• <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 ?

    噪聲干擾下的CCSD-CNN軸承故障診斷方法

    2023-10-17 14:49:50李輝徐偉烝
    軸承 2023年10期
    關(guān)鍵詞:高斯故障診斷軸承

    李輝,徐偉烝

    (天津職業(yè)技術(shù)師范大學(xué) 機(jī)械工程學(xué)院,天津 300222)

    隨著人工智能的發(fā)展,深度學(xué)習(xí)在機(jī)電設(shè)備智能運(yùn)維領(lǐng)域得到了廣泛關(guān)注[1-3],故障診斷領(lǐng)域涉及的主要深度學(xué)習(xí)方法主要有自編碼器(Auto Encoder,AE)[4]、卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)[5]、深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)[6]、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks,RNN)[7]和深度遷移學(xué)習(xí)(Deep Transfer Learning,DTL)[8]等。卷積神經(jīng)網(wǎng)絡(luò)充分利用了局部連接、權(quán)值共享和下采樣等技術(shù),不僅能有效避免參數(shù)過(guò)多導(dǎo)致的過(guò)擬合,而且運(yùn)算效率較高,因此在故障診斷領(lǐng)域的應(yīng)用較多[1]。

    卷積神經(jīng)網(wǎng)絡(luò)常使用二維圖像作為輸入層,應(yīng)用中通常采用信號(hào)預(yù)處理方法將一維振動(dòng)信號(hào)轉(zhuǎn)化為二維圖像:文獻(xiàn)[9]使用短時(shí)傅里葉變換(Short Time Fourier Transform, STFT)將電機(jī)軸承一維振動(dòng)信號(hào)轉(zhuǎn)換成二維時(shí)頻譜圖作為CNN的輸入數(shù)據(jù)進(jìn)行故障診斷;文獻(xiàn)[10]提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的故障診斷方法,利用短時(shí)傅里葉變換得到滾動(dòng)軸承振動(dòng)信號(hào)的二維時(shí)頻譜并通過(guò)卷積神經(jīng)網(wǎng)絡(luò)自適應(yīng)提取時(shí)頻譜中的不同故障特征。短時(shí)傅里葉變換采用固定的窗函數(shù),因而難以有效匹配變工況下軸承故障特征。文獻(xiàn)[11] 將連續(xù)小波變換(Continuous Wavelet Transform,CWT)與CNN有效結(jié)合,應(yīng)用于軸承和齒輪故障特征提取。文獻(xiàn)[12]采用連續(xù)小波變換構(gòu)建軸承振動(dòng)信號(hào)的時(shí)頻圖并利用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)模式識(shí)別。文獻(xiàn)[13]利用小波包變換分解振動(dòng)信號(hào)并重構(gòu)小波包時(shí)頻圖,通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)不同工況、不同故障程度及故障類(lèi)型軸承的模式識(shí)別。文獻(xiàn)[14]利用離散小波變換構(gòu)造時(shí)頻矩陣,采用CNN進(jìn)行特征提取,通過(guò)Softmax分類(lèi)器實(shí)現(xiàn)故障分類(lèi)。小波變換采用可調(diào)時(shí)頻窗函數(shù),能自適應(yīng)地匹配軸承故障特征,但不同的小波母函數(shù)會(huì)得到不同的分類(lèi)效果。在真實(shí)的工業(yè)場(chǎng)景下,采集到的數(shù)據(jù)除了被測(cè)軸承振動(dòng)信號(hào)外,還往往混雜著各種各樣的噪聲,神經(jīng)網(wǎng)絡(luò)模型必須具有抗噪能力,才能精準(zhǔn)地實(shí)現(xiàn)智能故障診斷[15-16]。

    當(dāng)機(jī)電設(shè)備中的軸承發(fā)生故障時(shí),其振動(dòng)信號(hào)往往是非線(xiàn)性、非平穩(wěn)的非高斯信號(hào),分析重點(diǎn)是其局部特征,而傳統(tǒng)的時(shí)頻信號(hào)處理方法難以有效處理該類(lèi)信號(hào)[17]。另外,當(dāng)設(shè)備工況(轉(zhuǎn)速、載荷等)變化時(shí),軸承振動(dòng)信號(hào)中往往包含大量噪聲和奇異值,CNN的特征提取能力也會(huì)顯著下降[16]。振動(dòng)信號(hào)的時(shí)頻圖刻畫(huà)了非平穩(wěn)信號(hào)的內(nèi)在幅值和頻率特征,信息刻畫(huà)的越細(xì)微,越易于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行信號(hào)特征的學(xué)習(xí)和提取,在噪聲干擾下,基于短時(shí)傅里葉變換和小波變換等時(shí)頻分析的信號(hào)預(yù)處理方法往往不能得到滿(mǎn)意的診斷效果[18]。

