• <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 ?

    變頻環(huán)境下異步電機故障診斷方法

    2022-10-13 08:41:44黃向慧田坤臣榮相魏禮鵬楊方
    機床與液壓 2022年18期
    關鍵詞:異步電機偏心故障診斷

    黃向慧,田坤臣,榮相,魏禮鵬,楊方

    (1.西安科技大學電氣與控制工程學院,陜西西安 710000;2.中煤科工集團常州研究院有限公司,江蘇常州 213000;3.天地(常州)自動化股份有限公司,江蘇常州 213000 )

    0 前言

    異步電機具有結構簡單、安全可靠和生產成本低等優(yōu)點,是目前工業(yè)生產、運輸和電力系統(tǒng)廣泛使用的一種電機。大中型異步電機多采用鼠籠型轉子,一旦發(fā)生故障,將會導致整個系統(tǒng)停止工作,如果可以在故障初期盡早預警,就可以減少因電機故障帶來的經濟損失。在異步電機的各種故障形式中,最常見的是轉子斷條故障和偏心故障。隨著變頻器的發(fā)展,越來越多的電機是在變頻環(huán)境下運行的,若在變頻環(huán)境下能夠對這些故障進行較為準確的診斷,對于異步電機的穩(wěn)定運行有著極為重要的意義。

    在變頻環(huán)境下原始信號不但會受到大量的噪聲干擾,還會由于高頻功率電子器件所產生的高頻脈沖在電機的定子線圈內產生諧波干擾,需要對信號進行特征提取。蘇建芳、吳欽木利用小波包對故障信號進行分析,依據各類故障特征頻率,對信號進行小波包分解和重構,得到相應的故障特征,但是如果信號是非平穩(wěn)信號,在選取小波基函數上會存在一定困難;譚勇、劉振興提出一種基于分數階Fourier和頻域Relax算法進行故障提取的方法,將線調頻變化的電流主分量轉換成恒頻分量,再通過頻域Relax方法提取和剔除該恒頻成分,突出故障特征,但是會存在對各個頻率分量的參數估計不準確的問題;張建文等提出利用擴展Park矢量的方法,將故障特征頻率分量從原始電流信號中剝離出來,減少基頻信號的影響,采用頻譜方式使之得到突顯,但是高頻成分會對處于低頻段的故障特征頻率造成一定干擾;劉美容等提出采用EMD方法進行故障特征提取,將非平穩(wěn)信號拆成頻率從高到低排序的多個頻段的本征模式函數,但是該方法存在很嚴重的模態(tài)混淆情況。在故障識別方面,李衛(wèi)民等搭建支持向量機分類模型,近似熵特征量被劃分為訓練樣本和測試樣本,該方法只適合小樣本集;馬天兵等采用BP神經網絡,選取不同樣本對神經網絡進行測試,容易出現局部最小化問題;鞠晨等人通過粒子群優(yōu)化算法優(yōu)化BP神經網絡的初始權值和閾值,可以避免陷入局部極小值;李思琦、蔣志堅先進行EEMD分解,再計算信號陡峭度及其他一系列指標后使用卷積神經網絡進行故障診斷。

    本文作者針對變頻環(huán)境下異步電機斷條和偏心故障提取方法,提出了互補集合經驗模態(tài)分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD),使用排列熵和樣本熵作為判斷有效IMF信號的依據,將選擇出來的IMF信號重構,多組重構后的數據組成數據集,通過一維卷積神經網絡進行訓練分類診斷,并保存最優(yōu)訓練模型,通過實例信號進行驗證,結果表明提出的方法可以實現故障診斷。

    1 CEEMD-CNN算法理論

    1.1 CEEMD算法理論基礎

    互補集合經驗模態(tài)分解(CEEMD)是模態(tài)經驗分解(EEMD)改進的一種方法。EEMD是在被分解信號中加入高斯白噪聲,相較于傳統(tǒng)EMD可以較好地抑制模態(tài)混淆情況,但是在分解過程中高斯白噪聲會影響分解出來的IMF信號,導致分解出來的IMF信號準確性不高?;パa集合經驗分解則是通過添加一對相位相反、幅值相同的高斯白噪聲來進行分解,不僅可以進一步抑制模態(tài)混淆情況,還可以減少因添加高斯白噪聲造成的重構信號誤差。CEEMD的具體分解步驟與EEMD分解大致一樣,EEMD分解方法詳細參照文獻[12]。CEEMD具體步驟如下:

    (1)在初始信號()中加入一對相位相反、幅值相同的高斯白噪聲構成兩個新的信號()和(),其中

    (1)

    式中:()為添加的高斯白噪聲。

    (2)對()和()進行三次樣條插值擬合得到上包絡線和下包絡線,并取平均值記為()和();

