• <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 ?

    基于在線神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)恢復(fù)力預(yù)測方法

    2015-11-03 05:31:07翟緒恒孟麗巖左敬巖
    關(guān)鍵詞:恢復(fù)力離線權(quán)值

    王 濤,翟緒恒,孟麗巖,左敬巖

    (黑龍江科技大學(xué) 建筑工程學(xué)院,哈爾濱 150022)

    基于在線神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)恢復(fù)力預(yù)測方法

    王濤,翟緒恒,孟麗巖,左敬巖

    (黑龍江科技大學(xué) 建筑工程學(xué)院,哈爾濱 150022)

    為實現(xiàn)在線預(yù)測非線性結(jié)構(gòu)恢復(fù)力,提出一種在線BP神經(jīng)網(wǎng)絡(luò)算法。針對兩個自由度非線性結(jié)構(gòu),進行了Bouc-Wen模型的恢復(fù)力預(yù)測,驗證了在線神經(jīng)網(wǎng)絡(luò)算法的有效性。分析了樣本數(shù)量以及目標誤差對預(yù)測精度和計算耗時的影響。結(jié)果表明:與傳統(tǒng)離線學(xué)習(xí)方式算法相比,在線學(xué)習(xí)算法提高了算法計算效率和預(yù)測精度;隨著樣本數(shù)量的減少,算法計算效率增快;隨著目標誤差減小,算法預(yù)測精度增大。

    神經(jīng)網(wǎng)絡(luò);恢復(fù)力;預(yù)測;在線

    0 引言

    結(jié)構(gòu)混合實驗是將實驗加載與數(shù)值模擬相結(jié)合,評價土木結(jié)構(gòu)地震反應(yīng)和抗震性能的有效實驗技術(shù)。結(jié)構(gòu)整體進入非線性時,為了能夠準確模擬數(shù)值子結(jié)構(gòu)模型,研究者們提出了模型更新混合實驗。模型更新可采用基于模型或非基于模型的預(yù)測算法。神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)算法不用基于系統(tǒng)具體的非線性數(shù)學(xué)模型,因此,可以減少數(shù)值模型誤差所帶來的不利影響,具有更好的一般性。

    Yang等[1]采用變神經(jīng)元BP神經(jīng)網(wǎng)絡(luò)模擬非線性結(jié)構(gòu)的恢復(fù)力模型,進而來預(yù)測結(jié)構(gòu)的恢復(fù)力。Yun等[2]提出五變量的神經(jīng)網(wǎng)絡(luò)輸入,并根據(jù)輸入變量在滯回曲線不同位置的正負號初步應(yīng)用在恢復(fù)力識別中。張?。?]在此研究成果上,增加了三個輸入變量,并應(yīng)用在混合實驗中數(shù)值子結(jié)構(gòu)恢復(fù)力預(yù)測。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法采用的離線學(xué)習(xí)方式,計算效率較低,且精度不高。為了解決這些問題,筆者提出一種在線學(xué)習(xí)方式的神經(jīng)網(wǎng)絡(luò)算法。以一個兩個自由度結(jié)構(gòu)為例,采用在線神經(jīng)網(wǎng)絡(luò)算法預(yù)測結(jié)構(gòu)模型恢復(fù)力,并與傳統(tǒng)離線神經(jīng)網(wǎng)絡(luò)的預(yù)測效果進行對比。

    1 神經(jīng)網(wǎng)絡(luò)基本原理與算法推導(dǎo)

    1.1神經(jīng)網(wǎng)絡(luò)基本原理

    人工神經(jīng)網(wǎng)絡(luò),簡稱神經(jīng)網(wǎng)絡(luò),是模擬人腦思維方式的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的,用來學(xué)習(xí)、模擬和仿真任意非線性系統(tǒng)。它由一系列按照一定規(guī)則排列的神經(jīng)元連接而成,由每一個單元接受輸入并計算處理,傳遞給下一單元。雖然每個單元結(jié)構(gòu)與功能簡單,但整個系統(tǒng)具有處理復(fù)雜問題的能力[4-8]。

    理論上神經(jīng)網(wǎng)絡(luò)能夠逼近任意非線性對象,其工作原理如圖1所示。為了逼近任意未知具體函數(shù)形式F(X)的非線性系統(tǒng),首先建立一個初始化的神經(jīng)網(wǎng)絡(luò),φ0(g(X,Y),w0,θ0)來代替此非線性系統(tǒng),其中,X和Y分別為系統(tǒng)的輸入和輸出,w0和θ0分別為神經(jīng)元連接的權(quán)值和閾值。將系統(tǒng)的輸入信號X和期望輸出Y的集合作為訓(xùn)練樣本,訓(xùn)練系統(tǒng)隨機給定的權(quán)值w0和閾值θ0,最終得到可以近似非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)就可以得到在系統(tǒng)輸入為X2時的系統(tǒng)輸出的預(yù)測值。

    圖1 神經(jīng)網(wǎng)絡(luò)逼近對象原理Fig.1 Diagram of NN approaching object

    1.2BP神經(jīng)網(wǎng)絡(luò)算法的推導(dǎo)

