• <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
    制服人妻中文乱码| 国产在视频线精品| 亚洲欧美日韩另类电影网站| 国产精品影院久久| 国产又爽黄色视频| 肉色欧美久久久久久久蜜桃| 国产精品亚洲av一区麻豆| 少妇猛男粗大的猛烈进出视频| 亚洲欧美精品综合一区二区三区| 一区福利在线观看| 男女边摸边吃奶| 成人三级做爰电影| 欧美日韩av久久| 日本91视频免费播放| 五月开心婷婷网| 亚洲人成电影观看| 国产日韩一区二区三区精品不卡| 咕卡用的链子| 亚洲欧美清纯卡通| 在线观看免费午夜福利视频| 国产熟女午夜一区二区三区| 十八禁人妻一区二区| 男人操女人黄网站| 最黄视频免费看| 亚洲欧洲日产国产| 国产日韩欧美视频二区| 他把我摸到了高潮在线观看 | 国产精品偷伦视频观看了| 亚洲国产欧美在线一区| 一本综合久久免费| 国产精品久久久av美女十八| 69av精品久久久久久 | 欧美 亚洲 国产 日韩一| 日韩欧美国产一区二区入口| 免费观看人在逋| 桃花免费在线播放| 五月天丁香电影| tube8黄色片| 精品国产一区二区三区久久久樱花| 一区二区av电影网| 亚洲专区字幕在线| 亚洲精品久久成人aⅴ小说| 满18在线观看网站| 精品一区在线观看国产| 在线观看www视频免费| 国产免费av片在线观看野外av| 欧美精品人与动牲交sv欧美| 青春草亚洲视频在线观看| 侵犯人妻中文字幕一二三四区| avwww免费| 国产成人精品无人区| 自拍欧美九色日韩亚洲蝌蚪91| 高清欧美精品videossex| 少妇精品久久久久久久| 国产成人av激情在线播放| 亚洲成人免费电影在线观看| 久久天堂一区二区三区四区| 国产亚洲精品久久久久5区| 十分钟在线观看高清视频www| 午夜福利视频精品| 少妇精品久久久久久久| 久久精品成人免费网站| 搡老乐熟女国产| 精品少妇一区二区三区视频日本电影| 宅男免费午夜| av福利片在线| 一本大道久久a久久精品| 国产精品麻豆人妻色哟哟久久| 国内毛片毛片毛片毛片毛片| 国产男女内射视频| 日韩中文字幕欧美一区二区| 国产三级黄色录像| 久久久久久亚洲精品国产蜜桃av| 曰老女人黄片| 亚洲国产精品999| 在线观看免费日韩欧美大片| 真人做人爱边吃奶动态| tube8黄色片| 国产成人精品久久二区二区91| 国产亚洲欧美精品永久| 丰满饥渴人妻一区二区三| 免费在线观看完整版高清| 国产精品成人在线| 亚洲欧美一区二区三区久久| 一区二区日韩欧美中文字幕| 美女主播在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久水蜜桃国产精品网| 久9热在线精品视频| 窝窝影院91人妻| 成年av动漫网址| 91成年电影在线观看| 老司机午夜十八禁免费视频| www日本在线高清视频| 日韩 欧美 亚洲 中文字幕| 亚洲黑人精品在线| 淫妇啪啪啪对白视频 | 这个男人来自地球电影免费观看| 亚洲精品av麻豆狂野| 久久人人97超碰香蕉20202| 久久女婷五月综合色啪小说| 美女扒开内裤让男人捅视频| 超碰97精品在线观看| 国产在线视频一区二区| 中文字幕色久视频| 欧美成人午夜精品| 十八禁网站网址无遮挡| 老司机午夜福利在线观看视频 | 久久久久久人人人人人| 国产伦人伦偷精品视频| 国产高清国产精品国产三级| 久久久久久人人人人人| cao死你这个sao货| xxxhd国产人妻xxx| 亚洲少妇的诱惑av| 久久久久国内视频| 亚洲av成人一区二区三| 啦啦啦免费观看视频1| 国产精品久久久久久人妻精品电影 | 精品国内亚洲2022精品成人 | 亚洲欧美一区二区三区久久| 日韩 欧美 亚洲 中文字幕| 1024视频免费在线观看| 久久 成人 亚洲| 免费黄频网站在线观看国产| 18在线观看网站| 色视频在线一区二区三区| 天天躁夜夜躁狠狠躁躁| av超薄肉色丝袜交足视频| 青春草亚洲视频在线观看| 少妇粗大呻吟视频| 人成视频在线观看免费观看| 亚洲精品久久午夜乱码| 国产真人三级小视频在线观看| 久久久久久久久久久久大奶| 脱女人内裤的视频| 黑人巨大精品欧美一区二区蜜桃| cao死你这个sao货| 国产免费视频播放在线视频| 精品一品国产午夜福利视频| 久久性视频一级片| 又黄又粗又硬又大视频| 亚洲久久久国产精品| 亚洲国产av影院在线观看| 久久 成人 亚洲| 热re99久久精品国产66热6| 欧美日韩中文字幕国产精品一区二区三区 | 国产欧美日韩一区二区精品| 欧美 亚洲 国产 日韩一| 在线永久观看黄色视频| 日韩制服骚丝袜av| 国产精品国产三级国产专区5o| 久久久水蜜桃国产精品网| 欧美成狂野欧美在线观看| 一级片'在线观看视频| 精品少妇久久久久久888优播| 99国产精品一区二区三区| 国产精品久久久av美女十八| 交换朋友夫妻互换小说| 夜夜夜夜夜久久久久| 法律面前人人平等表现在哪些方面 | 国产成+人综合+亚洲专区| 建设人人有责人人尽责人人享有的| 日韩欧美国产一区二区入口| 蜜桃在线观看..| 精品国产乱码久久久久久男人| 亚洲一卡2卡3卡4卡5卡精品中文| 免费久久久久久久精品成人欧美视频| 青春草亚洲视频在线观看| 五月天丁香电影| 亚洲第一av免费看| 亚洲精品日韩在线中文字幕| 一区二区三区乱码不卡18| 成年动漫av网址| 汤姆久久久久久久影院中文字幕| 国产亚洲精品一区二区www | 亚洲精品久久成人aⅴ小说| 日本av免费视频播放| 天天躁日日躁夜夜躁夜夜| 国产真人三级小视频在线观看| 不卡av一区二区三区| 日韩欧美一区视频在线观看| 久9热在线精品视频| 又黄又粗又硬又大视频| 高清视频免费观看一区二区| 18禁裸乳无遮挡动漫免费视频| 亚洲精品一卡2卡三卡4卡5卡 | 国产高清国产精品国产三级| 亚洲精品一区蜜桃| 视频在线观看一区二区三区| 啦啦啦视频在线资源免费观看| 丝袜喷水一区| 久久精品久久久久久噜噜老黄| 久久精品亚洲熟妇少妇任你| 亚洲av日韩精品久久久久久密| 桃花免费在线播放| 欧美 日韩 精品 国产| 久久精品国产亚洲av高清一级| 91大片在线观看| 老熟女久久久| 成年人黄色毛片网站| 天天躁日日躁夜夜躁夜夜| 91麻豆精品激情在线观看国产 | 国产欧美日韩一区二区三 | 超碰97精品在线观看| 亚洲性夜色夜夜综合| 欧美精品av麻豆av| 国产视频一区二区在线看| a级片在线免费高清观看视频| 精品福利永久在线观看| av网站在线播放免费| 97精品久久久久久久久久精品| videosex国产| 欧美久久黑人一区二区| 男女无遮挡免费网站观看| 99精品久久久久人妻精品| 亚洲国产精品成人久久小说| 国产免费现黄频在线看| 久久综合国产亚洲精品| 午夜福利乱码中文字幕| 一进一出抽搐动态| 国产亚洲一区二区精品| 狠狠狠狠99中文字幕| 午夜免费鲁丝| 午夜免费观看性视频| 亚洲国产av影院在线观看| 欧美成人午夜精品| 啪啪无遮挡十八禁网站| 亚洲精品国产av成人精品| 欧美黑人欧美精品刺激| 高清在线国产一区| 国产精品久久久av美女十八| 日韩制服骚丝袜av| 亚洲三区欧美一区| 久久免费观看电影| 丝袜美足系列| 一二三四社区在线视频社区8| 精品久久蜜臀av无| 老汉色∧v一级毛片| 久久精品国产亚洲av高清一级| 窝窝影院91人妻| 精品人妻在线不人妻| 