    軸承故障振動(dòng)信號(hào)為典型的循環(huán)平穩(wěn)信號(hào)[19-20],循環(huán)平穩(wěn)方法能有效提取軸承的故障特征[21-22],譜相關(guān)密度(Spectral Correlation Density,SCD)能有效抑制信號(hào)中的高斯噪聲,但當(dāng)信號(hào)中含有非高斯噪聲時(shí),譜相關(guān)密度的性能會(huì)嚴(yán)重退化[23]。循環(huán)相關(guān)熵能有效處理非線(xiàn)性、非平穩(wěn)、非高斯信號(hào),在雙頻平面很好地刻畫(huà)軸承的故障特征且具有很高的頻率分辨率,能有效提取淹沒(méi)在強(qiáng)噪聲環(huán)境中的微弱信號(hào)特征[24-27],從而為CNN提供高質(zhì)量的輸入數(shù)據(jù),提高傳統(tǒng)CNN對(duì)非平穩(wěn)、非線(xiàn)性、非高斯信號(hào)的自適應(yīng)能力及其魯棒性。因此,本文綜合利用循環(huán)相關(guān)熵譜密度(Cyclic Correntropy Spectral Density,CCSD)和CNN的優(yōu)點(diǎn),提出了基于循環(huán)相關(guān)熵譜密度和CNN的軸承故障診斷方法(CCSD-CNN)。

    1 CCSD-CNN故障診斷方法

    1.1 循環(huán)相關(guān)熵

    對(duì)于實(shí)信號(hào)x(t),其時(shí)變自相關(guān)熵函數(shù)可定義為

    (1)

    (2)

    式中:τ為時(shí)間滯后量;E為數(shù)學(xué)期望;κσ(·)為滿(mǎn)足Mercer條件的核函數(shù),常采用高斯核函數(shù);σ為高斯核函數(shù)的核長(zhǎng)。

    當(dāng)實(shí)信號(hào)x(t)為循環(huán)平穩(wěn)信號(hào)時(shí),時(shí)變自相關(guān)熵函數(shù)Vx(t,τ)可展開(kāi)為傅里葉級(jí)數(shù)形式,即

    (3)

    (4)

    (5)

    循環(huán)相關(guān)熵主要有以下性質(zhì):

    1)循環(huán)相關(guān)熵利用了核函數(shù)κσ,核函數(shù)是一種非線(xiàn)性變換,將歐幾里得空間的非線(xiàn)性數(shù)據(jù)轉(zhuǎn)化為再生核希爾伯特空間的線(xiàn)性數(shù)據(jù),因而循環(huán)相關(guān)熵能有效處理非線(xiàn)性信號(hào)。

    4)軸承故障振動(dòng)信號(hào)為典型的循環(huán)平穩(wěn)信號(hào),屬于一類(lèi)特殊的非平穩(wěn)信號(hào),循環(huán)相關(guān)熵能在(α,f)構(gòu)成的雙頻平面內(nèi)有效刻畫(huà)軸承故障特征且具有良好的頻率分辨率,因此,循環(huán)相關(guān)熵能有效處理軸承故障誘發(fā)的非平穩(wěn)信號(hào)[25]。

    綜上,充分利用循環(huán)相關(guān)熵的良好性能可以為卷積神經(jīng)網(wǎng)絡(luò)提供高質(zhì)量的輸入數(shù)據(jù),有利于卷積神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)特征的學(xué)習(xí)和提取,優(yōu)化CNN對(duì)非平穩(wěn)、非線(xiàn)性、非高斯信號(hào)的自適應(yīng)能力,提高CNN的魯棒性和準(zhǔn)確率。

    1.2 卷積神經(jīng)網(wǎng)絡(luò)

    典型的CNN是LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[28],輸入數(shù)據(jù)在經(jīng)歷多次卷積、激活和池化操作后被送入全連接層,并由輸出層(分類(lèi)器)輸出模型的預(yù)測(cè)結(jié)果。本文提出的CNN模型借鑒LeNet-5卷積神經(jīng)網(wǎng)絡(luò),模型參數(shù)見(jiàn)表1,包含2個(gè)卷積層,2個(gè)批歸一化層,2個(gè)池化層,2個(gè)全連接層和1個(gè)Softmax輸出層,卷積層和全連接層激活函數(shù)均采用ReLU函數(shù)。

    表1 卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)

    1.3 CCSD-CNN故障診斷流程

    如圖1所示,CCSD-CNN軸承故障診斷方法的主要步驟為:

    圖1 基于CCSD-CNN的軸承故障診斷流程

    1)對(duì)軸承故障振動(dòng)信號(hào)進(jìn)行重疊采樣,進(jìn)行數(shù)據(jù)集增廣以構(gòu)建軸承故障數(shù)據(jù)集,并將各樣本數(shù)據(jù)歸一化,將振動(dòng)信號(hào)振幅控制在[0,1]。

    3)將軸承故障數(shù)據(jù)集按6:2:2的比例劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。

    2 基于CCSD-CNN的軸承故障診斷

    2.1 CWRU電機(jī)軸承試驗(yàn)數(shù)據(jù)

    將CCSD-CNN方法應(yīng)用于美國(guó)凱斯西儲(chǔ)大學(xué)(CWRU)滾動(dòng)軸承數(shù)據(jù)集[29],振動(dòng)信號(hào)采集對(duì)象為電動(dòng)機(jī)驅(qū)動(dòng)端(DE)的深溝球軸承,型號(hào)為SKF6205,采樣頻率為48 kHz。軸承故障類(lèi)型分為鋼球故障(BF)、內(nèi)圈故障(IF)、外圈故障(OF),損傷直徑分為0.178,0.356,0.533 mm,依據(jù)軸承故障類(lèi)型和損傷直徑將軸承鋼球、內(nèi)圈、外圈故障和正常狀態(tài)分別標(biāo)記為BF7,BF14,BF21,IF7,IF14,IF21,OF7,OF14,OF21,NC。