    (3)用()和()分別減去平均值()和(),得到新的數據序列()和(),若()和()滿足本征模態(tài)函數則作為一個IMF分量,不滿足則對以上步驟進行重復操作,直到符合本征模態(tài)函數;

    (4)將第一個IMF分量從()和()中進行分離,得到新的分量,以此類推循環(huán)多次,直到不能再提取出滿足條件的分量后停止循環(huán),再將()和()得到的兩組IMF信號兩兩對應求平均值,得到最終IMF分量。

    1.2 樣本熵原理

    樣本熵可以比較出各IMF信號的復雜程度,計算得到的樣本熵越大,則該信號復雜性越高,反之復雜性越低。樣本熵計算步驟如下所示:

    (1)假設實際信號為(), 嵌入維數=2,相似容限=01×[()], 其中[()]是數據信號的標準差,參照實際信號對其重構,重構一個維向量。

    ()={,+1,…,+-1},1≤≤-+1

    (2)

    (2)定義為()和()對應元素之差絕對值最大值的距離,統(tǒng)計<的個數(<),定義()為

    (3)

    (3)對()求平均值(),再對維數+1重復以上幾步得到+1()和+1()。

    (4)得到樣本熵的表達式為

    (4)

    樣本熵具有比時域統(tǒng)計更好的估計效果,對原始數據處理時無需進行粗?;崛。铱垢蓴_能力強,是常用的一種熵值計算方法。本文作者選擇小于平均值的IMF信號為有效信號。

    1.3 排列熵原理

    排列熵是一種用于描述信號復雜程度的非線性估計方法,排列熵值越大,則說明該信號的時間序列越復雜,反之信號就越簡單。排列熵計算步驟如下所示:

    (1)假設數據是長度為的時間序列,將此序列按照相空間延遲坐標法進行重構,若該序列中每一個采樣點都選取連續(xù)的個樣本點,就可以得到()的維重構向量

    (5)

    其中:為嵌入維數,這里取=5;為延遲時間,這里取=1。

    (2)上述矩陣每一行都可看做一個重構分量,將矩陣第行按升序的方式排序,都將得到一組位置索引序列,記為(),它是符號序列的其中一種:

    ()=(,,…,),=1,2,3,…,

    (6)

    式(6)中≤!。符號序列出現的概率記為(=1,2,…,),它滿足:

    (7)

    (3)序列{(),=1,2,…,}的排列熵可以定義為

    (8)

    (4)對排列熵進行歸一化處理可得:

    (9)

    排列熵能夠有效放大時間序列的微弱變化,且計算簡單、實時性好。這里同樣選擇小于平均值的IMF信號為有效信號。

    1.4 卷積神經網絡(CNN)

    卷積神經網絡是一種具有代表性的深度學習算法,其主要結構通常由卷積層、池化層以及全連接層3個部分組成。卷積層是卷積神經網絡的核心,提取輸入數據中包含的特征;池化層用于實現對特征圖的降采樣操作;最后通過全連接層對得到的特征圖進行鋪展和連接,通過采用ReLU函數作為激活函數的隱藏層,結合softmax函數實現分類結果的輸出。

    其中卷積操作的原理如圖1所示。

    圖1 卷積操作原理

    不難發(fā)現,圖1中輸入序列的數據維度為4,卷積核的維度為2,卷積后輸出的數據維度為3,存在數據維度減少的問題。為了保持信號的維度不發(fā)生變化,可以采取補零策略,即在輸入序列最前面或最后面補零,可以保證輸出維度不變。

    2 故障診斷步驟

    變頻環(huán)境下異步電機故障診斷步驟主要分為四部分:數據樣本的獲取、故障特征的提取、仿真數據故障類型的識別以及實測數據故障類型的識別,電機故障診斷流程如圖2所示。

    圖2 電機故障診斷流程

    具體步驟如下:

    (1)基于ANSYS軟件分別對正常電機、轉子斷條電機、氣隙偏心電機建模并進行有限元分析,在Simplorer中搭建一個SPWM電路聯(lián)合仿真,獲取仿真定子電流數據。

    (2)對獲取的電流數據進行濾波處理和CEEMD分解,可得到多個IMF信號。

    (3)計算每個IMF信號的樣本熵和排列熵,選擇低于平均值的IMF信號為有效信號。

    (4)將選擇的IMF信號進行重構,將多組重構信號組成數據集,作為卷積神經網絡的樣本集。

    (5)設計CNN結構和基本參數,將定子電流數據集劃分為訓練集與驗證集,分別對CNN模型進行訓練與驗證,最終得出故障診斷結果并保存訓練效果最好的模型。

    (6)通過搭建實驗平臺,分別對正常電機、斷條電機以及偏心電機3種狀態(tài)收集電流信號,再重復步驟(2)—(3),將得到的電流信號數據集放到步驟(5)訓練好的模型中進行故障診斷。

