• <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 ?

    基于堆疊稀疏自編碼神經網絡的航空發(fā)動機剩余壽命預測方法研究

    2020-01-03 01:24:24
    計算機測量與控制 2019年12期
    關鍵詞:壽命神經元編碼

    (中國飛行試驗研究院 測試所,西安 710089)

    0 引言

    航空發(fā)動機具有自動化程度高,結構復雜,專業(yè)化程度高的特點。在整個飛機系統(tǒng)中,如果發(fā)動機出現(xiàn)故障而無法正常工作,將直接影響飛機的安全運行,造成巨大的經濟損失甚至損壞飛機。死亡的嚴重后果[1-2]。然而,由于航空發(fā)動機結構復雜,難以確保長期安全可靠運行,隨著發(fā)動機工作時間的增加,發(fā)動機故障不可避免地會因老化,環(huán)境和變載荷而發(fā)生[3-4]。因此,我們需要研究一種能夠有效預測發(fā)動機剩余壽命、準確預測發(fā)動機故障時間、及時實施維護、最終防止災難性故障的方法[5-6]。

    航空發(fā)動機維護已經從過去的“基于預防”的維護思想轉變?yōu)椤耙钥煽啃詾橹行摹钡木S護理念,并且還從簡單的定期維護到狀態(tài)監(jiān)控,基于狀態(tài)的維護和生命存儲部件監(jiān)控相應的維護方法,定時維護的組合。20世紀70年代開發(fā)了發(fā)動機健康管理技術,如發(fā)動機狀態(tài)監(jiān)測,故障診斷和壽命預測,以實現(xiàn)先進的維護理念[7-8]。對于發(fā)動機用戶,全面了解發(fā)動機性能,快速準確地隔離和識別故障,可以更好地更換計劃[9],確定發(fā)動機維修的范圍和深度,大大降低運行和維護成本,有效避免重大事故的發(fā)生[10]。

    目前,國外已開發(fā)出一些發(fā)動機健康管理系統(tǒng),其主要功能包括趨勢分析,故障診斷,壽命預測,維護計劃和管理。自1985年以來,美國空軍一直使用集成發(fā)動機管理系統(tǒng)(CEMS)來管理其發(fā)動機機隊。目前,CEMSIV已被全面的發(fā)動機趨勢和診斷系統(tǒng)(CETADS)取代[11]。美國科學監(jiān)測公司為該系統(tǒng)開發(fā)了一個強大的數(shù)據(jù)分析和處理模塊,稱為基于狀態(tài)的智能狀態(tài)發(fā)動機管理系統(tǒng)(ICEMS),具有以下功能:數(shù)據(jù)驗證和監(jiān)測趨勢;報警,檢測和隔離;故障預測;部件壽命評估;運營和維護計劃管理[12-13]。

    在國內民用航空發(fā)動機狀態(tài)監(jiān)測領域,20世紀90年代,中國民航學院,北京航空航天大學和北京飛機維修工程公司AMECO開發(fā)了發(fā)動機監(jiān)測和診斷EMD(發(fā)動機監(jiān)測與診斷)系統(tǒng)[14]。

    作為大數(shù)據(jù)時代的明星,深度學習在學術界和工業(yè)界引起了廣泛的關注,并在許多傳統(tǒng)的識別任務中取得了顯著的成果?;诙鄠€隱藏層,深度學習可以很好地實現(xiàn)復雜高維函數(shù)的表示,因此具有強大的表示能力,并且具有其他算法在自動特征提取中無法比擬的許多優(yōu)點[15-16]。堆疊自編碼網絡(SAE)是深度學習中最重要的模型之一,近年來,在故障診斷領域,SAE的應用已經完成了許多故障識別和分類任務。2015年,雷亞國等人。使用常見的SAE和降噪SAE來解決滾動軸承和行星齒輪箱的故障診斷,并比較SAE與傳統(tǒng)模式識別方法之間的識別準確性[17];2016年,邵海東等。通過人工魚群算法改進了SAE的損失函數(shù),優(yōu)化了網絡的關鍵結構參數(shù),有效地提高了齒輪箱和滾動軸承故障的識別率。2017年,崔江等人用灰色。通過支持向量機分類支持相關優(yōu)化后的SAE提取特征,實現(xiàn)了航空發(fā)電機旋轉整流二極管的故障診斷。此外,SAE已應用于變壓器,核電站和風力渦輪機設備等復雜機電系統(tǒng)的故障診斷領域,并取得了良好的效果[18]。

    因此研究了一種基于堆疊自編碼網絡的無監(jiān)督特征提取方法。以自編碼網絡為基本單元,采用逐層貪心訓練算法構建分層自編碼網絡模型。通過改善網絡的結構復雜性,增強了網絡的功能表達能力,使得網絡模型可以從輸入數(shù)據(jù)中獲得更好的效果。提出了特征表達式,特征的自動提取,以及深度網絡特征提取的定性分析方法,提高了神經網絡知識獲取過程的可解釋性,提升了預測準確率。