    在眾多神經(jīng)網(wǎng)絡(luò)中,誤差反向傳播(Back Propagation,BP)網(wǎng)絡(luò)應(yīng)用最為廣泛。BP網(wǎng)絡(luò)是一種前向型網(wǎng)絡(luò),由一個輸入層、一個輸出層和若干個隱含層所組成。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程分為信號的正向傳播和誤差的反向傳播。在正向傳播中,輸入信息從輸入層經(jīng)隱含層逐層處理,并傳向輸出層,每層神經(jīng)元(節(jié)點)的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出,則轉(zhuǎn)向反向傳播,即將誤差信號(期望輸出與實際輸出之差)按連接結(jié)構(gòu)反向計算,由梯度下降法調(diào)整各層神經(jīng)元的權(quán)值及閾值,使誤差信號減小。其中心思想是沿著誤差函數(shù)的負梯度方向不斷修正權(quán)值,直到目標性能誤差函數(shù)值達到最小。網(wǎng)絡(luò)的目標性能誤差函數(shù)為

    式(1)中,N為樣本數(shù),dk為第k個輸出節(jié)點的期望輸出,yk為第k個輸出節(jié)點的實際輸出。

    將神經(jīng)網(wǎng)絡(luò)所有節(jié)點之間的連接權(quán)值以向量的形式表示為[w11,w12,…,wmp],得到了誤差e關(guān)于權(quán)值向量的函數(shù),誤差函數(shù)e對于各個權(quán)值的梯度公式為

    一般是通過計算誤差函數(shù)對各個權(quán)值的偏導(dǎo)數(shù)來計算梯度值。以三層BP網(wǎng)絡(luò)為例,BP網(wǎng)絡(luò)算法訓(xùn)練過程推導(dǎo)如下:

    (1)信號的正向傳播

    隱含層神經(jīng)元的輸入為所有輸入的加權(quán)之和,即

    隱含層神經(jīng)元的輸出為

    則隱含層的輸出對連接權(quán)值的偏導(dǎo)數(shù)為

    輸出層神經(jīng)元的輸出為

    (2)誤差的反向傳播

    網(wǎng)絡(luò)輸出與期望輸出誤差為

    誤差性能指標函數(shù)為

    隱含層到輸出層的當(dāng)前權(quán)值改變量為

    n+1次迭代時權(quán)值為

    輸入層到隱含層的當(dāng)前權(quán)值改變量為

    n+1次迭代時權(quán)值為

    每一次信號正向輸出與期望輸出的誤差達不到目標誤差時,便開始進行權(quán)值的反向調(diào)整,如此循環(huán)下去,直至系統(tǒng)輸出達到要求為止。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程如圖2所示。

    圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程Fig.2 Flowchart of BP neural network training

    2 離線與在線學(xué)習(xí)方式的區(qū)別

    按照神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本的不同,可分為離線學(xué)習(xí)算法和在線學(xué)習(xí)算法,如果網(wǎng)絡(luò)的權(quán)值是在整個訓(xùn)練集提交后才進行調(diào)整,這種學(xué)習(xí)方式被稱為離線的學(xué)習(xí)方式(offline)。在線學(xué)習(xí)(online)則是在每個樣本提交之后就對樣本訓(xùn)練,根據(jù)訓(xùn)練結(jié)果實時地對網(wǎng)絡(luò)參數(shù)進行調(diào)整。

    傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法大多采用的是離線的學(xué)習(xí)方式。離線的學(xué)習(xí)方式能夠在系統(tǒng)工作之前預(yù)先形成網(wǎng)絡(luò)結(jié)構(gòu)。以目標函數(shù)的輸入向量X和輸出向量Y所組成的集合u=g(X,Y)作為訓(xùn)練樣本,在網(wǎng)絡(luò)結(jié)構(gòu)φ0(u,[w0,θ0])中通過不斷的誤差迭代來調(diào)整系統(tǒng)隨機給定初始化的權(quán)值w0和閾值θ0,最終實現(xiàn)逼近目標輸出Y的功能。

    在線的學(xué)習(xí)方式則是按照樣本的到來一個接一個地訓(xùn)練網(wǎng)絡(luò),只需在第i步權(quán)值wi和閾值θi遞推計算第i+1步的權(quán)值wi+1和閾值θi+1,而不用像離線的學(xué)習(xí)那樣每次迭代都對所有樣本進行訓(xùn)練。離線與在線學(xué)習(xí)方式的神經(jīng)網(wǎng)絡(luò)對比如圖3所示。

    圖3 離線與在線算法對比Fig.3 Comparison chart of online and offline algorithms

    3 神經(jīng)網(wǎng)絡(luò)預(yù)測算例

    3.1結(jié)構(gòu)選取及其參數(shù)

    選取的二層框架結(jié)構(gòu)在1994年1月17日Northridge地震SimiValley-Katherine Rd臺站所記錄得到的地震波作用下的結(jié)構(gòu)反應(yīng),地震加速度峰值為200 cm/s2。積分算法采用4階Runge-Kutta方法,計算步長為0.01 s。結(jié)構(gòu)質(zhì)量為m1=m2=5 000 t,結(jié)構(gòu)剛度為k1=k2=789 570 kN/m,結(jié)構(gòu)阻尼為C1= C2=10 053 kN/(m·s-1),α=0.01,A=1,β=100,γ=40,n= 1。結(jié)構(gòu)恢復(fù)力F模型采用Bouc-Wen模型:

    應(yīng)用神經(jīng)網(wǎng)絡(luò)識別一層實驗子結(jié)構(gòu)的滯回模型,用經(jīng)過實驗子結(jié)構(gòu)數(shù)據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對數(shù)值子結(jié)構(gòu)的恢復(fù)力進行在線預(yù)測。子結(jié)構(gòu)模型如圖4所示。在圖4中,F(xiàn)r為層間作用力,x..為地震加速度。

    圖4 子結(jié)構(gòu)模型示意Fig.4 Skeleton of substructure model

    3.2神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)

