• <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 ?

    一種基于 EMD和神經(jīng)網(wǎng)絡(luò)的超聲缺陷信號分類方法?

    2012-10-09 01:13:44樊建平張艷花
    關(guān)鍵詞:特征參數(shù)特征向量頻域

    楊 錄,樊建平,張艷花

    (中北大學(xué)電子測試技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,山西太原 030051)

    缺陷特征提取是缺陷診斷的關(guān)鍵環(huán)節(jié).在信號的時域圖中,信號的幅值大小可以表征缺陷的存在.但是,只有信號時域幅值作為缺陷特征參數(shù),它無法獲得缺陷信號更多的真實(shí)信息,如缺陷的類型、大小等.因此,在超聲無損檢測領(lǐng)域,超聲頻譜分析法由于在頻域中可以求得比時域更多的特征參數(shù),如最大幅值、中心頻率、帶寬等,為提高檢測結(jié)果的客觀性和可靠性提供了可能[1-3].但是,當(dāng)工件存在缺陷或其工作環(huán)境異常時,其相應(yīng)的超聲回波信號或振動信號一般呈非平穩(wěn)特性.以傅里葉變換(Fourier Transform,FT)為核心的傳統(tǒng)頻譜方法雖然在平穩(wěn)信號的特征提取中發(fā)揮了重要作用,但對于非平穩(wěn)信號,FT只能分別給出信號在時域或頻域的統(tǒng)計平均結(jié)果,卻無法同時兼顧信號在時域和頻域的全貌和局部化特征.因此,對于非平穩(wěn)信號而言,希望能把非平穩(wěn)信號分解,使非平穩(wěn)信號平穩(wěn)化,并能夠得到比常規(guī)分析方法更多的缺陷特征參數(shù),來最終達(dá)到識別缺陷類型的目的.下面將要介紹的經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)[1,4]方法就可以很好地解決這個問題.

    經(jīng)驗(yàn)?zāi)B(tài)分解方法是基于信號的局部特征時間尺度,能把復(fù)雜信號函數(shù)分解為有限的固有模態(tài)函數(shù) (Intrinsic Mode Function,IMF)之和,由于 EMD方法是依據(jù)信號本身的信息進(jìn)行的分解,得到的 IMF通常是有限個數(shù)的,而且表現(xiàn)信號內(nèi)含的真實(shí)物理信息[5],因此 EMD方法是自適應(yīng)的信號處理方法,非常適合非線性和非平穩(wěn)過程.

    神經(jīng)網(wǎng)絡(luò)由基本神經(jīng)元相互連接,能模擬人腦的神經(jīng)處理信息方式,進(jìn)行信息并行處理和非線性轉(zhuǎn)換.神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)的模式識別技術(shù),并不需要預(yù)先給出有關(guān)模式的經(jīng)驗(yàn)知識和判別函數(shù),它通過自身的學(xué)習(xí)機(jī)制自動形成所要求的決策區(qū)域.它可以充分利用狀態(tài)信息,對來自不同狀態(tài)的信息逐一進(jìn)行訓(xùn)練而獲得某種映射關(guān)系.這種技術(shù)的出現(xiàn),為故障診斷問題提供了一種新的解決途徑.

    本文將 EMD方法以及人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到超聲缺陷信號的識別分類中[6],利用 EMD方法對超聲回波信號進(jìn)行分解,得到若干個 IM F,然后對包含故障信息的 IMF作時域與頻域分析,構(gòu)造特征向量,最后通過 BP神經(jīng)網(wǎng)絡(luò)作為診斷決策分類器來分類信號的缺陷類型.

    1 EMD方法的基本原理

    Hilbert-Huang變換方法由黃鍔于1998年提出,EMD(經(jīng)驗(yàn)?zāi)B(tài)分解)為其重要的組成部分.黃鍔提出的 EMD方法可以很好地處理非平穩(wěn)、非線性信號.這個方法不同于一些傳統(tǒng)的方法,它是直觀、直接、基于經(jīng)驗(yàn)和自適應(yīng)的.IMF是平穩(wěn)的窄帶信號,是原始信號在不同時間尺度上的信息,與原始信號相比 IM F分量相對簡單得多,實(shí)際的時間序列往往信息成分比較復(fù)雜,弱信號往往被強(qiáng)信號成分或背景噪聲所淹沒,而這些小幅度信號可以在 IMF分量中較明顯地表現(xiàn)出來.因此,對 IMF進(jìn)行分析可以更準(zhǔn)確有效地把握原始數(shù)據(jù)的特征信息.

