• <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WOA優(yōu)化卷積神經(jīng)網(wǎng)絡的齒輪箱故障診斷研究

    2021-08-23 05:18:06唐紅濤高晟博
    數(shù)字制造科學 2021年2期
    關(guān)鍵詞:池化鯨魚獵物

    劉 奇,唐紅濤,高晟博,李 冰

    (1.武漢理工大學 機電工程學院,湖北 武漢 430070;2.武漢理工大學 數(shù)字制造湖北省重點實驗室,湖北 武漢 430070)

    齒輪具有傳動比大、體積小、承載能力大等優(yōu)點,同時作為減速箱的關(guān)鍵零件,由于其長期處于惡劣的工況條件下,也是設備最易損壞的部分。此外,齒輪一旦出現(xiàn)不同程度的失效,整個減速箱乃至整臺設備都可能出現(xiàn)故障,這些故障引起的設備重大問題屢見不鮮。

    為了維持設備的安全運行,避免造成不必要的停機維修損失,需要對齒輪進行狀態(tài)監(jiān)測和故障診斷,這也成為國內(nèi)外眾多學者的研究對象。例如,雷亞國等[1]從動力學建模和動態(tài)信號處理兩方面分析了行星齒輪箱故障診斷的國內(nèi)外研究進展,指出當前研究中存在的關(guān)鍵問題并討論了解決這些關(guān)鍵問題的方法和途徑; Hinton等[2]通過“逐層預訓練”來有效克服深層神經(jīng)網(wǎng)絡在訓練上的困難,從而掀起了深度學習的浪潮。近年來,越來越多的學者開始嘗試將卷積神經(jīng)網(wǎng)絡(convolutional neural network,CNN)應用于工業(yè)設備的故障診斷中,雖然卷積神經(jīng)網(wǎng)絡的層數(shù)、池化方式、激活函數(shù)、分類器等結(jié)構(gòu)參數(shù)可依據(jù)經(jīng)驗進行選擇,不需要優(yōu)化,但是卷積核的個數(shù)、大小、學習率等參數(shù)并沒有明確的選取規(guī)則,顯然隨機選擇容易使神經(jīng)網(wǎng)絡陷入局部最優(yōu)。

    綜上所述,筆者結(jié)合鯨魚算法(whale optimization algorithm),其具有結(jié)構(gòu)簡單、參數(shù)少、搜索能力強且易于實現(xiàn)等特點,提出了WOA-CNN診斷模型,利用WOA對卷積神經(jīng)網(wǎng)絡參數(shù)進行優(yōu)化,避免模型陷入局部最優(yōu)解。

    1 卷積神經(jīng)網(wǎng)絡

    卷積神經(jīng)網(wǎng)絡[3]結(jié)構(gòu)一般包括輸入層、卷積層、池化層、全連接層和輸出層5部分,筆者主要研究兩個卷積層和兩個池化層的CNN網(wǎng)絡。

    1.1 卷積層

    卷積過程是用多個卷積核對輸入圖像進行卷積運算,然后將輸出加上偏置后,通過激活函數(shù)進行非線性變換,對于二維圖像信號,卷積定義為:

    (1)

    1.2 池化層

    池化操作[4]是圖像的下采樣過程,主要作用是對卷積層輸出特征進行壓縮,以減少特征圖。池化方式有最大值池化、均值池化、高斯池化和可訓練池化。針對齒輪周期性振動的時域信號,為了獲取與位置無關(guān)的特征,采用最大值池化方式。池化操作運算公式為:

    hn=max(jn-1)W

    (2)