    神經(jīng)網(wǎng)絡(luò)選用LM-BP算法,輸入層的節(jié)點取8個,分別為xn、Fn-1xn-1、Fn-1sign(Δxn)、xn-1、Fn-1、xt、ft、edn-1。其中,x為結(jié)構(gòu)層間位移;n為實驗往復(fù)加載次數(shù);Δxn=xn-xn-1;xt、ft分別表示在滯回環(huán)轉(zhuǎn)折點處的位移和恢復(fù)力;edn-1為上一步的耗能。隱含層取為兩層,均為15個節(jié)點,激活函數(shù)分別為雙曲正切S型函數(shù)、對數(shù)S型函數(shù)。輸出量為一個,即恢復(fù)力F。拓撲結(jié)構(gòu)為8-15-15-1,如圖5所示。

    圖5 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意Fig.5 Skeleton of NN structure

    3.3預(yù)測結(jié)果分析

    3.3.1神經(jīng)網(wǎng)絡(luò)的樣本改進

    張健[3]在對神經(jīng)網(wǎng)絡(luò)訓(xùn)練時,需要采用的是前面所有步(包括當(dāng)前步,即1∶i步)實驗子結(jié)構(gòu)的數(shù)據(jù),這樣樣本數(shù)據(jù)雖然較多,但隨著數(shù)據(jù)的增多,在線預(yù)測的每一步即變成了離線的學(xué)習(xí)方式,離線BP算法的多次迭代消耗了大量的訓(xùn)練時間,進而使得在線訓(xùn)練神經(jīng)網(wǎng)絡(luò)的用時增多,效率下降。在此基礎(chǔ)上,在線算法通過減少訓(xùn)練樣本的數(shù)量,只取前三步(包括當(dāng)前步,即i-2∶i)的數(shù)據(jù)以及只取當(dāng)前步i的數(shù)據(jù)作為訓(xùn)練樣本,神經(jīng)網(wǎng)絡(luò)在線與離線識別方法數(shù)值仿真對比結(jié)果如圖6所示。

    通過圖6可以看出,在線BP算法預(yù)測的二層恢復(fù)力效果比較接近真實反應(yīng),而離線BP算法預(yù)測效果則比較差,這充分表明在線的BP算法可以提高預(yù)測精度。根據(jù)預(yù)測效果,同時記錄下二者數(shù)值預(yù)測時所需要的時間。表1給出了離線與在線神經(jīng)網(wǎng)絡(luò)預(yù)測二層數(shù)值子結(jié)構(gòu)的計算時間。

    圖6 在線與離線神經(jīng)網(wǎng)絡(luò)恢復(fù)力預(yù)測結(jié)果與預(yù)測誤差對比Fig.6 Comparison of restoring force prediction and restoring force prediction error with online and offline NN

    表1 離線與在線BP算法預(yù)測時間對比Table 1 Comparison of predicted time between offline and online BP algorithms

    針對樣本數(shù)量多且冗余度高的訓(xùn)練集,在線的BP算法較離線的BP算法具有更快的訓(xùn)練速度,原因在于單個樣本收斂所需的迭代次數(shù)遠小于整個訓(xùn)練集的樣本同時收斂的迭代次數(shù)。因此,即使在線算法的訓(xùn)練集樣本數(shù)量大于離線算法,其訓(xùn)練所需時間較后者也會大大減少。

    另外,在預(yù)測精度方面,為了能夠有效地量化誤差大小,文中選用量綱一的誤差指標:相對均方根誤差RMSDk,數(shù)學(xué)表達式為

    式 (14)中,F(xiàn)itrue為真實反應(yīng),F(xiàn)i為預(yù)測的輸出量,k為計算步數(shù)。從均方根偏差定義來看,表達式根號內(nèi)分子為從初始時刻到當(dāng)前時刻這一段時間內(nèi)所有離散時間上的誤差平方和,反映了當(dāng)前的時刻及其之前所有時刻誤差的累積值。圖7給出了三種算法的預(yù)測精度對比。

    圖7 離線與在線BP算法預(yù)測精度對比Fig.7 Comparison of prediction accuracy of offline and online BP algorithms

    由圖7可以看出,在線的算法相對均方根誤差為0.229 47,改進的BP算法相對均方根誤差為0.277 29,離線的BP算法相對均方根誤差為0.321 48。在線的BP算法全局誤差明顯小于離線的BP算法以及改進后的離線算法的誤差,這表明在學(xué)習(xí)同等數(shù)量的樣本條件下,在線BP算法的預(yù)測精度優(yōu)于離線BP的算法。這對神經(jīng)網(wǎng)絡(luò)能夠應(yīng)用到模型更新的混合實驗中,具有重要的意義。

    3.3.2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的改進

    針對神經(jīng)網(wǎng)絡(luò)的目標誤差進行了改進,張健等[3]采用目標誤差參數(shù)為10-4kN2,文中分別選取了10-6、10-8、10-10kN2等誤差級別,進行網(wǎng)絡(luò)訓(xùn)練時間與預(yù)測精度對比。神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,由于對單元間的連接權(quán)和閾值的初始化調(diào)整,導(dǎo)致輸出有一定的隨機性,并且輸入訓(xùn)練集隨時間增加而發(fā)生改變,從而進一步增加了網(wǎng)絡(luò)訓(xùn)練過程的不穩(wěn)定性。為此,文中采取重復(fù)訓(xùn)練法來選取平均值以提高神經(jīng)網(wǎng)絡(luò)的性能??紤]到神經(jīng)網(wǎng)絡(luò)預(yù)測的隨機性,筆者通過訓(xùn)練20次后求取平均值作為預(yù)測結(jié)果,神經(jīng)網(wǎng)絡(luò)訓(xùn)練耗時如表2所示。

