• <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 ?

    基于熵值比-DTW度量奇異值相似度指標(biāo)的滾動軸承退化歷程辨識

    2023-01-09 09:48:24周建清朱文昌王恒
    軸承 2023年1期
    關(guān)鍵詞:歷程軸承模板

    周建清,朱文昌,王恒

    (1.常州市高級職業(yè)技術(shù)學(xué)校 電氣工程學(xué)院,江蘇 常州 213161; 2.南通大學(xué) 機械工程學(xué)院,江蘇 南通 226019)

    有效監(jiān)測滾動軸承性能退化歷程,制定針對性的維護(hù)計劃,可避免設(shè)備損壞造成的財產(chǎn)損失及人員傷亡,具有重要意義[1]。基于數(shù)據(jù)分析的滾動軸承退化歷程辨識得到了廣泛研究,其關(guān)鍵在于如何構(gòu)造單調(diào)性好且能準(zhǔn)確刻畫不同狀態(tài)的性能退化指標(biāo)。傳統(tǒng)方法采用軸承振動信號的時域(如峭度、均方根)、頻域(如重心頻率、均方頻率)及時頻域(如小波包分解、經(jīng)驗?zāi)B(tài)分解)等特征進(jìn)行分析[2]。文獻(xiàn)[3]將 Kullback-Leibler散度作為軸承健康退化指標(biāo),可有效量化滾動軸承的不同退化階段;文獻(xiàn)[4]改進(jìn)了卷積神經(jīng)網(wǎng)絡(luò)并用于深層次振動特征提取,結(jié)合遷移學(xué)習(xí)實現(xiàn)了不同工況下軸承運行狀態(tài)的識別;文獻(xiàn)[5]使用經(jīng)驗?zāi)B(tài)分解算法提取軸承故障特征,對特征向量進(jìn)行 k-medoids 聚類以構(gòu)建模型,可更精確地檢測早期退化;文獻(xiàn)[6]利用應(yīng)用累積并對JRD(Jensen Renyi Divergence)進(jìn)行改進(jìn),提高了退化指標(biāo)的穩(wěn)定性及單調(diào)性;文獻(xiàn)[7]將排列熵(Permutation Entropy,PE)作為軸承退化特征,通過改進(jìn)構(gòu)造出熵能比(Entropy Energy Rate, EER)并作為滾動軸承性能退化指標(biāo),其對早期故障更敏感且與軸承故障發(fā)展趨勢更加一致。

    隨著人工智能、機器學(xué)習(xí)的發(fā)展,以卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)為代表的深度學(xué)習(xí)算法在軸承特征提取方面也得到了廣泛的應(yīng)用[8],與傳統(tǒng)方法相比,其能夠挖掘軸承數(shù)據(jù)更深層次的信息,但由于池化層、隱含層的層數(shù)等超參數(shù)需要人為設(shè)定,缺乏一定的科學(xué)性。近年來,許多學(xué)者將矩陣論應(yīng)用于滾動軸承狀態(tài)監(jiān)測領(lǐng)域,文獻(xiàn)[9]提出一種非負(fù)矩陣分解,用于軸承特征提取并實現(xiàn)了軸承故障診斷;文獻(xiàn)[10]基于隨機矩陣?yán)碚搶S承特征矩陣進(jìn)行分解,將矩陣特征值用于軸承退化指標(biāo)構(gòu)建與檢測閾值設(shè)定,實現(xiàn)了滾動軸承的早期異常檢測。

    目前,常利用滾動軸承某個時刻退化指標(biāo)的數(shù)值大小及變化趨勢監(jiān)測軸承當(dāng)前時刻的狀態(tài),然而軸承性能退化是一個連續(xù)變化的過程,即當(dāng)前狀態(tài)與歷史狀態(tài)相關(guān),如何將軸承當(dāng)前狀態(tài)及歷史信息相結(jié)合,構(gòu)建能準(zhǔn)確反映軸承當(dāng)前狀態(tài)與正常狀態(tài)之間差異的性能指標(biāo)并提高指標(biāo)對不同階段的敏感性,避免數(shù)據(jù)波動干擾軸承退化狀態(tài)的判定是值得深入研究的問題。動態(tài)時間規(guī)整(Dynamic Time Warping,DTW)是一種計算時間序列相似性的算法,將時間規(guī)整和距離測度計算相結(jié)合,利用對2個時序信號的拉伸、對齊等操作獲得時間校準(zhǔn)匹配路徑,通過計算路徑間的最短距離描述時間序列間的相似度與差異性[11]。文獻(xiàn)[12]利用DTW算法計算時間序列間的相似性并進(jìn)行狀態(tài)匹配,與歐幾里得距離相比,其對時間序列相似度的計算更為準(zhǔn)確;文獻(xiàn)[13]利用DTW算法分析手語運動軌跡間的相似性并判斷其是否屬于同一類別,提高了手語軌跡識別的準(zhǔn)確率。傳統(tǒng)DTW算法假設(shè)序列中的各個點有著相同的作用,從而計算序列間的相似度,而在軸承的實際退化過程中,不同時間段采集到的數(shù)據(jù)結(jié)構(gòu)及組成可能存在較大的變化,因此利用DTW算法計算軸承信號相似度時不能僅考慮數(shù)據(jù)序列之間的距離,也應(yīng)考慮不同狀態(tài)數(shù)據(jù)間的差異性。

    綜上所述,本文基于奇異值分解(Singular Value Decomposition,SVD)算法對軸承數(shù)據(jù)進(jìn)行特征提取,結(jié)合信息熵和DTW算法計算不同狀態(tài)軸承退化數(shù)據(jù)間的相似度,并用其表征軸承全壽命過程中的不同退化歷程。

