• <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 ?

    基于孿生網(wǎng)絡(luò)的行星齒輪箱故障診斷方法

    2022-08-18 08:12:08錢心筠王友仁趙亞磊
    機(jī)械制造與自動(dòng)化 2022年4期
    關(guān)鍵詞:齒輪箱行星故障診斷

    錢心筠,王友仁,趙亞磊

    (南京航空航天大學(xué) 自動(dòng)化學(xué)院,江蘇 南京 211106)

    0 引言

    行星齒輪箱作為一種傳動(dòng)效率高、承載能力強(qiáng)的機(jī)械裝置,被廣泛用于新能源發(fā)電、軍事、航空航天等涉及國(guó)計(jì)民生的領(lǐng)域。由于行星齒輪箱長(zhǎng)期工作在變轉(zhuǎn)速重載的惡劣環(huán)境下,太陽(yáng)輪、行星輪等關(guān)鍵部件極易發(fā)生故障,易引發(fā)傳動(dòng)系統(tǒng)的失效。由于行星齒輪箱本身受到一定維護(hù)加之部分故障發(fā)展較慢,因而無法收集到足夠的故障樣本用于故障診斷[1]。

    隨著機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)理論的發(fā)展,在訓(xùn)練樣本有限的情況下行星齒輪箱的故障診斷已成為當(dāng)前的研究熱點(diǎn)。針對(duì)這類問題,在小樣本學(xué)習(xí)領(lǐng)域一般可從數(shù)據(jù)、算法等角度進(jìn)行處理,目前,算法層面上主要是通過提取故障敏感特征,并對(duì)故障分類上選用支持向量機(jī)(support vector machine, SVM)這類有小樣本分類能力算法進(jìn)行改進(jìn)來解決此類問題,這類方法所提取特征質(zhì)量密切相關(guān),需要大量專家知識(shí)[2]。因而,最為常用的方法仍然是在數(shù)據(jù)層面對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行增強(qiáng),效果比較好的是通過生成對(duì)抗網(wǎng)絡(luò)(generative adversarial nets,GAN)實(shí)現(xiàn)樣本擴(kuò)充。文獻(xiàn)[3]將堆棧自動(dòng)編碼器作為GAN的判別器,生成了與原始分布相似的樣本,實(shí)現(xiàn)了在故障樣本量較小情況下的故障診斷。文獻(xiàn)[4]通過有限元仿真生成的軸承仿真樣本來彌補(bǔ)故障樣本缺失的不足,將仿真樣本和真實(shí)樣本送入GAN實(shí)現(xiàn)樣本擴(kuò)充。文獻(xiàn)[5]利用條件變分自動(dòng)編碼器獲取了原始故障樣本分布,通過生成器為解碼網(wǎng)絡(luò)生成大量故障樣本,實(shí)現(xiàn)了行星齒輪箱故障的有效診斷。然而這類基于GAN的樣本增強(qiáng)方法往往只學(xué)習(xí)到了對(duì)象在分布上的特點(diǎn),當(dāng)面對(duì)某些類別的樣本量極少時(shí),所訓(xùn)練出的模型并不能達(dá)到令人滿意的效果[6]。

    BROMLEY J等提出的孿生網(wǎng)絡(luò)(siamese networks)[7]目前已廣泛應(yīng)用于人像識(shí)別、指紋識(shí)別、目標(biāo)追蹤等模式識(shí)別領(lǐng)域。孿生網(wǎng)絡(luò)通過兩個(gè)結(jié)構(gòu)相同的網(wǎng)絡(luò)對(duì)特征進(jìn)行提取,而后基于距離度量給出分類準(zhǔn)則。該網(wǎng)絡(luò)通過訓(xùn)練集樣本組成樣本對(duì)的方式,增加了對(duì)單個(gè)樣本的利用次數(shù),實(shí)現(xiàn)了在有限的訓(xùn)練樣本中獲取到多類別樣本間的共同特征,為在樣本量有限情況下的故障診斷提供了一種新的思路。

    本文選用一種基于孿生卷積神經(jīng)網(wǎng)絡(luò)(Siamese convolution neural networks, Siamese-CNN)的行星齒輪箱故障診斷方法,以應(yīng)對(duì)故障訓(xùn)練樣本有限的問題。該方法利用CNN自動(dòng)提取行星齒輪箱振動(dòng)信號(hào)特征,將特征輸入至孿生網(wǎng)絡(luò)架構(gòu),基于樣本間的距離度量來優(yōu)化網(wǎng)絡(luò)參數(shù)。測(cè)試階段通過將測(cè)試樣本和訓(xùn)練集中部分樣本組成樣本對(duì)輸入至Siamese-CNN網(wǎng)絡(luò)中進(jìn)行故障診斷,最后以行星齒輪箱實(shí)驗(yàn)平臺(tái)的數(shù)據(jù)為例驗(yàn)證了該方法的有效性。

