• <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 ?

    基于粗糙集改進(jìn)算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法

    2015-07-01 23:57:50樓宇舟涂俊翔
    機(jī)械制造與自動(dòng)化 2015年5期
    關(guān)鍵詞:決策表斷點(diǎn)約簡(jiǎn)

    樓宇舟,涂俊翔

    (福州大學(xué) 機(jī)械工程及自動(dòng)化學(xué)院,福建 福州 350000)

    基于粗糙集改進(jìn)算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法

    樓宇舟,涂俊翔

    (福州大學(xué) 機(jī)械工程及自動(dòng)化學(xué)院,福建 福州 350000)

    針對(duì)BP神經(jīng)網(wǎng)絡(luò)在實(shí)際工程應(yīng)用中受到大量冗余信息的制約,以及基于信息熵的屬性離散方法的閾值選取具有主觀性的缺點(diǎn),提出了改進(jìn)的基于信息熵的粗糙集連續(xù)屬性離散化算法。該算法將Naivescaler離散化算法和信息熵離散化方法相結(jié)合,減少了離散化算法中候選離散點(diǎn)的數(shù)量;基于粗糙集約簡(jiǎn)信息決策表,有效解決了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本過于龐大的問題;并通過改進(jìn)的離散化算法對(duì)屬性約簡(jiǎn)后數(shù)據(jù)進(jìn)行分類,將分類后的數(shù)據(jù)運(yùn)用到神經(jīng)網(wǎng)絡(luò)運(yùn)算中,進(jìn)一步縮短了神經(jīng)網(wǎng)絡(luò)的運(yùn)算時(shí)間。通過實(shí)例分析表明,該方法具有很好的故障診斷效果,并有效提高了診斷效率。

    粗糙集;信息熵;約簡(jiǎn);離散化;神經(jīng)網(wǎng)絡(luò);故障診斷

    隨著科技進(jìn)步的發(fā)展,現(xiàn)代工業(yè)設(shè)備大型化、復(fù)雜化、自動(dòng)化的程度越來越高,為保證各種設(shè)備安全和高效地運(yùn)行,智能故障診斷技術(shù)應(yīng)運(yùn)而生。其中,基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法已進(jìn)入實(shí)用階段,實(shí)際應(yīng)用有衛(wèi)星姿態(tài)測(cè)量系統(tǒng)故障診斷、船舶柴油機(jī)故障診斷、航天飛機(jī)發(fā)動(dòng)機(jī)故障診斷等。但在工程實(shí)踐中,往往存在所選的特征參數(shù)過多,使得神經(jīng)網(wǎng)絡(luò)規(guī)模過于龐大、結(jié)構(gòu)過于復(fù)雜、算法收斂速度過慢、精度低等問題,影響了故障診斷的可靠性和實(shí)用性[1-2]。

    Pawlak教授提出的粗糙集理論(RST),具有無需提供任何先驗(yàn)信息,直接對(duì)已知信息進(jìn)行分析處理,刪除冗余信息的優(yōu)勢(shì)[3]。在設(shè)備故障診斷中,將粗糙集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,可以更有針對(duì)性地對(duì)已有信息進(jìn)行分析處理,刪除其中冗余信息,從而降低數(shù)據(jù)的規(guī)模,克服了單一神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)規(guī)模大,計(jì)算復(fù)雜,無法實(shí)現(xiàn)實(shí)時(shí)故障診斷的局限性[4-5]。由于粗糙集理論只能處理離散型數(shù)據(jù),而故障信息絕大多數(shù)是連續(xù)性的,因此需要對(duì)故障信息進(jìn)行離散化處理,但現(xiàn)階段還沒有一種較理想的離散化方法可以適用于多領(lǐng)域的離散化需求,因此在不同領(lǐng)域的故障診斷中需要應(yīng)用各種不同的離散化方法。

    現(xiàn)改進(jìn)了基于信息熵的粗糙集離散化算法,并將粗糙集理論,BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合起來,提出了一種基于粗糙集和神經(jīng)網(wǎng)絡(luò)的故障診斷方法。實(shí)驗(yàn)結(jié)果表明,該方法相對(duì)于基于單一神經(jīng)網(wǎng)絡(luò)的故障診斷方法,具有減小神經(jīng)網(wǎng)絡(luò)規(guī)模,加快收斂時(shí)間等優(yōu)點(diǎn)。

    1 粗糙集理論

    1.1 知識(shí)與不可分辨關(guān)系

    a) 知識(shí)表達(dá)系統(tǒng)和決策系統(tǒng)

    b) 不可分辨關(guān)系

    不可分辨關(guān)系是粗糙集理論中非常重要的概念,是用來表達(dá)由于缺乏一定的知識(shí)而不能將已知信息系統(tǒng)中的某些對(duì)象區(qū)別開,其實(shí)質(zhì)是一個(gè)等價(jià)關(guān)系。

    定義2:設(shè)S=(U,A,V,f)為一個(gè)信息系統(tǒng),R是U上的一族等價(jià)關(guān)系,若P?R,且P≠Φ,則∩P也是一個(gè)等價(jià)關(guān)系,稱其為P上的一個(gè)不可分辨關(guān)系,用ind(P)來表示,即:

    ind(P)={(x,y)∈U×U:f(x,a)=f(y,a),a?P}

    1.2 粗糙集的上近似、下近似

    當(dāng)集合X能表示成基本等價(jià)類組成的并集時(shí),則稱集合X是R可精確定義的,稱作R的精確集;否則,集合X是R不可精確定義的,稱作R的非精確集或R的粗糙集。對(duì)于集合的粗糙集可利用以下2個(gè)精確集來描述,即上近似和下近似。

