• <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
    少妇熟女欧美另类| 亚洲成人一二三区av| 最近的中文字幕免费完整| 下体分泌物呈黄色| 亚洲av免费高清在线观看| 色婷婷久久久亚洲欧美| 亚洲欧美一区二区三区国产| 熟妇人妻不卡中文字幕| 亚洲最大成人中文| 日韩中字成人| 国产成人免费无遮挡视频| 亚洲精品成人av观看孕妇| 国产免费又黄又爽又色| 国产有黄有色有爽视频| 亚洲国产欧美在线一区| 亚洲国产精品成人久久小说| 午夜福利影视在线免费观看| 国产亚洲av片在线观看秒播厂| 九草在线视频观看| 欧美日韩视频精品一区| 国产精品女同一区二区软件| 免费看日本二区| 国产伦理片在线播放av一区| 少妇人妻一区二区三区视频| 免费大片18禁| 亚洲av不卡在线观看| 亚洲无线观看免费| 亚洲成人中文字幕在线播放| 亚洲色图综合在线观看| 午夜精品国产一区二区电影| 人人妻人人爽人人添夜夜欢视频 | 亚洲国产日韩一区二区| 欧美精品一区二区免费开放| 欧美性感艳星| 国模一区二区三区四区视频| 大香蕉97超碰在线| 丰满少妇做爰视频| 美女xxoo啪啪120秒动态图| 3wmmmm亚洲av在线观看| 2022亚洲国产成人精品| 91aial.com中文字幕在线观看| 亚洲精品视频女| freevideosex欧美| 91aial.com中文字幕在线观看| 亚洲国产精品专区欧美| 国产成人91sexporn| 亚洲欧洲日产国产| 日本猛色少妇xxxxx猛交久久| 91久久精品国产一区二区三区| 亚洲精品国产成人久久av| 中国国产av一级| 亚洲国产最新在线播放| 久久久久久久大尺度免费视频| 亚洲久久久国产精品| 街头女战士在线观看网站| 噜噜噜噜噜久久久久久91| 亚洲人与动物交配视频| 国产在线男女| 老司机影院毛片| 日韩在线高清观看一区二区三区| 青青草视频在线视频观看| 午夜福利在线观看免费完整高清在| 成人亚洲欧美一区二区av| 人妻制服诱惑在线中文字幕| 欧美激情国产日韩精品一区| h日本视频在线播放| 免费大片黄手机在线观看| h日本视频在线播放| 永久免费av网站大全| 2022亚洲国产成人精品| 国产精品av视频在线免费观看| 十分钟在线观看高清视频www | 亚洲第一区二区三区不卡| 亚洲欧美精品专区久久| 亚洲色图综合在线观看| 午夜精品国产一区二区电影| 国产淫语在线视频| 久久久久国产网址| 欧美区成人在线视频| 亚洲精品,欧美精品| 视频区图区小说| www.色视频.com| 黑人高潮一二区| 亚洲av电影在线观看一区二区三区| 欧美日韩视频高清一区二区三区二| 精品久久久精品久久久| 久久人人爽人人片av| 国产爽快片一区二区三区| 熟妇人妻不卡中文字幕| 乱码一卡2卡4卡精品| 男女无遮挡免费网站观看| 大香蕉久久网| av网站免费在线观看视频| 亚洲精品,欧美精品| 精品久久久久久电影网| 赤兔流量卡办理| 麻豆成人午夜福利视频| 青青草视频在线视频观看| 日本爱情动作片www.