    1 孿生卷積神經(jīng)網(wǎng)絡(luò)理論

    1.1 孿生網(wǎng)絡(luò)概述

    孿生網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖1所示,網(wǎng)絡(luò)1和網(wǎng)絡(luò)2是兩個(gè)相同的神經(jīng)網(wǎng)絡(luò),用于將輸入樣本對(duì)映射到同一個(gè)高維空間,通過特征向量距離的相似度量,輸出一個(gè)在[0,1]之間的數(shù)作為該樣本對(duì)樣本間的相似度。通過這種基于距離度量學(xué)習(xí)的方式,可以極大地減少網(wǎng)絡(luò)參數(shù)的訓(xùn)練負(fù)擔(dān)。對(duì)于一個(gè)樣本量M的訓(xùn)練集而言,可以組成M(M-1)/2個(gè)不同的訓(xùn)練樣本對(duì),這樣增加了樣本的利用率,又借此減少對(duì)訓(xùn)練樣本量的依賴。在測(cè)試時(shí),一條網(wǎng)絡(luò)的輸入是訓(xùn)練集的樣本,用于提供先驗(yàn)知識(shí);另一條支路則是測(cè)試集樣本。通過訓(xùn)練好的網(wǎng)絡(luò)獲取樣本間的相似度,確定測(cè)試樣本狀態(tài)。

    圖1 孿生網(wǎng)絡(luò)基本結(jié)構(gòu)

    1.2 孿生網(wǎng)絡(luò)訓(xùn)練與測(cè)試策略

    圖2(a)所示為孿生網(wǎng)絡(luò)訓(xùn)練過程,輸入網(wǎng)絡(luò)的是一對(duì)對(duì)相同或者不同類別的樣本數(shù)據(jù),輸出則是經(jīng)相似度量后這個(gè)樣本對(duì)樣本間相似的概率,通過得到的相似概率與實(shí)際的差距來調(diào)整模型參數(shù)。

    測(cè)試策略上借鑒元學(xué)習(xí)理論[8],從訓(xùn)練集中選取每類N個(gè)樣本作為支持集,如圖2(c)所示,采用N-shotK-way測(cè)試準(zhǔn)則,確定測(cè)試樣本的分類。

    圖2 孿生網(wǎng)絡(luò)訓(xùn)練與測(cè)試策略

    S={(x1,y1),…,(xk,yk)}

    (1)

    (2)

    對(duì)于N-shotK-way測(cè)試過程,則是進(jìn)行了N次one-shotK-way的測(cè)試過程,支持集Sn是N個(gè)形如式(1)的集合組成。將每一類別所得到的N個(gè)相似度求和,選取各個(gè)類別求和所得的最大值作為當(dāng)前測(cè)試樣本的最終類別,其表示式如(3)所示。

    (3)

    1.3 孿生卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練機(jī)制

    1) 相似度量

    孿生卷積神經(jīng)網(wǎng)絡(luò)是指圖1中的網(wǎng)絡(luò)1、網(wǎng)絡(luò)2均為卷積神經(jīng)網(wǎng)絡(luò),在這里選用包含5個(gè)卷積層、5個(gè)最大值池化交替組成的卷積網(wǎng)絡(luò)結(jié)構(gòu)。該網(wǎng)絡(luò)使用L1距離度量CNN網(wǎng)絡(luò),其表達(dá)式如(4)所示。

    (4)

    式中f(·)是所使用的卷積神經(jīng)網(wǎng)絡(luò)。最后,如式(5)所示,通過全連接操作生成最終的相似度,

    P(x1,x2)=sigm{FC[df(x1,x2)]}

    (5)

    式中FC為全連接層,這里采用Dropout進(jìn)行全連接降維,增強(qiáng)了模型泛化性;sigm是sigmoid激活函數(shù),用于生成兩個(gè)向量之間的最終相似度。當(dāng)值越接近則代表兩者越相似。

    2) 損失函數(shù)

    采用交叉熵?fù)p失函數(shù),對(duì)于一個(gè)訓(xùn)練樣本對(duì)而言,令t表示兩個(gè)樣本是否屬于同一類。當(dāng)t=1表示輸入樣本對(duì)的兩個(gè)樣本屬于同類,t=0代表兩個(gè)樣本不屬于同一類,同時(shí)引入帶自適應(yīng)系數(shù)λ的L2權(quán)重衰減系數(shù)項(xiàng)λ|W|2來防止模型過擬合,得到如式(6)所示的誤差控制函數(shù)。

    L(x1,x2,t)=tlog(P(x1,x2))+

    (1-t)log(1-P(x1,x2))+λ|W|2

    (6)

    3) 優(yōu)化

    孿生網(wǎng)絡(luò)使用mini-batch與Adam相結(jié)合的優(yōu)化訓(xùn)練機(jī)制,計(jì)算每個(gè)參數(shù)單獨(dú)的自適應(yīng)學(xué)習(xí)率,網(wǎng)絡(luò)參數(shù)更新遵循以下規(guī)則:

    (7)