    1 自編碼神經網絡

    1.1 自編碼神經網絡架構

    自編碼神經網絡(auto-encoder,AE)是一個三層無監(jiān)督神經網絡,由輸入層、隱含層和輸出層構成。網絡中不同層的神經單元之間采用全連接的方式,同一層的神經單元之間不存在相互連接。從結構上看,自編碼神經網絡可以認為是一種特殊的多層感知機,其也是通過反向傳播的方式進行訓練學習,但不同點在于自編碼神經網絡是為了重構輸入數(shù)據(jù),即自編碼神經網絡學習的目標是使得網絡的輸出等于網絡的輸入。由于學習規(guī)則要求網絡的輸出等于輸入,自編碼神經網絡的輸入層的神經單元個數(shù)必須與輸出層的神經單元個數(shù)相等,而其隱含層的神經元個數(shù)可以是任意的[19-21]。因此,只要確定網絡輸入層和隱含層的神經元個數(shù),自編碼神經網絡的結構也就確定了。圖1為一個自編碼神經網絡的結構示意圖,該網絡的輸入層包含5個神經元,隱含層包含3個神經元。

    圖1 自編碼神經網絡結構示意圖

    自編碼神經網絡包括兩個部分:編碼網絡和解碼網絡。其中編碼網絡用于將原始輸入數(shù)據(jù)投影到一個低維空間(當隱含層神經元個數(shù)少于輸入層神經元個數(shù)時)中,得到輸入數(shù)據(jù)的一種特征表達,而解碼網絡則用于將低維空間的特征表達重新投影回原始的數(shù)據(jù)空間,并最小化輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的差別,從而達到數(shù)據(jù)重構的目的。對于給定的輸入數(shù)據(jù)集x={x1,x2,x3...xN}(N為數(shù)據(jù)集的樣本個數(shù)),其編碼過程為:

    an=fθ(xn)=s(W(1)xn+b(1))

    (1)

    (2)

    式中,θ′={W(2),b(2)}為解碼網絡的權值參數(shù)和偏置。式(1)和式(2)中,s()為神經元的激活函數(shù),如tanh或sigmoid。

    通過對輸入數(shù)據(jù)進行先編碼后解碼的過程,可以在網絡的輸出得到輸入數(shù)據(jù)的重構表示,自編碼神經網絡通過最小化重構誤差[48]完成訓練,其中重構誤差用下面的代價函數(shù)來衡量:

    (3)

    從數(shù)據(jù)重構的角度來看,對于一個訓練好的自編碼神經網絡而言,如果去掉網絡的解碼部分,對任意給定的新的輸入,利用網絡參數(shù)可以通過編碼計算,得到中間隱含層的激活值向量。一般可以認為是對原輸入更好的表達向量,即提取的特征向量。自編碼神經網絡的特征提取模型示意圖如圖2所示。

    圖2 自編碼神經網絡特征提取模型示意圖

    1.2 稀疏自編碼神經網絡

    在學習過程中,SAE的參數(shù)通過最小化成本使用反向傳播來調整稀疏約束內的函數(shù)。稀疏性約束在隱藏層上工作以限制其單位使它成為稀疏向量,其中大多數(shù)元素為零或接近于零。對于自動編碼的網絡結構,具有S形激活功能的神經元處于活躍狀態(tài)如果輸出接近1則顯示狀態(tài),如果輸出接近0則顯示非活動狀態(tài)。因此,稀疏性約束被引入來限制大多數(shù)神經元在大多數(shù)時候不活動。

    圖3 去噪自編碼神經網絡的概念

    隱藏單元j的激活由aj(x)表示,并且隱藏單元j的平均激活如下:

    (4)

    (5)

    m訓練樣例的訓練集{x(1),y(1)..., (x(m),y(m)}表示,原始成本函數(shù)被定義為:

    (6)

    式(5)中的第一項是平均平方和誤差術語,第二項是正則化項或權重衰減項,這些往往會減少權重。這里,W和b與(1)和(2)中的相同,和λ是權重衰減參數(shù)。通過添加稀疏懲罰項,成本函數(shù)被修改為:

    (7)

    其中:β代表稀疏性懲罰項的權重。

    1.3 去噪自編碼神經網絡

    盡管描述了上述過程,學習功能很好地提高了性能并且預測模型的泛化能力仍在繼續(xù)由于在現(xiàn)實世界數(shù)據(jù)中出現(xiàn)的噪音和異常值而面臨挑戰(zhàn)。為了強制隱藏層發(fā)現(xiàn)更強大的功能,可以重建來自損壞版本的輸入來訓練自編碼神經網絡,它是自編碼神經網絡去噪的理念如圖4所示。

    圖4 兩層堆疊稀疏自編碼神經網絡和邏輯回歸

    (8)

    標準方法是通過將x元素的隨機分數(shù)設置為零來將掩蔽噪聲應用于原始數(shù)據(jù)。接下來,損壞的數(shù)據(jù)x通過一個基本的自編碼神經網絡進程并映射到一個隱藏表示:

    (9)

    從這個等式,我們重建:

    z=gθ′(y)

    (10)

    在最后階段,訓練參數(shù)以最小化平均重建誤差:

    LH(x,z)=H(Bx‖Bz)

    (11)

