• <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
    91国产中文字幕| 丰满人妻熟妇乱又伦精品不卡| 天堂√8在线中文| 欧美av亚洲av综合av国产av| 成人特级黄色片久久久久久久| 中文字幕最新亚洲高清| 国产区一区二久久| 两性夫妻黄色片| 中文字幕人妻丝袜一区二区| 99热这里只有是精品50| 很黄的视频免费| 精品欧美国产一区二区三| 母亲3免费完整高清在线观看| 长腿黑丝高跟| 久久精品aⅴ一区二区三区四区| 日韩欧美精品v在线| 国产亚洲av高清不卡| 老司机深夜福利视频在线观看| 一级毛片高清免费大全| 精品久久久久久久久久久久久| 99久久国产精品久久久| 久久精品国产亚洲av高清一级| 18禁国产床啪视频网站| 中文字幕人成人乱码亚洲影| 麻豆久久精品国产亚洲av| 亚洲专区国产一区二区| 超碰成人久久| 可以在线观看毛片的网站| 国产精品永久免费网站| 欧美丝袜亚洲另类 | 又爽又黄无遮挡网站| 欧美黑人巨大hd| 久久中文字幕一级| 亚洲精品色激情综合| 嫁个100分男人电影在线观看| 在线视频色国产色| 亚洲精品在线美女| 黄色成人免费大全| 好看av亚洲va欧美ⅴa在| 亚洲欧美日韩高清在线视频| 成年女人毛片免费观看观看9| 日韩有码中文字幕| 日韩高清综合在线| 人成视频在线观看免费观看| 久久中文字幕人妻熟女| 亚洲精品国产精品久久久不卡| 啦啦啦免费观看视频1| 亚洲 国产 在线| 亚洲精品在线美女| 免费无遮挡裸体视频| 亚洲中文日韩欧美视频| 免费在线观看日本一区| 日本在线视频免费播放| 亚洲国产中文字幕在线视频| 久久久久性生活片| 国产成人影院久久av| 免费观看人在逋| 国产亚洲欧美在线一区二区| 在线永久观看黄色视频| 五月伊人婷婷丁香| 色在线成人网| 91字幕亚洲| 亚洲人成网站在线播放欧美日韩| 亚洲精品中文字幕在线视频| 黄色a级毛片大全视频| 亚洲一区高清亚洲精品| 美女 人体艺术 gogo| 两个人视频免费观看高清| 91成年电影在线观看| 91麻豆精品激情在线观看国产| 亚洲国产精品999在线| 久久欧美精品欧美久久欧美| 一区二区三区高清视频在线| 欧美三级亚洲精品| 国产黄片美女视频| 熟妇人妻久久中文字幕3abv| 国产1区2区3区精品| 国产99久久九九免费精品| 久久国产精品人妻蜜桃| 成人18禁高潮啪啪吃奶动态图| 级片在线观看| 日本在线视频免费播放| 国产久久久一区二区三区| 国内精品久久久久久久电影| 成年人黄色毛片网站| 99riav亚洲国产免费| 久久精品91无色码中文字幕| 欧美黑人巨大hd| 亚洲精品久久国产高清桃花| 岛国在线免费视频观看| 91av网站免费观看| 舔av片在线| 亚洲精品粉嫩美女一区| 天堂动漫精品| 亚洲av成人av| www.999成人在线观看| 亚洲精品粉嫩美女一区| 中文字幕人妻丝袜一区二区| 亚洲,欧美精品.| 中文字幕人妻丝袜一区二区| 天堂动漫精品| 欧美一区二区国产精品久久精品 | 人成视频在线观看免费观看| 一级片免费观看大全| a级毛片在线看网站| 久久天躁狠狠躁夜夜2o2o| 又大又爽又粗| 禁无遮挡网站| 91国产中文字幕| 午夜激情福利司机影院| e午夜精品久久久久久久| 国产精品久久电影中文字幕| 91大片在线观看| 日日夜夜操网爽| 日日爽夜夜爽网站| 欧美最黄视频在线播放免费| 精品高清国产在线一区| 精品久久蜜臀av无| 国产在线精品亚洲第一网站| 国产亚洲精品一区二区www| 国产精品一区二区精品视频观看| 精品国产超薄肉色丝袜足j| 麻豆久久精品国产亚洲av| 