    將驗(yàn)證集和測(cè)試集經(jīng)CCSD預(yù)處理后輸入訓(xùn)練好的CNN,驗(yàn)證集主要用于CNN模型參數(shù)的調(diào)整,測(cè)試集用于檢驗(yàn)CNN的軸承故障準(zhǔn)確率和泛化能力。按照CCSD-CNN軸承故障診斷流程從數(shù)據(jù)預(yù)處理、CNN特征提取識(shí)別、結(jié)果可視化分析3個(gè)方面進(jìn)行詳細(xì)試驗(yàn)分析與驗(yàn)證。

    2.2 噪聲干擾下CCSD故障特征提取

    為驗(yàn)證循環(huán)相關(guān)熵在軸承故障特征提取方面的有效性,從數(shù)據(jù)集A中任選BF7,IF7,OF7和NC的一個(gè)樣本,分別計(jì)算其譜相關(guān)密度(SCD)和循環(huán)相關(guān)熵譜密度(CCSD)。

    2.2.1 原始振動(dòng)信號(hào)

    圖2 軸承振動(dòng)信號(hào)

    圖3 軸承振動(dòng)信號(hào)的譜相關(guān)密度

    圖4 軸承振動(dòng)信號(hào)的循環(huán)相關(guān)熵譜密度

    2.2.2 高斯噪聲干擾

    在軸承振動(dòng)信號(hào)中添加信噪比(SNR)為-2 dB的高斯噪聲,結(jié)果如圖5所示:添加高斯噪聲后,由于噪聲對(duì)振動(dòng)信號(hào)幅值具有平滑作用,減小了振動(dòng)信號(hào)幅值之間的差異, 導(dǎo)致軸承故障產(chǎn)生的周期性沖擊特征不再明顯。

    圖5 添加高斯噪聲后的軸承振動(dòng)信號(hào)(SNR=-2 dB)

    高斯噪聲干擾下,軸承振動(dòng)信號(hào)的譜相關(guān)密度和循環(huán)相關(guān)熵譜密度分別如圖6、圖7所示:由于噪聲的影響,譜相關(guān)密度圖中的菱形頻譜結(jié)構(gòu)更為明顯,在更廣泛的頻率范圍內(nèi)存在非0幅值,盡管譜相關(guān)密度對(duì)高斯噪聲具有自免疫能力,但高斯噪聲的存在仍對(duì)譜相關(guān)密度產(chǎn)生了一定影響,降低了SCD的頻譜分辨率;添加高斯噪聲后,循環(huán)相關(guān)熵譜密度圖的變化較小,而且比譜相關(guān)密度的頻譜分辨率高,表明循環(huán)相關(guān)熵譜密度具有更好的高斯噪聲抑制能力,在高斯噪聲干擾下仍能有效提取軸承故障特征。

    圖6 軸承振動(dòng)信號(hào)的譜相關(guān)密度(SNR=-2 dB)

    圖7 軸承振動(dòng)信號(hào)的循環(huán)相關(guān)熵譜密度(SNR=-2 dB)

    2.2.3 非高斯噪聲干擾

    隨機(jī)選擇10個(gè)幅值不等的脈沖信號(hào)模擬非高斯噪聲,添加非高斯噪聲后的軸承振動(dòng)信號(hào)如圖8所示:脈沖噪聲的幅值遠(yuǎn)大于軸承振動(dòng)信號(hào)的幅值,除外圈故障外,軸承振動(dòng)信號(hào)基本上被脈沖噪聲淹沒(méi),難以識(shí)別振動(dòng)信號(hào)中的周期成分。

    圖8 添加非高斯噪聲后的軸承振動(dòng)信號(hào)

    非高斯噪聲干擾下,軸承振動(dòng)信號(hào)的譜相關(guān)密度和循環(huán)相關(guān)熵譜密度分別如圖9、圖10所示:由于譜相關(guān)密度是基于信號(hào)的二階統(tǒng)計(jì)量, 而脈沖噪聲的二階統(tǒng)計(jì)量并不存在,因此譜相關(guān)密度的性能退化,添加脈沖噪聲后,譜相關(guān)密度圖的頻譜結(jié)構(gòu)變得很模糊,頻譜分辨率大大降低,很難提取軸承的故障特征;添加脈沖噪聲后,循環(huán)相關(guān)熵譜密度圖的變化較小,這是由于循環(huán)相關(guān)熵譜密度既包含信號(hào)的二階統(tǒng)計(jì)量,又包含信號(hào)的高階統(tǒng)計(jì)量,因此具有很強(qiáng)的非高斯噪聲抑制能力,能在強(qiáng)脈沖噪聲干擾下有效提取軸承微弱故障特征。