    式中:hn為第n池化層池化結(jié)果;jn為第n層第j個池化切片;W為池化區(qū)域;fn為第n卷積層卷積結(jié)果。

    2 基于WOA優(yōu)化CNN的算法設計

    鯨魚優(yōu)化算法[5](WOA)是一種模擬座頭鯨捕獵的群智能優(yōu)化算法,其結(jié)構(gòu)簡單、收斂速度快且易于實現(xiàn)。算法分為包圍獵物、泡泡網(wǎng)攻擊和搜索獵物[6]3個步驟,因此,用系數(shù)矢量A來區(qū)別是環(huán)繞包圍獵物還是隨機搜索行為。

    為了提高模型的收斂速度和準確率,筆者設計了一種基于WOA優(yōu)化CNN結(jié)構(gòu)參數(shù)的算法(WOA-CNN),采用WOA對兩個卷積層卷積核的數(shù)量k1、k2,大小s1、s2,訓練批次batch,學習率η進行優(yōu)化[7],將上述6個參數(shù)映射成每頭鯨魚個體的空間向量位置,第n頭鯨魚的位置為:

    xn=(k1n,k2n,s1n,s2n,batchn,ηn)

    (3)

    (1)包圍獵物。鯨群在捕食獵物過程中,對于獵物的位置是未知的,基于動態(tài)變換的獵物位置。WOA算法假定目標最佳位置就是鯨魚最接近獵物時的位置,并包圍它。為此,引入系數(shù)向量A,當|A|小于1時,選擇鯨魚種群中最接近目標的鯨魚個體作為局部最優(yōu)獵物xgbest,此時CNN得到的適應度值最小,其余個體向著這個位置逐漸包圍獵物,位置更新公式為:

    D=|C·xgbest(t)-xn(t)|

    (4)

    xn(t+1)=xn(t)-A·D

    (5)

    式中:t為當前迭代次數(shù);·為逐元素相乘并非向量運算中的點乘;A和C的更新公式為:

    A=2a·r1-a

    (6)

    C=2·r2

    (7)

    式中:r1、r2是[0,1]中的隨機向量;a為收斂因子,其變化公式可設置為:

    (8)

    式中:N為最大迭代次數(shù)。

    (2)泡泡網(wǎng)攻擊。鯨魚在捕食過程中,一方面連續(xù)吐出氣泡形成一種圓柱形氣泡網(wǎng),將獵物包圍起來,采用收縮包圍機制;另一方面會作螺旋姿勢旋轉(zhuǎn)上升,向水面游動,采用螺旋更新位置機制[8]。假設鯨群選擇收縮包圍和螺旋更新兩種情況的幾率各占50%,則鯨魚位置的更新公式分別為:

    xn(t+1)=xgbest(t)-A·

    |C·xgbest(t)-xn(t)|p<0.5

    (9)

    xn(t+1)=D′·ebl·cos(2πl(wèi))+

    xgbest(t)p≥0.5

    (10)

    式中:D′=|xgbest(t)-xn(t)|表示第n頭鯨魚到最佳位置的距離;b為螺旋線常數(shù);l為[-1,1]中的隨機數(shù)。

    (3)搜索獵物。鯨魚可以根據(jù)彼此的位置進行隨機搜索,當|A|≥1時,在鯨群中隨機選擇一頭鯨魚xrand(t)作為局部最優(yōu)位置,并以此更新其他鯨魚的位置。更換公式為:

    xn(t+1)=xrand(t)-A·|C·xrand(t)-xn(t)|

    (11)

    在WOA算法中,每頭鯨魚要朝著獵物的位置移動,鯨群之間更新獵物信息,獵物最終的位置也就是鯨群中位置最優(yōu)的個體,此時將獵物的位置作為CNN網(wǎng)絡結(jié)構(gòu)的全局最優(yōu)參數(shù),對應最佳適應度值。WOA-CNN算法流程如圖1所示。 鯨群捕食行為具體步驟為:

    圖1 WOA-CNN算法流程圖

    (1)信號預處理。由于上述6個物理量有不同的單位和量級,在訓練神經(jīng)網(wǎng)絡前需要對采集到的數(shù)據(jù)進行歸一化處理。此外,還需要將一維時域信號轉(zhuǎn)化成二維“矩陣”,“矩陣”中每一個像素點代表信號值。