    定義3:X關(guān)于R的下近似為:

    定義4:X關(guān)于R的上近似為:

    1.3 屬性約簡(jiǎn)與核

    在決策表中,往往具有很多不同的屬性,這些屬性對(duì)于知識(shí)的決策具有不同的重要性,有些屬性對(duì)于決策起到?jīng)Q定性作用,而有些屬性卻是可有可無的。在粗糙集理論中,針對(duì)信息系統(tǒng),在保持信息系統(tǒng)分類能力不變的情況下,通過消除冗余屬性和冗余樣本,最終得到信息系統(tǒng)的分類或者決策規(guī)則的方法稱為知識(shí)約簡(jiǎn)。

    2 離散化算法和信息熵

    2.1 離散化算法

    由于粗糙集理論只能處理離散型數(shù)據(jù),而實(shí)驗(yàn)中獲得的數(shù)據(jù)大多往往是連續(xù)的,因此實(shí)現(xiàn)屬性值的離散化是應(yīng)用粗糙集理論進(jìn)行分析和處理的前提。合適的離散化算法,不僅可以大大減少信息的大小,還可以提高屬性值分類的準(zhǔn)確性[7]。

    2.2 信息熵

    信息熵是信息源X不確定性的量度。每個(gè)信息源都有且只有一個(gè)信息熵,不同的信息源,由于其統(tǒng)計(jì)特征的不同,所得的熵也不同。Shannon把信息熵定義為隨機(jī)離散事件的出現(xiàn)概率,即信息源的平均信息量[8]。

    (1)

    其中:pi表示時(shí)間xi發(fā)生的先驗(yàn)概率,對(duì)數(shù)取以2為底,而當(dāng)某個(gè)pi為零時(shí),則理解為0·log0=0。

    3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    BP學(xué)習(xí)理論最早在1974年由Webos提出,1985年發(fā)展成了BP網(wǎng)絡(luò)學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)是指具有非線性傳遞函數(shù)的神經(jīng)元的前饋網(wǎng)絡(luò),并通過誤差反向傳播來調(diào)整各層神經(jīng)元之間的權(quán)值。該網(wǎng)絡(luò)不僅具有輸入層,輸出層,同時(shí)還具有一層或者多層的隱含層,其中同層之間不能相互影響[9,10]。

    小麥區(qū)域試驗(yàn)采用隨機(jī)區(qū)組法,3次重復(fù)。小區(qū)行距0.15米,10行區(qū),小區(qū)面積15平方米,各品種間間隔0.3米。并設(shè)不少于6行的保護(hù)區(qū)。全區(qū)收獲計(jì)產(chǎn),計(jì)算增(減)產(chǎn)百分率。

    圖1 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    4 故障診斷方法

    4.1 基于信息熵的粗糙集屬性離散化方法的候選離散點(diǎn)的選擇

    決策表S=(U,A,V,f),對(duì)于每個(gè)屬性按照屬性值由大到小進(jìn)行排序,計(jì)算每?jī)上噜弻傩灾档钠骄底鳛楹蜻x斷點(diǎn)。

    4.2 改進(jìn)的基于信息熵的粗糙集屬性離散化方法

    決策表S=(U,A,V,f)如前文所述,候選離散點(diǎn)的個(gè)數(shù)近似等于每個(gè)屬性的屬性值個(gè)數(shù),候選離散點(diǎn)數(shù)量過多,會(huì)大大影響后續(xù)應(yīng)用粗糙集理論進(jìn)行分類的效率。

    在原有基于信息熵的離散化算法的基礎(chǔ)上引入Naivescaler離散化算法,對(duì)于每個(gè)屬性按照屬性值由大到小進(jìn)行排序;依次判斷兩相鄰實(shí)例的屬性值和決策值,如果兩者都不同,則將兩屬性值的平均值作為候選斷點(diǎn)c,B為候選斷點(diǎn)值集;若兩者有一個(gè)相同,則不取兩屬性值的平均值作為候選斷點(diǎn);同時(shí)計(jì)K為屬性的候選斷點(diǎn)個(gè)數(shù),與原方法相比,大大減少候選斷點(diǎn)的數(shù)量。

    (2)

    (3)

    (4)

    (5)

    (6)

    (7)

    同時(shí),由于基于信息熵的離散化算法對(duì)于閾值選取具有很強(qiáng)的主觀性,往往需要研究者通過經(jīng)驗(yàn)來判斷選取閾值的大小。針對(duì)這一缺點(diǎn),文中提出了選取閾值為H(X)/K,當(dāng)離散前后斷點(diǎn)信息熵的差值小于H(X)/K時(shí),停止離散,避免了選取閾值時(shí)由于人為選取帶來的主觀性問題。

    綜上所述,改進(jìn)的基于信息熵離散化算法如下:

    1) 對(duì)于每個(gè)屬性按照屬性值由大到小進(jìn)行排序。依次判斷兩相鄰實(shí)例的屬性值和決策值,如果兩者都不同,則將兩屬性值的平均值作為候選斷點(diǎn)值,B為候選斷點(diǎn)值集,同時(shí)計(jì)K為屬性的候選斷點(diǎn)個(gè)數(shù),P為已選取斷點(diǎn)集;

