• <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AQPSO-LSTM-BN的APU故障診斷模型

    2020-05-21 06:56:28高丹妮
    關(guān)鍵詞:故障診斷飛機(jī)故障

    高丹妮

    (中國民航大學(xué) 電子信息與自動(dòng)化學(xué)院,天津 300300)

    0 引言

    輔助動(dòng)力裝置(Auxiliary Power Unit,APU)作為飛機(jī)的重要裝置,不僅可以保證飛機(jī)安全啟動(dòng),在飛機(jī)停在地面時(shí),還為飛機(jī)供氣、供電,保證客艙舒適性。因此,對(duì)飛機(jī)APU進(jìn)行故障診斷研究顯得尤為重要。

    APU故障發(fā)生時(shí),排故人員會(huì)結(jié)合故障發(fā)生的現(xiàn)場和自身的相關(guān)經(jīng)驗(yàn)、故障手冊(cè)的規(guī)定等對(duì)故障情況進(jìn)行診斷和排查,這需要相關(guān)人員具有大量的相關(guān)知識(shí)、大量的運(yùn)行維護(hù)經(jīng)驗(yàn)和復(fù)雜的推理判斷能力。在大量故障信息同時(shí)出現(xiàn)時(shí),即使經(jīng)驗(yàn)豐富的機(jī)務(wù)人員也不能很好地完成處理。為了及時(shí)、準(zhǔn)確地判斷出真正的故障源,使用科學(xué)算法對(duì)APU進(jìn)行故障診斷成了非常重要的一個(gè)課題。目前對(duì)飛機(jī)APU進(jìn)行的科學(xué)研究有:張彭[1]等人對(duì)APU的發(fā)展和應(yīng)用現(xiàn)狀進(jìn)行了深入分析;邱亞華[2]對(duì)B737-300機(jī)型APU啟動(dòng)時(shí)的常見故障進(jìn)行了分析和排除;施開動(dòng)[3]等人對(duì)A319型飛機(jī)APU的啟動(dòng)故障做了可靠性調(diào)查。這些研究對(duì)搭建飛機(jī)APU故障診斷模型提供了有力的理論支持。GORINEVSKY D[4]使用基于模型的方法對(duì)飛機(jī)APU進(jìn)行了故障診斷;劉鐵庚[5]等利用數(shù)學(xué)建模和仿真對(duì)APU進(jìn)行了故障診斷。基于模型和數(shù)學(xué)建模都需要獲得精確的飛機(jī)APU系統(tǒng)數(shù)學(xué)模型,模型的精確度直接影響最終的結(jié)果,具有一定局限性,并且飛機(jī)APU系統(tǒng)完整且精確的數(shù)學(xué)描述很難獲得。唐啟東[6]等使用深度置信網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)APU故障的檢測并針對(duì)于此做了應(yīng)對(duì)策略。深度置信網(wǎng)絡(luò)缺少對(duì)歷史信息的處理,與之相比,長短期記憶網(wǎng)絡(luò)(Long Short Term Memory Networks,LSTM)更加適于處理飛機(jī)APU故障信息。

    目前,應(yīng)用于飛機(jī)APU故障診斷的人工智能算法較少,常用的支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和仿生智能等單一算法均各有優(yōu)缺點(diǎn)。支持向量機(jī)思想簡單能有效解決非線性分類問題,但對(duì)核函數(shù)的選擇十分敏感,無法處理大規(guī)模樣本數(shù)據(jù)。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力,且可以較快地尋優(yōu),但隱含層數(shù)目等參數(shù)難以確定。仿生智能算法有較強(qiáng)的魯棒性,但容易陷入局部最優(yōu)。所以本文使用多個(gè)算法相結(jié)合的方法,利用改進(jìn)的量子粒子群(Quantum Particle Swarm Optimization,QPSO)算法對(duì)LSTM進(jìn)行了參數(shù)優(yōu)化,然后針對(duì)于深層網(wǎng)絡(luò)的梯度問題,利用批規(guī)范化層(Batch Normalization,BN)改進(jìn)了LSTM網(wǎng)絡(luò)模型的結(jié)構(gòu),建立APU故障診斷模型。得到自適應(yīng)量子粒子群優(yōu)化長短期記憶網(wǎng)絡(luò)并結(jié)合批規(guī)范化(AQPSO-LSTM-BN)的故障診斷模型,對(duì)APU進(jìn)行故障診斷。

    1 自適應(yīng)量子粒子群

    1.1 改進(jìn)量子粒子群

    為了提高傳統(tǒng)粒子群算法的收斂性和搜索能力,量子粒子群(QPSO)算法被提出,以下是QPSO算法的執(zhí)行過程:

    (1)設(shè)置t=0,并在M維待解空間中對(duì)量子粒子群各粒子進(jìn)行初始化,隨機(jī)獲得各粒子的空間位置Xi(0),同時(shí)將各粒子的個(gè)體最好位置初始化為Pi(0)=Xi(0)。

    (2)按式(1)求量子粒子群粒子平均歷史最優(yōu)值mbest。

    (1)

    其中,M為種群大小,Pi為粒子的個(gè)體最優(yōu)位置。

    (3)為每個(gè)粒子執(zhí)行步驟(4)~(7)。

    (4)計(jì)算粒子的適應(yīng)值,對(duì)粒子的個(gè)體最優(yōu)位置pbest進(jìn)行更新。其更新方法為將Xi(t)的適應(yīng)值與Pi(t-1)的適應(yīng)值進(jìn)行比較,如果Xi(t)的適應(yīng)值優(yōu)于Pi(t-1)的適應(yīng)值,即f[Xi(t)]

