• <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*
    欧美日本视频| 天堂网av新在线| 国产成人aa在线观看| 亚洲国产欧洲综合997久久,| 久久久午夜欧美精品| 国产黄片美女视频| 熟妇人妻久久中文字幕3abv| 国产日韩欧美在线精品| 国产一级毛片在线| av女优亚洲男人天堂| 最后的刺客免费高清国语| 少妇裸体淫交视频免费看高清| АⅤ资源中文在线天堂| 美女大奶头视频| 在线天堂最新版资源| 99久久精品一区二区三区| 精品99又大又爽又粗少妇毛片| 午夜免费激情av| 中文字幕熟女人妻在线| 国产私拍福利视频在线观看| 久久99精品国语久久久| 国产老妇女一区| 亚洲丝袜综合中文字幕| 18禁在线无遮挡免费观看视频| 免费电影在线观看免费观看| 你懂的网址亚洲精品在线观看 | 日韩欧美一区二区三区在线观看| 国产精品.久久久| 校园春色视频在线观看| 可以在线观看的亚洲视频| 成人午夜高清在线视频| 国产视频首页在线观看| 精品久久久久久久久亚洲| 国产高潮美女av| 国产日韩欧美在线精品| 亚洲国产精品久久男人天堂| 午夜激情福利司机影院| 免费搜索国产男女视频| 一级毛片电影观看 | 成人综合一区亚洲| av在线老鸭窝| 99热全是精品| 欧美xxxx性猛交bbbb| 久久久久网色| 岛国在线免费视频观看| 有码 亚洲区| 97超视频在线观看视频| 黄片wwwwww| 国产成人精品久久久久久| 网址你懂的国产日韩在线| 久久久欧美国产精品| 日韩视频在线欧美| 校园春色视频在线观看| 干丝袜人妻中文字幕| 日本撒尿小便嘘嘘汇集6| 亚洲四区av| 一边摸一边抽搐一进一小说| 久久6这里有精品| 我要搜黄色片| 一夜夜www| 国产精品三级大全| 丰满人妻一区二区三区视频av| 精华霜和精华液先用哪个| 亚洲自拍偷在线| 亚洲精品自拍成人| 国产极品精品免费视频能看的| 国产精品1区2区在线观看.| 伦理电影大哥的女人| 日韩在线高清观看一区二区三区| 美女被艹到高潮喷水动态| 成人午夜精彩视频在线观看| 精品久久久噜噜| 直男gayav资源| 久久精品国产亚洲av天美| 亚洲国产精品久久男人天堂| 亚洲国产精品久久男人天堂| 国产单亲对白刺激| 国产黄色视频一区二区在线观看 | 国产成人91sexporn| 黄片无遮挡物在线观看| 欧美+亚洲+日韩+国产| 大型黄色视频在线免费观看| 日本黄色视频三级网站网址| h日本视频在线播放| 黄色配什么色好看| 欧美+日韩+精品| 国产成人午夜福利电影在线观看| 欧美一级a爱片免费观看看| 免费看日本二区| 亚洲国产精品成人久久小说 | 网址你懂的国产日韩在线| 国产午夜精品论理片| 日韩一区二区视频免费看| 久久久精品大字幕| 国产精品野战在线观看| 国内精品久久久久精免费| 国产乱人偷精品视频| 校园春色视频在线观看| 色尼玛亚洲综合影院| 精品久久久久久久久久久久久| 免费黄网站久久成人精品| 久久99热6这里只有精品| 免费在线观看成人毛片| 午夜爱爱视频在线播放| 在线免费十八禁| 春色校园在线视频观看| 18禁在线无遮挡免费观看视频| av视频在线观看入口| 欧美xxxx黑人xx丫x性爽| 日日摸夜夜添夜夜爱| 国产黄色小视频在线观看| 国产一区二区亚洲精品在线观看| 天堂影院成人在线观看| 国产人妻一区二区三区在| 亚洲欧美中文字幕日韩二区| 禁无遮挡网站| 国产老妇伦熟女老妇高清| 欧美色视频一区免费| 午夜爱爱视频在线播放| 桃色一区二区三区在线观看| 国产中年淑女户外野战色| 