    2 堆疊自編碼神經網絡

    作為一個典型的深度神經網絡,堆疊自編碼神經網絡由多層稀疏或去噪自編碼神經網絡和邏輯回歸組成。堆疊自編碼神經網絡的每一層的輸出都連接到后續(xù)層的輸入。兩層架構堆疊稀疏自編碼神經網絡如圖5所示。每個稀疏或者去噪自編碼神經網絡生成輸入的表示(來自飛機發(fā)動機傳感器的數(shù)據(jù))比前一層更抽象和更高維度,因為它是通過應用額外的非線性變換來獲得的。將稀疏自編碼神經網絡的最后一層的輸出輸入到BP神經網絡中,然后獲得結果(發(fā)動機壽命值)

    圖5 堆疊自編碼神經網絡結構示意圖

    微調的過程主要集中在調整SAE網絡中的權重,從而獲得更好的預測性能。首先,前饋用于計算激活所有自編碼神經網絡層。在下一步中,我們設置δ(nl)=-(△anlJ)*f1(znl)作為輸出層,在△J=θ(I-P)中,I是輸入標簽,P是條件概率的向量。然后,對于圖層l=nl-1,nl-2,..., 3, 2,我們設定δ(l)=((W(1))Tδ(l+1))*f′(znl),然后,所需的偏導數(shù)是:

    △WlJ(W,b;x,y)=δ(l+1)(a(1))T,

    △blJ(W,b;x,y)=δl+1

    (12)

    其中:W,b和a如式(1)和(2)所示。最后,使用批量梯度下降算法最小化整體成本函數(shù)。

    3 系統(tǒng)軟件設計

    基于堆疊自編碼網絡的航空發(fā)動機壽命預測方法結合了堆疊自編碼網絡模型和BP分類模型,先通過堆疊自編碼網絡提取航空發(fā)動機傳感器數(shù)據(jù)特征,再對提取特征進行結果分類, 具體診斷流程如圖6所示,具體步驟如下:

    1)通過多個傳感器采集航空發(fā)動機狀態(tài)參數(shù)。

    2)對每一組原始信號進行預處理,以構造足夠的訓練數(shù)據(jù)集,提高網絡的訓練效果。

    3)將各組樣本數(shù)據(jù)分別輸入到網絡模型中,利用逐層貪婪算法和BP反向傳播算法對網絡進行訓練。

    4)堆疊自編碼網絡經過訓練后可以學習隱含在樣本數(shù)據(jù)中的知識,從而在其高層隱含層處獲得樣本數(shù)據(jù)的特征向量。

    5)將所有的特征向量進行合并,組合成為一個特征向量。

    6)將合并的特征向量輸入到BP模型中,在模型輸出層得到預測的發(fā)動機壽命值區(qū)間。

    圖6 基于堆疊自編碼網絡的航空發(fā)動機壽命預測過程

    4 實驗結果與分析

    4.1 數(shù)據(jù)說明

    為檢驗故障診斷方法的有效性,選擇驗證案例的數(shù)據(jù)來源于2008年PHM國際會議預測挑戰(zhàn)競賽,挑戰(zhàn)數(shù)據(jù)集包括多個多變量時間序列,這些時間序列是通過發(fā)動機系統(tǒng)的動態(tài)模擬收集的。該模型模擬了發(fā)動機的5個旋轉部件(風扇,低壓壓氣機,高壓壓氣機,高壓渦輪和低壓渦輪)中的任何一個部件損壞的情況,發(fā)動機示意圖如圖7所示。 該數(shù)據(jù)集包含了45918(218個周期劣化)組數(shù)據(jù)用于訓練,和29820組數(shù)據(jù)(218個周期劣化)用于測試。

    圖7 渦扇發(fā)動機示意圖

    每個發(fā)動機單元的每個循環(huán)的完整數(shù)據(jù)集包括單元ID,操作循環(huán)指數(shù),操作狀態(tài)設置和典型的傳感器測量。 總共21個傳感器(如表1所示)安裝在飛機發(fā)動機的不同部件中。

    表1 飛機氣體的傳感器信號的描述渦輪發(fā)動機

    R:朗肯溫度標度; psia:每平方英寸絕對磅;rpm:每分鐘轉數(shù); pps:每平方英寸的脈沖; lbm / s:磅每秒質量。

    數(shù)據(jù)組的每個劣化周期內都包含了5類發(fā)動機機操作狀態(tài),包括了馬赫數(shù)、油門桿位置、大氣高度,我們提取了其中一個劣化周期內相同操作狀態(tài)的數(shù)據(jù)如圖所示,我們從圖8中的21個傳感器參數(shù)數(shù)據(jù)可以看出,有些參數(shù)在劣化過程中變化不明顯,有些參數(shù)數(shù)據(jù)隨著發(fā)動機狀態(tài)劣化變化趨勢明顯。僅憑人工分析,很難分析出發(fā)動機壽命規(guī)律。

