• <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
    国产精品久久久人人做人人爽| 欧美激情久久久久久爽电影| 国产成人一区二区三区免费视频网站| 亚洲九九香蕉| 婷婷精品国产亚洲av在线| 三级国产精品欧美在线观看 | 色播亚洲综合网| 无遮挡黄片免费观看| 中文资源天堂在线| 黄色a级毛片大全视频| 欧美日韩一级在线毛片| 亚洲欧美一区二区三区黑人| 在线观看一区二区三区| 色哟哟哟哟哟哟| 亚洲一区中文字幕在线| 久久人妻av系列| 亚洲欧美激情综合另类| 黄频高清免费视频| 亚洲精品在线观看二区| 国产精品一区二区三区四区免费观看 | 一边摸一边做爽爽视频免费| 国产成人av激情在线播放| 日本一二三区视频观看| 99在线人妻在线中文字幕| 婷婷精品国产亚洲av在线| 欧美激情久久久久久爽电影| 亚洲精品国产一区二区精华液| 精品免费久久久久久久清纯| 亚洲精品色激情综合| 国产精品影院久久| 国产精品99久久99久久久不卡| 天堂av国产一区二区熟女人妻 | 亚洲第一欧美日韩一区二区三区| 色综合站精品国产| 精品人妻1区二区| 欧美 亚洲 国产 日韩一| 欧美中文综合在线视频| 男人的好看免费观看在线视频 | 亚洲欧美激情综合另类| 久久久久久大精品| 色在线成人网| 欧美性长视频在线观看| 色av中文字幕| 午夜福利视频1000在线观看| 天堂√8在线中文| 亚洲欧美日韩无卡精品| 精品福利观看| 观看免费一级毛片| 给我免费播放毛片高清在线观看| 国产精品一及| 99久久久亚洲精品蜜臀av| 无限看片的www在线观看| 国产69精品久久久久777片 | 男女床上黄色一级片免费看| 99re在线观看精品视频| 97碰自拍视频| 久久香蕉精品热| 99国产精品一区二区三区| 日日摸夜夜添夜夜添小说| 久久久久国产一级毛片高清牌| 亚洲成人久久爱视频| 18禁裸乳无遮挡免费网站照片| 天天添夜夜摸| 免费高清视频大片| 日韩 欧美 亚洲 中文字幕| 2021天堂中文幕一二区在线观| 久久婷婷成人综合色麻豆| 国产乱人伦免费视频| 国产午夜精品论理片| 欧美激情久久久久久爽电影| 国产三级中文精品| 美女黄网站色视频| 在线观看美女被高潮喷水网站 | 亚洲成人精品中文字幕电影| 人人妻,人人澡人人爽秒播| 人人妻人人澡欧美一区二区| 免费电影在线观看免费观看| 久久精品国产清高在天天线| 欧美一区二区精品小视频在线| 日本熟妇午夜| 人人妻人人看人人澡| 色综合欧美亚洲国产小说| 在线观看日韩欧美| 亚洲av第一区精品v没综合| 国产高清有码在线观看视频 | 亚洲激情在线av| 日本五十路高清| 国产精品免费视频内射| 白带黄色成豆腐渣| 黄色成人免费大全| 国产精品电影一区二区三区| 校园春色视频在线观看| 精品欧美国产一区二区三| 国产日本99.免费观看| 十八禁人妻一区二区| 一夜夜www| 五月玫瑰六月丁香| 丁香欧美五月| 色哟哟哟哟哟哟| 亚洲成人免费电影在线观看| 亚洲av中文字字幕乱码综合| 特大巨黑吊av在线直播| 国产欧美日韩一区二区精品| 国产精品久久久久久人妻精品电影| 亚洲国产欧美人成| 久久久国产欧美日韩av| 亚洲中文字幕日韩| 亚洲自偷自拍图片 自拍| 欧洲精品卡2卡3卡4卡5卡区| 在线观看日韩欧美| 好男人在线观看高清免费视频| 黄频高清免费视频| 波多野结衣高清作品| 亚洲精品久久成人aⅴ小说| av中文乱码字幕在线| 国产高清视频在线播放一区| 悠悠久久av| 亚洲人成网站在线播放欧美日韩| 又黄又粗又硬又大视频| 怎么达到女性高潮| 