又粗又爽又猛毛片免费看| 男人舔奶头视频| 亚洲成人中文字幕在线播放| 日韩精品免费视频一区二区三区| av欧美777| 中文字幕人妻丝袜一区二区| 女生性感内裤真人,穿戴方法视频| 欧美一区二区国产精品久久精品 | bbb黄色大片| 欧美黄色淫秽网站| 一卡2卡三卡四卡精品乱码亚洲| 亚洲avbb在线观看| 很黄的视频免费| 亚洲狠狠婷婷综合久久图片| 欧美在线一区亚洲| 亚洲精品久久国产高清桃花| 91国产中文字幕| 可以在线观看的亚洲视频| 最新在线观看一区二区三区| 少妇的丰满在线观看| 精品午夜福利视频在线观看一区| 精品日产1卡2卡| 国产精品永久免费网站| 最近最新中文字幕大全电影3| 亚洲天堂国产精品一区在线| 男女那种视频在线观看| 国产成人av激情在线播放| 麻豆一二三区av精品| 香蕉久久夜色| 老司机在亚洲福利影院| 精品国产超薄肉色丝袜足j| 一区二区三区激情视频| 日本免费一区二区三区高清不卡| 国产在线观看jvid| 久久这里只有精品中国| 国产黄a三级三级三级人| 免费搜索国产男女视频| 欧美乱妇无乱码| 久久久久性生活片| 亚洲国产精品久久男人天堂| 脱女人内裤的视频| 国产免费男女视频| 精品国产超薄肉色丝袜足j| 亚洲自拍偷在线| 久久亚洲精品不卡| 伊人久久大香线蕉亚洲五| 午夜影院日韩av| 国产欧美日韩一区二区三| 午夜影院日韩av| 久久精品夜夜夜夜夜久久蜜豆 | 精品久久久久久,| 少妇被粗大的猛进出69影院| 免费高清视频大片| 最近视频中文字幕2019在线8| 岛国在线免费视频观看| 亚洲成av人片免费观看| 桃色一区二区三区在线观看| √禁漫天堂资源中文www| 日日爽夜夜爽网站| 国产精品亚洲美女久久久| 国产精品一区二区精品视频观看| 欧美一区二区精品小视频在线| 色噜噜av男人的天堂激情| 国产黄a三级三级三级人| 亚洲av熟女| 1024手机看黄色片| 成年女人毛片免费观看观看9| 91大片在线观看| 99久久99久久久精品蜜桃| 国产精品免费视频内射| 好男人电影高清在线观看| 美女午夜性视频免费| 中文字幕人妻丝袜一区二区| 亚洲国产精品成人综合色| 久99久视频精品免费| 日韩欧美在线二视频| 色综合婷婷激情| 在线观看www视频免费| 亚洲精品一区av在线观看| 88av欧美| 国产黄色小视频在线观看| 亚洲色图 男人天堂 中文字幕| 国产单亲对白刺激| 啦啦啦韩国在线观看视频| 天天一区二区日本电影三级| 日韩中文字幕欧美一区二区| 国产精品影院久久| 岛国视频午夜一区免费看| 变态另类丝袜制服| 国产成人精品久久二区二区91| 亚洲一卡2卡3卡4卡5卡精品中文| 伦理电影免费视频| 在线观看舔阴道视频| 精品一区二区三区视频在线观看免费| 国产又色又爽无遮挡免费看| 91成年电影在线观看| 最近在线观看免费完整版| 亚洲欧美激情综合另类| 校园春色视频在线观看| 老汉色∧v一级毛片| 亚洲精品久久成人aⅴ小说| 18禁黄网站禁片免费观看直播| 久热爱精品视频在线9| 亚洲自拍偷在线| 国产私拍福利视频在线观看| 在线观看一区二区三区| 国产精品日韩av在线免费观看| 国产三级在线视频| 日本五十路高清| 老汉色∧v一级毛片| 两性午夜刺激爽爽歪歪视频在线观看 | 国产伦人伦偷精品视频| or卡值多少钱| 亚洲一码二码三码区别大吗| 欧美黑人巨大hd| 欧美黄色片欧美黄色片| 99re在线观看精品视频| 亚洲一区中文字幕在线| 天天一区二区日本电影三级| 国产精品久久久久久久电影 | 妹子高潮喷水视频| 亚洲 欧美 日韩 在线 免费| 又紧又爽又黄一区二区| 午夜影院日韩av| 