    (5)對(duì)于粒子i,比較其Pi(t)與當(dāng)前全局最優(yōu)位置的Pg(t-1)的適應(yīng)值,若Pi(t)的適應(yīng)值優(yōu)于Pg(t-1)的適應(yīng)值,即f[Pi(t)]

    (6)得到粒子群的各個(gè)粒子的隨機(jī)位置。

    (7)按式(2)更新粒子的最新位置。

    (2)

    Qi,j(t)=μ·Pi,j(t)+(1-μ)·Pg,j(t)

    (3)

    其中,Pi,j(t)和Pg,j(t)分別為粒子j的個(gè)體最優(yōu)位置和全局最優(yōu)值,μ為[0,1]之間的隨機(jī)數(shù),α為收縮擴(kuò)張系數(shù),u()是在[0,1]上產(chǎn)生的一個(gè)隨機(jī)數(shù)。

    (8)若滿足迭代停止條件,則終止迭代;否則,t=t+1,并返回步驟(2)。

    QPSO算法的運(yùn)行中,α為唯一的參數(shù),其選擇至關(guān)重要。常用的參數(shù)α的控制方式是選擇一個(gè)固定值,這樣會(huì)導(dǎo)致魯棒性較差;或者從1.0線性減小至0.5,這種控制方法普遍可得到一個(gè)良好的效果。但自適應(yīng)控制的參數(shù)α效果更好,所以接下來對(duì)參數(shù)α進(jìn)行自適應(yīng)改進(jìn)。

    選取誤差函數(shù)為Δ=fi-fg,其中,fi為當(dāng)前粒子適應(yīng)度值,fg為全局最優(yōu)粒子適應(yīng)度值,誤差函數(shù)Δ表示粒子離全局最優(yōu)位置的遠(yuǎn)近程度。由誤差函數(shù)可以看出,誤差函數(shù)越小,當(dāng)前粒子離全局最優(yōu)位置越近,搜索空間越小。為了使QPSO可以避免早熟現(xiàn)象的發(fā)生,需要讓接近全局最優(yōu)值的點(diǎn)和遠(yuǎn)離全局最優(yōu)值的點(diǎn)擁有不同的α值。對(duì)于接近全局最優(yōu)值的點(diǎn),為了使種群收斂,賦予其較小的α值;遠(yuǎn)離全局最優(yōu)值的點(diǎn)很難被搜索到,為了讓進(jìn)化繼續(xù)下去,搜索到更寬的范圍,應(yīng)該賦予較大的α值。根據(jù)以上理論,本文提出一種自適應(yīng)方式來調(diào)節(jié)參數(shù)α的值,如式(4)所示:

    (4)

    其中,fm為粒子平均適應(yīng)度值。此時(shí)在QPSO算法中,參數(shù)α可隨適應(yīng)度值的變化而進(jìn)行調(diào)整,即自適應(yīng)量子粒子群算法(AQPSO)。

    1.2 性能測試

    選取Schaffer函數(shù)(二維)、Griewank函數(shù)進(jìn)行測試,兩個(gè)函數(shù)全局最優(yōu)值為(0,…,0),全局極值為0。選取平均最優(yōu)和標(biāo)準(zhǔn)偏差值為參考,對(duì)AQPSO算法進(jìn)行性能測試,結(jié)果如表1、表2所示。

    表1 Schaffer函數(shù)測試結(jié)果

    表2 Griewank函數(shù)測試結(jié)果

    仿真測試結(jié)果表明,AQPSO算法與傳統(tǒng)PSO算法相比,能夠顯著地增強(qiáng)搜索能力,在測試函數(shù)上得到了更好的結(jié)果。

    2 LSTM與批規(guī)范化

    2.1 LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    LSTM是德國計(jì)算機(jī)科學(xué)家Schmidhuber在1997年提出的一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò),可以改善過多存儲(chǔ)信息導(dǎo)致的梯度消失、梯度爆炸等問題。如圖1所示,每個(gè)LSTM單元在普通輸出ht的基礎(chǔ)上增加了一個(gè)輸出,即一個(gè)記憶單元Ct,并引入了三個(gè)門:輸入門、遺忘門和輸出門,通過這三個(gè)門控制了增加或者減少數(shù)據(jù)的比例。

    圖1 LSTM結(jié)構(gòu)圖

    LSTM記憶單元與各個(gè)門控制器更新如下:

    it=σ(Wxixt+Whiht-1+bi)

    (5)

    ft=σ(Wxfxt+Whfht-1+bf)

    (6)

    (7)

    (8)

    ot=σ(Wxoxt+Whoht-1+bo)

    (9)

    ht=ot*tanhCt

    (10)

    式(5)、式(6)分別為輸入門it和遺忘門ft的更新公式,其中bi和bf是輸入和遺忘的偏置矩陣,σ為sigmoid函數(shù),W是相對(duì)應(yīng)的權(quán)重矩陣。輸入門表示了對(duì)輸入和上一輸出的接收量。遺忘門過濾了輸入和上一輸出的遺忘量。

    式(9)是輸出門更新公式,其中Wxo和Who是對(duì)應(yīng)的權(quán)重矩陣。輸出門的功能是對(duì)繁瑣記憶信息的過濾。LSTM單元最終輸出如式(10)所示。

    2.2 批規(guī)范化

    BN可以加快網(wǎng)絡(luò)收斂速度,提升訓(xùn)練穩(wěn)定性,且基本解決了深度網(wǎng)絡(luò)難以訓(xùn)練的問題。多層神經(jīng)網(wǎng)絡(luò)很容易導(dǎo)致梯度問題,雖然LSTM中復(fù)雜的門結(jié)構(gòu)可以一定程度上減少梯度消失的出現(xiàn),但多層LSTM網(wǎng)絡(luò)仍然會(huì)存在一些梯度問題,這時(shí)可以加入BN層對(duì)信號(hào)進(jìn)行處理。BN層首先對(duì)輸入進(jìn)行白化預(yù)處理:

