• <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
    国内精品久久久久久久电影| 亚洲精品456在线播放app | 十八禁人妻一区二区| 欧美色视频一区免费| 久9热在线精品视频| 日韩有码中文字幕| 欧美3d第一页| 国产精品伦人一区二区| 又爽又黄a免费视频| 天堂网av新在线| 在线播放无遮挡| 国产精品不卡视频一区二区 | 欧美激情在线99| 一本久久中文字幕| x7x7x7水蜜桃| 亚洲久久久久久中文字幕| 久久久久精品国产欧美久久久| 日韩大尺度精品在线看网址| 91狼人影院| 亚洲专区国产一区二区| 国产午夜福利久久久久久| 久久久久亚洲av毛片大全| 婷婷色综合大香蕉| 美女高潮喷水抽搐中文字幕| 亚洲最大成人av| 国产精品久久久久久人妻精品电影| 天天躁日日操中文字幕| 毛片女人毛片| 两人在一起打扑克的视频| 日本三级黄在线观看| 欧美潮喷喷水| 人妻制服诱惑在线中文字幕| 亚洲电影在线观看av| 亚洲av成人不卡在线观看播放网| 在线观看一区二区三区| 十八禁网站免费在线| 欧美一区二区亚洲| 午夜老司机福利剧场| 午夜激情福利司机影院| 色综合欧美亚洲国产小说| 观看免费一级毛片| 亚洲国产日韩欧美精品在线观看| 国产视频一区二区在线看| 大型黄色视频在线免费观看| 久久精品久久久久久噜噜老黄 | 91av网一区二区| 88av欧美| 观看美女的网站| 久久九九热精品免费| 国产视频内射| 国产aⅴ精品一区二区三区波| 欧美高清成人免费视频www| 亚洲经典国产精华液单 | 国产成人av教育| 亚洲男人的天堂狠狠| 国产激情偷乱视频一区二区| 成人高潮视频无遮挡免费网站| 日本黄大片高清| 18禁黄网站禁片免费观看直播| 成人精品一区二区免费| 国产探花在线观看一区二区| 亚洲无线观看免费| 亚洲中文字幕日韩| 亚洲精品成人久久久久久| 国产精品,欧美在线| 欧美一区二区国产精品久久精品| 69人妻影院| 欧美乱妇无乱码| 久久99热6这里只有精品| 久久久久精品国产欧美久久久| 在线国产一区二区在线| 国产精品98久久久久久宅男小说| 国产乱人视频| 久久这里只有精品中国| 欧美日韩中文字幕国产精品一区二区三区| 欧美成人a在线观看| 日韩 亚洲 欧美在线| 精品久久久久久久久久久久久| 99视频精品全部免费 在线| 91麻豆精品激情在线观看国产| 国模一区二区三区四区视频| 日日摸夜夜添夜夜添小说| 国产免费一级a男人的天堂| АⅤ资源中文在线天堂| 亚洲一区高清亚洲精品| 日本成人三级电影网站| 我的女老师完整版在线观看| 免费观看人在逋| 免费搜索国产男女视频| 18禁裸乳无遮挡免费网站照片| 少妇人妻精品综合一区二区 | 老女人水多毛片| 国产午夜精品论理片| 国产一区二区三区视频了| eeuss影院久久| 色综合站精品国产| 99riav亚洲国产免费| 首页视频小说图片口味搜索| 看免费av毛片| 黄色日韩在线| 午夜福利18| 天堂√8在线中文| 一个人观看的视频www高清免费观看| 18禁黄网站禁片午夜丰满| 久久久久精品国产欧美久久久| 欧美乱色亚洲激情| 成人毛片a级毛片在线播放| 国产精品久久久久久精品电影| 欧美性感艳星| 最近在线观看免费完整版| 国产精品久久电影中文字幕| 亚洲成av人片在线播放无| 国产极品精品免费视频能看的| 国产一区二区在线观看日韩| 欧美日韩中文字幕国产精品一区二区三区| 18禁裸乳无遮挡免费网站照片| 老司机午夜福利在线观看视频| 国产av麻豆久久久久久久| 欧美最新免费一区二区三区 | 亚洲黑人精品在线| 欧美色欧美亚洲另类二区| 