中文字幕人成人乱码亚洲影| 亚洲 国产 在线| 色综合亚洲欧美另类图片| 国产精品一及| 日韩欧美一区二区三区在线观看| 亚洲av美国av| 国产亚洲精品久久久久5区| 色播亚洲综合网| 日韩高清综合在线| 欧美色欧美亚洲另类二区| 成人国语在线视频| 日日摸夜夜添夜夜添小说| 淫妇啪啪啪对白视频| 成人一区二区视频在线观看| 国产1区2区3区精品| 亚洲 欧美 日韩 在线 免费| 日本免费一区二区三区高清不卡| 免费看a级黄色片| 亚洲男人天堂网一区| 亚洲精品国产精品久久久不卡| 国产亚洲精品久久久久5区| 在线免费观看的www视频| 在线观看美女被高潮喷水网站 | 色av中文字幕| 窝窝影院91人妻| 国产亚洲精品综合一区在线观看 | 日韩欧美三级三区| 岛国视频午夜一区免费看| 国产精品 国内视频| 国产亚洲av嫩草精品影院| 成年女人毛片免费观看观看9| 9191精品国产免费久久| 两性午夜刺激爽爽歪歪视频在线观看 | √禁漫天堂资源中文www| 搡老熟女国产l中国老女人| 大型黄色视频在线免费观看| 男女床上黄色一级片免费看| 久久亚洲真实| 亚洲avbb在线观看| 岛国在线观看网站| 日韩 欧美 亚洲 中文字幕| 国产精品精品国产色婷婷| 桃色一区二区三区在线观看| 成人永久免费在线观看视频| 亚洲av成人不卡在线观看播放网| 男女床上黄色一级片免费看| 久久精品91蜜桃| 国产精品一及| 亚洲国产精品成人综合色| 亚洲国产精品久久男人天堂| 怎么达到女性高潮| 岛国在线观看网站| 巨乳人妻的诱惑在线观看| 国产成年人精品一区二区| 麻豆国产97在线/欧美 | 一级片免费观看大全| 最近最新中文字幕大全免费视频| 国产视频内射| 淫妇啪啪啪对白视频| 一级作爱视频免费观看| 午夜福利成人在线免费观看| 两个人看的免费小视频| 日日摸夜夜添夜夜添小说| 黑人巨大精品欧美一区二区mp4| 嫩草影视91久久| 我要搜黄色片| 欧美丝袜亚洲另类 | 免费高清视频大片| 国产真实乱freesex| 亚洲 欧美一区二区三区| 黄色 视频免费看| 色综合亚洲欧美另类图片| 十八禁网站免费在线| 色在线成人网| 亚洲色图 男人天堂 中文字幕| 中文字幕高清在线视频| 变态另类成人亚洲欧美熟女| 亚洲国产精品久久男人天堂| 日韩欧美在线二视频| 两性午夜刺激爽爽歪歪视频在线观看 | 九色国产91popny在线| 无限看片的www在线观看| 成人av一区二区三区在线看| 欧美av亚洲av综合av国产av| 国产精品一区二区三区四区久久| 九色成人免费人妻av| 免费在线观看亚洲国产| 亚洲精品国产一区二区精华液| 好看av亚洲va欧美ⅴa在| 激情在线观看视频在线高清| 国语自产精品视频在线第100页| 18禁观看日本| 国产午夜精品久久久久久| 久久精品国产亚洲av高清一级| 精品日产1卡2卡| 国产探花在线观看一区二区| 国产亚洲精品av在线| 日韩欧美精品v在线| 波多野结衣高清作品| 麻豆av在线久日| 男女那种视频在线观看| 欧美日韩精品网址| 丰满的人妻完整版| 99国产综合亚洲精品| 欧美色视频一区免费| 亚洲国产欧美网| 国产精品综合久久久久久久免费| 久久久久久大精品| 日日干狠狠操夜夜爽| 18禁黄网站禁片午夜丰满| 一区二区三区国产精品乱码| 亚洲精品中文字幕在线视频| 免费av毛片视频| 后天国语完整版免费观看| 亚洲第一欧美日韩一区二区三区| 国产aⅴ精品一区二区三区波| 不卡一级毛片| 国内揄拍国产精品人妻在线| 麻豆av在线久日| 成年女人毛片免费观看观看9| 一级毛片女人18水好多| 成人国产一区最新在线观看| 免费电影在线观看免费观看| 麻豆国产av国片精品| 成人亚洲精品av一区二区| 高清在线国产一区| 成人国产综合亚洲| 99国产极品粉嫩在线观看| 免费高清视频大片| av福利片在线| 亚洲av电影不卡..