熟女人妻精品中文字幕| 欧美色欧美亚洲另类二区| 干丝袜人妻中文字幕| 亚洲精品乱码久久久v下载方式| 精品久久久久久成人av| 国产乱人偷精品视频| 99热这里只有精品一区| av在线老鸭窝| 啦啦啦观看免费观看视频高清| 国产高清三级在线| 国产成人精品一,二区 | 欧美+亚洲+日韩+国产| 精品一区二区三区人妻视频| 悠悠久久av| 国内少妇人妻偷人精品xxx网站| 国产乱人视频| 黄片wwwwww| 男女做爰动态图高潮gif福利片| 26uuu在线亚洲综合色| 国内揄拍国产精品人妻在线| 日韩一本色道免费dvd| 国产免费一级a男人的天堂| 九九在线视频观看精品| 寂寞人妻少妇视频99o| 亚洲中文字幕一区二区三区有码在线看| 欧美一区二区精品小视频在线| 亚洲真实伦在线观看| 亚洲国产精品sss在线观看| 国产不卡一卡二| 色哟哟哟哟哟哟| 成年免费大片在线观看| 国产91av在线免费观看| 亚洲人成网站在线观看播放| 在线观看av片永久免费下载| 黑人高潮一二区| 最近手机中文字幕大全| 欧美极品一区二区三区四区| 欧美不卡视频在线免费观看| 国产一区二区在线观看日韩| 欧美zozozo另类| 婷婷色av中文字幕| 国产综合懂色| 女的被弄到高潮叫床怎么办| 黄色配什么色好看| 九九久久精品国产亚洲av麻豆| 国模一区二区三区四区视频| 久久国产乱子免费精品| 在线免费观看的www视频| 久久久精品94久久精品| 亚洲国产精品成人综合色| 国产日本99.免费观看| 天堂影院成人在线观看| 久久久欧美国产精品| 国产午夜精品久久久久久一区二区三区| 欧美日韩乱码在线| 国产亚洲欧美98| av在线亚洲专区| 三级经典国产精品| 久久热精品热| 菩萨蛮人人尽说江南好唐韦庄 | 一本久久中文字幕| 美女高潮的动态| 午夜福利视频1000在线观看| 中国美女看黄片| 午夜激情欧美在线| 欧美色欧美亚洲另类二区| 亚洲不卡免费看| 黄色欧美视频在线观看| 久久久久久久久中文| 特级一级黄色大片| 日本成人三级电影网站| 色哟哟哟哟哟哟| 欧美日本亚洲视频在线播放| 哪个播放器可以免费观看大片| 国产精品免费一区二区三区在线| 亚洲av男天堂| 黑人高潮一二区| 国产一区亚洲一区在线观看| 国产av不卡久久| 变态另类丝袜制服| 欧美一区二区亚洲| 亚洲五月天丁香| 好男人在线观看高清免费视频| 少妇熟女欧美另类| 高清毛片免费看| 国产成人a区在线观看| 日本熟妇午夜| 欧美区成人在线视频| 天天躁夜夜躁狠狠久久av| 精品久久久久久久久亚洲| 亚洲av成人av| 亚洲七黄色美女视频| 极品教师在线视频| 91精品国产九色| 欧美潮喷喷水| av福利片在线观看| 边亲边吃奶的免费视频| 亚洲成人中文字幕在线播放| 久久久久久久久大av| 国产一区亚洲一区在线观看| 搡老妇女老女人老熟妇| 最近的中文字幕免费完整| 精品久久久久久成人av| 欧美潮喷喷水| 免费无遮挡裸体视频| 插逼视频在线观看| 日韩欧美 国产精品| av免费观看日本| АⅤ资源中文在线天堂| 美女xxoo啪啪120秒动态图| 性插视频无遮挡在线免费观看| av女优亚洲男人天堂| 精品日产1卡2卡| 可以在线观看毛片的网站| 欧美激情久久久久久爽电影| 人妻夜夜爽99麻豆av| 男女下面进入的视频免费午夜| 长腿黑丝高跟| 亚洲欧洲日产国产| 91久久精品国产一区二区成人| 午夜爱爱视频在线播放| 乱码一卡2卡4卡精品| 伊人久久精品亚洲午夜| 色哟哟哟哟哟哟| av国产免费在线观看| 国产精品免费一区二区三区在线| 免费看美女性在线毛片视频| 中国美女看黄片| 一级av片app| 国产日韩欧美在线精品| 天天一区二区日本电影三级| 亚洲中文字幕一区二区三区有码在线看| 蜜臀久久99精品久久宅男| www.