    2)P=Φ;L={U};H=H(U);H1=H;

    3) 對(duì)每個(gè)c∈B,計(jì)算H(c,L);H2=min(H(c,L));

    4) 若H1-H2≤H/K,則結(jié)束;

    5) 令當(dāng)H(c,L)=H2斷點(diǎn)為cmin,將其加入到P中,B=B-{cmin};

    6) 對(duì)于所有X∈L,若cmin將X分為兩部分,記為X1、X2,則在L中去掉X并將等價(jià)類X1、X2加入到L中;

    7) 如果L中各個(gè)等價(jià)類中的實(shí)例都具有相同的決

    策,則結(jié)束;否則轉(zhuǎn)到步4。

    4.2BP神經(jīng)網(wǎng)絡(luò)故障診斷模型的構(gòu)建

    先將實(shí)驗(yàn)測(cè)點(diǎn)的原始數(shù)據(jù)進(jìn)行離散化分類處理,然后將結(jié)果輸入到神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和預(yù)測(cè),充分發(fā)揮了離散化算法的分類功能,同時(shí)減少了神經(jīng)網(wǎng)絡(luò)的運(yùn)算時(shí)間。故障診斷系統(tǒng)流程圖見圖2。

    圖2 故障診斷系統(tǒng)流程圖

    5 應(yīng)用實(shí)例

    UCI(university of california irvine)機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)數(shù)據(jù)集是加州大學(xué)歐文分校提出的用于機(jī)器學(xué)習(xí)的常用標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集,是模式識(shí)別的公用數(shù)據(jù),而故障診斷的實(shí)質(zhì)是數(shù)據(jù)分類與模式識(shí)別。因此,采用的數(shù)據(jù)取自UCI機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)數(shù)據(jù)集中的wine數(shù)據(jù)集,數(shù)據(jù)集共有178組數(shù)據(jù),3個(gè)狀態(tài),13個(gè)條件屬性,構(gòu)建知識(shí)系統(tǒng),其中:

    S=(U,A,V,f),U={x1,x2…x178},A=C∪D,C∩D=Φ,C={c1,c2…c13},D={d1,d2,d3}。所構(gòu)建的故障診斷決策表如表1,屬性A-M為條件屬性,N為決策屬性1[12-13]。

    表1 原始數(shù)據(jù)決策表

    每10個(gè)樣本選取1個(gè)作為測(cè)試樣本,剩余作為訓(xùn)練樣本。若使用基于信息熵的粗糙集屬性離散化方法,對(duì)于屬性D則得到近160個(gè)候選離散點(diǎn);當(dāng)使用改進(jìn)的基于信息熵的粗糙集屬性離散化方法時(shí),獲取的候選離散點(diǎn)為29個(gè),大大減少了候選離散點(diǎn)的數(shù)量,有效縮短了后續(xù)離散化計(jì)算的時(shí)間。

    表2為對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行基于改進(jìn)的信息熵的離散化算法處理后所獲得的決策表。

    表2 離散化后數(shù)據(jù)決策表

    按照粗糙集理論進(jìn)行屬性約簡(jiǎn)算法進(jìn)行約簡(jiǎn),利用粗糙集軟件Rosetta,可得屬性約簡(jiǎn)結(jié)果為{c2,c3,c6,c8,c10,c11},選取{c2,c3,c6,c8,c10,c11}作為輸入節(jié)點(diǎn)構(gòu)建BP神經(jīng)網(wǎng)絡(luò);通過縱向約簡(jiǎn)將各屬性值相同的樣本刪去,決策表可得剩余125組數(shù)據(jù);由于決策屬性為3種,因此輸出節(jié)點(diǎn)為3個(gè),{1,0,0}為1,{0,1,0}為2,{0,0,1}為3;隱含層節(jié)點(diǎn)為400個(gè),神經(jīng)網(wǎng)絡(luò)程序?yàn)閇14]:

    net=newelm( minmax(p),[400,3],{'tansig','purelin'});

    net.trainParam.show=50;

    net.trainParam.epochs=10000; %訓(xùn)練次數(shù)設(shè)置

    net.trainParam.goal=1e-3; %訓(xùn)練所要達(dá)到的精度

    net.trainParam.lr=0.05; %學(xué)習(xí)速率

    圖3為未使用粗糙集理論進(jìn)行數(shù)據(jù)預(yù)處理的神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線,圖4為使用粗糙集理論進(jìn)行數(shù)據(jù)預(yù)處理的神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線。

    圖3 未使用粗糙集理論誤差精度曲線

    圖4 使用粗糙集理論后的誤差精度曲線

    對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè),結(jié)果見表3。

    表3 預(yù)測(cè)樣本決策表

    符合UCI機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)數(shù)據(jù)集提供的數(shù)據(jù),對(duì)故障類型的認(rèn)定完全一致;同時(shí)在診斷精度一致的情況下收斂次數(shù)由單一神經(jīng)網(wǎng)絡(luò)的6 372次減少到2 003次,收斂速度大大增加。因此,提出的故障診斷模型具有很好的可行性與有效性。

    6 結(jié)語

    將粗糙集和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)結(jié)合起來,建立了基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型,并改進(jìn)基于信息熵的屬性離散算法,避免該算法需要人為主觀設(shè)定閾值的不足,同時(shí)優(yōu)化其候選斷點(diǎn)的個(gè)數(shù),如屬性D,候選離散點(diǎn)由160點(diǎn)降至29點(diǎn),加快了后續(xù)屬性離散的速度。通過測(cè)試結(jié)果表明,基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法與單一運(yùn)用BP神經(jīng)網(wǎng)絡(luò)相比,在保證訓(xùn)練精度的同時(shí),收斂次數(shù)從6 372次降到了2 003次,明顯提高了訓(xùn)練速度,故障診斷效率較高,具有較高的工程實(shí)用性。

    [1] 王彪,吳昊,宋永剛,等. 粗糙集和模糊集的研究及應(yīng)用[M]. 北京: 電子工業(yè)出版社, 2008: 2-10.