久久久精品大字幕| 成年版毛片免费区| 色在线成人网| 亚洲国产欧美人成| 给我免费播放毛片高清在线观看| 中文字幕免费在线视频6| 国产亚洲精品综合一区在线观看| 久久精品91蜜桃| 日本 av在线| 一级毛片久久久久久久久女| 熟女人妻精品中文字幕| 国产 一区 欧美 日韩| 欧美不卡视频在线免费观看| 亚洲成人精品中文字幕电影| 女生性感内裤真人,穿戴方法视频| 欧美xxxx黑人xx丫x性爽| 成年女人毛片免费观看观看9| 波多野结衣巨乳人妻| 日本黄大片高清| 高清日韩中文字幕在线| 女人十人毛片免费观看3o分钟| 在线看三级毛片| 十八禁国产超污无遮挡网站| 国产白丝娇喘喷水9色精品| 亚洲乱码一区二区免费版| 国产黄a三级三级三级人| 日本一二三区视频观看| 欧洲精品卡2卡3卡4卡5卡区| 国产成+人综合+亚洲专区| 久久精品人妻少妇| 波多野结衣高清作品| 亚洲精品久久国产高清桃花| 成人亚洲精品av一区二区| 特级一级黄色大片| 男人舔奶头视频| 国产一区二区在线av高清观看| 性色avwww在线观看| 亚洲精品乱码久久久v下载方式| 内射极品少妇av片p| 日本免费一区二区三区高清不卡| 国产精品免费一区二区三区在线| 中亚洲国语对白在线视频| 成熟少妇高潮喷水视频| 久久久久久久久久成人| 午夜福利在线在线| 久久久久久国产a免费观看| 好男人在线观看高清免费视频| 最近最新中文字幕大全电影3| av福利片在线观看| 午夜a级毛片| av视频在线观看入口| 国产精品伦人一区二区| 欧美乱色亚洲激情| 午夜影院日韩av| 听说在线观看完整版免费高清| 一进一出抽搐动态| 国产伦精品一区二区三区四那| 夜夜夜夜夜久久久久| 日日摸夜夜添夜夜添小说| 99久久久亚洲精品蜜臀av| 天堂动漫精品| 男插女下体视频免费在线播放| 日韩欧美国产在线观看| 又紧又爽又黄一区二区| 久久精品夜夜夜夜夜久久蜜豆| а√天堂www在线а√下载| 日本黄色片子视频| 国产亚洲精品av在线| 日韩欧美国产一区二区入口| 国产一区二区激情短视频| 一级作爱视频免费观看| 怎么达到女性高潮| 永久网站在线| 久久人人爽人人爽人人片va | 小蜜桃在线观看免费完整版高清| 亚洲成人久久性| 精品久久久久久久久av| 可以在线观看的亚洲视频| 成人一区二区视频在线观看| 99久久久亚洲精品蜜臀av| 亚洲内射少妇av| 亚洲人成电影免费在线| 免费人成在线观看视频色| 一进一出抽搐gif免费好疼| 国产成人福利小说| 日韩 亚洲 欧美在线| 麻豆一二三区av精品| 97碰自拍视频| АⅤ资源中文在线天堂| 1024手机看黄色片| 久久久精品大字幕| 国产精品一区二区性色av| www.999成人在线观看| 免费观看的影片在线观看| 国产 一区 欧美 日韩| 亚洲电影在线观看av| 男女床上黄色一级片免费看| 亚洲av免费高清在线观看| 国产色婷婷99| 99久久久亚洲精品蜜臀av| 精品久久国产蜜桃| 久99久视频精品免费| 天堂av国产一区二区熟女人妻| 国产爱豆传媒在线观看| 亚洲av日韩精品久久久久久密| 一级黄片播放器| 中文资源天堂在线| 亚洲自拍偷在线| 女人十人毛片免费观看3o分钟| 亚洲人成网站在线播| h日本视频在线播放| 高清日韩中文字幕在线| 亚洲最大成人手机在线| 脱女人内裤的视频| 91午夜精品亚洲一区二区三区 | 日日干狠狠操夜夜爽| 欧美另类亚洲清纯唯美| 亚洲色图av天堂| 日韩欧美一区二区三区在线观看| 一边摸一边抽搐一进一小说| 九色国产91popny在线| 日本黄大片高清| 国产精品日韩av在线免费观看| 在线免费观看不下载黄p国产 | 