    圖8 發(fā)動機退化過程部分傳感器信號

    4.2 結果分析

    首先為了分析網絡各層的訓練情況,做出代價函數(shù)的誤差曲線圖,如圖9所示。從圖中可以看出,第一隱含層的預訓練在迭代至150步時,代價函數(shù)的誤差值趨于零且波動性較小,可以說明此時網絡達到收斂;同理,第二隱含層約在50步時達到收斂,輸出層約在100步時達到收斂,網絡微調過程則約在200步時達到收斂。結果表明網絡各層預訓練及網絡微調的重構誤差均達到收斂,說明此時的網絡結構及超參數(shù)的設置是較為合理的。

    圖9 代價函數(shù)誤差曲線圖

    下面利用所提方法對航空發(fā)動機狀態(tài)數(shù)據(jù)進行分析,首先給發(fā)動機劣化數(shù)據(jù)打上壽命區(qū)間標簽,再對其進行特征提取,并實現(xiàn)壽命預測。首先是訓練樣本的構造:將每一個發(fā)動機狀態(tài)參數(shù)的操作數(shù)歸一化,將歸一化的數(shù)據(jù)分類到10個區(qū)間范圍內,構成數(shù)據(jù)壽命標簽,完成訓練樣本的構造。實驗中,選用測試集數(shù)據(jù)用于測試。然后是網絡參數(shù)設置:將訓練樣本輸入到深度網絡中進行訓練,并確定網絡隱含層神經元個數(shù),得到訓練好的網絡模型結構為24-125-75-10,即網絡共有4層,每層神經元個數(shù)分別為24、125、75、10,其他網絡參數(shù)的設置見表2。最后,訓練結束后可在第二隱含層處獲得提取的特征向量,并在輸出層得到分類結果。

    表2 網絡參數(shù)設置表

    為了使分類結果穩(wěn)定,分類測試共進行50次,統(tǒng)計50次的誤判樣本個數(shù),并取其平均值作為統(tǒng)計結果。同時為了對比說明,采用相同的實驗方法利用單層自編碼網絡對航空發(fā)動機數(shù)據(jù)進行特征提取,對比兩種方法的分類結果,如表3所示。

    表3 分類結果對比表

    表中結果顯示,與自編碼神經網絡相比,利用堆疊自編碼神經網絡提取的特征在訓練樣本集和測試樣本集上均具有較高的分類正確率,這說明在實際應用中,堆疊自編碼神經網絡提取的特征具有較好的可區(qū)分性,而且能夠減小工況干擾的影響。

    5 結束語

    文中,基于深度學習開發(fā)了一種新的數(shù)據(jù)驅動的發(fā)動機剩余方法,該方法可以自己捕獲有效的非線性特征并減少人工干預。基于堆疊自編碼神經網絡是一種深度學習模型,它不僅能夠對發(fā)動機退化過程進行較好的建模,而且能夠充分挖掘數(shù)據(jù)內部信息,提取有效特征,排除無關數(shù)據(jù)。將所提出的基于堆疊自編碼神經網絡的預測航空發(fā)動機剩余壽命方法應用于2008 PHM數(shù)據(jù)挑戰(zhàn)數(shù)據(jù)集以證明所提出方法的有效性。實驗結果顯示預測精度達到預期,并用單層自編碼神經網絡和堆疊自編碼神經網絡做了對比,對別結果顯示堆疊自編碼神經網絡在特征提取過程中有更好的效果,預測準確率更高。所研究的航空發(fā)動機壽命預測方法有助于提高飛機發(fā)動機的安全性,預測和管理飛機發(fā)動機的健康狀況,降低維護成本。