    圖9 添加非高斯噪聲后軸承振動(dòng)信號(hào)的譜相關(guān)密度

    圖10 添加非高斯噪聲后軸承振動(dòng)信號(hào)的循環(huán)相關(guān)熵譜密度

    2.3 非高斯噪聲干擾下CCSD-CNN故障診斷

    對(duì)試驗(yàn)數(shù)據(jù)集的每個(gè)振動(dòng)信號(hào)樣本均隨機(jī)添加10個(gè)幅值不等的脈沖信號(hào),根據(jù)CCSD-CNN軸承故障診斷流程訓(xùn)練CNN,得到的準(zhǔn)確率和損失值曲線(xiàn)如圖11所示,在非高斯噪聲干擾下,CCSD-CNN模型在訓(xùn)練迭代100次之后,故障診斷準(zhǔn)確率高于95%,并且損失值逐漸趨近于0,表明CCSD-CNN模型穩(wěn)定且訓(xùn)練速度較快。

    (a) 數(shù)據(jù)集A

    添加非高斯噪聲干擾后,將CCSD-CNN模型與STFT-CNN,CWT-CNN和SCD-CNN模型進(jìn)行對(duì)比,其中STFT采用128點(diǎn)的Hanning窗,CWT采用Morlet連續(xù)小波變換,CCSD高斯核函數(shù)核長(zhǎng)σ為1.72。各模型的診斷結(jié)果見(jiàn)表2(準(zhǔn)確率取10次試驗(yàn)的平均值):在非高斯噪聲干擾下,CCSD-CNN方法的準(zhǔn)確率最高,3個(gè)測(cè)試集的平均準(zhǔn)確率為98.53%,說(shuō)明CCSD-CNN模型有效抑制了非高斯噪聲,使得含非高斯噪聲的振動(dòng)信號(hào)經(jīng)過(guò)CCSD預(yù)處理后,能獲得高質(zhì)量、高區(qū)分性的軸承故障特征圖像,從而極大提高了CNN的故障特征提取能力。

    表2 非高斯噪聲干擾下各模型的準(zhǔn)確率

    為進(jìn)一步對(duì)比SCD-CNN和CCSD-CNN方法的特征提取能力,對(duì)添加非高斯噪聲測(cè)試集的SCD-CNN和CCSD-CNN模型輸出層特征進(jìn)行t-SNE可視化[31-32],結(jié)果如圖12所示:SCD-CNN模型只能將少數(shù)軸承故障進(jìn)行分類(lèi),對(duì)多數(shù)軸承故障類(lèi)型的辨別力較差,不同軸承故障類(lèi)型間存在相互重疊,非高斯噪聲干擾嚴(yán)重影響了SCD-CNN模型的特征提取能力,導(dǎo)致其魯棒性變差;CCSD-CNN模型在測(cè)試集添加非高斯噪聲的工況下,仍能清晰地劃分不同類(lèi)型的故障信號(hào),10類(lèi)不同故障信號(hào)之間只出現(xiàn)了少量的混疊,表明CCSD對(duì)非高斯噪聲具有很強(qiáng)的抑制能力。因此,對(duì)含非高斯噪聲的滾動(dòng)軸承故障信號(hào),CCSD-CNN方法比SCD-CNN具有更好的類(lèi)內(nèi)聚集性(類(lèi)內(nèi)間距小),且不同類(lèi)別的間距較大,具有更好的非高斯噪聲處理性能。

    (a) SCD-CNN

    2.4 高斯噪聲干擾下CCSD-CNN故障診斷

    試驗(yàn)數(shù)據(jù)集(3 hp)中添加不同信噪比(SNR分別為-6,-4,-2,0,2 dB)高斯噪聲時(shí),各模型的診斷結(jié)果(取10次試驗(yàn)的平均值)如圖13所示:隨著信噪比的提高,各模型的準(zhǔn)確率都呈上升趨勢(shì),表明高斯噪聲對(duì)CNN的診斷準(zhǔn)確率有較大影響,但CCSD-CNN模型在不同條件下的準(zhǔn)確率均高于其他模型。

    (a) 測(cè)試集A

    3 結(jié)論

    本文提出了基于循環(huán)相關(guān)熵譜密度和卷積神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法,通過(guò)循環(huán)相關(guān)熵信號(hào)預(yù)處理有效增強(qiáng)了CNN的抗噪聲干擾能力,提高了CNN網(wǎng)絡(luò)的穩(wěn)定性和診斷準(zhǔn)確率:

    1)從循環(huán)相關(guān)熵譜密度構(gòu)成的雙頻平面(α,f)可以看出,不同的軸承故障類(lèi)型具有不同的雙頻頻譜特征且各故障狀態(tài)的頻率和幅值不同,即循環(huán)相關(guān)熵能有效刻畫(huà)軸承不同故障狀態(tài),為CNN提供了高質(zhì)量的輸入數(shù)據(jù)。

    2)在高斯噪聲、非高斯噪聲干擾下,CCSD-CNN模型的診斷準(zhǔn)確率均高于SCD-CNN,STFT- CNN,CWT-CNN模型。

    3)CCSD-CNN模型充分利用了循環(huán)相關(guān)熵的良好性能,改善了傳統(tǒng)CNN對(duì)非平穩(wěn)、非線(xiàn)性、非高斯信號(hào)的自適應(yīng)能力,提高了CNN的魯棒性。

