• <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 ?

    基于時移多尺度注意熵和隨機森林的水電機組故障診斷

    2022-06-07 05:26:10張文靜高園晨陳帝伊
    水利學(xué)報 2022年3期
    關(guān)鍵詞:水電特征提取尺度

    陳 飛,王 斌,劉 婷,張文靜,高園晨,陳帝伊

    (西北農(nóng)林科技大學(xué) 水利與工程建筑學(xué)院,陜西 楊凌 712100)

    1 研究背景

    水電機組作為水電站的核心部件,維護機組安全穩(wěn)定對電站高效運行有著很大的現(xiàn)實價值。振動信號作為水電機組運行狀態(tài)的外在表現(xiàn)形式,常被用作評價水電機組健康狀態(tài)的重要指標。振動是引發(fā)機組故障的主要原因,據(jù)統(tǒng)計,由于振動導(dǎo)致的故障占到機組總故障的80%[1]。因此,利用振動信號進行水電機組故障識別是常用的診斷方法。

    機組常常在高噪聲環(huán)境下工作,故障信號容易受到噪聲干擾,為機組故障識別增加了難度。因此,如何在噪聲環(huán)境下提取有效故障信息,成為了機組故障診斷的關(guān)鍵。文獻中常利用奇異值分解(Singular value decomposition,SVD)[2]、變分模態(tài)分解(Variational mode decomposition,VMD)[3]以及自適應(yīng)局部迭代濾波(Adaptive local iterative filtering,ALIF)[4]等方法對信號進行降噪,從而實現(xiàn)故障特征有效提取。但是,以上方法降噪過程中不可避免會導(dǎo)致一部分有效故障信息丟失。因此,直接提取信號故障信息需要一種抗噪性能良好的特征提取工具。熵作為度量時序信號復(fù)雜性的重要工具,在水電機組特征提取領(lǐng)域有著廣泛的運用[5-8]。文獻[6]將樣本熵和時頻域指標相結(jié)合形成多維特征,有效區(qū)分出機組不同故障類別。然而,樣本熵在處理長時間序列時,需要消耗較長時間[9]。相比于樣本熵,排列熵計算更為簡單和快速[10]。何洋洋等[11]提出一種基于隨機共振和多維度排列熵的水電機組故障診斷模型,有效提取機組故障信息。但是,排列熵忽略了信號振幅之間的差異,從而導(dǎo)致有效信息的丟失[12]。為了克服以上熵的不足,Yang 等[13]提出了一種新的度量信號復(fù)雜性工具——注意熵。不同于傳統(tǒng)熵關(guān)注時間序列中所有數(shù)據(jù)的頻率分布,注意熵只注重于序列峰值點間隔的頻率分布情況。因此,注意熵具有超參數(shù)少、運行時間短、對時間序列長度魯棒性強等優(yōu)點。針對注意熵?zé)o法在多個尺度綜合衡量時序信號復(fù)雜性,本文將注意熵和多尺度熵相結(jié)合,提出了多尺度注意熵(Multiscale attention entropy,MATE)。同時,針對傳統(tǒng)多尺度熵粗?;蛔愕膯栴},受文獻[14]中時移方法思想啟發(fā),提出了一種度量信號復(fù)雜度的工具——時移多尺度注意熵(Time-shifted multiscale attention entropy,TSMATE)。通過仿真實驗驗證,TSMATE 具有良好的抗噪性能,可以有效提取水電機組故障信息。

    水電機組故障診斷的實質(zhì)是模式識別。將特征信息輸入到分類器中,利用分類器區(qū)分不同故障信號。近些年,隨著人工智能的不斷發(fā)展,機器學(xué)習(xí)、深度學(xué)習(xí)等一系列模型被應(yīng)用于水電機組模型建立[15]、振動趨勢預(yù)測[16]以及機組狀態(tài)監(jiān)測[17]等領(lǐng)域。文獻[18-20]利用卷積神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)以及支持向量機等算法充當(dāng)分類器,實現(xiàn)了機組不同故障狀態(tài)的準確識別。但是,存在超參數(shù)難以調(diào)節(jié)、計算復(fù)雜度高等問題,阻礙了這些算法在機組故障診斷方面的進一步運用。隨機森林(Random forests,RF)作為集成學(xué)習(xí)的一種,不僅有精度和效率高的特點,還具備參數(shù)可解釋性強、變量敏感度分析等優(yōu)勢。在軸承故障診斷[21]、地理遙感[22]、作物生長[23]以及風(fēng)速預(yù)測[24]等方面都有著廣泛的應(yīng)用。本文引入RF 算法作為分類器,完成對機組不同故障信號識別。仿真實驗表明,RF可以高效識別不同狀態(tài)信號。

    針對傳統(tǒng)方法難以準確識別高噪聲下不同狀態(tài)的故障信號,本文提出了一種基于TSMATE 和RF 相結(jié)合的水電機組故障診斷模型。首先,受時移思想啟發(fā),提出了一種衡量時間復(fù)雜度的工具——TSMATE。通過分析不同信噪比噪聲下機組振動信號的特征分布情況,驗證了TSMATE 具有良好的抗噪性能。然后,針對特征冗雜問題,本文引入主成分分析(Principal component analysis,PCA)進行降維處理,提高了模型運行效率。最后,將降維后的低維特征輸入到RF中,實現(xiàn)了水電機組故障的精確診斷。

