• <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 ?

    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑

    2016-12-20 20:36:43趙玉龍王昌榮蔣有才
    價值工程 2016年32期
    關(guān)鍵詞:故障預(yù)測支持向量機(jī)準(zhǔn)確度

    趙玉龍 王昌榮 蔣有才

    摘要: 提高故障預(yù)測準(zhǔn)確度的方法有很多,研究先進(jìn)的智能預(yù)測算法就是其中的一種。大量的先進(jìn)預(yù)測算法都得到了廣泛的應(yīng)用,如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。每種智能預(yù)測算法都有各自的優(yōu)點(diǎn)和不足,首先介紹了常見的智能預(yù)測算法及其應(yīng)用;然后重點(diǎn)介紹了支持向量機(jī),主要包括其基本原理和主要問題;最后對支持向量機(jī)算法的改進(jìn)方向進(jìn)行了探討。支持向量機(jī)作為智能預(yù)測算法的一種,對于提高故障預(yù)測準(zhǔn)確度有很好的應(yīng)用前景。

    Abstract: There are many methods to improve the accurate degree of fault prediction, and the advanced intelligent prediction algorithm is one of them. A large number of advanced prediction algorithms have been widely used, such as expert systems, neural networks, support vector machines and so on. Each kind of intelligent prediction algorithm has its own advantages and disadvantages. The common intelligent prediction algorithm and its application are introduced in this paper. Then the support vector machine is introduced, mainly including its basic principles and main problems. Finally, the improvement direction of the support vector machine algorithm is discussed. As a kind of intelligent prediction algorithm, support vector machine has a good application prospect for improving the accuracy of fault prediction.

    關(guān)鍵詞: 故障預(yù)測;準(zhǔn)確度;智能預(yù)測算法;支持向量機(jī)

    Key words: fault prediction;accurate degree;intelligence prediction algorithm;support vector machine

    中圖分類號:TP206+.3 文獻(xiàn)標(biāo)識碼:A 文章編號:1006-4311(2016)32-0159-03

    0 引言

    從功能定位情況來看,相比于故障診斷,故障預(yù)測這種維修保障形式更加高級,屬于新興邊緣學(xué)科的范疇,其綜合性較強(qiáng),覆蓋了通信、材料、機(jī)械、控制、計(jì)算機(jī)、電子等多個領(lǐng)域[1]。

    主要強(qiáng)調(diào)預(yù)見性的故障診斷,其目的在于預(yù)先消除故障,進(jìn)而實(shí)現(xiàn)維護(hù)費(fèi)用以及工作量的全面降低。在這一背景下,故障預(yù)測技術(shù)的首要發(fā)展問題,便是怎樣提升故障預(yù)測準(zhǔn)確度。

    提高故障預(yù)測準(zhǔn)確的方法有很多,從故障預(yù)測整個流程來說,就可以從數(shù)據(jù)的準(zhǔn)確度、數(shù)據(jù)的預(yù)處理、故障特征提取方法的改進(jìn)以及智能預(yù)測算法的選擇這四個方面來進(jìn)行提高。提高數(shù)據(jù)準(zhǔn)確度方面,研究一些新型靈巧、健壯的傳感器以及尋求高信噪比的數(shù)據(jù)監(jiān)測手段都能夠?qū)?shù)據(jù)的準(zhǔn)確度有很大的提高。數(shù)據(jù)的預(yù)處理方面,改進(jìn)現(xiàn)有的降噪方法以及尋求新的降噪方法都是很多學(xué)者的研究內(nèi)容,這對于提高預(yù)測的準(zhǔn)確度也有不可忽視的作用。特征提取方面,尋找到能夠表征設(shè)備性能退化的特征也是現(xiàn)在研究的熱點(diǎn)。

    預(yù)測方法方面,一些先進(jìn)的智能預(yù)測算法相繼被提出,并且相應(yīng)的改進(jìn)方法也得到了廣泛的應(yīng)用,最新的一些組合預(yù)測算法也再相關(guān)的文獻(xiàn)中被應(yīng)用。

    四個方面中每一個方面的進(jìn)步都會對故障預(yù)測準(zhǔn)確度的提高有重要的作用。本文主要從第四個方面即智能預(yù)測算法方面進(jìn)行分析和研究。介紹了一些常見的智能預(yù)測算法及其應(yīng)用情況,并重點(diǎn)介紹了比較有前景的支持向量機(jī)算法的一些基本問題和改進(jìn)的方向。

    1 常見的智能預(yù)測算法及其應(yīng)用

    1.1 專家系統(tǒng)及其應(yīng)用

    在很難建立數(shù)學(xué)模型或是無精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)中,專家系統(tǒng)的作用能夠充分發(fā)揮出來,其優(yōu)勢在非線性領(lǐng)域表現(xiàn)的尤為突出。李茂林[2]、張晶[3]等將研究目光著眼于某自行火炮的電氣系統(tǒng)的失效模式以及故障機(jī)理方面,在對其展開了細(xì)致而又全面的分析的基礎(chǔ)之上,充分發(fā)揮混合推理機(jī)制的作用,系統(tǒng)地分析了推理機(jī)的實(shí)現(xiàn)問題,進(jìn)而致力于電氣系統(tǒng)故障綜合診斷專家系統(tǒng)的開發(fā)。結(jié)果顯示,此系統(tǒng)在提升電氣系統(tǒng)的保障能力方面的作用是極為突出的,能夠?yàn)楸U先藛T提供專業(yè)化的決策參考。必須要關(guān)注的一點(diǎn)為,專家系統(tǒng)地開發(fā)依賴于大量的原始積累,且其開發(fā)周期較長,現(xiàn)階段尚不具備一個統(tǒng)一的規(guī)范來指導(dǎo)專家系統(tǒng)的開發(fā),因此出現(xiàn)偏差的概率也相對較大。