    3 仿真驗證

    通過設置SPWM電路中正弦調制波頻率為40、50、60 Hz,從而達到輸出頻率也為40、50、60 Hz的效果,再由SPWM電路與三相異步電機模型進行聯(lián)合仿真,收集不同狀態(tài)的電流信號。

    3.1 Maxwell有限元建模

    在Maxwell搭建一個三相異步電機,對電機的有限元模型進行參數設計,在RMxprt中可以自動生成電機模型。此次搭建的是一個型號為380V YB3-160M的三相異步電機,采用星形接法,電機模型如圖3所示,電機參數如表1所示。

    圖3 三相異步電機模型

    表1 YB3-160M-4型電機參數

    斷條故障一般指的是電機導條和端環(huán)斷裂,通過改變鼠籠導條鑄鋁材料參數將電導率調至2 S/m,遠低于其他導條電導率,即可達到轉子斷條故障的效果。偏心故障通過改變定子、轉子、鐵芯位置及坐標系可獲得氣隙偏心故障,再通過建立相對坐標系區(qū)分靜態(tài)偏心和動態(tài)偏心,通過文中的研究,可以將靜態(tài)偏心和動態(tài)偏心劃分為一類偏心故障進行故障診斷,這里統(tǒng)一設置偏心度為20%。

    3.2 Simplorer外電路

    變頻環(huán)境通過搭建一個基于正弦脈寬調制(SPWM)技術變頻電路來實現,通過控制逆變電路中開關器件的通斷,使電路輸出一系列幅值相等寬度不等的脈沖波,用脈沖波來代替正弦波。通過改變載波與調制波的頻率比可以改變輸出電壓的頻率,實現變頻輸出,如圖4所示。

    圖4 變頻電路

    3.3 基于CEEMD的故障特征提取

    以斷條故障電機電流信號數據為例進行CEEMD分解,分為10個IMF分量和1個殘余分量,殘余分量這里不做考慮,如圖5所示。

    圖5 CEEMD分解結果

    對CEEMD分解后的各IMF信號分別進行樣本熵和排列熵的計算,選取低于熵值平均值的IMF信號,選取結果見表2和表3。

    表2 CEEMD分解后樣本熵選取IMF結果

    表3 CEEMD分解后排列熵選取IMF結果

    為方便后面使用卷積神經網絡進行故障診斷,這里統(tǒng)一對樣本熵選取結果選擇IMF5~IMF10作為有效IMF信號,對于排列熵選取結果選定IMF4~IMF10作為有效IMF信號。

    將選定的IMF信號做一個平均值的計算,使其得到一個重構后的數據,再由多組數據組合成一個數據集,將該數據集放入卷積神經網絡中進行訓練,為保證每組數據集含特征,文中使用的數據集共13 500條數據(3種頻率平均分配),每條包含3 000個點。

    3.4 基于CNN的故障類型識別

    3.4.1 CNN的建立

    使用的卷積神經網絡的參數如表4所示。使用Adam優(yōu)化器優(yōu)化模型,設Dropout為0.3,學習率為0.000 1。從數據集中各隨機選出70%數據作為訓練集,共9 450條數據,剩下30%的數據作為驗證集,共4 050條數據。每次從訓練集選擇32條數據進行訓練,最后使用訓練好的卷積神經網絡模型對驗證集進行驗證,檢驗模型的可用性。

    表4 卷積神經網絡的參數

    3.4.2 CNN診斷結果

    為了驗證文中所述故障診斷方法能夠有效地提高在故障識別過程中的精度,采取多種方法進行對比,其中為通過排列熵選取的IMF信號進行重構得到的數據集,為通過樣本熵選取的IMF信號進行重構得到的數據集,實驗結果如表5所示。

    表5 實驗結果

    圖6為使用數據集CEEMD-CNN方法訓練得到的訓練集和驗證集的準確率的變化情況,圖7為損失函數變化情況。

    圖6 準確率變化情況(未濾波) 圖7 損失函數變化情況(未濾波)

    由上述結果可知:這樣進行故障診斷的準確性并不高,這是因為變頻環(huán)境下故障特征易受基頻影響,會引起較大誤差,如果直接對原始信號進行處理,工頻信號和諧波信號會產生干擾,得到的效果并不理想。因此本文作者對原始信號進行濾波處理,去掉基頻,實驗結果如表6所示,對比濾波之后的結果可見,對信號進行濾波處理是很有必要的。

    表6 濾波之后實驗結果

    圖8為濾波之后使用數據集CEEMD-CNN方法訓練得到的訓練集和驗證集準確率的變化情況,圖9為損失函數變化情況。

    圖8 準確率變化情況(濾波后) 圖9 損失函數變化情況(濾波后)

    由上述結果可知:對原始信號進行濾波處理至關重要,使用EEMD和CEEMD提取故障特征存在差異性,同樣的方法使用排列熵選出來的重構數據集比樣本熵選出來的準確率高。這是因為樣本熵在處理大量數據的時候,計算效率較低,因此使用排列熵作為選擇IMF信號的CEEMD-CNN方法具有更好的故障診斷效果。

