• <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
    精品一区二区三区视频在线| 精品少妇久久久久久888优播| 青春草亚洲视频在线观看| 夫妻午夜视频| 激情 狠狠 欧美| 18禁裸乳无遮挡免费网站照片| 亚洲人成网站在线播| xxx大片免费视频| 久久97久久精品| 我要看黄色一级片免费的| 香蕉精品网在线| 日日摸夜夜添夜夜添av毛片| 女人久久www免费人成看片| 欧美区成人在线视频| 亚洲精品亚洲一区二区| 在线观看国产h片| 国产人妻一区二区三区在| 国产精品麻豆人妻色哟哟久久| 亚洲欧美清纯卡通| 最近手机中文字幕大全| 成人美女网站在线观看视频| 大话2 男鬼变身卡| 国国产精品蜜臀av免费| 免费观看的影片在线观看| 老熟女久久久| 亚洲电影在线观看av| 日韩制服骚丝袜av| 日本一二三区视频观看| 久久久久久久亚洲中文字幕| 三级国产精品欧美在线观看| 欧美国产精品一级二级三级 | 欧美性感艳星| 国产一级毛片在线| 伦精品一区二区三区| 国产爱豆传媒在线观看| 我要看日韩黄色一级片| 亚洲成人一二三区av| 亚洲国产精品999| 亚洲精品久久久久久婷婷小说| 夫妻午夜视频| 免费看日本二区| 亚洲在久久综合| 在线观看免费日韩欧美大片 | 久久国产乱子免费精品| 天美传媒精品一区二区| 国产深夜福利视频在线观看| 亚洲电影在线观看av| 最近最新中文字幕免费大全7| 18禁在线无遮挡免费观看视频| 欧美极品一区二区三区四区| 黑丝袜美女国产一区| 精品国产三级普通话版| 18禁裸乳无遮挡免费网站照片| 精品人妻一区二区三区麻豆| 亚洲欧美一区二区三区黑人 | 女性被躁到高潮视频| 99热这里只有是精品50| 亚洲第一区二区三区不卡| 免费不卡的大黄色大毛片视频在线观看| 一级毛片我不卡| 新久久久久国产一级毛片| .国产精品久久| 亚洲av成人精品一二三区| 亚洲欧美日韩卡通动漫| 啦啦啦啦在线视频资源| 不卡视频在线观看欧美| 成人国产麻豆网| 亚洲婷婷狠狠爱综合网| 国产成人a区在线观看| 国产免费福利视频在线观看| 国产亚洲最大av| 精品人妻熟女av久视频| 亚洲国产精品999| 黄片无遮挡物在线观看| 少妇猛男粗大的猛烈进出视频| 国产91av在线免费观看| 久久久久久久久久久免费av| 亚洲综合色惰| 一本一本综合久久| 国产 一区 欧美 日韩| 你懂的网址亚洲精品在线观看| 99久久中文字幕三级久久日本| 午夜福利影视在线免费观看| 99热这里只有是精品50| 国产精品国产三级专区第一集| 国产精品精品国产色婷婷| 性色av一级| 亚洲在久久综合| 3wmmmm亚洲av在线观看| 一级毛片我不卡| 国产日韩欧美在线精品| 亚洲精品久久久久久婷婷小说| 欧美性感艳星| 久久久久久久久久久丰满| 成人亚洲欧美一区二区av| 国产成人免费观看mmmm| 我要看黄色一级片免费的| 亚洲三级黄色毛片| 国产精品无大码| 最近中文字幕高清免费大全6| 亚洲人成网站在线播| 欧美日韩综合久久久久久| 国产精品国产三级国产av玫瑰| 99久国产av精品国产电影| 亚洲三级黄色毛片| 欧美日韩视频精品一区| av卡一久久| 亚洲精品一区蜜桃| 欧美精品一区二区大全| 综合色丁香网| 亚洲精品乱码久久久v下载方式| 色网站视频免费| 777米奇影视久久| 中文乱码字字幕精品一区二区三区| 久久精品熟女亚洲av麻豆精品| 日韩av在线免费看完整版不卡| 国产精品一区二区在线不卡| 