国产成人一区二区三区免费视频网站| 妹子高潮喷水视频| 麻豆av在线久日| 亚洲av成人一区二区三| 国产在线免费精品| 人人妻人人添人人爽欧美一区卜| 国产精品麻豆人妻色哟哟久久| 午夜精品久久久久久毛片777| 精品福利观看| 性色av乱码一区二区三区2| 黄色a级毛片大全视频| 搡老岳熟女国产| 久久香蕉激情| 麻豆乱淫一区二区| 美女大奶头黄色视频| 久久精品国产综合久久久| 人妻一区二区av| 91麻豆av在线| 亚洲成人免费av在线播放| 最黄视频免费看| 少妇 在线观看| 免费观看人在逋| 窝窝影院91人妻| 他把我摸到了高潮在线观看 | 无限看片的www在线观看| 99国产精品免费福利视频| 国产成人啪精品午夜网站| 97在线人人人人妻| 99精品久久久久人妻精品| 一级黄色大片毛片| 老鸭窝网址在线观看| 精品国产国语对白av| 91精品三级在线观看| 午夜成年电影在线免费观看| 美女中出高潮动态图| 热99re8久久精品国产| 国产精品国产三级国产专区5o| 最近最新中文字幕大全免费视频| av电影中文网址| 亚洲精品粉嫩美女一区| 色视频在线一区二区三区| av视频免费观看在线观看| 久久久精品国产亚洲av高清涩受| 狠狠精品人妻久久久久久综合| 男女下面插进去视频免费观看| 精品国产国语对白av| 亚洲精品美女久久av网站| 免费av中文字幕在线| 伊人久久大香线蕉亚洲五| 亚洲国产精品999| 十八禁高潮呻吟视频| 十八禁网站免费在线| 91国产中文字幕| 久久青草综合色| 亚洲欧美色中文字幕在线| 男女免费视频国产| 免费av中文字幕在线| 丝袜在线中文字幕| 91av网站免费观看| 午夜久久久在线观看| 丰满饥渴人妻一区二区三| 国产精品九九99| 两个人看的免费小视频| 欧美午夜高清在线| 免费av中文字幕在线| 少妇精品久久久久久久| 各种免费的搞黄视频| 纯流量卡能插随身wifi吗| 这个男人来自地球电影免费观看| 成年人午夜在线观看视频| 99国产综合亚洲精品| 啦啦啦在线免费观看视频4| 日韩欧美一区二区三区在线观看 | 精品人妻在线不人妻| 欧美一级毛片孕妇| 啦啦啦免费观看视频1| 亚洲免费av在线视频| 老熟妇仑乱视频hdxx| 青草久久国产| 激情视频va一区二区三区| 亚洲激情五月婷婷啪啪| 亚洲五月色婷婷综合| 亚洲一码二码三码区别大吗| a级毛片黄视频| 久久人妻熟女aⅴ| 大片免费播放器 马上看| 国产在线免费精品| 国产成人a∨麻豆精品| 成年人免费黄色播放视频| 大码成人一级视频| 黄色 视频免费看| 亚洲一码二码三码区别大吗| 青春草亚洲视频在线观看| 久久久精品区二区三区| 美女福利国产在线| 啦啦啦免费观看视频1| 五月天丁香电影| 国产精品久久久av美女十八| 满18在线观看网站| 成年女人毛片免费观看观看9 | 高清欧美精品videossex| 好男人电影高清在线观看| 久久久久久免费高清国产稀缺| 在线观看一区二区三区激情| 午夜福利,免费看| 亚洲天堂av无毛| 亚洲av成人一区二区三| 欧美黑人精品巨大| 欧美日韩一级在线毛片| 亚洲一区中文字幕在线| 国产精品九九99| 亚洲欧洲日产国产| 欧美+亚洲+日韩+国产| av超薄肉色丝袜交足视频| 91精品伊人久久大香线蕉| 天天影视国产精品| 波多野结衣一区麻豆| 王馨瑶露胸无遮挡在线观看| 两个人免费观看高清视频| 国产国语露脸激情在线看| 久久久久国产精品人妻一区二区| 亚洲性夜色夜夜综合| 久久综合国产亚洲精品| 国产在线视频一区二区| 午夜福利视频精品| 最近中文字幕2019免费版| 搡老熟女国产l中国老女人| 黄色视频,在线免费观看| netflix在线观看网站| 啦啦啦 在线观看视频| 一级毛片精品| 国产精品九九99| 在线观看免费高清a一片| 亚洲中文av在线| 99国产精品99久久久久| 99精国产麻豆久久婷婷| 欧美国产精品va在线观看不卡| 亚洲国产精品一区二区三区在线| 亚洲国产精品成人久久小说| 久久精品成人免费网站| 性色av一级| 国产欧美日韩一区二区精品| 自线自在国产av| 菩萨蛮人人尽说江南好唐韦庄| 日本五十路高清| 99久久精品国产亚洲精品| 丁香六月天网| 熟女少妇亚洲综合色aaa.