    4 實驗平臺驗證

    實驗平臺如圖10所示,主要包括5個部分:三相異步電機,變頻器,控制臺,扭矩傳感器和電渦流制動器,其中扭矩傳感器用來測量電機的轉速和扭矩,電渦流制動器用來給電機加負載。通過給轉子鉆一個5 mm的孔達到斷條故障效果,如圖11所示;這里通過移動軸承端蓋擴大0.15 mm達到偏心度為20% 的效果,如圖12所示,通過控制臺中電流傳感器收集電流信號,再對信號進行濾波處理和CEEMD分解,隨機取90組數據(斷條電機,偏心電機和正常電機各取30組數據),其中40、50、60 Hz各占1/3組成測試集進行測試,編號0為電機正常狀態(tài),編號1為電機斷條故障,編號2為電機偏心故障,得到的混淆矩陣如圖13所示,驗證結果如表7所示,總識別率為95.56%。

    圖10 實驗平臺

    圖11 斷條故障 圖12 偏心故障

    圖13 混淆矩陣

    表7 測試結果

    5 結束語

    針對變頻環(huán)境下異步電機定子電流信號非平穩(wěn)的問題,提出一種CEEMD與CNN結合的異步電機故障特征方法。通過大量仿真樣本驗證和實際故障識別結果表明:該方法能有效地提取出變頻環(huán)境下異步電機的轉子故障特征信息且準確地實現了對故障類型的識別。通過實例信號實驗分析得出結論如下:

    (1)用ANSYS模擬斷條和偏心故障收集的電流信號,具有實際意義,得到的電流信號經過處理可以用來訓練卷積神經網絡,從而有效判斷電流信號屬于哪類故障類型。

    (2)采用樣本熵和排列熵都可以作為選取有效IMF信號的依據,其中選用排列熵作為依據選取的IMF信號重構后進行卷積神經網絡的準確率會比用樣本熵作為依據時的準確率高。