    綜合來看,盡管專家系統(tǒng)的應(yīng)用相對較早,但是已有的研究成果比較少,因此新的智能預(yù)測算法逐步發(fā)展起來,有望取而代之。

    1.2 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用

    從實(shí)現(xiàn)方式來看,如下兩種方式可以實(shí)現(xiàn)預(yù)測故障神經(jīng)網(wǎng)絡(luò)預(yù)測功能:首先是對輸入輸出之間的動態(tài)關(guān)系加以考量,充分發(fā)揮帶饋連接動態(tài)神經(jīng)網(wǎng)絡(luò)的作用,完成動態(tài)模型的建立,進(jìn)而發(fā)揮其預(yù)測功能;其次為將神經(jīng)網(wǎng)絡(luò)作為函數(shù)逼近器,采用擬合預(yù)測的方式來評估設(shè)備工況情況。從神經(jīng)網(wǎng)絡(luò)的特點(diǎn)來看,其非線性映射能力較為突出,因此可以逼近所有的非線性函數(shù)。Nawaz[4]等將研究對象定為半導(dǎo)體蝕刻設(shè)備,充分發(fā)揮遞歸神經(jīng)網(wǎng)絡(luò)的作用,實(shí)現(xiàn)了預(yù)測準(zhǔn)確度的全面提升,準(zhǔn)確度高達(dá)百分之九十左右。郭濤[5]等將研究對象定為某魚雷保障設(shè)備,充分發(fā)揮RBF的作用,完成了網(wǎng)絡(luò)預(yù)測模型的建立,進(jìn)而實(shí)現(xiàn)了預(yù)測準(zhǔn)確度的全面提升。

    從客觀上來講,神經(jīng)網(wǎng)絡(luò)的缺陷也是顯而易見的,較為突出的幾項(xiàng)缺點(diǎn)為:訓(xùn)練樣本的需求量相對較大、容易限于局部最小點(diǎn)、對于經(jīng)驗(yàn)因素的依賴性較強(qiáng)、易于出現(xiàn)過學(xué)習(xí)情況。針對神經(jīng)網(wǎng)絡(luò)的上述缺點(diǎn),一些相關(guān)的改進(jìn)改進(jìn)方法也得到了應(yīng)用。程進(jìn)軍[6]等利用遺傳算法(GA)多神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進(jìn)行尋優(yōu),建立了GA和NN的預(yù)測模型,仿真結(jié)果表明該模型的預(yù)測精度較高;范愛鋒等提出了指數(shù)衰減神經(jīng)網(wǎng)絡(luò)模型,確定了衰減系數(shù)取0.75~0.9為宜,并以某型雷達(dá)磁控管為例進(jìn)行故障預(yù)測,取得了較高的預(yù)測精度。

    1.3 支持向量機(jī)及其應(yīng)用

    從定義上來講,支持向量機(jī)(SVM)應(yīng)該被歸于機(jī)器學(xué)習(xí)算法的范疇,這一算法是在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)之上發(fā)展而來的,其優(yōu)點(diǎn)在于:對于樣本量的要求較低,具備較強(qiáng)的小樣本學(xué)習(xí)能力;學(xué)習(xí)能力較強(qiáng)、泛化能力較強(qiáng)。隨著現(xiàn)代科技的不斷發(fā)展,設(shè)備的復(fù)雜性也逐漸增強(qiáng),因此小樣本學(xué)習(xí)能力較強(qiáng)的設(shè)備的優(yōu)越性便得以凸顯,在這一背景下,支持向量機(jī)的作用便得到了充分發(fā)揮。

    支持向量機(jī)在近些年來呈現(xiàn)出較快的發(fā)展?fàn)顟B(tài)。田干[7]等將研究目光著眼于液體火箭發(fā)動機(jī)參數(shù)預(yù)測領(lǐng)域,著重強(qiáng)調(diào)與對最小二乘支持向量機(jī)以及支持向量機(jī)的利用,實(shí)現(xiàn)了預(yù)測精度的全面提升。在此基礎(chǔ)上展開了橫向的對比,肯定了支持向量機(jī)的優(yōu)勢所在。從客觀上來講,盡管支持向量機(jī)的測量精度較高,但是最小二乘支持向量機(jī)卻在訓(xùn)練時間上表現(xiàn)了一定的優(yōu)勢。Benkedjouh[8]等將研究對象定為軸承的剩余壽命預(yù)測問題,有效利用了支持向量回歸機(jī)的作用,依次完成線上步驟以及線下步驟,在訓(xùn)練支持回歸模型的基礎(chǔ)之上科學(xué)的預(yù)測軸承的剩余壽命,得到了較為準(zhǔn)確的預(yù)測結(jié)果。

    2 支持向量機(jī)預(yù)測算法基本問題及改進(jìn)方向

    2.1 支持向量機(jī)的基本原理[9]

    設(shè)給定訓(xùn)練集回歸問題就是依據(jù)給定的訓(xùn)練數(shù)據(jù)尋找一個實(shí)值函數(shù)y=f(x)來擬合 y 與x 的依賴關(guān)系。對于線性回歸,用線性回歸函數(shù):y=f(x)=(?棕·x)+b來擬合數(shù)據(jù);對于非線性情況,支持向量回歸機(jī)的基本思想是通過一個非線性映射:nΦ R → H將樣本點(diǎn)映射到高維特征空間 H ,并在高維特征空間進(jìn)行線性回歸,從而得到原空間的非線性回歸估計(jì)。此時回歸估計(jì)函數(shù)為:y=f (x)=(?棕·?鬃(x))+b。通過解最優(yōu)化問題可以得到權(quán)值向量 w 和偏置 b ,從而得到回歸函數(shù)。

