• <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 ?

    改進LSTM-RF算法的傳感器故障診斷與數(shù)據(jù)重構(gòu)研究*

    2021-05-18 09:32:10王建君
    計算機工程與科學 2021年5期
    關(guān)鍵詞:時刻故障診斷重構(gòu)

    林 濤,張 達,王建君

    (河北工業(yè)大學人工智能與數(shù)據(jù)科學學院,天津 300130)

    1 引言

    傳感器廣泛應(yīng)用于能源化工、危險可燃氣體監(jiān)測等領(lǐng)域。這些應(yīng)用場景的工況復雜,導致傳感器的敏感元件十分容易受到灰塵等各種因素的干擾,這些干擾會使得傳感器的輸出值偏離實際值。將偏離實際值的數(shù)據(jù)用于系統(tǒng)控制會給系統(tǒng)造成災(zāi)難性的后果。因此,對傳感器的運行狀態(tài)進行評估,并對其故障時輸出的數(shù)據(jù)進行重構(gòu)顯得十分重要[1]。

    文獻[2]利用小波變換來判斷傳感器是否發(fā)生故障,如果發(fā)生故障則用誤差反向傳播BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)對傳感器輸出數(shù)據(jù)進行預(yù)測,通過計算預(yù)測值與實際輸出值之間的殘差大于閾值的頻率進行故障類型的識別。該方法的小波基函數(shù)一旦選定,就會使得模型的轉(zhuǎn)換特性固定,從而導致模型的自適應(yīng)能力變?nèi)?。文獻[3]對傳感器的輸出信號進行經(jīng)驗?zāi)B(tài)分解,得到一組模態(tài)函數(shù),將每個模態(tài)函數(shù)的樣本熵作為傳感器的故障特征,將這些特征通過稀疏表達分類器SRC(Sparse Representation-based Classifier)進行分類得出傳感器的故障狀態(tài)。該方法分類效果優(yōu)異,但容易受到噪聲干擾產(chǎn)生虛假分量的影響,不適用于噪聲干擾大的場合。文獻[4,5]分別通過徑向基函數(shù)RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN(General Regression Neural Network)對時序數(shù)據(jù)進行預(yù)測,如果預(yù)測值與傳感器實際輸出之間的差值超過閾值,就將傳感器的運行狀態(tài)判定為故障,并用預(yù)測值重構(gòu)傳感器的輸出值。這2種方法可以實現(xiàn)傳感器的故障診斷與數(shù)據(jù)重構(gòu),且故障診斷的準確率較高。但是,由于只是將殘差與固定值進行比較,所以只能診斷出傳感器是否發(fā)生故障,而無法診斷出傳感器發(fā)生了何種故障,在故障診斷功能上具有一定的局限性。

    傳感器采集的數(shù)據(jù)為時序數(shù)據(jù),其在時間上具有很強的關(guān)聯(lián)性,長短期記憶LSTM(Long Short-Term Memory)網(wǎng)絡(luò)可以將之前的狀態(tài)、現(xiàn)在的記憶和當前輸入的信息結(jié)合在一起,特別適用于處理時間、空間序列上有強關(guān)聯(lián)的信息[6]。同時,對于LSTM細胞核來說,傳感器所采集的信息在通過細胞核內(nèi)各個門時其信息的遺忘和保留是相對的,所以可以通過對LSTM細胞核的改進來提高算法的收斂速度和準確率。通過預(yù)測值與傳感器采集值的殘差序列來獲得傳感器工作狀態(tài)的過程,可以看作對殘差序列進行分類的過程,由于殘差序列的維度較高,所以此分類過程是對高維數(shù)據(jù)分類的過程。隨機森林RF(Random Forest)算法通過建立的多個決策樹共同投票來決定分類結(jié)果,特別適用于高維數(shù)據(jù)分類[7]?;诖?,本文提出一種改進的LSTM-RF的算法,用于傳感器的故障診斷與故障數(shù)據(jù)重構(gòu)。該算法將傳感器故障診斷與故障數(shù)據(jù)重構(gòu)分別看作分類和回歸的問題,并將二者合二為一。判斷傳感器屬于哪種工作狀態(tài)的依據(jù)為預(yù)測值與實際值殘差序列的幅值與排序;數(shù)據(jù)是否重構(gòu)的依據(jù)取決于傳感器的工作狀態(tài),如果狀態(tài)為故障,則重構(gòu)故障數(shù)據(jù)。最后,本文利用NO2傳感器采集的數(shù)據(jù),通過實驗表明了所提算法的有效性。

    2 算法簡介

    2.1 標準的LSTM

    LSTM是增加了記憶功能的循環(huán)神經(jīng)網(wǎng)絡(luò)。在組成結(jié)構(gòu)上LSTM的隱藏層有3個門,分別為輸入門、遺忘門和輸出門。這些門的輸出值大小都在0~1,輸出值的大小決定了通過門的輸入量的大小[8]。當門的輸出值為0時,表示門關(guān)閉,此時任意量都無法通過;當門的輸出值為1時,此時任意量都可以通過。LSTM通過這3個門來實現(xiàn)對輸出值狀態(tài)和隱藏層狀態(tài)的保護和控制。