    經(jīng)驗(yàn)?zāi)J椒纸獾慕Y(jié)果是一組 IMF,IMF滿足兩個條件:①在任意一點(diǎn),函數(shù)極大值構(gòu)成的上包絡(luò)與極小值構(gòu)成的下包絡(luò)均值為零;②在整個數(shù)據(jù)段上,極值點(diǎn)(包括極大值和極小值)的數(shù)目與過零點(diǎn)的數(shù)目相等或至多相差 1.

    經(jīng)驗(yàn)?zāi)J椒纸馑惴ǖ牟襟E包括:①求取信號x的所有極值點(diǎn)和過零點(diǎn);②將所有極大值點(diǎn)用一條曲線連接起來,得到信號的上包絡(luò);用同樣方法可以得到信號極小值點(diǎn)構(gòu)成的下包絡(luò);③計算上包絡(luò)和下包絡(luò)的平均值,記為平均包絡(luò) m;④ 將信號減去平均包絡(luò) m,得到殘余信號 r;⑤將 r作為信號重復(fù)以上過程,直到 r滿足固有模態(tài)函數(shù)的條件為止,記為 IM F 1;⑥重復(fù)以上過程將信號分解為一組固有模態(tài)函數(shù)和一個殘余信號之和.

    2 基于 EMD的分析步驟

    2.1 標(biāo)準(zhǔn)超聲缺陷信號采集

    這里采用有機(jī)玻璃作為標(biāo)準(zhǔn)試件,玻璃厚度為 6 mm,探頭頻率為 5 MHz,檢測模式為爬波.作為標(biāo)準(zhǔn)的有機(jī)玻璃缺陷類型為上表面裂紋、下底面裂紋和板中央孔,如圖1所示.這 3種缺陷的超聲回波信號如圖2所示.

    2.2 標(biāo)準(zhǔn)缺陷信號的 EMD分解

    首先針對下底面裂紋信號進(jìn)行分析,對其它兩種信號的分析采用同樣的分析方法.用 EMD方法對下底面裂紋超聲信號進(jìn)行處理,得到一系列 IMF分量,如圖3所示.IMF是平穩(wěn)的窄帶信號,是原始信號在不同時間尺度上的信息,每一個 IMF分量都是代表一組特征尺度的數(shù)據(jù)序列,具有實(shí)際的意義.

    圖1 缺陷實(shí)物圖Fig.1 Standard flaw indications of Perspex

    圖2 3種標(biāo)準(zhǔn)缺陷超聲回波信號Fig.2 Three kinds of ultrasound echo signals from standard flaw indications

    圖3 下底面裂紋超聲信號的 IMF分量Fig.3 Intrinsic modes IM F1~I(xiàn)MF8 of bottom surface flaw

    2.3 IMF分量的分析

    2.3.1 IMF的時域分析

    對 IMF進(jìn)行時域分析,采用過零點(diǎn)、信號面積、最大幅值這 3個特征參數(shù)作為 IMF曲線的時域特征[7].分別對每個 IMF分量求出曲線過零點(diǎn)、信號面積、最大幅值.對下底面裂紋信號的時域分析結(jié)果如表1所示(為便于分析,信號面積與最大幅值均放大若干倍數(shù)).

    2.3.2 IM F的頻域分析

    對信號的各個 IMF分量進(jìn)行傅立葉變換,得到如圖4所示的幅頻圖.采用最大幅值、中心頻率、信號能量這 3個特征參數(shù)作為 IMF的頻域特征[7].分別對每個 IMF分量求出最大幅值、中心頻率、信號能量.對下底面裂紋信號的頻域分析結(jié)果如表2所示(為便于分析,最大幅值放大若干倍數(shù)).

    表1 IMF時域特征參數(shù)計算結(jié)果Tab.1 IMFcharacterstic parameters in time domain

    表2 IMF頻域特征參數(shù)計算結(jié)果Tab.2 IM Fcharacteristic parameters in frequency domain

    圖4 各個 IMF幅頻圖Fig.4 Frequency spectrograms of IMFs

    3 BP神經(jīng)網(wǎng)絡(luò)的基本原理及其輸入向量的選取

    3.1 BP神經(jīng)網(wǎng)絡(luò)基本原理

    BP算法[8]的學(xué)習(xí)過程由信息正向傳播過程和誤差反向傳播過程組成,在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層單元逐層處理,并傳向輸出層,每一層神經(jīng)元的狀況只影響下一層神經(jīng)元的狀況.如果輸出層不能得到期望的輸出,則轉(zhuǎn)入反向傳播,將誤差信號沿原來的連接通路返回,通過修改各層神經(jīng)元的權(quán)值,最終使誤差函數(shù)達(dá)到給定的數(shù)值.三層神經(jīng)網(wǎng)絡(luò)模型如圖5所示.

