• <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 ?

    基于小波包能量譜的工業(yè)機器人智能故障診斷

    2022-12-29 02:02:42李振東李先祥周星
    機床與液壓 2022年23期
    關鍵詞:波包卷積能量

    李振東,李先祥,周星

    (1.佛山科學技術學院機電工程與自動化學院,廣東佛山 528000;2.順德職業(yè)技術學院人文學院,廣東佛山 528000;3.佛山智能裝備技術研究院,廣東佛山 528000)

    0 前言

    工業(yè)機器人長期以來一直被用于生產系統(tǒng),以提高自動化制造過程中的生產率、質量和安全性。然而在生產線上,隨著工業(yè)機器人運行時長的不斷增加,工業(yè)機器人出現(xiàn)故障的概率也隨之增加,不同原因的故障導致的工業(yè)機器人意外停機有可能導致整個生產線中斷,從而造成經濟和生產損失。因此,為保證工業(yè)機器人在自動化產線中正常運行,研究工業(yè)機器人的故障診斷具有非常重要的意義。

    傳統(tǒng)工業(yè)機器人系統(tǒng)和非工業(yè)機器人旋轉系統(tǒng)[1]中機械故障以振動信號分析為主。然而,振動信號分析的準確性和有效性對傳感器位置和環(huán)境噪聲非常敏感[2]。此外,當安裝的傳感器出現(xiàn)故障時,需要機器人停機檢查和更換傳感器,這將會造成額外成本和非計劃停機。

    最近,電流信號在各種旋轉機械關鍵部件的故障檢測中被證明是準確且經濟有效的,如電機[3-5]、齒輪箱[6]和軸承[7]、減速機[8]。與振動信號相比,工業(yè)機器人系統(tǒng)和伺服驅動器之間的電流信號獲取簡單方便,而且不需要額外傳感器,也不會入侵機器人的系統(tǒng)?;诜答侂娏餍盘柕墓I(yè)機器人故障診斷需要解決2個關鍵問題:(1)故障特征提取,即提取不同故障類型的有效特征;(2)故障識別,即根據(jù)故障特征定位故障軸。特征提取可以提高故障診斷的性能已被證明。時域分析方法用來提取峭度和均方根等特征作為關鍵部件的狀態(tài)特征。頻域分析方法用于揭示時間序列信號中隱藏的頻率信息等特征。還有時頻域分析方法,如短時傅里葉變換[9]和希爾伯特-黃變換[10],能夠提取頻率分量并保留時域信息。然而,這些方法存在一些局限性,如故障特征和噪聲干擾仍然難以有效分離。在故障識別方面,深度學習掀起了智能故障診斷的熱潮,基于深度學習智能診斷的模型包括深度自動編碼器[11]、深度信念網(wǎng)絡[12]、CNN[13]。其中,CNN由于其獨特的共享機制,大大減少了網(wǎng)絡參數(shù)的數(shù)量,在工業(yè)界得到了廣泛應用。

    綜上所述,提出一種非入侵式的采集方式,通過采集工業(yè)機器人運行時的反饋電流進行故障檢測。采用反饋電流的優(yōu)點在于:(1)采集方便,可以定時、定量、定運行動作采集數(shù)據(jù);(2)外界干擾小,噪聲和其他干擾對數(shù)據(jù)影響小。因此,本文作者提出一種基于WPES-CNN的故障診斷方法,用于反饋電流檢測工業(yè)機器人的運行狀態(tài)。首先,對反饋電流原始信號進行小波包分解與能量特征提??;然后,建立CNN診斷模型,從小波包能量譜中自動提取代表性的特征,實現(xiàn)故障分類。

    1 小波包-卷積神經網(wǎng)絡的構建

    小波包分析是小波分解的進一步改進,具有良好的時頻局部化的功能,可以將電流信號分解到各個子帶中,從而凸顯故障信息,易于故障特征的提取,而且能夠把信號分為高頻和低頻信號,這種分解既無冗余,也無疏漏。所以,小波包分析在處理工程實際問題中就顯得尤為重要。

    1.1 小波包定義

    根據(jù)小波包的定義式,給定尺度函數(shù)φ(t)和正交小波函數(shù)ψ(t)的二尺度關系:

    (1)

    其中:h(k)為對應的低通濾波器;g(k)為對應的高通濾波器;式(2)為推廣的二尺度方程:

    (2)

    式(2)中定義的函數(shù)系{μm(t)|n∈Z}稱為由尺度函數(shù)φ(t)所確定的正交小波包。

    1.2 小波包分解

    信號x(t)的小波包變換就是在L2(R)子空間S(0,0)進行分解得到A、D。只要用于分解的濾波器為一組共軛正交濾波器組,則小波包分解式:

    S=A(j+1,2n)⊕D(j+1,2n+1)

    (3)

    小波包分解的一般表達式:

    S=A(j+1,0)⊕D(j+1,1)=

    A(j+2,0)⊕D(j+2,1)⊕A(j+2,2)⊕

    D(j+2,3)=

    ?