    圖1為標準的LSTM隱藏層細胞結(jié)構(gòu),其中ft為遺忘門的激活值,ot為輸出門的激活值。ht和ht-1分別為t時刻和t-1時刻記憶單元的輸出。ct和ct-1分別為t時刻和t-1時刻記憶單元的狀態(tài),為記憶單元候選狀態(tài)[9]。設(shè)輸入時間序列為(x1,x2,…,xt,…,xn),則在t時刻有式(1)~式(6):

    it=σ(Wi*[ht-1,xt]+bi)

    (1)

    其中,it為輸入門的激活值,σ為激活函數(shù),Wi為輸入門的權(quán)重向量 ,ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入,bi為輸入門輸入控制的偏置。

    gt=tanh(Wc*[ht-1,xt]+bc)

    (2)

    其中,gt為記憶單元的候選狀態(tài),Wc為輸入門候選狀態(tài)的權(quán)重向量,ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入,bc為輸入門候選狀態(tài)的偏置。

    ft=σ(Wf*[ht-1,xt]+bf)

    (3)

    其中,ft為遺忘門的激活值,σ為激活函數(shù),Wf為遺忘門的權(quán)重向量,ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入,bf為遺忘門的偏置。

    ct=it*gt+ft*ct-1

    (4)

    其中,ct為t時刻記憶單元的狀態(tài),it為輸入門的激活值,gt為記憶單元的候選狀態(tài),ft為遺忘門的激活值,ct-1為t-1時刻記憶單元的狀態(tài)。

    ot=σ(Wo*[ht-1,xt]+bo)

    (5)

    其中,ot為輸出門的激活值,σ為激活函數(shù),Wo為輸出門的權(quán)重向量,bo為輸出門的偏置,ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入。

    ht=ot*tanh(ct)

    (6)

    其中,ht為記憶單元的輸出,ot為輸出門的激活值,ct為t時刻記憶單元的狀態(tài)。

    Figure 1 Standard LSTM hidden layer cell structure圖1 標準LSTM細胞結(jié)構(gòu)

    2.2 改進型LSTM

    改進型LSTM的細胞核如圖2所示。通過與圖1對比可知,本文主要對標準的LSTM細胞核做了以下2點改進:(1)在標準LSTM的遺忘門和輸出門上增加了孔連接,使遺忘門和輸出門都能接受上一時刻的記憶單元ct-1作為輸入。改進后的結(jié)構(gòu)使得模型能夠更加充分地選擇將要保留和遺忘的歷史信息。(2)與標準的LSTM模型相比,改進的LSTM的記憶單元耦合了輸入門和遺忘門,因為傳感器采樣的歷史值是時序數(shù)據(jù),對于此類時序數(shù)據(jù)來說,遺忘的信息和保留的信息是相對的,當遺忘的信息被確定后,那么剩下的信息就是需要保留的信息[10],即輸入門激活值=1-遺忘門激活值,這使得之前被遺忘的信息狀態(tài)僅受新的輸入值的影響,模型的邏輯更加直觀,效果也更好。經(jīng)過對LSTM細胞核的改進,此時式(3)為變?yōu)槭?7),式(5)變?yōu)槭?8),式(4)變?yōu)槭?9):

    ft=σ(Wf*[ct-1,ht-1,xt]+bf)

    (7)

    其中,ft為遺忘門的激活值,σ為激活函數(shù),Wf為遺忘門的權(quán)重向量,ct-1為t-1時刻記憶單元的狀態(tài),ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入,bf為遺忘門的偏置。

    ot=σ(Wo*[ct-1,ht-1,xt],bo)

    (8)

    其中,ot為輸出門的激活值,σ為激活函數(shù),Wo為輸出門的權(quán)重向量,bo為輸出門的偏置,ct-1為t-1時刻記憶單元的狀態(tài),ht-1為t-1時刻記憶單元的輸出,xt為t時刻記憶單元的輸入。

    ct=ft*ct-1+(1-ft)gt

    (9)

    其中,ct為t時刻記憶單元的狀態(tài),gt為記憶單元的候選狀態(tài),ft為遺忘門的激活值,ct-1為t-1時刻記憶單元的狀態(tài)。

    Figure 2 Improved LSTM hidden layer cell structure圖2 改進LSTM的細胞結(jié)構(gòu)

    2.3 隨機森林RF算法

    隨機森林是由一系列決策樹組合而成的分類器,由Breiman在Bagging算法上改進而成的[11]。

    隨機森林的訓練過程包括2個步驟,第1步是采用bagging抽樣技術(shù),從原始的訓練集中隨機生成具有一定重復性的K個訓練子集為每棵樹生成一個訓練集。第2步是在得到每棵樹的訓練集后,從總特征中隨機選取一些特征來訓練每個訓練集,生成K個決策樹,從而形成一個隨機森林[12]。

    傳感器故障分類所使用的隨機森林算法結(jié)構(gòu)圖如圖3所示,構(gòu)造的多棵決策樹組成了隨機森林分類器,通過多棵決策樹共同投票,從而使故障分類的準確率有了很大的提高。

    Figure 3 Structure of random forest algorithm圖3 隨機森林算法結(jié)構(gòu)

    3 改進LSTM-RF算法

    3.1 故障診斷與故障數(shù)據(jù)重構(gòu)的原理

    3.2 改進LSTM-RF算法訓練的步驟

    對改進LSTM-RF故障診斷模型與數(shù)據(jù)重構(gòu)的建模過程如圖4所示,其步驟可以總結(jié)如下:

