• <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 ?

    基于深度學習及GPU計算的航天器故障檢測技術

    2020-06-06 06:56:04田林琳
    計算機測量與控制 2020年5期
    關鍵詞:置信航天器軸承

    田林琳

    (沈陽工學院 信息與控制學院,沈陽 113122)

    0 引言

    隨著航天技術快速發(fā)展,航天器自動化水平越來越高,航天器通常于高溫、高壓等惡劣環(huán)境中,一旦設備在飛行過程中出現(xiàn)故障,那么將造成不可預知的問題,甚至對人們安全出行帶來嚴重影響,因此,對航天器故障進行有效檢測已經(jīng)成為該領域研究的熱點問題之一。在現(xiàn)階段,最常用的航天器故障自主檢測方法主要包括人工蟻群算法、模糊算法[1]。由于航天器故障檢測方法能夠快速自動檢測出航天器潛在的故障問題,進而為航天器設備維護提供依據(jù),保障航天器安全飛行。

    傳統(tǒng)故障檢測方法大多針對的是航天器周期性故障問題進行識別與搜索的,自主性相對較差,而航天器故障多具有非線性特點。采用傳統(tǒng)故障檢測方法對故障進行檢測,往往需要耗費大量成本,但檢測精準度較低,無法達到滿意檢測效果[2]。

    為了避免上述方法的弊端,提出了基于深度學習及GPU計算的航天器故障檢測技術。GPU計算技術的發(fā)展為基于深度學習檢測航天器故障優(yōu)化加速提供了有效途徑。在GPU計算方式下,結(jié)合航天器故障信號特點,對故障檢測算法進行優(yōu)化加速,進而保證航天器的安全運行。

    1 航天器故障信號特征分析與檢測原理

    航天器正常飛行時,其運行狀態(tài)特征信號變化幅度較小,大部分集中在某一尺度范圍內(nèi)。在單位時間內(nèi),航天器飛行所受到溫度影響,無論大小,其飛行頻率都存在一定差異,因此,研究某階段部分數(shù)據(jù)能夠如實反映出該階段的狀態(tài)。航天器設備的各個部件都具有一定可靠性,在規(guī)定條件下,航天器可靠性與運行時間呈正比例關系[3]。航天器可靠性將隨著時間推移而降低,航天器出現(xiàn)故障的時間也是隨機的,輸出的故障信號也是極不規(guī)則的[4]。由于航天器出現(xiàn)故障,特征信號在時間是分維數(shù)的,因此,采用GPU計算方法更能準確反應航天器運行狀態(tài)。

    航天器故障通常分為“硬故障”和“軟故障”兩種,其中“硬故障”指的是航天器出現(xiàn)突發(fā)性硬件損壞,而“軟故障”指的是某些參數(shù)出現(xiàn)不良變化,故障檢測過程是識別航天器有無故障出現(xiàn)的過程[5]。

    航天器故障檢測原理可描述為:

    構(gòu)造深度學習檢測模型,在此模型中,隨著層次不斷提高,輸入樣本層次相對抽象?;谏疃葘W習的航天器故障檢測過程是通過模型層次分析獲取樣本的本質(zhì)過程。在樣本訓練過程中,可通過調(diào)節(jié)相關航天器參數(shù),使輸出結(jié)果最大化接近輸入值,以此獲取輸入值的相關層次特征。在該過程中,將每一層輸出結(jié)果視為下一層輸入結(jié)果,以此實現(xiàn)相關輸入數(shù)據(jù)分級表達,進而實現(xiàn)較高層次學習,不斷重復該過程,直到模型識別目標故障特征位置,通過該原理能夠?qū)崿F(xiàn)對航天器故障的高效檢測[6]。

    2 基于GPU計算技術航天器故障特征提取

    GPU計算技術是顯卡的中心,與圖形處理器類似,只不過GPU是專門為執(zhí)行幾何計算而設計的。時下GPU具有3D特征提取功能,通過在坐標位置中確定一個特征,那么利用GPU技術就可以迅速計算出該圖形所有像素,并在指定位置獲取相應特征[7]。獲取的GPU圖像如圖1所示。