| 男人添女人高潮全过程视频| 久久久国产一区二区| 亚洲精品久久成人aⅴ小说| 欧美另类一区| 深夜精品福利| 亚洲精品av麻豆狂野| 久久精品人人爽人人爽视色| 热re99久久国产66热| 国产精品一区二区在线观看99| 真人做人爱边吃奶动态| 91av网站免费观看| 精品福利观看| 国产精品成人在线| 男人舔女人的私密视频| 国产精品亚洲av一区麻豆| 啦啦啦免费观看视频1| www.精华液| 他把我摸到了高潮在线观看 | 黑人巨大精品欧美一区二区mp4| 国产黄色免费在线视频| 999精品在线视频| 国产欧美日韩综合在线一区二区| 午夜精品国产一区二区电影| 99久久精品国产亚洲精品| 国产精品麻豆人妻色哟哟久久| 老司机福利观看| 在线观看免费视频网站a站| 高清在线国产一区| 日本黄色日本黄色录像| 99九九在线精品视频| 男女之事视频高清在线观看| 一二三四在线观看免费中文在| 男插女下体视频免费在线播放| 国产一区二区三区视频了| 欧美日韩福利视频一区二区| 女人高潮潮喷娇喘18禁视频| 老司机福利观看| 精品国产美女av久久久久小说| 国产又黄又爽又无遮挡在线| 变态另类丝袜制服| 亚洲成av人片在线播放无| 亚洲精品中文字幕一二三四区| 欧美精品亚洲一区二区| 久久九九热精品免费| 天天躁夜夜躁狠狠躁躁| 老司机午夜福利在线观看视频| 欧美av亚洲av综合av国产av| 欧美人与性动交α欧美精品济南到| 久久久久国产精品人妻aⅴ院| www.999成人在线观看| 午夜激情福利司机影院| 成人高潮视频无遮挡免费网站| 婷婷六月久久综合丁香| 久久久久国内视频| 91在线观看av| 亚洲av成人av| 亚洲国产中文字幕在线视频| 精品电影一区二区在线| a在线观看视频网站| 岛国在线观看网站| 欧美黑人巨大hd| 动漫黄色视频在线观看| 国产麻豆成人av免费视频| 无遮挡黄片免费观看| 日韩欧美在线二视频| 亚洲精品色激情综合| 国产av麻豆久久久久久久| 精品久久久久久久毛片微露脸| 免费在线观看视频国产中文字幕亚洲| 这个男人来自地球电影免费观看| 日本免费一区二区三区高清不卡| 中出人妻视频一区二区| 在线免费观看的www视频| 久久 成人 亚洲| 午夜亚洲福利在线播放| 久久香蕉精品热| 亚洲成人久久爱视频| 欧美av亚洲av综合av国产av| 国内久久婷婷六月综合欲色啪| 亚洲熟妇中文字幕五十中出| 国产精品亚洲美女久久久| 亚洲精华国产精华精| 亚洲成人久久性| 欧美3d第一页| 亚洲成人国产一区在线观看| 国产成人精品久久二区二区免费| 欧美在线一区亚洲| 麻豆久久精品国产亚洲av| 两人在一起打扑克的视频| 久久亚洲精品不卡| 看免费av毛片| 久久人妻福利社区极品人妻图片| 黑人巨大精品欧美一区二区mp4| 日韩有码中文字幕| 国产在线观看jvid| 久久久久久久久免费视频了| 亚洲九九香蕉| 熟女电影av网| 美女 人体艺术 gogo| 午夜福利欧美成人| 亚洲欧美日韩高清在线视频| 在线观看美女被高潮喷水网站 | 亚洲人成77777在线视频| 日韩精品中文字幕看吧| 国产欧美日韩一区二区精品| 亚洲国产精品sss在线观看| 