    3.2 BP神經(jīng)網(wǎng)絡(luò)輸入向量的選取與處理

    通過上述 IMF時域與頻域的分析,每一個IMF分量可以得到過零點(diǎn)、信號面積、最大幅值(時域)、最大幅值(頻域 )、中心頻率、信號能量,共6個特征參數(shù).把這些特征參數(shù)作為一個特征數(shù)組.下底面裂紋信號取前 5個 IMF分量,把 5個IM F分量的特征數(shù)組組合,就可以得到一個向量.這個向量即是信號的特征向量,把它作為神經(jīng)網(wǎng)絡(luò)的輸入向量.

    4 超聲缺陷信號分類分析

    針對標(biāo)準(zhǔn)的 3種缺陷信號進(jìn)行采樣,每種信號采集 30個樣本,每個樣本的數(shù)據(jù)長度為 400.試驗(yàn)時,對樣本數(shù)據(jù)進(jìn)行 N=5階經(jīng)驗(yàn)?zāi)B(tài)分解,利用本文分析得出的特征向量,每種樣本取 6組特征向量,得到 18組數(shù)據(jù),用這些數(shù)據(jù)作為訓(xùn)練樣本輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練.另外取 3種類型的信號各一個樣本來作為測試樣本,以檢測所設(shè)計的缺陷分類器是否合理.

    BP神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)[9]為:輸入層神經(jīng)元個數(shù)為 24,隱含層神經(jīng)元個數(shù)近似為30,輸出層神經(jīng)元個數(shù)為 3.隱含層的傳遞函數(shù)采用雙曲正切 S型傳遞函數(shù) tansig,輸出向量為故障編碼 0,1,因此輸出層的傳遞函數(shù)采用 S型的對數(shù)函數(shù)logsig,該函數(shù)將輸出量的值域限制在 [0,1]之間.網(wǎng)絡(luò)訓(xùn)練函數(shù)采用 Levenberg-Marquardt BP訓(xùn)練函數(shù),性能指標(biāo)為 mse,訓(xùn)練目標(biāo)為 0.01.缺陷類別編碼設(shè)計如表3所示.經(jīng)歸一化后的部分訓(xùn)練樣本如表4所示.

    網(wǎng)絡(luò)的訓(xùn)練誤差曲線如圖6所示.從圖6可以看出,經(jīng)過此訓(xùn)練后達(dá)到了梯度最小值,此時的訓(xùn)練誤差已經(jīng)非常小.為了驗(yàn)證網(wǎng)絡(luò)的準(zhǔn)確性,用測試樣本共9組數(shù)據(jù)對網(wǎng)絡(luò)模型進(jìn)行了測試,測試結(jié)果如表5所示.

    從表5可以看出,網(wǎng)絡(luò)的實(shí)際輸出與期望輸出非常吻合,診斷準(zhǔn)確率為 100%,證明該神經(jīng)網(wǎng)絡(luò)模型可靠,能準(zhǔn)確地對超聲信號的缺陷類型進(jìn)行識別與分類.

    表3 缺陷類別編碼設(shè)計Tab.3 Flaw type cod e design

    圖6 訓(xùn)練誤差曲線圖Fig.6 Training error curve

    表4 歸一化后部分訓(xùn)練樣本Tab.4 Part training sample after normalization

    表5 樣本測試結(jié)果Tab.5 Sample test result

    5 結(jié)束語

    綜上所述,基于對本征模函數(shù)時域與頻域的分析[10],構(gòu)造特征向量,利用神經(jīng)網(wǎng)絡(luò)分類信號缺陷類型是一種新的缺陷類型分類方法,其創(chuàng)新之處在于在分析本征模函數(shù)(IMF)時域與頻域的基礎(chǔ)上,構(gòu)造特征向量,利用神經(jīng)網(wǎng)絡(luò)技術(shù)分類信號的缺陷.這種識別缺陷分類的方法識別率較高,可望具有較好的適用性.由于本文作為標(biāo)準(zhǔn)缺陷信號的缺陷類型較少,由此形成的特征向量能檢測出的缺陷類型較少,因此,進(jìn)一步應(yīng)用需要大量的實(shí)驗(yàn)樣本和數(shù)據(jù)分析.

    [1]Huang N E.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C].Lond: Proceedings of the Royal Society,1998,454:903-995.

    [2]Bennett M,Michael S.Empirical mode decomposition and tissue harmonic imaging[J]. Ultrasound in Medicine&Biololgy,2005,31(8):1051-1061.

    [3]Flandrin P,Rilling G,Goncalves P.Empirical mode decomposition as a filter bank [J]. IEEE Signal Processing Letters,2004,11(2):112-114.

    [4]Deering R,Kaiser J.The use of a masking signal to improve empirical mode decomposition[J]. IEEE ICASSP,2005,9:485-488.