    圖1 GPU圖像

    針對航天器在運行過程中出現(xiàn)的微弱振動信號提取需求越來越迫切,故障特征提取是實現(xiàn)航天器故障檢測關鍵環(huán)節(jié),最常用的方法是GPU計算技術提取方法,是一種平穩(wěn)提取方式。由于條件限制,難以獲取航天器振動數(shù)據(jù),采用地面設備振動數(shù)據(jù)作為故障數(shù)據(jù)源,提取相關故障特征[8]。具體提取方法為:設置提取頻率為10 k,每1 024個振動檢測值,作為一組數(shù)據(jù)源,從中隨機選取25組數(shù)據(jù)。對每組數(shù)據(jù)進行模態(tài)分解,獲取多個組合,并對這些組合進行變換特征提取。由于GPU作為故障特征處理,實際上是一個二維分段提取過程,包括從中讀取特征圖像和標記圖像中的X、Y坐標。此外,輸出寫地址是由光柵處理器來確定的,無法改變程序應用,實際上,碎片處理器是一個SIMD數(shù)據(jù)并行執(zhí)行單元,在所有碎片中執(zhí)行獨立代碼[9]。對每個代碼中所代表的信號進行模態(tài)分解,獲取的故障數(shù)目不一定相等,但通過信號統(tǒng)計分析,可將所有信號能量比構(gòu)造為特征向量,實現(xiàn)對全部故障特征的提取。

    3 基于深度學習航天器故障檢測

    3.1 深度置信網(wǎng)絡模型

    依據(jù)上述提取的故障特征,采用深度學習方法對航天器故障進行檢測。深度置信網(wǎng)絡模型是深度學習的主要模型,是一種無監(jiān)督特征學習模型,其基本組成單元是基于受限玻爾茲曼機模型構(gòu)建的,能夠最大概率擬合輸入數(shù)據(jù),同時捕獲輸入數(shù)據(jù)中隱含的高階相關性。每一層都是由可視層和隱含層所組成的雙層網(wǎng)絡模型,各個層次間的神經(jīng)元節(jié)點是有連接的[10]。在GPU計算技術支持下,將提取的航天器故障特征作為輸入數(shù)據(jù)樣本,而隱含層相當于特征提取器,在相關模型連接權(quán)值參數(shù)支持下,可將構(gòu)建的深度置信網(wǎng)絡模型分為兩部分,分別是無監(jiān)督形式預訓練階段和有監(jiān)督形式的微調(diào)階段。

    圖2所示為3個隱含層和1個可視層組成的深度置信網(wǎng)絡模型。

    圖2 深度置信網(wǎng)絡模型

    由圖2可知,3個隱含層為無監(jiān)督形式預訓練階段,而1個可視層為有監(jiān)督形式的微調(diào)階段。在這兩個階段下,對航天器軸承故障問題展開分析。深度置信網(wǎng)絡模型具有若干個隱變量層的生成模型,該單元通常是二值的,只有一個隱藏層存在一個隱含層。頂部兩層之間連接是無向的,而其他層次之間連接是有向的,箭頭代表了最接近數(shù)據(jù)的層次。深度神經(jīng)網(wǎng)絡在每一層都是對最原始輸入數(shù)據(jù)進行特征描述的,由于深度網(wǎng)絡是分層訓練的,因此,最優(yōu)一層分類器可換為任意一種分類器。在對航天器某個節(jié)點進行故障檢測時,需丟掉網(wǎng)絡第三層,才能形成自聯(lián)想神經(jīng)網(wǎng)絡,使其形成一種更好神經(jīng)網(wǎng)絡模型,實現(xiàn)對故障數(shù)據(jù)的重構(gòu),也為航天器軸承故障檢測奠定基礎。

    3.2 軸承故障預測

    根據(jù)上述內(nèi)容構(gòu)建的深度置信網(wǎng)絡模型的輸入及隱含層神經(jīng)元輸出在訓練中伯努利值,大大限制了其在時序數(shù)據(jù)預測中的應用。由于輸入層和隱含層各個單元都是連續(xù)性隨機單元,因此,越高度逼近連續(xù)型非線性時序數(shù)據(jù),越說明該軸承故障數(shù)據(jù)越多[11]。

    采用基于深度學習航天器故障檢測技術對軸承故障進行預測,可通過特征指標準確描述關鍵機械部件故障特征,將經(jīng)過GPU計算技術下提取的故障特征用于深度置信網(wǎng)絡故障預測基本數(shù)據(jù)。所使用的具體步驟如下所示:

    1)運用GPU計算技術提取振動加速度數(shù)據(jù),推測航天器軸承的使用壽命。

    2)提取不同狀態(tài)下振動參數(shù),組成多維特征矢量。

    3)根據(jù)原始多維特征矢量融合特點,判斷軸承故障出現(xiàn)的綜合特征;

    4)通過正常時期指標數(shù)據(jù)的訓練樣本,將出現(xiàn)的故障綜合特征進行歸一化;

    5)對模型參數(shù)進行優(yōu)化,建立軸承故障振動連續(xù)預測器模型。

    6)對可能引發(fā)故障的相關數(shù)據(jù)集進行預測。

    通過對軸承故障預測,能夠搜集相關數(shù)據(jù),為故障識別奠定基礎。

    3.3 軸承故障識別

    在對不同故障任務進行識別時,需設置不同網(wǎng)絡參數(shù),在正常情況下需通過人工經(jīng)驗來耗費大量時間。因此,需設計一個具有參數(shù)自適應能力診斷模型,以此提高軸承故障識別適應性。軸承故障如圖3所示。