    1 基于奇異值分解的軸承特征提取

    根據(jù)滾動軸承健康監(jiān)測數(shù)據(jù)的采集特點,在時間T內(nèi)對軸承進(jìn)行N次采樣,采樣時間記為ti(i=1,2,…,N),采樣點數(shù)為M,各數(shù)據(jù)點分別記為x(ti,j)(j=1,2,…,M),在ti時刻采集的數(shù)據(jù)可構(gòu)成向量x(ti),即

    x(ti)=[x(ti,1),x(ti,2),…,x(ti,M)] 。

    (1)

    向量x(ti)中涵蓋ti時刻軸承不同位置的運行信息,可以看作矩陣x(ti)∈R1×M。對于一個實矩陣B∈RK×K,可引入特征值λ及特征向量y將其替代,λ可用于B中的有用信息,則

    By=λy。

    (2)

    將采集的數(shù)據(jù)構(gòu)建矩陣并進(jìn)行特征分解,將特征值構(gòu)造退化指標(biāo)以識別軸承的不同退化階段[14]。在矩陣論中,矩陣奇異值分解與特征值分解的作用較為相似,不同的是奇異值可適用于矩陣不滿秩的情況,具有更大的應(yīng)用范圍。而在矩陣論中,對于一個實矩陣A∈RH×J,可對其進(jìn)行奇異值分解,則A可寫為

    (3)

    Λ=diag(σ1,σ2,…,σl),

    式中:V與VT為正交特征向量矩陣;Λ為對角矩陣;σi為采樣時刻ti對軸承數(shù)據(jù)進(jìn)行奇異值分解后所對應(yīng)的奇異值,且l=min(H,J)。

    對ti時刻采集到的軸承數(shù)據(jù)x(ti)∈R1×M進(jìn)行分解后,可從對角矩陣Λ中提取到一個奇異值,故在采樣時間T內(nèi),對不同時刻的軸承數(shù)據(jù)進(jìn)行分解并提取不同時刻的奇異值,可構(gòu)造出退化時間序列G∈R1×N,即

    G=[σ1,σ2,σ3,…,σi,…,σN]。

    (4)

    2 基于熵值比-動態(tài)時間規(guī)整構(gòu)造奇異值相似度指標(biāo)

    滾動軸承由正常運行至完全失效是連續(xù)變化的過程,當(dāng)軸承受到損傷進(jìn)入退化狀態(tài),其損傷的衍變規(guī)律應(yīng)與前n個歷史狀態(tài)有關(guān),單獨取某一時刻的特征去判斷軸承狀態(tài)是不合理的,因此本文將相互鄰近的多個特征點構(gòu)成時間序列,利用DTW算法分析軸承的退化歷程。

    確定一段軸承正常狀態(tài)信號序列作為參考模版P=[p1,p2,…,pa],構(gòu)造其他時間段的退化序列作為測試模板Q=[q1,q2,…,qb],其中pa和qb分別表示參考模板的第a個和測試模板的第b個特征矢量值。對齊路徑li用于描述P與Q之間數(shù)據(jù)點的對齊關(guān)系,其被定義為包含s個二元組的集合,每個二元組包含2個分別來自時間序列P和Q的數(shù)據(jù)點,l可表示為

    (5)

    序列P與Q之間所有對齊路徑的集合記為AP,Q。DTW的目標(biāo)是最小化兩段時序數(shù)據(jù)中所有對應(yīng)數(shù)據(jù)點的局部距離值之和,其定義為

    (6)

    d(pa,qb)=∣pa-qb∣2,

    (7)

    式中:d(pa,qb)為矢量間的距離。

    DTW算法采用動態(tài)規(guī)劃思想,利用遞歸公式將以上問題轉(zhuǎn)換為對P和Q中特征矢量距離的求解問題,即

    (8)

    將規(guī)整后路徑間的距離作為量化指標(biāo),可對不同序列的相似性進(jìn)行有效度量,規(guī)整后的距離越小則序列間相似度越大。在軸承的實際退化過程中,不同狀態(tài)對應(yīng)的數(shù)據(jù)結(jié)構(gòu)及組成可能產(chǎn)生較大的變化,所蘊含的信息不同,在計算序列間相似性時應(yīng)考慮不同狀態(tài)數(shù)據(jù)結(jié)構(gòu)間的差異性。熵值可反映信息可靠程度,系統(tǒng)混亂程度越高則熵值越大,本文將信息熵之比引入DTW算法中用于優(yōu)化奇異值指標(biāo),其步驟如下:

    1)從退化時間序列G∈R1×N選取a個連續(xù)的正常數(shù)據(jù)點作為參考模板P并保持不變。采用滑動時間窗口從時間序列G中提取不同時刻的數(shù)據(jù)作為測試模板,設(shè)置時間窗長度為b,則ti時刻構(gòu)造的測試模板Q(ti)為

    Q(ti)=[σi-b,…,σi-2,σi-1,σi] ;b≥i≥N,

    (9)

    從σb開始,滑動時間窗鎖定的第1個測試模板為Q(t1)=[σ1,σ2,σ3,…,σb],隨后時間窗每次后移1個單位,共移動N-b+1次。利用DTW算法計算2個模板間的相似度,在ti時刻測試模板Q(ti)與參考模板P的距離(即相似度)記為di。

    2)分別計算參考模板和測試模版中奇異值對應(yīng)相似信號的信息熵值及熵值比,即

    (10)

    (11)

    式中:a,b分別為參考模板和測試模板中相似信號對應(yīng)奇異值的個數(shù);xk(ti,j)為將ti時刻所采集數(shù)據(jù)x(ti,j)分解k次后相似信號中第j個數(shù)據(jù)的值;wi為ti時刻測試模板與參考模板距離間的權(quán)值。