    表2 離線與在線BP算法預(yù)測時間對比Table 2 Comparison of predicted time of offline and online BP algorithms

    由表2可以看出,在線BP算法在不同目標誤差級別下的計算耗時均少于離線BP算法的用時,即使目標誤差達到10-10kN2時,在線BP算法的訓(xùn)練用時仍遠小于離線BP算法在目標誤差為10-4kN2時的訓(xùn)練用時??傮w來看,隨著目標誤差的減小,在線BP算法訓(xùn)練時間也隨著增加。此外,在過高地要求仿真精度的條件下,由于訓(xùn)練步數(shù)的限制,離線BP算法訓(xùn)練便會出現(xiàn)收斂速度慢、陷入局部極小等問題。在預(yù)測精度方面,通過訓(xùn)練20次后求取平均值作為觀測記錄,對比相對均方根誤差如圖8所示。

    圖8 不同目標誤差下在線BP算法預(yù)測精度Fig.8 Prediction accuracy of online BP algorithm with different target error

    由圖8可以看出,目標誤差分別為10-4、10-6、10-8、10-10kN2,時在線BP算法的相對均方誤差分別為0.272 01,0.258 61,0.244 93,0.229 92。隨著目標誤差的減小,預(yù)測精度會有一定程度的提高,但由于受到神經(jīng)網(wǎng)絡(luò)本身其他結(jié)構(gòu)參數(shù)的限制,預(yù)測精度提高有限。

    4 結(jié) 論

    (1)基于離線神經(jīng)網(wǎng)絡(luò)相關(guān)理論基礎(chǔ)上提出在(2)與離線學(xué)習(xí)方式的神經(jīng)網(wǎng)絡(luò)算法相比,采用在線LM-BP神經(jīng)網(wǎng)絡(luò)算法可以提高計算效率和預(yù)測精度。

    線學(xué)習(xí)方式的BP神經(jīng)網(wǎng)絡(luò)算法,并應(yīng)用于兩個自由結(jié)構(gòu)恢復(fù)力預(yù)測,驗證了在線的BP算法的有效性。

    (3)調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)目標誤差參數(shù)可以適當(dāng)提高神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練效率和預(yù)測精度。

    [1]YANG W J,NAKANO Y.Substructure online test by using real time hysteresis modeling with a neural network[J].Advances in Experimental Structural Engineering,2004(38):267-274.

    [2]YUN G Y,GHABOUSSI J,ELNASHAI A S.A new network-based model for hysteretic behavior of materials[J].International Journal for Numerical Methods in Engineering,2008,73(4):447-469.

    [3]張健.自適應(yīng)子結(jié)構(gòu)擬動力試驗方法[D].哈爾濱:哈爾濱工業(yè)大學(xué),2010.

    [4]王濤.基于模型更新的土木結(jié)構(gòu)混合試驗方法[D].哈爾濱:哈爾濱工業(yè)大學(xué),2014.

    [5]孫浩,楊智春,張玲凌.基于神經(jīng)網(wǎng)絡(luò)的振動響應(yīng)趨勢預(yù)測研究[J].機械科學(xué)與技術(shù),2006,25(17):1455-1518.

    [6]李書進,瞿偉廉.基于神經(jīng)網(wǎng)絡(luò)的滯變結(jié)構(gòu)在線識別[J].武漢理工大學(xué)學(xué)報,2003,25(11):91-93.

    [7]趙軒.基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)非線性地震反應(yīng)仿真[D].重慶:重慶大學(xué),2005.

    [8]張廆.基于在線學(xué)習(xí)方法的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究[D].武漢:華中科技大學(xué),2009.

    (編輯徐巖)

    Prediction method of restoring force for structures based on online neural network algorithm

    WANG Tao,ZHAI Xuheng,MENG Liyan,ZUO Jingyan
    (School of Civil Engineering,Heilongjiang University of Science&Technology,Harbin 150022,China)

    This paper is motivated by the need for on-line prediction of restoring force of nonlinear structure and proposes an online BP neural network algorithm.The algorithm research is comprised of the prediction of the restoring force of the Bouc-Wen model in response to a two-degree-of-freedom nonlinear structure;the validation of the effectiveness of the proposed online neural network algorithm;and the analysis of the influence of sample size and target error on prediction accuracy and time consumption of the algorithm.The results show that the proposed online learning algorithm boasts a greater calculation efficiency and accuracy than conventional off-line learning algorithm;an decrease in sample numbers is followed by an increase in computation efficiency of the algorithm;and a decrease in the target errors is followed by the prediction accuracy of the algorithm.

    neural network;restoring force;prediction;online

    10.3969/j.issn.2095-7262.2015.06.015

    TU317;P315.8

    2095-7262(2015)06-0649-05

    A

    2015-09-15

    黑龍江省青年科學(xué)基金項目(QC2013C055);國家自然科學(xué)基金項目(51408157;51308159;51308160)

    王濤(1978-),男,黑龍江省集賢人,副教授,博士,研究方向:結(jié)構(gòu)地震反應(yīng)分析、結(jié)構(gòu)抗震實驗方法與技術(shù),E-mail: hitwangtao@126.com。