    2.2 支持向量機(jī)預(yù)測的主要問題

    核函數(shù)、懲罰參數(shù)C、核參數(shù)的選取是影響支持向量機(jī)使用性能的三項(xiàng)主要因素[10]。一般情況下,擬合程度與C呈現(xiàn)出正比關(guān)系,C越大,代表學(xué)習(xí)機(jī)器的復(fù)雜性越高,在這種情況下,“過學(xué)習(xí)”現(xiàn)象便更容易發(fā)生。但是若學(xué)習(xí)機(jī)器的復(fù)雜度過低的話,還會導(dǎo)致“欠學(xué)習(xí)”的情況。C取值對于SVM性能的影響將在高于一定的閾值之后失效。高斯核函數(shù)、多項(xiàng)式核函數(shù)、RBF核函數(shù)以及線性核函數(shù)是幾類典型的SVM的核函數(shù)。核參數(shù)以及核函數(shù)的選取是成功構(gòu)建SVM模型的首要問題。SVM模型的性能會受到C以及核函數(shù)參數(shù)的重要影響,但是支持向量的個數(shù)卻不會發(fā)生太大的變動。舉一個典型的例子,模型的分類精度將會受到RBF核函數(shù)的參數(shù)Gamma的取值問題的嚴(yán)重影響,從這一點(diǎn)來看,懲罰因子C以及核參數(shù)Gamma的選取是影響RBF核的SVM模型分類精度的重要參數(shù)。

    明確了上述基本信息之后,重點(diǎn)來看已有的模型參數(shù)選取方法。從現(xiàn)階段形勢來看,應(yīng)用性較強(qiáng)的幾類模型參數(shù)選取方法為:網(wǎng)絡(luò)搜索法、粒子群算法優(yōu)化(PSO)、窮舉法、遺傳算法優(yōu)化、交叉驗(yàn)證法、樓梯下降法等[10]。綜合來看,操作較為簡便的兩種算法為較差驗(yàn)證法以及窮舉法,不過其缺陷在于效果較差、速度較慢、計(jì)算量比較大等。具備速度優(yōu)勢的方法為樓梯下降法,但是其陷入局部最優(yōu)的概率較高,而網(wǎng)格算法的計(jì)算量卻非常大。粒子群算法的缺點(diǎn)在于不容易收斂,易于陷入局部最優(yōu)。遺傳算法的缺點(diǎn)在于操作較為復(fù)雜,但是其不會涉及到局部最優(yōu)的問題。

    2.3 支持向量機(jī)預(yù)測方法的改進(jìn)

    在前文中,重點(diǎn)闡釋了支持向量機(jī)預(yù)測精度的問題所在,在本節(jié)中,主要就其改進(jìn)策略加以討論。從當(dāng)前來看,主要有如下改進(jìn)思路,分別為:立足于現(xiàn)有模型參數(shù)選擇方法的缺陷所在,進(jìn)行科學(xué)的組合;改進(jìn)現(xiàn)有模型參數(shù)選擇方法;積極探索通用化較好的標(biāo)準(zhǔn)化的模型參數(shù)確定方法。

    想要全面提升模型的預(yù)測準(zhǔn)確度,必須要逐步改進(jìn)現(xiàn)有模型參數(shù)選擇方法的缺陷。從客觀上來講,受限于參數(shù)選擇范圍的問題,最有參數(shù)的確定需要耗費(fèi)巨大的時間成本,其可行性相對較低。針對這一情況,田海雷[11]等探索出了基于改進(jìn)人工魚群算法(AFSA)的支持向量機(jī)(SVM)預(yù)測算法。其思路在于通過改進(jìn)AFSA來實(shí)現(xiàn)SVM參數(shù)的全面優(yōu)化。與此同時,發(fā)揮遺傳算法(GA)、粒子群優(yōu)化(PSO)算法、AAFSA.AFSA.優(yōu)勢,充分依照股票上證指數(shù),全面優(yōu)化SVM回歸模型的參數(shù)C和G。在此基礎(chǔ)上完成SVM回歸預(yù)測模型構(gòu)建,展開了全面的數(shù)據(jù)預(yù)測活動。具體結(jié)果參見表1。

    結(jié)果顯示,經(jīng)過改進(jìn)后,實(shí)現(xiàn)了預(yù)測精度的全面提升,具備了高于粒子群優(yōu)化算法、遺傳算法、基本AFSA優(yōu)化的支持向量機(jī)的預(yù)測精度。李文元[12]等的研究提升了人為參數(shù)選擇的效率,主要依靠PSO算法優(yōu)化LS-SVM的參數(shù)來實(shí)現(xiàn),成功的結(jié)合了最小而成支持向量機(jī)算法以及粒子群算法的優(yōu)勢。從具體應(yīng)用情況來看,其可行性與有效性相對較高,在運(yùn)算速度以及預(yù)測精度方面的突破是值得肯定的。