国产黄片美女视频| 香蕉av资源在线| 给我免费播放毛片高清在线观看| 欧美最黄视频在线播放免费| 亚洲专区中文字幕在线| 最近视频中文字幕2019在线8| 久久99热6这里只有精品| 成人高潮视频无遮挡免费网站| 亚洲美女视频黄频| 国产亚洲av嫩草精品影院| 99久久精品一区二区三区| 亚洲av成人不卡在线观看播放网| 日韩欧美免费精品| 亚洲久久久久久中文字幕| 熟女电影av网| 十八禁网站免费在线| 国产美女午夜福利| 熟妇人妻久久中文字幕3abv| 少妇丰满av| 国产成人影院久久av| 国产精品电影一区二区三区| 99国产极品粉嫩在线观看| 日日干狠狠操夜夜爽| 别揉我奶头 嗯啊视频| 精品一区二区三区视频在线观看免费| 国产av不卡久久| 欧美色欧美亚洲另类二区| 久久久久国产精品人妻aⅴ院| 免费av毛片视频| 亚洲成人久久爱视频| 欧美+日韩+精品| www日本黄色视频网| 最近最新免费中文字幕在线| 国产高清三级在线| 1000部很黄的大片| 九九热线精品视视频播放| xxxwww97欧美| 757午夜福利合集在线观看| 精品一区二区免费观看| 亚洲五月婷婷丁香| 99热精品在线国产| 亚洲美女黄片视频| 亚洲黑人精品在线| 国产精品一区二区免费欧美| 亚洲 国产 在线| 91在线精品国自产拍蜜月| 久久人妻av系列| 国产三级中文精品| 亚洲欧美日韩高清专用| 亚洲精品在线美女| 男人的好看免费观看在线视频| 白带黄色成豆腐渣| 性色av乱码一区二区三区2| 赤兔流量卡办理| 亚洲国产欧洲综合997久久,| 99热这里只有是精品50| 久久精品国产亚洲av香蕉五月| 欧美3d第一页| 日韩欧美精品v在线| 狂野欧美白嫩少妇大欣赏| 色哟哟哟哟哟哟| 欧美xxxx黑人xx丫x性爽| 黄色配什么色好看| 丝袜美腿在线中文| 成年版毛片免费区| 欧美成人a在线观看| 免费看光身美女| 深爱激情五月婷婷| 久久久久免费精品人妻一区二区| 我要看日韩黄色一级片| 亚洲国产日韩欧美精品在线观看| 亚洲最大成人av| 美女被艹到高潮喷水动态| 亚州av有码| 黄色丝袜av网址大全| 久久精品国产自在天天线| 国产91精品成人一区二区三区| 精品午夜福利视频在线观看一区| eeuss影院久久| 欧美中文日本在线观看视频| 日韩欧美精品v在线| 免费在线观看亚洲国产| 人人妻人人澡欧美一区二区| 99热这里只有是精品在线观看 | 国产亚洲欧美98| 男人舔奶头视频| 日韩有码中文字幕| 嫩草影视91久久| 麻豆国产av国片精品| 亚洲成人免费电影在线观看| 国产亚洲精品久久久com| 欧美区成人在线视频| 欧美激情在线99| 亚洲欧美日韩东京热| 亚洲性夜色夜夜综合| 人人妻人人看人人澡| 女生性感内裤真人,穿戴方法视频| 国产色婷婷99| 国产三级黄色录像| 少妇的逼水好多| 亚洲精品粉嫩美女一区| 免费在线观看日本一区| 精品久久久久久久久av| 午夜免费男女啪啪视频观看 | 日韩欧美三级三区| 午夜精品一区二区三区免费看| 丰满人妻一区二区三区视频av| 乱码一卡2卡4卡精品| 久久99热这里只有精品18| 日本三级黄在线观看| 国产高清激情床上av| 欧美极品一区二区三区四区| 午夜a级毛片| 亚洲男人的天堂狠狠| 久久精品久久久久久噜噜老黄 | 国产精品98久久久久久宅男小说| 美女xxoo啪啪120秒动态图 | 九九久久精品国产亚洲av麻豆| 男插女下体视频免费在线播放| 亚洲成av人片在线播放无| 草草在线视频免费看| 久9热在线精品视频| 伊人久久精品亚洲午夜| 亚洲18禁久久av| 久久久国产成人精品二区| 成人特级黄色片久久久久久久| 偷拍熟女少妇极品色| 