    猜你喜歡
    壽命神經元編碼
    《從光子到神經元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    人類壽命極限應在120~150歲之間
    中老年保健(2021年8期)2021-12-02 23:55:49
    基于SAR-SIFT和快速稀疏編碼的合成孔徑雷達圖像配準
    《全元詩》未編碼疑難字考辨十五則
    倉鼠的壽命知多少
    子帶編碼在圖像壓縮編碼中的應用
    電子制作(2019年22期)2020-01-14 03:16:24
    馬烈光養(yǎng)生之悟 自靜其心延壽命
    華人時刊(2018年17期)2018-12-07 01:02:20
    Genome and healthcare
    躍動的神經元——波蘭Brain Embassy聯(lián)合辦公
    人類正常壽命為175歲
    奧秘(2017年12期)2017-07-04 11:37:14
    av在线播放精品| 欧美三级亚洲精品| 婷婷色av中文字幕| 美女内射精品一级片tv| 中文精品一卡2卡3卡4更新| 欧美一区二区精品小视频在线| 欧美激情久久久久久爽电影| 岛国毛片在线播放| 成人亚洲欧美一区二区av| 国产极品精品免费视频能看的| 一进一出抽搐gif免费好疼| av天堂在线播放| 久久精品国产亚洲av香蕉五月| 国产av不卡久久| 久久综合国产亚洲精品| 国产精品一区二区三区四区免费观看| 欧美不卡视频在线免费观看| 此物有八面人人有两片| www.色视频.com| 男女边吃奶边做爰视频| 一夜夜www| 国产人妻一区二区三区在| 久久久国产成人精品二区| 亚洲av不卡在线观看| 嘟嘟电影网在线观看| 极品教师在线视频| 校园春色视频在线观看| 成年av动漫网址| 国产高清三级在线| 亚洲丝袜综合中文字幕| 欧美日本视频| 国产精品国产高清国产av| 国产亚洲精品久久久久久毛片| 日韩欧美 国产精品| 美女国产视频在线观看| 97热精品久久久久久| 欧洲精品卡2卡3卡4卡5卡区| 精品不卡国产一区二区三区| 国产精品,欧美在线| 99riav亚洲国产免费| 直男gayav资源| 婷婷精品国产亚洲av| 久久精品久久久久久噜噜老黄 | 国模一区二区三区四区视频| 亚洲av成人精品一区久久| 中文亚洲av片在线观看爽| 国产成人91sexporn| 亚洲精品影视一区二区三区av| 午夜福利成人在线免费观看| 国产高清不卡午夜福利| 亚洲18禁久久av| 亚洲最大成人手机在线| 午夜精品一区二区三区免费看| 夜夜看夜夜爽夜夜摸| 99久久中文字幕三级久久日本| 在线观看午夜福利视频| 国产日韩欧美在线精品| 成人毛片60女人毛片免费| 波多野结衣高清作品| 99久国产av精品国产电影| av在线老鸭窝| 你懂的网址亚洲精品在线观看 | 亚洲欧美精品自产自拍| 一进一出抽搐gif免费好疼| 99热网站在线观看| 在线观看午夜福利视频| 免费观看精品视频网站| 99久久久亚洲精品蜜臀av| 哪里可以看免费的av片| 亚洲人与动物交配视频| 天天一区二区日本电影三级| 菩萨蛮人人尽说江南好唐韦庄 | 日韩 亚洲 欧美在线| 一级毛片aaaaaa免费看小| 成人毛片a级毛片在线播放| 亚洲精品粉嫩美女一区| 国产单亲对白刺激| 国产精品国产高清国产av| 成人国产麻豆网| 亚洲五月天丁香| 99久久成人亚洲精品观看| 美女脱内裤让男人舔精品视频 | 老司机福利观看| 99久久九九国产精品国产免费| 一区福利在线观看| 在现免费观看毛片| 99热精品在线国产| 国产精品福利在线免费观看| 一级二级三级毛片免费看| 啦啦啦啦在线视频资源| 大香蕉久久网| 亚洲18禁久久av| 熟女人妻精品中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 精品一区二区免费观看| 日本欧美国产在线视频| 国产欧美日韩精品一区二区| 少妇人妻一区二区三区视频| 性插视频无遮挡在线免费观看| 久久精品国产鲁丝片午夜精品| 全区人妻精品视频| 国产精品精品国产色婷婷| 欧美丝袜亚洲另类| 国产伦一二天堂av在线观看| 九九久久精品国产亚洲av麻豆| 能在线免费看毛片的网站| 国产成人a区在线观看| 日本黄大片高清| 床上黄色一级片| 最近的中文字幕免费完整| 尾随美女入室| 国产蜜桃级精品一区二区三区| 高清毛片免费观看视频网站| 美女被艹到高潮喷水动态| 99国产极品粉嫩在线观看| 国产精品女同一区二区软件| 亚洲图色成人| 在线观看av片永久免费下载| 校园人妻丝袜中文字幕| 国产91av在线免费观看| 全区人妻精品视频| 狂野欧美激情性xxxx在线观看| 国产日本99.