色视频.com| 亚洲最大成人av| 久久久久九九精品影院| 国产69精品久久久久777片| 久久精品国产鲁丝片午夜精品| 国产欧美日韩精品一区二区| 美女脱内裤让男人舔精品视频 | 久久精品夜夜夜夜夜久久蜜豆| 哪里可以看免费的av片| 中国美女看黄片| 女人被狂操c到高潮| 成人一区二区视频在线观看| 伦理电影大哥的女人| 日日啪夜夜撸| 精品午夜福利在线看| 最后的刺客免费高清国语| 亚洲欧美精品综合久久99| 精品久久久噜噜| 中文亚洲av片在线观看爽| 亚洲精品日韩av片在线观看| 亚洲国产欧洲综合997久久,| 国产成人a∨麻豆精品| 久久99热6这里只有精品| 国产色爽女视频免费观看| 欧美人与善性xxx| 寂寞人妻少妇视频99o| 久久久久久久久大av| 欧美zozozo另类| 麻豆av噜噜一区二区三区| 国产在线男女| 亚洲欧美精品自产自拍| 99热网站在线观看| 欧美激情在线99| 国产成人aa在线观看| 真实男女啪啪啪动态图| 大香蕉久久网| 欧美日韩精品成人综合77777| 丰满乱子伦码专区| 久久久久网色| 十八禁国产超污无遮挡网站| 成人亚洲欧美一区二区av| 国产 一区精品| 久久久精品94久久精品| 亚洲精品国产av成人精品| 中文字幕制服av| 久久久久久久久久成人| 日韩av不卡免费在线播放| 亚洲国产欧美在线一区| 高清毛片免费观看视频网站| 91精品国产九色| 亚洲在久久综合| 国产精品无大码| 天美传媒精品一区二区| 国产日本99.免费观看| 国产av麻豆久久久久久久| 1000部很黄的大片| 亚洲国产欧洲综合997久久,| 性色avwww在线观看| 精品人妻一区二区三区麻豆| 一个人看的www免费观看视频| 久久婷婷人人爽人人干人人爱| 91久久精品国产一区二区成人| 高清毛片免费看| 成年版毛片免费区| 精品久久久久久久久亚洲| 免费观看人在逋| 久久人人爽人人片av| 中文字幕av在线有码专区| 亚洲精品日韩在线中文字幕 | 亚洲人成网站高清观看| 成年女人看的毛片在线观看| 国产成人91sexporn| 亚洲精品久久国产高清桃花| 中文字幕人妻熟人妻熟丝袜美| 国语自产精品视频在线第100页| 3wmmmm亚洲av在线观看| 欧美激情在线99| 精品99又大又爽又粗少妇毛片| 2021天堂中文幕一二区在线观| 一级毛片久久久久久久久女| 国产av一区在线观看免费| 日韩欧美 国产精品| 狠狠狠狠99中文字幕| av在线老鸭窝| 男女啪啪激烈高潮av片| 日韩成人av中文字幕在线观看| 国产av一区在线观看免费| 久久久午夜欧美精品| 一个人观看的视频www高清免费观看| 欧美变态另类bdsm刘玥| 久久久久久大精品| 日日摸夜夜添夜夜添av毛片| 欧美一区二区亚洲| 欧美人与善性xxx| 99九九线精品视频在线观看视频| 麻豆成人av视频| 国产精品女同一区二区软件| 国产探花极品一区二区| 亚洲七黄色美女视频| 两性午夜刺激爽爽歪歪视频在线观看| 岛国在线免费视频观看| 白带黄色成豆腐渣| 好男人视频免费观看在线| 白带黄色成豆腐渣| 天天躁日日操中文字幕| 精品不卡国产一区二区三区| av卡一久久| 国产毛片a区久久久久| 免费看美女性在线毛片视频| 日本熟妇午夜| 色播亚洲综合网| 人妻制服诱惑在线中文字幕| 国产精品久久久久久av不卡| 精品不卡国产一区二区三区| 国产亚洲精品久久久com| 