    從客觀上來評判,組合模型參數(shù)選擇方法是實(shí)現(xiàn)模型預(yù)測準(zhǔn)確度提升的捷徑所在。王久崇[13]等致力于基于最小二乘支持向量機(jī)故障預(yù)測準(zhǔn)確度的全面提升,充分發(fā)揮AFS-ABC算法的作用,實(shí)現(xiàn)了LS-SVM的參數(shù)C和σ的組合優(yōu)化,探索出了在蜂群算法中的新應(yīng)用,其LS-SVM模型的訓(xùn)練集來自于某航空電子系統(tǒng)電源模塊記錄,實(shí)現(xiàn)了優(yōu)勢互補(bǔ)的作用,在此基礎(chǔ)上完成了狀態(tài)預(yù)測仿真,將MATLAB的LS-SVM工具箱的作用發(fā)揮的淋漓盡致。將基準(zhǔn)定為真實(shí)值0.07779,進(jìn)而得到預(yù)測值標(biāo)準(zhǔn)差的偏離值:“PSO預(yù)測值”為0.00031,“AFS-ABC預(yù)測值”為0.00008,“GA預(yù)測值”為0.00141。由此可見,尋優(yōu)結(jié)果精度、局部極值、LS-SVM的預(yù)測精度等問題的解決方面,AFS-ABC算法的作用得到了凸顯。

    從上述分析來看,預(yù)測結(jié)果會受到核函數(shù)選取情況的影響,在這一背景下,需要面向?qū)嶋H需求來進(jìn)行新的核函數(shù)的構(gòu)建。從現(xiàn)階段研究情況來看,鮮少有涉及利用新核函數(shù)的建立以及核函數(shù)的組合來提升設(shè)備故障預(yù)測效果的研究,不過故障診斷應(yīng)用情況卻相對較好。我們必須要關(guān)注故障診斷到故障預(yù)測的連續(xù)性特征,在此基礎(chǔ)上就故障預(yù)測領(lǐng)域的突破做出積極的努力。

    一套通用性比較好的標(biāo)準(zhǔn)化的模型參數(shù)確定方法如果得以確定,那對于提高支持向量機(jī)預(yù)測的準(zhǔn)確度肯定會有質(zhì)的飛躍。目前,很多學(xué)者已經(jīng)投入到這方面的研究中,雖然目前研究成果還不豐富,但在不久的將來,相關(guān)的研究成果肯定會出現(xiàn),并會對預(yù)測準(zhǔn)確度的提高起到很好的推動作用。

    3 結(jié)束語

    在本研究中,就常見的智能預(yù)測算法及其應(yīng)用問題展開了系統(tǒng)的闡釋,立足于預(yù)測算法領(lǐng)域現(xiàn)存的主要問題,進(jìn)行了方向性較強(qiáng)的策略探討。圍繞著支持向量機(jī)預(yù)測算法的問題展開了系統(tǒng)的說明,并闡明其優(yōu)勢所在,著重進(jìn)行了理論分析與應(yīng)用拓展,致力于設(shè)備預(yù)測準(zhǔn)確度的全面提升。綜合而言,支持向量機(jī)的未來發(fā)展形勢一片大好。

    參考文獻(xiàn):

    [1]Liu C S,Hu S S,Intelligent Nonlinear Fault Diagnosis based on State Estimator[J].Control and Decision,2005,20(5):557-561.

    [2]李茂林,石志勇,董志鵬,等.某型自行火炮電氣故障診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].兵工自動化,2009,28(11):12-14.

    [3]張晶.某型自行火炮綜合電氣系統(tǒng)故障診斷專家系統(tǒng)[J].兵工自動化,2010,29(3):58-59.

    [4]J.M.Nawaz, M.Z.Arshad, S.J.Hong. Time series fault prediction in semiconductor equipment using recurrent neural network[J].Springer-Verlag Bering Heideberg 2013.

    [5]郭濤,黃波.基于神經(jīng)網(wǎng)絡(luò)的某魚雷保障設(shè)備故障預(yù)測方法[J].兵工自動化,2013,32(5):85-90.

    [6]程進(jìn)軍,夏智勛,胡雷剛.基于遺傳神經(jīng)網(wǎng)絡(luò)的航空裝備故障預(yù)測[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,12(1):15-19.

    [7]田干,張煒,楊正偉,等.SVM方法在火箭發(fā)動機(jī)故障預(yù)測中的應(yīng)用[J].機(jī)械科學(xué)與技術(shù),2010,29(1):63-67.

    [8]T. Benkedjouh, K.Medjaher, N.Zerhouni, S.Rechak. Remaining useful life estimation based on nonlinear feature reduction and support vector regression[J]. Engineering Applications of Artificial Intelligence 26 (2013):1751-1760.

    [9]薛輝輝,肖明清,段軍峰,等.基于雜合支持向量回歸機(jī)的電子裝備故障預(yù)測[J].計(jì)算機(jī)工程,2012,38(8):283-286.

    [10]付陽,李昆侖,等.支持向量機(jī)模型參數(shù)選擇方法綜述[J].電能知識及技術(shù),2010,28(6):8025,8081-8082.

    [11]田海雷,李洪儒,許葆華.基于改進(jìn)人工魚群算法的支持向量機(jī)預(yù)測[J].計(jì)算機(jī)工程,2013,39(4):222-225.

    [12]李文元,閆海華,姚宏杰,等.粒子群優(yōu)化的最小二乘支持向量機(jī)在通信裝備故障預(yù)測中的應(yīng)用[J].微電子與計(jì)算機(jī),2013,30(2):99-102.

    [13]王久崇,樊曉光,盛晟,等.改進(jìn)的蜂群LS-SVM故障預(yù)測[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,14(1):16-19.