    [5]于鳳芹.利用 Hilbert-Huang變換的自適應(yīng)帶通濾波特性提取共振峰[J].聲學(xué)技術(shù),2008,27(2):266.Yu Fengqin.Finding speech formant by using the character of Hilbert-Huang transform as an adaptive band-filter[J].Technical Acoustics,2008,27(2):266.(in Chinese)

    [6]張小薊.基于 IMF能量熵的目標(biāo)特征提取與分類方法[J].計算機(jī)工程與應(yīng)用,2008,44(4):68-69.Zhang Xiaoji. Feature extraction and classification experiment based on energy entropy of IMF’s[J].Computer Engineering and Applications,2008,44(4):68-69.(in Chinese)

    [7]孟宗,戴桂平.基于 EM D時頻分析方法的性能研究[J].傳感技術(shù)學(xué)報,2008,19(4):1029-1032.Meng Zong,Dai Guiping.Characteristics study on time-frequency anlysis method based on empirical mode decomposition[J].Chinese Journal of Sensors and Actuators,2008,19(4):1029-1032.(in Chinese)

    [8]王憲保.基于仿生模式識別的構(gòu)造型神經(jīng)網(wǎng)絡(luò)分類方法[J].計算機(jī)學(xué)報,2007,30(12):2109-2114.Wang Xianbao. Constructive neuron networks classification algorithm basedon biomimetic pattern recognition[J].Chinese Journal of Computers,2007,30(12):2109-2114.(in Chinese)

    [9]夏戰(zhàn)國,王珂.基于網(wǎng)絡(luò)復(fù)雜性的 BP算法 [J].計算機(jī)工程與設(shè)計,2008,29(15):3867-3869.Xia Zhanguo,Wang Ke. BP algorithm based on network complexity[J].Computer Engineering and Design,2008,29(15):3861-3869.(in Chinese)

    [10]鐘佑明.希爾伯特-黃變換的統(tǒng)一理論依據(jù)研究[J].振動與沖擊,2006,25(3):40-44.Zhong Youming.Uniform theory gist research of Hilbert-Huang transform[J].Journal of V bration and Shork,2006,25(3):40-44.(in Chinese)