亚洲精品国产av蜜桃| 久久av网站| 看非洲黑人一级黄片| 18禁在线无遮挡免费观看视频| 国产高清三级在线| 中文天堂在线官网| 成人18禁高潮啪啪吃奶动态图 | 国产免费视频播放在线视频| 大又大粗又爽又黄少妇毛片口| 国产乱人视频| 91在线精品国自产拍蜜月| 老熟女久久久| 男人舔奶头视频| 欧美日韩视频高清一区二区三区二| 特大巨黑吊av在线直播| 成年美女黄网站色视频大全免费 | 一本色道久久久久久精品综合| av女优亚洲男人天堂| 免费看不卡的av| 欧美日韩视频精品一区| 亚洲av免费高清在线观看| 成人午夜精彩视频在线观看| 亚洲熟女精品中文字幕| 18禁裸乳无遮挡免费网站照片| 国产淫语在线视频| 欧美日韩视频精品一区| 一区二区三区乱码不卡18| 久久婷婷青草| 看非洲黑人一级黄片| 一本久久精品| 高清视频免费观看一区二区| 菩萨蛮人人尽说江南好唐韦庄| 日本av手机在线免费观看| 亚洲精品国产av蜜桃| 另类亚洲欧美激情| 成人黄色视频免费在线看| 偷拍熟女少妇极品色| 亚洲精品日本国产第一区| 久久久欧美国产精品| 日韩中字成人| 国产人妻一区二区三区在| 99re6热这里在线精品视频| 菩萨蛮人人尽说江南好唐韦庄| 男人爽女人下面视频在线观看| 在线播放无遮挡| 国内揄拍国产精品人妻在线| 一本一本综合久久| 国产伦理片在线播放av一区| 国产欧美另类精品又又久久亚洲欧美| 久久久久久久大尺度免费视频| 成人亚洲欧美一区二区av| 亚洲欧洲日产国产| 如何舔出高潮| 亚洲最大成人中文| 国产爱豆传媒在线观看| 中文精品一卡2卡3卡4更新| 久久精品夜色国产| 麻豆成人av视频| 少妇被粗大猛烈的视频| 久久久久精品性色| 黄色日韩在线| 噜噜噜噜噜久久久久久91| 成人二区视频| 国产爱豆传媒在线观看| 能在线免费看毛片的网站| 秋霞伦理黄片| 国产精品秋霞免费鲁丝片| 老司机影院成人| 亚洲,欧美,日韩| 亚洲综合色惰| 亚洲精品成人av观看孕妇| 女性生殖器流出的白浆| 狂野欧美激情性xxxx在线观看| 欧美极品一区二区三区四区| 亚洲精品亚洲一区二区| 免费观看的影片在线观看| 国产伦理片在线播放av一区| 一级片'在线观看视频| 婷婷色av中文字幕| 22中文网久久字幕| 男女国产视频网站| 最近2019中文字幕mv第一页| 观看免费一级毛片| 欧美最新免费一区二区三区| 亚洲欧美日韩东京热| 两个人的视频大全免费| 我的女老师完整版在线观看| 日本av免费视频播放| 亚洲美女视频黄频| 99热国产这里只有精品6| 免费高清在线观看视频在线观看| 婷婷色综合大香蕉| 欧美bdsm另类| 免费久久久久久久精品成人欧美视频 | 国产精品一二三区在线看| 亚洲精品日本国产第一区| 欧美成人一区二区免费高清观看| 亚洲人与动物交配视频| 能在线免费看毛片的网站| 青春草国产在线视频| 中国美白少妇内射xxxbb| www.色视频.com| 国产黄色视频一区二区在线观看| 久久国产精品大桥未久av | 一级毛片我不卡| 在线观看免费视频网站a站| 欧美bdsm另类| 亚洲欧美日韩另类电影网站 | 99九九线精品视频在线观看视频| 一级毛片aaaaaa免费看小| 亚洲欧洲国产日韩| 干丝袜人妻中文字幕| 寂寞人妻少妇视频99o| 免费观看性生交大片5| 青春草视频在线免费观看| 精品国产乱码久久久久久小说| 国产精品嫩草影院av在线观看| 99re6热这里在线精品视频| 国产男人的电影天堂91| 直男gayav资源| 亚洲真实伦在线观看| 高清欧美精品videossex| 