在线观看| 婷婷丁香在线五月| 成人欧美大片| 日韩成人在线观看一区二区三区| 在线观看美女被高潮喷水网站 | 一卡2卡三卡四卡精品乱码亚洲| 曰老女人黄片| 免费看a级黄色片| 亚洲欧美一区二区三区黑人| 18美女黄网站色大片免费观看| 国内精品久久久久久久电影| 亚洲在线自拍视频| 在线十欧美十亚洲十日本专区| 午夜福利欧美成人| 桃红色精品国产亚洲av| 精品高清国产在线一区| www.自偷自拍.com| 国产亚洲精品久久久久5区| 欧洲精品卡2卡3卡4卡5卡区| 久久香蕉精品热| 男人舔女人下体高潮全视频| 黄色视频不卡| 久久久久国产一级毛片高清牌| 婷婷亚洲欧美| 欧美性长视频在线观看| 丰满的人妻完整版| 欧美日韩一级在线毛片| www国产在线视频色| 国产黄片美女视频| 午夜福利在线在线| cao死你这个sao货| 亚洲五月婷婷丁香| 国产精品一区二区免费欧美| 老熟妇乱子伦视频在线观看| 老熟妇乱子伦视频在线观看| 亚洲18禁久久av| 男插女下体视频免费在线播放| 国产av麻豆久久久久久久| 亚洲色图av天堂| 亚洲自拍偷在线| 1024视频免费在线观看| 99久久综合精品五月天人人| 级片在线观看| 一级毛片高清免费大全| 日本黄大片高清| 国产精品久久久人人做人人爽| a级毛片在线看网站| 亚洲精品av麻豆狂野| 国产精品亚洲一级av第二区| 12—13女人毛片做爰片一| 国产免费av片在线观看野外av| 亚洲欧美日韩高清专用| 成人三级做爰电影| 99国产精品一区二区三区| 免费在线观看影片大全网站| 亚洲熟妇中文字幕五十中出| 色精品久久人妻99蜜桃| 性欧美人与动物交配| 日日爽夜夜爽网站| 国产精品综合久久久久久久免费| 一个人免费在线观看电影 | 国产亚洲av高清不卡| 久久久国产欧美日韩av| 国产一区二区在线av高清观看| 欧美日韩亚洲综合一区二区三区_| 日本一二三区视频观看| 亚洲国产中文字幕在线视频| 天天一区二区日本电影三级| 欧美乱码精品一区二区三区| 久久天堂一区二区三区四区| 久久久国产精品麻豆| 久久精品国产亚洲av高清一级| 夜夜爽天天搞| 国产精品亚洲av一区麻豆| 精品国产亚洲在线| 国产主播在线观看一区二区| 国产黄色小视频在线观看| 久久久国产成人免费| 久久人妻av系列| 亚洲欧美精品综合一区二区三区| 巨乳人妻的诱惑在线观看| 亚洲国产欧洲综合997久久,| 一个人观看的视频www高清免费观看 | av免费在线观看网站| 亚洲国产精品999在线| 黄色视频不卡| av超薄肉色丝袜交足视频| 99热6这里只有精品| 欧美久久黑人一区二区| 国产精品久久久久久久电影 | 99久久99久久久精品蜜桃| 12—13女人毛片做爰片一| 草草在线视频免费看| 天天添夜夜摸| 欧美色视频一区免费| 国产成人av教育| 国产精品电影一区二区三区| 国产精品久久久久久久电影 | 老司机在亚洲福利影院| 久久久久亚洲av毛片大全| 波多野结衣高清作品| 亚洲色图 男人天堂 中文字幕| 久久午夜综合久久蜜桃| 韩国av一区二区三区四区| 国产三级中文精品| 亚洲精品粉嫩美女一区| 久久精品91无色码中文字幕| 可以免费在线观看a视频的电影网站| 高潮久久久久久久久久久不卡| 不卡一级毛片| 五月玫瑰六月丁香| 在线观看日韩欧美| 岛国在线观看网站| 国产精品久久久av美女十八| 色综合站精品国产| 黄色a级毛片大全视频| 亚洲精品久久成人aⅴ小说| 