免费观看在线日韩| 成人av在线播放网站| 久久久久久九九精品二区国产| 成人性生交大片免费视频hd| 日日啪夜夜撸| 免费看日本二区| 哪个播放器可以免费观看大片| 久久精品国产亚洲网站| 久久人人精品亚洲av| 亚洲一区高清亚洲精品| 黄片wwwwww| 亚洲久久久久久中文字幕| 亚洲精品成人久久久久久| 中文字幕精品亚洲无线码一区| 中文字幕av成人在线电影| 少妇人妻精品综合一区二区 | 18禁裸乳无遮挡免费网站照片| 日本成人三级电影网站| 一本一本综合久久| 久久久久久九九精品二区国产| 国产麻豆成人av免费视频| 国产乱人视频| 青春草国产在线视频 | 久久精品夜色国产| 国产三级中文精品| 国产单亲对白刺激| 男女做爰动态图高潮gif福利片| 色尼玛亚洲综合影院| 日日撸夜夜添| 精品国内亚洲2022精品成人| 中文字幕熟女人妻在线| 成人高潮视频无遮挡免费网站| 色播亚洲综合网| av天堂中文字幕网| 精品欧美国产一区二区三| 国产精品综合久久久久久久免费| 韩国av在线不卡| 黄片无遮挡物在线观看| 欧美高清性xxxxhd video| 99久久精品热视频| 亚洲在线自拍视频| a级毛片a级免费在线| 欧美日韩国产亚洲二区| 日日摸夜夜添夜夜爱| 夫妻性生交免费视频一级片| 老司机影院成人| 欧美精品一区二区大全| 久久精品久久久久久久性| 亚洲国产精品sss在线观看| 人妻久久中文字幕网| 国产高清激情床上av| 国产综合懂色| 97在线视频观看| 久久久久免费精品人妻一区二区| 91久久精品国产一区二区成人| 日韩欧美在线乱码| 偷拍熟女少妇极品色| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲高清免费不卡视频| av在线蜜桃| 少妇人妻精品综合一区二区 | 日韩 亚洲 欧美在线| 日韩精品青青久久久久久| 欧美丝袜亚洲另类| 精品人妻视频免费看| 亚洲av不卡在线观看| 婷婷六月久久综合丁香| 啦啦啦观看免费观看视频高清| 亚洲精品国产成人久久av| 欧美激情国产日韩精品一区| 欧美xxxx黑人xx丫x性爽| 成年女人看的毛片在线观看| 午夜激情福利司机影院| www日本黄色视频网| 精品人妻一区二区三区麻豆| 国产一区二区在线av高清观看| kizo精华| 亚洲国产精品成人综合色| 夜夜看夜夜爽夜夜摸| 可以在线观看的亚洲视频| 亚洲自拍偷在线| 内地一区二区视频在线| 久久精品影院6| 国产精品不卡视频一区二区| 免费搜索国产男女视频| 日本黄色视频三级网站网址| 久久精品夜色国产| 男人舔女人下体高潮全视频| 午夜精品一区二区三区免费看| 国产精品爽爽va在线观看网站| 国产精品乱码一区二三区的特点| 一边摸一边抽搐一进一小说| 日韩一本色道免费dvd| 我要搜黄色片| 伊人久久精品亚洲午夜| 最近手机中文字幕大全| 国产精品久久久久久亚洲av鲁大| 女的被弄到高潮叫床怎么办| 爱豆传媒免费全集在线观看| 中文字幕av在线有码专区| 69人妻影院| 国产亚洲精品久久久久久毛片| 精品人妻熟女av久视频| av免费观看日本| 国产综合懂色| 激情 狠狠 欧美| 老熟妇乱子伦视频在线观看| 国产片特级美女逼逼视频| 亚洲真实伦在线观看| 午夜福利成人在线免费观看| 国产精品一区二区三区四区久久| 久久亚洲国产成人精品v| 夜夜爽天天搞| 国产爱豆传媒在线观看| 特大巨黑吊av在线直播| av又黄又爽大尺度在线免费看 | 国产精品1区2区在线观看.