    Figure 4 Training flowchart of the improved LSTM-RF algorithm圖4 改進LSTM-RF算法訓練流程圖

    (1)取訓練樣本中無故障數(shù)據(jù),生成集合(x1,x2,…,xn)。

    (2)構(gòu)造時間序列。時間序列的樣本和標記分別為(X1,X2,…,Xm)和(y1,y2,…,ym)。其中X1為(x1,x2,…,xk-1)組成的向量,y1為xk,X2為(x2,x3,…,xk)組成的向量,y2為xk+1。依次類推:Xm為(xm,xm+1,…,xm+k-1)組成的向量,ym為xm+k。

    (3)針對時間序列進行歸一化處理,本文所用的歸一化的方法為X′=(x-xmin)/(xmax-xmin)。

    (4)構(gòu)建改進LSTM網(wǎng)絡(luò)模型。模型的輸入與輸出分別為時間序列的樣本和標記。損失率為均方根誤差k。

    (5)針對構(gòu)建的改進LSTM模型,使用BPTT反向傳播法對其進行訓練。

    (6)損失函數(shù)設(shè)定為均方根誤差,激活函數(shù)為adam,當模型的損失率趨于穩(wěn)定后,停止訓練,并保存訓練完的改進LSTM模型M1。

    (7)取訓練樣本中有故障數(shù)據(jù),生成集合(e1,e2,…,en)。

    (8)針對故障數(shù)據(jù)集合(e1,e2,…,en),與步驟(2)所示方法一致,生成故障序列的樣本(E1,E2,…,Ej)和標記(l1,l2,…,lj),Em為(em,em+1,…,em+k-1)組成的向量。

    (11)構(gòu)造隨機森林分類器。

    (12)訓練隨機森林模型,輸入為殘差數(shù)據(jù)集合(r1,r2,…,rj)和標記集合(l1,l2,…,lj)。

    3.3 故障診斷與數(shù)據(jù)重構(gòu)的步驟

    對傳感器的運行狀態(tài)進行故障診斷與故障數(shù)據(jù)重構(gòu)的步驟如圖5所示,其步驟總結(jié)如下:

    (1)取傳感器測量數(shù)據(jù),生成傳感器測量數(shù)據(jù)集合(x1,x2,…,xn)。

    (2)構(gòu)造時間序列,時間序列的樣本和標記分別為(X1,X2,…,Xm)和(y1,y2,…,ym)。其中X1為(x1,x2,…,xk-1)組成的向量,y1為xk,X2為(x2,x3,…,xk)組成的向量,y2為xk+1。依次類推:Xm為(xm,xm+1,…,xm+k-1)組成的向量,ym為xm+k。

    (3)針對時間序列進行歸一化處理,本文所用的歸一化的方法為X′=(x-xmin)/(xmax-xmin)。

    (6)殘差數(shù)據(jù)集合中數(shù)據(jù)的幅值和排序蘊含著傳感器的運行狀態(tài),使用隨機森林模型M2對殘差數(shù)據(jù)集合進行分類,分類的結(jié)果為當前傳感器的運行狀態(tài)。

    Figure 5 Flowchart of sensor fault diagnosis and fault data reconstruction based on improved LSTM-RF algorithm圖5 改進LSTM-RF算法故障診斷與數(shù)據(jù)重構(gòu)流程圖

    4 實驗與結(jié)果分析

    4.1 數(shù)據(jù)集

    本文使用2種不同類型的傳感器產(chǎn)生的數(shù)據(jù)集來驗證所提的改進LSTM-RF算法在傳感器故障診斷與數(shù)據(jù)重構(gòu)中的有效性,這2個傳感器分別為NO2傳感器與風機齒輪箱溫度傳感器。2個數(shù)據(jù)集分別標注了傳感器在7種狀態(tài)下采集的數(shù)據(jù),7種狀態(tài)分別為傳感器正常狀態(tài)、傳感器偏差故障、傳感器沖擊故障、傳感器周期性干擾故障、傳感器漂移故障、傳感器噪聲干擾故障和傳感器輸出恒定值故障。在故障嚴重程度上風機齒輪箱溫度傳感器數(shù)據(jù)集的故障幅度和漂移的偏移量要小于NO2傳感器數(shù)據(jù)集中的相應(yīng)值。

    4.2 超參數(shù)的選擇

    本文采用網(wǎng)格搜索法來確定改進型LSTM和隨機森林的超參數(shù)。限于文章篇幅,以NO2傳感器數(shù)據(jù)集為例展開分析。圖6為改進型LSTM的Epoch參數(shù)值對訓練集和測試集上均方根誤差的影響。從圖6中可以看出,當Epoch值小于4時,訓練集和測試集的均方根誤差都在減小;當Epoch大于4時,訓練集的均方根誤差在緩慢地下降,但是測試集的均方根誤差卻在增加,并出現(xiàn)了很大的振蕩,這說明由于模型的訓練過度而導致了其在訓練集上的精度不斷提升,而在測試集上的精度卻發(fā)生了下降。訓練過度會造成模型發(fā)生過擬合,因此本文選定超參數(shù)Epoch為4來訓練模型。圖7為隨機森林所包含決策樹的數(shù)量對傳感器故障診斷準確率的影響。從圖7中可以看出,在訓練集上,隨著決策樹數(shù)量的增多,訓練集的準確率一直在增加,而測試集上的準確率在決策樹數(shù)量為22之后出現(xiàn)了明顯的下降,并且發(fā)生了很大的振蕩,這說明隨機森林模型由于決策樹數(shù)量過多而導致模型訓練過度,從而使得模型發(fā)生了過擬合。因此,本文所構(gòu)建的隨機森林里決策樹數(shù)量的大小選為22。