    猜你喜歡
    高斯故障診斷軸承
    小高斯的大發(fā)現(xiàn)
    軸承知識(shí)
    哈爾濱軸承(2022年2期)2022-07-22 06:39:32
    軸承知識(shí)
    哈爾濱軸承(2022年1期)2022-05-23 13:13:24
    軸承知識(shí)
    哈爾濱軸承(2021年2期)2021-08-12 06:11:46
    軸承知識(shí)
    哈爾濱軸承(2021年1期)2021-07-21 05:43:16
    天才數(shù)學(xué)家——高斯
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    有限域上高斯正規(guī)基的一個(gè)注記
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    基于WPD-HHT的滾動(dòng)軸承故障診斷
    一级片'在线观看视频| 日韩一区二区三区影片| 亚洲天堂国产精品一区在线| 尾随美女入室| 欧美xxⅹ黑人| 亚洲欧美成人综合另类久久久| av一本久久久久| 在线观看免费高清a一片| 男插女下体视频免费在线播放| 国产亚洲一区二区精品| 秋霞伦理黄片| 国产免费福利视频在线观看| 看非洲黑人一级黄片| 淫秽高清视频在线观看| 中文乱码字字幕精品一区二区三区 | av福利片在线观看| 国内揄拍国产精品人妻在线| 天美传媒精品一区二区| 非洲黑人性xxxx精品又粗又长| 伊人久久国产一区二区| 色网站视频免费| 国产真实伦视频高清在线观看| 九色成人免费人妻av| 18禁在线无遮挡免费观看视频| 国产精品国产三级国产专区5o| 夜夜爽夜夜爽视频| 日本-黄色视频高清免费观看| 欧美bdsm另类| 日韩成人av中文字幕在线观看| 国产人妻一区二区三区在| 精品亚洲乱码少妇综合久久| 成人亚洲精品一区在线观看 | 97超碰精品成人国产| 永久网站在线| av又黄又爽大尺度在线免费看| 国产成人a∨麻豆精品| 秋霞在线观看毛片| 免费看不卡的av| 亚洲av日韩在线播放| 久久这里只有精品中国| 国产免费视频播放在线视频 | 美女国产视频在线观看| 好男人视频免费观看在线| 又爽又黄无遮挡网站| 80岁老熟妇乱子伦牲交| 亚洲精品国产av成人精品| 久久人人爽人人片av| 大又大粗又爽又黄少妇毛片口| 久久久久久久久久人人人人人人| 精品一区二区免费观看| av国产久精品久网站免费入址| 蜜桃亚洲精品一区二区三区| 亚洲欧美成人精品一区二区| 亚洲真实伦在线观看| 一边亲一边摸免费视频| 国产人妻一区二区三区在| 99热这里只有是精品50| 大话2 男鬼变身卡| 亚洲精品乱久久久久久| 2021少妇久久久久久久久久久| 内地一区二区视频在线| 国产精品1区2区在线观看.| 久久99蜜桃精品久久| 国产精品日韩av在线免费观看| 免费观看的影片在线观看| 久久久久久久久久久丰满| 久久鲁丝午夜福利片| 日本与韩国留学比较| 丰满乱子伦码专区| 国产中年淑女户外野战色| 日韩电影二区| 男女啪啪激烈高潮av片| or卡值多少钱| 一级av片app| 中国美白少妇内射xxxbb| 亚洲av国产av综合av卡| 一边亲一边摸免费视频| 亚洲精品成人av观看孕妇| 美女被艹到高潮喷水动态| 国内精品美女久久久久久| av免费在线看不卡| 日本欧美国产在线视频| 秋霞伦理黄片| 亚洲精品日韩在线中文字幕| 18禁在线播放成人免费| 久热久热在线精品观看| 成人亚洲精品一区在线观看 | 国产精品一区二区在线观看99 | 久久99热6这里只有精品| 亚洲三级黄色毛片| 亚洲精品日韩在线中文字幕| 免费大片18禁| 蜜桃亚洲精品一区二区三区| 免费av不卡在线播放| 国产精品av视频在线免费观看| 亚洲欧美日韩卡通动漫| 国产在视频线在精品| 亚洲av二区三区四区| eeuss影院久久| 天美传媒精品一区二区| 色尼玛亚洲综合影院| 白带黄色成豆腐渣| 日韩制服骚丝袜av| 99久国产av精品国产电影| 老女人水多毛片| 黄色日韩在线| 婷婷六月久久综合丁香| 插阴视频在线观看视频| 精品一区二区三卡| 午夜日本视频在线| 天美传媒精品一区二区| 久久精品国产鲁丝片午夜精品| 成年版毛片免费区| 最近最新中文字幕免费大全7| 丰满少妇做爰视频| 欧美一级a爱片免费观看看| 精品熟女少妇av免费看| 一边亲一边摸免费视频| 日本黄色片子视频| 人人妻人人澡人人爽人人夜夜 | 啦啦啦啦在线视频资源| 黄色一级大片看看| 色吧在线观看| 少妇人妻精品综合一区二区| 伊人久久精品亚洲午夜| 久久久久久久久大av| 性色avwww在线观看| 午夜久久久久精精品| 