    2 TSMATE-PCA-RF 故障診斷模型建立

    2.1 注意熵 Yang 等[13]通過關(guān)注時間序列中關(guān)鍵點變化情況,提出了一種新的度量時序復(fù)雜度工具——注意熵。對比傳統(tǒng)熵,注意熵具有對時序長度魯棒性強、無需設(shè)置超參數(shù)等優(yōu)點,如圖1 所示,計算時序注意熵可概括為以下幾步:

    圖1 注意熵示意圖

    (1)如果時間序列中的每一個點都被認為是一個系統(tǒng),其狀態(tài)的變化就可以看作是系統(tǒng)對環(huán)境的調(diào)整。峰值點可以有效表征局部狀態(tài)的上下界變化情況,因此將局部峰值點定義為關(guān)鍵點。

    (2)按照{(diào)min-min}、{min-max}、{max-min}以及{max-max}4 種不同策略設(shè)定為關(guān)鍵點,并計算相鄰關(guān)鍵點的間隔點數(shù)。

    (3)計算相鄰關(guān)鍵點間隔香農(nóng)熵,具體公式見式(1):

    式中:p( x )為x 發(fā)生的概率;b 為間隔點種類個數(shù)。

    (4)將4 種不同策略計算得到的香農(nóng)熵均值定義為注意熵。

    2.2 時移多尺度注意熵(TSMATE) 注意熵僅在單一尺度衡量時序復(fù)雜度,難以全面反映出信號的有效信息。針對這個問題,Costa 等[25]提出多尺度熵概念,通過對時序信號進行分割,實現(xiàn)了多尺度度量信號復(fù)雜度的目的。本文將多尺度熵和注意熵相結(jié)合,并基于分形理論,提出了TSMATE,克服了傳統(tǒng)多尺度熵粗粒化程度不足以及參數(shù)難以調(diào)節(jié)等問題。TSMATE 具體計算過程如下:

    (1)通過式(2)將長度為N 的時序信號分割成k 個子序列。

    式中:x 為原始信號的樣本點;k 為分割子序列的個數(shù);Ykβ為第β個子序列。

    (2)計算所有尺度時序信號的注意熵,并將這些注意熵的均值定義為該尺度k 下的

    式中ATE( Ykβ)為Ykβ的注意熵。

    (3)利用式(3)計算所有k 的TSMA(k),將這些值的集合作為TSMATE。

    2.3 主成分分析(PCA) 本文將振動信號的TSMATE 作為特征向量。同時,利用PCA 降維技術(shù)克服TSMATE 特征冗雜問題。通過將高度相關(guān)特征變量轉(zhuǎn)化為相互獨立的低維變量,降低數(shù)據(jù)的復(fù)雜度,提高模型的訓(xùn)練效率。PCA 的步驟如下:

    (1)將輸入數(shù)據(jù)樣本轉(zhuǎn)化成標準化矩陣。

    式 中:rij為變量xi和變量xj的相關(guān)系數(shù);n 為樣本數(shù);m 為特征數(shù);為 第i 個變量的均值;為 第j 個變量的均值;xsi為第s 個樣本中i 變量的值;xsj為第s 個樣本中j 變量的值。

    (3)計算相關(guān)系數(shù)矩陣G 的特征方程,得到矩陣的特征值λ和對應(yīng)特征向量。

    (4)通過式(5)和式(6)計算貢獻率κi和累計貢獻率ηi

    (5)根據(jù)步驟4,選取PCA 的特征值和特征向量,最終得到降維后的數(shù)據(jù)。

    2.4 隨機森林(RF) 將降維特征輸入到分類器中,利用分類器有效區(qū)分不同故障信號。RF 是一種基于Bootstrap 取樣與Bagging 投票的方法。同時,作為集成學(xué)習(xí)的一種算法,是一個包含多個決策樹的多分類器,并且其輸出的類別是由決策樹輸出的類別的眾數(shù)而定。

    Bootstrap 取樣方法是一種有放回的抽樣方法,故可以得到容量與被抽樣樣本相同的樣本。假設(shè)樣本容量為無窮大時,約有36.8%的袋外樣本不可以被抽中,這部分數(shù)據(jù)通常用來檢測模型的泛化能力。Bagging 算法是一種集成學(xué)習(xí)算法,它通過Bootstrap 取樣方法進行多次取樣,形成多個樣本采樣集,每一個采樣集都可訓(xùn)練成一個弱學(xué)習(xí)器,各個弱學(xué)習(xí)器相互獨立,分別對數(shù)據(jù)進行處理并投票,票數(shù)最多的便是算法的結(jié)果。RF 是一種改進的Bagging 算法,它采用CART 決策樹作為弱學(xué)習(xí)器,故各個決策樹相互獨立,只能保留原始樣本的部分數(shù)據(jù)特征。

    RF 的構(gòu)建由以下三個部分組成:

    (1)RF 每一輪訓(xùn)練樣本數(shù)據(jù)時,采用有放回的抽樣方法從樣本數(shù)據(jù)中抽取P 個樣本,并據(jù)此構(gòu)建P 個決策樹。