    Figure 6 Different forest accuracy based on improved LSTM under different Epoch圖6 改進LSTM預(yù)測精度隨Epoch變化曲線

    Figure 7 Different diagnosis accuracy under different numbers of decision trees圖7 故障診斷準確率隨決策樹數(shù)量變化曲線

    4.3 實驗結(jié)果

    傳感器故障數(shù)據(jù)重構(gòu)是指傳感器發(fā)生故障后,對傳感器故障時輸出的數(shù)據(jù)進行重構(gòu),使得輸出數(shù)據(jù)更加符合真實數(shù)據(jù)。限于文章篇幅,本文僅以NO2傳感器數(shù)據(jù)重構(gòu)為例進行分析,NO2傳感器故障數(shù)據(jù)重構(gòu)如圖8所示。從圖8中的傳感器輸出值和實際值這2條曲線可以看出,由于傳感器發(fā)生了偏置故障,傳感器的輸出值與實際值之間的偏差非常大。相較于傳感器的輸出曲線,數(shù)據(jù)重構(gòu)曲線更加靠近實際值曲線,這說明重構(gòu)后的數(shù)據(jù)比傳感器的輸出數(shù)據(jù)更加靠近實際值,所建模型取得了

    Table 1 Accuracy of sensor fault diagnosis表1 傳感器故障診斷的準確率 %

    Figure 8 Curve of fault data reconstruction圖8 故障數(shù)據(jù)重構(gòu)曲線

    良好的故障數(shù)據(jù)重構(gòu)效果。

    4.4 對比分析

    近年來梯度提升樹GBDT(Gradient Boosting Decision Tree)、支持向量機SVM(Support Vector Machine)和樸素貝葉斯NBM(Naive Bayesian)等機器算法在很多數(shù)據(jù)集中都被證明具有很強的分類能力[13]。本文在相同的殘差數(shù)據(jù)集上將隨機森林算法與這3種算法的準確率和在測試集與訓練集上所用的時間進行了對比,結(jié)果如圖9所示。由圖9可知,在2個數(shù)據(jù)集上樸素貝葉斯分類算法的訓練時間和測試時間要小于隨機森林、梯度提升樹和支持向量機的,但是在準確率上隨機森林的準確率要高于梯度提升樹、樸素貝葉斯和支持向量機的。綜合考慮模型故障診斷的時間和所需消耗的時間,隨機森林算法在傳感器故障診斷上的綜合性能更好。

    為了說明改進型LSTM在故障數(shù)據(jù)重構(gòu)上的優(yōu)越性,本文使用改進型LSTM與標準的LSTM、門控循環(huán)單元GRU(Gated Recurrent Unit)對2個故障數(shù)據(jù)集進行了故障數(shù)據(jù)重構(gòu),實驗結(jié)果如圖10所示。從圖10中可以看出,對于相同的數(shù)據(jù)集,改進的LSTM的收斂速度更快,這與其將輸入門與遺忘門相融合簡化了模型相吻合。同時比較3個算法的收斂值,發(fā)現(xiàn)改進型LSTM在故障數(shù)據(jù)重構(gòu)時的均方根誤差要小于標準的LSTM和GRU的,這說明改進型LSTM的故障數(shù)據(jù)重構(gòu)效果更好。

    Figure 9 Comparison of different accuracy and required time with different recurrent neural networks圖9 各算法對相同殘差序列分類的準確率與分類使用的時間對比圖

    Figure 10 Curve of fault data reconstruction with different algorithms圖10 多種算法的數(shù)據(jù)重構(gòu)誤差曲線

    5 結(jié)束語

    為了提高傳感器系統(tǒng)在運行過程中的穩(wěn)定性和可靠性,本文結(jié)合長短期記憶(LSTM)網(wǎng)絡(luò)在時序數(shù)據(jù)預(yù)測上的優(yōu)勢與隨機森林RF在分類上的優(yōu)勢,提出了改進型LSTM-RF算法,用于傳感器的故障診斷與數(shù)據(jù)重構(gòu)。

    本文提出的改進型LSTM-RF算法對于不同的傳感器檢測效率不同。對于NO2傳感器,本文算法的故障診斷平均準確率達到了98.4%,對于風機齒輪箱溫度傳感器平均診斷準確率達到97.3%,所提算法在2個數(shù)據(jù)集上的綜合效果優(yōu)于梯度決策樹、SVM和樸素貝葉斯算法。在2個數(shù)據(jù)集上故障數(shù)據(jù)重構(gòu)的均方根誤差均小于4%,數(shù)據(jù)重構(gòu)的效果優(yōu)于標準的LSTM和GRU算法。

    綜上所述,本文通過對LSTM細胞核結(jié)構(gòu)的改進以及與隨機森林算法的組合使用,在傳感器故障診斷與數(shù)據(jù)重構(gòu)上取得了較為理想的效果。但是,本文在尋找改進LSTM和隨機森林超參數(shù)時,采取的是網(wǎng)格搜索方法,缺少相應(yīng)的理論依據(jù)。后續(xù)可以進一步研究如何有效地選取各個機器學習算法的超參數(shù),更好地解決本文所提的問題。