    (3)對原始信號濾波之后采用CEEMD-CNN方法進行故障診斷,有較好的故障診斷能力。

    猜你喜歡
    異步電機偏心故障診斷
    戶外防腐蝕型防爆三相異步電機設計
    防爆電機(2020年5期)2020-12-14 07:03:58
    大型變頻調速異步電機的設計
    防爆電機(2020年4期)2020-12-14 03:11:16
    媽媽不偏心
    快樂語文(2018年7期)2018-05-25 02:32:15
    因果圖定性分析法及其在故障診斷中的應用
    偏心的母親
    小說月刊(2015年9期)2015-04-23 08:48:23
    巧妙應對老師的“偏心”
    人生十六七(2015年5期)2015-02-28 13:08:24
    第三方異步電機在MTX micro控制系統(tǒng)中的應用
    偏心結構基于LMI的魯棒H∞控制
    基于LCD和排列熵的滾動軸承故障診斷
    基于KPCA和PSOSVM的異步電機故障診斷
    欧美区成人在线视频| 下体分泌物呈黄色| 亚洲内射少妇av| 久久久久精品久久久久真实原创| 国产精品无大码| 国产精品av视频在线免费观看| 成年美女黄网站色视频大全免费 | 午夜福利高清视频| 国产伦在线观看视频一区| 国产成人a区在线观看| 嘟嘟电影网在线观看| 久久国内精品自在自线图片| 国产高清有码在线观看视频| 国产精品免费大片| 精品一区二区免费观看| 亚洲精品久久久久久婷婷小说| 国产黄片美女视频| 日日摸夜夜添夜夜添av毛片| 久久久久久久亚洲中文字幕| 亚洲av不卡在线观看| 午夜激情福利司机影院| 2021少妇久久久久久久久久久| 久久国产亚洲av麻豆专区| 欧美少妇被猛烈插入视频| 精品国产三级普通话版| 国内少妇人妻偷人精品xxx网站| 国产av码专区亚洲av| 精品少妇黑人巨大在线播放| 九九在线视频观看精品| 久久久久久久亚洲中文字幕| 欧美3d第一页| 女性被躁到高潮视频| 久久99热这里只频精品6学生| 久久人人爽人人爽人人片va| av免费在线看不卡| 久久久亚洲精品成人影院| 国产在线视频一区二区| 日日摸夜夜添夜夜添av毛片| 久久鲁丝午夜福利片| 免费看不卡的av| 久久毛片免费看一区二区三区| av福利片在线观看| 成人毛片a级毛片在线播放| 国产高清不卡午夜福利| 国产欧美亚洲国产| 欧美老熟妇乱子伦牲交| 99热这里只有是精品50| 国产深夜福利视频在线观看| 亚洲人成网站在线播| a级毛色黄片| 下体分泌物呈黄色| 一本久久精品| 男男h啪啪无遮挡| 久久久久人妻精品一区果冻| 国产国拍精品亚洲av在线观看| 久久99热这里只有精品18| 99热国产这里只有精品6| av网站免费在线观看视频| h日本视频在线播放| 亚洲久久久国产精品| 美女中出高潮动态图| 又爽又黄a免费视频| 涩涩av久久男人的天堂| 午夜精品国产一区二区电影| 美女视频免费永久观看网站| 久久人人爽人人片av| 丝袜脚勾引网站| 午夜老司机福利剧场| 国产成人免费无遮挡视频| 免费不卡的大黄色大毛片视频在线观看| 国产精品久久久久久久电影| 女的被弄到高潮叫床怎么办| 国产免费一区二区三区四区乱码| 男女国产视频网站| 亚洲一级一片aⅴ在线观看| 久久久久久伊人网av| 亚洲一级一片aⅴ在线观看| 日韩制服骚丝袜av| 亚洲av.av天堂| 日韩制服骚丝袜av| 九九久久精品国产亚洲av麻豆| 中文欧美无线码| 亚洲精品,欧美精品| 男人舔奶头视频| 国产黄频视频在线观看| 国产一区二区三区av在线| 欧美日韩在线观看h| 一区在线观看完整版| 久久99蜜桃精品久久| 亚洲真实伦在线观看| 国产一区二区三区av在线| 亚洲成人中文字幕在线播放| 国产精品福利在线免费观看| 黄片无遮挡物在线观看| 五月伊人婷婷丁香| 日韩不卡一区二区三区视频在线| 色吧在线观看| 七月丁香在线播放| 99久久中文字幕三级久久日本| 五月玫瑰六月丁香| 日韩三级伦理在线观看| 国产成人91sexporn| 我的女老师完整版在线观看| 国产欧美另类精品又又久久亚洲欧美| 日韩中文字幕视频在线看片 | 韩国高清视频一区二区三区| 乱系列少妇在线播放| 午夜福利在线观看免费完整高清在| kizo精华| 岛国毛片在线播放| 国产黄片美女视频| 99精国产麻豆久久婷婷| 久久国产精品大桥未久av | 一级毛片aaaaaa免费看小| 国产深夜福利视频在线观看| av线在线观看网站| 涩涩av久久男人的天堂| 亚洲不卡免费看| 亚洲国产成人一精品久久久| 岛国毛片在线播放| 久久久久久久亚洲中文字幕| 精品亚洲乱码少妇综合久久| 九九爱精品视频在线观看| 欧美成人精品欧美一级黄| 