又爽又黄a免费视频| av中文乱码字幕在线| 十八禁人妻一区二区| 亚洲无线观看免费| 88av欧美| 亚洲欧美精品综合久久99| 国产免费一级a男人的天堂| 亚洲黑人精品在线| 国产亚洲精品综合一区在线观看| 他把我摸到了高潮在线观看| 亚洲精品456在线播放app | 淫秽高清视频在线观看| 成人永久免费在线观看视频| 91在线精品国自产拍蜜月| 国内精品一区二区在线观看| 欧美xxxx黑人xx丫x性爽| 女同久久另类99精品国产91| 亚洲av免费高清在线观看| 1000部很黄的大片| 免费在线观看成人毛片| 精华霜和精华液先用哪个| 国产v大片淫在线免费观看| 午夜福利欧美成人| 99久久成人亚洲精品观看| 91麻豆精品激情在线观看国产| 九色国产91popny在线| 亚洲国产欧洲综合997久久,| 成人精品一区二区免费| 制服丝袜大香蕉在线| 欧美+日韩+精品| 成人午夜高清在线视频| 久久国产精品影院| 最近在线观看免费完整版| 久久热精品热| 女人被狂操c到高潮| 日本与韩国留学比较| 欧美3d第一页| 草草在线视频免费看| 国产aⅴ精品一区二区三区波| 亚洲自偷自拍三级| 午夜视频国产福利| 少妇裸体淫交视频免费看高清| 亚洲欧美日韩东京热| 性插视频无遮挡在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 久久久久国内视频| 我的老师免费观看完整版| 可以在线观看的亚洲视频| 国产av在哪里看| 中出人妻视频一区二区| 欧美午夜高清在线| 成人欧美大片| 欧美日韩乱码在线| 三级男女做爰猛烈吃奶摸视频| 高清毛片免费观看视频网站| 一区二区三区高清视频在线| 亚洲欧美激情综合另类| 在线观看一区二区三区| 久久久久久久亚洲中文字幕 | 最近最新中文字幕大全电影3| 国产精品影院久久| 亚洲精品成人久久久久久| 九色成人免费人妻av| av在线老鸭窝| 亚洲综合色惰| 成人亚洲精品av一区二区| 永久网站在线| 男女之事视频高清在线观看| 好看av亚洲va欧美ⅴa在| 亚洲最大成人av| 看片在线看免费视频| 哪里可以看免费的av片| 欧美国产日韩亚洲一区| 日韩免费av在线播放| 制服丝袜大香蕉在线| 波多野结衣巨乳人妻| 搡女人真爽免费视频火全软件 | 精品不卡国产一区二区三区| а√天堂www在线а√下载| 成人av一区二区三区在线看| 99国产综合亚洲精品| 可以在线观看毛片的网站| 亚洲激情在线av| 欧美另类亚洲清纯唯美| 亚洲欧美日韩无卡精品| 热99re8久久精品国产| 久久精品91蜜桃| 最近最新免费中文字幕在线| 国产精品乱码一区二三区的特点| 90打野战视频偷拍视频| 国产成人a区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 又爽又黄无遮挡网站| 亚洲精品在线观看二区| 成人性生交大片免费视频hd| 999久久久精品免费观看国产| 一区二区三区免费毛片| 婷婷亚洲欧美| 亚洲七黄色美女视频| 91狼人影院| 嫩草影院精品99| 中文字幕av在线有码专区| 有码 亚洲区| 欧美一级a爱片免费观看看| 久久久久久久久大av| 首页视频小说图片口味搜索| 日韩精品青青久久久久久| 午夜精品久久久久久毛片777| 日韩人妻高清精品专区| xxxwww97欧美| 国产男靠女视频免费网站| 国产淫片久久久久久久久 | 五月伊人婷婷丁香| 高清毛片免费观看视频网站| 亚洲av五月六月丁香网| 最近中文字幕高清免费大全6 | 99久久成人亚洲精品观看| 男女下面进入的视频免费午夜| 性欧美人与动物交配| 亚洲精品一区av在线观看| 