夜夜躁狠狠躁天天躁| 成人18禁在线播放| 国产亚洲欧美98| 三级毛片av免费| 精品欧美国产一区二区三| 久久精品成人免费网站| 久久中文字幕一级| 欧美一区二区国产精品久久精品 | 国产午夜精品久久久久久| 99精品欧美一区二区三区四区| 亚洲av成人av| 久久精品国产清高在天天线| 色噜噜av男人的天堂激情| 亚洲欧美日韩无卡精品| 天天躁夜夜躁狠狠躁躁| 身体一侧抽搐| 91九色精品人成在线观看| 亚洲成人精品中文字幕电影| 免费电影在线观看免费观看| 午夜免费观看网址| 亚洲成人久久爱视频| 欧美一区二区国产精品久久精品 | 欧美黑人欧美精品刺激| 久久人人精品亚洲av| 精品少妇一区二区三区视频日本电影| 亚洲国产精品合色在线| 免费观看精品视频网站| 欧美成人免费av一区二区三区| 欧美成狂野欧美在线观看| 1024视频免费在线观看| 久久精品国产亚洲av高清一级| 国产欧美日韩精品亚洲av| 久久99热这里只有精品18| av中文乱码字幕在线| 天天躁夜夜躁狠狠躁躁| 夜夜看夜夜爽夜夜摸| 三级男女做爰猛烈吃奶摸视频| 人人妻人人看人人澡| 欧美极品一区二区三区四区| 国产精品九九99| 国产欧美日韩精品亚洲av| 国产精品久久久av美女十八| 国产1区2区3区精品| 国产亚洲av嫩草精品影院| 亚洲一码二码三码区别大吗| 亚洲av第一区精品v没综合| 51午夜福利影视在线观看| 国产亚洲精品久久久久5区| 在线观看美女被高潮喷水网站 | 99热这里只有是精品50| 精品欧美一区二区三区在线| 熟女少妇亚洲综合色aaa.| 99热这里只有精品一区 | a级毛片在线看网站| 少妇裸体淫交视频免费看高清 | 午夜免费激情av| 一级片免费观看大全| 亚洲精品久久国产高清桃花| 给我免费播放毛片高清在线观看| 久9热在线精品视频| 久久久精品国产亚洲av高清涩受| 国产亚洲欧美98| 午夜福利成人在线免费观看| 校园春色视频在线观看| 国产精品久久电影中文字幕| 国产精品永久免费网站| 成人18禁高潮啪啪吃奶动态图| 黄色毛片三级朝国网站| netflix在线观看网站| 免费在线观看视频国产中文字幕亚洲| 亚洲专区字幕在线| 欧美日韩瑟瑟在线播放| 精品福利观看| 国产午夜福利久久久久久| 亚洲专区中文字幕在线| 人人妻人人澡欧美一区二区| 亚洲国产看品久久| av在线播放免费不卡| 成人三级黄色视频| 国产不卡一卡二| 亚洲美女视频黄频| 99热只有精品国产| 十八禁网站免费在线| 麻豆国产97在线/欧美 | 久久久久久久精品吃奶| 色精品久久人妻99蜜桃| 无人区码免费观看不卡| 啦啦啦观看免费观看视频高清| 身体一侧抽搐| 90打野战视频偷拍视频| 亚洲欧美日韩高清专用| 在线观看免费日韩欧美大片| 精品欧美国产一区二区三| 亚洲人与动物交配视频| 日本撒尿小便嘘嘘汇集6| 非洲黑人性xxxx精品又粗又长| 老司机午夜十八禁免费视频| 免费在线观看亚洲国产| 狂野欧美激情性xxxx| 国产精品久久电影中文字幕| 在线播放国产精品三级| 久久久久久久久中文| 欧美日韩精品网址| 精品一区二区三区视频在线观看免费| 18禁观看日本| 国产又色又爽无遮挡免费看| 88av欧美| 日日干狠狠操夜夜爽| 青草久久国产| av片东京热男人的天堂| 欧美日韩亚洲国产一区二区在线观看| 高清在线国产一区| 午夜日韩欧美国产| av福利片在线观看| 少妇粗大呻吟视频| 亚洲国产看品久久| 亚洲熟妇中文字幕五十中出| 欧美日韩亚洲综合一区二区三区_| 免费搜索国产男女视频| 久久九九热精品免费| x7x7x7水蜜桃| 国内久久婷婷六月综合欲色啪| 