    猜你喜歡
    故障預(yù)測支持向量機(jī)準(zhǔn)確度
    幕墻用掛件安裝準(zhǔn)確度控制技術(shù)
    建筑科技(2018年6期)2018-08-30 03:40:54
    基于大數(shù)據(jù)分析的油氣生產(chǎn)設(shè)備故障多維分析與預(yù)測
    中國市場(2017年11期)2017-05-05 12:15:09
    基于SVM的煙草銷售量預(yù)測
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
    價值工程(2016年29期)2016-11-14 00:13:35
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    動態(tài)汽車衡準(zhǔn)確度等級的現(xiàn)實(shí)意義
    山區(qū)輸電線路在線監(jiān)測研究
    綜合模塊化航空電子系統(tǒng)的故障預(yù)測與健康管理技術(shù)
    PHM技術(shù)在測控裝備管理中的應(yīng)用
    色播亚洲综合网| 99久久精品一区二区三区| 欧美+亚洲+日韩+国产| 久久中文字幕一级| 午夜福利18| 国产男靠女视频免费网站| 国产爱豆传媒在线观看| 色哟哟哟哟哟哟| 亚洲成人久久性| 一区二区三区高清视频在线| 欧美+亚洲+日韩+国产| 久久久国产欧美日韩av| 在线观看一区二区三区| 国产又色又爽无遮挡免费看| 搡老妇女老女人老熟妇| 美女高潮的动态| 脱女人内裤的视频| 好男人电影高清在线观看| 波多野结衣高清作品| 免费搜索国产男女视频| 99久久成人亚洲精品观看| 欧美不卡视频在线免费观看| 99久久精品热视频| 十八禁人妻一区二区| 亚洲精品乱码久久久v下载方式 | 色老头精品视频在线观看| 亚洲 国产 在线| 亚洲av成人av| a在线观看视频网站| svipshipincom国产片| 757午夜福利合集在线观看| 午夜福利18| 免费看美女性在线毛片视频| 特大巨黑吊av在线直播| 少妇熟女aⅴ在线视频| 男女午夜视频在线观看| 一个人免费在线观看电影 | 国产一区在线观看成人免费| 国产成人精品无人区| 又爽又黄无遮挡网站| 国产午夜精品论理片| 女人高潮潮喷娇喘18禁视频| 久久中文字幕一级| 国产69精品久久久久777片 | 免费看十八禁软件| 蜜桃久久精品国产亚洲av| www日本在线高清视频| 亚洲国产精品sss在线观看| 欧美性猛交╳xxx乱大交人| 99热6这里只有精品| 天堂av国产一区二区熟女人妻| 不卡一级毛片| 亚洲无线在线观看| 久久久国产成人精品二区| 久久精品亚洲精品国产色婷小说| 国产一区在线观看成人免费| 这个男人来自地球电影免费观看| 怎么达到女性高潮| 欧美又色又爽又黄视频| 午夜亚洲福利在线播放| 精品久久蜜臀av无| 亚洲欧美精品综合一区二区三区| 国产伦精品一区二区三区视频9 | 成人鲁丝片一二三区免费| 午夜免费观看网址| 国产极品精品免费视频能看的| 国内精品一区二区在线观看| 九九久久精品国产亚洲av麻豆 | 麻豆av在线久日| xxxwww97欧美| 韩国av一区二区三区四区| 日本五十路高清| 叶爱在线成人免费视频播放| 熟女少妇亚洲综合色aaa.| 岛国在线观看网站| 综合色av麻豆| 99久久精品国产亚洲精品| 成人精品一区二区免费| av中文乱码字幕在线| 听说在线观看完整版免费高清| 精品欧美国产一区二区三| 天堂网av新在线| 黄色 视频免费看| 天堂√8在线中文| 日韩有码中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 巨乳人妻的诱惑在线观看| 欧美激情在线99| 精品久久久久久成人av| 国产一级毛片七仙女欲春2| 亚洲熟妇熟女久久| 成人鲁丝片一二三区免费| www日本在线高清视频| 最新中文字幕久久久久 | 丁香六月欧美| 嫩草影视91久久| 黄色视频,在线免费观看| 国产69精品久久久久777片 | 男插女下体视频免费在线播放| 日本三级黄在线观看| 午夜两性在线视频| 一个人免费在线观看的高清视频| 色av中文字幕| 亚洲中文字幕一区二区三区有码在线看 | 国产亚洲精品久久久com| 国产aⅴ精品一区二区三区波| 国产乱人伦免费视频| 久久久成人免费电影| 18美女黄网站色大片免费观看| 中文在线观看免费www的网站| 精品国产超薄肉色丝袜足j| 国产黄a三级三级三级人| 无人区码免费观看不卡| 成人高潮视频无遮挡免费网站| 日韩欧美精品v在线| 久久亚洲精品不卡| 在线十欧美十亚洲十日本专区| 精品免费久久久久久久清纯| 琪琪午夜伦伦电影理论片6080| 国产伦人伦偷精品视频| 香蕉国产在线看| 久久久久国产一级毛片高清牌| 亚洲欧洲精品一区二区精品久久久| 成人欧美大片| 岛国在线观看网站| www.