    圖3 軸承故障

    由圖3可知,軸承故障位置依次為外圈、密封處、內(nèi)圈和滾動體。根據(jù)該故障位置,提出的一種基于深度學習及GPU計算的航天器故障檢測技術,用于軸承故障識別,具體識別步驟如下所示:

    1)分析并識別滾動軸承振動信號;

    2)構(gòu)建數(shù)據(jù)樣本集作為訓練樣本,用于故障的識別;

    3)檢測識別網(wǎng)絡權(quán)值矩陣,并處理偏置矩陣的初始化數(shù)值;

    4)檢測技術可以自動確定網(wǎng)絡所有的關鍵參數(shù),用于識別;

    5)根據(jù)深度置信網(wǎng)絡模型中的最優(yōu)測試樣本,用于測試識別故障。

    通過把軸承的復合故障振動信號和單故障信號進行歸一化處理,在構(gòu)造故障樣本,根據(jù)不同故障狀態(tài)下的信號振動情況進行采樣。以多個采樣點為基礎,學習故障特征,由此實現(xiàn)航天器故障檢測。

    3.4 故障特征學習

    在航天器軸承故障的診斷識別當中,深度學習與先進信號處理之間相互作用,對故障的識別判斷發(fā)揮了各自的優(yōu)勢。深度學習對信號局部特征的相似數(shù)據(jù)進行有效的區(qū)分和整理,避免數(shù)據(jù)重復利用。

    深度學習方法運用深度置信網(wǎng)絡模型,對原始信號無監(jiān)督特征學習進行監(jiān)督,使軸承故障特征學習更加完善,同時提高了航天器健康狀態(tài)自動、高效的識別效果。所提方法具體步驟如下所示:

    1)訓練機械振動加速度數(shù)據(jù);

    2)將原始數(shù)據(jù)進行歸一化處理,并將其劃分為訓練樣本和測試樣本;

    3)使用深度置信網(wǎng)絡模型,用于訓練樣本無監(jiān)督特征學習;

    4)通過構(gòu)建健康狀態(tài)分類器,把學習到的訓練樣本深層特征輸入到模型之中。

    3.5 智能故障診斷

    基于上述內(nèi)容,設計智能故障診斷實現(xiàn)方案,具體步驟如下所示:

    1)智能故障診斷可以直接獲取軸承振動頻譜數(shù)據(jù);

    2)智能故障診斷可以直接建立訓練樣本和測試樣本;

    3)構(gòu)建具有代表性的多隱層深度置信網(wǎng)絡模型,可以自主區(qū)分并獲取訓練樣本;

    4)深度置信網(wǎng)絡模型具有自主學習的性能;

    5)采用深度學習方法實現(xiàn)智能故障診斷。

    4 實驗

    為了驗證基于深度學習及GPU計算的航天器故障檢測技術可靠性,需結(jié)合自身研究成果,依次展示不同方法對航天器軸承故障檢測效果。

    4.1 實驗參數(shù)設置

    實驗設備軟硬件參數(shù)設置如表1所示。

    表1 實驗設備軟硬件參數(shù)

    4.2 軸承故障檢測

    將NASA預測數(shù)據(jù)庫中的軸承全壽命實驗數(shù)據(jù)作為樣本數(shù)據(jù)進行檢測分析,根據(jù)運行時間最長的軸承作為研究對象,通過多次檢測數(shù)據(jù)的結(jié)果提取每個信號段的指標數(shù)據(jù)特征。把全壽命信號分為4 000個數(shù)據(jù)段,采用融入原始特征向量之中的局部線性嵌入算法,將第一個非零特征值與對應的特征矢量作為綜合特征指標,如圖4所示。

    圖4 軸承綜合特性指標

    由圖4可知,隨著時間的增加,正常階段下的綜合特征指標最高為1.04;微弱故障階段的綜合特征指標最高為1.06;失效階段綜合特征指標最高為1.2。訓練樣本為第7天到第28天的綜合特征指標,預測目標為第28天到第35天的綜合特征指標。

    將深度學習及GPU計算的航天器故障檢測技術與傳統(tǒng)故障檢測技術在不同時間段下進行對比,結(jié)果如圖5~6所示。

    圖5 兩種技術第7天到第28天綜合特征指標

    由圖5可知:采用深度學習及GPU計算檢測技術在第7天到第28天內(nèi),預測的綜合特征指標與實際綜合特征指標基本吻合;而采用傳統(tǒng)故障檢測技術在第7天到第28天內(nèi),預測的綜合特征指標與實際綜合特征指標相差較大。