高清视频免费观看一区二区| 伦理电影免费视频| 日韩电影二区| 最近最新中文字幕免费大全7| 亚洲精品中文字幕在线视频 | 大陆偷拍与自拍| 久久久久久久久大av| 亚洲欧美日韩卡通动漫| 麻豆精品久久久久久蜜桃| 亚洲在久久综合| 成人黄色视频免费在线看| 国产成人免费观看mmmm| 男人狂女人下面高潮的视频| av在线蜜桃| 免费观看无遮挡的男女| 日日摸夜夜添夜夜添av毛片| 日本猛色少妇xxxxx猛交久久| 亚洲图色成人| 国产一区二区在线观看日韩| 超碰97精品在线观看| 中文天堂在线官网| 国产精品熟女久久久久浪| 黄色配什么色好看| 超碰av人人做人人爽久久| 欧美97在线视频| 亚洲美女视频黄频| 免费看av在线观看网站| 亚洲真实伦在线观看| 日韩亚洲欧美综合| 一个人看的www免费观看视频| 久久影院123| 国产一区有黄有色的免费视频| 久久精品国产自在天天线| 免费在线观看成人毛片| av网站免费在线观看视频| 成人无遮挡网站| 内射极品少妇av片p| 2018国产大陆天天弄谢| 丝袜喷水一区| 精品国产三级普通话版| 亚洲精品中文字幕在线视频 | 婷婷色综合大香蕉| 欧美丝袜亚洲另类| 亚洲精品aⅴ在线观看| 亚洲成人手机| 久久久久久久久久久免费av| 免费观看无遮挡的男女| 人妻制服诱惑在线中文字幕| 国产黄片视频在线免费观看| 内射极品少妇av片p| a级毛片免费高清观看在线播放| av在线老鸭窝| 一本—道久久a久久精品蜜桃钙片| 麻豆精品久久久久久蜜桃| 亚洲欧美一区二区三区黑人 | 国产爽快片一区二区三区| 自拍偷自拍亚洲精品老妇| 在线 av 中文字幕| 国产精品久久久久久久电影| 一区二区三区乱码不卡18| 少妇高潮的动态图| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 精品午夜福利在线看| 国产深夜福利视频在线观看| 3wmmmm亚洲av在线观看| 中文字幕制服av| 中文欧美无线码| 熟女人妻精品中文字幕| 欧美精品一区二区大全| 国产精品久久久久久精品电影小说 | 日韩av免费高清视频| 久久久a久久爽久久v久久| 黄片wwwwww| 久久精品久久久久久久性| 91午夜精品亚洲一区二区三区| 免费观看的影片在线观看| 夫妻性生交免费视频一级片| 国产成人a∨麻豆精品| 色5月婷婷丁香| 亚洲自偷自拍三级| 日韩视频在线欧美| 日韩av免费高清视频| 国产成人精品一,二区| 久久久久久伊人网av| 高清毛片免费看| av免费观看日本| 欧美3d第一页| 亚洲精品亚洲一区二区| 99热全是精品| freevideosex欧美| 三级国产精品片| 91午夜精品亚洲一区二区三区| 麻豆成人午夜福利视频| 91久久精品电影网| 狂野欧美白嫩少妇大欣赏| 国产高潮美女av| 国产精品久久久久成人av| 夫妻性生交免费视频一级片| 91精品伊人久久大香线蕉| 国产一区二区三区综合在线观看 | av天堂中文字幕网| 六月丁香七月| 色网站视频免费| 欧美成人一区二区免费高清观看| 熟女电影av网| 亚洲欧美清纯卡通| 男女免费视频国产| 亚洲欧美中文字幕日韩二区| 男女啪啪激烈高潮av片| 人妻系列 视频| 国产乱人视频| 韩国av在线不卡| 久久久午夜欧美精品| 亚洲人与动物交配视频| 日产精品乱码卡一卡2卡三| 国产精品99久久99久久久不卡 | 夜夜看夜夜爽夜夜摸| 18禁裸乳无遮挡免费网站照片| 成人亚洲欧美一区二区av| 六月丁香七月| 夜夜看夜夜爽夜夜摸| 