精品国产露脸久久av麻豆 | 国产精品蜜桃在线观看| 最近中文字幕2019免费版| 99久久精品热视频| 国内精品宾馆在线| 在线播放无遮挡| av播播在线观看一区| 深爱激情五月婷婷| 亚洲精品乱码久久久v下载方式| 久久久久久久久久久免费av| 久久久久久久久久黄片| 亚洲精品第二区| 久久久欧美国产精品| 汤姆久久久久久久影院中文字幕 | 大又大粗又爽又黄少妇毛片口| av网站免费在线观看视频 | 99热这里只有是精品50| 亚洲av国产av综合av卡| 91精品伊人久久大香线蕉| 别揉我奶头 嗯啊视频| 最近中文字幕2019免费版| 97超视频在线观看视频| 久久精品国产亚洲网站| 亚洲成色77777| 亚洲国产精品专区欧美| 简卡轻食公司| 国产亚洲精品av在线| av播播在线观看一区| 69人妻影院| 狠狠精品人妻久久久久久综合| 网址你懂的国产日韩在线| 久久久成人免费电影| 亚洲va在线va天堂va国产| 久久久a久久爽久久v久久| 日本黄大片高清| 床上黄色一级片| 免费在线观看成人毛片| 成人亚洲精品一区在线观看 | 人妻夜夜爽99麻豆av| 一级毛片电影观看| 又爽又黄无遮挡网站| 白带黄色成豆腐渣| 色哟哟·www| 99热全是精品| 夫妻性生交免费视频一级片| 精品久久国产蜜桃| 韩国高清视频一区二区三区| 街头女战士在线观看网站| 久久99热这里只频精品6学生| 亚洲av不卡在线观看| 亚洲经典国产精华液单| 97超视频在线观看视频| 美女高潮的动态| 天天一区二区日本电影三级| 亚洲怡红院男人天堂| 插阴视频在线观看视频| 国产亚洲精品av在线| 婷婷色综合大香蕉| 日本一二三区视频观看| 国产午夜精品论理片| 黄片wwwwww| 成人无遮挡网站| 午夜精品一区二区三区免费看| 22中文网久久字幕| 一区二区三区四区激情视频| 亚洲精品一区蜜桃| 欧美精品一区二区大全| 免费观看性生交大片5| 直男gayav资源| 不卡视频在线观看欧美| 国产精品国产三级国产av玫瑰| 水蜜桃什么品种好| 99久久九九国产精品国产免费| 七月丁香在线播放| 亚洲欧美一区二区三区国产| 色综合色国产| xxx大片免费视频| 秋霞在线观看毛片| 插逼视频在线观看| 青青草视频在线视频观看| 内地一区二区视频在线| 两个人的视频大全免费| 欧美激情在线99| 又黄又爽又刺激的免费视频.| 人妻夜夜爽99麻豆av| 国产精品爽爽va在线观看网站| 18禁动态无遮挡网站| 色网站视频免费| 97在线视频观看| 晚上一个人看的免费电影| 国产熟女欧美一区二区| 欧美性猛交╳xxx乱大交人| 日本三级黄在线观看| 两个人的视频大全免费| 亚洲aⅴ乱码一区二区在线播放| 真实男女啪啪啪动态图| 国产 一区精品| 亚洲国产最新在线播放| 免费少妇av软件| 亚洲精品亚洲一区二区| 亚洲高清免费不卡视频| 免费av观看视频| 国内揄拍国产精品人妻在线| 狂野欧美白嫩少妇大欣赏| 亚洲,欧美,日韩| 国产精品一及| 干丝袜人妻中文字幕| 欧美区成人在线视频| 夫妻午夜视频| 天堂影院成人在线观看| 国产真实伦视频高清在线观看| 亚洲va在线va天堂va国产| 国产又色又爽无遮挡免| av免费在线看不卡| 国产乱来视频区| 成人亚洲欧美一区二区av| 天堂√8在线中文| 成人无遮挡网站| 男女那种视频在线观看| av网站免费在线观看视频 | 国产精品久久久久久精品电影小说 | 麻豆乱淫一区二区| 免费观看在线日韩| 两个人视频免费观看高清| 99热这里只有是精品50| 免费播放大片免费观看视频在线观看| 亚洲精品第二区| 欧美最新免费一区二区三区| 99九九线精品视频在线观看视频| 日韩视频在线欧美| 日韩不卡一区二区三区视频在线| 韩国av在线不卡| 亚洲成人av在线免费| 天堂√8在线中文| 午夜精品国产一区二区电影 | 哪个播放器可以免费观看大片| 99久国产av精品国产电影| 国产成人一区二区在线| 欧美精品国产亚洲| 亚洲精品乱码久久久v下载方式| 91午夜精品亚洲一区二区三区| 毛片一级片免费看久久久久| 欧美日本视频| 国产亚洲91精品色在线| 精品久久久久久成人av| av播播在线观看一区| 99久久精品国产国产毛片| 欧美+日韩+精品| 亚州av有码| 女人被狂操c到高潮| 肉色欧美久久久久久久蜜桃 | 极品教师在线视频| 男人舔奶头视频| 亚洲高清免费不卡视频| 十八禁网站网址无遮挡 | 国产伦在线观看视频一区| 国产 亚洲一区二区三区 | a级毛色黄片| 网址你懂的国产日韩在线| 91久久精品国产一区二区三区| 极品少妇高潮喷水抽搐| 美女主播在线视频| 97精品久久久久久久久久精品| 欧美最新免费一区二区三区| 免费观看性生交大片5| 久久精品熟女亚洲av麻豆精品 | 亚洲成人一二三区av| 