    猜你喜歡
    特征參數(shù)特征向量頻域
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    故障診斷中信號特征參數(shù)擇取方法
    基于特征參數(shù)化的木工CAD/CAM系統(tǒng)
    頻域稀疏毫米波人體安檢成像處理和快速成像稀疏陣列設(shè)計
    一類特殊矩陣特征向量的求法
    基于PSO-VMD的齒輪特征參數(shù)提取方法研究
    EXCEL表格計算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    基于改進(jìn)Radon-Wigner變換的目標(biāo)和拖曳式誘餌頻域分離
    一種基于頻域的QPSK窄帶干擾抑制算法
    日韩人妻高清精品专区| 国产亚洲av嫩草精品影院| 美女 人体艺术 gogo| 99热这里只有是精品50| 国产白丝娇喘喷水9色精品| 中文字幕av成人在线电影| 亚州av有码| 亚洲欧美日韩卡通动漫| 亚洲精品456在线播放app | 国内精品美女久久久久久| 亚洲美女视频黄频| 观看美女的网站| 精品熟女少妇八av免费久了| 亚洲欧美日韩高清在线视频| 亚洲中文字幕日韩| 欧美午夜高清在线| 久久久久九九精品影院| av在线老鸭窝| av天堂中文字幕网| 国产精品一及| 久久久久九九精品影院| 午夜精品一区二区三区免费看| 一级黄色大片毛片| 国产精品一及| 麻豆国产av国片精品| 老女人水多毛片| 国产黄片美女视频| 91麻豆精品激情在线观看国产| 久久久久久久精品吃奶| 成人亚洲精品av一区二区| 午夜免费男女啪啪视频观看 | 看十八女毛片水多多多| 久久精品久久久久久噜噜老黄 | 欧美3d第一页| 国产 一区 欧美 日韩| 亚洲av二区三区四区| 婷婷色综合大香蕉| 嫩草影院新地址| 国产亚洲欧美98| 午夜日韩欧美国产| 午夜福利18| 淫秽高清视频在线观看| 麻豆av噜噜一区二区三区| 欧美高清成人免费视频www| 精品人妻偷拍中文字幕| 久久精品综合一区二区三区| 99精品久久久久人妻精品| 又黄又爽又刺激的免费视频.| 亚洲专区国产一区二区| 丰满人妻一区二区三区视频av| 欧美日韩乱码在线| 成熟少妇高潮喷水视频| 白带黄色成豆腐渣| 丰满人妻一区二区三区视频av| 午夜免费激情av| 精品久久久久久久久久久久久| 亚洲色图av天堂| eeuss影院久久| 久久久久久久精品吃奶| 国内久久婷婷六月综合欲色啪| 成人高潮视频无遮挡免费网站| 村上凉子中文字幕在线| av视频在线观看入口| 免费在线观看成人毛片| 美女高潮的动态| 丁香六月欧美| 日本五十路高清| 欧美性猛交黑人性爽| 可以在线观看的亚洲视频| 国产色婷婷99| 日韩精品青青久久久久久| 国产一区二区在线av高清观看| 给我免费播放毛片高清在线观看| 真实男女啪啪啪动态图| 亚洲电影在线观看av| 国产高清激情床上av| 一个人观看的视频www高清免费观看| 99热这里只有是精品在线观看 | 99久久无色码亚洲精品果冻| 级片在线观看| 不卡一级毛片| 欧美性猛交黑人性爽| 在线看三级毛片| 色综合婷婷激情| 此物有八面人人有两片| 舔av片在线| 热99re8久久精品国产| 丁香六月欧美| av在线观看视频网站免费| 露出奶头的视频| 狂野欧美白嫩少妇大欣赏| 成人欧美大片| 97碰自拍视频| www.色视频.com| 制服丝袜大香蕉在线| 在现免费观看毛片| av专区在线播放| 国产高潮美女av| 亚洲成人精品中文字幕电影| 悠悠久久av| 亚洲精品乱码久久久v下载方式| 精品人妻一区二区三区麻豆 | 国产精品亚洲一级av第二区| 久久精品人妻少妇| 在现免费观看毛片| 桃色一区二区三区在线观看| 一本精品99久久精品77| 看片在线看免费视频| 小蜜桃在线观看免费完整版高清| 日韩大尺度精品在线看网址| 97热精品久久久久久| 日韩高清综合在线| 男人和女人高潮做爰伦理| 国产精品嫩草影院av在线观看 | 国产三级中文精品| 亚洲片人在线观看| 久久国产乱子免费精品| 搡女人真爽免费视频火全软件 | 亚洲黑人精品在线| 麻豆国产97在线/欧美| 国产精品日韩av在线免费观看| 中文字幕熟女人妻在线| 色综合站精品国产| 女人十人毛片免费观看3o分钟| 禁无遮挡网站| 美女cb高潮喷水在线观看| 嫁个100分男人电影在线观看| 日本一本二区三区精品| 成人欧美大片| 国产精品99久久久久久久久| 亚洲国产日韩欧美精品在线观看| 激情在线观看视频在线高清| 两性午夜刺激爽爽歪歪视频在线观看| 激情在线观看视频在线高清| 