    [2] 于學(xué)軍,程博. 基于BP神經(jīng)網(wǎng)絡(luò)的工作量估算模型[J]. 計(jì)算機(jī)學(xué)報(bào), 2012, 39(10): 97-100.

    [3] 張文修,吳偉志,梁吉業(yè). 粗糙集理論與方法[M]. 北京:科學(xué)出版社, 2001: 1-30.

    [4] 沈晨鳴. 基于粗糙集理論多知識(shí)庫的知識(shí)發(fā)現(xiàn)[J]. 機(jī)械制造與自動(dòng)化, 2007, 36(2): 8-13.

    [5] 龐繼紅,張根保,周宏明,等. 基于粗糙集的數(shù)控機(jī)床精度設(shè)計(jì)質(zhì)量特性反向映射研究[J]. 機(jī)械工程學(xué)報(bào), 2012, 48(5): 101-107.

    [6] 王文逾. 基于粗糙集的分體錯(cuò)位式動(dòng)態(tài)汽車稱重系統(tǒng)研究[J]. 太原理工大學(xué)學(xué)報(bào),2011, 42(6): 639-641.

    [7] Lukasz A, Kurgan, Krzysztof J. Cios. CAIM Discretization Algorithm[J]. IEEE Transactions on Knowledge and Data Engineering, 2004, 16(2): 145-153.

    [8] Ajay Kumar, David Zhang. Hand-Geometry Recognition Using Entropy-Based Discretization[J]. IEEE Transactions on Information Forensics and Security, 2007, 2(2): 181-187.

    [9] 張本國(guó),李強(qiáng),王葛,等. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的連鑄漏鋼預(yù)報(bào)[J]. 中國(guó)機(jī)械工程, 2012, 23(2): 204-207.

    [10] W. ERIC WONG, YU QI. BP neutral network-based effective fault localization [J]. International journal of software engineering and knowledge engineering. 2009, 19(4): 573-597.

    [11] 謝宏,程浩忠,牛東曉. 基于信息熵的粗糙集連續(xù)屬性離散化算法[J]. 計(jì)算機(jī)學(xué)報(bào), 2005, 28(9): 1570-1574.

    [12] 胡平,彭紀(jì)奎. 粗糙集-遺傳神經(jīng)網(wǎng)絡(luò)在挖掘機(jī)故障診斷中的應(yīng)用研究[J]. 微電子學(xué)與計(jì)算機(jī), 2011, 28(3): 55-58.

    [13] 何勇,李增芳. 智能化故障診斷技術(shù)的研究與應(yīng)用[J]. 浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版), 2003, 29(2): 119-124.

    [14] 傅薈璇,趙紅,等. MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]. 北京:機(jī)械工程出版社,2010: 136-139.

    Research on Fault Diagnosis Method Based on Improved Algorithm in Rough Set

    LOU Yuzhou,TU Junxiang

    (School of Mechanical Engineering and Automation, Fuzhou University, Fuzhou 350000, China)

    In view of BP neural network in practical engineering applications constrained by the large number of redundant information and the subjectivity of attribute discretization method based on information entropy in threshold selection, an improved discretization algorithm for continuous attribute in rough set based on information entropy is proposed. The Naivescaler algorithm is combined with information entropy discretization method in this algorithm and it is used to greatly reduces the number of candidate discretization points and effectively handles the big sample for BP neural network training. The neural network computation time is further reduced by classifying the data set with reduced attributes and applying the classified data to the neural network. The practical application of the method proves that it has better performance and efficiency for fault diagnosis.

    rough set; information entropy; reduction; discretization; neural network; fault diagnosis

    福建省自然科學(xué)基金(2012J01208)