| 亚洲四区av| 亚洲精品久久久久久婷婷小说 | 欧美潮喷喷水| 岛国在线免费视频观看| 国产精品一区二区性色av| 日本黄色片子视频| 我的女老师完整版在线观看| kizo精华| 能在线免费看毛片的网站| 91午夜精品亚洲一区二区三区| 午夜福利成人在线免费观看| 哪里可以看免费的av片| 亚洲最大成人中文| 好男人在线观看高清免费视频| 中文欧美无线码| 一本精品99久久精品77| 最近视频中文字幕2019在线8| 黄色日韩在线| 最近的中文字幕免费完整| 男人舔女人下体高潮全视频| 99精品在免费线老司机午夜| 岛国在线免费视频观看| 亚洲成人久久性| 国产精品久久久久久久久免| 国产男人的电影天堂91| 特级一级黄色大片| 99久国产av精品国产电影| 亚洲色图av天堂| 男人和女人高潮做爰伦理| 亚洲欧美精品专区久久| 久久精品国产鲁丝片午夜精品| www.色视频.com| 一本精品99久久精品77| 久久精品综合一区二区三区| 国产白丝娇喘喷水9色精品| 精品久久久久久久末码| 成人特级黄色片久久久久久久| 好男人在线观看高清免费视频| 成人三级黄色视频| 成人综合一区亚洲| av在线播放精品| 悠悠久久av| 欧美极品一区二区三区四区| 国产精品三级大全| 伦理电影大哥的女人| 乱系列少妇在线播放| avwww免费| 成人一区二区视频在线观看| 卡戴珊不雅视频在线播放| 12—13女人毛片做爰片一| 中出人妻视频一区二区| 日韩欧美 国产精品| 精品人妻熟女av久视频| 亚洲欧美成人综合另类久久久 | 日日啪夜夜撸| 国产综合懂色| 午夜亚洲福利在线播放| av在线蜜桃| 亚洲欧美精品综合久久99| 亚洲18禁久久av| 久久精品国产亚洲av涩爱 | 22中文网久久字幕| 精品久久久久久成人av| 久久久精品94久久精品| 亚洲成人av在线免费| 99热6这里只有精品| 日韩制服骚丝袜av| 日日摸夜夜添夜夜添av毛片| 99久久精品国产国产毛片| 亚洲自拍偷在线| 国产色婷婷99| 99久久无色码亚洲精品果冻| 神马国产精品三级电影在线观看| 日韩欧美国产在线观看| 在线观看美女被高潮喷水网站| 不卡一级毛片| 亚洲av电影不卡..在线观看| 国产av不卡久久| 亚洲最大成人中文| 国产黄色视频一区二区在线观看 | 一本久久精品| 亚洲精品日韩av片在线观看| 欧美潮喷喷水| 一区二区三区免费毛片| 只有这里有精品99| 男女那种视频在线观看| 校园人妻丝袜中文字幕| ponron亚洲| 精品人妻一区二区三区麻豆| 亚洲av一区综合| 国产高潮美女av| 一卡2卡三卡四卡精品乱码亚洲| 亚洲无线在线观看| 成人特级黄色片久久久久久久| 蜜桃亚洲精品一区二区三区| 少妇的逼好多水| 国产黄片美女视频| 久久99热6这里只有精品| 国产男人的电影天堂91| 网址你懂的国产日韩在线| 青春草国产在线视频 | 久久精品国产亚洲av天美| 国产精品精品国产色婷婷| 精品一区二区三区人妻视频| 欧洲精品卡2卡3卡4卡5卡区| 我要看日韩黄色一级片| 在线观看免费视频日本深夜| 国产单亲对白刺激| 国产一区二区激情短视频| 九九在线视频观看精品| 国产精品蜜桃在线观看 | 日韩大尺度精品在线看网址| av卡一久久| 村上凉子中文字幕在线| 久久久a久久爽久久v久久| 91在线精品国自产拍蜜月| 亚洲精品乱码久久久久久按摩| 国产色爽女视频免费观看| 日日摸夜夜添夜夜爱| 亚洲真实伦在线观看| 亚洲三级黄色毛片| 97热精品久久久久久| 国产午夜精品久久久久久一区二区三区| 国产日韩欧美在线精品| 六月丁香七月| 亚洲欧美精品专区久久| 成人欧美大片| 春色校园在线视频观看| 精品国产三级普通话版|