    (2)隨機選擇決策樹的訓(xùn)練數(shù)據(jù),假設(shè)樣本有M 個特征屬性,從M 個特征屬性中隨機選擇l 個特征屬性,作為決策樹的訓(xùn)練屬性。

    (3)生成的P 個決策樹組成一個RF,由每個決策樹共同決定分類結(jié)果。

    水電機組故障診斷總體流程如圖2 所示,將振動信號的TSMATE 作為特征向量。針對特征冗雜問題,本文利用PCA對特征向量進行降維處理。最終將降維數(shù)據(jù)輸入到RF模型中,利用RF進行故障識別。

    圖2 水電機組故障診斷流程圖

    3 仿真實驗

    3.1 TSMATE 穩(wěn)定性分析 為驗證TSMATE 的合理性,本文分析了Blue noise、Violet noise、Pink noise 以及Red noise4 種不同的1/f 噪聲(見圖3)下TSMATE 隨信號長度變化情況。

    圖3 1/f 噪音信號

    如圖4 所示,對比TSMATE 和MATE 在4 種不同噪聲上的分布情況,發(fā)現(xiàn)隨著時序信號長度的減小,MATE 波動逐漸增大,尤其在一些尺度上MATE 值發(fā)生了突變。以時序長度N=1000 的噪聲信號為例,不同噪聲的MATE 分布在尺度因子大于16 時,MATE 值變化劇烈。同時,不同長度噪聲信號MATE 的分布差異過大,4 種噪聲的MATE 波動最大幅值分別達到了0.485、0.443、0.491 以及0.604,說明傳統(tǒng)的粗粒化方法不能有效分割短序列信號。

    圖4 TSMATE 和MATE 分 布情況

    對比MATE,論文所提的TSMATE 在4 種噪聲的波動最大幅值為0.137、0.158、0.187 以及0.386,說明TSMATE 在不同的時序長度上分布基本一致。并且,隨著尺度因子的增大,TSMATE 值逐漸趨于平穩(wěn),表明TSMATE 對時間長度具有良好的魯棒性。

    3.2 數(shù)據(jù)收集 文獻[26]利用轉(zhuǎn)子故障試驗臺,模擬水電機組正常、碰摩、不平衡以及不對中4 種不同類別的振動信號。其中,振動信號的采集頻率為2048 Hz,共采集到360 個振動信號。如圖5 所示,通過對振動信號加入0 dB、1 dB、2 dB 以及3 dB 4 種不同信噪比的噪聲,探究不同噪聲下TSMATE 的特征提取性能。

    圖5 不同噪聲的振動信號

    3.3 TSMATE 特征提取 為探究TSMATE 在不同噪聲下的特征提取能力,引入多尺度熵(Multiscale entropy,MSE)以及時移多尺度熵(Time-shifted multiscale entropy,TSMSE)進行對比實驗。圖6 清晰表明采用時移思想得到的多尺度熵相較于傳統(tǒng)多尺度熵更為穩(wěn)定,說明了時移思想可以有效克服傳統(tǒng)多尺度熵粗粒化不足的問題。圖7 分析了機組信號在無噪聲下不同熵的分布情況,同時利用T-分布鄰域嵌入(T-distributed stochastic neighbor embedding,T-SNE)將不同機組狀態(tài)信號的特征三維可視化。從圖中可以看出,TSMATE 有效地將各類故障信號區(qū)分,其它3 種熵都有著不同程度的混疊。其中,采用MATE 和MSE 提取的特征中正常信號、碰摩信號以及不對中信號有少量混疊,而采用TSMSE 提取的特征中碰摩信號和不對中信號也有著少量混疊。以上現(xiàn)象說明,TSMATE 在無噪聲下具有良好的特征提取性能。為進一步分析TSMATE在噪聲下的特征提取情況,這里對振動信號加入0 dB、1 dB、2 dB 以及3 dB 4 種不同強度的噪聲。

    圖6 機組信號不同熵分布情況(無噪聲)

    圖7 機組信號不同熵特征可視化(無噪聲)

    限于篇幅,本文只分析了0 dB 強噪聲下機組振動信號的不同多尺度熵分布情況。如圖8 所示,相較于MATE 等多尺度熵,TSMATE 表現(xiàn)出良好的穩(wěn)定性,在各種狀態(tài)振動信號中TSMATE 熵值基本保持一個穩(wěn)定狀態(tài),說明了TSMATE 是一種穩(wěn)定的特征提取工具。

    圖8 機組信號不同熵分布情況(SNR=0 dB)

    圖9 分析在0 dB 噪聲干擾下,不同多尺度熵的T-SNE 可視化結(jié)果,發(fā)現(xiàn)MATE 中正常信號和碰摩信號發(fā)生了混疊,不平衡信號和不對中信號也有少量的混雜現(xiàn)象發(fā)生。MSE 中碰摩信號和不對中信號完全混雜在一起,正常信號和碰摩信號也有零星混疊。同樣,TSMSE 碰摩、不對中、不平衡以及正常信號也存在混雜現(xiàn)象。對比以上3 種多尺度熵,TSMATE 僅有個別碰摩信號與正常信號存在混雜。

    圖9 機組信號不同熵特征可視化(SNR=0 dB)

