦牲交| 麻豆国产av国片精品| 精品卡一卡二卡四卡免费| 国产精品影院久久| 在线免费观看的www视频| 亚洲av第一区精品v没综合| 亚洲男人的天堂狠狠| 亚洲精品在线美女| 亚洲人成77777在线视频| 人妻久久中文字幕网| 午夜两性在线视频| 国产亚洲欧美在线一区二区| 成人国语在线视频| 亚洲欧美精品综合一区二区三区| 天堂√8在线中文| aaaaa片日本免费| 国产精品国产高清国产av| 1024香蕉在线观看| 热99re8久久精品国产| 一边摸一边抽搐一进一出视频| 亚洲久久久国产精品| 日本vs欧美在线观看视频| 亚洲av五月六月丁香网| www.999成人在线观看| av片东京热男人的天堂| 一级a爱视频在线免费观看| 久久久水蜜桃国产精品网| 首页视频小说图片口味搜索| 午夜两性在线视频| 亚洲狠狠婷婷综合久久图片| 熟女少妇亚洲综合色aaa.| 国产一区二区三区视频了| 欧美日韩亚洲综合一区二区三区_| 多毛熟女@视频| 成人av一区二区三区在线看| 少妇裸体淫交视频免费看高清 | 久久欧美精品欧美久久欧美| 久久久久久久精品吃奶| 一级毛片女人18水好多| 黑人巨大精品欧美一区二区蜜桃| av网站免费在线观看视频| 50天的宝宝边吃奶边哭怎么回事| 精品久久久久久,| 男人的好看免费观看在线视频 | 在线观看午夜福利视频| 久久国产亚洲av麻豆专区| 男女下面进入的视频免费午夜 | 欧美激情极品国产一区二区三区| 中文字幕色久视频| 日本黄色视频三级网站网址| 久久人妻福利社区极品人妻图片| 国产人伦9x9x在线观看| 精品人妻1区二区| 色精品久久人妻99蜜桃| 久久青草综合色| 国产在线观看jvid| 香蕉国产在线看| 日韩免费高清中文字幕av| 亚洲成人国产一区在线观看| 日韩一卡2卡3卡4卡2021年| 黑人巨大精品欧美一区二区mp4| 色综合站精品国产| 欧美中文综合在线视频| 日本免费一区二区三区高清不卡 | 伦理电影免费视频| 天天躁夜夜躁狠狠躁躁| 电影成人av| 在线国产一区二区在线| 亚洲精品一二三| 日本vs欧美在线观看视频| 亚洲欧美激情在线| 国产有黄有色有爽视频| 国产成人av激情在线播放| 日本欧美视频一区| 一区在线观看完整版| 欧美国产精品va在线观看不卡| 国产欧美日韩精品亚洲av| 91麻豆av在线| 亚洲全国av大片| 久久精品91无色码中文字幕| 亚洲欧美一区二区三区久久| 99精品欧美一区二区三区四区| 中出人妻视频一区二区| 午夜视频精品福利| 色精品久久人妻99蜜桃| 女人爽到高潮嗷嗷叫在线视频| 国产91精品成人一区二区三区| 99久久精品国产亚洲精品| 精品国产亚洲在线| 国产成人精品无人区| 男男h啪啪无遮挡| 18禁国产床啪视频网站| 老司机午夜十八禁免费视频| 丰满饥渴人妻一区二区三| 欧美激情高清一区二区三区| 高潮久久久久久久久久久不卡| 日本欧美视频一区| 人人妻人人澡人人看| 亚洲熟女毛片儿| 一夜夜www| 亚洲色图综合在线观看| 午夜a级毛片| 日韩一卡2卡3卡4卡2021年| 亚洲精品在线美女| 69av精品久久久久久| 一区二区三区国产精品乱码| 国产欧美日韩一区二区三| 女人被狂操c到高潮| 久久婷婷成人综合色麻豆| 久久亚洲真实| 午夜91福利影院| 老汉色av国产亚洲站长工具| 日韩欧美在线二视频| 日本五十路高清| 