    A(j+k,0)⊕D(j+k,1)⊕…⊕A(j+k,2k-

    2)⊕D(j+3,2k-1)

    (4)

    圖1所示為k=3的小波包分解的過程。其中A表示信號的低頻部分,D表示信號的高頻部分,第一位數(shù)字表示小波包分解的層數(shù)。

    圖1 三層小波包分解示意

    1.3 小波包能量譜

    一般來說,通過第1.2小節(jié)小波包的分解,將原始信號中的信息分解到不同的子頻帶中,而且原始信號經過小波變換過程中的能量守恒,當工業(yè)機器人出現(xiàn)故障時,就會影響每層子頻帶能量的分布,然后學習不同故障的分布特征,進而達到故障識別,因此,小波包能量可以表示工業(yè)機器人健康特征。其第j層第i頻帶的相對頻帶能量Ei可以表示為

    (5)

    其中:j為層數(shù),i為該層的第i個頻率帶,若j=3層,則i=8段;E為頻帶的總能量。

    在實際處理中,由于工業(yè)機器人反饋電流的采樣頻率為 250 Hz,低頻段能量較大,占總能量的比值較大,因此在處理運算過程中對能量Ei做整體開方運算,以適當提升高頻段數(shù)值大小,得到的能量特征如下:

    (6)

    1.4 小波包能量譜轉化為二維矩陣

    由于卷積神經網(wǎng)絡在處理圖像方面具有很大優(yōu)勢,因此文中提出一種將小波包能量特征轉化為二維矩陣的方法。具體方法分為3個過程:首先,利用小波包變化將原始信號分解為多個頻率段;然后將每個頻率段(如第1.3節(jié)方法)轉化為能量譜;同時為了提高卷積神經網(wǎng)絡的分類精度,將每段能量譜值轉化為一個二維的m×m的矩陣,如圖2所示。

    圖2 二維矩陣轉換過程

    1.5 CNN神經網(wǎng)絡

    CNN(Convolutional Neural Networks)具有權值共享、稀疏連接等優(yōu)點。與傳統(tǒng)的神經網(wǎng)絡相比,CNN大大減少了可訓練參數(shù)的數(shù)量,從而實現(xiàn)了更深層次的網(wǎng)絡架構。CNN網(wǎng)絡模型主要有3部分:卷積層、池化層和全連接層。

    卷積層是CNN的主要組成部分,它將輸入特征矩陣與幾個可訓練的核進行“卷積”,并生成相關的特征圖。在卷積層,使用一組可學習的高斯核濾波器對輸入數(shù)據(jù)進行卷積,生成特征映射,可以表示為

    (7)

    池化層是為了降低特征圖的維度,對卷積層的輸出進行“下采樣”。選擇一個可定制的池操作窗口,將它滑動到輸入特征圖上,指定操作區(qū)域,然后用數(shù)值統(tǒng)計方法表示這些值,并降低所選區(qū)域的分辨率。最大池化通常應用于CNN結構中,最大池化卷積核的大小一般是2×2。非常大的輸入量可能需要4×4。但是,選擇較大的形狀會顯著降低信號的尺寸,并可能導致信息過度丟失。通常,不重疊的池化窗口表現(xiàn)最好。

    全連接層在整個卷積神經網(wǎng)絡扮演“分類器”角色。如果說卷積層、池化層和激活函數(shù)層等操作是將原始數(shù)據(jù)映射到隱層特征空間的話,全連接層則起到將學到的“分布式特征表示”映射到樣本標記空間的作用。

    1.6 小波包-卷積神經網(wǎng)絡模型

    文中提出了WPES-CNN (Wavelet Packet Energy Spectrum- Convolutional Neural Networks)智能故障診斷方法,用于反饋電流檢測工業(yè)機器人的運行狀態(tài)。提出的方法流程如圖3所示,一般程序總結如下:

    圖3 小波包-卷積神經網(wǎng)絡模型

    (1)工業(yè)機器人關節(jié)電流信號由伺服驅動發(fā)出,采集腳本進行采集,保存到工業(yè)機器人的控制器中;

    (2)將原始數(shù)據(jù)進行周期性提取,目的是使機器人運行動作保持一致;