    (2)數(shù)據(jù)集劃分。將訓練集、測試集組數(shù)按3∶1劃分,并且保證訓練集中各故障類別下的數(shù)目相等,用以驗證WOA-CNN模型訓練和測試結(jié)果的準確度。

    (3)鯨群初始化。鯨群種群初始化參數(shù)只有鯨魚種群個數(shù)n和迭代次數(shù)N,設置n=20,N=70。初始化種群后,種群中的每頭鯨的位置都是用一個6維向量表示適應度評價指標。常用公式包括:平均絕對誤差、均方誤差等,筆者采用交叉熵函數(shù)檢驗回歸損失。

    (4)捕食行為。捕食行為具體步驟為:

    Step1每頭鯨位置更新。當p≥0.5時,鯨群根據(jù)式(10)更新個體位置;當p<0.5且|A|<1時,鯨群根據(jù)式(4)更新個體位置;當p<0.5且|A|≥1時,鯨群根據(jù)式(11)更新個體位置。

    Step2計算更新后鯨魚的適應度值。將更新后每頭鯨魚的6維向量作為CNN的結(jié)構(gòu)參數(shù),用訓練集訓練后用測試集測試,計算均方誤差值,記錄每個個體的適應度值和當前迭代時間,并篩選出與當前一代中的最佳適應度值相對應的鯨魚位置。如果更新的局部最優(yōu)值比上一代的局部最優(yōu)鯨魚更好,則用xgbest(t+1)取代全局最優(yōu)鯨魚xbest;反之用全局最優(yōu)鯨魚xbest取代局部最優(yōu)鯨魚,并重新更新所有鯨魚的位置,再計算適應度值。

    Step3結(jié)束條件。判斷迭代次數(shù)是否滿足t>N,如果不滿足,則返回Step1重新迭代計算,否則結(jié)束局部深度搜索。

    (5)故障分類。由于每條鯨魚xi=(k1i,k2i,s1i,s2i,batchi,ηi)的空間位置不同,即每次訓練CNN的結(jié)構(gòu)參數(shù)都會發(fā)生變化,針對不同的CNN網(wǎng)絡結(jié)構(gòu)參數(shù),用相同的訓練集和測試集來訓練和測試,其中訓練集是已知故障類別標簽的,測試集是標簽未知的。CNN的輸出層采用Softmax函數(shù)將輸出信號轉(zhuǎn)化為概率和為1的分布,計算第i次迭代的平均損失值。最終,鯨群經(jīng)過N次迭代尋優(yōu)操作后,找到平均損失值最小的那一代,對應的即為全局最優(yōu)鯨魚,也就是獵物位置。

    (6)模型重構(gòu)。得到全局最優(yōu)鯨魚xn=(k1n,k2n,s1n,s2n,batchn,ηn)的位置后,將最優(yōu)的卷積核數(shù)量、大小、訓練批次、學習率等6個參數(shù)重構(gòu)CNN模型,并采用訓練集訓練,測試集測試,此時CNN模型故障分類準確率最高。

    3 實驗結(jié)果對比分析

    3.1 數(shù)據(jù)說明

    為了驗證WOA-CNN模型在齒輪箱故障診斷中的可行性,采用PHM協(xié)會比賽使用的齒輪箱數(shù)據(jù)PHM 2009 Challenge Data[9]。被診斷的齒輪共有3種故障:齒輪破裂、斷齒、過度磨損,每種類型的故障均對應3種齒數(shù)的齒輪:輸入齒輪/32齒、第一惰輪/96齒、輸出齒輪/80齒。因此,將故障類型設置為10種,并在公開數(shù)據(jù)集中每種類型故障分別取120 000個樣本,將120 000個樣本分成300組數(shù)據(jù),將訓練集和測試集按3∶1比例分配,10種故障累計3 000組數(shù)據(jù)。將上述數(shù)據(jù)作為卷積神經(jīng)網(wǎng)絡的輸入時,由于每組數(shù)據(jù)都是1×400的一維矩陣,為了提高卷積速度,特將一維矩陣轉(zhuǎn)化成20×20的二維圖像。