自偷自拍.com| 日本 av在线| 综合色av麻豆| 1024手机看黄色片| 丰满人妻熟妇乱又伦精品不卡| 特级一级黄色大片| 免费看光身美女| 巨乳人妻的诱惑在线观看| 久久天堂一区二区三区四区| 国产欧美日韩一区二区三| 国产 一区 欧美 日韩| 亚洲av五月六月丁香网| 熟女电影av网| 一级a爱片免费观看的视频| 美女高潮喷水抽搐中文字幕| 九九热线精品视视频播放| 麻豆av在线久日| 操出白浆在线播放| 亚洲男人的天堂狠狠| 欧美一级a爱片免费观看看| 欧美乱码精品一区二区三区| 国产一级毛片七仙女欲春2| 亚洲乱码一区二区免费版| 五月玫瑰六月丁香| 欧美成人一区二区免费高清观看 | 手机成人av网站| 亚洲av成人不卡在线观看播放网| 欧美黄色片欧美黄色片| 制服丝袜大香蕉在线| 99精品久久久久人妻精品| 国产aⅴ精品一区二区三区波| 国产毛片a区久久久久| 色在线成人网| 日本免费a在线| 夜夜夜夜夜久久久久| 波多野结衣巨乳人妻| 亚洲自偷自拍图片 自拍| 亚洲精品一区av在线观看| 欧美成人性av电影在线观看| 一级毛片女人18水好多| 少妇丰满av| 女生性感内裤真人,穿戴方法视频| 亚洲狠狠婷婷综合久久图片| 色播亚洲综合网| 精品无人区乱码1区二区| 亚洲在线自拍视频| 一二三四在线观看免费中文在| 国产男靠女视频免费网站| 成人特级av手机在线观看| 国产真实乱freesex| 亚洲在线观看片| 国产视频一区二区在线看| av欧美777| 在线观看美女被高潮喷水网站 | 一区二区三区激情视频| 国产私拍福利视频在线观看| 九色成人免费人妻av| 一本综合久久免费| 大型黄色视频在线免费观看| 亚洲18禁久久av| 禁无遮挡网站| 两个人看的免费小视频| 一二三四在线观看免费中文在| 国产精品香港三级国产av潘金莲| 18禁美女被吸乳视频| 在线免费观看不下载黄p国产 | av天堂中文字幕网| 不卡一级毛片| 欧美在线黄色| 美女高潮喷水抽搐中文字幕| 久久精品综合一区二区三区| 成人午夜高清在线视频| 国产日本99.免费观看| 中文字幕高清在线视频| 1000部很黄的大片| 国产精品免费一区二区三区在线| 18美女黄网站色大片免费观看| 亚洲男人的天堂狠狠| 亚洲av五月六月丁香网| 精品国产三级普通话版| 69av精品久久久久久| 91麻豆av在线| 99国产精品一区二区三区| 亚洲国产精品sss在线观看| 日本免费a在线| 特大巨黑吊av在线直播| 又黄又粗又硬又大视频| 日韩三级视频一区二区三区| 色av中文字幕| 国产精品一区二区三区四区免费观看 | 熟女少妇亚洲综合色aaa.| 欧洲精品卡2卡3卡4卡5卡区| 在线十欧美十亚洲十日本专区| 免费av不卡在线播放| 精品电影一区二区在线| 美女黄网站色视频| 色精品久久人妻99蜜桃| svipshipincom国产片| 亚洲欧美精品综合一区二区三区| 国内揄拍国产精品人妻在线| 亚洲国产欧美一区二区综合| 校园春色视频在线观看| 在线十欧美十亚洲十日本专区| 91av网一区二区| 国产成人精品久久二区二区91| 色综合欧美亚洲国产小说| 国产精品国产高清国产av| 男女做爰动态图高潮gif福利片| 久久精品91无色码中文字幕| 国产av一区在线观看免费| 一级毛片高清免费大全| 国产亚洲精品久久久com| 国产精品久久电影中文字幕| 亚洲av五月六月丁香网| 俄罗斯特黄特色一大片| 成人精品一区二区免费| 国产欧美日韩精品亚洲av| 久久草成人影院| 999精品在线视频| 观看美女的网站| 国内精品久久久久精免费| 国产不卡一卡二| 一进一出抽搐动态| 999精品在线视频| 一个人观看的视频www高清免费观看 | www日本在线高清视频| 女生性感内裤真人,穿戴方法视频| 蜜桃久久精品国产亚洲av| 神马国产精品三级电影在线观看| 十八禁人妻一区二区| 免费看光身美女| 国产三级黄色录像| 日韩大尺度精品在线看网址| 宅男免费午夜| 午夜成年电影在线免费观看| 啦啦啦免费观看视频1| 女警被强在线播放| 色哟哟哟哟哟哟| 老鸭窝网址在线观看| 亚洲国产日韩欧美精品在线观看 | 午夜精品在线福利| 免费av不卡在线播放| 我要搜黄色片| 99久久99久久久精品蜜桃| 丝袜人妻中文字幕| 国内精品一区二区在线观看| 一个人免费在线观看电影 | 国产高清有码在线观看视频| 在线观看舔阴道视频| 国产精品一区二区三区四区久久| 国产综合懂色| 久久这里只有精品中国| 精品久久蜜臀av无| 亚洲国产精品sss在线观看| 国产成人aa在线观看| 亚洲熟女毛片儿| 最近最新中文字幕大全免费视频| 久久精品亚洲精品国产色婷小说| 舔av片在线| 日日夜夜操网爽| 香蕉av资源在线| 亚洲欧美精品综合久久99| 91字幕亚洲| 青草久久国产| 老司机在亚洲福利影院| 