夜夜躁狠狠躁天天躁| 特级一级黄色大片| av福利片在线观看| 99久久久亚洲精品蜜臀av| 国产真人三级小视频在线观看| 欧美黄色片欧美黄色片| 国产精品精品国产色婷婷| 丝袜人妻中文字幕| 两人在一起打扑克的视频| 久久伊人香网站| 欧美一级a爱片免费观看看 | 19禁男女啪啪无遮挡网站| 久久中文字幕人妻熟女| 久久精品成人免费网站| 欧美黄色淫秽网站| 人妻丰满熟妇av一区二区三区| 天天一区二区日本电影三级| 每晚都被弄得嗷嗷叫到高潮| 少妇人妻一区二区三区视频| 美女高潮喷水抽搐中文字幕| cao死你这个sao货| 国产成人av教育| 中文字幕最新亚洲高清| 国产熟女xx| 老汉色∧v一级毛片| 亚洲精品在线观看二区| 久久久久久久久久黄片| 制服丝袜大香蕉在线| 欧美日韩一级在线毛片| 色尼玛亚洲综合影院| 9191精品国产免费久久| 90打野战视频偷拍视频| 国产亚洲精品久久久久5区| 国产av又大| 国产精品久久电影中文字幕| 成人欧美大片| 一边摸一边做爽爽视频免费| 国产真人三级小视频在线观看| 久久久久久久精品吃奶| 性欧美人与动物交配| 国产成人av激情在线播放| 欧美不卡视频在线免费观看 | 在线观看午夜福利视频| 无人区码免费观看不卡| 精品久久久久久久久久免费视频| 日韩国内少妇激情av| 老司机靠b影院| 亚洲美女视频黄频| 日本免费a在线| 99热6这里只有精品| 欧美最黄视频在线播放免费| 欧美性长视频在线观看| 午夜福利高清视频| 久久99热这里只有精品18| 欧美日韩亚洲综合一区二区三区_| 午夜福利在线观看吧| 国产精品亚洲av一区麻豆| 男男h啪啪无遮挡| 欧美三级亚洲精品| 日韩精品免费视频一区二区三区| 久久中文字幕一级| 18禁黄网站禁片午夜丰满| 丰满人妻熟妇乱又伦精品不卡| 久久精品国产综合久久久| 亚洲国产高清在线一区二区三| 久久精品夜夜夜夜夜久久蜜豆 | 色播亚洲综合网| 国产97色在线日韩免费| 国产1区2区3区精品| 999精品在线视频| 亚洲,欧美精品.| 国产精品久久久久久人妻精品电影| 国产日本99.免费观看| 50天的宝宝边吃奶边哭怎么回事| 在线观看舔阴道视频| 国产一级毛片七仙女欲春2| 国产精品香港三级国产av潘金莲| videosex国产| 日本一二三区视频观看| 狂野欧美激情性xxxx| 亚洲成av人片在线播放无| 我的老师免费观看完整版| 久久人人精品亚洲av| 床上黄色一级片| www.www免费av| 国产片内射在线| 欧美+亚洲+日韩+国产| 成人午夜高清在线视频| 成年免费大片在线观看| 国产探花在线观看一区二区| 国产亚洲av高清不卡| 国产一区二区在线观看日韩 | 在线观看美女被高潮喷水网站 | 长腿黑丝高跟| 亚洲黑人精品在线| 很黄的视频免费| 丁香六月欧美| 少妇粗大呻吟视频| 日韩三级视频一区二区三区| 后天国语完整版免费观看| 伦理电影免费视频| 亚洲专区国产一区二区| 国内揄拍国产精品人妻在线| 亚洲aⅴ乱码一区二区在线播放 | 少妇粗大呻吟视频| 国产黄a三级三级三级人| 免费看十八禁软件| 美女扒开内裤让男人捅视频| 成人国产综合亚洲| 男人舔女人下体高潮全视频| 最近最新中文字幕大全免费视频| 女人被狂操c到高潮| 久久精品亚洲精品国产色婷小说| 日韩精品青青久久久久久| 久久久久久久久久黄片| 嫁个100分男人电影在线观看| 精品第一国产精品| 老司机深夜福利视频在线观看| 老汉色∧v一级毛片| 美女高潮喷水抽搐中文字幕| www.www免费av| 国产高清videossex| 曰老女人黄片| 亚洲国产精品999在线| 91av网站免费观看| av片东京热男人的天堂| 午夜成年电影在线免费观看| xxx96com| 久久精品国产综合久久久| 激情在线观看视频在线高清| 国产精品1区2区在线观看.