    (3)對提取的周期數(shù)據(jù)進行小波包能量譜的特征提??;

    (4)在小波包能量譜的基礎上,將它轉化為二維矩陣,在沒有任何手動情況下,該二維矩陣被分為訓練樣本和驗證樣本;

    (5)用一系列訓練樣本構造CNN,然后用于訓練樣本的無監(jiān)督特征學習;將學習到的特征輸入Softmax分類器,用于工業(yè)機器人故障模式識別;

    (6)使用驗證樣本驗證所提出方法的性能,并報告診斷結果。

    2 實驗數(shù)據(jù)及結果分析

    文中使用國產機器人企業(yè)的六軸工業(yè)機器人運行時產生的反饋電流故障數(shù)據(jù)集來評估所提出方法的有效性,實驗裝置如圖4所示。通過計算機連接機器人的控制器將數(shù)據(jù)采集腳本下載到控制器中,當機器人運行特定程序時會觸發(fā)采集腳本進行數(shù)據(jù)采集,采集的數(shù)據(jù)由伺服驅動提供,最后通過云平臺或者手動將數(shù)據(jù)拷貝出來。采樣頻率250 Hz。實驗數(shù)據(jù)包括工業(yè)機器人4種工況下的電流信號,分為:正常信號、1軸減速機故障信號、3軸減速機故障信號、4軸減速機故障信號。

    圖4 實驗裝置

    2.1 數(shù)據(jù)集

    在數(shù)據(jù)收集過程,工業(yè)機器人運行相同動作,同時采用部件替換實驗獲取機器人多故障數(shù)據(jù),原始數(shù)據(jù)樣本集分布見圖5。數(shù)據(jù)集分類類別見表1。

    圖5 正常信號與故障信號的時域

    表1 數(shù)據(jù)樣本集

    小波包特征提取通過從原始數(shù)據(jù)中隨機選取長度1 000作為一個樣本,每種工況提取3 000個樣本。小波包特征提取的樣本集如表2所示。小波包分解系數(shù)的節(jié)點能量譜如圖6所示。

    表2 小波包特征提取的樣本集

    圖6 小波包能量譜特征

    樣本分布按照訓練集:測試集=7∶3,驗證集包含在測試集中。訓練集:每種工況隨機選取2 100個樣本作為訓練集,訓練集共包括8 400個樣本;測試集:剩余的樣本集作為測試集,每類900個樣本,測試集共包括3 600個樣本。

    2.2 結果分析

    2.2.1 CNN的輸入矩陣形狀對結果的影響

    對原始信號進行4層小波包分解,并將分解系數(shù)進行能量歸一化操作,由于CNN在處理圖像時有著獨特的優(yōu)勢,文中在將能量特征輸入CNN模型前進行矩陣轉化,過程如第1.4節(jié)所述,文中測試了5種矩陣形狀對結果的影響,分別是:1×16、2×8、4×4、8×2、16×1,結果如圖7所示。圖7給出了不同形狀下驗證集的識別準確率(3次實驗取平均值,下同)??芍狠斎刖仃嚍榉疥?4×4)的效果最好。

    圖7 輸入矩陣形狀對結果的影響 圖8 2種方法驗證結果

    2.2.2 WPES-CNN 與CNN識別結果對比

    CNN故障診斷模型使用的訓練集和測試集是第2.1小節(jié)中未經過特征提取的數(shù)據(jù)集,樣本長度同樣是1 000,樣本數(shù)量為3 000。最后將樣本按照7∶3的方式輸入到CNN模型中進行故障識別,2種方法的識別結果如圖8所示。可知:沒有經過特征提取的CNN診斷模型的驗證精度僅為92%。

    為了進一步驗證WPES-CNN方法的優(yōu)越性,將支持向量數(shù)據(jù)描述(Support Vector Data Description,SVDD)、CNN網(wǎng)絡和BP網(wǎng)絡預測結果與它進行比較,比較結果如表3所示。其中基于SVDD模型的診斷平均準確率為83.6%,采用CNN模型的診斷平均準確率為91.3%,采用BP網(wǎng)絡的診斷平均準確率為89.9%,均小于WPES-CNN網(wǎng)絡的故障平均準確度99.9%,說明采用WPES-CNN方法能夠有效提高對故障類別的識別準確率。