    3.2 實驗結(jié)果

    為了驗證WOA-CNN模型的分類準確率,構(gòu)建WOA-BP(whale optimization algorithm-back propagation)、CNN、PSO-CNN(particle swarm optimization-convolutional neural network)、WOA-CNN 4種模型用來對比分析各類模型用于故障診斷時的優(yōu)缺點。為了突出各模型的分類準確率,這里直接給出每種模型經(jīng)過算法迭代后得到的最優(yōu)神經(jīng)網(wǎng)絡參數(shù),并利用這些優(yōu)化后的參數(shù)重構(gòu)網(wǎng)絡模型。

    (1)WOA-BP故障診斷模型。采用鯨魚優(yōu)化算法對BP神經(jīng)網(wǎng)絡的隱含層神經(jīng)元個數(shù)、步長、訓練精度、學習率進行優(yōu)化(假定該神經(jīng)網(wǎng)絡只有1個隱含層),即每頭鯨魚個體由一個4維向量xi=(ni,batchi,gi,ηi)組成,采用交叉熵函數(shù)作為損失函數(shù)。得到優(yōu)化后的BP神經(jīng)網(wǎng)絡的隱含層神經(jīng)元個數(shù)為139,步長為41,訓練精度1e-3,學習率為0.041 725。

    (2)CNN故障診斷模型。如果卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)參數(shù)沒有進行優(yōu)化,容易陷入局部最優(yōu)解,可能導致過擬合現(xiàn)象。因此該模型采用前述提到的CNN結(jié)構(gòu)參數(shù),即兩個卷積層卷積核的數(shù)量k1=16,k2=8;大小s1=9×9,s2=5×5;訓練批次batch=100;學習率η=0.009,采用交叉熵函數(shù)作為損失函數(shù)。

    (3)PSO-CNN故障診斷模型。粒子群算法(PSO)具有結(jié)構(gòu)簡單、收斂速度快等特點,種群初始化參數(shù)為:慣性權(quán)重w=0.9;加速度因子c1=c2=2;初始粒子個數(shù)為20;迭代次數(shù)為200。由前述分析可知,初始種群中,每個粒子個體也由一個6維向量xi=(k1i,k2i,s1i,s2i,batchi,ηi)組成,用式(12)、式(13)更新粒子的位置和速度,直至找到全局最優(yōu)粒子的位置。

    (12)

    (13)

    優(yōu)化后的PSO-CNN結(jié)構(gòu)參數(shù)為:兩個卷積核的數(shù)量k1=16,k2=30;大小s1=8×8,s2=4×4;訓練批次batch=84;學習率η=1.063 7e-5。

    (4)WOA-CNN故障診斷模型。由前所述,鯨群初始化種群個數(shù)n=20;迭代次數(shù)N=70。通過WOA算法優(yōu)化CNN后得到的結(jié)構(gòu)參數(shù)為(16,30,3×3,3×3,50,9.3697e-4)。將上述4種模型優(yōu)化后得到的參數(shù)重構(gòu)神經(jīng)網(wǎng)絡,然后用訓練集對上述4個模型進行訓練,并通過測試集進行測試,統(tǒng)計5次分類精度和時間消耗取平均值,如表1所示。

    表1 4種模型5次運算平均值對比

    由表1可知,BP神經(jīng)網(wǎng)絡結(jié)構(gòu)較為簡單,優(yōu)化后的CNN較之于未優(yōu)化的深度學習神經(jīng)網(wǎng)絡具有更高的識別準確率,但是由于模型更為復雜,運算時間也大大增加。為了說明WOA-CNN模型良好的表征性能,用T分布隨機近鄰嵌入算法[10](t-SNE)對高維數(shù)據(jù)進行降維處理,將特征聚類輸出,獲得二維分布結(jié)果,如圖2所示。