免费观看| 欧美日本视频| 国产私拍福利视频在线观看| 热99re8久久精品国产| 亚洲无线观看免费| 高清日韩中文字幕在线| 99热全是精品| 色综合色国产| 99久久精品热视频| 最近2019中文字幕mv第一页| 伦理电影大哥的女人| 高清日韩中文字幕在线| 免费在线观看成人毛片| 女同久久另类99精品国产91| 国产av不卡久久| 69av精品久久久久久| 国产精品永久免费网站| 男女啪啪激烈高潮av片| 亚洲精品影视一区二区三区av| 国产成人a区在线观看| 国产三级中文精品| 校园人妻丝袜中文字幕| 国产探花在线观看一区二区| 18禁黄网站禁片免费观看直播| 亚洲五月天丁香| 国产色婷婷99| 色噜噜av男人的天堂激情| 能在线免费看毛片的网站| 可以在线观看毛片的网站| 国产精品福利在线免费观看| 久久国内精品自在自线图片| 色5月婷婷丁香| 26uuu在线亚洲综合色| 一本久久精品| 国产伦在线观看视频一区| 亚洲欧美成人综合另类久久久 | 国产av麻豆久久久久久久| 日本与韩国留学比较| 99久久无色码亚洲精品果冻| 中文字幕av在线有码专区| 亚洲成人中文字幕在线播放| 久久国内精品自在自线图片| 国产伦在线观看视频一区| 菩萨蛮人人尽说江南好唐韦庄 | 午夜精品国产一区二区电影 | 最近中文字幕高清免费大全6| 在线免费观看不下载黄p国产| 欧美一级a爱片免费观看看| 亚洲色图av天堂| 精品久久久久久久久亚洲| 性色avwww在线观看| 欧美变态另类bdsm刘玥| 高清日韩中文字幕在线| 成人二区视频| 两个人的视频大全免费| 男女视频在线观看网站免费| 亚洲精华国产精华液的使用体验 | 国内精品久久久久精免费| 亚洲真实伦在线观看| av卡一久久| 联通29元200g的流量卡| 日韩精品有码人妻一区| 秋霞在线观看毛片| 国产午夜福利久久久久久| 18禁在线播放成人免费| 亚洲国产精品国产精品| 久久99蜜桃精品久久| 欧美成人一区二区免费高清观看| 亚洲无线观看免费| 亚洲内射少妇av| 如何舔出高潮| 亚洲精品乱码久久久久久按摩| 欧美zozozo另类| 精品国内亚洲2022精品成人| 久久精品夜夜夜夜夜久久蜜豆| 欧美色视频一区免费| 特级一级黄色大片| 丰满乱子伦码专区| 亚洲av成人精品一区久久| 久久人人精品亚洲av| 日本一二三区视频观看| 少妇高潮的动态图| 听说在线观看完整版免费高清| 亚洲精品乱码久久久v下载方式| 午夜福利高清视频| 美女cb高潮喷水在线观看| 色5月婷婷丁香| 国产精品免费一区二区三区在线| 欧美丝袜亚洲另类| 夜夜看夜夜爽夜夜摸| 亚洲av免费在线观看| 国产黄片视频在线免费观看| 国产精品嫩草影院av在线观看| 国产91av在线免费观看| kizo精华| 亚洲自拍偷在线| 天美传媒精品一区二区| 蜜桃亚洲精品一区二区三区| 日韩国内少妇激情av| 日韩中字成人| 亚洲国产精品成人综合色| 蜜桃久久精品国产亚洲av| .国产精品久久| 91麻豆精品激情在线观看国产| 午夜福利视频1000在线观看| 久久久久久久亚洲中文字幕| 欧美三级亚洲精品| 长腿黑丝高跟| 久久久色成人| 麻豆一二三区av精品| 亚洲自拍偷在线| 亚洲高清免费不卡视频| 国产探花在线观看一区二区| av免费在线看不卡| 内地一区二区视频在线| 久久国产乱子免费精品| 人妻系列 视频| 国产熟女欧美一区二区| 欧美zozozo另类| 波多野结衣巨乳人妻| 精品国产三级普通话版| 一级av片app| 亚洲成人久久性| 夜夜爽天天搞| 两性午夜刺激爽爽歪歪视频在线观看| 久久久精品欧美日韩精品| 国产色爽女视频免费观看| 哪个播放器可以免费观看大片| av女优亚洲男人天堂| 国产精品一区二区在线观看99 | 少妇人妻一区二区三区视频| 午夜爱爱视频在线播放| 三级国产精品欧美在线观看| 18禁裸乳无遮挡免费网站照片| 欧美激情国产日韩精品一区| 最近视频中文字幕2019在线8| 最近最新中文字幕大全电影3| 免费观看a级毛片全部| 人妻少妇偷人精品九色| 欧美最新免费一区二区三区| 欧美激情在线99| kizo精华| 欧美性猛交黑人性爽| 日本一本二区三区精品| av免费在线看不卡| 国产高潮美女av| 九九热线精品视视频播放| 中文在线观看免费www的网站| 免费观看a级毛片全部| 亚洲人与动物交配视频| 男的添女的下面高潮视频| 好男人视频免费观看在线| 日韩一区二区视频免费看| 国产精品一及| 直男gayav资源| 91av网一区二区| 午夜激情福利司机影院| 日韩人妻高清精品专区| 欧美色视频一区免费| av福利片在线观看| 免费搜索国产男女视频| 婷婷亚洲欧美| 亚洲欧美日韩卡通动漫| 日韩国内少妇激情av| 淫秽高清视频在线观看| 赤兔流量卡办理| 婷婷六月久久综合丁香| 成人亚洲精品av一区二区| 91午夜精品亚洲一区二区三区| 