    圖10展示了不同噪聲下TSMATE特征提取情況,發(fā)現(xiàn)隨著噪聲的增加,不同狀態(tài)信號特征混疊現(xiàn)象不斷加重。分析不同噪聲下特征的三維可視化圖,可以清晰地看出不對中信號和不平衡信號被有效區(qū)分,而正常信號和碰摩信號特征則發(fā)生了混雜,說明噪聲在一定程度上降低了TSMATE 的特征提取效果。總體上看,TSMATE對噪聲具有良好的適應(yīng)性,在高噪聲下TSMATE也可以提取較好的特征數(shù)據(jù)。

    圖10 不同噪聲下TSMATE 特征三維可視化

    另外,為探究所提方法的運行效率,比較了TSMATE、MATE、TSMSE 以及MSE 特征提取時間。從表1 中可以看出,TSMATE 和MATE 相對于未改進的多尺度熵只需要耗費更短的時間。MATE 提取機組振動信號特征僅需要10 s,本文所提的TSMATE 也只需要45 s 左右,遠遠低于TSMSE 和MSE。通過上述內(nèi)容分析,說明了論文所提算法是一種高效穩(wěn)定的特征提取工具。

    表1 不同熵提取特征時間 (單位:s)

    3.4 RF 故障識別 針對特征向量冗雜問題,采用PCA 對4 種不同的熵進行降維處理。將降維后的低維特征輸入到RF 模型中,實現(xiàn)對機組不同故障信號的有效識別。其中,RF 決策樹數(shù)目設(shè)置為100,每個決策數(shù)的特征屬性個數(shù)定為5。

    為驗證模型的泛化性能,可以通過十折交叉法劃分訓(xùn)練集和測試集進行測試。如表2 所示,通過對比不同模型的診斷效果,發(fā)現(xiàn)PCA-TSMATE-RF 模型在所有數(shù)據(jù)集中都取得了98%以上的診斷精度,在所有模型中排名第一。從表2 可以看出在SNR=0 dB 時,MSE 和TSMSE 等傳統(tǒng)多尺度熵最高診斷率為92.78%,而所提方法的診斷率為98.06%,比傳統(tǒng)多尺度熵高5.28%。同時,為分析不同診斷模型在強噪聲(SNR=0 dB)下具體診斷情況,本文選取了MATE-RF、TSMATE-RF、PCA-MATE-RF以及PCA-TSMATE-RF 4 種診斷模型進行對比,具體情況見圖11,從圖中看出,PCA-TESMATE-RF模型在識別正常信號和碰摩信號時發(fā)生了一定偏差,這與上節(jié)的特征可視化結(jié)果相吻合,也說明了噪聲會在一定程度上干擾診斷。通過以上分析,驗證了本文所提方法的高效性和精準性。

    表2 不同模型的診斷精度

    圖11 不同模型診斷率(SNR=0 dB)

    4 結(jié)論

    針對高噪聲對水電機組故障診斷的干擾,提出了一種基于TSMATE 和RF 相結(jié)合的水電機組故障診斷方法。通過分析仿真實驗,得到以下結(jié)論:

    (1)針對MATE 粗粒化不足,將時移思想引入MATE 中,提出TSMATE。對比不同長度的Blue noise、Violet noise、Pink noise 以及Red noise 下TSMATE 和MATE 分布情況,發(fā)現(xiàn)TSMATE 基本不受時間長度的影響,驗證了TSMATE 對短時序信號具有良好的魯棒性。

    (2)對比不同多尺度熵的特征分布情況,發(fā)現(xiàn)TSMATE 提取的特征最為穩(wěn)定。同時,通過T-SNE三維可視化分析不同多尺度熵特征提取情況,發(fā)現(xiàn)不同噪聲干擾下,TSMATE 只有少量的碰摩信號和正常信號發(fā)生了混疊。仿真結(jié)果表明,TSMATE 具有良好的抗噪性能。

    (3)為驗證模型的泛化性能,采用十折交叉法劃分訓(xùn)練集和測試集進行測試。TSMATE-PCA-RF等8 個模型在不同信噪比振動信號的診斷精度對比表明,所提模型在不同強度噪聲下都可以取得最好的診斷效果。例如,在強噪聲(SNR=0 dB)的干擾下,所提方法比傳統(tǒng)多尺度熵高5.28%,同時,采用TSMATE 模型均取得了96%的診斷率。