    3)將ti時刻對應(yīng)的權(quán)值wi與DTW相似度距離di點乘得到加權(quán)后的相似度dw,i。將不同時間段的相似度通過權(quán)熵值進(jìn)行優(yōu)化可得到加權(quán)后的距離矩陣D=(dw,1,dw,2,…,dw,i,…,dw,N-b+1),將其歸一化處理后用于對軸承退化歷程進(jìn)行辨識。

    綜上所述,本文所提基于熵值比-DTW度量奇異值相似度指標(biāo)的構(gòu)造流程如圖1所示。

    圖1 基于熵值比-DTW度量奇異值相似度指標(biāo)構(gòu)建流程圖Fig.1 Constructed flowchart of singular value similarity index based on DTW optimized by entropy ratio

    3 應(yīng)用研究

    3.1 數(shù)據(jù)來源

    本文采用辛辛那提大學(xué)智能維護(hù)系統(tǒng)(IMS)中心的滾動軸承全壽命試驗中軸承1的數(shù)據(jù)進(jìn)行應(yīng)用研究,該試驗采用加速度傳感器每 10 min采集一次軸承振動信號,采樣頻率為20 kHz,當(dāng)軸承1外圈發(fā)生故障時結(jié)束試驗,整個試驗共經(jīng)歷9 830 min。取奇異值序列G中正常狀態(tài)下的序列段[σ1,σ2,σ3,σ4,σ5]為參考模板,測試模板長度b=5,利用DTW計算其相似度并結(jié)合熵值比進(jìn)行優(yōu)化,采用優(yōu)化后的相似度指標(biāo)辨識軸承1的退化歷程。

    3.2 基于SVD算法的軸承奇異值特征提取

    利用SVD算法對軸承各個時刻的數(shù)據(jù)進(jìn)行分解,提取各個時刻對應(yīng)的奇異值并進(jìn)行歸一化處理后,構(gòu)建的軸承全壽命歷程退化指標(biāo)如圖2所示,通過3σ準(zhǔn)則可在5 370 min檢測出軸承早期異常的發(fā)生[15],與文獻(xiàn)[16-17]分別為5 350,5 330 min的檢測結(jié)果比較接近,與峭度指標(biāo)(圖3)相比可提前1 122 min檢測出軸承早期異常的發(fā)生,且奇異值指標(biāo)在退化時期整體呈單調(diào)向上的趨勢,數(shù)據(jù)曲線波動小,穩(wěn)定性高。然而,在軸承“自愈現(xiàn)象”發(fā)生(7 000~9 000 min)時,奇異值指標(biāo)存在明顯“上升—下降—再上升”的起伏波動[18],給軸承狀態(tài)判斷帶來了干擾,難以判斷圖3中A,B范圍內(nèi)具有相同指標(biāo)值數(shù)據(jù)點所對應(yīng)的退化狀態(tài)。

    圖2 基于奇異值指標(biāo)軸承全壽命歷程Fig.2 Bearing full life history based on singular value index

    圖3 基于峭度指標(biāo)的軸承全壽命歷程Fig.3 Bearing full life history based on kurtosis index

    3.3 基于熵值比-DTW構(gòu)造奇異值相似度指標(biāo)

    為進(jìn)一步提高退化指標(biāo)整體的單調(diào)性及對早期異常的敏感性,將動態(tài)時間規(guī)整算法與熵值法相結(jié)合,從時間序列及數(shù)據(jù)結(jié)構(gòu)兩方面共同對軸承奇異值指標(biāo)進(jìn)行處理。以10~50 min軸承正常狀態(tài)奇異值序列為參考模版,提取1 210~1 250 min與8 010~8 050 min奇異值序列作為測試模板分別計算相似度,計算過程如圖4、圖5所示。在參考模板不變時,由圖4a可發(fā)現(xiàn)測試模板為1 210~1 250 min時,對于2個原始序列變化趨勢不同的曲線,可通過DTW算法對曲線進(jìn)行伸長、對齊操作后將其轉(zhuǎn)變?yōu)榫哂邢嗤兓厔莸那€,計算對齊后各對應(yīng)點間的最小距離并最終得到規(guī)整后的最短路徑(從數(shù)值較小的深色區(qū)經(jīng)過),如圖4b所示,累積距離大小為0.867,這是由于軸承在1 210~1 250 min期間處于正常狀態(tài),參考模板也處于正常狀態(tài),2個序列的相似度較高,規(guī)整得到累積距離較??;當(dāng)測試模板為8 010~8 050 min 時,序列間的差異較大,DTW算法難以將其規(guī)整為相同退化趨勢的曲線,且規(guī)劃出的路徑經(jīng)過淺色區(qū)域,累計距離較大(11.415,約正常狀態(tài)下相似度的13倍),如圖5所示。因此, DTW算法可放大不同時間序列間的差異性。

    (a) 時間序列規(guī)整

    (a) 時間序列規(guī)整

    利用DTW處理軸承數(shù)據(jù)時只考慮了不同時間段時間序列的相似性,未考慮不同時間段數(shù)據(jù)結(jié)構(gòu)之間的差異性。因此,本文采用熵值比分析軸承的全壽命歷程,結(jié)果如圖6所示:當(dāng)軸承處于正常狀態(tài),熵值比近似為一條直線;當(dāng)軸承進(jìn)入異常狀態(tài),熵值比有明顯的上升趨勢;隨著軸承故障加劇,熵值比不斷增大,表明熵值比表征數(shù)據(jù)結(jié)構(gòu)間的差異是可行的。