    (11)

    其中,E(x)指其中一批輸入x的平均值;Var(x)為該批次數(shù)據(jù)的標(biāo)準(zhǔn)差;ε是保證分母不為零的微小正數(shù)。對(duì)于深層神經(jīng)網(wǎng)絡(luò),在隱含層之后添加一層BN,可抑制網(wǎng)絡(luò)的非線性表達(dá),降低網(wǎng)絡(luò)的表達(dá)能力。為了保障網(wǎng)絡(luò)的非線性獲得,加入“比例及平移”操作,即:

    (12)

    3 搭建AQPSO-LSTM-BN故障診斷模型

    3.1 網(wǎng)絡(luò)搭建

    基于AQPSO-LSTM-BN的故障診斷模型以LSTM為基本的網(wǎng)絡(luò)單元,使用AQPSO算法對(duì)LSTM隱含層節(jié)點(diǎn)進(jìn)行優(yōu)化,并將BN層應(yīng)用在LSTM隱含層上,BN層對(duì)LSTM輸出信息進(jìn)行歸一化并進(jìn)行變換重構(gòu)等修正處理,改變了訓(xùn)練梯度,使學(xué)習(xí)收斂速度加快,大大加快了模型整體訓(xùn)練速度。頂層加入Softmax層對(duì)故障類別進(jìn)行識(shí)別。AQPSO-LSTM-BN網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示,由輸入層、加了BN的LSTM隱含層、一層全連接層和最頂層的Softmax層構(gòu)成。

    3.2 AQPSO-LSTM-BN故障診斷模型的搭建

    首先對(duì)從飛機(jī)QAR采集的故障數(shù)據(jù)進(jìn)行歸一化以及時(shí)間序列化預(yù)處理,將預(yù)處理后的數(shù)據(jù)分為訓(xùn)練集和測試集。搭建故障診斷模型步驟如下:

    (1)按照3.1節(jié)搭建網(wǎng)絡(luò)模型。選擇LSTM隱含層,每層LSTM上加入BN層,將每個(gè)隱層的輸出結(jié)果進(jìn)行歸一化處理再進(jìn)入下一個(gè)隱層,一層全連接層,頂層為Softmax分類層。

    (2)數(shù)據(jù)處理。對(duì)收集到的數(shù)據(jù)進(jìn)行特征選擇等預(yù)處理,將處理后的數(shù)據(jù)分為訓(xùn)練集、測試集。

    (3)參數(shù)優(yōu)化。選擇AQPSO來對(duì)隱含層節(jié)點(diǎn)數(shù)進(jìn)行尋優(yōu),AQPSO優(yōu)化LSTM過程如下:

    ①將LSTM中隱含層神經(jīng)元作為優(yōu)化對(duì)象,并初始化粒子位置和速度。

    ②將粒子群各粒子改為量子態(tài)下模式。

    ③根據(jù)式(1)確定粒子平均最優(yōu)位置,按改進(jìn)參數(shù)α后的式(2)更新粒子位置。通過比較目標(biāo)函數(shù),選取全局最優(yōu)值。重復(fù)此步驟直到滿足終止條件。

    ④利用最優(yōu)隱含層節(jié)點(diǎn)數(shù)構(gòu)建LSTM網(wǎng)絡(luò)。

    在迭代學(xué)習(xí)中使用Adam算法優(yōu)化網(wǎng)絡(luò)參數(shù),最終使Softmax層的輸出與真實(shí)數(shù)據(jù)標(biāo)簽的交叉熵?fù)p失逐漸減小。

    (4)當(dāng)滿足終止條件時(shí)停止訓(xùn)練,否則返回步驟(1)。

    通過訓(xùn)練集的數(shù)據(jù)訓(xùn)練得到準(zhǔn)確的AQPSO-LSTM-BN故障診斷模型,然后使用測試集的數(shù)據(jù)進(jìn)行實(shí)驗(yàn),通過故障診斷模型給出分類結(jié)果,并與真實(shí)類別作比較,計(jì)算測試集上的正確率。具體流程如圖3所示。

    圖3 AQPSO-LSTM-BN故障檢測流程圖

    4 實(shí)驗(yàn)與分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)

    本文使用波音787飛機(jī)的QAR系統(tǒng)提供的飛機(jī)輔助動(dòng)力裝置(APU)的實(shí)時(shí)數(shù)據(jù)。人工選取適用于本實(shí)驗(yàn)的有效特征數(shù)據(jù):排氣溫度(EGT)、滑油溫度(OilTemp)、滑油量(OilQty)和轉(zhuǎn)速4種故障參數(shù),如表3所示。按照滑油故障、點(diǎn)火系統(tǒng)故障、發(fā)電機(jī)故障三類劃分故障模式,使正常啟動(dòng)時(shí)輸出為0,滑油故障時(shí)輸出為1,點(diǎn)火系統(tǒng)故障時(shí)輸出為2,發(fā)電機(jī)故障時(shí)輸出為3。

    表3 故障特征選擇

    對(duì)故障參數(shù)求偏差值,將得到的偏差數(shù)據(jù)使用歸一化進(jìn)行預(yù)處理。歸一化將數(shù)據(jù)縮放到[0,1]區(qū)間內(nèi),如式(13)所示:

    (13)