    式中:w(T)是在第T個(gè)epoch的參數(shù);L(T)是如式(6)所示的損失函數(shù);ρ1、ρ2分別是Adam優(yōu)化算法的一階矩、二階矩遺忘因子;s和v代表移動(dòng)平均線。

    4) 訓(xùn)練

    2 行星齒輪箱故障診斷算法

    本文采用一種基于孿生卷積神經(jīng)網(wǎng)絡(luò)的行星齒輪箱故障診斷方法,該方法通過卷積神經(jīng)網(wǎng)絡(luò)提取行星齒輪箱多方向振動(dòng)信號(hào)特征,利用孿生網(wǎng)絡(luò)的度量學(xué)習(xí)能力,實(shí)現(xiàn)了在故障訓(xùn)練樣本有限的情況下的故障特征分類。

    基于Siamese-CNN的故障診斷算法流程如圖3所示,具體實(shí)施步驟如下:

    圖3 行星齒輪箱故障診斷流程圖

    1)獲取行星齒輪箱多方向的振動(dòng)信號(hào),劃分訓(xùn)練集和測(cè)試集,并將訓(xùn)練集兩兩一組形成樣本對(duì),輸入Siamese-CNN網(wǎng)絡(luò)中。

    2)訓(xùn)練Siamese-CNN。首先通過卷積神經(jīng)網(wǎng)絡(luò)提取樣本對(duì)的故障特征,經(jīng)歷L1距離度量、全連接生成相似度,根據(jù)全連接生成的相似度、樣本對(duì)實(shí)際情況構(gòu)建的誤差損失函數(shù)反向優(yōu)化CNN模型參數(shù)。反復(fù)訓(xùn)練直至完成所設(shè)定的迭代次數(shù)。

    3)將測(cè)試樣本與支持集樣本形成的樣本對(duì),輸入訓(xùn)練好的Siamese-CNN中進(jìn)行行星齒輪箱故障診斷,分析診斷結(jié)果。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 行星齒輪箱故障診斷實(shí)例

    1)實(shí)驗(yàn)平臺(tái)及數(shù)據(jù)簡(jiǎn)介

    采用的行星齒輪箱故障模擬實(shí)驗(yàn)平臺(tái)如圖4所示。實(shí)驗(yàn)平臺(tái)主要由變速驅(qū)動(dòng)電機(jī)、平行齒輪箱、行星齒輪箱與磁粉制動(dòng)器組成。在本實(shí)驗(yàn)中分別在行星輪和太陽(yáng)輪上設(shè)置了裂紋、磨損、斷齒這3類故障,6種故障模式。實(shí)驗(yàn)采集了共121種工況下的數(shù)據(jù):11種轉(zhuǎn)速600~1 500r/min,11種負(fù)載0~22.5N·m。振動(dòng)加速度采樣率為20 480Hz,采樣時(shí)間為51.2s。

    圖4 行星齒輪箱實(shí)驗(yàn)平臺(tái)

    2)樣本數(shù)據(jù)集

    實(shí)驗(yàn)選取工況為900r/min、0N·m;1 050r/min、9N·m,1 200r/min、13.5N·m這3種工況下的三通道時(shí)域數(shù)據(jù),將3路信號(hào)作為整體,選取每種工況下6s數(shù)據(jù),前3s用于訓(xùn)練,剩余用于測(cè)試。其中,在訓(xùn)練樣本的構(gòu)建上使用時(shí)域信號(hào)滑窗的方式劃分樣本,步長(zhǎng)為80,滑窗長(zhǎng)度為2 048,以減少因信號(hào)截?cái)鄬?duì)診斷造成的影響。在測(cè)試樣本的構(gòu)建上,則以2 048為長(zhǎng)度截取測(cè)試樣本。最終獲取到每種模式2 100個(gè)訓(xùn)練集樣本、90個(gè)測(cè)試樣本,具體信息如表1所示。

    實(shí)驗(yàn)中,分別從表1所示的樣本集中隨機(jī)抽取每種模式9、12、20、30、40、70、150個(gè)樣本組成訓(xùn)練集,用于模擬故障訓(xùn)練樣本量不足的情況,測(cè)試集則總樣本量為630。

    3.2 故障診斷結(jié)果分析

    本文所使用算法均在Python環(huán)境下使用Google研發(fā)的Tensorflow框架實(shí)現(xiàn),神經(jīng)網(wǎng)絡(luò)通過keras搭建,程序在搭載有Intel Core i5-8500處理器16G內(nèi)存的計(jì)算機(jī)上運(yùn)行,操作系統(tǒng)為Windows 10。

    本實(shí)驗(yàn)將SVM、分類器為Softmax的CNN與Siamese-CNN方法進(jìn)行比較。其中,SVM方法在核函數(shù)上采取高斯核函數(shù),分別輸入與上文所述樣本集(SVM1)以及該樣本集經(jīng)人工提取特征后所得樣本(SVM2)。CNN方法的特征提取架構(gòu)與Siamese-CNN相同,兩種深度學(xué)習(xí)架構(gòu)學(xué)習(xí)率設(shè)置為0.001,優(yōu)化方法采用Adam算法。每種模型訓(xùn)練5次,取其平均值作為診斷準(zhǔn)確率(圖5)。