    實驗結(jié)果表明,本文所提的水電機組診斷方法可以精準識別高噪聲環(huán)境下不同故障信號,為水電機組故障診斷提供了新手段。

    猜你喜歡
    水電特征提取尺度
    財產(chǎn)的五大尺度和五重應(yīng)對
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    央企剝離水電資產(chǎn)背后
    能源(2017年7期)2018-01-19 05:05:02
    水電:全力消納富余水電 更重生態(tài)環(huán)保
    能源(2018年7期)2018-01-15 22:51:08
    Bagging RCSP腦電特征提取算法
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    長江水電之歌
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    9
    綠色水電認證實踐
    大壩與安全(2014年2期)2014-02-27 00:35:40
    亚洲专区中文字幕在线| 99久久综合精品五月天人人| 一级毛片女人18水好多| 欧美三级亚洲精品| 亚洲成人国产一区在线观看| 久久久久九九精品影院| 男女那种视频在线观看| 欧美性长视频在线观看| 日本免费一区二区三区高清不卡| a级毛片a级免费在线| 欧美乱妇无乱码| 国产片内射在线| 久久久久国产精品人妻aⅴ院| 亚洲精品中文字幕在线视频| 在线永久观看黄色视频| 18美女黄网站色大片免费观看| 亚洲一区高清亚洲精品| 亚洲欧美日韩东京热| 亚洲真实伦在线观看| 一二三四社区在线视频社区8| 一边摸一边抽搐一进一小说| 最新美女视频免费是黄的| 精品福利观看| 国产成人系列免费观看| 大型av网站在线播放| 欧美中文日本在线观看视频| 欧美日韩瑟瑟在线播放| 国产av一区二区精品久久| 日日干狠狠操夜夜爽| 美女 人体艺术 gogo| 欧美一级a爱片免费观看看 | 99精品久久久久人妻精品| 欧美极品一区二区三区四区| 手机成人av网站| 日韩欧美精品v在线| 久久久精品欧美日韩精品| 午夜激情福利司机影院| 欧美日本视频| 亚洲精品一区av在线观看| 淫秽高清视频在线观看| 欧美黄色淫秽网站| 亚洲自偷自拍图片 自拍| 99久久久亚洲精品蜜臀av| 亚洲av成人av| 亚洲五月天丁香| 成人国语在线视频| 亚洲国产精品合色在线| 美女午夜性视频免费| 香蕉av资源在线| 亚洲av第一区精品v没综合| 中国美女看黄片| 国产日本99.免费观看| 男男h啪啪无遮挡| 欧美日韩黄片免| 国产高清激情床上av| 久久久久免费精品人妻一区二区| 欧美又色又爽又黄视频| 狠狠狠狠99中文字幕| 国产成人影院久久av| 国产精品美女特级片免费视频播放器 | 国产一区二区在线av高清观看| 亚洲精品久久成人aⅴ小说| 一区二区三区激情视频| 国产亚洲av高清不卡| 久久国产精品影院| 欧美精品亚洲一区二区| 日本成人三级电影网站| 99国产精品一区二区三区| 特级一级黄色大片| av福利片在线观看| 亚洲av成人一区二区三| 脱女人内裤的视频| 999久久久精品免费观看国产| 久久精品国产清高在天天线| 亚洲精品久久国产高清桃花| 国内久久婷婷六月综合欲色啪| 老司机在亚洲福利影院| 18禁国产床啪视频网站| 久久午夜亚洲精品久久| 欧美高清成人免费视频www| 波多野结衣高清无吗| 国产一区二区三区在线臀色熟女| 成人国语在线视频| 757午夜福利合集在线观看| 精华霜和精华液先用哪个| 国产亚洲精品久久久久5区| 免费在线观看亚洲国产| 又黄又爽又免费观看的视频| 国产私拍福利视频在线观看| 久9热在线精品视频| 精品国内亚洲2022精品成人| 999精品在线视频| 亚洲av成人av| 亚洲成人久久爱视频| 成人精品一区二区免费| 亚洲美女黄片视频| а√天堂www在线а√下载| 特大巨黑吊av在线直播| 白带黄色成豆腐渣| 欧美黑人精品巨大| 制服诱惑二区| 久久国产精品人妻蜜桃| 波多野结衣高清无吗| 90打野战视频偷拍视频| 97超级碰碰碰精品色视频在线观看| 国产亚洲精品综合一区在线观看 | 两人在一起打扑克的视频| 国产亚洲精品综合一区在线观看 | 国产久久久一区二区三区| 亚洲欧美日韩东京热| 中文字幕人成人乱码亚洲影| 男人的好看免费观看在线视频 | 99国产综合亚洲精品| 性欧美人与动物交配| 欧美性长视频在线观看| 丰满人妻一区二区三区视频av | 变态另类丝袜制服| 国产单亲对白刺激| 熟女电影av网| 老汉色av国产亚洲站长工具| 国产69精品久久久久777片 | 国产欧美日韩一区二区三| 在线观看免费日韩欧美大片| 国产99久久九九免费精品| 