亚洲av中文av极速乱| 国产午夜精品论理片| 国产精品国产三级专区第一集| 亚州av有码| 国产老妇伦熟女老妇高清| av在线老鸭窝| 1000部很黄的大片| 国产视频首页在线观看| 一级av片app| 人妻制服诱惑在线中文字幕| av免费观看日本| 啦啦啦中文免费视频观看日本| 国产91av在线免费观看| 在线a可以看的网站| 亚洲av.av天堂| 精品一区二区三区视频在线| 美女被艹到高潮喷水动态| 国产精品综合久久久久久久免费| 又粗又硬又长又爽又黄的视频| 成人漫画全彩无遮挡| 久久精品国产亚洲网站| 男女那种视频在线观看| 欧美 日韩 精品 国产| 国产伦一二天堂av在线观看| 男的添女的下面高潮视频| 日韩三级伦理在线观看| 高清在线视频一区二区三区| 免费播放大片免费观看视频在线观看| 亚洲成人一二三区av| 午夜福利高清视频| 国产亚洲精品久久久com| 免费看光身美女| 国产精品日韩av在线免费观看| 亚洲天堂国产精品一区在线| 九九久久精品国产亚洲av麻豆| 国产69精品久久久久777片| av在线蜜桃| 美女内射精品一级片tv| 色综合色国产| 最近中文字幕高清免费大全6| av专区在线播放| 国产精品国产三级国产av玫瑰| 亚洲人成网站在线播| 只有这里有精品99| 非洲黑人性xxxx精品又粗又长| 午夜福利在线观看免费完整高清在| 女人十人毛片免费观看3o分钟| kizo精华| 久久久精品94久久精品| 精品国内亚洲2022精品成人| 日韩欧美三级三区| 精品久久久久久久久久久久久| 亚洲熟女精品中文字幕| 色视频www国产| 成人毛片a级毛片在线播放| 一区二区三区乱码不卡18| 成人高潮视频无遮挡免费网站| 淫秽高清视频在线观看| 波多野结衣巨乳人妻| 国产精品一区二区三区四区久久| 国产在视频线在精品| 久久久久精品久久久久真实原创| 免费看av在线观看网站| 街头女战士在线观看网站| 欧美xxxx性猛交bbbb| av在线蜜桃| 亚洲综合精品二区| 三级经典国产精品| 欧美激情在线99| 欧美激情国产日韩精品一区| 一级二级三级毛片免费看| 久久这里有精品视频免费| 亚洲av免费在线观看| 久久精品国产亚洲av天美| 欧美日韩精品成人综合77777| 韩国高清视频一区二区三区| 国产黄频视频在线观看| 久久精品国产亚洲网站| 国产精品国产三级专区第一集| 水蜜桃什么品种好| 22中文网久久字幕| 熟女人妻精品中文字幕| 亚洲欧美一区二区三区黑人 | 国内精品一区二区在线观看| 日本爱情动作片www.在线观看| 在线播放无遮挡| 97在线视频观看| 可以在线观看毛片的网站| 亚洲国产欧美在线一区| 国产一区有黄有色的免费视频 | 中文字幕亚洲精品专区| 婷婷色综合大香蕉| 中文字幕亚洲精品专区| 国产一区二区在线观看日韩| 久久久久久久国产电影| 国产不卡一卡二| 国产69精品久久久久777片| 2022亚洲国产成人精品| 国产视频内射| 久久99蜜桃精品久久| 日韩一区二区三区影片| 国产精品福利在线免费观看| 超碰97精品在线观看| 国产精品福利在线免费观看| 又爽又黄无遮挡网站| 2021天堂中文幕一二区在线观| 在线免费观看不下载黄p国产| 国内少妇人妻偷人精品xxx网站| 好男人在线观看高清免费视频| 亚洲国产高清在线一区二区三| 好男人视频免费观看在线| 网址你懂的国产日韩在线| 少妇猛男粗大的猛烈进出视频 | 草草在线视频免费看| 中文字幕免费在线视频6| 国产真实伦视频高清在线观看| 建设人人有责人人尽责人人享有的 | 色视频www国产| 久久99精品国语久久久| 麻豆av噜噜一区二区三区| 日本与韩国留学比较| 美女高潮的动态| 街头女战士在线观看网站| 成年免费大片在线观看| 亚洲乱码一区二区免费版| 久久99热6这里只有精品| 只有这里有精品99| 国产精品伦人一区二区| 久久国产乱子免费精品| 亚洲av不卡在线观看| 日韩伦理黄色片| 特大巨黑吊av在线直播| 26uuu在线亚洲综合色| 欧美日韩亚洲高清精品| 26uuu在线亚洲综合色| 亚洲人成网站在线播| 亚洲欧美成人综合另类久久久| 欧美高清性xxxxhd video| 在线观看一区二区三区| 日本三级黄在线观看| 精品一区二区免费观看| 十八禁国产超污无遮挡网站| 亚洲国产欧美在线一区| 99久久精品一区二区三区| 国产亚洲午夜精品一区二区久久 | 91午夜精品亚洲一区二区三区| 国产麻豆成人av免费视频| 亚洲av国产av综合av卡| 女人被狂操c到高潮| 91av网一区二区| 国产精品蜜桃在线观看| 精品久久久久久电影网| 99热这里只有是精品50| 有码 亚洲区| 欧美潮喷喷水| 激情 狠狠 欧美| 日日摸夜夜添夜夜添av毛片| 80岁老熟妇乱子伦牲交| 国产亚洲最大av| 