    圖6 滾動軸承全壽命歷程的熵值比變化曲線Fig.6 Change curve based on entropy ratio of rolling bearing's full life history

    以(10)、(11)式計算測試模板中奇異值所對應(yīng)相似信號的熵值比作為權(quán)值,用其優(yōu)化動態(tài)時間規(guī)整算法所測的相似度,最終構(gòu)造出軸承1的性能退化曲線,結(jié)果如圖7所示:利用3σ準(zhǔn)則檢測出軸承1的早期異常點在5 330 min,優(yōu)化后的相似度指標(biāo)可更早檢測出軸承的早期異常點,且指標(biāo)的整體單調(diào)性及對異常狀態(tài)的敏感性均得到了較大的提高。

    圖7 基于奇異值相似度指標(biāo)的軸承退化曲線Fig.7 Bearing degradation curve based on singular value similarity index

    3.4 軸承退化歷程辨識

    基于奇異值相似度指標(biāo)對軸承的退化歷程辨識結(jié)果如圖8所示:

    1)在5 330 min前指標(biāo)變化平緩,波動較小,可劃分為正常階段。

    2)5 330~6 910 min期間退化指標(biāo)較正常狀態(tài)有較為明顯的上升趨勢,可定義為軸承的早期退化階段。

    3)7 020~8 640 min期間指標(biāo)幅值比上一階段更大,但上升并不明顯,可定義為軸承的中期退化階段。這是由于軸承1發(fā)生了“自愈現(xiàn)象”,即當(dāng)前階段軸承表面由于長時間運行出現(xiàn)了裂紋及小的剝落,滾動體不斷運轉(zhuǎn)將此缺陷撫平使軸承仍可保持較穩(wěn)定的運行狀態(tài),但軸承的疲勞磨損仍在發(fā)生,指標(biāo)仍有上升趨勢。與處于相同階段的指標(biāo)相比(圖2、圖3),基于熵值比-DTW構(gòu)建的奇異值相似度指標(biāo)的單調(diào)性較好,避免了數(shù)據(jù)波動對狀態(tài)判斷帶來的干擾。

    4)軸承的嚴(yán)重退化發(fā)生在8 640~9 560 min期間,在此之前經(jīng)歷了“損傷—愈合—再損傷”的階段,在8 640 min后,軸承損傷加劇,運行狀態(tài)極不穩(wěn)定,退化加速;直到9 560 min后,退化曲線上升劇烈,軸承失效并將完全損壞。

    經(jīng)過熵值比-DTW構(gòu)造的奇異值相似度指標(biāo)檢測的早期異常點、嚴(yán)重故障的檢測結(jié)果與文獻(xiàn)[19-20]基本一致,證明了基于相似度退化曲線對軸承退化歷程劃分的有效性。

    圖8 基于奇異值相似度指標(biāo)的軸承全壽命狀態(tài)識別Fig.8 Identification of bearing full life state based on singular value similarity index

    3.5 不同退化指標(biāo)性能對比

    為進(jìn)一步研究奇異值相似度指標(biāo)的有效性,從2個方面對指標(biāo)進(jìn)行量化分析:1)單調(diào)性,滾動軸承退化具有不可逆性,構(gòu)建的退化指標(biāo)是否隨軸承運行時間共同增長;2)魯棒性,構(gòu)造出的退化指標(biāo)是否具有抵抗數(shù)據(jù)頻繁波動干擾的能力。單調(diào)性、魯棒性分別定義為

    m(D)=

    (12)

    (13)

    提取軸承1 在5 330 min(早期異常點)后的退化序列進(jìn)行單調(diào)性及魯棒性分析,并與基于隨機矩陣?yán)碚?RMT)和主成分分析(PCA)結(jié)合構(gòu)造的融合特征指標(biāo)[14],基于優(yōu)化經(jīng)驗小波變換及卷積神經(jīng)網(wǎng)絡(luò)的EWT-CNN指標(biāo)[19],傳統(tǒng)峭度和均方根(RMS)指標(biāo)進(jìn)行對比,結(jié)果見表1。

    表1 不同退化指標(biāo)的單調(diào)性及魯棒性Tab.1 Monotonicity and robustness of different degradation indexes

    由表1可知:與其他退化指標(biāo)相比,基于熵值比-DTW算法的奇異值相似度指標(biāo)的單調(diào)性及魯棒性均有明顯提升;這是由于DTW算法通過計算軸承不同時間序列的相似度放大了時間段的差異,結(jié)合信息熵比進(jìn)一步凸顯了正常與異常狀態(tài)數(shù)據(jù)結(jié)構(gòu)內(nèi)部的差異性,顯著抑制了軸承全壽命歷程中退化指標(biāo)的“上升—下降”波動現(xiàn)象,可更準(zhǔn)確地表征軸承全壽命歷程中的損傷衍變過程。另外,奇異值相似度指標(biāo)劃分確定的軸承早期異常點及嚴(yán)重故障點與EWT-CNN指標(biāo)的劃分結(jié)果較為接近,可更好地辨識軸承的不同退化階段。

    4 結(jié)束語

    本文借鑒矩陣特征值在軸承健康監(jiān)測領(lǐng)域中的良好應(yīng)用效果,對軸承信號進(jìn)行奇異值分解并構(gòu)造奇異值退化序列,同時考慮到軸承退化的連續(xù)性及所采集軸承數(shù)據(jù)間的差異性,將DTW及熵值比優(yōu)化后構(gòu)建出的奇異值相似度指標(biāo)用于表征軸承異常的衍變過程,為軸承健康狀態(tài)監(jiān)測的研究提供了一種新思路。