    猜你喜歡
    恢復(fù)力離線權(quán)值
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    異步電機離線參數(shù)辨識方法
    防爆電機(2021年4期)2021-07-28 07:42:46
    呼吸閥離線檢驗工藝與評定探討
    CONTENTS
    淺談ATC離線基礎(chǔ)數(shù)據(jù)的準備
    離線富集-HPLC法同時測定氨咖黃敏膠囊中5種合成色素
    中成藥(2018年2期)2018-05-09 07:20:09
    生態(tài)系統(tǒng)恢復(fù)力研究進展及其在防災(zāi)減災(zāi)中的應(yīng)用前景*
    基于權(quán)值動量的RBM加速學(xué)習(xí)算法研究
    碳纖維布加固燕尾榫柱架恢復(fù)力特性研究
    恢復(fù)力研究的新進展
    地下水(2013年1期)2013-12-14 02:53:06
    久久人人爽人人片av| 一本色道久久久久久精品综合| 日本色播在线视频| 国产激情久久老熟女| 亚洲国产欧美网| 黄网站色视频无遮挡免费观看| 日韩视频在线欧美| 在线精品无人区一区二区三| 亚洲激情五月婷婷啪啪| 一边亲一边摸免费视频| 王馨瑶露胸无遮挡在线观看| 婷婷成人精品国产| av视频免费观看在线观看| 男女无遮挡免费网站观看| 久久久久久久久久久免费av| 久久国产精品大桥未久av| 十八禁人妻一区二区| 熟女少妇亚洲综合色aaa.| 丰满少妇做爰视频| 九九爱精品视频在线观看| 不卡视频在线观看欧美| 黄片无遮挡物在线观看| 日韩av免费高清视频| 一级毛片我不卡| 999久久久国产精品视频| 91精品三级在线观看| 汤姆久久久久久久影院中文字幕| 国产片内射在线| 欧美人与性动交α欧美软件| 午夜福利视频在线观看免费| 丝袜美腿诱惑在线| 一级黄片播放器| 自线自在国产av| 国产在线视频一区二区| 99香蕉大伊视频| 男女边吃奶边做爰视频| 下体分泌物呈黄色| 亚洲国产看品久久| 国产成人精品久久二区二区91 | 亚洲精品日本国产第一区| 日本91视频免费播放| 性高湖久久久久久久久免费观看| av福利片在线| 最近中文字幕高清免费大全6| 精品少妇一区二区三区视频日本电影 | 飞空精品影院首页| 捣出白浆h1v1| 99香蕉大伊视频| 精品少妇久久久久久888优播| 一边摸一边做爽爽视频免费| 免费看不卡的av| 久久久久久久久久久久大奶| www.精华液| 在线 av 中文字幕| 日韩 欧美 亚洲 中文字幕| 你懂的网址亚洲精品在线观看| 欧美人与性动交α欧美精品济南到| 成人18禁高潮啪啪吃奶动态图| 少妇 在线观看| 久久久精品免费免费高清| 成人毛片60女人毛片免费| 狂野欧美激情性xxxx| 美国免费a级毛片| 国产日韩欧美亚洲二区| 欧美激情高清一区二区三区 | 午夜福利乱码中文字幕| 一级片免费观看大全| 午夜激情久久久久久久| 水蜜桃什么品种好| 国产成人午夜福利电影在线观看| 日韩大码丰满熟妇| 91老司机精品| 久久久久久久国产电影| 午夜福利免费观看在线| 免费不卡黄色视频| 夜夜骑夜夜射夜夜干| 女人高潮潮喷娇喘18禁视频| 中文字幕人妻丝袜制服| 国产97色在线日韩免费| 国产精品熟女久久久久浪| 国产日韩欧美在线精品| 国产精品亚洲av一区麻豆 | 久久天堂一区二区三区四区| 最新的欧美精品一区二区| 国产片内射在线| 国产精品国产三级国产专区5o| 久久久欧美国产精品| 日韩av在线免费看完整版不卡| 国产精品 欧美亚洲| 水蜜桃什么品种好| kizo精华| 如日韩欧美国产精品一区二区三区| 9色porny在线观看| 女的被弄到高潮叫床怎么办| 伦理电影大哥的女人| 精品一区二区三区四区五区乱码 | 男人爽女人下面视频在线观看| 国产免费又黄又爽又色| 精品福利永久在线观看| 精品一区在线观看国产| 晚上一个人看的免费电影| 国产在线免费精品| 亚洲伊人久久精品综合| 无限看片的www在线观看| tube8黄色片| 久久99一区二区三区| 亚洲国产中文字幕在线视频| 欧美成人午夜精品| 欧美人与善性xxx| 免费观看a级毛片全部| 国产99久久九九免费精品| 国产欧美日韩一区二区三区在线| 精品国产一区二区三区久久久樱花| 国产精品亚洲av一区麻豆 | 两性夫妻黄色片| 天美传媒精品一区二区| 国产爽快片一区二区三区| 午夜福利免费观看在线| 亚洲综合色网址| 亚洲欧美中文字幕日韩二区| 午夜福利一区二区在线看| 欧美亚洲 丝袜 人妻 在线| 男女高潮啪啪啪动态图| 黄色 视频免费看| 女性生殖器流出的白浆| 