    仿真實(shí)驗(yàn)中,keras LSTM模型對(duì)數(shù)據(jù)形式有一定要求,通常為3D tensor。因此,從CSV文檔讀入一組原始數(shù)據(jù)后,需要用numpy.reshape函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行重塑,以便keras LSTM讀入。

    4.2 模型參數(shù)對(duì)實(shí)驗(yàn)數(shù)據(jù)的影響

    根據(jù)AQPSO-LSTM-BN故障檢測器可知,在訓(xùn)練過程中對(duì)模型性能影響較大的參數(shù)有隱含層層數(shù)、隱含層節(jié)點(diǎn)數(shù)、訓(xùn)練次數(shù)T和學(xué)習(xí)率lr。

    為了選擇合適的隱層數(shù)量,分別選取隱層數(shù)為1~5的5種不同網(wǎng)絡(luò)結(jié)構(gòu),并以自適應(yīng)的量子粒子群(AQPSO)算法進(jìn)行隱含層節(jié)點(diǎn)數(shù)選擇,以5種層數(shù)的平均準(zhǔn)確率為評(píng)判標(biāo)準(zhǔn)進(jìn)行實(shí)驗(yàn)。經(jīng)實(shí)驗(yàn)得出,隱層數(shù)為3和4時(shí)整體檢測率相差不多,3層與4層相比結(jié)構(gòu)更簡單,訓(xùn)練速度更快;隱層數(shù)為5時(shí)精度大幅度下降。綜合考量則最合適的隱層數(shù)為3,隱含層節(jié)點(diǎn)數(shù)為50、50、24。

    圖4記錄了訓(xùn)練次數(shù)對(duì)實(shí)驗(yàn)準(zhǔn)確率的影響,描述了訓(xùn)練2 000次時(shí),準(zhǔn)確率的變化曲線(假設(shè)lr=0.006)。

    圖4 準(zhǔn)確率隨訓(xùn)練次數(shù)變化圖

    從圖4可以看出,開始模型逐步收斂但前期不穩(wěn)定產(chǎn)生震蕩,這是由于選擇了較大的學(xué)習(xí)率,導(dǎo)致參數(shù)更新太快。當(dāng)訓(xùn)練次數(shù)T=360左右模型開始穩(wěn)定。在訓(xùn)練次數(shù)選取時(shí),若訓(xùn)練次數(shù)過少,會(huì)造成訓(xùn)練不足;若訓(xùn)練次數(shù)過多,則有可能會(huì)造成過擬合。這里將訓(xùn)練次數(shù)調(diào)整為 600 次。

    圖5為選擇迭代次數(shù)為600,學(xué)習(xí)率分別為0.001、 0.003、0.006時(shí)的準(zhǔn)確率變化曲線。

    圖5 不同學(xué)習(xí)率準(zhǔn)確率對(duì)比曲線

    由圖5可見,選擇T=600,當(dāng)lr=0.001時(shí),準(zhǔn)確率最終穩(wěn)定在99.3%;當(dāng)lr=0.003時(shí),準(zhǔn)確率最終穩(wěn)定在99.1%,模型震蕩最為劇烈且持續(xù)時(shí)間較長;當(dāng)lr=0.006 時(shí),訓(xùn)練到130 次時(shí)準(zhǔn)確率開始收斂,收斂速度最快,且準(zhǔn)確率較為穩(wěn)定,最終收斂于99.6%。由上述內(nèi)容可知,選擇學(xué)習(xí)率lr=0.006最為合適。

    4.3 實(shí)驗(yàn)結(jié)果

    設(shè)置隱含層節(jié)點(diǎn)數(shù)為50、50、24,學(xué)習(xí)率lr=0.006,將APU故障含正常狀態(tài)分為0、1、2、3共四類,選取400個(gè)參數(shù)向量作為測試集進(jìn)行診斷,得到的診斷結(jié)果如圖6所示。

    圖6 AQPSO-LSTM-BN診斷結(jié)果圖

    圖6中,橫坐標(biāo)0~100為正常數(shù)據(jù),測試結(jié)果顯示可以完全識(shí)別;100~200為滑油故障,判錯(cuò)為正常1個(gè);200~300為點(diǎn)火系統(tǒng)故障,判錯(cuò)為滑油故障1個(gè);300~400為發(fā)電機(jī)故障,沒有判錯(cuò)。為驗(yàn)證優(yōu)化算法的合理性,將加了BN層的故障診斷模型與AQPSO-LSTM模型進(jìn)行了對(duì)比,均選取訓(xùn)練次數(shù)T=600次,對(duì)比結(jié)果如圖7所示。

    圖7 AQPSO-LSTM與AQPSO-LSTM-BN對(duì)比圖

    由圖7可以看出,加BN層后的收斂速度與AQPSO-LSTM故障診斷模型相比有所提高,在訓(xùn)練次數(shù)110左右開始收斂,模型精確度也有所提高。

    為驗(yàn)證模型的準(zhǔn)確性,將實(shí)驗(yàn)結(jié)果與傳統(tǒng)的LSTM模型、AQPSO-LSTM模型以及SVM模型、RNN模型和ELM模型的準(zhǔn)確率進(jìn)行對(duì)比,結(jié)果如表4所示。

    表4 實(shí)驗(yàn)對(duì)比結(jié)果

    由表4可以看出,針對(duì)于飛機(jī)APU故障數(shù)據(jù),AQPSO-LSTM-BN故障診斷模型與單純對(duì)長短期記憶網(wǎng)絡(luò)進(jìn)行參數(shù)優(yōu)化的故障診斷模型相比,準(zhǔn)確率更高,且明顯高于其他單一的故障診斷方法(LSTM,SVM,RNN,ELM)。