    猜你喜歡
    時刻故障診斷重構(gòu)
    冬“傲”時刻
    長城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    捕獵時刻
    北方大陸 重構(gòu)未來
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    論中止行為及其對中止犯的重構(gòu)
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    街拍的歡樂時刻到來了
    一天的時刻
    基于LCD和排列熵的滾動軸承故障診斷
    91麻豆精品激情在线观看国产| 可以在线观看的亚洲视频| 熟女少妇亚洲综合色aaa.| 天堂av国产一区二区熟女人妻| 网址你懂的国产日韩在线| 999久久久国产精品视频| 久久久久亚洲av毛片大全| 欧美又色又爽又黄视频| 伊人久久大香线蕉亚洲五| 97超视频在线观看视频| 青草久久国产| 91老司机精品| av在线蜜桃| 久久婷婷人人爽人人干人人爱| 舔av片在线| 黄色片一级片一级黄色片| 日日夜夜操网爽| 不卡一级毛片| 国产亚洲欧美在线一区二区| 欧美日韩福利视频一区二区| 色综合婷婷激情| 一区二区三区高清视频在线| 久久香蕉国产精品| 热99re8久久精品国产| 窝窝影院91人妻| 身体一侧抽搐| 麻豆国产97在线/欧美| 高清毛片免费观看视频网站| 高清在线国产一区| 亚洲中文字幕日韩| 五月玫瑰六月丁香| 男人和女人高潮做爰伦理| 亚洲天堂国产精品一区在线| 欧美日韩综合久久久久久 | 国产成人一区二区三区免费视频网站| 亚洲av中文字字幕乱码综合| 欧美+亚洲+日韩+国产| 国产精品九九99| 成人性生交大片免费视频hd| 一级毛片高清免费大全| 国产男靠女视频免费网站| 成年女人永久免费观看视频| 日本 欧美在线| 校园春色视频在线观看| 老司机在亚洲福利影院| 国产私拍福利视频在线观看| 后天国语完整版免费观看| 观看免费一级毛片| 亚洲国产高清在线一区二区三| 久久精品国产清高在天天线| 最近最新免费中文字幕在线| 亚洲在线观看片| 日韩中文字幕欧美一区二区| 哪里可以看免费的av片| 热99re8久久精品国产| 中文字幕高清在线视频| 色在线成人网| 欧美激情在线99| 亚洲国产中文字幕在线视频| 麻豆成人av在线观看| 热99在线观看视频| 两性夫妻黄色片| 国内精品久久久久精免费| 悠悠久久av| 亚洲av成人av| 久久这里只有精品19| 天堂av国产一区二区熟女人妻| 久久精品人妻少妇| 国产精品自产拍在线观看55亚洲| 亚洲人成伊人成综合网2020| 久久精品亚洲精品国产色婷小说| 最新中文字幕久久久久 | 久久精品国产综合久久久| 嫩草影视91久久| 精品久久久久久久毛片微露脸| 黄色片一级片一级黄色片| 99久久99久久久精品蜜桃| 午夜免费成人在线视频| av视频在线观看入口| 欧美极品一区二区三区四区| 午夜两性在线视频| 国产精品九九99| 中文字幕精品亚洲无线码一区| 亚洲av中文字字幕乱码综合| 啦啦啦免费观看视频1| 99久久无色码亚洲精品果冻| 国产精品永久免费网站| 999久久久国产精品视频| 露出奶头的视频| 亚洲一区高清亚洲精品| 精品不卡国产一区二区三区| 琪琪午夜伦伦电影理论片6080| 免费在线观看成人毛片| 国产精品国产高清国产av| 国产伦精品一区二区三区视频9 | 国产v大片淫在线免费观看| 国产精品乱码一区二三区的特点| 一进一出好大好爽视频| 热99re8久久精品国产| 亚洲国产日韩欧美精品在线观看 | 搡老妇女老女人老熟妇| 久久人妻av系列| 每晚都被弄得嗷嗷叫到高潮| 午夜亚洲福利在线播放| 亚洲精品乱码久久久v下载方式 | 久久久久久大精品| 欧洲精品卡2卡3卡4卡5卡区| 夜夜看夜夜爽夜夜摸| 亚洲18禁久久av| 国产麻豆成人av免费视频| 欧美日韩国产亚洲二区| 丰满的人妻完整版| 熟女人妻精品中文字幕| 熟妇人妻久久中文字幕3abv| 中文字幕熟女人妻在线| 夜夜夜夜夜久久久久| 成人高潮视频无遮挡免费网站| 男人舔女人下体高潮全视频| a在线观看视频网站| 久久久久久久久免费视频了| 国产男靠女视频免费网站| 91在线精品国自产拍蜜月 | 一级黄色大片毛片| 露出奶头的视频| 欧美一级毛片孕妇| 熟女电影av网| 欧美一区二区国产精品久久精品| 欧美中文综合在线视频| 一进一出抽搐gif免费好疼| 久久久精品欧美日韩精品| 性欧美人与动物交配| 少妇熟女aⅴ在线视频| 热99在线观看视频| 欧美色视频一区免费| 亚洲av中文字字幕乱码综合| 黄色女人牲交| 国产日本99.