久久久久视频综合| 九色亚洲精品在线播放| 99国产精品免费福利视频| 国产欧美日韩综合在线一区二区| 少妇猛男粗大的猛烈进出视频| 久久久久国产精品人妻一区二区| 999精品在线视频| 十八禁高潮呻吟视频| 在线精品无人区一区二区三| 亚洲一码二码三码区别大吗| 性少妇av在线| 久久久久精品国产欧美久久久 | 下体分泌物呈黄色| 国产一级毛片在线| 国产xxxxx性猛交| 久久久久久久久久久免费av| 一区二区三区精品91| 又粗又硬又长又爽又黄的视频| 国产1区2区3区精品| 97精品久久久久久久久久精品| 91成人精品电影| 亚洲国产日韩一区二区| 麻豆av在线久日| 国产男人的电影天堂91| 国产成人免费无遮挡视频| 国产精品一二三区在线看| 亚洲第一av免费看| 街头女战士在线观看网站| 丁香六月欧美| 中文字幕色久视频| 亚洲精品日本国产第一区| 一区二区日韩欧美中文字幕| 国产精品成人在线| 国产免费一区二区三区四区乱码| 午夜影院在线不卡| 香蕉丝袜av| 欧美日韩成人在线一区二区| 日本黄色日本黄色录像| 国产精品女同一区二区软件| 亚洲成色77777| 视频在线观看一区二区三区| 高清av免费在线| 丰满少妇做爰视频| 纯流量卡能插随身wifi吗| 欧美激情 高清一区二区三区| 人妻一区二区av| 亚洲欧美精品综合一区二区三区| 国产精品国产三级国产专区5o| 日韩视频在线欧美| 亚洲成人av在线免费| 一级,二级,三级黄色视频| 亚洲天堂av无毛| 国产亚洲最大av| www日本在线高清视频| 国产在线一区二区三区精| 男女床上黄色一级片免费看| 天天躁夜夜躁狠狠久久av| 亚洲成国产人片在线观看| 午夜日韩欧美国产| 纯流量卡能插随身wifi吗| 国产精品二区激情视频| 日韩av不卡免费在线播放| 熟女少妇亚洲综合色aaa.| 老司机深夜福利视频在线观看 | 中文字幕色久视频| 国产亚洲av高清不卡| 黄色视频不卡| 亚洲欧洲日产国产| 国产爽快片一区二区三区| 高清黄色对白视频在线免费看| 9色porny在线观看| 免费黄频网站在线观看国产| 超色免费av| 丝袜美足系列| 久久毛片免费看一区二区三区| 又大又黄又爽视频免费| 97精品久久久久久久久久精品| 大香蕉久久网| 伦理电影免费视频| 丁香六月天网| 亚洲人成电影观看| 亚洲欧美清纯卡通| 国产探花极品一区二区| 午夜久久久在线观看| 老司机靠b影院| 国产精品一区二区在线观看99| 亚洲精品日韩在线中文字幕| 精品亚洲乱码少妇综合久久| 99re6热这里在线精品视频| 午夜日本视频在线| av又黄又爽大尺度在线免费看| 女人爽到高潮嗷嗷叫在线视频| 男女午夜视频在线观看| 国产成人精品在线电影| 麻豆av在线久日| 亚洲国产欧美在线一区| 亚洲,一卡二卡三卡| 大片免费播放器 马上看| 国产爽快片一区二区三区| www.av在线官网国产| 中文欧美无线码| 久久久久人妻精品一区果冻| a 毛片基地| 美女午夜性视频免费| 肉色欧美久久久久久久蜜桃| 99久久精品国产亚洲精品| 精品卡一卡二卡四卡免费| 日韩制服丝袜自拍偷拍| 伦理电影大哥的女人| av福利片在线| 亚洲,一卡二卡三卡| 乱人伦中国视频| 欧美精品人与动牲交sv欧美| av国产久精品久网站免费入址| 久久毛片免费看一区二区三区| 亚洲伊人久久精品综合| 热re99久久精品国产66热6| 精品国产乱码久久久久久男人| 在线观看国产h片| 97在线人人人人妻| 国产在线免费精品| 天天影视国产精品| 色视频在线一区二区三区| 日韩欧美精品免费久久| 激情视频va一区二区三区| 免费在线观看完整版高清| 日韩av在线免费看完整版不卡| 国产人伦9x9x在线观看| 丰满饥渴人妻一区二区三| 国产精品二区激情视频| 亚洲一卡2卡3卡4卡5卡精品中文| 最近中文字幕高清免费大全6| 三上悠亚av全集在线观看| 亚洲中文av在线| 免费不卡黄色视频| 一本大道久久a久久精品| 亚洲国产看品久久| 亚洲免费av在线视频| 国产成人欧美| 国产精品偷伦视频观看了| 在现免费观看毛片| 波野结衣二区三区在线| 日日爽夜夜爽网站| 熟女av电影| 大码成人一级视频| av在线app专区| 婷婷色综合大香蕉| 一区二区三区激情视频| 美女大奶头黄色视频| 欧美日韩国产mv在线观看视频| 久久精品国产亚洲av涩爱| 美女扒开内裤让男人捅视频| 美女扒开内裤让男人捅视频| 人人妻人人添人人爽欧美一区卜| 午夜免费男女啪啪视频观看| 又粗又硬又长又爽又黄的视频| 国产在线一区二区三区精| 国产精品无大码| a 毛片基地| 欧美日韩一区二区视频在线观看视频在线| 嫩草影院入口| 伦理电影大哥的女人| 亚洲情色 