男人舔女人的私密视频| 岛国在线免费视频观看| 亚洲在线自拍视频| 久久人人精品亚洲av| 岛国在线免费视频观看| 欧美国产日韩亚洲一区| 两个人的视频大全免费| 免费看美女性在线毛片视频| 国产高清videossex| 亚洲精品在线美女| 久久久精品欧美日韩精品| 亚洲一区高清亚洲精品| 亚洲成人免费电影在线观看| 亚洲狠狠婷婷综合久久图片| 黄色片一级片一级黄色片| 欧美乱码精品一区二区三区| 色噜噜av男人的天堂激情| 又大又爽又粗| 成人欧美大片| 757午夜福利合集在线观看| 久久精品国产亚洲av香蕉五月| 丝袜人妻中文字幕| 亚洲人成网站高清观看| 国产av在哪里看| 欧美日韩乱码在线| 亚洲人成网站高清观看| 国产成人系列免费观看| www.www免费av| 精品一区二区三区av网在线观看| 男人舔奶头视频| 在线观看美女被高潮喷水网站 | 午夜福利在线在线| 国产精品久久久久久人妻精品电影| 国产成人啪精品午夜网站| 久久香蕉精品热| 亚洲av成人av| 很黄的视频免费| 欧美 亚洲 国产 日韩一| 午夜福利在线在线| 免费高清视频大片| 国产一区二区三区在线臀色熟女| 日韩欧美 国产精品| 99久久精品热视频| 日韩av在线大香蕉| 少妇的丰满在线观看| 精品一区二区三区av网在线观看| 国语自产精品视频在线第100页| 欧美av亚洲av综合av国产av| 国产成人精品久久二区二区91| 好男人在线观看高清免费视频| 精品久久久久久久久久久久久| 久久香蕉精品热| 男人舔女人下体高潮全视频| 香蕉丝袜av| 真人一进一出gif抽搐免费| 美女 人体艺术 gogo| 一本精品99久久精品77| 黄色毛片三级朝国网站| 精品福利观看| 99re在线观看精品视频| 亚洲九九香蕉| 精品欧美国产一区二区三| 国产精品永久免费网站| 国产成+人综合+亚洲专区| 麻豆久久精品国产亚洲av| 99久久精品热视频| 嫩草影院精品99| 三级毛片av免费| 中文字幕久久专区| 欧美三级亚洲精品| 国产精品免费一区二区三区在线| 国产日本99.免费观看| av免费在线观看网站| 黄色视频不卡| 欧美成人免费av一区二区三区| 在线十欧美十亚洲十日本专区| 午夜福利欧美成人| 亚洲国产精品sss在线观看| 亚洲 欧美一区二区三区| 亚洲人成网站在线播放欧美日韩| 亚洲欧美日韩无卡精品| 狠狠狠狠99中文字幕| 国产69精品久久久久777片 | 日本一二三区视频观看| 亚洲免费av在线视频| 精品一区二区三区av网在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 在线永久观看黄色视频| 亚洲黑人精品在线| 少妇的丰满在线观看| 国产亚洲精品一区二区www| 少妇粗大呻吟视频| 九色成人免费人妻av| 精品欧美国产一区二区三| 中文在线观看免费www的网站 | 亚洲五月天丁香| 欧美极品一区二区三区四区| 成人永久免费在线观看视频| 12—13女人毛片做爰片一| 国产野战对白在线观看| 欧美黄色片欧美黄色片| 中亚洲国语对白在线视频| 校园春色视频在线观看| 免费在线观看日本一区| 我要搜黄色片| 久久久国产成人精品二区| 搡老熟女国产l中国老女人| 亚洲成人免费电影在线观看| 巨乳人妻的诱惑在线观看| 久久久久久大精品| 国产视频内射| 国产伦在线观看视频一区| 欧美又色又爽又黄视频| 男女床上黄色一级片免费看| 禁无遮挡网站| 亚洲av成人精品一区久久| 麻豆成人av在线观看| 一区福利在线观看| 亚洲av电影在线进入| 国模一区二区三区四区视频 | АⅤ资源中文在线天堂| 嫁个100分男人电影在线观看| 两人在一起打扑克的视频| 丁香六月欧美| 国产精品免费视频内射| 成人三级黄色视频| 欧美性猛交╳xxx乱大交人| 精品熟女少妇八av免费久了| 午夜久久久久精精品| 午夜激情av网站| 久久久国产欧美日韩av| 国产伦人伦偷精品视频| 国产av一区在线观看免费| 一进一出抽搐gif免费好疼| 成人午夜高清在线视频| av视频在线观看入口| 淫妇啪啪啪对白视频| 日韩欧美精品v在线| 最近在线观看免费完整版| 激情在线观看视频在线高清| 香蕉av资源在线| 国产高清有码在线观看视频 | a在线观看视频网站| 国产伦人伦偷精品视频| 精品熟女少妇八av免费久了| 欧美成人免费av一区二区三区| 99国产精品99久久久久| 亚洲 国产 在线| 美女黄网站色视频| a在线观看视频网站| www.