    圖6 兩種技術第28天到第35天的綜合特征指標

    由圖6可知:采用深度學習及GPU計算檢測技術在第28天到第35天內(nèi),預測的綜合特征指標與實際指標基本一致,在第32天時,預測指標與實際指標重合;而采用傳統(tǒng)故障檢測技術在第28天到第35天內(nèi),預測的綜合特征指標與實際指標相差較大,說明采用傳統(tǒng)方法預測效果并不精準,而使用深度學習及GPU計算檢測技術預測效果較為精準。

    將深度學習及GPU計算檢測技術與傳統(tǒng)檢測技術的檢測精準度進行對比分析,結(jié)果如表2所示。

    表2 兩種技術檢測精準度

    由表2可知,隨著迭代次數(shù)增加,傳統(tǒng)檢測技術始終維持在60%以下,而深度學習及GPU計算檢測技術始終高于90%以上。由此可知,深度學習及GPU計算檢測技術對航天器故障檢測精準度較高,說明該技術是具有可靠性的。

    5 結(jié)語

    針對傳統(tǒng)航天器故障檢測方法存在檢測精準度較低的問題,提出了基于深度學習及GPU計算的航天器故障檢測技術。構(gòu)建深度網(wǎng)絡學習方法,深度學習網(wǎng)絡模型節(jié)點,獲取相關故障特征,以此實現(xiàn)對航天器當前故障狀態(tài)的判定,進而完成航天器故障自主檢測。由實驗結(jié)果表明,該方法在對航天器進行自主檢測時,相比于傳統(tǒng)故障檢測精準度提高較多。采用深度學習方法能夠自適應提取輸入數(shù)據(jù)中的代表性信息,擺脫以往檢測的依賴,獲取可靠故障預測結(jié)果。