    5 結(jié)束語

    常見的單一故障診斷方法各有優(yōu)缺點(diǎn),不能很好地進(jìn)行診斷。本文提出了一種基于優(yōu)化LSTM與BN相結(jié)合的故障診斷模型,首先針對(duì)LSTM參數(shù)難以確定的問題,使用改進(jìn)的QPSO算法對(duì)LSTM隱含層節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化,然后針對(duì)深層網(wǎng)絡(luò)梯度問題,使用BN對(duì)LSTM網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)。實(shí)驗(yàn)在Python語言開發(fā)環(huán)境中編寫程序并調(diào)用TensorFlow庫函數(shù)完成。實(shí)驗(yàn)結(jié)果表明,AQPSO-LSTM-BN模型可實(shí)現(xiàn)高精度的APU故障診斷,與普通LSTM模型、SVM模型、RNN模型、ELM模型相比,在同等條件下,AQPSO-LSTM-BN故障診斷模型的準(zhǔn)確率更高,速度更快。本文提出的故障診斷模型更適用于處理時(shí)間序列問題,可以對(duì)飛機(jī)發(fā)動(dòng)機(jī)、APU等故障診斷提供一定參考。

    猜你喜歡
    故障診斷飛機(jī)故障
    飛機(jī)失蹤
    故障一點(diǎn)通
    “拼座飛機(jī)”迎風(fēng)飛揚(yáng)
    乘坐飛機(jī)
    神奇飛機(jī)變變變
    奔馳R320車ABS、ESP故障燈異常點(diǎn)亮
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    故障一點(diǎn)通
    江淮車故障3例
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    制服丝袜大香蕉在线| 国产av不卡久久| 88av欧美| 99热只有精品国产| 亚洲av成人av| 欧美日韩中文字幕国产精品一区二区三区| 国内毛片毛片毛片毛片毛片| 一个人免费在线观看电影 | 国产高清videossex| 亚洲人成网站高清观看| 热99re8久久精品国产| 国产精品一及| 亚洲精品色激情综合| 久久中文看片网| 听说在线观看完整版免费高清| 99热只有精品国产| 午夜福利欧美成人| 亚洲真实伦在线观看| 久久久久久久久久黄片| 精品免费久久久久久久清纯| 久久欧美精品欧美久久欧美| 最近最新中文字幕大全电影3| 偷拍熟女少妇极品色| 国产三级中文精品| 脱女人内裤的视频| 久久久国产成人免费| 亚洲国产看品久久| 久久这里只有精品中国| www日本黄色视频网| 99国产极品粉嫩在线观看| 午夜福利成人在线免费观看| 熟女少妇亚洲综合色aaa.| 久久热在线av| 一本综合久久免费| 久久久久国产精品人妻aⅴ院| 欧美日韩精品网址| 精品一区二区三区视频在线观看免费| 国产高清视频在线播放一区| 一a级毛片在线观看| 亚洲熟妇中文字幕五十中出| 亚洲精品色激情综合| 麻豆久久精品国产亚洲av| 搡老岳熟女国产| 日本精品一区二区三区蜜桃| 亚洲国产精品成人综合色| 久久久久九九精品影院| 亚洲精品456在线播放app | 国产精品乱码一区二三区的特点| 国产一区二区三区视频了| 亚洲成人久久性| 国产一区在线观看成人免费| 天天添夜夜摸| 欧美色视频一区免费| 黄色视频,在线免费观看| 夜夜爽天天搞| 99久久国产精品久久久| 观看免费一级毛片| 91在线观看av| 精品不卡国产一区二区三区| 亚洲乱码一区二区免费版| 国产成人福利小说| 最近最新免费中文字幕在线| 日日夜夜操网爽| 最新在线观看一区二区三区| 国产精品一区二区免费欧美| 在线国产一区二区在线| 一区二区三区激情视频| 少妇人妻一区二区三区视频| 亚洲精品美女久久久久99蜜臀| 少妇裸体淫交视频免费看高清| 香蕉国产在线看| 色综合欧美亚洲国产小说| 亚洲国产欧美网| 国产视频一区二区在线看| 国产精品久久久av美女十八| 久久婷婷人人爽人人干人人爱| 国产午夜精品久久久久久| a级毛片a级免费在线| 免费观看人在逋| 观看美女的网站| 成人无遮挡网站| 最新在线观看一区二区三区| 国产久久久一区二区三区| 国产伦精品一区二区三区四那| 国产激情欧美一区二区| 久久精品国产综合久久久| 激情在线观看视频在线高清| 亚洲中文字幕一区二区三区有码在线看 | 欧美日本视频| 婷婷精品国产亚洲av| 午夜福利在线在线| 波多野结衣高清作品| 91久久精品国产一区二区成人 | 国产亚洲欧美在线一区二区| 丝袜人妻中文字幕| 免费看日本二区| 少妇的逼水好多| 白带黄色成豆腐渣| 国内精品美女久久久久久| 人人妻人人澡欧美一区二区| 国产三级在线视频| 香蕉av资源在线| 俄罗斯特黄特色一大片| a在线观看视频网站| 国产v大片淫在线免费观看| 黄色丝袜av网址大全| 