    圖2 降維處理后的特征聚類輸出的二維分布結(jié)果

    圖2分別表示不同迭代次數(shù)中訓練樣本分類情況,說明WOA-CNN模型在公開數(shù)據(jù)集中的分類效果較好。將10種故障類型下的加速度信號分別采集300組作為訓練集,另取70組樣本作為測試集,并且根據(jù)振動信號時域頻域波形圖提取加速度有效值、峰值、能量因數(shù)、峰峰值、頻幅值、穩(wěn)定超調(diào)量、包絡解調(diào)值7種特征。將WOA-BP和WOA-CNN模型進行對比,測試結(jié)果如圖3所示。

    圖3 WOA-BP模型與WOA-CNN模型對比結(jié)果

    根據(jù)10次測試結(jié)果的統(tǒng)計,WOA-CNN模型的平均分類精度約為98.46%,而WOA-BP模型的平均分類精度約為91.71%,表明WOA-CNN模型對齒輪箱故障具有良好的分類效果,也說明卷積神經(jīng)網(wǎng)絡在齒輪故障診斷方面有較好的準確率。

    4 結(jié)論

    筆者基于CNN強大的圖像識別能力,針對其網(wǎng)絡結(jié)構(gòu)參數(shù)難以確定的問題,利用鯨魚算法優(yōu)化CNN網(wǎng)絡結(jié)構(gòu),得到最優(yōu)的卷積核大小、個數(shù)、學習率等參數(shù),構(gòu)造最優(yōu)的故障模式識別分類器。通過實驗結(jié)果可以看出,針對齒輪箱公開數(shù)據(jù)集,WOA-CNN模型相比于其他算法均能夠在較少的迭代次數(shù)下達到較好的分類識別效果。