制服丝袜| h视频一区二区三区| 免费不卡黄色视频| 韩国高清视频一区二区三区| 少妇精品久久久久久久| 97人妻天天添夜夜摸| 在线观看www视频免费| 亚洲国产日韩一区二区| 在线观看三级黄色| 欧美成人精品欧美一级黄| 五月开心婷婷网| 色综合欧美亚洲国产小说| 老司机靠b影院| 国产伦人伦偷精品视频| 国产男人的电影天堂91| a级毛片黄视频| 一区二区日韩欧美中文字幕| 欧美精品一区二区免费开放| 中文字幕高清在线视频| 丝袜喷水一区| 天堂8中文在线网| 秋霞在线观看毛片| 国产欧美亚洲国产| 性少妇av在线| 久久久久精品性色| 久久毛片免费看一区二区三区| 亚洲熟女精品中文字幕| 精品卡一卡二卡四卡免费| 男女午夜视频在线观看| 亚洲第一区二区三区不卡| av天堂久久9| 黄片播放在线免费| 亚洲av在线观看美女高潮| 免费高清在线观看视频在线观看| 国产精品免费视频内射| 纵有疾风起免费观看全集完整版| 日韩欧美精品免费久久| 欧美日韩综合久久久久久| 成年女人毛片免费观看观看9 | 99香蕉大伊视频| 麻豆精品久久久久久蜜桃| 90打野战视频偷拍视频| 看免费av毛片| 久久鲁丝午夜福利片| 男女边吃奶边做爰视频| 久久久精品免费免费高清| 国产亚洲欧美精品永久| 国产亚洲精品第一综合不卡| 日韩大片免费观看网站| 91成人精品电影| 亚洲天堂av无毛| 亚洲精品在线美女| 视频在线观看一区二区三区| 国产精品国产三级国产专区5o| 美女大奶头黄色视频| 日韩欧美精品免费久久| 成人亚洲欧美一区二区av| 亚洲av电影在线观看一区二区三区| 国产精品久久久人人做人人爽| 午夜老司机福利片| 晚上一个人看的免费电影| 亚洲熟女精品中文字幕| 亚洲欧美激情在线| 久久精品亚洲av国产电影网| 超碰成人久久| 夫妻性生交免费视频一级片| 校园人妻丝袜中文字幕| 两个人免费观看高清视频| 久久99一区二区三区| 男男h啪啪无遮挡| 国产成人精品福利久久| 国产精品欧美亚洲77777| 欧美黑人精品巨大| 国产精品 欧美亚洲| 国产精品麻豆人妻色哟哟久久| 99久久精品国产亚洲精品| 国产精品久久久久久精品古装| 亚洲精品视频女| 亚洲欧美精品综合一区二区三区| 国产成人精品久久二区二区91 | 在线观看免费视频网站a站| 亚洲综合色网址| 亚洲av在线观看美女高潮| 亚洲精品aⅴ在线观看| 久久久精品94久久精品| 18在线观看网站| 少妇猛男粗大的猛烈进出视频| 国产精品久久久av美女十八| 香蕉国产在线看| 天天躁日日躁夜夜躁夜夜| 久久精品aⅴ一区二区三区四区| 国产 一区精品| 曰老女人黄片| 老汉色av国产亚洲站长工具| 各种免费的搞黄视频| 男人舔女人的私密视频| 国产精品 国内视频| 精品国产国语对白av| 久久狼人影院| 欧美人与性动交α欧美精品济南到| 王馨瑶露胸无遮挡在线观看| 日韩欧美一区视频在线观看| av在线观看视频网站免费| 2021少妇久久久久久久久久久| 免费黄频网站在线观看国产| 观看av在线不卡| a级毛片黄视频| 久久女婷五月综合色啪小说| 美女扒开内裤让男人捅视频| 久久精品国产a三级三级三级| 国产免费福利视频在线观看| 久久国产亚洲av麻豆专区| 亚洲第一av免费看| 国产极品天堂在线| 亚洲情色 制服丝袜| 考比视频在线观看| 电影成人av| 午夜免费鲁丝| 国产日韩欧美在线精品| av.在线天堂| 综合色丁香网| 乱人伦中国视频| 国产精品国产三级专区第一集| 国产免费一区二区三区四区乱码| 国产又色又爽无遮挡免| 亚洲国产av新网站| 啦啦啦啦在线视频资源| 欧美日韩综合久久久久久| 成人漫画全彩无遮挡| 亚洲专区中文字幕在线 | 色吧在线观看| 如何舔出高潮| 最近中文字幕2019免费版| 两个人看的免费小视频| 国产黄色视频一区二区在线观看| 亚洲国产日韩一区二区| 操美女的视频在线观看| 国产成人欧美| 日韩av在线免费看完整版不卡| 色播在线永久视频| 国产成人一区二区在线| 国产精品人妻久久久影院| 国产精品蜜桃在线观看| 日韩熟女老妇一区二区性免费视频| 国产一区二区在线观看av| 亚洲精品日本国产第一区| 人人妻人人澡人人爽人人夜夜| 狂野欧美激情性xxxx| 久久久久久人妻| 日韩av不卡免费在线播放| 美国免费a级毛片| 精品国产一区二区三区四区第35| 成人国产麻豆网| 老司机在亚洲福利影院| 最近中文字幕2019免费版| 久久久久人妻精品一区果冻| 国产免费又黄又爽又色| 制服诱惑二区| 下体分泌物呈黄色| 久久精品人人爽人人爽视色| 伊人久久大香线蕉亚洲五| av网站免费在线观看视频| 丝袜美足系列| 看免费成人av毛片| 天天添夜夜摸| 久久久久精品久久久久真实原创| 