在线观看| 搡老乐熟女国产| 久久综合国产亚洲精品| 欧美精品国产亚洲| 亚洲国产精品专区欧美| 五月伊人婷婷丁香| 在线天堂最新版资源| 午夜福利在线观看免费完整高清在| 国产成人精品久久久久久| 国产精品国产三级专区第一集| 高清午夜精品一区二区三区| 人妻夜夜爽99麻豆av| 伦理电影大哥的女人| 高清视频免费观看一区二区| 一个人免费看片子| 国产欧美日韩精品一区二区| 国产淫语在线视频| 国产v大片淫在线免费观看| 欧美3d第一页| 亚洲精品456在线播放app| 免费黄色在线免费观看| 欧美丝袜亚洲另类| 精品人妻熟女av久视频| 亚洲精品国产av成人精品| 国内精品宾馆在线| 亚洲国产最新在线播放| 在现免费观看毛片| 国产片特级美女逼逼视频| 国产成人aa在线观看| 韩国高清视频一区二区三区| 国产91av在线免费观看| 国产色爽女视频免费观看| 最近最新中文字幕大全电影3| 国产欧美日韩一区二区三区在线 | 亚洲av中文av极速乱| 亚洲精品aⅴ在线观看| av.在线天堂| 亚洲欧美精品专区久久| 色哟哟·www| 成人漫画全彩无遮挡| 91久久精品国产一区二区成人| 久久久色成人| 久久精品夜色国产| 国产精品嫩草影院av在线观看| 国产黄色视频一区二区在线观看| 国产精品国产三级国产专区5o| 欧美 日韩 精品 国产| 少妇精品久久久久久久| 成年av动漫网址| 蜜桃亚洲精品一区二区三区| 国产精品伦人一区二区| 99热这里只有是精品在线观看| 黄色视频在线播放观看不卡| 简卡轻食公司| 日韩一区二区三区影片| 亚洲不卡免费看| 亚洲人成网站在线播| 国产v大片淫在线免费观看| 国产成人a区在线观看| 日韩在线高清观看一区二区三区| 人妻一区二区av| 久久av网站| 午夜免费男女啪啪视频观看| 天堂中文最新版在线下载| 哪个播放器可以免费观看大片| 黄片wwwwww| 日本午夜av视频| 亚洲成人中文字幕在线播放| 午夜福利在线在线| 亚洲av国产av综合av卡| 亚洲经典国产精华液单| 交换朋友夫妻互换小说| 边亲边吃奶的免费视频| 看免费成人av毛片| 久久久久久久亚洲中文字幕| a级毛色黄片| 免费大片18禁| 久久人人爽av亚洲精品天堂 | 美女高潮的动态| av卡一久久| 毛片女人毛片| 日韩免费高清中文字幕av| 97精品久久久久久久久久精品| 日本欧美国产在线视频| 国语对白做爰xxxⅹ性视频网站| 男人和女人高潮做爰伦理| 国产av国产精品国产| 免费大片18禁| 少妇的逼好多水| 丰满人妻一区二区三区视频av| 日日啪夜夜撸| 亚洲真实伦在线观看| 国产免费福利视频在线观看| 少妇高潮的动态图| 亚洲图色成人| 美女内射精品一级片tv| 视频中文字幕在线观看| 一区二区三区四区激情视频| 最近最新中文字幕免费大全7| 亚洲精品日韩在线中文字幕| 身体一侧抽搐| 人妻制服诱惑在线中文字幕| 欧美激情国产日韩精品一区| 99久久精品一区二区三区| 特大巨黑吊av在线直播| 99热6这里只有精品| 国内精品宾馆在线| 国产精品久久久久成人av| 亚洲av成人精品一二三区| 精品午夜福利在线看| 国产视频首页在线观看| 久久综合国产亚洲精品| 高清欧美精品videossex| 高清毛片免费看| 国产探花极品一区二区| 91午夜精品亚洲一区二区三区| 国内揄拍国产精品人妻在线| 最近中文字幕高清免费大全6| 三级国产精品片| 国产大屁股一区二区在线视频| 欧美激情极品国产一区二区三区 | 久久精品人妻少妇| 中文精品一卡2卡3卡4更新| 成人无遮挡网站| 亚洲av成人精品一区久久| 日本av免费视频播放| 2021少妇久久久久久久久久久| 中国美白少妇内射xxxbb| 亚洲综合色惰| 亚洲av不卡在线观看| 欧美精品一区二区大全| 日韩免费高清中文字幕av| 中国美白少妇内射xxxbb| 亚洲一级一片aⅴ在线观看| 性色av一级| 熟女电影av网| 亚洲国产欧美人成| 简卡轻食公司| 新久久久久国产一级毛片| 看免费成人av毛片| 女人久久www免费人成看片| 夫妻性生交免费视频一级片| 精品熟女少妇av免费看| 