国产精品一区二区免费欧美| 久久久久久久久中文| 国产乱人伦免费视频| 又粗又爽又猛毛片免费看| 午夜免费观看网址| 久久久久国内视频| 校园春色视频在线观看| 中文字幕av在线有码专区| 欧美激情久久久久久爽电影| 亚洲国产欧美网| 亚洲av片天天在线观看| 在线观看舔阴道视频| 色老头精品视频在线观看| ponron亚洲| 久久精品aⅴ一区二区三区四区| 日本精品一区二区三区蜜桃| 91av网站免费观看| 男人的好看免费观看在线视频| 久久九九热精品免费| 操出白浆在线播放| 精品久久久久久成人av| 精品国内亚洲2022精品成人| 亚洲中文日韩欧美视频| 岛国在线观看网站| 三级国产精品欧美在线观看 | 午夜免费观看网址| 亚洲18禁久久av| 观看美女的网站| 午夜福利视频1000在线观看| 国产视频内射| 九色国产91popny在线| 国产成人av激情在线播放| 国产伦一二天堂av在线观看| 黑人巨大精品欧美一区二区mp4| 色在线成人网| 美女黄网站色视频| 国产一区二区三区在线臀色熟女| 亚洲五月婷婷丁香| aaaaa片日本免费| 免费观看的影片在线观看| 桃色一区二区三区在线观看| 伦理电影免费视频| 国产精品亚洲美女久久久| 大型黄色视频在线免费观看| 久久久成人免费电影| 九九热线精品视视频播放| 少妇裸体淫交视频免费看高清| 桃红色精品国产亚洲av| 国产亚洲欧美98| 亚洲av成人精品一区久久| 中文资源天堂在线| 久久国产精品影院| 女人高潮潮喷娇喘18禁视频| 99热只有精品国产| 偷拍熟女少妇极品色| 精品欧美国产一区二区三| 国产成人欧美在线观看| 成人三级做爰电影| 国产欧美日韩精品一区二区| 亚洲专区国产一区二区| 国内揄拍国产精品人妻在线| 国产成人福利小说| 黑人操中国人逼视频| 成人一区二区视频在线观看| 黑人操中国人逼视频| 激情在线观看视频在线高清| 国产精品亚洲一级av第二区| 成人国产一区最新在线观看| www日本黄色视频网| 亚洲精品粉嫩美女一区| 一边摸一边抽搐一进一小说| 中文字幕精品亚洲无线码一区| 高清在线国产一区| 国产成人精品久久二区二区免费| 国产成+人综合+亚洲专区| 精品一区二区三区视频在线观看免费| 少妇人妻一区二区三区视频| 丰满人妻一区二区三区视频av | 人人妻人人看人人澡| 我的老师免费观看完整版| 亚洲乱码一区二区免费版| 亚洲,欧美精品.| 国产精品自产拍在线观看55亚洲| 欧美成人一区二区免费高清观看 | 精品不卡国产一区二区三区| 亚洲美女黄片视频| 亚洲国产欧洲综合997久久,| 91在线精品国自产拍蜜月 | 夜夜爽天天搞| av片东京热男人的天堂| 国产精品野战在线观看| 亚洲熟女毛片儿| 亚洲欧美日韩无卡精品| 一二三四社区在线视频社区8| 舔av片在线| 成年人黄色毛片网站| 一卡2卡三卡四卡精品乱码亚洲| 亚洲午夜理论影院| 国产乱人视频| 国产精品一区二区三区四区久久| 99riav亚洲国产免费| 蜜桃久久精品国产亚洲av| 不卡av一区二区三区| 日本黄大片高清| 久久婷婷人人爽人人干人人爱| 亚洲精品国产精品久久久不卡| 啪啪无遮挡十八禁网站| 99久久综合精品五月天人人| 日韩精品中文字幕看吧| 最新中文字幕久久久久 | 俺也久久电影网| 国产激情久久老熟女| 欧美不卡视频在线免费观看| 99re在线观看精品视频| 一个人免费在线观看电影 | 国产av在哪里看| 国内毛片毛片毛片毛片毛片| 两人在一起打扑克的视频| 免费一级毛片在线播放高清视频| 亚洲av成人不卡在线观看播放网| 国产精品自产拍在线观看55亚洲| 国产亚洲精品久久久com| 又爽又黄无遮挡网站| 亚洲第一电影网av| 国产精品一区二区三区四区免费观看 | 无遮挡黄片免费观看| 99热只有精品国产| 日本 欧美在线| 国产精品亚洲av一区麻豆| 国产熟女xx| 国产精品一区二区精品视频观看| 国内少妇人妻偷人精品xxx网站 | 99久久成人亚洲精品观看| 亚洲中文字幕日韩| 黄片小视频在线播放| 这个男人来自地球电影免费观看| 午夜成年电影在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 婷婷亚洲欧美| 国产精品1区2区在线观看.| 国产乱人视频| 国产精品精品国产色婷婷| 99热6这里只有精品| 99久久精品一区二区三区| 嫩草影视91久久| 一二三四社区在线视频社区8| 熟女人妻精品中文字幕| 久久久精品大字幕| 亚洲 国产 在线| 91av网站免费观看| 国产成人啪精品午夜网站| 国产亚洲av高清不卡| 美女黄网站色视频| 99精品久久久久人妻精品| 中文资源天堂在线| 久久国产乱子伦精品免费另类| 香蕉丝袜av| 色av中文字幕| 成年版毛片免费区| 最新中文字幕久久久久 | 国产亚洲av嫩草精品影院| 黑人欧美特级aaaaaa片| 国内精品美女久久久久久| 国产精品日韩av在线免费观看| 无人区码免费观看不卡| 国产成人精品久久二区二区免费| 亚洲精品在线观看二区| 女生性感内裤真人,穿戴方法视频| 成人性生交大片免费视频hd| 可以在线观看毛片的网站| 