    圖5 不同診斷模型在不同訓(xùn)練樣本量下比較

    由圖5可知,任何一種方法的故障診斷準(zhǔn)確率都隨樣本量的增大而增大。然而,SVM這類傳統(tǒng)方法在樣本量較小的情況下表現(xiàn)不佳。當(dāng)訓(xùn)練集樣本總量為63時(shí),使用兩種類型數(shù)據(jù)訓(xùn)練的SVM方法僅能達(dá)到不足30%的故障診斷準(zhǔn)確率,遠(yuǎn)小于深度學(xué)習(xí)方法。直接使用所截取的原始時(shí)域數(shù)據(jù)訓(xùn)練的SVM所得模型較經(jīng)特征提取后所得模型而言,故障準(zhǔn)確率隨樣本增加上升緩慢。

    相比而言,基于CNN的診斷方法有著較高的診斷準(zhǔn)確率。為了更好理解基于孿生網(wǎng)絡(luò)的故障診斷方法在樣本量有限的情況下的效果,繪制出在訓(xùn)練集總樣本量為140情況下的CNN、Siamese-CNN中one-shot測(cè)試方法提取的特征TSNE可視化散點(diǎn)圖以及網(wǎng)絡(luò)分類結(jié)果(圖6、圖7)。從圖6中可以看到,相比傳統(tǒng)CNN方法,Siamese-CNN所提取的特征更加充分,尤其在行星輪斷齒與太陽(yáng)輪磨損間的故障特征上更加明顯。從圖7分類結(jié)果上看,使用Siamese-CNN方法在行星輪斷齒、太陽(yáng)輪磨損故障相比傳統(tǒng)CNN方法更容易診斷,分類精度明顯高于CNN方法。

    圖6 故障特征可視化

    圖7 分類結(jié)果混淆矩陣

    根據(jù)上述分析可知,孿生卷積神經(jīng)網(wǎng)絡(luò)能在一定程度上減輕對(duì)樣本的依賴,在樣本量有限的情況下取得較高的診斷準(zhǔn)確率以及分類精度。

    4 結(jié)語(yǔ)

    本文采用了一種基于孿生卷積神經(jīng)網(wǎng)絡(luò)的故障診斷方法,通過實(shí)驗(yàn)得出以下結(jié)論:

    1)基于孿生卷積神經(jīng)網(wǎng)絡(luò)的故障診斷方法通過CNN自動(dòng)提取敏感故障特征,而后基于度量學(xué)習(xí)方法確定樣本分類,在一定程度上減少了對(duì)樣本的依賴。