免费观看| 老司机深夜福利视频在线观看| 男女做爰动态图高潮gif福利片| 性色avwww在线观看| 淫妇啪啪啪对白视频| 精品电影一区二区在线| 国产成人精品无人区| 观看免费一级毛片| 欧美av亚洲av综合av国产av| 国产欧美日韩一区二区精品| 少妇熟女aⅴ在线视频| 1024香蕉在线观看| e午夜精品久久久久久久| 又黄又爽又免费观看的视频| 午夜免费观看网址| 美女高潮的动态| av天堂中文字幕网| 亚洲熟妇熟女久久| 蜜桃久久精品国产亚洲av| 亚洲中文字幕一区二区三区有码在线看 | 久99久视频精品免费| 91在线观看av| 91麻豆精品激情在线观看国产| 欧美日韩福利视频一区二区| 亚洲午夜精品一区,二区,三区| 亚洲av免费在线观看| aaaaa片日本免费| 成人高潮视频无遮挡免费网站| 国产私拍福利视频在线观看| 国产97色在线日韩免费| 国产黄片美女视频| 视频区欧美日本亚洲| 中出人妻视频一区二区| 亚洲国产高清在线一区二区三| 久久久久久大精品| 最近最新中文字幕大全电影3| 又粗又爽又猛毛片免费看| 午夜亚洲福利在线播放| 脱女人内裤的视频| 国产伦精品一区二区三区视频9 | 欧美中文综合在线视频| 亚洲精品在线观看二区| 国产亚洲精品久久久com| 黑人操中国人逼视频| 国产精品av视频在线免费观看| 免费观看的影片在线观看| 中文字幕av在线有码专区| 五月伊人婷婷丁香| 99精品久久久久人妻精品| 在线十欧美十亚洲十日本专区| 香蕉av资源在线| 一进一出抽搐动态| 全区人妻精品视频| av视频在线观看入口| 精品国产乱子伦一区二区三区| 国产精品影院久久| 久久久久国内视频| 免费看光身美女| 在线免费观看的www视频| 在线免费观看不下载黄p国产 | 亚洲色图 男人天堂 中文字幕| 黑人操中国人逼视频| 黄色女人牲交| www国产在线视频色| 999久久久精品免费观看国产| 久久久精品欧美日韩精品| 在线播放国产精品三级| 久久人人精品亚洲av| 嫁个100分男人电影在线观看| 人人妻人人看人人澡| 一区福利在线观看| 欧美3d第一页| 日韩人妻高清精品专区| 丝袜人妻中文字幕| 不卡av一区二区三区| 99热只有精品国产| 成人鲁丝片一二三区免费| 99视频精品全部免费 在线 | 麻豆久久精品国产亚洲av| 精品国产乱码久久久久久男人| 九色国产91popny在线| 欧美又色又爽又黄视频| 国产欧美日韩一区二区精品| 日本成人三级电影网站| 国产成人精品无人区| 国产1区2区3区精品| 少妇丰满av| bbb黄色大片| 三级男女做爰猛烈吃奶摸视频| 噜噜噜噜噜久久久久久91| www.精华液| 午夜福利高清视频| 性色avwww在线观看| 欧美乱色亚洲激情| 哪里可以看免费的av片| 真实男女啪啪啪动态图| 在线视频色国产色| 久9热在线精品视频| www日本在线高清视频| 亚洲精品国产精品久久久不卡| 国产成人啪精品午夜网站| 此物有八面人人有两片| 精品一区二区三区视频在线 | av欧美777| 很黄的视频免费| 在线a可以看的网站| or卡值多少钱| 啦啦啦韩国在线观看视频| 国产一区二区在线观看日韩 | 婷婷丁香在线五月| 日本与韩国留学比较| 午夜福利视频1000在线观看| 亚洲午夜精品一区,二区,三区| 久久久国产精品麻豆| 中文字幕最新亚洲高清| 国产精品av视频在线免费观看| 亚洲欧美激情综合另类| 亚洲精品在线美女| 欧美成人一区二区免费高清观看 | 日本 欧美在线| 91九色精品人成在线观看| 99re在线观看精品视频| 成年免费大片在线观看| 国产精品综合久久久久久久免费| 日韩av在线大香蕉| 搞女人的毛片| 免费大片18禁| 中文字幕久久专区| 亚洲av免费在线观看| 国产成人欧美在线观看| 此物有八面人人有两片| 女警被强在线播放| 国产精品综合久久久久久久免费| 久久久色成人| 亚洲专区国产一区二区| 18禁美女被吸乳视频| 99精品在免费线老司机午夜| 国产91精品成人一区二区三区| 免费看日本二区| 好男人电影高清在线观看| 18美女黄网站色大片免费观看| 欧美日本视频| 欧美一区二区国产精品久久精品| 成人一区二区视频在线观看| 日本精品一区二区三区蜜桃| xxx96com| 黄色女人牲交| 色av中文字幕| 亚洲国产精品999在线| 一级作爱视频免费观看| 亚洲成人免费电影在线观看| 亚洲国产欧美一区二区综合| 成年版毛片免费区| 亚洲国产精品成人综合色| 国产午夜精品论理片| 久久久久久久午夜电影| 免费一级毛片在线播放高清视频| 国产黄a三级三级三级人| 欧美国产日韩亚洲一区| 久久亚洲精品不卡| 欧美色欧美亚洲另类二区| 国产高清视频在线播放一区| 久久久国产成人免费| 国产精品亚洲一级av第二区| 久久久久久久精品吃奶| 激情在线观看视频在线高清| а√天堂www在线а√下载| 亚洲午夜理论影院| 天天添夜夜摸| 欧美乱码精品一区二区三区| 久久久国产精品麻豆| 脱女人内裤的视频| 久久久水蜜桃国产精品网| 久久热在线av| 国产成年人精品一区二区| 高清在线国产一区| 久久天堂一区二区三区四区| 成人18禁在线播放| 丰满的人妻完整版| 中文在线观看免费www的网站| 最新中文字幕久久久久 | www.