    表3 多種識別算法的預測準確率對比

    3 結論

    文中提出了一種非入侵式WPES-CNN故障診斷方法,對反饋電流信號表征工業(yè)機器人的健康狀態(tài)進行了深入分析,得到了反饋電流隨著機械臂減速機不同故障類型的能量特征,為反饋電流應用于機械臂減速機狀態(tài)監(jiān)測提供了基礎。首先,文中通過小波包分解方法對反饋電流時域信號進行處理,分解得到4層小波系數(shù);其次,結合電流信號的能量隨著減速器故障程度會變化的規(guī)律,建立能量特征庫;然后,將輸入能量特征轉化為方陣,提高模型的準確率;最后,將方陣特征作為CNN的輸入,相較于SVDD、BP和CNN診斷模型,WPES-CNN的故障識別率達到99.9%,驗證了所提故障診斷方法的有效性。為工業(yè)機器人健康狀態(tài)監(jiān)測提供了一種新的思路,而且經濟有效,非常有應用前景。

    猜你喜歡
    波包卷積能量
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    能量之源
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于小波包Tsallis熵和RVM的模擬電路故障診斷
    測控技術(2018年8期)2018-11-25 07:42:08
    基于傅里葉域卷積表示的目標跟蹤算法
    詩無邪傳遞正能量
    中華詩詞(2017年4期)2017-11-10 02:18:29
    基于小波包變換的電力系統(tǒng)諧波分析
    小波包理論與圖像小波包分解
    開年就要正能量
    都市麗人(2015年2期)2015-03-20 13:32:31
    凝聚辦好家長學校的正能量
    中國火炬(2014年2期)2014-07-24 14:17:02
    亚洲精品中文字幕在线视频| 首页视频小说图片口味搜索| 免费看十八禁软件| 亚洲成人国产一区在线观看| 男女下面进入的视频免费午夜| 欧洲精品卡2卡3卡4卡5卡区| 久久人妻av系列| 国产高清videossex| 中文在线观看免费www的网站 | 一二三四社区在线视频社区8| 国产精品久久久久久精品电影| 无遮挡黄片免费观看| 免费看a级黄色片| 国产不卡一卡二| 亚洲精品久久成人aⅴ小说| 亚洲精品色激情综合| 国产亚洲欧美在线一区二区| 啦啦啦免费观看视频1| av欧美777| 88av欧美| 夜夜爽天天搞| 免费在线观看黄色视频的| 两人在一起打扑克的视频| 蜜桃久久精品国产亚洲av| 最新美女视频免费是黄的| 啦啦啦观看免费观看视频高清| 99久久综合精品五月天人人| 久久热在线av| 白带黄色成豆腐渣| 18禁观看日本| 精品电影一区二区在线| 欧美黑人精品巨大| 久久久精品欧美日韩精品| 最近最新中文字幕大全免费视频| 嫁个100分男人电影在线观看| 成人国语在线视频| 日日夜夜操网爽| 无限看片的www在线观看| 在线a可以看的网站| 每晚都被弄得嗷嗷叫到高潮| 成年人黄色毛片网站| 亚洲成av人片在线播放无| 视频区欧美日本亚洲| 夜夜夜夜夜久久久久| 丰满人妻熟妇乱又伦精品不卡| 国产乱人伦免费视频| 免费观看人在逋| 亚洲中文日韩欧美视频| 舔av片在线| 亚洲中文日韩欧美视频| 亚洲国产欧美一区二区综合| 妹子高潮喷水视频| 在线国产一区二区在线| av福利片在线观看| 亚洲国产精品999在线| 18禁国产床啪视频网站| 欧美成人性av电影在线观看| 免费在线观看亚洲国产| 一级毛片精品| 亚洲国产高清在线一区二区三| 午夜福利在线在线| 哪里可以看免费的av片| 国模一区二区三区四区视频 | 18禁黄网站禁片午夜丰满| 久久久久久免费高清国产稀缺| 免费看a级黄色片| 色播亚洲综合网| 成人亚洲精品av一区二区| 在线观看舔阴道视频| 两性午夜刺激爽爽歪歪视频在线观看 | 久久热在线av| 精品高清国产在线一区| 欧美日韩黄片免| 