    猜你喜歡
    池化鯨魚獵物
    為什么蛇可以吞下比自己寬大的獵物?
    基于緊湊型雙線性網(wǎng)絡的野生茵識別方法研究
    無線電工程(2024年8期)2024-09-16 00:00:00
    基于Sobel算子的池化算法設計
    小鯨魚
    幼兒100(2022年41期)2022-11-24 03:20:20
    蟒蛇為什么不會被獵物噎死
    卷積神經(jīng)網(wǎng)絡中的自適應加權(quán)池化
    軟件導刊(2022年3期)2022-03-25 04:45:04
    迷途鯨魚
    鯨魚
    可怕的殺手角鼻龍
    基于卷積神經(jīng)網(wǎng)絡和池化算法的表情識別研究
    亚洲精品一二三| av在线播放免费不卡| 午夜激情av网站| 美女福利国产在线| av天堂久久9| 91麻豆av在线| 免费在线观看黄色视频的| 母亲3免费完整高清在线观看| 午夜福利免费观看在线| 他把我摸到了高潮在线观看| 亚洲精品在线观看二区| 不卡一级毛片| 欧美最黄视频在线播放免费 | 黄色女人牲交| 国产免费男女视频| 12—13女人毛片做爰片一| 久久狼人影院| 日本a在线网址| 黄色a级毛片大全视频| 欧美黄色片欧美黄色片| 国产亚洲精品一区二区www | av欧美777| av欧美777| 国产蜜桃级精品一区二区三区 | 夜夜爽天天搞| 日韩成人在线观看一区二区三区| 精品国产亚洲在线| 亚洲欧美一区二区三区久久| 久久久精品国产亚洲av高清涩受| 日本精品一区二区三区蜜桃| 一二三四在线观看免费中文在| 婷婷丁香在线五月| 淫妇啪啪啪对白视频| 午夜激情av网站| 日韩制服丝袜自拍偷拍| 视频区欧美日本亚洲| 男人的好看免费观看在线视频 | 国产激情久久老熟女| 99精品在免费线老司机午夜| 久久久久久人人人人人| 亚洲中文av在线| 欧美日韩视频精品一区| 免费观看精品视频网站| 欧美 日韩 精品 国产| 日韩欧美三级三区| 大香蕉久久成人网| 精品少妇久久久久久888优播| 下体分泌物呈黄色| 黄色女人牲交| 青草久久国产| 亚洲 欧美一区二区三区| 建设人人有责人人尽责人人享有的| 人妻 亚洲 视频| 国产成人精品久久二区二区91| 欧美黄色淫秽网站| 一本大道久久a久久精品| 精品人妻1区二区| 国产一区二区激情短视频| 中文欧美无线码| 最新美女视频免费是黄的| 国产精品1区2区在线观看. | 777米奇影视久久| 中文字幕精品免费在线观看视频| tube8黄色片| 俄罗斯特黄特色一大片| 中出人妻视频一区二区| 少妇 在线观看| 国产高清激情床上av| 亚洲aⅴ乱码一区二区在线播放 | 变态另类成人亚洲欧美熟女 | 极品少妇高潮喷水抽搐| 51午夜福利影视在线观看| 夜夜夜夜夜久久久久| 在线国产一区二区在线| 精品人妻1区二区| 久久国产精品大桥未久av| 三级毛片av免费| 99国产精品99久久久久| 精品亚洲成国产av| 黄频高清免费视频| 色尼玛亚洲综合影院| 欧美乱码精品一区二区三区| 日日摸夜夜添夜夜添小说| 国产单亲对白刺激| 叶爱在线成人免费视频播放| 亚洲,欧美精品.| 1024视频免费在线观看| 搡老乐熟女国产| 麻豆成人av在线观看| 黄色女人牲交| 午夜精品在线福利| 一级毛片女人18水好多| 女人爽到高潮嗷嗷叫在线视频| 亚洲成人免费电影在线观看| 黄色怎么调成土黄色| 一级毛片高清免费大全| 老司机在亚洲福利影院| 三上悠亚av全集在线观看| 亚洲美女黄片视频| 久热这里只有精品99| 不卡一级毛片| 热re99久久精品国产66热6| 在线观看免费视频日本深夜| 精品少妇一区二区三区视频日本电影| 亚洲色图av天堂| 国产不卡一卡二| 高清黄色对白视频在线免费看| 一级片'在线观看视频| 久久久久国产精品人妻aⅴ院 | 熟女少妇亚洲综合色aaa.