日韩欧美国产一区二区入口| 九九久久精品国产亚洲av麻豆| 在线免费观看的www视频| 亚洲av日韩精品久久久久久密| 岛国在线免费视频观看| 51国产日韩欧美| 一卡2卡三卡四卡精品乱码亚洲| 中文字幕高清在线视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产高清在线一区二区三| 免费看a级黄色片| 亚洲精品日韩av片在线观看| 亚州av有码| 亚洲欧美日韩卡通动漫| 美女 人体艺术 gogo| 在线看三级毛片| 级片在线观看| 成人永久免费在线观看视频| 少妇高潮的动态图| 久久香蕉精品热| h日本视频在线播放| 2021天堂中文幕一二区在线观| 国产精品av视频在线免费观看| 日韩欧美一区二区三区在线观看| 亚洲av电影在线进入| 欧美成人性av电影在线观看| 一个人免费在线观看电影| 亚洲精品影视一区二区三区av| 午夜免费激情av| 精品午夜福利视频在线观看一区| 国产在线男女| 国产精品亚洲一级av第二区| 美女大奶头视频| 亚洲av日韩精品久久久久久密| 最近中文字幕高清免费大全6 | 99精品久久久久人妻精品| 午夜激情欧美在线| 欧美成人免费av一区二区三区| 欧美丝袜亚洲另类 | 高清在线国产一区| 搞女人的毛片| 日韩欧美 国产精品| 国产精品久久久久久精品电影| 我要看日韩黄色一级片| 久久久国产成人免费| 91麻豆av在线| 中文字幕av在线有码专区| 亚洲中文字幕日韩| avwww免费| 超碰av人人做人人爽久久| 亚洲国产色片| 伦理电影大哥的女人| 国产私拍福利视频在线观看| 国产中年淑女户外野战色| 亚洲最大成人中文| АⅤ资源中文在线天堂| 热99re8久久精品国产| 亚洲国产精品合色在线| 在线免费观看的www视频| 欧美xxxx性猛交bbbb| 欧美乱色亚洲激情| 国产91精品成人一区二区三区| 能在线免费观看的黄片| 黄色配什么色好看| 天堂动漫精品| 首页视频小说图片口味搜索| 波野结衣二区三区在线| 国产黄a三级三级三级人| xxxwww97欧美| 小说图片视频综合网站| 偷拍熟女少妇极品色| 久久精品国产亚洲av天美| 夜夜看夜夜爽夜夜摸| 精品久久久久久久久av| 国产单亲对白刺激| 欧美日韩黄片免| 亚洲国产欧洲综合997久久,| 午夜精品久久久久久毛片777| 91九色精品人成在线观看| 亚洲成人中文字幕在线播放| 在线观看午夜福利视频| 天堂影院成人在线观看| 中文亚洲av片在线观看爽| 美女黄网站色视频| 老鸭窝网址在线观看| 久久久久久久亚洲中文字幕 | 色av中文字幕| 好男人电影高清在线观看| 制服丝袜大香蕉在线| 国产在视频线在精品| 欧美+亚洲+日韩+国产| 搡老妇女老女人老熟妇| 国产色婷婷99| 搡女人真爽免费视频火全软件 | 亚洲国产欧洲综合997久久,| 色视频www国产| 在线十欧美十亚洲十日本专区| 国产精品,欧美在线| 美女 人体艺术 gogo| 757午夜福利合集在线观看| 91麻豆精品激情在线观看国产| 亚洲人成伊人成综合网2020| 久久人妻av系列| 亚洲第一区二区三区不卡| 特级一级黄色大片| 色av中文字幕| 日日摸夜夜添夜夜添小说| 九九在线视频观看精品| 日韩欧美精品v在线| 91在线精品国自产拍蜜月| 欧美日韩亚洲国产一区二区在线观看| 人人妻人人看人人澡| 内地一区二区视频在线| 精品午夜福利视频在线观看一区| 久久久久久久久久成人| 久久精品人妻少妇| a级毛片免费高清观看在线播放| 热99re8久久精品国产| 日韩欧美在线乱码| 精品不卡国产一区二区三区| 国产真实伦视频高清在线观看 | 国产精品一及| 欧美xxxx黑人xx丫x性爽| 人妻久久中文字幕网| 一个人看视频在线观看www免费| 97碰自拍视频| 欧美性猛交╳xxx乱大交人| x7x7x7水蜜桃| 少妇的逼水好多| 国产乱人视频| 久久精品综合一区二区三区| 精品人妻熟女av久视频| 久久香蕉精品热| 深爱激情五月婷婷| 国产精品电影一区二区三区| 国产欧美日韩一区二区三| 成年免费大片在线观看| 欧美三级亚洲精品| 欧美黑人巨大hd| 国产激情偷乱视频一区二区| 久久精品国产亚洲av香蕉五月| 亚洲人成电影免费在线| 亚洲 欧美 日韩 在线 免费| 色播亚洲综合网| 可以在线观看毛片的网站| 欧美bdsm另类| 最新在线观看一区二区三区| 国内少妇人妻偷人精品xxx网站| 欧美黑人巨大hd| 9191精品国产免费久久| 国产黄a三级三级三级人| 日韩欧美在线二视频| 国产三级中文精品| 国产淫片久久久久久久久 | 有码 亚洲区| 99热这里只有精品一区| 国产真实伦视频高清在线观看 | 99国产综合亚洲精品| 97人妻精品一区二区三区麻豆| 麻豆国产97在线/欧美| 久久久国产成人免费| 免费在线观看日本一区| 国产精品1区2区在线观看.