纵有疾风起免费观看全集完整版| 日本午夜av视频| 精品一区在线观看国产| 亚洲色图综合在线观看| 久久精品国产亚洲网站| videos熟女内射| 久久久欧美国产精品| 亚洲最大成人中文| 蜜臀久久99精品久久宅男| 亚州av有码| 熟女人妻精品中文字幕| 新久久久久国产一级毛片| 人妻夜夜爽99麻豆av| 最新中文字幕久久久久| 99九九线精品视频在线观看视频| 观看美女的网站| 中文字幕精品免费在线观看视频 | 一级毛片久久久久久久久女| 最近手机中文字幕大全| 国产黄色视频一区二区在线观看| 高清在线视频一区二区三区| 乱码一卡2卡4卡精品| 国产大屁股一区二区在线视频| tube8黄色片| 黄色欧美视频在线观看| 亚洲性久久影院| 内射极品少妇av片p| 日本黄色日本黄色录像| 黑丝袜美女国产一区| 日产精品乱码卡一卡2卡三| 亚洲av国产av综合av卡| 久久久久久伊人网av| 精品久久久久久久久av| 成人18禁高潮啪啪吃奶动态图 | 天美传媒精品一区二区| 国产精品熟女久久久久浪| 在现免费观看毛片| 又爽又黄a免费视频| 国产成人精品福利久久| 免费人妻精品一区二区三区视频| 免费久久久久久久精品成人欧美视频 | 水蜜桃什么品种好| 中文字幕免费在线视频6| 亚洲精品一二三| 免费高清在线观看视频在线观看| 舔av片在线| 天美传媒精品一区二区| 国产淫片久久久久久久久| 高清毛片免费看| 尾随美女入室| 22中文网久久字幕| 最黄视频免费看| 亚洲一级一片aⅴ在线观看| 一级毛片久久久久久久久女| 性色avwww在线观看| 蜜桃亚洲精品一区二区三区| 亚洲不卡免费看| 国产乱人偷精品视频| 国产欧美亚洲国产| 欧美xxⅹ黑人| 男女免费视频国产| 91aial.com中文字幕在线观看| 久久久亚洲精品成人影院| 亚洲激情五月婷婷啪啪| 高清黄色对白视频在线免费看 | 久久精品国产亚洲av涩爱| 国产精品.久久久| 亚洲精品日韩在线中文字幕| 亚洲国产欧美人成| av国产久精品久网站免费入址| 嘟嘟电影网在线观看| 日本欧美视频一区| 麻豆成人av视频| 午夜福利网站1000一区二区三区| 国产精品av视频在线免费观看| 亚洲第一区二区三区不卡| 亚洲国产av新网站| 国产精品一及| 久久久久久久精品精品| 亚洲av综合色区一区| 久久这里有精品视频免费| 看非洲黑人一级黄片| 777米奇影视久久| 91精品国产九色| 国产精品一区二区在线观看99| 精华霜和精华液先用哪个| 免费观看性生交大片5| 青春草国产在线视频| 波野结衣二区三区在线| 一区在线观看完整版| 午夜免费鲁丝| 麻豆乱淫一区二区| 97超碰精品成人国产| 肉色欧美久久久久久久蜜桃| 国产精品av视频在线免费观看| 国语对白做爰xxxⅹ性视频网站| 99热这里只有精品一区| 亚洲国产高清在线一区二区三| 91久久精品国产一区二区三区| 在线免费观看不下载黄p国产| 在线精品无人区一区二区三 | 好男人视频免费观看在线| 国产精品伦人一区二区| 成人毛片60女人毛片免费| 校园人妻丝袜中文字幕| 国产在线一区二区三区精| 两个人的视频大全免费| 偷拍熟女少妇极品色| 国产在线一区二区三区精| 亚洲激情五月婷婷啪啪| 亚洲,一卡二卡三卡| 欧美日韩亚洲高清精品| 人妻制服诱惑在线中文字幕| 欧美日韩在线观看h| 欧美性感艳星| 99热这里只有是精品在线观看| 80岁老熟妇乱子伦牲交| 国产爱豆传媒在线观看| 久久ye,这里只有精品| 久久精品国产亚洲网站| 色综合色国产| 精品午夜福利在线看| 国产精品伦人一区二区| 成年美女黄网站色视频大全免费 | 亚洲av成人精品一区久久| 亚洲第一区二区三区不卡| 一级a做视频免费观看| 亚洲欧美中文字幕日韩二区| 男女无遮挡免费网站观看| 久久热精品热| 卡戴珊不雅视频在线播放| 99热这里只有是精品50| 欧美三级亚洲精品| 久久久久视频综合| 国产精品嫩草影院av在线观看| 国产av一区二区精品久久 | 亚洲aⅴ乱码一区二区在线播放| 国产日韩欧美亚洲二区| 三级国产精品欧美在线观看| 国产精品一区二区在线不卡| 国产精品蜜桃在线观看| 亚洲国产日韩一区二区| 各种免费的搞黄视频| 大香蕉97超碰在线| 久久久久久久久久成人| 搡女人真爽免费视频火全软件| 久久综合国产亚洲精品| 免费黄频网站在线观看国产| 国产精品一区二区性色av| 亚洲成人手机| 国产淫语在线视频| 我的老师免费观看完整版| 有码 亚洲区| 99热全是精品| 国产精品99久久久久久久久| 久久久久久久久大av| 久久午夜福利片| av黄色大香蕉| 亚洲av二区三区四区| 国产成人精品婷婷| 国产老妇伦熟女老妇高清| 欧美97在线视频| 中文字幕av成人在线电影| 亚洲色图综合在线观看| av线在线观看网站| 女性生殖器流出的白浆| 各种免费的搞黄视频| 99久国产av精品国产电影| 欧美日韩亚洲高清精品| 久久国产精品大桥未久av | 国产免费一级a男人的天堂| 国产亚洲91精品色在线| 日韩免费高清中文字幕av| 久久久a久久爽久久v久久| 在线看a的网站| 国产精品一及| 五月天丁香电影| 中国美白少妇内射xxxbb| 日本色播在线视频| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久久久久丰满| 免费观看在线日韩| 免费久久久久久久精品成人欧美视频 | 男人狂女人下面高潮的视频| 日日摸夜夜添夜夜添av毛片| 街头女战士在线观看网站| 久久ye,这里只有精品| 女的被弄到高潮叫床怎么办| 国产精品一区二区在线观看99| 亚洲精品色激情综合| 免费在线观看成人毛片| 内射极品少妇av片p| 精品一区二区免费观看| a 毛片基地| 国产精品99久久久久久久久| 99久久精品热视频| 国产老妇伦熟女老妇高清| 尾随美女入室| 草草在线视频免费看| 亚洲精品国产av成人精品| 久热这里只有精品99| 国产有黄有色有爽视频| 久久99热这里只有精品18| 嫩草影院入口| av在线app专区| 我的老师免费观看完整版| 精品少妇久久久久久888优播| 最近最新中文字幕大全电影3| 亚洲av中文av极速乱| 高清欧美精品videossex| 小蜜桃在线观看免费完整版高清| 女人十人毛片免费观看3o分钟| 精品一区二区三卡| 欧美人与善性xxx| 久久国产乱子免费精品| 一区二区三区免费毛片| 久久久精品免费免费高清| 一区二区av电影网| 久热久热在线精品观看| 日韩欧美 国产精品| 性色avwww在线观看| 亚洲av二区三区四区| 在线观看美女被高潮喷水网站| 少妇精品久久久久久久| 日韩人妻高清精品专区| 久久久久久久精品精品| 亚洲不卡免费看| 国产永久视频网站| 十八禁网站网址无遮挡 | 久久久精品免费免费高清| 精品人妻视频免费看| 王馨瑶露胸无遮挡在线观看| 久久久久久久亚洲中文字幕| 亚洲精品亚洲一区二区| 亚洲高清免费不卡视频| 日韩视频在线欧美| 亚洲av欧美aⅴ国产| 欧美一区二区亚洲| 久久精品国产a三级三级三级| 国产精品一区二区性色av| 日本av手机在线免费观看| 黄色欧美视频在线观看| 国产精品秋霞免费鲁丝片| 在线免费观看不下载黄p国产| 