    2)基于孿生卷積神經(jīng)網(wǎng)絡(luò)的故障診斷方法,故障診斷準(zhǔn)確率明顯優(yōu)于SVM這類傳統(tǒng)解決方法。

    3)相比傳統(tǒng)CNN方法,基于孿生卷積神經(jīng)網(wǎng)絡(luò)區(qū)分度好,在每一種模式上的分類精度都更高。

    猜你喜歡
    齒輪箱行星故障診斷
    風(fēng)電齒輪箱軸承用鋼100CrMnSi6-4的開發(fā)
    山東冶金(2022年3期)2022-07-19 03:24:36
    流浪行星
    追光者——行星
    行星呼救
    讀者(2018年20期)2018-09-27 02:44:48
    提高齒輪箱式換檔機(jī)構(gòu)可靠性的改進(jìn)設(shè)計(jì)
    行星
    杭州前進(jìn)齒輪箱集團(tuán)股份有限公司
    風(fēng)能(2016年12期)2016-02-25 08:45:56
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    基于遺傳退火優(yōu)化MSVM的齒輪箱故障診斷
    热99在线观看视频| 一级毛片电影观看 | .国产精品久久| 久久久午夜欧美精品| 亚洲精品色激情综合| 少妇猛男粗大的猛烈进出视频 | 亚洲欧美成人精品一区二区| 免费在线观看影片大全网站| 国产欧美日韩精品亚洲av| 在线观看午夜福利视频| 亚洲欧美精品综合久久99| 国产亚洲精品综合一区在线观看| 我的老师免费观看完整版| 色吧在线观看| 久久天躁狠狠躁夜夜2o2o| 国产v大片淫在线免费观看| 91在线观看av| 2021天堂中文幕一二区在线观| 麻豆国产97在线/欧美| 99久久精品国产国产毛片| 亚洲国产精品久久男人天堂| 变态另类成人亚洲欧美熟女| 日日撸夜夜添| 最后的刺客免费高清国语| 日本在线视频免费播放| 在线观看免费视频日本深夜| 久久中文看片网| 亚洲五月天丁香| 一级av片app| 91狼人影院| 久久欧美精品欧美久久欧美| 狂野欧美激情性xxxx在线观看| av女优亚洲男人天堂| 男女那种视频在线观看| 精品熟女少妇av免费看| 亚洲av美国av| 国产精品一区www在线观看| 黄色欧美视频在线观看| 国产极品精品免费视频能看的| 国产成人91sexporn| 天天躁日日操中文字幕| 观看免费一级毛片| 国产女主播在线喷水免费视频网站 | 在线免费观看的www视频| 成人无遮挡网站| 亚洲美女搞黄在线观看 | 99久久精品国产国产毛片| 久久久a久久爽久久v久久| 国产高清不卡午夜福利| 黑人高潮一二区| 久久国内精品自在自线图片| 中文字幕久久专区| 又粗又爽又猛毛片免费看| 国产一区二区激情短视频| 最近在线观看免费完整版| 亚洲在线观看片| 全区人妻精品视频| 国产高清视频在线观看网站| 日韩av不卡免费在线播放| 长腿黑丝高跟| 一级毛片我不卡| 午夜久久久久精精品| 全区人妻精品视频| 久久精品综合一区二区三区| 麻豆av噜噜一区二区三区| 亚洲精华国产精华液的使用体验 | 我要看日韩黄色一级片| 色视频www国产| 久久亚洲国产成人精品v| 2021天堂中文幕一二区在线观| 亚洲内射少妇av| 99久国产av精品国产电影| av黄色大香蕉| av天堂中文字幕网| 我的女老师完整版在线观看| 午夜免费激情av| 国产久久久一区二区三区| 黄色配什么色好看| 搡老岳熟女国产| 中文字幕熟女人妻在线| 亚洲欧美中文字幕日韩二区| 日日摸夜夜添夜夜添小说| 精品一区二区三区视频在线观看免费| 亚洲自偷自拍三级| 可以在线观看的亚洲视频| 免费观看精品视频网站| 久久精品人妻少妇| 最近视频中文字幕2019在线8| 日韩 亚洲 欧美在线| 国产精品电影一区二区三区| 国内精品美女久久久久久| 国产精品免费一区二区三区在线| 男人和女人高潮做爰伦理| av在线老鸭窝| 国产高潮美女av| 免费高清视频大片| 中文字幕精品亚洲无线码一区| 看黄色毛片网站| 亚洲精品一区av在线观看| 超碰av人人做人人爽久久| 免费看日本二区| 亚洲色图av天堂| 精品一区二区免费观看| 成人性生交大片免费视频hd| 精品少妇黑人巨大在线播放 | 免费看a级黄色片| 在线观看美女被高潮喷水网站| 欧美3d第一页| 欧美日韩综合久久久久久| 九九久久精品国产亚洲av麻豆| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲久久久久久中文字幕| 亚洲色图av天堂| 免费av毛片视频| 日本欧美国产在线视频| 日韩在线高清观看一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 国产精品久久视频播放| 亚洲三级黄色毛片| 国产精品久久久久久亚洲av鲁大| 亚洲七黄色美女视频| 日本在线视频免费播放| 又粗又爽又猛毛片免费看| 美女xxoo啪啪120秒动态图| 国产亚洲欧美98| 久久久久国产精品人妻aⅴ院| www.