精华液| 亚洲国产精品合色在线| 男女做爰动态图高潮gif福利片| 最近最新免费中文字幕在线| 女生性感内裤真人,穿戴方法视频| 久久天躁狠狠躁夜夜2o2o| 欧美色欧美亚洲另类二区| 亚洲成av人片在线播放无| 99re在线观看精品视频| av超薄肉色丝袜交足视频| 国产人伦9x9x在线观看| 亚洲中文字幕日韩| 亚洲美女黄片视频| 国产精品国产高清国产av| 两个人的视频大全免费| 亚洲国产欧洲综合997久久,| 国产一区二区三区在线臀色熟女| 两性午夜刺激爽爽歪歪视频在线观看 | 国产免费男女视频| 亚洲精品中文字幕在线视频| 丰满人妻一区二区三区视频av | 午夜精品久久久久久毛片777| 一级毛片女人18水好多| 亚洲精品一卡2卡三卡4卡5卡| 女人高潮潮喷娇喘18禁视频| 国产精品九九99| 久久香蕉激情| 亚洲成av人片在线播放无| 免费高清视频大片| 日韩大尺度精品在线看网址| 国产精品久久久久久精品电影| 成人国语在线视频| 亚洲精品一区av在线观看| 国产精品美女特级片免费视频播放器 | 婷婷亚洲欧美| 亚洲七黄色美女视频| 国产成人精品久久二区二区免费| 长腿黑丝高跟| 夜夜躁狠狠躁天天躁| 一进一出好大好爽视频| 国产片内射在线| 一区福利在线观看| 国产精品 欧美亚洲| 亚洲国产高清在线一区二区三| 成人午夜高清在线视频| 曰老女人黄片| 免费人成视频x8x8入口观看| 欧美日韩精品网址| av视频在线观看入口| 国产免费男女视频| 一个人免费在线观看的高清视频| 日韩欧美在线乱码| 听说在线观看完整版免费高清| 啦啦啦韩国在线观看视频| 亚洲精品色激情综合| 国产人伦9x9x在线观看| 黄片小视频在线播放| 99热这里只有精品一区 | 深夜精品福利| 亚洲人成网站高清观看| 十八禁网站免费在线| 欧美久久黑人一区二区| 亚洲18禁久久av| 男女那种视频在线观看| 十八禁网站免费在线| 男女那种视频在线观看| 神马国产精品三级电影在线观看 | 麻豆久久精品国产亚洲av| 男人的好看免费观看在线视频 | 精品一区二区三区四区五区乱码| 国内少妇人妻偷人精品xxx网站 | xxx96com| 18禁国产床啪视频网站| 中出人妻视频一区二区| 成人特级黄色片久久久久久久| 日韩精品免费视频一区二区三区| 在线观看一区二区三区| 大型av网站在线播放| 亚洲成av人片在线播放无| 五月玫瑰六月丁香| 成熟少妇高潮喷水视频| 久久久久久人人人人人| 欧美黑人巨大hd| 特级一级黄色大片| 国产一区二区激情短视频| 国产精品亚洲av一区麻豆| 999久久久精品免费观看国产| 国产精品爽爽va在线观看网站| 精品欧美一区二区三区在线| 久久国产精品影院| 两个人视频免费观看高清| 怎么达到女性高潮| 日韩欧美精品v在线| 俺也久久电影网| 中文字幕av在线有码专区| 人人妻人人澡欧美一区二区| 性色av乱码一区二区三区2| 一本精品99久久精品77| 村上凉子中文字幕在线| 啪啪无遮挡十八禁网站| 午夜精品一区二区三区免费看| 巨乳人妻的诱惑在线观看| 真人一进一出gif抽搐免费| 在线国产一区二区在线| 五月伊人婷婷丁香| 国产欧美日韩一区二区精品| 国产精品一区二区免费欧美| 免费观看精品视频网站| 亚洲精品国产精品久久久不卡| 啦啦啦韩国在线观看视频| www.自偷自拍.com| 免费人成视频x8x8入口观看| 9191精品国产免费久久| 叶爱在线成人免费视频播放| 又黄又爽又免费观看的视频| АⅤ资源中文在线天堂| 亚洲av成人一区二区三| 51午夜福利影视在线观看| 亚洲天堂国产精品一区在线| 国产高清激情床上av| 亚洲人与动物交配视频| 久久国产乱子伦精品免费另类| 久久午夜亚洲精品久久| 亚洲全国av大片| 夜夜爽天天搞| 白带黄色成豆腐渣| 亚洲精品久久国产高清桃花| 亚洲午夜理论影院| 欧美成人性av电影在线观看| 丁香六月欧美| 叶爱在线成人免费视频播放| 超碰成人久久| 黄色视频,在线免费观看| 国产伦一二天堂av在线观看| 国产亚洲欧美在线一区二区| 国产伦一二天堂av在线观看| 老鸭窝网址在线观看| 女同久久另类99精品国产91| 最近在线观看免费完整版| 18禁观看日本| 成人国语在线视频| 两个人免费观看高清视频| 制服人妻中文乱码| 99在线人妻在线中文字幕| 成人精品一区二区免费| 男女之事视频高清在线观看| 久热爱精品视频在线9| 亚洲精品久久国产高清桃花| 50天的宝宝边吃奶边哭怎么回事| 午夜影院日韩av| 麻豆av在线久日| 久久久久久免费高清国产稀缺| 久久久精品欧美日韩精品| 搞女人的毛片| 亚洲狠狠婷婷综合久久图片| 色老头精品视频在线观看| 久久久精品欧美日韩精品| 不卡av一区二区三区| 亚洲无线在线观看| 精品免费久久久久久久清纯| 国产伦在线观看视频一区| 69av精品久久久久久| 真人做人爱边吃奶动态| 国内毛片毛片毛片毛片毛片| 国产av麻豆久久久久久久| 亚洲成人精品中文字幕电影| 热99re8久久精品国产| 久久香蕉精品热| 久久天堂一区二区三区四区| 制服人妻中文乱码| 亚洲激情在线av| 一级毛片女人18水好多| 亚洲精品久久成人aⅴ小说| 精品第一国产精品| 丰满的人妻完整版| 一级毛片女人18水好多| 