    對退化指標(biāo)單調(diào)性及魯棒性的量化分析表明本文奇異值相似度指標(biāo)可有效克服軸承退化過程中由于數(shù)據(jù)頻繁波動對不同退化階段識別帶來的干擾,且與其他退化指標(biāo)相比具有更好的敏感性,整體性能較好;但本文所提優(yōu)化算法的整體流程較復(fù)雜,需進(jìn)一步研究算法復(fù)雜度的降低問題。

    猜你喜歡
    歷程軸承模板
    鋁模板在高層建筑施工中的應(yīng)用
    鋁模板在高層建筑施工中的應(yīng)用
    百年大黨壯闊歷程
    黨員文摘(2022年14期)2022-08-06 07:19:22
    軸承知識
    哈爾濱軸承(2022年2期)2022-07-22 06:39:32
    軸承知識
    哈爾濱軸承(2022年1期)2022-05-23 13:13:24
    百年大黨 壯闊歷程
    黨員文摘(2022年7期)2022-04-28 08:57:58
    百年大黨 壯闊歷程
    黨員文摘(2022年1期)2022-02-14 06:09:00
    百年大黨壯闊歷程 《百色起義》
    黨員文摘(2022年3期)2022-02-12 10:38:14
    軸承知識
    哈爾濱軸承(2021年2期)2021-08-12 06:11:46
    軸承知識
    哈爾濱軸承(2021年1期)2021-07-21 05:43:16
    亚洲精品一区av在线观看| 身体一侧抽搐| 人人妻人人澡欧美一区二区| 免费高清视频大片| 听说在线观看完整版免费高清| 一本一本综合久久| 国产日本99.免费观看| 免费观看精品视频网站| 国产探花极品一区二区| 99国产极品粉嫩在线观看| 国产成人福利小说| 午夜福利在线观看吧| 国产精品一区www在线观看 | 日日啪夜夜撸| 亚洲狠狠婷婷综合久久图片| 最近最新免费中文字幕在线| 久久久久久久久久久丰满 | 综合色av麻豆| 少妇人妻精品综合一区二区 | 国产真实乱freesex| 欧美xxxx性猛交bbbb| 精品久久久噜噜| 在线天堂最新版资源| 久久精品人妻少妇| 变态另类丝袜制服| 一本一本综合久久| 免费观看精品视频网站| 日本-黄色视频高清免费观看| 99国产极品粉嫩在线观看| 久久久久久久午夜电影| 免费在线观看成人毛片| 尾随美女入室| 99国产极品粉嫩在线观看| 成人特级av手机在线观看| 别揉我奶头~嗯~啊~动态视频| 久久久精品大字幕| 99久久久亚洲精品蜜臀av| 99热只有精品国产| 最近在线观看免费完整版| 最近最新中文字幕大全电影3| 亚洲精品一卡2卡三卡4卡5卡| 久久精品国产自在天天线| 亚洲av第一区精品v没综合| 久久亚洲真实| 国产精品美女特级片免费视频播放器| 99久久精品一区二区三区| 我的老师免费观看完整版| 婷婷六月久久综合丁香| 免费人成视频x8x8入口观看| 亚洲图色成人| 欧美区成人在线视频| 搡女人真爽免费视频火全软件 | 亚洲欧美清纯卡通| 亚洲欧美日韩高清在线视频| 久久热精品热| a级毛片免费高清观看在线播放| 国产精品一区www在线观看 | 亚洲五月天丁香| 麻豆精品久久久久久蜜桃| 欧美高清成人免费视频www| 欧美激情久久久久久爽电影| 欧美又色又爽又黄视频| 麻豆国产97在线/欧美| 我要搜黄色片| 九九爱精品视频在线观看| 欧美不卡视频在线免费观看| 91麻豆精品激情在线观看国产| 国产精品久久久久久av不卡| 老女人水多毛片| 国产视频一区二区在线看| 成人国产麻豆网| 日本a在线网址| 91精品国产九色| 国产精品99久久久久久久久| 久久精品久久久久久噜噜老黄 | 免费在线观看影片大全网站| 国产一区二区激情短视频| 人妻少妇偷人精品九色| 国产成人一区二区在线| 久久人人精品亚洲av| 狂野欧美激情性xxxx在线观看| 18禁黄网站禁片午夜丰满| 国产精品野战在线观看| 波多野结衣高清无吗| 舔av片在线| 两人在一起打扑克的视频| 尾随美女入室| 国产精品av视频在线免费观看| 啪啪无遮挡十八禁网站| 久久人妻av系列| 亚洲人成网站在线播放欧美日韩| 免费高清视频大片| 国产69精品久久久久777片| 老司机深夜福利视频在线观看| 亚洲美女黄片视频| 少妇猛男粗大的猛烈进出视频 | 老司机午夜福利在线观看视频| 国产精品99久久久久久久久| 香蕉av资源在线| 亚洲欧美清纯卡通| 亚洲午夜理论影院| 精品人妻视频免费看| а√天堂www在线а√下载| 校园春色视频在线观看| av福利片在线观看| 国产国拍精品亚洲av在线观看| 国产精品一区www在线观看 | 久久久色成人| 国产伦在线观看视频一区| 国产精品无大码| 狠狠狠狠99中文字幕| 中文字幕免费在线视频6| 亚洲精品一卡2卡三卡4卡5卡| 国产91精品成人一区二区三区| 