中国美白少妇内射xxxbb| 观看美女的网站| 国产精品99久久久久久久久| 亚洲欧美日韩卡通动漫| 成人亚洲欧美一区二区av| 美女cb高潮喷水在线观看| 精品一区二区三区人妻视频| 在线免费观看不下载黄p国产| 2021天堂中文幕一二区在线观| 嘟嘟电影网在线观看| 在线观看一区二区三区| 日韩欧美国产在线观看| 亚洲av福利一区| a级一级毛片免费在线观看| 狂野欧美激情性xxxx在线观看| 国产伦理片在线播放av一区| 一夜夜www| 黄色一级大片看看| 一区二区三区乱码不卡18| 亚洲av日韩在线播放| 亚洲欧美一区二区三区国产| 黄片无遮挡物在线观看| 中文字幕制服av| 美女国产视频在线观看| 免费观看精品视频网站| 乱人视频在线观看| 黄色一级大片看看| 最近手机中文字幕大全| 成人毛片a级毛片在线播放| 一级黄片播放器| 少妇人妻一区二区三区视频| 99久久人妻综合| 99久久中文字幕三级久久日本| 成人综合一区亚洲| 亚洲欧洲日产国产| av在线亚洲专区| 免费观看无遮挡的男女| 插逼视频在线观看| 国产精品一区www在线观看| 亚洲精品亚洲一区二区| 国产高清三级在线| 国产精品日韩av在线免费观看| 尾随美女入室| 天天躁日日操中文字幕| 你懂的网址亚洲精品在线观看| 精品一区二区三区视频在线| 免费看a级黄色片| 午夜精品国产一区二区电影 | 久久久精品欧美日韩精品| 国产成人freesex在线| 好男人视频免费观看在线| 天堂中文最新版在线下载 | 高清毛片免费看| 国产欧美另类精品又又久久亚洲欧美| 午夜视频国产福利| av在线播放精品| 精品国产露脸久久av麻豆 | 免费观看av网站的网址| 能在线免费观看的黄片| 亚洲熟女精品中文字幕| 日韩欧美国产在线观看| 久久久久久国产a免费观看| 日韩成人伦理影院| 超碰av人人做人人爽久久| 国产白丝娇喘喷水9色精品| 2021少妇久久久久久久久久久| 男女啪啪激烈高潮av片| 女的被弄到高潮叫床怎么办| 国产精品国产三级国产av玫瑰| 80岁老熟妇乱子伦牲交| 久久97久久精品| 99视频精品全部免费 在线| 国产精品一区www在线观看| 日韩欧美精品v在线| 国产久久久一区二区三区| 亚洲精品色激情综合| 免费av观看视频| 日韩av在线大香蕉| 精品熟女少妇av免费看| a级毛色黄片| 久久这里只有精品中国| 国产淫语在线视频| 天美传媒精品一区二区| 高清午夜精品一区二区三区| 一级黄片播放器| 精品国产三级普通话版| 国产成人a区在线观看| 国产高清国产精品国产三级 | 特级一级黄色大片| 能在线免费看毛片的网站| 边亲边吃奶的免费视频| 国产一级毛片在线| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 91狼人影院| 天天躁日日操中文字幕| 成人毛片a级毛片在线播放| 亚洲精品456在线播放app| 美女黄网站色视频| 国产精品不卡视频一区二区| 18禁在线无遮挡免费观看视频| 男的添女的下面高潮视频| 亚洲精品456在线播放app| 国产 亚洲一区二区三区 | 97超碰精品成人国产| 在线观看免费高清a一片| 我的老师免费观看完整版| 欧美3d第一页| 色吧在线观看| 日韩成人伦理影院| 97热精品久久久久久| 日韩av在线免费看完整版不卡| 欧美 日韩 精品 国产| 精品午夜福利在线看| 中国美白少妇内射xxxbb| 国模一区二区三区四区视频| 亚洲av中文av极速乱| 丝瓜视频免费看黄片| 国产亚洲午夜精品一区二区久久 | 热99在线观看视频| 青春草视频在线免费观看| 69人妻影院| 身体一侧抽搐| 女人被狂操c到高潮| 久久久久久久久久黄片| 91狼人影院| 国产在视频线精品| 2021天堂中文幕一二区在线观| 国产在视频线在精品| 久久久精品欧美日韩精品| 国产高清不卡午夜福利| 秋霞在线观看毛片| 久久久成人免费电影| 人人妻人人看人人澡| 嫩草影院入口| 国产乱人视频| 亚洲图色成人| 淫秽高清视频在线观看| 国产高清不卡午夜福利| 三级国产精品片| 久久久久久久久大av| 日日摸夜夜添夜夜添av毛片| 一本久久精品| 日产精品乱码卡一卡2卡三| 国产在视频线在精品| 欧美性感艳星| 欧美三级亚洲精品| 色视频www国产| 爱豆传媒免费全集在线观看| 搞女人的毛片| 日韩亚洲欧美综合| 日韩中字成人| 日韩一区二区视频免费看| 国产精品久久久久久av不卡| 日韩av在线免费看完整版不卡| av线在线观看网站| 一级毛片电影观看| 成人亚洲欧美一区二区av| 99热这里只有是精品在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美不卡视频在线免费观看| 能在线免费观看的黄片|