久久国内精品自在自线图片| 在线天堂最新版资源| 欧美在线一区亚洲| 国内精品一区二区在线观看| 青春草亚洲视频在线观看| 中文字幕久久专区| 日韩欧美精品v在线| 99riav亚洲国产免费| 国产 一区 欧美 日韩| 边亲边吃奶的免费视频| 我要搜黄色片| 国产成人一区二区在线| 欧美性猛交╳xxx乱大交人| 美女被艹到高潮喷水动态| 亚洲av免费在线观看| 国产精品永久免费网站| 久久久成人免费电影| 女的被弄到高潮叫床怎么办| 成人三级黄色视频| 久久久国产成人精品二区| 亚洲激情五月婷婷啪啪| 午夜精品在线福利| 身体一侧抽搐| 亚洲欧美日韩高清专用| 国产精品一区二区性色av| 亚洲va在线va天堂va国产| 三级经典国产精品| 99久久无色码亚洲精品果冻| h日本视频在线播放| 日本免费a在线| 免费av观看视频| 精品久久国产蜜桃| 免费一级毛片在线播放高清视频| 丰满人妻一区二区三区视频av| 高清毛片免费看| 18禁黄网站禁片免费观看直播| 国产亚洲欧美98| 亚洲精品久久久久久婷婷小说 | 中文字幕免费在线视频6| 2021天堂中文幕一二区在线观| 久99久视频精品免费| 国产极品精品免费视频能看的| 天天躁日日操中文字幕| 免费无遮挡裸体视频| 搡老妇女老女人老熟妇| 日韩,欧美,国产一区二区三区 | 非洲黑人性xxxx精品又粗又长| 九草在线视频观看| 国产av不卡久久| 欧美成人免费av一区二区三区| 日韩人妻高清精品专区| 国产中年淑女户外野战色| 两个人的视频大全免费| 亚洲国产精品成人久久小说 | 国产69精品久久久久777片| 午夜福利在线在线| 日韩一区二区三区影片| 91aial.com中文字幕在线观看| 国产中年淑女户外野战色| 中文字幕av成人在线电影| 国产真实乱freesex| av在线蜜桃| 99久国产av精品国产电影| 在线天堂最新版资源| 18禁裸乳无遮挡免费网站照片| 国产精品一区二区在线观看99 | 99久久中文字幕三级久久日本| 亚洲国产精品国产精品| 丰满人妻一区二区三区视频av| 亚洲天堂国产精品一区在线| 国产精品人妻久久久影院| 国产色爽女视频免费观看| 丰满人妻一区二区三区视频av| 国产av一区在线观看免费| 精品一区二区免费观看| 老师上课跳d突然被开到最大视频| 菩萨蛮人人尽说江南好唐韦庄 | 中文字幕av在线有码专区| 色综合站精品国产| 欧美日韩国产亚洲二区| 嫩草影院新地址| 日韩,欧美,国产一区二区三区 | 亚洲精品乱码久久久v下载方式| 精品国产三级普通话版| 天堂影院成人在线观看| 亚洲自偷自拍三级| 国产激情偷乱视频一区二区| 男女边吃奶边做爰视频| 欧美日本视频| av在线播放精品| 国内精品一区二区在线观看| 精品久久久久久久末码| 日本黄色视频三级网站网址| 国产片特级美女逼逼视频| 1000部很黄的大片| 久久精品夜色国产| 日韩欧美精品v在线| 91精品国产九色| 2021天堂中文幕一二区在线观| 亚洲国产精品成人久久小说 | 嫩草影院新地址| 国内久久婷婷六月综合欲色啪| 夫妻性生交免费视频一级片| 欧美性感艳星| 久久人妻av系列| 自拍偷自拍亚洲精品老妇| 禁无遮挡网站| www.av在线官网国产| 国国产精品蜜臀av免费| 级片在线观看| 少妇人妻一区二区三区视频| 人妻少妇偷人精品九色| 波野结衣二区三区在线| 青青草视频在线视频观看| 亚洲人成网站高清观看| 18禁黄网站禁片免费观看直播| 乱系列少妇在线播放| 在线观看免费视频日本深夜| 免费看美女性在线毛片视频| 99精品在免费线老司机午夜| 精品一区二区免费观看| 又爽又黄无遮挡网站| 大型黄色视频在线免费观看| 亚洲欧美清纯卡通| 岛国毛片在线播放| 日韩强制内射视频| 亚洲欧美日韩高清在线视频| 精品国产三级普通话版| 欧美3d第一页| 国内少妇人妻偷人精品xxx网站| 给我免费播放毛片高清在线观看| 成年版毛片免费区| 观看美女的网站| 久久久久久久久中文| 国产国拍精品亚洲av在线观看| 国产精品久久久久久久久免| 国产爱豆传媒在线观看| 日韩av在线大香蕉| 91精品一卡2卡3卡4卡| 亚洲精品粉嫩美女一区| 最近最新中文字幕大全电影3| 最新中文字幕久久久久| 亚洲成a人片在线一区二区| 1000部很黄的大片| 最近手机中文字幕大全| 婷婷精品国产亚洲av| 国产黄片视频在线免费观看| 在线国产一区二区在线| 亚洲熟妇中文字幕五十中出| 国内久久婷婷六月综合欲色啪| 哪个播放器可以免费观看大片| 亚洲第一电影网av| 国产精品一及| 亚洲av中文字字幕乱码综合| 麻豆av噜噜一区二区三区| 亚洲精品亚洲一区二区| 欧美成人免费av一区二区三区| 免费av毛片视频| 99热这里只有是精品50| 亚洲精品国产成人久久av| 日韩国内少妇激情av| 