如何舔出高潮| 免费黄网站久久成人精品| 久久毛片免费看一区二区三区| 亚洲电影在线观看av| 草草在线视频免费看| 亚洲怡红院男人天堂| 黑人高潮一二区| 十分钟在线观看高清视频www | 国产淫语在线视频| 国产欧美日韩精品一区二区| 午夜视频国产福利| 99久久精品一区二区三区| 国产伦理片在线播放av一区| 亚洲精品一二三| 日韩在线高清观看一区二区三区| 国产精品人妻久久久久久| 国产毛片在线视频| 成人免费观看视频高清| 三级国产精品欧美在线观看| 交换朋友夫妻互换小说| 日产精品乱码卡一卡2卡三| 亚洲欧美日韩无卡精品| 精品国产乱码久久久久久小说| av国产免费在线观看| 又大又黄又爽视频免费| 亚洲av成人精品一二三区| 各种免费的搞黄视频| 日韩中文字幕视频在线看片 | 亚洲美女搞黄在线观看| 熟妇人妻不卡中文字幕| 久久久久久久久久久丰满| 国产精品麻豆人妻色哟哟久久| 精品视频人人做人人爽| av专区在线播放| 人妻一区二区av| av天堂中文字幕网| 国产高潮美女av| av国产免费在线观看| 久久久成人免费电影| 亚洲精品色激情综合| 欧美成人a在线观看| 性色av一级| 国产无遮挡羞羞视频在线观看| 特大巨黑吊av在线直播| 伊人久久国产一区二区| 精品一品国产午夜福利视频| 97超碰精品成人国产| 亚洲欧美日韩东京热| 波野结衣二区三区在线| 亚洲欧美精品自产自拍| freevideosex欧美| 最新中文字幕久久久久| 国产精品国产三级国产av玫瑰| 国产高清国产精品国产三级 | av视频免费观看在线观看| 久久av网站| 亚洲成色77777| av在线蜜桃| 国产精品无大码| 久久久精品94久久精品| 91久久精品国产一区二区成人| 在线 av 中文字幕| 嘟嘟电影网在线观看| 99热这里只有是精品50| 欧美激情极品国产一区二区三区 | 国产高潮美女av| 国产 一区精品| 777米奇影视久久| 高清不卡的av网站| 亚洲欧美一区二区三区国产| 亚洲国产精品国产精品| 亚洲国产精品999| av在线蜜桃| 一区二区av电影网| 免费av中文字幕在线| videossex国产| 国产中年淑女户外野战色| 免费黄频网站在线观看国产| 免费看不卡的av| 人体艺术视频欧美日本| 蜜臀久久99精品久久宅男| 日本wwww免费看| 成人特级av手机在线观看| 一区二区三区乱码不卡18| 日韩一区二区三区影片| 老女人水多毛片| 伊人久久精品亚洲午夜| 老司机影院毛片| 男人舔奶头视频| 国产伦精品一区二区三区视频9| 精品久久国产蜜桃| 高清不卡的av网站| 亚洲人与动物交配视频| 乱码一卡2卡4卡精品| 欧美+日韩+精品| 身体一侧抽搐| 一区二区av电影网| a级毛片免费高清观看在线播放| 99久久综合免费| 国产精品99久久99久久久不卡 | 午夜福利在线观看免费完整高清在| 亚洲精品中文字幕在线视频 | 国产视频首页在线观看| 夜夜骑夜夜射夜夜干| 天堂俺去俺来也www色官网| 久久久久久久亚洲中文字幕| 亚洲最大成人中文| 国内少妇人妻偷人精品xxx网站| 精品久久久久久电影网| 我要看日韩黄色一级片| 99久国产av精品国产电影| 成年av动漫网址| 久久av网站| 边亲边吃奶的免费视频| 九九久久精品国产亚洲av麻豆| 搡老乐熟女国产| 中文乱码字字幕精品一区二区三区| 直男gayav资源| 尾随美女入室| av.在线天堂| 视频区图区小说| 欧美一区二区亚洲| 亚洲av免费高清在线观看| 中文字幕免费在线视频6| 中文资源天堂在线| 制服丝袜香蕉在线| 国产精品秋霞免费鲁丝片| 精品少妇久久久久久888优播| av女优亚洲男人天堂| tube8黄色片| 色综合色国产| 免费高清在线观看视频在线观看| 久久久久久伊人网av| 免费观看无遮挡的男女| 国产精品国产三级国产专区5o| 成人综合一区亚洲| .国产精品久久| 亚洲欧美精品专区久久| 一级片'在线观看视频| 国模一区二区三区四区视频| 亚洲精品456在线播放app| 国产色婷婷99| 国产av精品麻豆| 久久精品久久久久久噜噜老黄| 久久影院123| 下体分泌物呈黄色| 国产成人a区在线观看| 亚洲成人av在线免费| 婷婷色综合大香蕉| 青青草视频在线视频观看| 亚洲欧美清纯卡通| 熟妇人妻不卡中文字幕| 久久久久久久久久成人| 男女边摸边吃奶| 午夜激情久久久久久久| 成年人午夜在线观看视频| 亚洲人成网站高清观看| 波野结衣二区三区在线| 欧美日韩精品成人综合77777| 成人影院久久| 国产黄色视频一区二区在线观看| av在线app专区| 人人妻人人澡人人爽人人夜夜| 成人黄色视频免费在线看| 亚洲精品国产色婷婷电影| 久久久色成人| 精品久久久噜噜| 国产有黄有色有爽视频| 