| 老司机亚洲免费影院| 国产不卡一卡二| 啪啪无遮挡十八禁网站| 淫妇啪啪啪对白视频| 欧美亚洲日本最大视频资源| 亚洲人成77777在线视频| 两人在一起打扑克的视频| 亚洲专区字幕在线| 欧美老熟妇乱子伦牲交| 热99re8久久精品国产| 天天躁日日躁夜夜躁夜夜| 精品亚洲成国产av| 男人的好看免费观看在线视频 | 777米奇影视久久| 欧美激情久久久久久爽电影 | 999精品在线视频| 亚洲精品美女久久av网站| 国产欧美日韩综合在线一区二区| av不卡在线播放| 日韩欧美一区视频在线观看| 午夜精品在线福利| 欧美人与性动交α欧美软件| 黄片小视频在线播放| 日韩大码丰满熟妇| av福利片在线| 男人操女人黄网站| 国产精品亚洲av一区麻豆| 久久久精品国产亚洲av高清涩受| 老司机午夜福利在线观看视频| 黄色a级毛片大全视频| 日日爽夜夜爽网站| 手机成人av网站| 国产av一区二区精品久久| 嫁个100分男人电影在线观看| 国产人伦9x9x在线观看| 人人妻,人人澡人人爽秒播| 中文字幕人妻丝袜制服| 人妻久久中文字幕网| 一边摸一边做爽爽视频免费| 在线天堂中文资源库| 日本vs欧美在线观看视频| 亚洲专区字幕在线| 91精品三级在线观看| aaaaa片日本免费| 色婷婷久久久亚洲欧美| 亚洲,欧美精品.| 免费观看a级毛片全部| 搡老熟女国产l中国老女人| 波多野结衣av一区二区av| 天天操日日干夜夜撸| 正在播放国产对白刺激| 国产深夜福利视频在线观看| 久久亚洲真实| 99国产精品99久久久久| 日韩欧美一区二区三区在线观看 | a级毛片黄视频| 国产免费av片在线观看野外av| 香蕉国产在线看| 免费观看精品视频网站| 亚洲国产看品久久| 精品熟女少妇八av免费久了| 一级a爱视频在线免费观看| 亚洲av成人av| 国产激情久久老熟女| 身体一侧抽搐| 久久99一区二区三区| 久久久久久久久免费视频了| 啦啦啦免费观看视频1| 1024视频免费在线观看| 女人爽到高潮嗷嗷叫在线视频| 一a级毛片在线观看| 电影成人av| 我的亚洲天堂| 精品国产一区二区三区四区第35| 操出白浆在线播放| 黄色成人免费大全| 国产精品av久久久久免费| 国产成人啪精品午夜网站| 日本黄色视频三级网站网址 | 一二三四在线观看免费中文在| 亚洲精品粉嫩美女一区| www.熟女人妻精品国产| 在线视频色国产色| tocl精华| 9热在线视频观看99| 91精品三级在线观看| 女人被狂操c到高潮| 亚洲三区欧美一区| 男女免费视频国产| 91精品国产国语对白视频| 一a级毛片在线观看| 欧美色视频一区免费| 亚洲专区字幕在线| av有码第一页| 国产aⅴ精品一区二区三区波| 久久精品国产a三级三级三级| 天天操日日干夜夜撸| 脱女人内裤的视频| 久久天堂一区二区三区四区| 狂野欧美激情性xxxx| 亚洲熟女毛片儿| 亚洲性夜色夜夜综合| 久久ye,这里只有精品| 乱人伦中国视频| 一边摸一边抽搐一进一小说 | 人成视频在线观看免费观看| 在线国产一区二区在线| 99精品欧美一区二区三区四区| 精品一区二区三区四区五区乱码| 亚洲精品国产区一区二| 天天操日日干夜夜撸| 啦啦啦视频在线资源免费观看| 久久精品熟女亚洲av麻豆精品| 一区在线观看完整版| 又黄又粗又硬又大视频| 99国产精品免费福利视频| 777米奇影视久久| 黄色 视频免费看| 最近最新中文字幕大全免费视频| 久久精品国产综合久久久| 日韩精品免费视频一区二区三区| 精品久久久久久电影网| 久久久久久免费高清国产稀缺| 免费高清在线观看日韩| 99精品在免费线老司机午夜| 1024香蕉在线观看| 老司机福利观看| 久久久久久人人人人人| 亚洲精品自拍成人| 757午夜福利合集在线观看| 