色视频.com| 一本一本综合久久| 搞女人的毛片| 亚州av有码| 熟女人妻精品中文字幕| 熟妇人妻久久中文字幕3abv| 精品国产三级普通话版| 国产美女午夜福利| 网址你懂的国产日韩在线| 日韩欧美三级三区| 国产视频内射| 在线天堂最新版资源| 麻豆国产97在线/欧美| 日本黄色片子视频| 欧美日韩一区二区视频在线观看视频在线 | 日韩中字成人| 亚洲高清免费不卡视频| 亚洲中文日韩欧美视频| 一进一出好大好爽视频| 麻豆成人午夜福利视频| 国产激情偷乱视频一区二区| 亚洲电影在线观看av| 直男gayav资源| 中国美白少妇内射xxxbb| 97碰自拍视频| 国产精品精品国产色婷婷| 在线免费观看不下载黄p国产| 亚洲在线观看片| 成年版毛片免费区| 日韩欧美精品v在线| 中文字幕熟女人妻在线| 日本撒尿小便嘘嘘汇集6| 搞女人的毛片| 九九久久精品国产亚洲av麻豆| 日韩成人av中文字幕在线观看 | 成年版毛片免费区| 久久久午夜欧美精品| 99热只有精品国产| 亚洲人与动物交配视频| 免费看光身美女| 免费不卡的大黄色大毛片视频在线观看 | 国产单亲对白刺激| 伦理电影大哥的女人| 日韩欧美三级三区| 亚洲精品456在线播放app| 国产精品亚洲一级av第二区| 一级毛片久久久久久久久女| 成人综合一区亚洲| 国产一区二区三区av在线 | 亚洲人成网站高清观看| 18禁黄网站禁片免费观看直播| 最后的刺客免费高清国语| 精品久久久久久久人妻蜜臀av| 亚洲精品成人久久久久久| 99久久精品国产国产毛片| 欧美日本视频| 97超视频在线观看视频| 精品日产1卡2卡| 精品一区二区三区视频在线观看免费| 91在线观看av| 免费不卡的大黄色大毛片视频在线观看 | 高清午夜精品一区二区三区 | 日本撒尿小便嘘嘘汇集6| 亚洲经典国产精华液单| 国产精品三级大全| 又爽又黄a免费视频| 日本免费一区二区三区高清不卡| 在线观看午夜福利视频| 国产成人freesex在线 | 99久久九九国产精品国产免费| 亚洲综合色惰| 91精品国产九色| 日本黄色视频三级网站网址| 69av精品久久久久久| 精品久久久噜噜| 国产精品福利在线免费观看| 亚洲欧美日韩高清专用| 亚洲经典国产精华液单| 久久久久久久午夜电影| 精品久久久久久久久久久久久| 欧美+亚洲+日韩+国产| 性插视频无遮挡在线免费观看| 可以在线观看毛片的网站| 美女大奶头视频| 一本一本综合久久| av天堂中文字幕网| 中文字幕熟女人妻在线| 联通29元200g的流量卡| 色噜噜av男人的天堂激情| 午夜爱爱视频在线播放| 亚洲国产高清在线一区二区三| 亚洲av一区综合| 又黄又爽又刺激的免费视频.| 国产精品福利在线免费观看| 久久久国产成人免费| 黄色一级大片看看| 床上黄色一级片| 午夜福利成人在线免费观看| 日韩精品青青久久久久久| 亚洲精品影视一区二区三区av| 欧美潮喷喷水| 搡女人真爽免费视频火全软件 | 亚洲av二区三区四区| 久久久久久久午夜电影| 国产在线精品亚洲第一网站| 在线观看一区二区三区| 97超级碰碰碰精品色视频在线观看| 插逼视频在线观看| 免费人成视频x8x8入口观看| av在线亚洲专区| 亚洲国产欧洲综合997久久,| 级片在线观看| 看非洲黑人一级黄片| 熟女人妻精品中文字幕| 日本黄大片高清| 99国产精品一区二区蜜桃av| 欧美高清成人免费视频www| 久久精品国产清高在天天线| 内地一区二区视频在线| 成人av一区二区三区在线看| 亚洲av成人av| 日韩欧美免费精品| 99热网站在线观看| 日本a在线网址| 女人被狂操c到高潮| 国产午夜精品论理片| 久久精品国产自在天天线| 欧美成人a在线观看| 中文在线观看免费www的网站| 99久久久亚洲精品蜜臀av| 色哟哟·www| 中文字幕精品亚洲无线码一区| 久久久久免费精品人妻一区二区| 日本色播在线视频| 国产精品久久久久久av不卡| 乱码一卡2卡4卡精品| 日韩欧美 国产精品| 亚洲精品国产成人久久av| 啦啦啦啦在线视频资源| 国产毛片a区久久久久| or卡值多少钱| av专区在线播放| 国产蜜桃级精品一区二区三区| 亚洲成a人片在线一区二区| 精品熟女少妇av免费看| 日韩高清综合在线| 亚洲av二区三区四区| 日韩欧美免费精品| 亚洲欧美成人精品一区二区| 亚洲精品国产成人久久av| 国产成人a区在线观看| 搡女人真爽免费视频火全软件 | 大香蕉久久网| 激情 狠狠 欧美| 成人美女网站在线观看视频| 免费不卡的大黄色大毛片视频在线观看 | 91久久精品电影网| 午夜精品在线福利| 熟女电影av网| 一级毛片我不卡| 少妇熟女aⅴ在线视频| 亚洲无线在线观看| 成人欧美大片| 国产欧美日韩精品亚洲av| 级片在线观看| 91麻豆精品激情在线观看国产| 晚上一个人看的免费电影| 久久欧美精品欧美久久欧美| 51国产日韩欧美| 亚洲第一区二区三区不卡| 亚洲aⅴ乱码一区二区在线播放| 日韩欧美在线乱码| 亚洲无线在线观看| 中文字幕av在线有码专区| 五月玫瑰六月丁香| 真实男女啪啪啪动态图| 久久久久久久久大av| 欧美成人精品欧美一级黄| 欧美+亚洲+日韩+国产| 日韩亚洲欧美综合| av.