午夜精品在线福利| 免费人成在线观看视频色| 久久久午夜欧美精品| 一个人免费在线观看电影| 一卡2卡三卡四卡精品乱码亚洲| 国产白丝娇喘喷水9色精品| 99热网站在线观看| 可以在线观看的亚洲视频| 国产精品人妻久久久久久| 欧美日本亚洲视频在线播放| 亚洲精品影视一区二区三区av| 最近最新中文字幕大全电影3| 我的老师免费观看完整版| 91久久精品国产一区二区三区| 久久99热6这里只有精品| 两性午夜刺激爽爽歪歪视频在线观看| 他把我摸到了高潮在线观看| 狂野欧美白嫩少妇大欣赏| 欧美激情国产日韩精品一区| 亚洲美女视频黄频| 国产麻豆成人av免费视频| 日日摸夜夜添夜夜添av毛片 | 精品一区二区三区av网在线观看| 亚洲乱码一区二区免费版| 99国产精品一区二区蜜桃av| 国产成人a区在线观看| 日韩一本色道免费dvd| 欧美一区二区亚洲| 又爽又黄a免费视频| 国产精品一区二区性色av| 欧美日韩中文字幕国产精品一区二区三区| 亚洲男人的天堂狠狠| 在线天堂最新版资源| 亚洲国产欧美人成| 蜜桃久久精品国产亚洲av| 精品一区二区三区视频在线观看免费| 超碰av人人做人人爽久久| 蜜桃久久精品国产亚洲av| 亚洲第一区二区三区不卡| 91久久精品国产一区二区三区| 久久草成人影院| 亚洲av二区三区四区| 深夜精品福利| 久久久国产成人精品二区| 波野结衣二区三区在线| 成年女人永久免费观看视频| 成年女人毛片免费观看观看9| 国语自产精品视频在线第100页| 亚州av有码| 51国产日韩欧美| 久久久久久久久久成人| 深夜精品福利| 欧美成人免费av一区二区三区| 在线观看66精品国产| 亚洲av成人av| 干丝袜人妻中文字幕| .国产精品久久| 国产一区二区在线av高清观看| 成年免费大片在线观看| 国产精品久久久久久久电影| 在线观看美女被高潮喷水网站| 亚洲国产精品久久男人天堂| 人人妻,人人澡人人爽秒播| 啪啪无遮挡十八禁网站| 亚洲人成网站高清观看| 精品人妻视频免费看| 俺也久久电影网| 99久久精品一区二区三区| 搡老岳熟女国产| 99久久精品国产国产毛片| 小蜜桃在线观看免费完整版高清| 亚洲成人中文字幕在线播放| www.www免费av| 国产伦精品一区二区三区四那| 婷婷色综合大香蕉| 热99re8久久精品国产| 白带黄色成豆腐渣| 九九热线精品视视频播放| 特大巨黑吊av在线直播| 一进一出抽搐gif免费好疼| 免费观看人在逋| 精品人妻一区二区三区麻豆 | 热99在线观看视频| 少妇人妻精品综合一区二区 | 别揉我奶头 嗯啊视频| 色哟哟哟哟哟哟| 欧美一区二区亚洲| 国内精品久久久久精免费| 无遮挡黄片免费观看| 午夜老司机福利剧场| 国产精品人妻久久久久久| 久久99热这里只有精品18| 国产人妻一区二区三区在| 欧美日韩瑟瑟在线播放| 久久久久久久午夜电影| 国产在线精品亚洲第一网站| 亚洲美女黄片视频| 国产成人aa在线观看| 黄色配什么色好看| 舔av片在线| 国产又黄又爽又无遮挡在线| 日本色播在线视频| 18禁黄网站禁片午夜丰满| 国产黄片美女视频| 黄色视频,在线免费观看| 最近最新中文字幕大全电影3| 国产精品福利在线免费观看| 国内精品宾馆在线| av天堂中文字幕网| 午夜亚洲福利在线播放| 少妇的逼水好多| 日韩精品有码人妻一区| 又爽又黄无遮挡网站| 久久精品91蜜桃| 日本a在线网址| 免费人成在线观看视频色| 一区福利在线观看| 久久草成人影院| 99久久久亚洲精品蜜臀av| 亚洲国产精品成人综合色| 99热精品在线国产| 99久久中文字幕三级久久日本| 桃色一区二区三区在线观看| 亚洲成人久久性| 亚洲欧美日韩卡通动漫| 国产伦一二天堂av在线观看| 国产黄a三级三级三级人| 精品久久久久久成人av| 亚洲成人精品中文字幕电影| 精品无人区乱码1区二区| 国产精品1区2区在线观看.| 乱人视频在线观看| 麻豆一二三区av精品| 久久99热这里只有精品18| 亚洲成a人片在线一区二区| 999久久久精品免费观看国产| 日本a在线网址| 免费一级毛片在线播放高清视频| 美女黄网站色视频| 国产久久久一区二区三区| 99国产极品粉嫩在线观看| 国产亚洲av嫩草精品影院| 国产精品国产高清国产av| 亚洲精品粉嫩美女一区| 久久久久久久亚洲中文字幕| 午夜福利欧美成人| 成年女人毛片免费观看观看9| 欧美一区二区精品小视频在线| 成人午夜高清在线视频| 老司机深夜福利视频在线观看| 亚洲精品粉嫩美女一区| 国产色婷婷99| 久久这里只有精品中国| 老司机福利观看| 此物有八面人人有两片| 久99久视频精品免费| 国产高清不卡午夜福利| 性插视频无遮挡在线免费观看| 免费av观看视频| 日韩欧美三级三区| 一本精品99久久精品77| 3wmmmm亚洲av在线观看| 蜜桃亚洲精品一区二区三区| 99国产极品粉嫩在线观看| 日本欧美国产在线视频| 