自偷自拍.com| 美女cb高潮喷水在线观看 | 99久久国产精品久久久| 男人舔女人的私密视频| 亚洲成人久久爱视频| 老汉色∧v一级毛片| 美女cb高潮喷水在线观看 | 国产成人一区二区三区免费视频网站| 又粗又爽又猛毛片免费看| 99在线视频只有这里精品首页| 在线a可以看的网站| 男女视频在线观看网站免费| 国产精品国产高清国产av| 性色av乱码一区二区三区2| 在线观看舔阴道视频| 90打野战视频偷拍视频| 91在线观看av| 我要搜黄色片| www日本在线高清视频| 91av网站免费观看| 亚洲专区字幕在线| 国产精品精品国产色婷婷| 在线国产一区二区在线| 中文字幕熟女人妻在线| 亚洲国产欧美网| 亚洲av日韩精品久久久久久密| 夜夜躁狠狠躁天天躁| 18禁国产床啪视频网站| 91老司机精品| 国产成人福利小说| 免费一级毛片在线播放高清视频| 淫秽高清视频在线观看| 亚洲国产日韩欧美精品在线观看 | 成年免费大片在线观看| 亚洲精品一区av在线观看| 国产精品美女特级片免费视频播放器 | 两个人视频免费观看高清| 欧美绝顶高潮抽搐喷水| 国产成人精品无人区| 岛国在线观看网站| 91久久精品国产一区二区成人 | 国内精品美女久久久久久| 久久久久九九精品影院| 一级黄色大片毛片| 青草久久国产| 久久久久久人人人人人| 很黄的视频免费| 亚洲精品在线观看二区| 欧美中文日本在线观看视频| 国产精品久久久av美女十八| 精品午夜福利视频在线观看一区| 热99在线观看视频| 午夜久久久久精精品| 国产私拍福利视频在线观看| 天堂网av新在线| www.999成人在线观看| 亚洲欧美日韩高清在线视频| 成年女人永久免费观看视频| 亚洲国产日韩欧美精品在线观看 | 少妇的丰满在线观看| 少妇人妻一区二区三区视频| 亚洲欧美精品综合久久99| 国产一区二区在线观看日韩 | 免费在线观看日本一区| 亚洲国产欧美人成| 亚洲无线观看免费| 岛国在线免费视频观看| 在线观看66精品国产| 18禁裸乳无遮挡免费网站照片| 又紧又爽又黄一区二区| 精品欧美国产一区二区三| 国产一区二区三区视频了| 午夜精品久久久久久毛片777| 国产精品综合久久久久久久免费| 国产美女午夜福利| 国产午夜福利久久久久久| 91在线精品国自产拍蜜月 | 国产三级中文精品| 男人和女人高潮做爰伦理| 人妻夜夜爽99麻豆av| 麻豆成人午夜福利视频| 国产三级中文精品| 中出人妻视频一区二区| 国产精品久久久人人做人人爽| 国产又黄又爽又无遮挡在线| 黄片小视频在线播放| 久久久精品大字幕| 午夜福利免费观看在线| 日韩国内少妇激情av| 免费人成视频x8x8入口观看| 亚洲国产高清在线一区二区三| 久久午夜亚洲精品久久| 久久欧美精品欧美久久欧美| 性欧美人与动物交配| 午夜福利欧美成人| 观看免费一级毛片| 琪琪午夜伦伦电影理论片6080| 99久久99久久久精品蜜桃| 少妇裸体淫交视频免费看高清| 亚洲欧美日韩东京热| 精品免费久久久久久久清纯| 在线观看66精品国产| 给我免费播放毛片高清在线观看| 久久久久久人人人人人| 欧美黄色淫秽网站| 99久久精品热视频| 免费观看精品视频网站| 欧美性猛交╳xxx乱大交人| 天天一区二区日本电影三级| 国产精品 国内视频| 小说图片视频综合网站| 亚洲人成电影免费在线| 亚洲自拍偷在线| 婷婷丁香在线五月| 宅男免费午夜| 一级毛片高清免费大全| а√天堂www在线а√下载| 国产精品一区二区精品视频观看| 久久午夜亚洲精品久久| 99国产极品粉嫩在线观看| 99久国产av精品| 国内揄拍国产精品人妻在线| 国产aⅴ精品一区二区三区波| АⅤ资源中文在线天堂| 国产亚洲精品综合一区在线观看| av视频在线观看入口| 日本成人三级电影网站| 在线观看免费午夜福利视频| 少妇人妻一区二区三区视频| 级片在线观看| 欧美一区二区国产精品久久精品| 亚洲欧美日韩东京热| 亚洲欧美精品综合一区二区三区| 高清毛片免费观看视频网站| 精品电影一区二区在线| 国产v大片淫在线免费观看| 久久99热这里只有精品18| 