    猜你喜歡
    置信航天器軸承
    2022 年第二季度航天器發(fā)射統(tǒng)計
    國際太空(2022年7期)2022-08-16 09:52:50
    軸承知識
    哈爾濱軸承(2022年2期)2022-07-22 06:39:32
    軸承知識
    哈爾濱軸承(2022年1期)2022-05-23 13:13:24
    急診住院醫(yī)師置信職業(yè)行為指標構(gòu)建及應用初探
    基于置信職業(yè)行為的兒科住院醫(yī)師形成性評價體系的構(gòu)建探索
    軸承知識
    哈爾濱軸承(2021年2期)2021-08-12 06:11:46
    基于模糊深度置信網(wǎng)絡的陶瓷梭式窯PID優(yōu)化控制
    陶瓷學報(2021年2期)2021-07-21 08:34:58
    軸承知識
    哈爾濱軸承(2021年1期)2021-07-21 05:43:16
    2019 年第二季度航天器發(fā)射統(tǒng)計
    國際太空(2019年9期)2019-10-23 01:55:34
    2018 年第三季度航天器發(fā)射統(tǒng)計
    國際太空(2018年12期)2019-01-28 12:53:20
    国产精品无大码| 一本—道久久a久久精品蜜桃钙片| 欧美人与性动交α欧美精品济南到 | 欧美日韩一级在线毛片| 97在线视频观看| 最近手机中文字幕大全| 国产爽快片一区二区三区| 18+在线观看网站| 亚洲欧美精品自产自拍| 国产精品亚洲av一区麻豆 | 午夜精品国产一区二区电影| tube8黄色片| 女性生殖器流出的白浆| 少妇人妻 视频| 成人漫画全彩无遮挡| 国产精品久久久久久精品电影小说| 免费黄网站久久成人精品| 尾随美女入室| 午夜av观看不卡| 丰满乱子伦码专区| 97精品久久久久久久久久精品| 国产一区有黄有色的免费视频| 国产精品.久久久| 国产精品一国产av| 精品少妇久久久久久888优播| 一级黄片播放器| 欧美97在线视频| 熟女电影av网| 免费不卡的大黄色大毛片视频在线观看| 国产1区2区3区精品| 亚洲精品成人av观看孕妇| 欧美在线黄色| 成年美女黄网站色视频大全免费| xxx大片免费视频| 亚洲欧美一区二区三区久久| 久久人人97超碰香蕉20202| 亚洲成av片中文字幕在线观看 | 中文字幕精品免费在线观看视频| 久久久久久久亚洲中文字幕| 精品国产露脸久久av麻豆| 视频区图区小说| 看免费av毛片| 亚洲精品国产av蜜桃| 午夜福利,免费看| 在线看a的网站| 中国三级夫妇交换| 亚洲欧美清纯卡通| 欧美97在线视频| 国产免费福利视频在线观看| 最近最新中文字幕免费大全7| 嫩草影院入口| 国产在线一区二区三区精| 国产欧美亚洲国产| 国产精品秋霞免费鲁丝片| 我的亚洲天堂| 在线亚洲精品国产二区图片欧美| av有码第一页| 日韩中字成人| 9191精品国产免费久久| 免费黄频网站在线观看国产| 五月开心婷婷网| 香蕉国产在线看| 丰满迷人的少妇在线观看| 最近2019中文字幕mv第一页| 亚洲第一青青草原| 99香蕉大伊视频| 人人妻人人添人人爽欧美一区卜| 亚洲国产成人一精品久久久| 午夜福利在线免费观看网站| 久久这里只有精品19| 午夜福利视频精品| 丁香六月天网| 精品福利永久在线观看| 伦理电影免费视频| 久久久久久免费高清国产稀缺| 亚洲,欧美精品.| 免费人妻精品一区二区三区视频| av在线播放精品| 欧美日韩亚洲高清精品| 精品国产乱码久久久久久男人| 精品一区二区免费观看| 日本欧美国产在线视频| 久久毛片免费看一区二区三区| 伊人亚洲综合成人网| 久久久国产一区二区| 国产精品嫩草影院av在线观看| 亚洲国产毛片av蜜桃av| 午夜日本视频在线| 黑人猛操日本美女一级片| 亚洲欧美中文字幕日韩二区| 亚洲第一青青草原| 久久精品亚洲av国产电影网| 中文天堂在线官网| 国产精品99久久99久久久不卡 | 日本猛色少妇xxxxx猛交久久| 男女边吃奶边做爰视频| 成人18禁高潮啪啪吃奶动态图| 啦啦啦在线免费观看视频4| 一级黄片播放器| 国产亚洲av片在线观看秒播厂| 亚洲欧美色中文字幕在线| 久久精品aⅴ一区二区三区四区 | 这个男人来自地球电影免费观看 | 99热国产这里只有精品6| 久久久国产一区二区| 亚洲国产精品一区三区| 女性被躁到高潮视频| 久久人人97超碰香蕉20202| 青春草视频在线免费观看| 午夜福利网站1000一区二区三区| 在线观看人妻少妇| 欧美精品亚洲一区二区| 久久精品国产自在天天线| 国产男人的电影天堂91| 极品人妻少妇av视频| av片东京热男人的天堂| 精品一区二区三区四区五区乱码 | 狠狠精品人妻久久久久久综合| 