国产老妇女一区| 在线观看美女被高潮喷水网站| av专区在线播放| 免费不卡的大黄色大毛片视频在线观看 | 天天躁日日操中文字幕| 在线国产一区二区在线| 亚洲精品色激情综合| 亚洲国产精品久久男人天堂| 少妇丰满av| 亚洲成a人片在线一区二区| 日韩欧美 国产精品| 久久午夜福利片| 欧美+日韩+精品| 有码 亚洲区| 欧美国产日韩亚洲一区| 美女免费视频网站| 欧美丝袜亚洲另类 | 成人鲁丝片一二三区免费| 久久久久久九九精品二区国产| 欧美xxxx黑人xx丫x性爽| 亚洲最大成人中文| 日本免费a在线| 久久久久久久久中文| 天堂√8在线中文| 黄色丝袜av网址大全| 深夜a级毛片| 精品无人区乱码1区二区| 国产精品一区二区性色av| 久久久久国内视频| 国产精品一区二区三区四区免费观看 | 女人十人毛片免费观看3o分钟| 欧美日本视频| 亚洲性夜色夜夜综合| 国产探花在线观看一区二区| 国产亚洲91精品色在线| 大又大粗又爽又黄少妇毛片口| 91麻豆精品激情在线观看国产| 中文字幕免费在线视频6| 精品久久久久久,| 国产麻豆成人av免费视频| 色哟哟哟哟哟哟| 男人的好看免费观看在线视频| 老熟妇乱子伦视频在线观看| 久久久久久久精品吃奶| 看十八女毛片水多多多| 夜夜爽天天搞| 国内精品一区二区在线观看| av视频在线观看入口| 成人永久免费在线观看视频| 欧美性猛交╳xxx乱大交人| 小蜜桃在线观看免费完整版高清| 亚洲无线在线观看| 少妇的逼水好多| 有码 亚洲区| 中文字幕久久专区| 亚洲内射少妇av| 欧美一级a爱片免费观看看| 香蕉av资源在线| 欧美国产日韩亚洲一区| 亚洲综合色惰| 日本一本二区三区精品| 精品乱码久久久久久99久播| 国产精品一区二区免费欧美| 免费不卡的大黄色大毛片视频在线观看 | 免费在线观看日本一区| 深夜精品福利| 联通29元200g的流量卡| 精品久久久久久久久av| 欧美最黄视频在线播放免费| 久久久久久国产a免费观看| 日日夜夜操网爽| 亚洲自偷自拍三级| 成人一区二区视频在线观看| 日本精品一区二区三区蜜桃| 淫妇啪啪啪对白视频| 99久久中文字幕三级久久日本| 精品久久久久久久久久久久久| 国产伦精品一区二区三区视频9| 国产精品久久电影中文字幕| 草草在线视频免费看| 亚洲av不卡在线观看| 五月伊人婷婷丁香| 欧美高清性xxxxhd video| 97人妻精品一区二区三区麻豆| 成人鲁丝片一二三区免费| 村上凉子中文字幕在线| 男人狂女人下面高潮的视频| 欧美bdsm另类| 色尼玛亚洲综合影院| 男女做爰动态图高潮gif福利片| 特大巨黑吊av在线直播| 亚洲美女视频黄频| 国产久久久一区二区三区| 亚洲美女视频黄频| 九色国产91popny在线| 99热只有精品国产| 国产精品电影一区二区三区| 国产精品三级大全| 美女被艹到高潮喷水动态| 女生性感内裤真人,穿戴方法视频| 大又大粗又爽又黄少妇毛片口| 99在线人妻在线中文字幕| 免费人成在线观看视频色| 国产黄a三级三级三级人| 日日摸夜夜添夜夜添小说| 国产精品日韩av在线免费观看| 赤兔流量卡办理| 国产精品日韩av在线免费观看| 赤兔流量卡办理| 舔av片在线| 成人永久免费在线观看视频| 欧美在线一区亚洲| 亚洲人成网站在线播放欧美日韩| 欧美色视频一区免费| 91久久精品电影网| 能在线免费观看的黄片| 亚洲真实伦在线观看| 欧美3d第一页| 男女下面进入的视频免费午夜| 亚洲精品乱码久久久v下载方式| 草草在线视频免费看| 又爽又黄a免费视频| 日韩欧美三级三区| 天堂av国产一区二区熟女人妻| 国产精品爽爽va在线观看网站| 中国美白少妇内射xxxbb| 免费大片18禁| 国语自产精品视频在线第100页| 亚洲精品久久国产高清桃花| 三级国产精品欧美在线观看| 一进一出抽搐动态| 最好的美女福利视频网| 校园春色视频在线观看| 亚洲一级一片aⅴ在线观看| 国内精品久久久久精免费| 男女边吃奶边做爰视频| 91狼人影院| 国产伦人伦偷精品视频| 一个人看的www免费观看视频| 亚洲五月天丁香| 日本黄色视频三级网站网址| 国产淫片久久久久久久久| 国产精品综合久久久久久久免费| 亚洲人成伊人成综合网2020| 深夜a级毛片| 欧美高清性xxxxhd video| 我的女老师完整版在线观看| 免费人成在线观看视频色| 日韩强制内射视频| 又黄又爽又免费观看的视频| 男插女下体视频免费在线播放| 国产女主播在线喷水免费视频网站 | 夜夜夜夜夜久久久久| 婷婷色综合大香蕉| 观看免费一级毛片| 国产成人福利小说| 搞女人的毛片| 99riav亚洲国产免费| 国产女主播在线喷水免费视频网站 | 精品午夜福利视频在线观看一区| 国产精品综合久久久久久久免费| 亚洲国产色片| 亚洲成人精品中文字幕电影| 久久精品国产鲁丝片午夜精品 | 色5月婷婷丁香| 久久6这里有精品| 