国产真人三级小视频在线观看| 日韩 欧美 亚洲 中文字幕| 美女高潮喷水抽搐中文字幕| 精品久久久久久久末码| 精品无人区乱码1区二区| 成人18禁高潮啪啪吃奶动态图| 欧美高清成人免费视频www| 三级男女做爰猛烈吃奶摸视频| 亚洲精品在线观看二区| 国产精品九九99| 精品免费久久久久久久清纯| 国产亚洲欧美98| 亚洲av成人精品一区久久| 国产伦一二天堂av在线观看| 午夜免费成人在线视频| 国产精品日韩av在线免费观看| 啪啪无遮挡十八禁网站| 精品欧美一区二区三区在线| 伦理电影免费视频| 岛国在线观看网站| 国产在线观看jvid| 嫩草影院精品99| 俺也久久电影网| 国产精品久久电影中文字幕| 精品国产乱子伦一区二区三区| 亚洲国产精品合色在线| 欧美性猛交╳xxx乱大交人| 久久中文字幕一级| 国产精品一区二区三区四区免费观看 | 男女那种视频在线观看| 国产成人一区二区三区免费视频网站| 国产一区二区三区在线臀色熟女| 精品国产亚洲在线| 波多野结衣巨乳人妻| 免费在线观看亚洲国产| 99精品在免费线老司机午夜| 一进一出抽搐gif免费好疼| 亚洲精品久久成人aⅴ小说| 叶爱在线成人免费视频播放| 国产成人aa在线观看| 91老司机精品| ponron亚洲| 天堂√8在线中文| 嫁个100分男人电影在线观看| 亚洲avbb在线观看| 欧美日韩瑟瑟在线播放| 99re在线观看精品视频| 狠狠狠狠99中文字幕| 真人一进一出gif抽搐免费| 最近在线观看免费完整版| 日韩欧美 国产精品| 99久久久亚洲精品蜜臀av| 最新美女视频免费是黄的| 亚洲欧美日韩高清在线视频| 欧美一级a爱片免费观看看 | 在线观看免费视频日本深夜| 国产免费男女视频| 曰老女人黄片| 女同久久另类99精品国产91| 全区人妻精品视频| 午夜视频精品福利| 日本五十路高清| 午夜福利18| 久久这里只有精品中国| 国产成年人精品一区二区| 最近视频中文字幕2019在线8| 欧美日韩乱码在线| 99国产精品一区二区蜜桃av| 欧美zozozo另类| 香蕉国产在线看| 欧美色欧美亚洲另类二区| 国产高清videossex| 在线观看舔阴道视频| 一级黄色大片毛片| 搡老熟女国产l中国老女人| 国产激情偷乱视频一区二区| 看片在线看免费视频| 黑人操中国人逼视频| 亚洲专区字幕在线| 国产精品98久久久久久宅男小说| 国产99白浆流出| 国产亚洲精品第一综合不卡| 午夜福利欧美成人| 88av欧美| 性色av乱码一区二区三区2| 又大又爽又粗| 亚洲成av人片免费观看| 操出白浆在线播放| 久久久久久亚洲精品国产蜜桃av| 亚洲男人的天堂狠狠| 可以免费在线观看a视频的电影网站| 操出白浆在线播放| 久久精品91无色码中文字幕| 免费搜索国产男女视频| 毛片女人毛片| 亚洲成人久久爱视频| 特大巨黑吊av在线直播| 伦理电影免费视频| 日日爽夜夜爽网站| 亚洲va日本ⅴa欧美va伊人久久| 成人特级黄色片久久久久久久| 国内少妇人妻偷人精品xxx网站 | 国产人伦9x9x在线观看| 亚洲欧美日韩高清在线视频| 香蕉久久夜色| 国产亚洲av高清不卡| 此物有八面人人有两片| 国产真人三级小视频在线观看| 他把我摸到了高潮在线观看| 亚洲乱码一区二区免费版| 日韩精品青青久久久久久| 每晚都被弄得嗷嗷叫到高潮| 日本黄大片高清| 久久久久久免费高清国产稀缺| 精品人妻1区二区| 国产一区在线观看成人免费| 免费av毛片视频| 老汉色av国产亚洲站长工具| 精品国产乱码久久久久久男人| 大型av网站在线播放| 香蕉国产在线看| 欧美另类亚洲清纯唯美| 亚洲成av人片在线播放无| 波多野结衣高清无吗| 久久久精品欧美日韩精品| 国产亚洲欧美98| 老司机深夜福利视频在线观看| 好男人电影高清在线观看| av有码第一页| x7x7x7水蜜桃| 中文字幕av在线有码专区| 国产精品免费视频内射| 午夜精品一区二区三区免费看| 久久亚洲真实| 淫秽高清视频在线观看| 法律面前人人平等表现在哪些方面| 