欧美激情极品国产一区二区三区| 色吧在线观看| 狂野欧美激情性bbbbbb| 亚洲国产日韩一区二区| 亚洲欧美成人综合另类久久久| av国产久精品久网站免费入址| 国产日韩欧美亚洲二区| 日韩av在线免费看完整版不卡| 国产亚洲最大av| 在线观看www视频免费| 黄色配什么色好看| 精品久久蜜臀av无| 天堂俺去俺来也www色官网| 亚洲成av片中文字幕在线观看 | 国产日韩欧美视频二区| 女人久久www免费人成看片| 性少妇av在线| 黄色视频在线播放观看不卡| 捣出白浆h1v1| 中文字幕色久视频| 久久久精品区二区三区| 人体艺术视频欧美日本| 国产片内射在线| 免费看av在线观看网站| 黄频高清免费视频| 精品第一国产精品| 97在线人人人人妻| 亚洲精品久久久久久婷婷小说| 青青草视频在线视频观看| 欧美成人精品欧美一级黄| 亚洲av电影在线进入| 日韩三级伦理在线观看| 久久久久久免费高清国产稀缺| 女性生殖器流出的白浆| 大片电影免费在线观看免费| 国产成人欧美| 黄频高清免费视频| 日本爱情动作片www.在线观看| 韩国精品一区二区三区| 精品人妻偷拍中文字幕| 91精品国产国语对白视频| 精品人妻一区二区三区麻豆| 亚洲一码二码三码区别大吗| 高清不卡的av网站| 国产野战对白在线观看| 国产精品成人在线| 亚洲欧美清纯卡通| 高清视频免费观看一区二区| 久久久久视频综合| 免费黄色在线免费观看| 国产高清不卡午夜福利| 亚洲精品国产一区二区精华液| 亚洲欧美日韩另类电影网站| 老司机影院毛片| 亚洲精品国产一区二区精华液| 精品国产超薄肉色丝袜足j| 黄色一级大片看看| 色哟哟·www| 在线观看www视频免费| 午夜福利在线免费观看网站| 亚洲精品国产一区二区精华液| 亚洲精品在线美女| 久久精品国产亚洲av高清一级| 91久久精品国产一区二区三区| 女人被躁到高潮嗷嗷叫费观| 边亲边吃奶的免费视频| 午夜福利视频精品| 亚洲精品一二三| 国产欧美日韩综合在线一区二区| 久久精品夜色国产| 国产精品av久久久久免费| 午夜久久久在线观看| 婷婷成人精品国产| 丝袜美腿诱惑在线| 久久精品久久久久久噜噜老黄| 精品一区二区三区四区五区乱码 | 777久久人妻少妇嫩草av网站| 韩国av在线不卡| 欧美av亚洲av综合av国产av | 黑人猛操日本美女一级片| 女的被弄到高潮叫床怎么办| 交换朋友夫妻互换小说| 毛片一级片免费看久久久久| 久久这里有精品视频免费| 婷婷色综合大香蕉| 欧美精品亚洲一区二区| 国产精品av久久久久免费| 亚洲欧洲精品一区二区精品久久久 | 免费观看性生交大片5| 天天躁狠狠躁夜夜躁狠狠躁| 日本色播在线视频| 97精品久久久久久久久久精品| 女人久久www免费人成看片| 国产男女内射视频| 黑人巨大精品欧美一区二区蜜桃| 国产黄色免费在线视频| 高清欧美精品videossex| 国产精品国产三级国产专区5o| 王馨瑶露胸无遮挡在线观看| 国产一区亚洲一区在线观看| 美女xxoo啪啪120秒动态图| 色婷婷久久久亚洲欧美| 精品亚洲成a人片在线观看| 亚洲成色77777| 日韩精品有码人妻一区| 久久 成人 亚洲| 飞空精品影院首页| 在线天堂中文资源库| 免费观看a级毛片全部| 色视频在线一区二区三区| 国产无遮挡羞羞视频在线观看| 久久亚洲国产成人精品v| 日产精品乱码卡一卡2卡三| 一级毛片电影观看| 秋霞在线观看毛片| 午夜福利,免费看| 十分钟在线观看高清视频www| 国产精品一二三区在线看| 欧美日韩综合久久久久久| 国产片内射在线| 亚洲少妇的诱惑av| 国产欧美日韩综合在线一区二区| 青春草国产在线视频| 欧美日韩综合久久久久久| 日本av手机在线免费观看| 午夜福利视频在线观看免费| 欧美bdsm另类| 九色亚洲精品在线播放| 一本大道久久a久久精品| 国产伦理片在线播放av一区| 人人妻人人澡人人看| 9热在线视频观看99| 国产精品.久久久| 欧美另类一区| 免费少妇av软件| 日韩伦理黄色片| 老司机影院成人| 99国产精品免费福利视频| 在线观看三级黄色| 丁香六月天网| 亚洲国产av影院在线观看| 亚洲精品成人av观看孕妇| 国产男女超爽视频在线观看| 日本av手机在线免费观看| 亚洲第一av免费看| 日本av免费视频播放| 91精品伊人久久大香线蕉| kizo精华| 黑人猛操日本美女一级片| 精品亚洲成a人片在线观看| 制服诱惑二区| 建设人人有责人人尽责人人享有的| 99国产综合亚洲精品| 两个人看的免费小视频| 秋霞伦理黄片| 777米奇影视久久| 天天躁夜夜躁狠狠躁躁| 香蕉国产在线看| 亚洲欧美中文字幕日韩二区| 免费观看在线日韩| 91精品伊人久久大香线蕉| 国产伦理片在线播放av一区| 国产片内射在线| 少妇精品久久久久久久| 精品一区二区免费观看| 自线自在国产av| 久久精品亚洲av国产电影网| 久久人人爽人人片av| 国产成人精品久久久久久| 亚洲精品av麻豆狂野| 赤兔流量卡办理| 色吧在线观看| videos熟女内射| 最黄视频免费看| 日韩一区二区三区影片| 亚洲一区二区三区欧美精品| 美女国产高潮福利片在线看| 欧美日韩一区二区视频在线观看视频在线| 男男h啪啪无遮挡| 久久亚洲国产成人精品v| 熟女少妇亚洲综合色aaa.