午夜福利在线观看吧| 天堂中文最新版在线下载 | 国产亚洲精品久久久久久毛片| 国产亚洲av嫩草精品影院| 男的添女的下面高潮视频| 久久99热6这里只有精品| 国产一区二区在线观看日韩| 国产精品麻豆人妻色哟哟久久 | 99热只有精品国产| 日韩欧美在线乱码| 99国产精品一区二区蜜桃av| 国产精品久久久久久久电影| 非洲黑人性xxxx精品又粗又长| 五月伊人婷婷丁香| 99热这里只有是精品50| 听说在线观看完整版免费高清| 欧美激情久久久久久爽电影| 99久国产av精品国产电影| 波多野结衣高清无吗| 欧美成人免费av一区二区三区| 99久久中文字幕三级久久日本| 国产激情偷乱视频一区二区| 两个人视频免费观看高清| 熟女电影av网| 久久人人爽人人片av| 少妇丰满av| 精品久久久噜噜| 青春草亚洲视频在线观看| 久久久久久久久久久免费av| 一本一本综合久久| 中文欧美无线码| 久久久久久久久久久丰满| 少妇的逼好多水| 亚洲在久久综合| 亚洲va在线va天堂va国产| 日韩人妻高清精品专区| 校园春色视频在线观看| 久久精品影院6| 欧美人与善性xxx| 欧美成人一区二区免费高清观看| 又粗又爽又猛毛片免费看| 如何舔出高潮| 亚洲熟妇中文字幕五十中出| 国产免费男女视频| 国产亚洲精品久久久com| 91午夜精品亚洲一区二区三区| 中文字幕制服av| 爱豆传媒免费全集在线观看| 国产av麻豆久久久久久久| 亚洲av第一区精品v没综合| 美女脱内裤让男人舔精品视频 | 身体一侧抽搐| 久久草成人影院| 丰满人妻一区二区三区视频av| kizo精华| 能在线免费看毛片的网站| 国产三级中文精品| 久久久久久久久久久丰满| 久久精品综合一区二区三区| 婷婷亚洲欧美| 人妻少妇偷人精品九色| avwww免费| 美女被艹到高潮喷水动态| av视频在线观看入口| 国产精品一区二区性色av| 国产精品伦人一区二区| 亚洲国产欧洲综合997久久,| 熟妇人妻久久中文字幕3abv| 国产精华一区二区三区| 亚洲欧美日韩无卡精品| 天堂网av新在线| 国产黄色小视频在线观看| 成人特级黄色片久久久久久久| 欧美色欧美亚洲另类二区| 美女国产视频在线观看| 日韩成人伦理影院| 午夜免费激情av| 国产亚洲5aaaaa淫片| 午夜久久久久精精品| 青春草亚洲视频在线观看| 人体艺术视频欧美日本| 成年免费大片在线观看| 亚州av有码| 搞女人的毛片| 麻豆国产av国片精品| 欧美日韩精品成人综合77777| 免费观看精品视频网站| 亚洲aⅴ乱码一区二区在线播放| 两个人的视频大全免费| 中文字幕免费在线视频6| 国产一区二区在线av高清观看| 欧美不卡视频在线免费观看| 国产黄色视频一区二区在线观看 | 性插视频无遮挡在线免费观看| 日韩一本色道免费dvd| 欧洲精品卡2卡3卡4卡5卡区| 综合色av麻豆| 高清午夜精品一区二区三区 | 免费电影在线观看免费观看| 亚洲性久久影院| 亚洲四区av| 深夜a级毛片| 国产成人a区在线观看| 日韩成人av中文字幕在线观看| 亚洲一区二区三区色噜噜| 嘟嘟电影网在线观看| 哪里可以看免费的av片| 白带黄色成豆腐渣| 在线免费观看不下载黄p国产| 2021天堂中文幕一二区在线观| 蜜桃亚洲精品一区二区三区| 精品一区二区免费观看| 午夜精品一区二区三区免费看| 国产黄a三级三级三级人| 黄色配什么色好看| 国产精品美女特级片免费视频播放器| 99久久精品热视频| av在线亚洲专区| 午夜精品在线福利| 少妇丰满av| 午夜免费男女啪啪视频观看| 日韩欧美精品免费久久| 2021天堂中文幕一二区在线观| 国产成人精品一,二区 | 寂寞人妻少妇视频99o| 中文字幕制服av| 成人特级av手机在线观看| 亚洲人成网站在线播放欧美日韩| 一级av片app| 精品久久国产蜜桃| 精品不卡国产一区二区三区| 成人二区视频| 男女边吃奶边做爰视频| 亚洲人成网站在线播放欧美日韩| 国产精品伦人一区二区| 国产一区二区亚洲精品在线观看| 国产高清不卡午夜福利| 欧美3d第一页| 麻豆国产97在线/欧美| 成人亚洲欧美一区二区av| 又爽又黄无遮挡网站| 亚洲国产欧洲综合997久久,| 伦理电影大哥的女人| 人妻系列 视频| 亚洲熟妇中文字幕五十中出| 国语自产精品视频在线第100页| 国产精品一二三区在线看| 国产高清视频在线观看网站| 看十八女毛片水多多多| 桃色一区二区三区在线观看| 亚洲av成人av| 三级男女做爰猛烈吃奶摸视频| 国产69精品久久久久777片| 国产黄a三级三级三级人| 欧美日韩综合久久久久久| 干丝袜人妻中文字幕| 男女边吃奶边做爰视频| 亚洲中文字幕日韩| 校园春色视频在线观看| 国产精品精品国产色婷婷| 99久久久亚洲精品蜜臀av| av黄色大香蕉| 日本爱情动作片www.在线观看|