    樓宇舟(1988-),男,碩士,主要研究方向?yàn)橹悄苄畔⑻幚?、故障信息診斷。

    TP183

    B

    1671-5276(2015)05-0204-05

    2014-03-21

    猜你喜歡
    決策表斷點(diǎn)約簡(jiǎn)
    基于決策表相容度和屬性重要度的連續(xù)屬性離散化算法*
    基于二進(jìn)制鏈表的粗糙集屬性約簡(jiǎn)
    一類無限可能問題的解法
    實(shí)值多變量維數(shù)約簡(jiǎn):綜述
    基于模糊貼近度的屬性約簡(jiǎn)
    主導(dǎo)電回路發(fā)生斷點(diǎn)故障判斷方法探討
    正反轉(zhuǎn)電機(jī)缺相保護(hù)功能的實(shí)現(xiàn)及決策表分析測(cè)試
    一種改進(jìn)的分布約簡(jiǎn)與最大分布約簡(jiǎn)求法
    河南科技(2014年7期)2014-02-27 14:11:29
    不相容決策表求核方法
    基于D-S證據(jù)理論直接求代數(shù)約簡(jiǎn)和代數(shù)核*
    亚洲av电影在线进入| 91老司机精品| 热99国产精品久久久久久7| 另类精品久久| 青春草视频在线免费观看| 90打野战视频偷拍视频| 国产精品一区二区在线观看99| 国产精品av久久久久免费| 一二三四社区在线视频社区8| 热99久久久久精品小说推荐| 久久中文看片网| 国产三级黄色录像| 91成年电影在线观看| 男女免费视频国产| 一区二区三区精品91| 日本一区二区免费在线视频| 国产区一区二久久| 男女高潮啪啪啪动态图| 脱女人内裤的视频| 一本综合久久免费| 秋霞在线观看毛片| 韩国精品一区二区三区| 午夜福利乱码中文字幕| 成年美女黄网站色视频大全免费| 一级片'在线观看视频| 黑人操中国人逼视频| 狠狠精品人妻久久久久久综合| 99精品欧美一区二区三区四区| 日韩大码丰满熟妇| 日本av手机在线免费观看| 欧美成人午夜精品| 国产不卡av网站在线观看| 伊人亚洲综合成人网| 久久久久国产一级毛片高清牌| av电影中文网址| 老熟女久久久| 国产一区二区三区在线臀色熟女 | 两性午夜刺激爽爽歪歪视频在线观看 | 成人免费观看视频高清| 欧美日韩一级在线毛片| 午夜日韩欧美国产| 无遮挡黄片免费观看| 久久国产精品大桥未久av| 午夜老司机福利片| 精品国内亚洲2022精品成人 | www.熟女人妻精品国产| 午夜福利视频精品| 久久精品亚洲熟妇少妇任你| 一边摸一边做爽爽视频免费| 国产精品一二三区在线看| 国产欧美日韩一区二区三区在线| 国产xxxxx性猛交| 欧美黄色片欧美黄色片| 99国产综合亚洲精品| 久久精品成人免费网站| 美女主播在线视频| 国产亚洲欧美精品永久| 黄色怎么调成土黄色| 99国产精品一区二区三区| 亚洲精品中文字幕在线视频| 久久精品熟女亚洲av麻豆精品| 亚洲人成77777在线视频| 女警被强在线播放| 亚洲精品国产av成人精品| 涩涩av久久男人的天堂| 最近最新中文字幕大全免费视频| 国产亚洲午夜精品一区二区久久| 97精品久久久久久久久久精品| 国产精品久久久av美女十八| 亚洲七黄色美女视频| av又黄又爽大尺度在线免费看| 9191精品国产免费久久| 亚洲欧美激情在线| 欧美亚洲日本最大视频资源| 亚洲第一av免费看| 男女床上黄色一级片免费看| 久久中文字幕一级| 在线观看免费日韩欧美大片| 大码成人一级视频| 日韩一区二区三区影片| 十八禁网站免费在线| 国产av又大| xxxhd国产人妻xxx| 韩国精品一区二区三区| 精品福利永久在线观看| 精品第一国产精品| 欧美+亚洲+日韩+国产| 午夜福利在线免费观看网站| 亚洲一卡2卡3卡4卡5卡精品中文| 中国国产av一级| 亚洲精品国产av成人精品| 午夜精品国产一区二区电影| 日韩视频在线欧美| 黄色视频,在线免费观看| 亚洲色图综合在线观看| 亚洲熟女毛片儿| 欧美老熟妇乱子伦牲交| 18禁黄网站禁片午夜丰满| 国产成人精品久久二区二区免费| av天堂在线播放| 叶爱在线成人免费视频播放| 亚洲精品国产色婷婷电影| 亚洲中文字幕日韩| 久久久久久久久久久久大奶| 黑人猛操日本美女一级片| 精品少妇一区二区三区视频日本电影| 欧美激情 高清一区二区三区| 成年人黄色毛片网站| 窝窝影院91人妻| 国产深夜福利视频在线观看| 日韩欧美免费精品| 搡老乐熟女国产| 超碰97精品在线观看| 黄色视频不卡| 在线观看免费午夜福利视频| 亚洲精品国产色婷婷电影| netflix在线观看网站| 午夜激情av网站| 老司机靠b影院| 精品视频人人做人人爽| 一个人免费在线观看的高清视频 | 一级毛片电影观看| 中文字幕精品免费在线观看视频| 成人av一区二区三区在线看 | 国产人伦9x9x在线观看| 欧美精品啪啪一区二区三区 | 宅男免费午夜| 啪啪无遮挡十八禁网站| 性少妇av在线| 国产av国产精品国产| 精品国产超薄肉色丝袜足j| 国产在线视频一区二区| 色综合欧美亚洲国产小说| 国产精品一区二区精品视频观看| 亚洲第一青青草原| 精品久久久久久电影网| 欧美日韩精品网址| 国产一区二区激情短视频 | av在线老鸭窝| 两性夫妻黄色片| 日日爽夜夜爽网站| 日韩精品免费视频一区二区三区| 久久九九热精品免费| 久久 成人 亚洲| 精品人妻1区二区| 亚洲国产精品一区二区三区在线| 亚洲情色 制服丝袜| 狠狠精品人妻久久久久久综合| 91av网站免费观看| √禁漫天堂资源中文www| 欧美日韩黄片免| 成在线人永久免费视频| 国产精品免费大片| 天天躁夜夜躁狠狠躁躁| 国产精品 国内视频| 亚洲情色 制服丝袜| 久久精品国产a三级三级三级| 男女免费视频国产| 一级毛片精品| av视频免费观看在线观看| 欧美日韩视频精品一区| 一区二区三区乱码不卡18| 国产主播在线观看一区二区| 国产成人一区二区三区免费视频网站| 欧美激情久久久久久爽电影 | 99精品久久久久人妻精品| 国产成+人综合+亚洲专区| 亚洲精品久久成人aⅴ小说| 国产一区二区三区av在线| 亚洲欧美一区二区三区久久| 亚洲av美国av| 精品久久蜜臀av无| 国产高清视频在线播放一区 | 动漫黄色视频在线观看| 51午夜福利影视在线观看| av天堂久久9| 日韩制服丝袜自拍偷拍| 亚洲一区二区三区欧美精品| 无限看片的www在线观看| 少妇被粗大的猛进出69影院| 菩萨蛮人人尽说江南好唐韦庄| 午夜激情av网站| 在线天堂中文资源库| 各种免费的搞黄视频| 国产日韩欧美视频二区| 少妇裸体淫交视频免费看高清 | 精品一区二区三卡| 99香蕉大伊视频| 亚洲va日本ⅴa欧美va伊人久久 | 国产日韩一区二区三区精品不卡| 99久久人妻综合| 纵有疾风起免费观看全集完整版| 少妇猛男粗大的猛烈进出视频| 亚洲第一av免费看| 国产国语露脸激情在线看| 久久久久网色| 日韩,欧美,国产一区二区三区| 日本vs欧美在线观看视频| 男人爽女人下面视频在线观看| 91精品三级在线观看| 狂野欧美激情性xxxx| 天堂俺去俺来也www色官网| 国产精品av久久久久免费| 欧美大码av| 精品人妻一区二区三区麻豆| 国产欧美日韩一区二区精品| 777久久人妻少妇嫩草av网站| 亚洲男人天堂网一区| 日韩制服骚丝袜av| 99热全是精品| 亚洲九九香蕉| 脱女人内裤的视频| 亚洲精品一二三| av片东京热男人的天堂| 亚洲国产欧美日韩在线播放| 亚洲激情五月婷婷啪啪| 免费在线观看视频国产中文字幕亚洲 | 18禁黄网站禁片午夜丰满| 亚洲va日本ⅴa欧美va伊人久久 | 99国产精品免费福利视频| 99国产极品粉嫩在线观看| 精品一品国产午夜福利视频| 精品国产乱码久久久久久男人| 操美女的视频在线观看| 热re99久久国产66热| 精品视频人人做人人爽| 69av精品久久久久久 | 亚洲av男天堂| 精品卡一卡二卡四卡免费| www.自偷自拍.com| 少妇裸体淫交视频免费看高清 | cao死你这个sao货| 精品国产国语对白av| 宅男免费午夜| 午夜久久久在线观看| 伊人久久大香线蕉亚洲五| 中亚洲国语对白在线视频| 男男h啪啪无遮挡| 国产又色又爽无遮挡免| av网站在线播放免费| 女人被躁到高潮嗷嗷叫费观| 久久久久国内视频| 美女国产高潮福利片在线看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲中文日韩欧美视频| 亚洲视频免费观看视频| 18禁裸乳无遮挡动漫免费视频| 亚洲精品中文字幕在线视频| 国产黄色免费在线视频| 欧美国产精品va在线观看不卡| 亚洲精品粉嫩美女一区| 亚洲欧洲精品一区二区精品久久久| videos熟女内射| 国产一区二区三区av在线| 亚洲一区中文字幕在线| 久久中文字幕一级| 免费一级毛片在线播放高清视频 | 欧美精品一区二区免费开放| 亚洲午夜精品一区,二区,三区| 午夜福利免费观看在线| 啦啦啦中文免费视频观看日本| 久久精品熟女亚洲av麻豆精品| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品在线美女| 色精品久久人妻99蜜桃| av不卡在线播放| 国产精品九九99| 欧美另类一区| avwww免费| 女警被强在线播放| 美女视频免费永久观看网站| 一区二区三区精品91| 五月天丁香电影| 成人免费观看视频高清| 亚洲色图综合在线观看| 99国产精品免费福利视频| 国产激情久久老熟女| 天天躁夜夜躁狠狠躁躁| 中文字幕人妻熟女乱码| 欧美亚洲日本最大视频资源| 桃红色精品国产亚洲av| 国产精品一区二区精品视频观看| cao死你这个sao货| 