| 97在线人人人人妻| 极品人妻少妇av视频| 亚洲国产欧美日韩在线播放| 亚洲精品,欧美精品| 丝袜脚勾引网站| 人体艺术视频欧美日本| av国产久精品久网站免费入址| 老汉色av国产亚洲站长工具| 欧美精品av麻豆av| 久久久欧美国产精品| 可以免费在线观看a视频的电影网站 | 国产精品嫩草影院av在线观看| 人人妻人人澡人人爽人人夜夜| 黑人欧美特级aaaaaa片| 亚洲国产精品999| 高清av免费在线| 免费黄频网站在线观看国产| 成人国产av品久久久| 青春草视频在线免费观看| av片东京热男人的天堂| 女人高潮潮喷娇喘18禁视频| 精品国产一区二区久久| 精品99又大又爽又粗少妇毛片| 中文欧美无线码| 777久久人妻少妇嫩草av网站| 免费女性裸体啪啪无遮挡网站| 久久 成人 亚洲| 80岁老熟妇乱子伦牲交| 制服诱惑二区| 成人国语在线视频| 久久久久精品久久久久真实原创| 黄色怎么调成土黄色| 一个人免费看片子| 日本av免费视频播放| 一级毛片我不卡| 亚洲三级黄色毛片| 电影成人av| 日韩成人av中文字幕在线观看| 九九爱精品视频在线观看| 免费女性裸体啪啪无遮挡网站| 夫妻午夜视频| 一区二区三区激情视频| 久久久久久久久久人人人人人人| 午夜激情久久久久久久| 国产日韩欧美视频二区| 久久精品人人爽人人爽视色| 亚洲成国产人片在线观看| 狂野欧美激情性bbbbbb| 国产一区二区激情短视频 | 亚洲欧洲日产国产| 美女视频免费永久观看网站| 嫩草影院入口| 久久久久久人人人人人| 久久久久久久久久人人人人人人| 美女国产视频在线观看| 精品少妇久久久久久888优播| 人妻系列 视频| 90打野战视频偷拍视频| 亚洲综合色惰| 久久久久精品性色| 尾随美女入室| 亚洲一级一片aⅴ在线观看| 亚洲精品第二区| 国产免费现黄频在线看| 自拍欧美九色日韩亚洲蝌蚪91| 欧美成人午夜精品| 成人亚洲欧美一区二区av| 国产精品三级大全| 久久久久久人人人人人| 国产女主播在线喷水免费视频网站| 观看美女的网站| 精品亚洲成a人片在线观看| 2022亚洲国产成人精品| 国产成人a∨麻豆精品| 青春草视频在线免费观看| 欧美精品一区二区大全| 十八禁网站网址无遮挡| 黄片无遮挡物在线观看| 久久久久久久精品精品| 久久精品国产a三级三级三级| 成人毛片a级毛片在线播放| 久久99热这里只频精品6学生| 日本欧美视频一区| 日本午夜av视频| 老司机亚洲免费影院| 久久久久国产网址| 在线观看三级黄色| 久热久热在线精品观看| 叶爱在线成人免费视频播放| 国产日韩一区二区三区精品不卡| 在线亚洲精品国产二区图片欧美| 国产精品二区激情视频| 日韩不卡一区二区三区视频在线| 欧美 亚洲 国产 日韩一| 亚洲欧美成人精品一区二区| 一区在线观看完整版| 建设人人有责人人尽责人人享有的| 亚洲精品自拍成人| 黄网站色视频无遮挡免费观看| 视频在线观看一区二区三区| 免费看av在线观看网站| 国产极品粉嫩免费观看在线| 欧美成人精品欧美一级黄| 最黄视频免费看| 男人舔女人的私密视频| 国产一区二区在线观看av| 久久精品国产a三级三级三级| 性少妇av在线| 亚洲欧美色中文字幕在线| 国产成人精品婷婷| 亚洲视频免费观看视频| 亚洲欧洲精品一区二区精品久久久 | 精品国产国语对白av| 久久女婷五月综合色啪小说| 2021少妇久久久久久久久久久| 最近最新中文字幕大全免费视频 | 亚洲国产欧美网| 美女脱内裤让男人舔精品视频| 我要看黄色一级片免费的| 亚洲国产精品一区二区三区在线| 国产精品99久久99久久久不卡 | 中文字幕最新亚洲高清| 国产在线视频一区二区| 精品国产国语对白av| 狠狠婷婷综合久久久久久88av| 又黄又粗又硬又大视频| 亚洲av欧美aⅴ国产| 亚洲五月色婷婷综合| 国产精品国产三级专区第一集| 性色av一级| 日本色播在线视频| 97在线人人人人妻| 国产男女内射视频| 亚洲男人天堂网一区| 久久97久久精品| 国产高清不卡午夜福利| 成年人午夜在线观看视频| 亚洲av欧美aⅴ国产| 国产日韩欧美视频二区| 99热国产这里只有精品6| 十八禁高潮呻吟视频| 成年女人毛片免费观看观看9 | 下体分泌物呈黄色| 青草久久国产| 亚洲精品一区蜜桃| 在线观看三级黄色| a级片在线免费高清观看视频| 日韩制服丝袜自拍偷拍| 中文字幕人妻熟女乱码| 国产亚洲精品第一综合不卡| 