| 国产亚洲精品久久久久久毛片| 亚洲精品中文字幕在线视频| 午夜福利在线在线| 国产精品久久久av美女十八| 91麻豆精品激情在线观看国产| 亚洲中文av在线| av视频在线观看入口| 国产精华一区二区三区| 久久久精品国产亚洲av高清涩受| 亚洲免费av在线视频| www.熟女人妻精品国产| 免费在线观看日本一区| 欧美乱码精品一区二区三区| 最近最新中文字幕大全免费视频| 亚洲黑人精品在线| 国产av又大| 97超级碰碰碰精品色视频在线观看| 亚洲国产中文字幕在线视频| 脱女人内裤的视频| 久久久久久久久中文| 99久久久亚洲精品蜜臀av| 露出奶头的视频| 欧美色欧美亚洲另类二区| 99在线视频只有这里精品首页| 日本五十路高清| 久久久久精品国产欧美久久久| 亚洲av日韩精品久久久久久密| netflix在线观看网站| 欧美日韩瑟瑟在线播放| 欧美又色又爽又黄视频| 九九热线精品视视频播放| aaaaa片日本免费| 91九色精品人成在线观看| 久久国产乱子伦精品免费另类| 视频区欧美日本亚洲| 三级毛片av免费| 一区二区三区国产精品乱码| 午夜福利在线在线| 国产精品爽爽va在线观看网站| 久久午夜亚洲精品久久| 天堂影院成人在线观看| 又黄又爽又免费观看的视频| 午夜福利高清视频| 中文字幕熟女人妻在线| 亚洲成a人片在线一区二区| 国产成+人综合+亚洲专区| 国产三级在线视频| 香蕉丝袜av| www国产在线视频色| 在线十欧美十亚洲十日本专区| 一a级毛片在线观看| 免费人成视频x8x8入口观看| 午夜成年电影在线免费观看| 女同久久另类99精品国产91| 中文字幕人妻丝袜一区二区| 男人的好看免费观看在线视频 | 久久国产乱子伦精品免费另类| 18禁美女被吸乳视频| 日本在线视频免费播放| 精品一区二区三区视频在线观看免费| 亚洲熟妇中文字幕五十中出| 最新在线观看一区二区三区| 激情在线观看视频在线高清| 亚洲精品色激情综合| 在线观看日韩欧美| 欧美日韩国产亚洲二区| 久久久国产欧美日韩av| 亚洲黑人精品在线| 亚洲中文字幕日韩| 国产亚洲精品综合一区在线观看 | 青草久久国产| 亚洲国产欧美网| 国产在线观看jvid| 俺也久久电影网| 中文字幕av在线有码专区| 男人舔女人下体高潮全视频| 毛片女人毛片| 又黄又粗又硬又大视频| 岛国视频午夜一区免费看| 久久久精品国产亚洲av高清涩受| 欧美激情久久久久久爽电影| 免费高清视频大片| 亚洲一区高清亚洲精品| 中文亚洲av片在线观看爽| 亚洲人成77777在线视频| 国产成人啪精品午夜网站| 999久久久国产精品视频| 人成视频在线观看免费观看| 久久久久久久久免费视频了| 村上凉子中文字幕在线| 十八禁人妻一区二区| 日韩欧美在线乱码| 婷婷六月久久综合丁香| 女警被强在线播放| 国语自产精品视频在线第100页| 99在线人妻在线中文字幕| 亚洲欧美精品综合久久99| 日本黄大片高清| 精品国产乱码久久久久久男人| 天堂影院成人在线观看| 好男人电影高清在线观看| 久久亚洲真实| 精品高清国产在线一区| 日本 av在线| 三级毛片av免费| 一二三四在线观看免费中文在| 琪琪午夜伦伦电影理论片6080| 精品久久久久久成人av| 男人舔女人的私密视频| 欧美zozozo另类| 天堂av国产一区二区熟女人妻 | 亚洲九九香蕉| 亚洲人成网站高清观看| 丁香欧美五月| 在线观看免费午夜福利视频| 