亚洲精品一卡2卡三卡4卡5卡| 国产亚洲av嫩草精品影院| 国产爱豆传媒在线观看| 亚洲成a人片在线一区二区| 国产一区二区在线观看日韩| 真实男女啪啪啪动态图| 亚洲国产欧美人成| 亚洲最大成人中文| 免费观看的影片在线观看| 日韩人妻高清精品专区| 国产亚洲欧美98| 一区福利在线观看| 啦啦啦观看免费观看视频高清| АⅤ资源中文在线天堂| 午夜视频国产福利| 校园人妻丝袜中文字幕| 亚洲人成网站在线播放欧美日韩| bbb黄色大片| 久久国产乱子免费精品| 国产 一区 欧美 日韩| 天堂√8在线中文| 久久久久免费精品人妻一区二区| 久久亚洲真实| 成人av一区二区三区在线看| 久久精品国产99精品国产亚洲性色| 男女做爰动态图高潮gif福利片| 午夜精品一区二区三区免费看| or卡值多少钱| 黄色日韩在线| 国产欧美日韩一区二区精品| 亚洲自拍偷在线| 久久精品国产鲁丝片午夜精品 | 欧美精品啪啪一区二区三区| 亚洲va在线va天堂va国产| 亚洲成人久久性| 成人鲁丝片一二三区免费| 丰满的人妻完整版| 天堂网av新在线| 18禁在线播放成人免费| 国产精品1区2区在线观看.| 麻豆国产av国片精品| 国产精品福利在线免费观看| 精品人妻一区二区三区麻豆 | 两个人视频免费观看高清| 亚洲成人免费电影在线观看| 国产中年淑女户外野战色| 在线观看一区二区三区| 精品国内亚洲2022精品成人| 国产伦人伦偷精品视频| 久久精品91蜜桃| xxxwww97欧美| 日日撸夜夜添| 亚洲精华国产精华液的使用体验 | 偷拍熟女少妇极品色| .国产精品久久| 久99久视频精品免费| av国产免费在线观看| 日本一本二区三区精品| 我要搜黄色片| 亚洲电影在线观看av| 欧美色欧美亚洲另类二区| 草草在线视频免费看| 成人欧美大片| 两个人视频免费观看高清| 欧美日韩黄片免| 欧美中文日本在线观看视频| 亚洲一级一片aⅴ在线观看| 亚洲成av人片在线播放无| 亚洲五月天丁香| 日韩一本色道免费dvd| 亚洲avbb在线观看| 成年女人永久免费观看视频| 亚洲色图av天堂| 99精品久久久久人妻精品| 18禁黄网站禁片免费观看直播| 国产在线精品亚洲第一网站| 欧美日韩乱码在线| 欧美日韩黄片免| 成人二区视频| 欧美精品国产亚洲| 一个人看视频在线观看www免费| 免费观看的影片在线观看| 久久人人精品亚洲av| 最近最新中文字幕大全电影3| 乱人视频在线观看| 国产精品久久久久久久电影| 成人鲁丝片一二三区免费| 97超视频在线观看视频| 国产精品亚洲美女久久久| 美女cb高潮喷水在线观看| 国产精品福利在线免费观看| 国产精品一区二区免费欧美| 一个人免费在线观看电影| 国产一级毛片七仙女欲春2| 免费看日本二区| 免费高清视频大片| 黄色一级大片看看| 麻豆国产av国片精品| 黄片wwwwww| 成人一区二区视频在线观看| 亚洲黑人精品在线| 精华霜和精华液先用哪个| 大又大粗又爽又黄少妇毛片口| 成人午夜高清在线视频| 在线观看av片永久免费下载| 直男gayav资源| 久久久精品欧美日韩精品| 久久香蕉精品热| 干丝袜人妻中文字幕| 波多野结衣高清作品| 欧美日韩瑟瑟在线播放| 亚洲成人久久爱视频| 久久婷婷人人爽人人干人人爱| 午夜日韩欧美国产| 亚洲va在线va天堂va国产| 深夜a级毛片| 啦啦啦韩国在线观看视频| 日韩av在线大香蕉| 日韩欧美国产一区二区入口| 亚洲天堂国产精品一区在线| 欧美一区二区国产精品久久精品| 欧美日韩综合久久久久久 | 国产精品综合久久久久久久免费| 免费黄网站久久成人精品| 男女边吃奶边做爰视频| 日本成人三级电影网站| 亚洲一区高清亚洲精品| 国产精品一及| 不卡视频在线观看欧美| 麻豆国产av国片精品| 精品国产三级普通话版| 国产精品不卡视频一区二区| 99久久精品国产国产毛片| 欧美日韩精品成人综合77777| 美女被艹到高潮喷水动态| 午夜福利在线观看吧| 午夜影院日韩av| 人妻丰满熟妇av一区二区三区| 色播亚洲综合网| 99国产极品粉嫩在线观看| 99热这里只有是精品50| 日韩av在线大香蕉| 国产av在哪里看| 国产高清三级在线| 偷拍熟女少妇极品色| av.在线天堂| 欧美另类亚洲清纯唯美| 成人特级av手机在线观看| 波野结衣二区三区在线| 麻豆成人午夜福利视频| 日韩欧美精品v在线| 中文在线观看免费www的网站| 精品免费久久久久久久清纯| 三级国产精品欧美在线观看| 色视频www国产| 免费av毛片视频| 中文字幕高清在线视频| 18禁裸乳无遮挡免费网站照片| 搡老岳熟女国产| 少妇的逼水好多| 国产亚洲精品久久久com| 午夜a级毛片| 亚洲性久久影院| 1024手机看黄色片| 久久婷婷人人爽人人干人人爱| 久久久久久久久久成人| 国产成人aa在线观看| 日韩欧美三级三区| 伦理电影大哥的女人| 99热这里只有是精品在线观看|