色婷婷久久久亚洲欧美| 视频区欧美日本亚洲| 中文字幕最新亚洲高清| 久热这里只有精品99| 少妇人妻久久综合中文| 丝瓜视频免费看黄片| 国产一区二区三区av在线| 一二三四在线观看免费中文在| 亚洲av电影在线进入| 9色porny在线观看| 久久天堂一区二区三区四区| 多毛熟女@视频| 男女午夜视频在线观看| 色婷婷av一区二区三区视频| 亚洲av成人不卡在线观看播放网 | 一个人免费看片子| 免费不卡黄色视频| 人人妻,人人澡人人爽秒播| 亚洲色图 男人天堂 中文字幕| 精品福利观看| 69av精品久久久久久 | 国产日韩欧美在线精品| av片东京热男人的天堂| 亚洲精品一区蜜桃| 日韩制服骚丝袜av| 日本五十路高清| 99香蕉大伊视频| 麻豆乱淫一区二区| 中亚洲国语对白在线视频| 五月天丁香电影| 99精国产麻豆久久婷婷| 国产成人a∨麻豆精品| 高清视频免费观看一区二区| 久久热在线av| 精品一品国产午夜福利视频| 婷婷丁香在线五月| 国产精品久久久av美女十八| 精品久久久久久电影网| 97在线人人人人妻| 一区二区av电影网| 国产成人欧美| 后天国语完整版免费观看| 国产精品99久久99久久久不卡| 亚洲九九香蕉| 一区二区三区乱码不卡18| 午夜福利免费观看在线| 亚洲中文日韩欧美视频| 亚洲av日韩精品久久久久久密| 亚洲精品久久午夜乱码| 亚洲国产日韩一区二区| 精品一区二区三区av网在线观看 | 国产欧美亚洲国产| 淫妇啪啪啪对白视频 | 久久久久视频综合| 在线观看一区二区三区激情| 夜夜夜夜夜久久久久| 好男人电影高清在线观看| av福利片在线| 午夜视频精品福利| 成年人黄色毛片网站| 亚洲三区欧美一区| 嫁个100分男人电影在线观看| 女性被躁到高潮视频| 少妇裸体淫交视频免费看高清 | 在线天堂中文资源库| 黄片播放在线免费| 99精品欧美一区二区三区四区| 高清在线国产一区| 欧美老熟妇乱子伦牲交| 高潮久久久久久久久久久不卡| 18禁国产床啪视频网站| 91大片在线观看| 国产av一区二区精品久久| 欧美日韩亚洲国产一区二区在线观看 | 午夜成年电影在线免费观看| 欧美变态另类bdsm刘玥| 伦理电影免费视频| 深夜精品福利| xxxhd国产人妻xxx| 大香蕉久久网| 男男h啪啪无遮挡| 岛国毛片在线播放| 午夜日韩欧美国产| 俄罗斯特黄特色一大片| 高清欧美精品videossex| 叶爱在线成人免费视频播放| 亚洲欧美清纯卡通| 日本a在线网址| 亚洲欧美清纯卡通| 国产伦人伦偷精品视频| av天堂久久9| 国产亚洲精品第一综合不卡| 亚洲一码二码三码区别大吗| 欧美另类一区| 考比视频在线观看| 精品第一国产精品| 老汉色av国产亚洲站长工具| 脱女人内裤的视频| 国产一区二区三区在线臀色熟女 | 亚洲国产精品一区二区三区在线| 手机成人av网站| 国产成+人综合+亚洲专区| 91av网站免费观看| 热99国产精品久久久久久7| 高清黄色对白视频在线免费看| 亚洲va日本ⅴa欧美va伊人久久 | 人妻人人澡人人爽人人| 免费女性裸体啪啪无遮挡网站| 一本大道久久a久久精品| 免费女性裸体啪啪无遮挡网站| 亚洲精品国产av成人精品| 啦啦啦 在线观看视频| 国产精品 欧美亚洲| 久久精品国产a三级三级三级| 亚洲精品日韩在线中文字幕| 窝窝影院91人妻| 国产主播在线观看一区二区| 国产成人一区二区三区免费视频网站| 亚洲精品一卡2卡三卡4卡5卡 | 桃花免费在线播放| 又紧又爽又黄一区二区| 成在线人永久免费视频| www.精华液| 九色亚洲精品在线播放| 日韩熟女老妇一区二区性免费视频| 极品人妻少妇av视频| 亚洲av片天天在线观看| 黄片小视频在线播放| 在线av久久热| 999精品在线视频| 亚洲激情五月婷婷啪啪| 无限看片的www在线观看| 日韩熟女老妇一区二区性免费视频| 热re99久久国产66热| 黑丝袜美女国产一区| 无限看片的www在线观看| 国产伦人伦偷精品视频| 丝袜脚勾引网站| 久久精品成人免费网站| 免费在线观看影片大全网站| av片东京热男人的天堂| 天天影视国产精品| av网站在线播放免费| 国产亚洲av片在线观看秒播厂| 日本一区二区免费在线视频| 男人爽女人下面视频在线观看| 一本一本久久a久久精品综合妖精| 国产成人免费观看mmmm| 日韩中文字幕欧美一区二区| 亚洲七黄色美女视频| 真人做人爱边吃奶动态| 久久毛片免费看一区二区三区| 日韩大片免费观看网站| 免费在线观看影片大全网站| 国产精品 国内视频| 午夜福利影视在线免费观看| 亚洲精品国产精品久久久不卡| 亚洲欧洲精品一区二区精品久久久| 一个人免费看片子| 欧美日韩一级在线毛片| 日韩中文字幕欧美一区二区| 精品久久久久久电影网| 国产日韩欧美视频二区| 日韩人妻精品一区2区三区| 久久热在线av| 久久 成人 亚洲| 精品乱码久久久久久99久播| 欧美一级毛片孕妇| 久久久久久久国产电影| 久久香蕉激情| 国产精品一二三区在线看| 狠狠狠狠99中文字幕| 精品卡一卡二卡四卡免费| 久久久久精品人妻al黑| 久久久久精品国产欧美久久久 | 99精品欧美一区二区三区四区| 熟女少妇亚洲综合色aaa.