搡女人真爽免费视频火全软件| 高清不卡的av网站| 蜜桃亚洲精品一区二区三区| 午夜视频国产福利| 91久久精品电影网| 亚洲精品色激情综合| 最近手机中文字幕大全| 高清在线视频一区二区三区| h日本视频在线播放| 最新中文字幕久久久久| 亚洲aⅴ乱码一区二区在线播放| 性色av一级| kizo精华| 午夜福利在线在线| 多毛熟女@视频| 2021少妇久久久久久久久久久| 精品亚洲成国产av| 人人妻人人澡人人爽人人夜夜| 一区在线观看完整版| 深爱激情五月婷婷| 97精品久久久久久久久久精品| a级一级毛片免费在线观看| 大话2 男鬼变身卡| 我的女老师完整版在线观看| 国产精品久久久久久av不卡| 蜜桃亚洲精品一区二区三区| 欧美+日韩+精品| av在线观看视频网站免费| 亚洲精品国产成人久久av| 国产黄色视频一区二区在线观看| 国产大屁股一区二区在线视频| 肉色欧美久久久久久久蜜桃| 国产精品国产三级国产av玫瑰| 能在线免费看毛片的网站| 99久久人妻综合| 亚洲欧美精品自产自拍| 色婷婷av一区二区三区视频| 亚洲婷婷狠狠爱综合网| 久久精品国产鲁丝片午夜精品| .国产精品久久| 免费播放大片免费观看视频在线观看| 啦啦啦视频在线资源免费观看| 免费黄网站久久成人精品| 人妻制服诱惑在线中文字幕| 日本av免费视频播放| 成人漫画全彩无遮挡| 亚洲精品成人av观看孕妇| 97超碰精品成人国产| 国产精品成人在线| 天美传媒精品一区二区| 久久精品国产亚洲网站| 日本与韩国留学比较| av免费在线看不卡| 国语对白做爰xxxⅹ性视频网站| 伊人久久国产一区二区| av天堂中文字幕网| 国产成人91sexporn| 丰满少妇做爰视频| 国产亚洲av片在线观看秒播厂| 国产av精品麻豆| 在线观看三级黄色| 狂野欧美白嫩少妇大欣赏| 日韩欧美一区视频在线观看 | 成人亚洲欧美一区二区av| 亚洲伊人久久精品综合| 亚洲va在线va天堂va国产| 免费少妇av软件| 亚洲一区二区三区欧美精品| 在线观看国产h片| 蜜桃亚洲精品一区二区三区| 国产男女超爽视频在线观看| 国产亚洲91精品色在线| 最近的中文字幕免费完整| 精品一品国产午夜福利视频| 亚洲激情五月婷婷啪啪| 一级毛片久久久久久久久女| 女的被弄到高潮叫床怎么办| 亚洲中文av在线| 18禁裸乳无遮挡动漫免费视频| 麻豆成人午夜福利视频| 中国美白少妇内射xxxbb| 亚洲成人中文字幕在线播放| 久久韩国三级中文字幕| 丝袜喷水一区| 欧美精品人与动牲交sv欧美| 久久久久人妻精品一区果冻| 国产一级毛片在线| 波野结衣二区三区在线| xxx大片免费视频| 国产黄色视频一区二区在线观看| 18+在线观看网站| 一区在线观看完整版| 欧美成人一区二区免费高清观看| 亚洲av成人精品一区久久| 日韩欧美 国产精品| 黑人猛操日本美女一级片| 97精品久久久久久久久久精品| 99久久精品一区二区三区| 日韩av不卡免费在线播放| 色视频在线一区二区三区| 尤物成人国产欧美一区二区三区| 在线看a的网站| 我要看日韩黄色一级片| 国产91av在线免费观看| 亚洲欧美精品自产自拍| 成人特级av手机在线观看| 亚洲av综合色区一区| 亚洲成色77777| 激情五月婷婷亚洲| 久久久久久久国产电影| 欧美三级亚洲精品| 欧美zozozo另类| 日韩欧美一区视频在线观看 | 亚洲一区二区三区欧美精品| 一区二区三区四区激情视频| 国产亚洲av片在线观看秒播厂| 久久热精品热| 啦啦啦中文免费视频观看日本| 国产色爽女视频免费观看| 国产乱人视频| 亚洲aⅴ乱码一区二区在线播放| 精品人妻一区二区三区麻豆| 亚洲av日韩在线播放| 中国国产av一级| 极品教师在线视频| 欧美最新免费一区二区三区| 啦啦啦在线观看免费高清www| 99热这里只有是精品在线观看| 亚洲色图av天堂| av又黄又爽大尺度在线免费看| 国产精品国产三级国产专区5o| 亚洲中文av在线| 日本猛色少妇xxxxx猛交久久| 亚洲精品中文字幕在线视频 | 国产乱人偷精品视频| 纵有疾风起免费观看全集完整版| 成人漫画全彩无遮挡| 丝袜喷水一区| av播播在线观看一区| 亚洲精品国产av成人精品| 亚洲无线观看免费| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产色片| 日韩,欧美,国产一区二区三区| 成人国产av品久久久| 观看av在线不卡| 卡戴珊不雅视频在线播放| 精品视频人人做人人爽| av免费观看日本| 亚洲四区av| 人人妻人人爽人人添夜夜欢视频 | 色网站视频免费| 噜噜噜噜噜久久久久久91| 国产乱人偷精品视频| 国产极品天堂在线| 午夜老司机福利剧场| 国产精品99久久久久久久久| 五月玫瑰六月丁香| 亚洲成人一二三区av| 精品国产露脸久久av麻豆| 亚洲国产成人一精品久久久| 老师上课跳d突然被开到最大视频| 亚洲精品乱码久久久久久按摩| 国产免费视频播放在线视频| 亚洲三级黄色毛片| 美女主播在线视频| 国产 精品1| 人人妻人人澡人人爽人人夜夜| 精品久久久久久久久av| 午夜福利高清视频| 噜噜噜噜噜久久久久久91| av线在线观看网站| 自拍偷自拍亚洲精品老妇| 国产亚洲精品久久久com| 十八禁网站网址无遮挡 | 99久久精品热视频| 最近的中文字幕免费完整| 久久精品国产亚洲av涩爱| 欧美精品国产亚洲| 女的被弄到高潮叫床怎么办| av.