岛国视频午夜一区免费看| 一进一出抽搐动态| 巨乳人妻的诱惑在线观看| 欧美色欧美亚洲另类二区| 亚洲国产看品久久| 一进一出抽搐动态| 精华霜和精华液先用哪个| 久久久国产成人免费| 国产精品国产高清国产av| 国产精品精品国产色婷婷| 亚洲avbb在线观看| 神马国产精品三级电影在线观看 | 亚洲午夜理论影院| 丰满人妻一区二区三区视频av | xxx96com| 九九热线精品视视频播放| 日本一本二区三区精品| 久久久久免费精品人妻一区二区| 黄色视频,在线免费观看| 日韩大尺度精品在线看网址| 欧美日韩亚洲综合一区二区三区_| 亚洲欧美精品综合久久99| 久久精品亚洲精品国产色婷小说| 两个人视频免费观看高清| 看黄色毛片网站| 国产成人精品无人区| 亚洲av中文字字幕乱码综合| 十八禁网站免费在线| 国内精品久久久久精免费| 国产精品av视频在线免费观看| 精品国产乱子伦一区二区三区| 香蕉av资源在线| 麻豆一二三区av精品| 他把我摸到了高潮在线观看| 日日爽夜夜爽网站| 男女床上黄色一级片免费看| xxx96com| 国内毛片毛片毛片毛片毛片| 免费一级毛片在线播放高清视频| 岛国在线免费视频观看| 日本一本二区三区精品| 免费看美女性在线毛片视频| 亚洲午夜理论影院| 免费看十八禁软件| 亚洲欧美日韩东京热| 亚洲五月天丁香| av免费在线观看网站| 欧美性猛交╳xxx乱大交人| av免费在线观看网站| 亚洲aⅴ乱码一区二区在线播放 | 日本精品一区二区三区蜜桃| 看片在线看免费视频| 精品人妻1区二区| 日韩大码丰满熟妇| 免费在线观看视频国产中文字幕亚洲| 国产又黄又爽又无遮挡在线| 精华霜和精华液先用哪个| 久久香蕉激情| 国产精品一区二区三区四区免费观看 | 不卡av一区二区三区| 两个人的视频大全免费| 俄罗斯特黄特色一大片| 麻豆成人午夜福利视频| 日本熟妇午夜| 男女做爰动态图高潮gif福利片| 麻豆成人午夜福利视频| 少妇熟女aⅴ在线视频| 国产一区二区在线av高清观看| 免费在线观看成人毛片| 91老司机精品| 岛国视频午夜一区免费看| e午夜精品久久久久久久| 国产亚洲精品久久久久久毛片| 女生性感内裤真人,穿戴方法视频| 日韩欧美国产在线观看| 精品乱码久久久久久99久播| 女人被狂操c到高潮| 啦啦啦免费观看视频1| 中国美女看黄片| 成人国产综合亚洲| 床上黄色一级片| 在线看三级毛片| 成人特级黄色片久久久久久久| 男女床上黄色一级片免费看| bbb黄色大片| 白带黄色成豆腐渣| 久久中文看片网| 欧美3d第一页| 成人高潮视频无遮挡免费网站| 免费在线观看完整版高清| a在线观看视频网站| 可以免费在线观看a视频的电影网站| 国内久久婷婷六月综合欲色啪| 色哟哟哟哟哟哟| 国产一区在线观看成人免费| av福利片在线| 91老司机精品| 日韩精品免费视频一区二区三区| 久久精品国产99精品国产亚洲性色| 精品不卡国产一区二区三区| 变态另类丝袜制服| e午夜精品久久久久久久| 91字幕亚洲| 51午夜福利影视在线观看| 亚洲va日本ⅴa欧美va伊人久久| 国产男靠女视频免费网站| 欧美乱妇无乱码| 国产在线精品亚洲第一网站| 999久久久国产精品视频| 久久久水蜜桃国产精品网| 国产1区2区3区精品| 色在线成人网| 欧美成人性av电影在线观看| 亚洲色图 男人天堂 中文字幕| 久99久视频精品免费| 9191精品国产免费久久| 久久精品国产清高在天天线| 日本撒尿小便嘘嘘汇集6| 国产精品一区二区精品视频观看| 在线永久观看黄色视频| 精品日产1卡2卡| 国产精品电影一区二区三区| 久久久久亚洲av毛片大全| 给我免费播放毛片高清在线观看| 91九色精品人成在线观看| 国产三级黄色录像| 成年人黄色毛片网站| 色老头精品视频在线观看| 啪啪无遮挡十八禁网站| 久久精品亚洲精品国产色婷小说| 日本在线视频免费播放| 91字幕亚洲| 欧美性猛交╳xxx乱大交人| 成人18禁高潮啪啪吃奶动态图| av在线播放免费不卡| 久久天堂一区二区三区四区| 久久久久性生活片| 免费无遮挡裸体视频| 亚洲av成人av| 一进一出好大好爽视频| 欧美大码av| 国产亚洲精品一区二区www| 精品久久久久久,| 亚洲男人天堂网一区| 精品免费久久久久久久清纯| 校园春色视频在线观看| 欧美日本亚洲视频在线播放| 国产精华一区二区三区| 国产av麻豆久久久久久久| 亚洲国产欧美人成| 91麻豆av在线| 精品久久久久久,| 国产成人精品久久二区二区91| 亚洲一区中文字幕在线| 亚洲熟妇中文字幕五十中出| 日韩欧美在线乱码| 亚洲片人在线观看| 最近最新中文字幕大全电影3| 国产三级中文精品| 狂野欧美激情性xxxx| 久久久久国产精品人妻aⅴ院| 日韩高清综合在线| 国产熟女xx| 国产成人精品久久二区二区91| 免费在线观看日本一区|