| 国产精品免费一区二区三区在线| 51国产日韩欧美| 9191精品国产免费久久| av天堂在线播放| 国产伦人伦偷精品视频| 内地一区二区视频在线| 动漫黄色视频在线观看| 久久久久久久久久黄片| 国产真实乱freesex| 免费一级毛片在线播放高清视频| 少妇人妻一区二区三区视频| 久久久久国内视频| 啦啦啦观看免费观看视频高清| 91字幕亚洲| 国产精品一区二区三区四区久久| 成人无遮挡网站| 免费人成在线观看视频色| 精华霜和精华液先用哪个| 日本 欧美在线| 亚洲在线自拍视频| 免费看a级黄色片| 久久久久久大精品| 免费看日本二区| 国语自产精品视频在线第100页| 国产欧美日韩一区二区三| 亚洲人与动物交配视频| 人人妻人人看人人澡| 婷婷精品国产亚洲av在线| 69人妻影院| 色av中文字幕| 日日摸夜夜添夜夜添av毛片 | 亚洲人成电影免费在线| 欧美一级a爱片免费观看看| 成人高潮视频无遮挡免费网站| 精品一区二区三区人妻视频| 午夜影院日韩av| 久久中文看片网| 国产精品自产拍在线观看55亚洲| 亚洲精品影视一区二区三区av| 一级黄片播放器| 精品人妻一区二区三区麻豆 | 国产av麻豆久久久久久久| 国内精品一区二区在线观看| 久久热精品热| 亚洲av美国av| 非洲黑人性xxxx精品又粗又长| 国产午夜精品论理片| 国产不卡一卡二| 日本 欧美在线| 国产精品一区二区免费欧美| 99国产极品粉嫩在线观看| 51午夜福利影视在线观看| 国产久久久一区二区三区| 亚洲成人免费电影在线观看| 九九热线精品视视频播放| 99久国产av精品| 伦理电影大哥的女人| 久久精品国产清高在天天线| 很黄的视频免费| 久久久久国产精品人妻aⅴ院| 国产高清激情床上av| 熟女人妻精品中文字幕| 一进一出抽搐gif免费好疼| 午夜免费激情av| h日本视频在线播放| 日日干狠狠操夜夜爽| 啦啦啦观看免费观看视频高清| 97碰自拍视频| 国产一区二区在线av高清观看| 久久欧美精品欧美久久欧美| 国产精品精品国产色婷婷| 如何舔出高潮| 成人特级黄色片久久久久久久| 国产成人福利小说| 国产日本99.免费观看| netflix在线观看网站| 12—13女人毛片做爰片一| 亚洲性夜色夜夜综合| 一卡2卡三卡四卡精品乱码亚洲| 动漫黄色视频在线观看| 最近视频中文字幕2019在线8| 色哟哟·www| 美女高潮的动态| 国产亚洲精品久久久久久毛片| 精品久久久久久久久av| 免费看日本二区| 成人特级黄色片久久久久久久| 久久精品综合一区二区三区| 99久国产av精品| 在线天堂最新版资源| 亚洲av电影在线进入| av黄色大香蕉| 国产私拍福利视频在线观看| 中文在线观看免费www的网站| 久久这里只有精品中国| 国产久久久一区二区三区| 少妇丰满av| 成人亚洲精品av一区二区| 婷婷色综合大香蕉| 狂野欧美白嫩少妇大欣赏| 变态另类成人亚洲欧美熟女| h日本视频在线播放| 一本综合久久免费| 亚洲真实伦在线观看| 亚洲性夜色夜夜综合| 欧美色欧美亚洲另类二区| 九九在线视频观看精品| 淫秽高清视频在线观看| av在线老鸭窝| 成年女人看的毛片在线观看| 欧美日韩中文字幕国产精品一区二区三区| 99久国产av精品| 精品一区二区三区人妻视频| 日韩av在线大香蕉| 老司机福利观看| 两个人的视频大全免费| 中文字幕熟女人妻在线| 国产成人欧美在线观看| 少妇高潮的动态图| 麻豆国产97在线/欧美| 欧美极品一区二区三区四区| 免费在线观看影片大全网站| 欧美成人性av电影在线观看| 天堂网av新在线| 一a级毛片在线观看| 日韩 亚洲 欧美在线| 在线观看66精品国产| 我要看日韩黄色一级片| 一本精品99久久精品77| 午夜福利18| 国产淫片久久久久久久久 | 精品国产亚洲在线| 亚洲七黄色美女视频| 看片在线看免费视频| 宅男免费午夜| 蜜桃亚洲精品一区二区三区| av在线蜜桃| 女人十人毛片免费观看3o分钟| 看片在线看免费视频| 一a级毛片在线观看| a在线观看视频网站| 国产亚洲精品av在线| 久久这里只有精品中国| 在现免费观看毛片| 一级黄色大片毛片| 舔av片在线| 黄色丝袜av网址大全| 99国产极品粉嫩在线观看| 97热精品久久久久久| 伊人久久精品亚洲午夜| 露出奶头的视频| 亚洲欧美日韩高清在线视频| 色综合亚洲欧美另类图片| 成人亚洲精品av一区二区| 亚洲真实伦在线观看| 99精品久久久久人妻精品| 亚洲第一区二区三区不卡| 中亚洲国语对白在线视频| 最近最新中文字幕大全电影3| 