天堂网av新在线| 一个人免费在线观看的高清视频| 欧美激情久久久久久爽电影| 母亲3免费完整高清在线观看| 在线观看免费视频日本深夜| 免费看十八禁软件| 亚洲av五月六月丁香网| 亚洲av第一区精品v没综合| 日本熟妇午夜| 免费看美女性在线毛片视频| 99久久99久久久精品蜜桃| 亚洲无线在线观看| 亚洲专区字幕在线| 国产成人影院久久av| 精品一区二区三区视频在线观看免费| 亚洲欧美激情综合另类| 久久婷婷人人爽人人干人人爱| 亚洲欧美日韩高清在线视频| 国内毛片毛片毛片毛片毛片| 久久国产精品影院| 国产麻豆成人av免费视频| av天堂在线播放| 精品午夜福利视频在线观看一区| 亚洲av美国av| 亚洲国产欧美网| 免费人成视频x8x8入口观看| 免费在线观看影片大全网站| 三级毛片av免费| 日韩 欧美 亚洲 中文字幕| 国产高清三级在线| 俄罗斯特黄特色一大片| 精品不卡国产一区二区三区| 美女 人体艺术 gogo| 亚洲国产看品久久| 国产精品一区二区免费欧美| 噜噜噜噜噜久久久久久91| 成年版毛片免费区| 成人性生交大片免费视频hd| 美女午夜性视频免费| 99热这里只有是精品50| 免费大片18禁| 日韩中文字幕欧美一区二区| 99久久精品国产亚洲精品| 国产精品香港三级国产av潘金莲| 免费观看精品视频网站| 日本a在线网址| 精品国产亚洲在线| 成人鲁丝片一二三区免费| 国产欧美日韩一区二区三| 啦啦啦韩国在线观看视频| 一个人免费在线观看电影 | 亚洲人成伊人成综合网2020| 久久精品国产亚洲av香蕉五月| 可以在线观看毛片的网站| 91在线精品国自产拍蜜月 | 国产黄a三级三级三级人| 两性午夜刺激爽爽歪歪视频在线观看| 高清毛片免费观看视频网站| 女人高潮潮喷娇喘18禁视频| 中文在线观看免费www的网站| 露出奶头的视频| 黄色日韩在线| 久久这里只有精品19| 久久这里只有精品中国| 一区二区三区国产精品乱码| 亚洲国产精品成人综合色| 日韩欧美 国产精品| 特大巨黑吊av在线直播| 九色成人免费人妻av| 欧美日韩瑟瑟在线播放| 成人无遮挡网站| 国产亚洲av高清不卡| 男人和女人高潮做爰伦理| 国内少妇人妻偷人精品xxx网站 | 亚洲精品在线观看二区| 国产69精品久久久久777片 | 亚洲国产中文字幕在线视频| 国产精品久久久人人做人人爽| 久久午夜综合久久蜜桃| 他把我摸到了高潮在线观看| 久久人妻av系列| 亚洲九九香蕉| av天堂中文字幕网| 在线看三级毛片| 色吧在线观看| 搞女人的毛片| 麻豆国产av国片精品| 亚洲国产精品999在线| 夜夜躁狠狠躁天天躁| 日本a在线网址| 免费在线观看影片大全网站| 校园春色视频在线观看| 亚洲国产欧美人成| 一二三四在线观看免费中文在| 午夜激情福利司机影院| 日韩欧美精品v在线| 午夜成年电影在线免费观看| 久久精品aⅴ一区二区三区四区| 男女那种视频在线观看| 亚洲七黄色美女视频| 亚洲一区二区三区色噜噜| 欧美中文日本在线观看视频| 长腿黑丝高跟| 国内精品一区二区在线观看| av女优亚洲男人天堂 | 欧美最黄视频在线播放免费| 啪啪无遮挡十八禁网站| 好男人电影高清在线观看| 欧美国产日韩亚洲一区| 听说在线观看完整版免费高清| av天堂中文字幕网| 美女高潮的动态| 亚洲精品美女久久久久99蜜臀| 99国产精品一区二区三区| tocl精华| 一区福利在线观看| netflix在线观看网站| 国产亚洲av嫩草精品影院| www日本黄色视频网| 麻豆一二三区av精品| 午夜亚洲福利在线播放| 国产精品一区二区精品视频观看| 成年人黄色毛片网站| 日韩人妻高清精品专区| 欧美黄色淫秽网站| 五月伊人婷婷丁香| 亚洲欧洲精品一区二区精品久久久| 亚洲精品色激情综合| 少妇的逼水好多| 日日干狠狠操夜夜爽| 小说图片视频综合网站| 最近在线观看免费完整版| 亚洲精品在线观看二区| 午夜福利成人在线免费观看| 美女黄网站色视频| 一级毛片高清免费大全| 亚洲欧美一区二区三区黑人| 精品不卡国产一区二区三区| 亚洲国产色片| 国产男靠女视频免费网站| 欧美另类亚洲清纯唯美| 欧美黄色片欧美黄色片| 人人妻人人看人人澡| 69av精品久久久久久| 国产一级毛片七仙女欲春2| 国产成人aa在线观看| 18禁黄网站禁片免费观看直播| 国产综合懂色| or卡值多少钱| 黄色日韩在线| 欧美日韩福利视频一区二区| 午夜免费成人在线视频| 蜜桃久久精品国产亚洲av| 十八禁网站免费在线| 亚洲一区二区三区不卡视频| 男女视频在线观看网站免费| 亚洲精品在线观看二区| 夜夜躁狠狠躁天天躁| 久久精品91无色码中文字幕| 成人三级黄色视频| 麻豆一二三区av精品|