性欧美人与动物交配| 又粗又爽又猛毛片免费看| 99国产精品一区二区蜜桃av| 国产亚洲精品av在线| 亚洲熟妇中文字幕五十中出| 亚洲男人的天堂狠狠| av天堂在线播放| 午夜福利视频1000在线观看| 国产aⅴ精品一区二区三区波| av国产免费在线观看| 久久精品国产亚洲av高清一级| 97超级碰碰碰精品色视频在线观看| 我的老师免费观看完整版| av有码第一页| 日韩有码中文字幕| 国产精品电影一区二区三区| 欧美+亚洲+日韩+国产| 他把我摸到了高潮在线观看| 国产精品美女特级片免费视频播放器 | 国内精品久久久久精免费| 亚洲va日本ⅴa欧美va伊人久久| 在线观看免费视频日本深夜| 91字幕亚洲| 久久久久久国产a免费观看| 啪啪无遮挡十八禁网站| 午夜精品在线福利| 久久 成人 亚洲| 麻豆久久精品国产亚洲av| 草草在线视频免费看| 久久久久九九精品影院| 九九热线精品视视频播放| 无人区码免费观看不卡| 久久人妻av系列| 亚洲电影在线观看av| 国产成人系列免费观看| 日本免费a在线| 婷婷丁香在线五月| 午夜激情av网站| 国产高清激情床上av| 老鸭窝网址在线观看| 美女扒开内裤让男人捅视频| 亚洲精品在线美女| 亚洲狠狠婷婷综合久久图片| 国产欧美日韩一区二区精品| 国产激情偷乱视频一区二区| 国产精品久久久久久亚洲av鲁大| 丰满的人妻完整版| 国产区一区二久久| 精品第一国产精品| 久久久久久免费高清国产稀缺| 久久久国产精品麻豆| 特大巨黑吊av在线直播| 黑人操中国人逼视频| 色噜噜av男人的天堂激情| www.www免费av| 精品久久久久久久久久久久久| 亚洲中文字幕日韩| 亚洲精品粉嫩美女一区| 人成视频在线观看免费观看| 50天的宝宝边吃奶边哭怎么回事| 人妻夜夜爽99麻豆av| 亚洲美女视频黄频| 制服诱惑二区| 最近最新中文字幕大全电影3| 女同久久另类99精品国产91| 麻豆国产97在线/欧美 | 小说图片视频综合网站| 久久精品国产亚洲av香蕉五月| a级毛片在线看网站| 手机成人av网站| 99热只有精品国产| 黑人欧美特级aaaaaa片| avwww免费| 午夜福利成人在线免费观看| 亚洲国产精品sss在线观看| 久久久久久亚洲精品国产蜜桃av| 亚洲精品一区av在线观看| 久久这里只有精品19| 2021天堂中文幕一二区在线观| 欧美色欧美亚洲另类二区| 无遮挡黄片免费观看| xxxwww97欧美| 村上凉子中文字幕在线| 国产日本99.免费观看| 欧美一区二区精品小视频在线| 久99久视频精品免费| 男人舔奶头视频| 夜夜夜夜夜久久久久| 村上凉子中文字幕在线| 国产精品亚洲av一区麻豆| 亚洲成人中文字幕在线播放| 精品久久久久久成人av| 国产精品香港三级国产av潘金莲| 亚洲国产中文字幕在线视频| 婷婷六月久久综合丁香| 欧洲精品卡2卡3卡4卡5卡区| 久久天堂一区二区三区四区| 99热这里只有是精品50| 十八禁网站免费在线| 真人做人爱边吃奶动态| av在线天堂中文字幕| 日韩国内少妇激情av| 亚洲av第一区精品v没综合| 色老头精品视频在线观看| 色精品久久人妻99蜜桃| 女同久久另类99精品国产91| 成人手机av| 黑人巨大精品欧美一区二区mp4| 午夜福利视频1000在线观看| 成人av一区二区三区在线看| 免费在线观看成人毛片| 欧美绝顶高潮抽搐喷水| 岛国在线免费视频观看| 亚洲欧美精品综合一区二区三区| 国产成人影院久久av| 久久精品91蜜桃| 可以在线观看的亚洲视频| 欧美日本亚洲视频在线播放| 特大巨黑吊av在线直播| 婷婷六月久久综合丁香| 国产又黄又爽又无遮挡在线|