久久久国产成人免费| 变态另类成人亚洲欧美熟女 | 少妇的丰满在线观看| 丝袜在线中文字幕| 亚洲精华国产精华精| 好看av亚洲va欧美ⅴa在| 天堂动漫精品| 成人18禁在线播放| 国产精品久久久av美女十八| 女警被强在线播放| 精品国产超薄肉色丝袜足j| 久久久久久久久久久久大奶| 欧美乱色亚洲激情| 国产亚洲欧美在线一区二区| 久久人人爽av亚洲精品天堂| 精品一品国产午夜福利视频| 免费不卡黄色视频| 欧美一区二区精品小视频在线| 日韩大码丰满熟妇| 99久久99久久久精品蜜桃| 国产欧美日韩精品亚洲av| 在线播放国产精品三级| 巨乳人妻的诱惑在线观看| 国产国语露脸激情在线看| 精品国产超薄肉色丝袜足j| av超薄肉色丝袜交足视频| 国产成+人综合+亚洲专区| 国产精品九九99| 亚洲情色 制服丝袜| 涩涩av久久男人的天堂| 母亲3免费完整高清在线观看| 婷婷丁香在线五月| 国产精品成人在线| 精品国内亚洲2022精品成人| 午夜免费成人在线视频| 亚洲九九香蕉| 亚洲欧洲精品一区二区精品久久久| 亚洲成人久久性| 亚洲黑人精品在线| 高潮久久久久久久久久久不卡| 最好的美女福利视频网| 国产精品自产拍在线观看55亚洲| 精品无人区乱码1区二区| 一级a爱视频在线免费观看| 女性生殖器流出的白浆| 欧美中文综合在线视频| www.自偷自拍.com| 亚洲成av片中文字幕在线观看| 极品人妻少妇av视频| 国产精品亚洲一级av第二区| 午夜亚洲福利在线播放| 久久午夜综合久久蜜桃| 亚洲伊人色综图| 一边摸一边抽搐一进一小说| 久久热在线av| 亚洲国产精品sss在线观看 | 99在线视频只有这里精品首页| 国产免费男女视频| 午夜福利,免费看| x7x7x7水蜜桃| www日本在线高清视频| 免费高清视频大片| 成年女人毛片免费观看观看9| 一边摸一边做爽爽视频免费| 女生性感内裤真人,穿戴方法视频| 色婷婷av一区二区三区视频| 欧美日韩瑟瑟在线播放| a级片在线免费高清观看视频| 国产欧美日韩综合在线一区二区| 日韩国内少妇激情av| 免费在线观看完整版高清| 精品国产一区二区久久| 欧美日韩av久久| 日韩三级视频一区二区三区| 欧美一级毛片孕妇| 久久久久久人人人人人| 久久精品国产亚洲av高清一级| 久久人妻av系列| av在线播放免费不卡| 麻豆国产av国片精品| 老司机亚洲免费影院| 国产欧美日韩一区二区三| 黄色片一级片一级黄色片| 国产精品国产高清国产av| 亚洲熟妇熟女久久| 一级片'在线观看视频| 国产成人欧美| 啪啪无遮挡十八禁网站| 亚洲av片天天在线观看| 在线永久观看黄色视频| 日韩一卡2卡3卡4卡2021年| 国产无遮挡羞羞视频在线观看| 国产黄色免费在线视频| 亚洲精品成人av观看孕妇| 亚洲一区二区三区欧美精品| 老熟妇乱子伦视频在线观看| 一夜夜www| 91九色精品人成在线观看| 亚洲中文av在线| 啦啦啦在线免费观看视频4| 久久精品影院6| av国产精品久久久久影院| 亚洲精品美女久久av网站| 脱女人内裤的视频| 男女床上黄色一级片免费看| 50天的宝宝边吃奶边哭怎么回事| 99国产精品免费福利视频| 欧美久久黑人一区二区| 亚洲男人天堂网一区| xxx96com| 一进一出好大好爽视频| 国产aⅴ精品一区二区三区波| 久久精品国产清高在天天线| 搡老乐熟女国产| 