国产高清有码在线观看视频| 不卡av一区二区三区| 九九热线精品视视频播放| 亚洲在线自拍视频| 美女高潮喷水抽搐中文字幕| 男女那种视频在线观看| 日韩欧美三级三区| 九色国产91popny在线| 男人舔女人下体高潮全视频| 99久久综合精品五月天人人| 男人舔奶头视频| 亚洲欧美日韩高清专用| 国产极品精品免费视频能看的| 久久天躁狠狠躁夜夜2o2o| 国产精品99久久久久久久久| 制服丝袜大香蕉在线| 色综合婷婷激情| 亚洲av成人av| 一级毛片女人18水好多| 老汉色av国产亚洲站长工具| 精品国内亚洲2022精品成人| 久久精品影院6| 亚洲天堂国产精品一区在线| 久久久成人免费电影| 成人三级做爰电影| 91av网一区二区| 亚洲成a人片在线一区二区| ponron亚洲| 两性夫妻黄色片| 黄色成人免费大全| a级毛片在线看网站| 亚洲欧美日韩东京热| 嫩草影院精品99| 久久久久久九九精品二区国产| 中国美女看黄片| 又黄又爽又免费观看的视频| 男女之事视频高清在线观看| 欧美精品啪啪一区二区三区| 亚洲精品中文字幕一二三四区| 国产亚洲精品av在线| 欧美日韩中文字幕国产精品一区二区三区| 国产激情偷乱视频一区二区| 久久香蕉国产精品| 中文字幕av在线有码专区| 亚洲av成人av| 国产欧美日韩精品一区二区| 亚洲av日韩精品久久久久久密| 欧美一级a爱片免费观看看| 国产精品免费一区二区三区在线| 久久人妻av系列| 国产免费av片在线观看野外av| 欧美极品一区二区三区四区| 男人舔女人下体高潮全视频| 久久伊人香网站| 亚洲真实伦在线观看| 亚洲欧美日韩高清专用| 亚洲成人久久性| 后天国语完整版免费观看| 亚洲欧美精品综合一区二区三区| 成人无遮挡网站| 亚洲精品一卡2卡三卡4卡5卡| 观看美女的网站| 国产午夜精品论理片| 天天添夜夜摸| 熟妇人妻久久中文字幕3abv| 搡老妇女老女人老熟妇| 国产精品一区二区三区四区免费观看 | 性色av乱码一区二区三区2| 91在线观看av| 国产黄色小视频在线观看| 无限看片的www在线观看| 91av网站免费观看| 国产精品乱码一区二三区的特点| 99国产精品一区二区蜜桃av| 黄色成人免费大全| 亚洲五月婷婷丁香| 亚洲成人久久性| 亚洲国产色片| 日韩欧美国产一区二区入口| 夜夜夜夜夜久久久久| 国产三级在线视频| 91麻豆av在线| 男女做爰动态图高潮gif福利片| 国产久久久一区二区三区| 日本 av在线| 国产久久久一区二区三区| 国产伦精品一区二区三区视频9 | 亚洲中文日韩欧美视频| 亚洲av电影在线进入| 99国产精品99久久久久| 舔av片在线| 国产午夜精品论理片| 在线观看美女被高潮喷水网站 | 亚洲欧美精品综合久久99| 美女午夜性视频免费| 成人亚洲精品av一区二区| 一区福利在线观看| 99久久成人亚洲精品观看| 久久精品国产清高在天天线| 天堂网av新在线| 99在线人妻在线中文字幕| 国产av麻豆久久久久久久| 欧美日韩中文字幕国产精品一区二区三区| 中文资源天堂在线| 成人午夜高清在线视频| 欧美日韩综合久久久久久 | 欧美一区二区国产精品久久精品| 欧美成人免费av一区二区三区| 日本黄大片高清| 99国产精品一区二区蜜桃av| 小蜜桃在线观看免费完整版高清| 久久精品国产清高在天天线| 国产成人欧美在线观看| av在线蜜桃| 成人无遮挡网站| 日韩国内少妇激情av| 国产一区二区在线av高清观看| 成人18禁在线播放| 女人高潮潮喷娇喘18禁视频| 成年人黄色毛片网站| av福利片在线观看| 国产伦人伦偷精品视频| 国产精品野战在线观看| 久久精品aⅴ一区二区三区四区| 国产精品亚洲av一区麻豆| 一进一出抽搐gif免费好疼| 好男人在线观看高清免费视频| 午夜福利高清视频| 99久久精品国产亚洲精品| 欧美av亚洲av综合av国产av| 国产成人啪精品午夜网站| 国产精品久久久久久精品电影| 真实男女啪啪啪动态图| 久久精品影院6| 波多野结衣巨乳人妻| 国产精品av久久久久免费| 搞女人的毛片| 18美女黄网站色大片免费观看| 久久精品91蜜桃| 成人av在线播放网站| 午夜福利在线在线| 中出人妻视频一区二区| 久久精品国产亚洲av香蕉五月| 国产又黄又爽又无遮挡在线| 免费高清视频大片| 搡老熟女国产l中国老女人| 亚洲精品中文字幕一二三四区| 国产黄片美女视频| tocl精华| 免费看a级黄色片| 国产v大片淫在线免费观看| 岛国在线免费视频观看| 亚洲午夜精品一区,二区,三区| 免费看十八禁软件| 国产爱豆传媒在线观看| 成年女人毛片免费观看观看9| 国产不卡一卡二| 亚洲天堂国产精品一区在线| 久久香蕉国产精品| 两性午夜刺激爽爽歪歪视频在线观看| 一边摸一边抽搐一进一小说| 久久久久久人人人人人| 性欧美人与动物交配| 国产主播在线观看一区二区| 高潮久久久久久久久久久不卡| 