在线天堂| 一个人观看的视频www高清免费观看| 久久亚洲国产成人精品v| 成年女人永久免费观看视频| 天堂av国产一区二区熟女人妻| 日韩三级伦理在线观看| 男女那种视频在线观看| 久久久久久久久久黄片| 99热这里只有是精品50| 国产精品一区二区三区四区久久| 午夜精品一区二区三区免费看| 日日撸夜夜添| 国产又黄又爽又无遮挡在线| 免费电影在线观看免费观看| 尤物成人国产欧美一区二区三区| 久久99热这里只有精品18| 国产精品久久久久久久久免| 五月伊人婷婷丁香| 欧美另类亚洲清纯唯美| 色噜噜av男人的天堂激情| 男人狂女人下面高潮的视频| 美女免费视频网站| 欧美中文日本在线观看视频| 亚洲欧美日韩无卡精品| 男人狂女人下面高潮的视频| 97人妻精品一区二区三区麻豆| 久久99热6这里只有精品| 97碰自拍视频| 亚洲人与动物交配视频| 午夜福利在线在线| 色视频www国产| av中文乱码字幕在线| 少妇人妻精品综合一区二区 | 日韩精品有码人妻一区| 极品教师在线视频| 欧美日韩精品成人综合77777| 国产亚洲欧美98| 亚洲真实伦在线观看| 午夜激情福利司机影院| 99国产极品粉嫩在线观看| 国产麻豆成人av免费视频| 天天躁日日操中文字幕| 亚洲经典国产精华液单| 日韩高清综合在线| 亚洲欧美精品自产自拍| 18禁裸乳无遮挡免费网站照片| av天堂中文字幕网| 国产成人影院久久av| 欧美区成人在线视频| 国产精品久久久久久av不卡| 女同久久另类99精品国产91| 18禁裸乳无遮挡免费网站照片| 三级男女做爰猛烈吃奶摸视频| 亚洲精品影视一区二区三区av| 精品福利观看| 亚洲高清免费不卡视频| 你懂的网址亚洲精品在线观看 | 欧美日韩乱码在线| 又黄又爽又免费观看的视频| 免费人成视频x8x8入口观看| 亚洲成人av在线免费| 国模一区二区三区四区视频| 久久精品91蜜桃| 99久久精品国产国产毛片| 欧美三级亚洲精品| 国产精品一区www在线观看| 日本免费一区二区三区高清不卡| 免费在线观看成人毛片| 亚洲精品亚洲一区二区| 干丝袜人妻中文字幕| 午夜影院日韩av| 又爽又黄无遮挡网站| 美女大奶头视频| 特大巨黑吊av在线直播| 久久婷婷人人爽人人干人人爱| 精品99又大又爽又粗少妇毛片| 久久精品国产自在天天线| 欧美另类亚洲清纯唯美| 亚洲av.av天堂| 尤物成人国产欧美一区二区三区| 黑人高潮一二区| 中文字幕久久专区| 露出奶头的视频| 国产亚洲精品综合一区在线观看| 校园人妻丝袜中文字幕| 国产毛片a区久久久久| 色播亚洲综合网| 波野结衣二区三区在线| 亚洲精品国产av成人精品 | 久久久久性生活片| 搡老岳熟女国产| 校园春色视频在线观看| 国产私拍福利视频在线观看| 联通29元200g的流量卡| 久久久精品欧美日韩精品| 国产精品亚洲美女久久久| 免费观看人在逋| 不卡视频在线观看欧美| 免费人成视频x8x8入口观看| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区精品| 午夜福利在线在线| 亚洲av不卡在线观看| 搡女人真爽免费视频火全软件 | avwww免费| 国产av一区在线观看免费| 我的女老师完整版在线观看| 欧美潮喷喷水| 免费大片18禁| .国产精品久久| 亚洲欧美清纯卡通| 男女啪啪激烈高潮av片| 最新在线观看一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 精品久久久久久久久久久久久| 亚洲av美国av| 在线国产一区二区在线| 两个人视频免费观看高清| 一个人看视频在线观看www免费| 色综合站精品国产| 欧美一级a爱片免费观看看| 成人国产麻豆网| 别揉我奶头~嗯~啊~动态视频| 不卡视频在线观看欧美| 国国产精品蜜臀av免费| 乱码一卡2卡4卡精品| 色噜噜av男人的天堂激情| 国产精品一二三区在线看| 身体一侧抽搐| 亚洲精品久久国产高清桃花| 99久久九九国产精品国产免费| 美女xxoo啪啪120秒动态图| 日韩欧美在线乱码| 变态另类丝袜制服| 尤物成人国产欧美一区二区三区| 精品久久久久久久久亚洲| 美女 人体艺术 gogo| 亚洲欧美精品自产自拍| 久久午夜福利片| 不卡视频在线观看欧美| 国产精品精品国产色婷婷| 国产av麻豆久久久久久久| 丰满人妻一区二区三区视频av| 