18禁黄网站禁片午夜丰满| 三级国产精品欧美在线观看| 一本一本综合久久| 永久网站在线| 欧美乱妇无乱码| 夜夜看夜夜爽夜夜摸| 俺也久久电影网| 欧美区成人在线视频| 18禁裸乳无遮挡免费网站照片| 亚洲精品一卡2卡三卡4卡5卡| 91久久精品国产一区二区成人| 757午夜福利合集在线观看| 欧美日韩乱码在线| 亚洲在线自拍视频| 日本与韩国留学比较| 国产精品伦人一区二区| 国产高清激情床上av| 日本三级黄在线观看| 精品人妻视频免费看| 婷婷丁香在线五月| 国产一区二区在线观看日韩| 99热这里只有是精品在线观看 | 18禁裸乳无遮挡免费网站照片| 亚洲一区二区三区色噜噜| 亚洲人与动物交配视频| 成人毛片a级毛片在线播放| 最新在线观看一区二区三区| 一区福利在线观看| 乱码一卡2卡4卡精品| 日韩欧美三级三区| 久久久久久久亚洲中文字幕 | 别揉我奶头 嗯啊视频| av国产免费在线观看| 最新在线观看一区二区三区| 人人妻,人人澡人人爽秒播| 国产真实乱freesex| 国产高清视频在线播放一区| 在线免费观看不下载黄p国产 | 欧美+亚洲+日韩+国产| 九九久久精品国产亚洲av麻豆| 久9热在线精品视频| 不卡一级毛片| 成人性生交大片免费视频hd| 每晚都被弄得嗷嗷叫到高潮| 欧美色视频一区免费| 99久久久亚洲精品蜜臀av| 精品人妻熟女av久视频| 大型黄色视频在线免费观看| 美女 人体艺术 gogo| 2021天堂中文幕一二区在线观| 免费在线观看成人毛片| 无遮挡黄片免费观看| 国产v大片淫在线免费观看| 一a级毛片在线观看| 高清在线国产一区| 黄片小视频在线播放| 亚洲在线自拍视频| 亚洲熟妇熟女久久| 小蜜桃在线观看免费完整版高清| 国产精品爽爽va在线观看网站| 好看av亚洲va欧美ⅴa在| 听说在线观看完整版免费高清| 搞女人的毛片| 免费搜索国产男女视频| 午夜两性在线视频| 午夜精品在线福利| 精品人妻偷拍中文字幕| 麻豆av噜噜一区二区三区| 深夜a级毛片| 丰满人妻熟妇乱又伦精品不卡| 我要看日韩黄色一级片| 动漫黄色视频在线观看| 欧美成人免费av一区二区三区| 国产一区二区在线av高清观看| 国产白丝娇喘喷水9色精品| 非洲黑人性xxxx精品又粗又长| 高清日韩中文字幕在线| 国产探花极品一区二区| 精品熟女少妇八av免费久了| 久久婷婷人人爽人人干人人爱| 91九色精品人成在线观看| 久久九九热精品免费| 国产一区二区在线观看日韩| 精品久久久久久久人妻蜜臀av| 日韩欧美精品免费久久 | 在线看三级毛片| 亚洲精品色激情综合| 天天一区二区日本电影三级| 国产精品美女特级片免费视频播放器| 他把我摸到了高潮在线观看| 欧美乱色亚洲激情| 国产真实乱freesex| 丰满的人妻完整版| 内射极品少妇av片p| 熟女人妻精品中文字幕| 久久久久久久久大av| 一个人看视频在线观看www免费| 国产人妻一区二区三区在| 男女做爰动态图高潮gif福利片| 日日摸夜夜添夜夜添av毛片 | 免费观看精品视频网站| 性插视频无遮挡在线免费观看| 日本与韩国留学比较| 免费人成在线观看视频色| 午夜福利在线观看吧| 深夜a级毛片| 看片在线看免费视频| 一本久久中文字幕| 中文字幕人成人乱码亚洲影| 18+在线观看网站| 久久久色成人| 久久99热这里只有精品18| 欧美激情国产日韩精品一区| av女优亚洲男人天堂| 免费av毛片视频| 亚洲最大成人中文| 非洲黑人性xxxx精品又粗又长| 亚洲18禁久久av| 欧美最新免费一区二区三区 | 99国产极品粉嫩在线观看| 天堂网av新在线| 欧美xxxx黑人xx丫x性爽| 搡老岳熟女国产|