欧美性猛交黑人性爽| 99国产精品一区二区三区| 欧美xxxx黑人xx丫x性爽| 人妻夜夜爽99麻豆av| 国产成人一区二区三区免费视频网站| 国产真人三级小视频在线观看| 日韩欧美国产在线观看| 欧美一区二区国产精品久久精品| 欧美精品啪啪一区二区三区| 男人的好看免费观看在线视频| 国内少妇人妻偷人精品xxx网站 | 色综合亚洲欧美另类图片| 中文字幕久久专区| 亚洲九九香蕉| 欧美日韩综合久久久久久 | 婷婷亚洲欧美| 精品欧美国产一区二区三| 精品人妻1区二区| 亚洲男人的天堂狠狠| 深夜精品福利| 9191精品国产免费久久| 免费人成视频x8x8入口观看| 成人特级黄色片久久久久久久| 亚洲人成电影免费在线| 美女免费视频网站| 亚洲人成网站高清观看| 国产精品av久久久久免费| 国产精品99久久99久久久不卡| 一本一本综合久久| 无遮挡黄片免费观看| 黄色丝袜av网址大全| 日韩三级视频一区二区三区| 天天一区二区日本电影三级| 亚洲成av人片免费观看| 2021天堂中文幕一二区在线观| 日韩欧美在线二视频| 国产av不卡久久| 特级一级黄色大片| 免费观看的影片在线观看| 婷婷精品国产亚洲av在线| 精品久久久久久久久久久久久| 亚洲熟妇熟女久久| 亚洲va日本ⅴa欧美va伊人久久| 桃红色精品国产亚洲av| 亚洲精品一区av在线观看| 日本在线视频免费播放| 欧美日韩中文字幕国产精品一区二区三区| 久久久久国产精品人妻aⅴ院| 国产亚洲精品久久久com| 女人高潮潮喷娇喘18禁视频| 国产精品永久免费网站| 欧美性猛交黑人性爽| 欧美不卡视频在线免费观看| 99精品久久久久人妻精品| 亚洲成人中文字幕在线播放| 亚洲欧美日韩高清在线视频| 男女之事视频高清在线观看| 午夜福利在线观看免费完整高清在 | 久久久久久国产a免费观看| www日本在线高清视频| 久久午夜亚洲精品久久| 久久国产乱子伦精品免费另类| 制服人妻中文乱码| 最近视频中文字幕2019在线8| 成年版毛片免费区| 18禁黄网站禁片午夜丰满| 午夜a级毛片| 美女被艹到高潮喷水动态| 亚洲欧美日韩卡通动漫| 久久久久久人人人人人| 非洲黑人性xxxx精品又粗又长| 国产精品av视频在线免费观看| 亚洲 欧美一区二区三区| av视频在线观看入口| 两个人的视频大全免费| 欧美日韩亚洲国产一区二区在线观看| 久久久水蜜桃国产精品网| 欧美精品啪啪一区二区三区| 最近在线观看免费完整版| 精华霜和精华液先用哪个| 淫妇啪啪啪对白视频| 男女之事视频高清在线观看| av在线蜜桃| 老司机福利观看| 19禁男女啪啪无遮挡网站| 激情在线观看视频在线高清| 18禁黄网站禁片午夜丰满| 婷婷六月久久综合丁香| 成人精品一区二区免费| 欧美xxxx黑人xx丫x性爽| 亚洲精品在线观看二区| 中文在线观看免费www的网站| av在线天堂中文字幕| 国产精品亚洲一级av第二区| 97超级碰碰碰精品色视频在线观看| 国产私拍福利视频在线观看| 欧美乱色亚洲激情| 国产亚洲精品久久久com| 美女大奶头视频| 精品国产乱子伦一区二区三区| 成人午夜高清在线视频| 日本免费一区二区三区高清不卡| 亚洲精品乱码久久久v下载方式 | 色视频www国产| 国产成年人精品一区二区| 少妇熟女aⅴ在线视频| 在线观看日韩欧美| 久久精品aⅴ一区二区三区四区| 久久久久久久久中文| 丝袜人妻中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区二区三区av网在线观看| 日日干狠狠操夜夜爽| 久久久久久人人人人人| 成人18禁在线播放| 久久中文字幕一级| 老汉色∧v一级毛片| 亚洲av电影不卡..在线观看| 琪琪午夜伦伦电影理论片6080| 日本成人三级电影网站| e午夜精品久久久久久久| 深夜精品福利| 国产精品一区二区三区四区免费观看 | 欧美色欧美亚洲另类二区| 在线免费观看的www视频| 天天一区二区日本电影三级| 国产美女午夜福利| 国产精品一及| 亚洲欧美日韩东京热| 女警被强在线播放| 1024香蕉在线观看| 老司机深夜福利视频在线观看| 成人av在线播放网站| 在线永久观看黄色视频| 中文资源天堂在线| 欧美成人一区二区免费高清观看 | 精品欧美国产一区二区三| 三级国产精品欧美在线观看 | 日本黄大片高清| 国产麻豆成人av免费视频| 久久国产乱子伦精品免费另类| 国产激情久久老熟女| 19禁男女啪啪无遮挡网站| 国产精品亚洲美女久久久| 亚洲国产欧美一区二区综合| 身体一侧抽搐| 欧美色欧美亚洲另类二区| 男女下面进入的视频免费午夜| 久久人妻av系列| 综合色av麻豆| 手机成人av网站| 成年人黄色毛片网站| 精品人妻1区二区| 国产激情久久老熟女| АⅤ资源中文在线天堂| 欧美乱色亚洲激情| 一边摸一边抽搐一进一小说| 亚洲专区中文字幕在线| www国产在线视频色| 欧美黄色片欧美黄色片|