国产精品三级大全| 久久精品国产亚洲av涩爱| 日日摸夜夜添夜夜爱| 国产高清不卡午夜福利| 9热在线视频观看99| 免费高清在线观看视频在线观看| 久久久久久久大尺度免费视频| 久久久精品国产亚洲av高清涩受| 午夜福利视频在线观看免费| 激情五月婷婷亚洲| 在线天堂中文资源库| 日韩欧美精品免费久久| 一级片免费观看大全| 妹子高潮喷水视频| 亚洲国产av影院在线观看| 国产又爽黄色视频| av天堂久久9| av有码第一页| 在现免费观看毛片| 青草久久国产| 精品人妻一区二区三区麻豆| 国产精品 欧美亚洲| 国产伦理片在线播放av一区| 99久久综合免费| 狠狠婷婷综合久久久久久88av| 97人妻天天添夜夜摸| 青草久久国产| videos熟女内射| 男女边吃奶边做爰视频| 亚洲国产日韩一区二区| 免费在线观看视频国产中文字幕亚洲 | 黄色怎么调成土黄色| 波野结衣二区三区在线| a 毛片基地| 黄片无遮挡物在线观看| 涩涩av久久男人的天堂| 国产亚洲午夜精品一区二区久久| 欧美人与善性xxx| av国产久精品久网站免费入址| 国产女主播在线喷水免费视频网站| 韩国高清视频一区二区三区| 人人妻人人澡人人看| 国产xxxxx性猛交| 国产亚洲最大av| 美女高潮到喷水免费观看| 亚洲综合精品二区| 一级,二级,三级黄色视频| 欧美 日韩 精品 国产| 亚洲成国产人片在线观看| 免费看不卡的av| 一区二区三区四区激情视频| 中文字幕人妻丝袜制服| 韩国高清视频一区二区三区| 亚洲av男天堂| kizo精华| av国产久精品久网站免费入址| 伊人亚洲综合成人网| 欧美成人精品欧美一级黄| 日韩三级伦理在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 成年女人在线观看亚洲视频| 日本爱情动作片www.在线观看| 精品国产乱码久久久久久男人| 亚洲精品第二区| 亚洲美女视频黄频| 80岁老熟妇乱子伦牲交| 国产1区2区3区精品| 成人毛片60女人毛片免费| 激情视频va一区二区三区| 亚洲综合色惰| 亚洲精品一二三| 9191精品国产免费久久| 亚洲精品日韩在线中文字幕| 亚洲美女搞黄在线观看| 欧美另类一区| 国产成人精品在线电影| 国产黄色视频一区二区在线观看| 亚洲欧洲国产日韩| 秋霞伦理黄片| 午夜福利视频精品| 日韩一本色道免费dvd| 晚上一个人看的免费电影| 可以免费在线观看a视频的电影网站 | 国产在线视频一区二区| 国产精品嫩草影院av在线观看| 91aial.com中文字幕在线观看| 日本91视频免费播放| 国产一区二区 视频在线| 老司机影院毛片| 一级黄片播放器| 少妇人妻久久综合中文| 亚洲欧美成人精品一区二区| 人妻人人澡人人爽人人| 久久精品亚洲av国产电影网| 天天躁狠狠躁夜夜躁狠狠躁| 人人妻人人添人人爽欧美一区卜| 亚洲欧美一区二区三区黑人 | 国产成人91sexporn| 国产又爽黄色视频| 欧美另类一区| 欧美人与善性xxx| 啦啦啦视频在线资源免费观看| 九草在线视频观看| 黄色毛片三级朝国网站| 国产免费现黄频在线看| 国产精品久久久久成人av| 国产福利在线免费观看视频| 水蜜桃什么品种好| 午夜日本视频在线| 成人二区视频| 视频区图区小说| 亚洲精品一区蜜桃| 国产一区亚洲一区在线观看| 久久这里有精品视频免费| 成人漫画全彩无遮挡| 看免费成人av毛片| 精品国产国语对白av| 男女免费视频国产| 人妻少妇偷人精品九色| 欧美精品人与动牲交sv欧美| 久久精品夜色国产| 超色免费av| 国产精品久久久久久精品古装| 黄片无遮挡物在线观看| 国产欧美日韩一区二区三区在线| 国产一区二区在线观看av| 国产成人精品一,二区| 午夜激情久久久久久久| 久久久欧美国产精品| 午夜免费鲁丝| av有码第一页| 婷婷色综合www| 天天躁夜夜躁狠狠久久av| 久久99一区二区三区| 大片免费播放器 马上看| 大陆偷拍与自拍| 男人爽女人下面视频在线观看| 最新的欧美精品一区二区| 久久精品久久久久久久性| 26uuu在线亚洲综合色| 欧美精品高潮呻吟av久久| 一本色道久久久久久精品综合| 在线观看免费视频网站a站| 久久午夜综合久久蜜桃| 久久久久国产网址| 在线观看免费高清a一片| 国产成人一区二区在线| 免费不卡的大黄色大毛片视频在线观看| 久久久欧美国产精品| 日本av手机在线免费观看| 两个人免费观看高清视频| 男人操女人黄网站| av网站在线播放免费| 精品视频人人做人人爽| 国产精品免费大片| 少妇的逼水好多| 国产片内射在线| 十八禁网站网址无遮挡| 国产成人免费无遮挡视频| 国产成人精品在线电影| 国产精品久久久久成人av| 欧美精品一区二区大全| 久久精品夜色国产| 成人手机av| 乱人伦中国视频| 大片电影免费在线观看免费|