成人亚洲精品av一区二区| av中文乱码字幕在线| 夜夜夜夜夜久久久久| 一区福利在线观看| av在线老鸭窝| 噜噜噜噜噜久久久久久91| 国产探花极品一区二区| 日韩欧美精品免费久久| 一进一出抽搐gif免费好疼| a级毛色黄片| 一区福利在线观看| 成人综合一区亚洲| 我要搜黄色片| 国产熟女欧美一区二区| 两个人的视频大全免费| 最近的中文字幕免费完整| 亚洲美女黄片视频| 蜜桃久久精品国产亚洲av| 亚洲自偷自拍三级| 亚洲无线观看免费| 亚洲婷婷狠狠爱综合网| 日本免费一区二区三区高清不卡| 成年女人毛片免费观看观看9| 香蕉av资源在线| 日韩一区二区视频免费看| 天美传媒精品一区二区| 国产精品久久久久久久电影| 免费在线观看成人毛片| 男女做爰动态图高潮gif福利片| 淫妇啪啪啪对白视频| 舔av片在线| h日本视频在线播放| 最近在线观看免费完整版| 欧美日本亚洲视频在线播放| 精品久久久久久久久久久久久| 有码 亚洲区| 国产成人freesex在线 | 日日啪夜夜撸| 亚洲图色成人| 国产黄a三级三级三级人| 亚洲,欧美,日韩| 最后的刺客免费高清国语| 男女啪啪激烈高潮av片| 国产91av在线免费观看| 亚洲熟妇熟女久久| 人妻制服诱惑在线中文字幕| 久久午夜亚洲精品久久| 2021天堂中文幕一二区在线观| 久久精品国产亚洲av天美| 少妇的逼好多水| 特级一级黄色大片| 最后的刺客免费高清国语| 亚洲精品亚洲一区二区| 亚洲精品乱码久久久v下载方式| 亚洲内射少妇av| 亚洲最大成人中文| 麻豆国产av国片精品| 成人三级黄色视频| 国产在线精品亚洲第一网站| 免费大片18禁| 成年女人看的毛片在线观看| 国产视频内射| 国产精品国产三级国产av玫瑰| 国产精品人妻久久久久久| 天天躁日日操中文字幕| 91午夜精品亚洲一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 国产成年人精品一区二区| 亚洲欧美成人精品一区二区| 亚洲精品久久国产高清桃花| 蜜臀久久99精品久久宅男| 别揉我奶头 嗯啊视频| 一级毛片电影观看 | 中文在线观看免费www的网站| 成人特级av手机在线观看| 欧美不卡视频在线免费观看| 国产淫片久久久久久久久| 国产精品无大码| 十八禁国产超污无遮挡网站| 在线观看美女被高潮喷水网站| 插逼视频在线观看| 最新在线观看一区二区三区| 99热只有精品国产| 日韩国内少妇激情av| 久久久色成人| eeuss影院久久| 国产色婷婷99| 亚洲aⅴ乱码一区二区在线播放| 成人毛片a级毛片在线播放| 亚洲av电影不卡..在线观看| 女生性感内裤真人,穿戴方法视频| 色综合色国产| 久久精品夜色国产| 亚洲综合色惰| 国产精品亚洲美女久久久| 禁无遮挡网站| 日韩欧美精品v在线| 国产成人a区在线观看| 亚洲av第一区精品v没综合| 麻豆久久精品国产亚洲av| 国产精品伦人一区二区| 国产亚洲91精品色在线| 国产精品国产高清国产av| 国产美女午夜福利| 欧美成人一区二区免费高清观看| 97碰自拍视频| 老师上课跳d突然被开到最大视频| 深爱激情五月婷婷| 亚洲中文字幕一区二区三区有码在线看| 国产69精品久久久久777片| 亚洲自偷自拍三级| 又黄又爽又免费观看的视频| 亚洲成人久久爱视频| 日韩欧美一区二区三区在线观看| 国产精品人妻久久久久久| 亚洲va在线va天堂va国产| 国产真实伦视频高清在线观看| 欧美一级a爱片免费观看看| 99国产精品一区二区蜜桃av| 久久精品人妻少妇| 午夜久久久久精精品| 欧美日韩乱码在线| 一区二区三区高清视频在线| 蜜桃久久精品国产亚洲av| 国产精品爽爽va在线观看网站| 一级黄色大片毛片| 啦啦啦啦在线视频资源| 天堂√8在线中文| 色综合色国产| 麻豆乱淫一区二区| 日本精品一区二区三区蜜桃| 少妇熟女aⅴ在线视频| 精品人妻熟女av久视频| 日韩欧美一区二区三区在线观看| 国产午夜精品论理片| 老司机影院成人| 一级a爱片免费观看的视频| 国产伦精品一区二区三区四那| 女人十人毛片免费观看3o分钟| 国产精品综合久久久久久久免费| 亚洲国产精品久久男人天堂| 俄罗斯特黄特色一大片| 我的老师免费观看完整版| 亚洲图色成人| 少妇裸体淫交视频免费看高清| 日韩欧美 国产精品| 99久久成人亚洲精品观看| 日韩成人av中文字幕在线观看 | 成人亚洲精品av一区二区| 淫秽高清视频在线观看| 精品熟女少妇av免费看| 精品99又大又爽又粗少妇毛片| 中文字幕熟女人妻在线| 国内精品美女久久久久久| 久久精品国产亚洲av天美| 在线观看美女被高潮喷水网站| 老熟妇仑乱视频hdxx| 久久久久精品国产欧美久久久| 少妇裸体淫交视频免费看高清| 22中文网久久字幕| 久久人妻av系列| 狠狠狠狠99中文字幕| 波多野结衣高清无吗| 午夜精品一区二区三区免费看| 亚洲五月天丁香| 日本色播在线视频|