婷婷色综合www| 最近中文字幕2019免费版| 18禁在线无遮挡免费观看视频| 人人妻人人澡人人爽人人夜夜| 91久久精品国产一区二区成人| 日韩,欧美,国产一区二区三区| 最近中文字幕高清免费大全6| 久久精品国产亚洲av涩爱| 国产精品女同一区二区软件| 久久鲁丝午夜福利片| 天美传媒精品一区二区| 大香蕉久久网| 大片免费播放器 马上看| 三级经典国产精品| 一级毛片我不卡| 高清午夜精品一区二区三区| 久久国内精品自在自线图片| 身体一侧抽搐| 最近2019中文字幕mv第一页| 只有这里有精品99| 久久久久久久大尺度免费视频| 少妇被粗大猛烈的视频| 国产乱人偷精品视频| 99久久精品热视频| 一个人免费看片子| 777米奇影视久久| 久久精品熟女亚洲av麻豆精品| 亚洲欧洲日产国产| 亚洲国产精品999| 少妇裸体淫交视频免费看高清| 伦精品一区二区三区| 嫩草影院新地址| 黄色配什么色好看| 性色avwww在线观看| 国产有黄有色有爽视频| 国产精品嫩草影院av在线观看| 两个人的视频大全免费| 少妇 在线观看| 国产黄频视频在线观看| 极品教师在线视频| 亚洲欧洲国产日韩| 亚洲人成网站高清观看| 国产精品三级大全| 亚洲欧美成人精品一区二区| 精品少妇久久久久久888优播| www.av在线官网国产| 国产免费视频播放在线视频| 国产熟女欧美一区二区| 久久久久精品性色| 国产精品福利在线免费观看| 亚洲人成网站在线播| 亚洲伊人久久精品综合| 少妇精品久久久久久久| 国国产精品蜜臀av免费| 久久久久久久久久成人| 久久 成人 亚洲| 成人亚洲欧美一区二区av| 我要看黄色一级片免费的| 国产免费一级a男人的天堂| 国产淫片久久久久久久久| 亚洲精品自拍成人| 一级av片app| 少妇丰满av| av在线app专区| 爱豆传媒免费全集在线观看| 国产在线男女| 91在线精品国自产拍蜜月| 成人亚洲精品一区在线观看 | www.av在线官网国产| 国产免费一区二区三区四区乱码| 身体一侧抽搐| 99热这里只有是精品在线观看| 一区在线观看完整版| 欧美极品一区二区三区四区| 中国三级夫妇交换| 日韩欧美一区视频在线观看 | 成年免费大片在线观看| 26uuu在线亚洲综合色| 新久久久久国产一级毛片| 啦啦啦在线观看免费高清www| 少妇的逼水好多| 18禁在线播放成人免费| 亚洲中文av在线| 亚洲综合精品二区| 精品人妻偷拍中文字幕| 啦啦啦啦在线视频资源| 九九久久精品国产亚洲av麻豆| 观看免费一级毛片| 伦理电影免费视频| 精品酒店卫生间| 婷婷色综合www| 日韩人妻高清精品专区| 国产精品久久久久久久久免| 亚洲伊人久久精品综合| 久久这里有精品视频免费| 舔av片在线| 久久av网站| 91精品伊人久久大香线蕉| 免费观看在线日韩| 久久精品国产亚洲网站| 3wmmmm亚洲av在线观看| 亚洲人成网站高清观看| 我要看日韩黄色一级片| 亚洲丝袜综合中文字幕| 激情 狠狠 欧美| www.av在线官网国产| 亚洲精品国产av成人精品| 久久热精品热| 久久99热6这里只有精品| 欧美bdsm另类| 黄色欧美视频在线观看| 超碰av人人做人人爽久久| 亚洲经典国产精华液单| 成年人午夜在线观看视频| 国产黄色免费在线视频| 成人高潮视频无遮挡免费网站| 97热精品久久久久久| 成人毛片60女人毛片免费| 久久人人爽人人片av| 观看av在线不卡| 国产 一区 欧美 日韩| 成人特级av手机在线观看| 久久久久国产网址| 久久久色成人| 