日韩欧美三级三区| 国产在线精品亚洲第一网站| 亚洲精品美女久久久久99蜜臀| 免费在线观看日本一区| 国产一区二区三区综合在线观看| 日日摸夜夜添夜夜添小说| 成人免费观看视频高清| 久久人人爽av亚洲精品天堂| 岛国视频午夜一区免费看| 夜夜躁狠狠躁天天躁| 精品一区二区三卡| 欧美另类亚洲清纯唯美| 日本 av在线| 国产片内射在线| 精品乱码久久久久久99久播| 黄色怎么调成土黄色| 久久香蕉国产精品| 国产成人免费无遮挡视频| 午夜福利免费观看在线| 一本综合久久免费| 亚洲av第一区精品v没综合| 亚洲一区中文字幕在线| 一个人观看的视频www高清免费观看 | 日本一区二区免费在线视频| 黄色成人免费大全| 黄色视频不卡| 老司机福利观看| 嫩草影视91久久| 中国美女看黄片| 久久久久久久久免费视频了| 色在线成人网| 一区在线观看完整版| 国产精品一区二区精品视频观看| 国产精品爽爽va在线观看网站 | av欧美777| 美女 人体艺术 gogo| 亚洲精品中文字幕在线视频| 18美女黄网站色大片免费观看| 国产亚洲精品综合一区在线观看 | 国产在线精品亚洲第一网站| 19禁男女啪啪无遮挡网站| 99国产精品99久久久久| 日韩欧美免费精品| 欧美激情久久久久久爽电影 | 久久人妻av系列| 国产一区二区三区综合在线观看| 色综合婷婷激情| 精品国产乱码久久久久久男人| 色老头精品视频在线观看| 久久久久久久久久久久大奶| 精品国产亚洲在线| 日本一区二区免费在线视频| 亚洲自拍偷在线| 亚洲国产中文字幕在线视频| 岛国视频午夜一区免费看| 亚洲精品av麻豆狂野| 国产av精品麻豆| 国产精品国产高清国产av| 日韩大码丰满熟妇| 老熟妇仑乱视频hdxx| 桃色一区二区三区在线观看| 日韩精品免费视频一区二区三区| 一边摸一边做爽爽视频免费| 两性夫妻黄色片| 伊人久久大香线蕉亚洲五| 久久久国产成人精品二区 | 中文字幕av电影在线播放| 国产精品自产拍在线观看55亚洲| 亚洲色图av天堂| 超色免费av| 亚洲 国产 在线| 成年女人毛片免费观看观看9| 国产av一区二区精品久久| 亚洲欧美日韩高清在线视频| 欧美日韩亚洲综合一区二区三区_| 手机成人av网站| 成年人黄色毛片网站| 男人舔女人的私密视频| 精品欧美一区二区三区在线| 久久中文看片网| 一级毛片精品| 满18在线观看网站| 国产一区二区三区视频了| 亚洲人成伊人成综合网2020| 一区二区日韩欧美中文字幕| 99精品在免费线老司机午夜| 免费女性裸体啪啪无遮挡网站| 老司机在亚洲福利影院| tocl精华| 亚洲国产毛片av蜜桃av| 国产精品一区二区在线不卡| 国产成人精品在线电影| 国产乱人伦免费视频| 男人操女人黄网站| 亚洲国产毛片av蜜桃av| 欧美久久黑人一区二区| 国产av精品麻豆| av免费在线观看网站| 午夜精品久久久久久毛片777| 亚洲自拍偷在线| 亚洲欧洲精品一区二区精品久久久| 成年人免费黄色播放视频| 一本综合久久免费| 久久久久九九精品影院| 欧美+亚洲+日韩+国产| 国产亚洲欧美精品永久| 国产一区二区三区综合在线观看| 欧美 亚洲 国产 日韩一| 久久久久九九精品影院| av中文乱码字幕在线| 色尼玛亚洲综合影院| 亚洲精品美女久久av网站| 欧美乱色亚洲激情| 91国产中文字幕| 最好的美女福利视频网| 