在线天堂| 午夜免费鲁丝| 亚洲av中文字字幕乱码综合| 亚洲国产av新网站| 一级黄片播放器| 免费观看在线日韩| 日本爱情动作片www.在线观看| 欧美97在线视频| 精品国产三级普通话版| 男人爽女人下面视频在线观看| av天堂中文字幕网| 国产高清有码在线观看视频| 久热这里只有精品99| 精品久久久久久电影网| 国产亚洲一区二区精品| 亚洲av中文av极速乱| 国产精品久久久久久av不卡| 中文资源天堂在线| 五月玫瑰六月丁香| 中文字幕制服av| 蜜臀久久99精品久久宅男| 丰满少妇做爰视频| 久久鲁丝午夜福利片| 久久影院123| 久久国产精品男人的天堂亚洲 | 国产成人免费观看mmmm| 国产乱来视频区| 人妻夜夜爽99麻豆av| videossex国产| 久久久久国产网址| 久久影院123| 久久这里有精品视频免费| 精品一区二区免费观看| 免费看日本二区| 亚洲av欧美aⅴ国产| 国产在视频线精品| 亚洲中文av在线| 一级毛片久久久久久久久女| 久久婷婷青草| 丰满人妻一区二区三区视频av| 国产精品国产三级国产专区5o| 国产免费一级a男人的天堂| 精品久久久久久久末码| 不卡视频在线观看欧美| 舔av片在线| 亚洲丝袜综合中文字幕| 最近最新中文字幕免费大全7| 晚上一个人看的免费电影| 2022亚洲国产成人精品| 在现免费观看毛片| 亚洲第一区二区三区不卡| 午夜福利视频精品| 日本黄色日本黄色录像| 精品久久久久久久久av| av在线老鸭窝| 亚洲国产av新网站| 超碰97精品在线观看| 亚洲精品视频女| 黄色视频在线播放观看不卡| 高清午夜精品一区二区三区| 午夜老司机福利剧场| 美女脱内裤让男人舔精品视频| 精品久久久精品久久久| h日本视频在线播放| 国产成人a∨麻豆精品| 亚洲精品一二三| 欧美一区二区亚洲| 国产av一区二区精品久久 | 久久99热这里只频精品6学生| 亚洲,欧美,日韩| 久久99热这里只频精品6学生| 欧美人与善性xxx| 中国国产av一级| 赤兔流量卡办理| 精品久久国产蜜桃| 日韩视频在线欧美| 亚洲精品色激情综合| 乱码一卡2卡4卡精品| 日本wwww免费看| 欧美极品一区二区三区四区| 日韩中字成人| 18禁动态无遮挡网站| 亚洲成人中文字幕在线播放| 91精品国产九色| 欧美日韩在线观看h| 性色av一级| 国产真实伦视频高清在线观看| 妹子高潮喷水视频| 在线观看免费日韩欧美大片 | 日韩欧美 国产精品| 亚洲av免费高清在线观看| 国产熟女欧美一区二区| 亚洲欧美清纯卡通| 高清午夜精品一区二区三区| 国语对白做爰xxxⅹ性视频网站| 性高湖久久久久久久久免费观看| 美女福利国产在线 | 久久99精品国语久久久| 三级国产精品片| 国产午夜精品久久久久久一区二区三区| 韩国av在线不卡| 国产精品福利在线免费观看| 热re99久久精品国产66热6| 免费观看在线日韩| 亚洲欧美清纯卡通| 精品熟女少妇av免费看| 在现免费观看毛片| 久久久久久九九精品二区国产| 精品人妻熟女av久视频| 在线观看av片永久免费下载| 久久精品夜色国产| 这个男人来自地球电影免费观看 | 成年av动漫网址| 看非洲黑人一级黄片| 99久久人妻综合| 最近最新中文字幕免费大全7| 一级爰片在线观看| 日韩大片免费观看网站| 国产成人精品一,二区| 国产成人精品婷婷| 大又大粗又爽又黄少妇毛片口| 亚洲欧洲日产国产| 国产成人午夜福利电影在线观看| 激情 狠狠 欧美| 精品少妇黑人巨大在线播放| 91久久精品国产一区二区成人| 九草在线视频观看| 亚洲婷婷狠狠爱综合网| 国产有黄有色有爽视频| 色婷婷久久久亚洲欧美| 国产爱豆传媒在线观看| 建设人人有责人人尽责人人享有的 | 亚洲av在线观看美女高潮| 亚洲欧洲国产日韩| 最近最新中文字幕大全电影3| 精品午夜福利在线看| 午夜视频国产福利| 亚洲国产精品一区三区| 久久精品国产亚洲av涩爱| 日日摸夜夜添夜夜爱| 一个人看的www免费观看视频| 日本猛色少妇xxxxx猛交久久| 久久久久国产精品人妻一区二区|