成人亚洲精品一区在线观看 | 国产免费一区二区三区四区乱码| 亚洲人成网站在线观看播放| 日本wwww免费看| 亚洲精品成人av观看孕妇| 亚洲不卡免费看| 91午夜精品亚洲一区二区三区| 国产高清有码在线观看视频| 午夜视频国产福利| 99久久中文字幕三级久久日本| 91精品国产九色| 午夜日本视频在线| 大香蕉97超碰在线| 五月开心婷婷网| 久久99热这里只频精品6学生| 日韩欧美一区视频在线观看 | 欧美日韩视频精品一区| 女性被躁到高潮视频| 女性生殖器流出的白浆| 成人影院久久| 国产 一区 欧美 日韩| 国产 一区精品| 婷婷色综合www| 九草在线视频观看| 成人影院久久| 久久久久久久亚洲中文字幕| 美女主播在线视频| 国产乱来视频区| av.在线天堂| 女人十人毛片免费观看3o分钟| 人妻 亚洲 视频| 精品一区二区免费观看| 日本黄色片子视频| 午夜福利网站1000一区二区三区| 久久 成人 亚洲| 久久精品国产亚洲av涩爱| 国国产精品蜜臀av免费| 新久久久久国产一级毛片| 成人黄色视频免费在线看| 日韩 亚洲 欧美在线| 22中文网久久字幕| 国产中年淑女户外野战色| 只有这里有精品99| 免费看日本二区| 最新中文字幕久久久久| 国产一级毛片在线| 国产黄频视频在线观看| 最近的中文字幕免费完整| 高清午夜精品一区二区三区| 天天躁日日操中文字幕| 99国产精品免费福利视频| av一本久久久久| 一级毛片aaaaaa免费看小| 国产欧美另类精品又又久久亚洲欧美| 免费少妇av软件| 欧美国产精品一级二级三级 | av视频免费观看在线观看| 色婷婷av一区二区三区视频| 国产v大片淫在线免费观看| 男人舔奶头视频| 精品一区二区三区视频在线| 国产av精品麻豆| 春色校园在线视频观看| 夫妻性生交免费视频一级片| 久久久精品94久久精品| 国产日韩欧美在线精品| 高清在线视频一区二区三区| 亚洲一区二区三区欧美精品| 夜夜骑夜夜射夜夜干| 黄色配什么色好看| 2018国产大陆天天弄谢| 少妇精品久久久久久久| 一级毛片 在线播放| 亚洲人成网站在线播| 91午夜精品亚洲一区二区三区| 大香蕉97超碰在线| 免费观看av网站的网址| 最后的刺客免费高清国语| 欧美+日韩+精品| 激情 狠狠 欧美| 赤兔流量卡办理| 精品久久国产蜜桃| 大又大粗又爽又黄少妇毛片口| 精品国产三级普通话版| 韩国高清视频一区二区三区| 日韩av不卡免费在线播放| 久久久久网色| 亚洲欧美精品自产自拍| 婷婷色综合www| 九九在线视频观看精品| 校园人妻丝袜中文字幕| kizo精华| 丰满迷人的少妇在线观看| 午夜视频国产福利| 国产精品免费大片| 黄色欧美视频在线观看| 亚洲av福利一区| 国产免费又黄又爽又色| 国产精品一及| videos熟女内射| 久久久久视频综合| 国产亚洲av片在线观看秒播厂| 亚洲国产av新网站| 欧美成人午夜免费资源| 成人黄色视频免费在线看| 欧美3d第一页| 深夜a级毛片| 亚洲av综合色区一区| 国产 一区精品| 超碰97精品在线观看| 日本与韩国留学比较| 亚洲精品第二区| 日日啪夜夜撸| 久久久久性生活片| 欧美亚洲 丝袜 人妻 在线| 国产亚洲一区二区精品| 少妇人妻一区二区三区视频| 晚上一个人看的免费电影| 在线观看一区二区三区| 99久久人妻综合| 爱豆传媒免费全集在线观看| 黄色欧美视频在线观看| 国产精品三级大全| kizo精华| 综合色丁香网| 黄色一级大片看看| 好男人视频免费观看在线| 九九在线视频观看精品| 国产亚洲精品久久久com| 国产精品一区二区性色av|