日韩免费av在线播放| 成年女人永久免费观看视频| 精品久久久久久久末码| 两个人看的免费小视频| av在线蜜桃| 久久久国产精品麻豆| 999久久久精品免费观看国产| av国产免费在线观看| 国产亚洲精品久久久com| 91在线观看av| 久久这里只有精品中国| 国产淫片久久久久久久久 | 国产欧美日韩一区二区三| 国产成人精品久久二区二区91| 真实男女啪啪啪动态图| 亚洲 国产 在线| 亚洲精品中文字幕一二三四区| 成人三级做爰电影| 身体一侧抽搐| 亚洲欧美一区二区三区黑人| 欧美3d第一页| 久久久久国产精品人妻aⅴ院| 美女高潮喷水抽搐中文字幕| 无人区码免费观看不卡| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲美女视频黄频| 男人和女人高潮做爰伦理| 免费在线观看日本一区| 好男人电影高清在线观看| 日韩欧美免费精品| 伦理电影免费视频| 国产乱人视频| 搡老妇女老女人老熟妇| 亚洲欧洲精品一区二区精品久久久| 夜夜看夜夜爽夜夜摸| 88av欧美| 很黄的视频免费| 在线十欧美十亚洲十日本专区| 国产蜜桃级精品一区二区三区| www.www免费av| 九色国产91popny在线| 好男人电影高清在线观看| 偷拍熟女少妇极品色| 特大巨黑吊av在线直播| 精品国产超薄肉色丝袜足j| 欧美性猛交╳xxx乱大交人| 欧洲精品卡2卡3卡4卡5卡区| 一区二区三区高清视频在线| 一个人免费在线观看电影 | 日韩欧美国产一区二区入口| 国产黄色小视频在线观看| 制服人妻中文乱码| 国产高潮美女av| 成年女人永久免费观看视频| 麻豆国产av国片精品| 欧美高清成人免费视频www| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品久久久久久人妻精品电影| 亚洲第一电影网av| 神马国产精品三级电影在线观看| 免费搜索国产男女视频| 夜夜躁狠狠躁天天躁| 亚洲美女黄片视频| 日韩高清综合在线| 中文字幕久久专区| 无遮挡黄片免费观看| а√天堂www在线а√下载| 中文字幕精品亚洲无线码一区| 亚洲最大成人中文| 热99在线观看视频| 免费观看的影片在线观看| 亚洲人成网站高清观看| 一区二区三区激情视频| 亚洲无线在线观看| 久久伊人香网站| 国产精品综合久久久久久久免费| 69av精品久久久久久| 久久久精品大字幕| 国产一区二区在线观看日韩 | 又紧又爽又黄一区二区| 亚洲18禁久久av| 无人区码免费观看不卡| 欧美日韩瑟瑟在线播放| 久久精品影院6| 美女高潮的动态| 国产乱人伦免费视频| 国产欧美日韩精品亚洲av| 女警被强在线播放| 又黄又爽又免费观看的视频| 麻豆国产97在线/欧美| 精品99又大又爽又粗少妇毛片 | 久久中文看片网| 欧美3d第一页| 12—13女人毛片做爰片一| 天天躁日日操中文字幕| 欧美日本视频| 精品乱码久久久久久99久播| 国产69精品久久久久777片 | 97超级碰碰碰精品色视频在线观看| 两个人的视频大全免费| 欧美在线一区亚洲| netflix在线观看网站| www.999成人在线观看| 精品久久久久久久毛片微露脸| 婷婷六月久久综合丁香| 女人被狂操c到高潮| 久久久久久九九精品二区国产| 免费人成视频x8x8入口观看| 国产欧美日韩精品一区二区| 精品乱码久久久久久99久播| 99久久综合精品五月天人人| 亚洲精品在线观看二区| 黄片大片在线免费观看| 色综合婷婷激情| 草草在线视频免费看| 国产精品美女特级片免费视频播放器 | 亚洲va日本ⅴa欧美va伊人久久| 哪里可以看免费的av片| 国产成人啪精品午夜网站| 国产av在哪里看| 午夜精品在线福利| 成人国产综合亚洲| 一个人免费在线观看的高清视频| 久久人妻av系列| 精华霜和精华液先用哪个| 18禁黄网站禁片午夜丰满| 女同久久另类99精品国产91| 我要搜黄色片| 美女被艹到高潮喷水动态| 丰满的人妻完整版| 欧美丝袜亚洲另类 | 国产高清激情床上av| 人妻久久中文字幕网| 久久精品aⅴ一区二区三区四区| 成人18禁在线播放| 亚洲国产欧洲综合997久久,| 久久久久久久久中文| 久久久精品欧美日韩精品| 国产午夜精品论理片| 黄频高清免费视频| 黄色成人免费大全| 午夜精品在线福利| 欧美又色又爽又黄视频| 色综合欧美亚洲国产小说| 国产伦精品一区二区三区视频9 | 91在线观看av| 亚洲欧美日韩卡通动漫| 波多野结衣高清无吗| 女警被强在线播放| 成人三级黄色视频| 亚洲第一电影网av| 国产欧美日韩精品亚洲av| 中文字幕高清在线视频| 香蕉丝袜av| 一个人看视频在线观看www免费 | 国产av一区在线观看免费| 18禁国产床啪视频网站| 看片在线看免费视频| 最近视频中文字幕2019在线8| 国产午夜精品论理片| 99国产精品一区二区蜜桃av| 欧美三级亚洲精品| 亚洲色图 男人天堂 中文字幕| 每晚都被弄得嗷嗷叫到高潮| 成人特级黄色片久久久久久久| 淫秽高清视频在线观看| 亚洲专区字幕在线| 一个人观看的视频www高清免费观看 | 五月伊人婷婷丁香| 久久伊人香网站| 亚洲激情在线av| 国产高清三级在线| 国产一区二区三区在线臀色熟女| 日韩精品中文字幕看吧| 成人无遮挡网站| 99久久久亚洲精品蜜臀av| 精品无人区乱码1区二区| 18禁黄网站禁片免费观看直播| 国产精品久久电影中文字幕| 日韩欧美三级三区| 国产伦精品一区二区三区四那| 我要搜黄色片| 国产精品98久久久久久宅男小说| 国产淫片久久久久久久久 | 欧美乱码精品一区二区三区| 91久久精品国产一区二区成人 | 成年女人看的毛片在线观看| 国产成人av教育| 美女大奶头视频| 亚洲精品乱码久久久v下载方式 | 日韩有码中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 级片在线观看| a级毛片a级免费在线| 亚洲最大成人中文| 成年人黄色毛片网站| 久久精品人妻少妇| 欧美黄色淫秽网站| 国产91精品成人一区二区三区| 丁香六月欧美| 国产成人精品无人区| 亚洲国产高清在线一区二区三| 国产成人aa在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产久久久一区二区三区| 亚洲国产欧洲综合997久久,| 亚洲午夜理论影院| 精品久久久久久久末码| 男人舔女人的私密视频| 国产v大片淫在线免费观看| 宅男免费午夜| 久久精品国产综合久久久| 欧美在线一区亚洲| 国内精品美女久久久久久| 夜夜夜夜夜久久久久| 国产精品久久久人人做人人爽| 欧美一级a爱片免费观看看| 成在线人永久免费视频| h日本视频在线播放| 后天国语完整版免费观看| 色在线成人网| 九色国产91popny在线| 天堂√8在线中文| 国产熟女xx| 又大又爽又粗| 精品人妻1区二区| 成人18禁在线播放| 久久久久久大精品| 国语自产精品视频在线第100页| 欧美乱妇无乱码| 人人妻人人澡欧美一区二区| 黄色丝袜av网址大全| 欧美日韩中文字幕国产精品一区二区三区| 岛国在线观看网站| 最近在线观看免费完整版| 成人三级黄色视频| 欧美一级a爱片免费观看看| 日韩欧美免费精品| 亚洲精品在线美女| www国产在线视频色| 国产伦精品一区二区三区视频9 | 欧美色视频一区免费| 中文亚洲av片在线观看爽| 欧美黑人巨大hd| h日本视频在线播放| 中亚洲国语对白在线视频| 一二三四在线观看免费中文在| 成人无遮挡网站| 国产黄片美女视频| 中亚洲国语对白在线视频| 亚洲专区国产一区二区| www.www免费av| 国产视频一区二区在线看| 欧美成人一区二区免费高清观看 | 9191精品国产免费久久| 国产91精品成人一区二区三区| 久久久久精品国产欧美久久久| 亚洲成人中文字幕在线播放| 久久草成人影院| 色噜噜av男人的天堂激情| 日韩欧美在线二视频| 一进一出好大好爽视频| xxx96com| 波多野结衣高清作品| 亚洲av中文字字幕乱码综合| 久久精品综合一区二区三区| 国产成人精品久久二区二区免费| 成在线人永久免费视频| 国产伦在线观看视频一区| 国产伦人伦偷精品视频| 在线十欧美十亚洲十日本专区| 琪琪午夜伦伦电影理论片6080| 91九色精品人成在线观看| 亚洲欧美日韩卡通动漫| 麻豆成人av在线观看| 毛片女人毛片| 每晚都被弄得嗷嗷叫到高潮| 1024手机看黄色片| 国产爱豆传媒在线观看| 亚洲色图 男人天堂 中文字幕| 999久久久国产精品视频| 热99re8久久精品国产| 亚洲自拍偷在线| 午夜福利成人在线免费观看| 99热只有精品国产| 亚洲午夜理论影院| 一个人免费在线观看的高清视频| 亚洲午夜理论影院| 色综合站精品国产| 无限看片的www在线观看| 亚洲欧美一区二区三区黑人| 国语自产精品视频在线第100页| 男女视频在线观看网站免费| 熟女电影av网| 别揉我奶头~嗯~啊~动态视频| 婷婷精品国产亚洲av在线| 欧美黄色淫秽网站| 日本 av在线| 黑人欧美特级aaaaaa片| 国产精品九九99| 一本综合久久免费| 久久亚洲真实| 动漫黄色视频在线观看| 国产麻豆成人av免费视频| 日韩成人在线观看一区二区三区| 日韩欧美在线二视频| 国产高清视频在线观看网站| 亚洲av片天天在线观看| 亚洲av第一区精品v没综合| 日本成人三级电影网站| tocl精华| 欧美日本亚洲视频在线播放| 法律面前人人平等表现在哪些方面| 国产蜜桃级精品一区二区三区| 免费观看精品视频网站| 我要搜黄色片| 变态另类成人亚洲欧美熟女| 国产淫片久久久久久久久 | 久久国产精品人妻蜜桃| 搡老岳熟女国产| 精品午夜福利视频在线观看一区| 久久精品夜夜夜夜夜久久蜜豆| 制服人妻中文乱码| 变态另类丝袜制服| 午夜日韩欧美国产| 最近最新中文字幕大全免费视频| 99热这里只有是精品50| 欧美性猛交黑人性爽| 亚洲国产日韩欧美精品在线观看 | 1024香蕉在线观看| 一夜夜www| 又黄又粗又硬又大视频| 嫩草影院入口| 色哟哟哟哟哟哟| 国产视频内射| 一a级毛片在线观看| xxx96com| 成人特级av手机在线观看| 欧美乱色亚洲激情|