| 亚洲精品国产区一区二| 永久免费av网站大全| 王馨瑶露胸无遮挡在线观看| 十八禁网站免费在线| 搡老乐熟女国产| 国产淫语在线视频| 亚洲免费av在线视频| 国产高清视频在线播放一区 | 国产亚洲一区二区精品| 亚洲激情五月婷婷啪啪| 老司机影院成人| 叶爱在线成人免费视频播放| 免费一级毛片在线播放高清视频 | 国产成人欧美| 欧美日韩成人在线一区二区| www日本在线高清视频| 国产精品久久久久久人妻精品电影 | 手机成人av网站| 欧美日韩成人在线一区二区| 老熟妇仑乱视频hdxx| 性少妇av在线| 久久亚洲精品不卡| 91老司机精品| 香蕉丝袜av| 亚洲欧美精品综合一区二区三区| av福利片在线| 亚洲欧美色中文字幕在线| 久久久久精品国产欧美久久久 | 国产人伦9x9x在线观看| 19禁男女啪啪无遮挡网站| 一本综合久久免费| 18在线观看网站| 91字幕亚洲| 久久久久国产一级毛片高清牌| 18禁国产床啪视频网站| 啦啦啦视频在线资源免费观看| 男女之事视频高清在线观看| 麻豆乱淫一区二区| 极品人妻少妇av视频| 一区福利在线观看| 免费在线观看日本一区| 亚洲av日韩在线播放| 丰满饥渴人妻一区二区三| 国产成人一区二区三区免费视频网站| 一区福利在线观看| 看免费av毛片| 黄频高清免费视频| 国产精品一二三区在线看| 亚洲欧美成人综合另类久久久| 啦啦啦免费观看视频1| 黄片播放在线免费| 久久人妻福利社区极品人妻图片| 午夜激情av网站| 国产av又大| 在线观看人妻少妇| www.熟女人妻精品国产| 亚洲av电影在线进入| 欧美日韩av久久| 中文字幕人妻熟女乱码| 男女无遮挡免费网站观看| 一级毛片女人18水好多| 久久人妻熟女aⅴ| 黄网站色视频无遮挡免费观看| 精品熟女少妇八av免费久了| 日本欧美视频一区| 久久久久久久久免费视频了| 91av网站免费观看| 国产无遮挡羞羞视频在线观看| 国产97色在线日韩免费| 国产伦理片在线播放av一区| 精品久久久精品久久久| 国产成人影院久久av| 老熟女久久久| 欧美大码av| 久久国产精品大桥未久av| 97精品久久久久久久久久精品| 人人妻人人澡人人看| 一区二区日韩欧美中文字幕| 亚洲成人手机| 亚洲av欧美aⅴ国产| 在线亚洲精品国产二区图片欧美| 777米奇影视久久| 日本精品一区二区三区蜜桃| 无限看片的www在线观看| 国产黄频视频在线观看| 国产在线观看jvid| 人人澡人人妻人| 亚洲欧美一区二区三区黑人| 久久久久网色| 麻豆av在线久日| 99久久综合免费| 亚洲一区中文字幕在线| 欧美日韩中文字幕国产精品一区二区三区 | 欧美日韩国产mv在线观看视频| 香蕉丝袜av| 久久久久网色| 国产极品粉嫩免费观看在线| 久久人人97超碰香蕉20202| 日韩一卡2卡3卡4卡2021年| 涩涩av久久男人的天堂| 中文字幕色久视频| h视频一区二区三区| 成人影院久久| 亚洲久久久国产精品| 黄色毛片三级朝国网站| 色94色欧美一区二区| 天天躁日日躁夜夜躁夜夜| 日韩视频一区二区在线观看| 王馨瑶露胸无遮挡在线观看| 99精国产麻豆久久婷婷| 一本大道久久a久久精品| a级毛片在线看网站| 国产在线一区二区三区精| 国产精品一区二区在线不卡| 肉色欧美久久久久久久蜜桃| 亚洲精品国产区一区二| 在线av久久热| 黄色视频不卡| 国产精品99久久99久久久不卡| 精品一区二区三区四区五区乱码| 欧美av亚洲av综合av国产av| 2018国产大陆天天弄谢| 女人爽到高潮嗷嗷叫在线视频| 青春草视频在线免费观看| 亚洲国产精品一区三区| 久久久久精品人妻al黑| av在线播放精品| 视频区欧美日本亚洲| 我要看黄色一级片免费的| 国产一区二区三区在线臀色熟女 | 美女国产高潮福利片在线看| 亚洲欧美成人综合另类久久久| 久久精品aⅴ一区二区三区四区| 精品国产国语对白av| 大香蕉久久成人网| 精品国产一区二区三区四区第35| 免费一级毛片在线播放高清视频 | 久久午夜综合久久蜜桃| 男女之事视频高清在线观看| 午夜视频精品福利| 丰满人妻熟妇乱又伦精品不卡| 大陆偷拍与自拍| 国产精品一二三区在线看| 精品欧美一区二区三区在线| 19禁男女啪啪无遮挡网站| 亚洲专区国产一区二区| 国产区一区二久久| 国产在线视频一区二区| 亚洲精品一卡2卡三卡4卡5卡 | 老汉色∧v一级毛片| 2018国产大陆天天弄谢| 日韩视频一区二区在线观看| 999久久久精品免费观看国产| 高清av免费在线| 视频区欧美日本亚洲|