99国产极品粉嫩在线观看| 禁无遮挡网站| 国产精品国产高清国产av| 国产精品,欧美在线| 亚洲人成伊人成综合网2020| 亚洲精品在线美女| 一区二区三区四区激情视频 | 内射极品少妇av片p| 人人妻,人人澡人人爽秒播| 99久久无色码亚洲精品果冻| 欧美一级a爱片免费观看看| av中文乱码字幕在线| 91久久精品国产一区二区成人| 高潮久久久久久久久久久不卡| 久久精品人妻少妇| 日日干狠狠操夜夜爽| 久久人妻av系列| 国产精品一区二区性色av| 国产免费av片在线观看野外av| 成年人黄色毛片网站| 亚洲成av人片在线播放无| 此物有八面人人有两片| 制服丝袜大香蕉在线| 亚洲美女搞黄在线观看 | 亚洲欧美日韩卡通动漫| 精品国内亚洲2022精品成人| 午夜福利欧美成人| 国产成人av教育| 动漫黄色视频在线观看| 国产黄色小视频在线观看| 国产成人a区在线观看| 亚洲美女黄片视频| 99riav亚洲国产免费| 日日摸夜夜添夜夜添av毛片 | av欧美777| 免费在线观看成人毛片| 999久久久精品免费观看国产| 老鸭窝网址在线观看| 亚洲中文日韩欧美视频| 色综合亚洲欧美另类图片| 老司机午夜福利在线观看视频| 日本黄大片高清| 精品久久久久久久末码| 国产精品亚洲美女久久久| 国产黄a三级三级三级人| 午夜久久久久精精品| 一级a爱片免费观看的视频| 亚洲成av人片免费观看| 成人永久免费在线观看视频| 免费av毛片视频| 国产中年淑女户外野战色| 嫩草影视91久久| 久久久国产成人免费| 亚洲电影在线观看av| 亚洲aⅴ乱码一区二区在线播放| 日韩欧美在线乱码| 十八禁网站免费在线| 国产av一区在线观看免费| 少妇人妻一区二区三区视频| 日韩 亚洲 欧美在线| 欧美三级亚洲精品| 一个人观看的视频www高清免费观看| 中文资源天堂在线| 亚洲精品在线美女| 欧美成人一区二区免费高清观看| 欧美精品啪啪一区二区三区| 亚州av有码| 日韩 亚洲 欧美在线| netflix在线观看网站| 欧美一区二区国产精品久久精品| 丰满人妻熟妇乱又伦精品不卡| 人妻久久中文字幕网| 亚洲av二区三区四区| 88av欧美| 日本a在线网址| 欧美最黄视频在线播放免费| 久久国产乱子免费精品| 日韩亚洲欧美综合| 网址你懂的国产日韩在线| 亚洲无线在线观看| 99热这里只有是精品50| 黄色女人牲交| 精品一区二区三区视频在线| 搞女人的毛片| 国产国拍精品亚洲av在线观看| 桃色一区二区三区在线观看| 亚洲成人免费电影在线观看| 深爱激情五月婷婷| 可以在线观看毛片的网站| 国产一区二区在线观看日韩| 亚洲欧美日韩高清专用| 在线观看免费视频日本深夜| 国内毛片毛片毛片毛片毛片| 色av中文字幕| 亚洲国产精品sss在线观看| 日韩 亚洲 欧美在线| 身体一侧抽搐| 亚洲aⅴ乱码一区二区在线播放| 国产亚洲精品av在线| 五月玫瑰六月丁香| 99久久成人亚洲精品观看| 国产乱人视频| 天美传媒精品一区二区| 免费观看精品视频网站| 美女黄网站色视频| 精品99又大又爽又粗少妇毛片 | 亚洲av电影不卡..在线观看| 午夜福利在线在线| 午夜精品久久久久久毛片777| 老熟妇仑乱视频hdxx| 男插女下体视频免费在线播放| 亚洲一区二区三区色噜噜| 亚洲五月婷婷丁香| 12—13女人毛片做爰片一| 免费人成视频x8x8入口观看| 日本熟妇午夜| 国产亚洲欧美在线一区二区| 亚洲男人的天堂狠狠| 精品人妻偷拍中文字幕| 性色av乱码一区二区三区2| 赤兔流量卡办理| 五月玫瑰六月丁香| 亚洲一区高清亚洲精品| 亚洲第一区二区三区不卡| 欧美激情在线99| 老司机福利观看| 久久精品夜夜夜夜夜久久蜜豆| 久久精品国产99精品国产亚洲性色| 两个人的视频大全免费| 99久久无色码亚洲精品果冻| 国产精品电影一区二区三区| 国产精品久久久久久亚洲av鲁大| 一个人观看的视频www高清免费观看| 韩国av一区二区三区四区| 日本精品一区二区三区蜜桃| 午夜福利成人在线免费观看| 久久国产乱子免费精品| 亚洲av不卡在线观看| 日韩欧美 国产精品| a在线观看视频网站| 变态另类成人亚洲欧美熟女| 免费大片18禁| 国产亚洲精品综合一区在线观看| 琪琪午夜伦伦电影理论片6080| 精品人妻一区二区三区麻豆 | 欧美黑人欧美精品刺激| 丰满人妻熟妇乱又伦精品不卡| 免费电影在线观看免费观看| 欧美极品一区二区三区四区| www日本黄色视频网| 中文字幕精品亚洲无线码一区| 久久国产精品影院| 久久精品综合一区二区三区| 波多野结衣巨乳人妻| 天堂√8在线中文| 国产伦精品一区二区三区四那| 亚洲av美国av| 亚洲天堂国产精品一区在线| 高清日韩中文字幕在线|