777久久人妻少妇嫩草av网站| 久久久久久大精品| 午夜久久久久精精品| 国产精品影院久久| 男插女下体视频免费在线播放| 欧美绝顶高潮抽搐喷水| 亚洲熟妇中文字幕五十中出| 欧美日韩亚洲国产一区二区在线观看| 91字幕亚洲| 日韩高清综合在线| 国产免费男女视频| 哪里可以看免费的av片| 丰满人妻熟妇乱又伦精品不卡| 村上凉子中文字幕在线| 给我免费播放毛片高清在线观看| 又黄又粗又硬又大视频| 国产精品日韩av在线免费观看| a级毛片a级免费在线| 亚洲国产精品久久男人天堂| 精品国产亚洲在线| 一个人免费在线观看电影 | 日本在线视频免费播放| 99国产极品粉嫩在线观看| 久久性视频一级片| 国产精品国产高清国产av| 久久久久久大精品| 国产激情偷乱视频一区二区| 男女床上黄色一级片免费看| 午夜成年电影在线免费观看| 国产一级毛片七仙女欲春2| 亚洲欧美一区二区三区黑人| 精品高清国产在线一区| 在线免费观看的www视频| 又爽又黄无遮挡网站| 日韩免费av在线播放| 日韩大码丰满熟妇| 岛国在线观看网站| 国产一区二区三区在线臀色熟女| 亚洲在线自拍视频| 久久精品夜夜夜夜夜久久蜜豆 | 国产精品亚洲av一区麻豆| 日韩欧美 国产精品| 又大又爽又粗| 亚洲国产精品合色在线| 久久久久久大精品| 怎么达到女性高潮| 他把我摸到了高潮在线观看| 午夜福利成人在线免费观看| 午夜影院日韩av| 国产成人av教育| 999精品在线视频| 久久精品成人免费网站| 午夜精品一区二区三区免费看| 国产av一区二区精品久久| 中出人妻视频一区二区| 午夜福利在线在线| 免费在线观看黄色视频的| 国产午夜福利久久久久久| 精品久久久久久久末码| 两性午夜刺激爽爽歪歪视频在线观看 | 天堂√8在线中文| 精品久久久久久久久久久久久| 丁香欧美五月| 夜夜夜夜夜久久久久| 男人舔奶头视频| 国产成人av教育| 三级国产精品欧美在线观看 | 亚洲精品中文字幕一二三四区| 色综合婷婷激情| 亚洲精品国产精品久久久不卡| 久久久久精品国产欧美久久久| 五月伊人婷婷丁香| 国产区一区二久久| 97碰自拍视频| 久99久视频精品免费| 国产一级毛片七仙女欲春2| 午夜免费激情av| 国产精品99久久99久久久不卡| 我要搜黄色片| 91九色精品人成在线观看| 午夜福利免费观看在线| 丁香六月欧美| 黄色视频不卡| 看免费av毛片| 五月玫瑰六月丁香| 亚洲人成网站高清观看| 久久久久久久久久黄片| 精品久久久久久成人av| 美女午夜性视频免费| 免费看日本二区| 97人妻精品一区二区三区麻豆| 国产97色在线日韩免费| 久久欧美精品欧美久久欧美| 国产成人av教育| 午夜福利高清视频| 精品欧美国产一区二区三| 日本黄大片高清| 最近在线观看免费完整版| 三级国产精品欧美在线观看 | 69av精品久久久久久| www日本在线高清视频| 男女床上黄色一级片免费看| 国产单亲对白刺激| 婷婷精品国产亚洲av在线| 中文字幕精品亚洲无线码一区| 此物有八面人人有两片| 在线看三级毛片| 国产精品久久久久久久电影 | 在线看三级毛片| 好男人电影高清在线观看| 99久久国产精品久久久| www.自偷自拍.com| 精品无人区乱码1区二区| 99国产极品粉嫩在线观看| e午夜精品久久久久久久| 免费看a级黄色片| 欧美中文日本在线观看视频| 精品久久久久久,| www国产在线视频色| 色噜噜av男人的天堂激情| 国产久久久一区二区三区| 香蕉av资源在线| 黑人欧美特级aaaaaa片| 国产成年人精品一区二区| 看免费av毛片| 九九热线精品视视频播放| 亚洲av成人一区二区三|