亚洲精品,欧美精品| 老熟女久久久| 一级毛片电影观看| 少妇高潮的动态图| 亚洲国产色片| 精品久久久久久久久亚洲| 久久久a久久爽久久v久久| 国产亚洲最大av| 亚洲中文av在线| 亚洲精品日本国产第一区| av播播在线观看一区| 又爽又黄a免费视频| 欧美少妇被猛烈插入视频| 九草在线视频观看| 日韩亚洲欧美综合| 亚洲天堂av无毛| 国产 一区 欧美 日韩| 久久ye,这里只有精品| 一个人看的www免费观看视频| 男人爽女人下面视频在线观看| 日本av免费视频播放| 老女人水多毛片| 激情 狠狠 欧美| 夫妻性生交免费视频一级片| 久久精品夜色国产| 国产伦精品一区二区三区视频9| 日韩电影二区| 免费观看无遮挡的男女| 日韩欧美 国产精品| 欧美日韩亚洲高清精品| 精品午夜福利在线看| 亚洲性久久影院| 午夜福利影视在线免费观看| 自拍偷自拍亚洲精品老妇| av在线app专区| 国产视频首页在线观看| 不卡视频在线观看欧美| 国产精品嫩草影院av在线观看| 国产精品无大码| tube8黄色片| 舔av片在线| 欧美区成人在线视频| 少妇熟女欧美另类| 一级毛片 在线播放| kizo精华| 午夜福利影视在线免费观看| av播播在线观看一区| 中文在线观看免费www的网站| 狂野欧美激情性xxxx在线观看| 黄色日韩在线| 麻豆乱淫一区二区| 亚洲怡红院男人天堂| 另类亚洲欧美激情| 欧美日韩国产mv在线观看视频 | 国产爽快片一区二区三区| 日韩av免费高清视频| 色综合色国产| 久久久久国产精品人妻一区二区| 亚洲成人中文字幕在线播放| 成人美女网站在线观看视频| 亚洲色图综合在线观看| 日韩欧美 国产精品| 成年av动漫网址| 亚洲内射少妇av| 女性生殖器流出的白浆| 免费黄色在线免费观看| 日韩不卡一区二区三区视频在线| 久久婷婷青草| 亚洲高清免费不卡视频| 2022亚洲国产成人精品| 丝袜喷水一区| av一本久久久久| 美女脱内裤让男人舔精品视频| 日本黄色片子视频| 国产欧美另类精品又又久久亚洲欧美| 日韩国内少妇激情av| 一本一本综合久久| 99热国产这里只有精品6| 美女中出高潮动态图| 国产免费视频播放在线视频| 亚洲精品视频女| 又爽又黄a免费视频| 欧美性感艳星| 永久网站在线| 99热这里只有精品一区| 亚洲精品国产成人久久av| av天堂中文字幕网| 欧美3d第一页| 少妇的逼好多水| .国产精品久久| 一级黄片播放器| 菩萨蛮人人尽说江南好唐韦庄| 中国美白少妇内射xxxbb| 亚洲四区av| 日韩伦理黄色片| 久久久欧美国产精品| 亚洲欧美清纯卡通| 黄片wwwwww| 久久久欧美国产精品| 夜夜骑夜夜射夜夜干| 亚洲欧美日韩无卡精品| h视频一区二区三区| 成人无遮挡网站| 欧美日韩视频精品一区| 成人综合一区亚洲| 国产精品久久久久久av不卡| 汤姆久久久久久久影院中文字幕| 国产成人a区在线观看| 国产成人免费无遮挡视频| 亚洲精品久久久久久婷婷小说| 在线观看一区二区三区激情| 国精品久久久久久国模美| 精品国产露脸久久av麻豆| 嘟嘟电影网在线观看| 国产精品免费大片| 欧美区成人在线视频| 香蕉精品网在线| 伦理电影免费视频| 制服丝袜香蕉在线| 九九爱精品视频在线观看| 国产精品一区二区在线不卡| 国产成人精品久久久久久| 国产深夜福利视频在线观看| 免费大片18禁| 国产爱豆传媒在线观看| 老女人水多毛片| 青青草视频在线视频观看| 精品国产一区二区三区久久久樱花 | 老师上课跳d突然被开到最大视频| 国产亚洲欧美精品永久|