国产探花在线观看一区二区| 中文字幕av在线有码专区| 亚洲色图av天堂| 成人特级黄色片久久久久久久| 日本免费一区二区三区高清不卡| 女人高潮潮喷娇喘18禁视频| 亚洲成人国产一区在线观看| 亚洲成人中文字幕在线播放| 午夜福利在线在线| 久热爱精品视频在线9| 50天的宝宝边吃奶边哭怎么回事| 淫妇啪啪啪对白视频| 亚洲avbb在线观看| 免费在线观看亚洲国产| 91国产中文字幕| 嫁个100分男人电影在线观看| 欧美在线一区亚洲| 舔av片在线| 90打野战视频偷拍视频| 免费观看人在逋| 亚洲人成77777在线视频| 男女视频在线观看网站免费 | 久久九九热精品免费| 午夜精品久久久久久毛片777| √禁漫天堂资源中文www| 久久精品国产综合久久久| 久久香蕉精品热| 免费看a级黄色片| 88av欧美| av有码第一页| 欧美成人一区二区免费高清观看 | 国产精品综合久久久久久久免费| 国产野战对白在线观看| 亚洲18禁久久av| 亚洲国产精品成人综合色| 成年人黄色毛片网站| 欧美人与性动交α欧美精品济南到| 日韩欧美在线二视频| 女人爽到高潮嗷嗷叫在线视频| 成人特级黄色片久久久久久久| 婷婷精品国产亚洲av在线| 波多野结衣高清作品| 母亲3免费完整高清在线观看| 99热6这里只有精品| xxx96com| 欧美绝顶高潮抽搐喷水| 国产爱豆传媒在线观看 | 九九热线精品视视频播放| 欧美日韩亚洲综合一区二区三区_| 狠狠狠狠99中文字幕| 99久久国产精品久久久| 国产免费男女视频| 88av欧美| 亚洲av电影在线进入| 色综合欧美亚洲国产小说| 熟女电影av网| 一级片免费观看大全| 欧美乱码精品一区二区三区| 视频区欧美日本亚洲| 亚洲第一电影网av| 精华霜和精华液先用哪个| 99久久国产精品久久久| 久久久久久人人人人人| 男人的好看免费观看在线视频 | 国产精品久久视频播放| 在线十欧美十亚洲十日本专区| 女生性感内裤真人,穿戴方法视频| 国产人伦9x9x在线观看| 久久99热这里只有精品18| 欧美色欧美亚洲另类二区| 亚洲 欧美 日韩 在线 免费| 99久久无色码亚洲精品果冻| 亚洲最大成人中文| 国产亚洲精品久久久久5区| 日日夜夜操网爽| 宅男免费午夜| 午夜久久久久精精品| 亚洲国产精品999在线| 最近在线观看免费完整版| 精品不卡国产一区二区三区| 国产高清有码在线观看视频 | 久久国产乱子伦精品免费另类| 制服诱惑二区| 欧美成人午夜精品| 色播亚洲综合网| 久久精品亚洲精品国产色婷小说| 中文字幕熟女人妻在线| 欧美最黄视频在线播放免费| 国产成年人精品一区二区| 色尼玛亚洲综合影院| 久久欧美精品欧美久久欧美| 99在线视频只有这里精品首页| 国产精品一区二区精品视频观看| 精品免费久久久久久久清纯| 久久久国产成人精品二区| 在线观看免费视频日本深夜| 欧美成人一区二区免费高清观看 | 欧美日本亚洲视频在线播放| 两人在一起打扑克的视频| 国产一区二区三区视频了| а√天堂www在线а√下载| 国产亚洲精品综合一区在线观看 | 一级毛片高清免费大全| 亚洲成人国产一区在线观看| 久久久久精品国产欧美久久久| 亚洲精品在线观看二区| 日本撒尿小便嘘嘘汇集6| 国产一区二区三区视频了| 又大又爽又粗| 亚洲熟女毛片儿| 一个人观看的视频www高清免费观看 | 久久精品国产亚洲av高清一级| 两个人看的免费小视频| 欧美+亚洲+日韩+国产| 国产精品自产拍在线观看55亚洲| 蜜桃久久精品国产亚洲av| 三级国产精品欧美在线观看 | 久久久久久久精品吃奶| 久久国产精品人妻蜜桃| 99国产极品粉嫩在线观看| 老鸭窝网址在线观看| 国内精品久久久久精免费| 国产在线观看jvid| 禁无遮挡网站| 亚洲专区字幕在线| 国产91精品成人一区二区三区| 18禁黄网站禁片午夜丰满| 亚洲精品一卡2卡三卡4卡5卡| 18禁美女被吸乳视频| netflix在线观看网站| 国产一区二区在线av高清观看| 久久国产精品人妻蜜桃| 国产欧美日韩一区二区三| 