国产精品一区二区在线不卡| 久久久精品欧美日韩精品| 国产乱人伦免费视频| 别揉我奶头~嗯~啊~动态视频| 美女大奶头视频| 最新美女视频免费是黄的| 91成年电影在线观看| a级毛片黄视频| 国产熟女午夜一区二区三区| 在线视频色国产色| 淫妇啪啪啪对白视频| 大陆偷拍与自拍| 女同久久另类99精品国产91| aaaaa片日本免费| 日韩欧美一区二区三区在线观看| 一区二区三区国产精品乱码| 中亚洲国语对白在线视频| 精品电影一区二区在线| 国产精品久久电影中文字幕| 五月开心婷婷网| 9热在线视频观看99| 精品熟女少妇八av免费久了| 在线观看一区二区三区| 黄色毛片三级朝国网站| 精品福利永久在线观看| 亚洲全国av大片| 法律面前人人平等表现在哪些方面| 国产一区二区在线av高清观看| 又黄又爽又免费观看的视频| 99精品久久久久人妻精品| 国产不卡一卡二| 日日爽夜夜爽网站| 电影成人av| www.自偷自拍.com| 伦理电影免费视频| 国产精品av久久久久免费| 黑人巨大精品欧美一区二区mp4| 国产麻豆69| 日韩欧美一区二区三区在线观看| 热re99久久国产66热| 麻豆av在线久日| av天堂在线播放| 高清在线国产一区| 亚洲av电影在线进入| 在线观看免费视频日本深夜| 最新在线观看一区二区三区| 亚洲第一青青草原| 老司机深夜福利视频在线观看| 久久午夜亚洲精品久久| 搡老岳熟女国产| 脱女人内裤的视频| 精品福利永久在线观看| www.自偷自拍.com| 搡老乐熟女国产| 日韩欧美免费精品| 老司机靠b影院| 亚洲精品国产一区二区精华液| 五月开心婷婷网| 侵犯人妻中文字幕一二三四区| 亚洲人成伊人成综合网2020| 亚洲第一青青草原| 热99国产精品久久久久久7| 99香蕉大伊视频| 日韩欧美一区视频在线观看| 亚洲中文日韩欧美视频| 日韩大码丰满熟妇| 亚洲国产毛片av蜜桃av| 可以在线观看毛片的网站| 一级片免费观看大全| 99国产极品粉嫩在线观看| 成人影院久久| 性色av乱码一区二区三区2| 每晚都被弄得嗷嗷叫到高潮| 法律面前人人平等表现在哪些方面| 91成年电影在线观看| 亚洲三区欧美一区| 99久久综合精品五月天人人| av有码第一页| 亚洲欧美激情在线| 精品欧美一区二区三区在线| 国产三级黄色录像| 777久久人妻少妇嫩草av网站| aaaaa片日本免费| 日本精品一区二区三区蜜桃| 老熟妇乱子伦视频在线观看| 日韩一卡2卡3卡4卡2021年| 岛国视频午夜一区免费看| 欧美精品啪啪一区二区三区| 人人妻人人澡人人看| 亚洲第一青青草原| 久久久久国产精品人妻aⅴ院| 国产欧美日韩综合在线一区二区| 欧美午夜高清在线| 老司机深夜福利视频在线观看| 在线观看免费午夜福利视频| 国产av一区二区精品久久| 亚洲一区二区三区不卡视频| 亚洲精华国产精华精| 少妇粗大呻吟视频| 亚洲成国产人片在线观看| 另类亚洲欧美激情| 啦啦啦在线免费观看视频4| 国产精品av久久久久免费| 9热在线视频观看99| 国产精品成人在线| 久久欧美精品欧美久久欧美| 国产亚洲欧美精品永久| 午夜福利,免费看| 午夜日韩欧美国产| 精品福利永久在线观看| 国产99白浆流出| e午夜精品久久久久久久| 一区二区日韩欧美中文字幕| 看免费av毛片| 极品教师在线免费播放| 黄色成人免费大全|