制服人妻中文乱码| 亚洲性夜色夜夜综合| 婷婷精品国产亚洲av| 精品熟女少妇八av免费久了| www日本黄色视频网| 级片在线观看| 中文字幕熟女人妻在线| 一级黄色大片毛片| 久久这里只有精品19| 亚洲精品久久成人aⅴ小说| 国产99久久九九免费精品| 香蕉丝袜av| 中文亚洲av片在线观看爽| 精品一区二区三区四区五区乱码| 国产av一区二区精品久久| 亚洲av中文字字幕乱码综合| 啪啪无遮挡十八禁网站| 日本免费一区二区三区高清不卡| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品美女久久av网站| 99国产精品一区二区三区| 午夜福利视频1000在线观看| 午夜福利在线在线| svipshipincom国产片| 久久香蕉国产精品| 亚洲色图av天堂| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利欧美成人| 可以在线观看毛片的网站| 国产成人精品久久二区二区91| 我的老师免费观看完整版| 久久久久国产一级毛片高清牌| 欧美黄色片欧美黄色片| 国产熟女xx| 桃红色精品国产亚洲av| 午夜福利18| 国产在线精品亚洲第一网站| 日本免费a在线| 国产99白浆流出| 成人国语在线视频| 天堂动漫精品| 亚洲国产精品合色在线| 在线观看免费午夜福利视频| 国产主播在线观看一区二区| 男男h啪啪无遮挡| 国产精品久久久久久人妻精品电影| 国内少妇人妻偷人精品xxx网站 | 精品少妇一区二区三区视频日本电影| 免费在线观看亚洲国产| 美女黄网站色视频| 欧美 亚洲 国产 日韩一| 欧美色视频一区免费| www日本黄色视频网| 成人一区二区视频在线观看| 99久久无色码亚洲精品果冻| 此物有八面人人有两片| 精品久久久久久成人av| 淫秽高清视频在线观看| 国产亚洲精品久久久久久毛片| 成年免费大片在线观看| 天堂动漫精品| 成人国产综合亚洲| 午夜老司机福利片| 18禁国产床啪视频网站| 亚洲自偷自拍图片 自拍| 精品欧美国产一区二区三| 国产精品久久久av美女十八| 亚洲av成人精品一区久久| 亚洲七黄色美女视频| 一进一出抽搐gif免费好疼| 欧美中文综合在线视频| 91成年电影在线观看| 熟女电影av网| 亚洲第一欧美日韩一区二区三区| 国产黄a三级三级三级人| 国产精品99久久99久久久不卡| 三级毛片av免费| 宅男免费午夜| 在线十欧美十亚洲十日本专区| 日韩有码中文字幕| 丰满的人妻完整版| 特级一级黄色大片| 国产真实乱freesex| 在线观看一区二区三区| 亚洲国产欧美网| 成人手机av| av在线播放免费不卡| 99国产精品99久久久久| 最近最新中文字幕大全免费视频| 在线观看免费视频日本深夜| 欧美日韩一级在线毛片| 国产精品一区二区三区四区免费观看 | 国内精品一区二区在线观看| 久久亚洲真实| 久久久久久免费高清国产稀缺| 亚洲人与动物交配视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产中文字幕在线视频| 亚洲精品色激情综合| netflix在线观看网站| 狠狠狠狠99中文字幕| av福利片在线观看| 制服诱惑二区| 好男人电影高清在线观看| 首页视频小说图片口味搜索| 午夜a级毛片| 亚洲av成人精品一区久久| 久久久久久久午夜电影| 又黄又粗又硬又大视频| 久久天躁狠狠躁夜夜2o2o| 亚洲中文字幕日韩| 女警被强在线播放| 成人三级黄色视频| 精品无人区乱码1区二区| 国产真人三级小视频在线观看| 亚洲欧洲精品一区二区精品久久久| 国产精品九九99| 岛国在线观看网站| 久久午夜亚洲精品久久|