国产激情久久老熟女| 精华霜和精华液先用哪个| 首页视频小说图片口味搜索| 一级a爱片免费观看的视频| 欧美中文日本在线观看视频| 丁香欧美五月| 99热这里只有精品一区 | 国产精品,欧美在线| 日本在线视频免费播放| 18禁国产床啪视频网站| 精品久久久久久久久久免费视频| 国产精品一区二区三区四区久久| 50天的宝宝边吃奶边哭怎么回事| 九色成人免费人妻av| 脱女人内裤的视频| 久久香蕉国产精品| 国产在线精品亚洲第一网站| 哪里可以看免费的av片| 男男h啪啪无遮挡| 欧美一区二区国产精品久久精品 | 国产蜜桃级精品一区二区三区| 美女扒开内裤让男人捅视频| 国内揄拍国产精品人妻在线| 国内久久婷婷六月综合欲色啪| 国产高清激情床上av| 99热这里只有精品一区 | 日韩三级视频一区二区三区| 99国产精品99久久久久| 亚洲性夜色夜夜综合| 窝窝影院91人妻| 草草在线视频免费看| 免费在线观看黄色视频的| 国产精品乱码一区二三区的特点| 日本精品一区二区三区蜜桃| 老司机午夜福利在线观看视频| 亚洲中文字幕日韩| 久久人妻福利社区极品人妻图片| 久久人妻av系列| 美女大奶头视频| 在线观看午夜福利视频| 一本综合久久免费| 久久精品影院6| 成人18禁在线播放| 亚洲真实伦在线观看| 午夜福利视频1000在线观看| 久久精品亚洲精品国产色婷小说| 亚洲18禁久久av| 校园春色视频在线观看| 波多野结衣高清无吗| 毛片女人毛片| 手机成人av网站| 亚洲人成77777在线视频| 观看免费一级毛片| 五月伊人婷婷丁香| 久久久久久亚洲精品国产蜜桃av| 国产一区在线观看成人免费| 在线播放国产精品三级| 波多野结衣高清作品| 成人欧美大片| 一个人免费在线观看的高清视频| 国产精品亚洲美女久久久| 国产黄色小视频在线观看| 亚洲国产精品合色在线| 色精品久久人妻99蜜桃| 精品一区二区三区视频在线观看免费| 欧美人与性动交α欧美精品济南到| 中文亚洲av片在线观看爽| 69av精品久久久久久| 亚洲欧美精品综合久久99| 成人国语在线视频| 欧美日韩精品网址| 欧美黑人精品巨大| 精品无人区乱码1区二区| 国产精品久久久久久久电影 | 高清在线国产一区| 日韩中文字幕欧美一区二区| 午夜免费观看网址| 两性夫妻黄色片| 欧美另类亚洲清纯唯美| 久久精品人妻少妇| 亚洲精品中文字幕一二三四区| 首页视频小说图片口味搜索| av福利片在线观看| 露出奶头的视频| 看免费av毛片| 91麻豆精品激情在线观看国产| 色播亚洲综合网| 国产精品 欧美亚洲| 国产精品久久久久久亚洲av鲁大| 久久精品91无色码中文字幕| 日本一本二区三区精品| 伊人久久大香线蕉亚洲五| 国产高清有码在线观看视频 | 不卡av一区二区三区| 国产av一区二区精品久久| 久久国产精品影院| 欧美绝顶高潮抽搐喷水| 国内揄拍国产精品人妻在线| 给我免费播放毛片高清在线观看| 757午夜福利合集在线观看| 男女床上黄色一级片免费看| 色av中文字幕| 2021天堂中文幕一二区在线观| 这个男人来自地球电影免费观看| 九色国产91popny在线| 美女午夜性视频免费| 国产熟女午夜一区二区三区| 小说图片视频综合网站| 日本免费a在线| 欧美久久黑人一区二区| 午夜a级毛片| 久久久久性生活片| 91字幕亚洲| 制服诱惑二区| 日本成人三级电影网站| 最近最新中文字幕大全免费视频| 午夜精品一区二区三区免费看| 色综合亚洲欧美另类图片| www国产在线视频色| 亚洲成人久久性| 国产亚洲av嫩草精品影院| 日本成人三级电影网站| 一级片免费观看大全| 免费无遮挡裸体视频| 18禁美女被吸乳视频| 国产熟女xx| 九九热线精品视视频播放| 午夜久久久久精精品| 国产野战对白在线观看| 狂野欧美白嫩少妇大欣赏| 欧美日韩瑟瑟在线播放| 久久久久久大精品| 又爽又黄无遮挡网站| 少妇熟女aⅴ在线视频| 国产免费av片在线观看野外av| 免费在线观看亚洲国产| 国产精品国产高清国产av| 