男人爽女人下面视频在线观看| 国产在线免费精品| 又粗又硬又长又爽又黄的视频| 精品人妻一区二区三区麻豆| 制服丝袜香蕉在线| 嫩草影院入口| 欧美在线黄色| 视频区图区小说| 国产 精品1| 欧美日韩一区二区视频在线观看视频在线| 久久久久精品久久久久真实原创| 成年人午夜在线观看视频| 亚洲在久久综合| 亚洲精品国产色婷婷电影| 精品一区二区三卡| 少妇人妻久久综合中文| 天天躁夜夜躁狠狠躁躁| 亚洲综合色网址| 18禁国产床啪视频网站| 伦理电影免费视频| 在线观看一区二区三区激情| 久久久久国产一级毛片高清牌| 国产免费又黄又爽又色| 美女扒开内裤让男人捅视频| 午夜免费男女啪啪视频观看| 色婷婷av一区二区三区视频| 飞空精品影院首页| 免费在线观看黄色视频的| 午夜福利视频在线观看免费| 激情五月婷婷亚洲| 丁香六月天网| 中国国产av一级| 午夜福利免费观看在线| 大片免费播放器 马上看| 男女免费视频国产| 激情视频va一区二区三区| 婷婷色麻豆天堂久久| 亚洲国产欧美日韩在线播放| 日韩大片免费观看网站| 日韩 欧美 亚洲 中文字幕| 9色porny在线观看| 丝袜美腿诱惑在线| 超碰成人久久| 亚洲美女黄色视频免费看| 女人高潮潮喷娇喘18禁视频| 中文字幕色久视频| 亚洲成av片中文字幕在线观看| 丰满少妇做爰视频| 男女免费视频国产| 老司机靠b影院| 一本色道久久久久久精品综合| 国产一区有黄有色的免费视频| 久久久久人妻精品一区果冻| 性高湖久久久久久久久免费观看| 亚洲欧美一区二区三区久久| 麻豆av在线久日| 伊人久久大香线蕉亚洲五| 亚洲精品,欧美精品| 亚洲欧美中文字幕日韩二区| 巨乳人妻的诱惑在线观看| 亚洲成av片中文字幕在线观看| 99国产综合亚洲精品| 天天躁日日躁夜夜躁夜夜| 国产一区二区三区综合在线观看| 搡老乐熟女国产| 一个人免费看片子| 熟女少妇亚洲综合色aaa.| 国产午夜精品一二区理论片| 国产一区亚洲一区在线观看| 精品视频人人做人人爽| 欧美日韩亚洲国产一区二区在线观看 | 精品久久久久久电影网| 亚洲av综合色区一区| 日韩人妻精品一区2区三区| 亚洲一区中文字幕在线| 人人妻人人澡人人爽人人夜夜| 久久国产亚洲av麻豆专区| 欧美黄色片欧美黄色片| 啦啦啦在线观看免费高清www| 久久精品国产a三级三级三级| 久久性视频一级片| 国产精品一二三区在线看| 亚洲一码二码三码区别大吗| 亚洲一区中文字幕在线| 欧美日韩亚洲综合一区二区三区_| 无限看片的www在线观看| 精品国产一区二区三区久久久樱花| 看免费av毛片| 尾随美女入室| 国产亚洲午夜精品一区二区久久| 国产淫语在线视频| 少妇人妻久久综合中文| 天天躁狠狠躁夜夜躁狠狠躁| 只有这里有精品99| www.自偷自拍.com| 男女国产视频网站| 久久久久精品人妻al黑| 亚洲国产精品成人久久小说| 免费在线观看黄色视频的| 亚洲国产精品国产精品| 精品第一国产精品| 国产成人精品久久久久久| 秋霞在线观看毛片| 人人妻人人澡人人看| 免费黄频网站在线观看国产| 久久久久精品国产欧美久久久 | 啦啦啦中文免费视频观看日本| 亚洲一码二码三码区别大吗| 天堂俺去俺来也www色官网| 少妇被粗大猛烈的视频| 两个人免费观看高清视频| netflix在线观看网站| 国产精品.久久久| 国产 精品1| 精品久久久久久电影网| 熟女av电影| 国产成人a∨麻豆精品| 色精品久久人妻99蜜桃| 免费黄网站久久成人精品| 自拍欧美九色日韩亚洲蝌蚪91| 国产探花极品一区二区| 欧美日韩av久久| 亚洲色图 男人天堂 中文字幕| 青春草视频在线免费观看| 毛片一级片免费看久久久久| 高清黄色对白视频在线免费看| 狠狠精品人妻久久久久久综合| 国产男女内射视频| 国产一区二区三区av在线| 久久人人97超碰香蕉20202| 免费av中文字幕在线| 久久女婷五月综合色啪小说| 一边摸一边抽搐一进一出视频| 少妇人妻 视频| 亚洲,欧美精品.| 丰满乱子伦码专区| 精品国产一区二区三区久久久樱花| 啦啦啦啦在线视频资源| 亚洲欧洲国产日韩| 亚洲欧美成人精品一区二区| 不卡av一区二区三区| 欧美日韩一级在线毛片| 欧美97在线视频| 亚洲成人手机| 黄片无遮挡物在线观看| av线在线观看网站| 91老司机精品| 老鸭窝网址在线观看| 十八禁高潮呻吟视频| 国产97色在线日韩免费| avwww免费| 亚洲av男天堂| 日韩欧美一区视频在线观看| av国产精品久久久久影院| 午夜福利免费观看在线| 亚洲国产精品成人久久小说| 制服丝袜香蕉在线| 我要看黄色一级片免费的| av免费观看日本| 久久狼人影院| 看免费av毛片| 这个男人来自地球电影免费观看 |