国产成年人精品一区二区| 在线看三级毛片| 亚洲电影在线观看av| 嫩草影院精品99| 黄色a级毛片大全视频| 丰满人妻一区二区三区视频av | 国产成人精品无人区| 国产精品久久久久久久电影 | 久久午夜亚洲精品久久| 国产野战对白在线观看| 中文字幕最新亚洲高清| 欧美一区二区国产精品久久精品 | 最近视频中文字幕2019在线8| 成人高潮视频无遮挡免费网站| 日日干狠狠操夜夜爽| 成人国产综合亚洲| 搡老妇女老女人老熟妇| 亚洲av片天天在线观看| 长腿黑丝高跟| 国产av麻豆久久久久久久| 国产一区在线观看成人免费| 亚洲成a人片在线一区二区| 国产精品综合久久久久久久免费| 一本久久中文字幕| 黑人巨大精品欧美一区二区mp4| 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电影 | 欧美日韩国产亚洲二区| 嫩草影院精品99| 日韩欧美在线乱码| 淫秽高清视频在线观看| 麻豆一二三区av精品| 99re在线观看精品视频| 精品熟女少妇八av免费久了| 我的老师免费观看完整版| 丝袜人妻中文字幕| 国产精品一区二区精品视频观看| 麻豆av在线久日| 亚洲国产高清在线一区二区三| 精品欧美国产一区二区三| 亚洲中文字幕一区二区三区有码在线看 | 国产精品99久久99久久久不卡| 国产伦人伦偷精品视频| 国产亚洲精品一区二区www| 国产一区二区激情短视频| 啦啦啦观看免费观看视频高清| 国产欧美日韩精品亚洲av| 久久热在线av| 一a级毛片在线观看| 老司机福利观看| 成人特级黄色片久久久久久久| 麻豆av在线久日| 熟女电影av网| 亚洲成av人片免费观看| 久久香蕉精品热| 国模一区二区三区四区视频 | 久久精品国产综合久久久| 欧美黄色片欧美黄色片| 婷婷丁香在线五月| 男女午夜视频在线观看| 欧美乱妇无乱码| 老熟妇乱子伦视频在线观看| 日日干狠狠操夜夜爽| 亚洲专区国产一区二区| 日本一二三区视频观看| 亚洲中文字幕一区二区三区有码在线看 | 国产一区二区激情短视频| 搡老熟女国产l中国老女人| 国产午夜精品久久久久久| 看片在线看免费视频| 天天添夜夜摸| 婷婷亚洲欧美| 一本久久中文字幕| 日韩欧美 国产精品| 日本一区二区免费在线视频| 精品人妻1区二区| 欧美一级毛片孕妇| 亚洲欧美日韩无卡精品| 亚洲男人的天堂狠狠| 国产91精品成人一区二区三区| 色尼玛亚洲综合影院| 欧美在线黄色| 精品久久蜜臀av无| 国产三级在线视频| 亚洲人成伊人成综合网2020| 亚洲成人精品中文字幕电影| 国产亚洲欧美98| 又粗又爽又猛毛片免费看| 亚洲成人久久爱视频| 嫩草影视91久久| 在线观看免费午夜福利视频| 精品国产亚洲在线| 午夜精品在线福利| 亚洲全国av大片| 夜夜夜夜夜久久久久| 国产成人系列免费观看| 成熟少妇高潮喷水视频| 国产欧美日韩一区二区三| 精品国内亚洲2022精品成人| 麻豆国产97在线/欧美 | 成人高潮视频无遮挡免费网站| 午夜亚洲福利在线播放| 欧美 亚洲 国产 日韩一| 性色av乱码一区二区三区2| 欧美性长视频在线观看| 日本免费a在线| 日本熟妇午夜| 亚洲一码二码三码区别大吗| 一二三四在线观看免费中文在| 人成视频在线观看免费观看| 精品国产亚洲在线| 99精品久久久久人妻精品| 人人妻人人澡欧美一区二区| 精品久久久久久成人av| 午夜免费观看网址| 看免费av毛片| 国产一区二区三区在线臀色熟女| 日韩国内少妇激情av| 久久天躁狠狠躁夜夜2o2o| 动漫黄色视频在线观看| 久久这里只有精品19| 国产一区在线观看成人免费| 91大片在线观看| 国产精品日韩av在线免费观看| 熟妇人妻久久中文字幕3abv| 国模一区二区三区四区视频 | www.自偷自拍.com| 成人三级做爰电影| 国产精品日韩av在线免费观看| 在线观看免费视频日本深夜| 欧美一级毛片孕妇| 色老头精品视频在线观看| 亚洲成人久久爱视频| 国产精品免费一区二区三区在线| 欧美绝顶高潮抽搐喷水|