亚洲熟妇熟女久久| 久久午夜综合久久蜜桃| 日韩 欧美 亚洲 中文字幕| 99热国产这里只有精品6| 欧美精品啪啪一区二区三区| 亚洲av电影在线进入| 国产日韩一区二区三区精品不卡| 精品亚洲成a人片在线观看| 欧美日韩成人在线一区二区| 亚洲色图av天堂| 亚洲精品一二三| 18禁裸乳无遮挡免费网站照片 | 狠狠狠狠99中文字幕| 欧美成狂野欧美在线观看| 成人手机av| 窝窝影院91人妻| 天天躁夜夜躁狠狠躁躁| 热99久久久久精品小说推荐| 国产麻豆69| 国产视频一区二区在线看| 久久久水蜜桃国产精品网| 成人18禁在线播放| 日韩 欧美 亚洲 中文字幕| 美女 人体艺术 gogo| 亚洲成人免费电影在线观看| cao死你这个sao货| 亚洲一区二区三区不卡视频| 大香蕉久久网| 大香蕉久久成人网| 女同久久另类99精品国产91| 日本a在线网址| 热re99久久国产66热| 国产精品免费一区二区三区在线 | 欧美 日韩 精品 国产| 久久天躁狠狠躁夜夜2o2o| 一区二区三区国产精品乱码| 十八禁网站免费在线| 国产精品 欧美亚洲| 久久久国产欧美日韩av| 日韩有码中文字幕| 99国产精品一区二区三区| 人妻 亚洲 视频| 咕卡用的链子| 动漫黄色视频在线观看| 好男人电影高清在线观看| 露出奶头的视频| 亚洲精品国产色婷婷电影| 又黄又粗又硬又大视频| 色在线成人网| 俄罗斯特黄特色一大片| 亚洲一区高清亚洲精品| 亚洲欧美一区二区三区久久| 一区福利在线观看| 欧美精品人与动牲交sv欧美| 国产成人av激情在线播放| 好男人电影高清在线观看| 国产精品av久久久久免费| 国精品久久久久久国模美| 1024香蕉在线观看| 亚洲欧洲精品一区二区精品久久久| 国产在线观看jvid| 18禁裸乳无遮挡动漫免费视频| 激情视频va一区二区三区| av网站免费在线观看视频| 欧美乱码精品一区二区三区| 极品教师在线免费播放| 搡老熟女国产l中国老女人| 美女高潮到喷水免费观看| 国产日韩一区二区三区精品不卡| 欧美老熟妇乱子伦牲交| 国产aⅴ精品一区二区三区波| 日韩精品免费视频一区二区三区| 亚洲精品国产一区二区精华液| tube8黄色片| 亚洲欧美激情综合另类| 国产男靠女视频免费网站| 免费在线观看黄色视频的| 热re99久久精品国产66热6| 麻豆av在线久日| 岛国在线观看网站| 天天操日日干夜夜撸| 中文字幕精品免费在线观看视频| 国产亚洲精品久久久久5区| 色播在线永久视频| 精品久久久久久久毛片微露脸| 啦啦啦在线免费观看视频4| 欧美黄色片欧美黄色片| 亚洲在线自拍视频| 欧美黑人欧美精品刺激| 国产成人av激情在线播放| a级片在线免费高清观看视频| 法律面前人人平等表现在哪些方面| 国产日韩欧美亚洲二区| 久久这里只有精品19| 国产精品综合久久久久久久免费 | 天天影视国产精品| 十分钟在线观看高清视频www| 久久精品国产a三级三级三级| 99热国产这里只有精品6| 999精品在线视频| 麻豆av在线久日| 国产精品一区二区精品视频观看| 免费人成视频x8x8入口观看| 欧美日韩精品网址| 亚洲精品中文字幕一二三四区| 一本综合久久免费| 免费观看人在逋| 国产成+人综合+亚洲专区| 精品国产一区二区三区久久久樱花| 精品国产乱子伦一区二区三区| 欧美激情 高清一区二区三区| 欧美精品av麻豆av| 人妻一区二区av| 伦理电影免费视频| 久久精品国产清高在天天线| 国产高清国产精品国产三级| 黄色女人牲交| 精品第一国产精品| 高清视频免费观看一区二区| xxxhd国产人妻xxx| 日本黄色日本黄色录像| 91精品国产国语对白视频| 亚洲精品国产精品久久久不卡| 免费观看精品视频网站| 五月开心婷婷网| 99精品在免费线老司机午夜| 久久精品人人爽人人爽视色| 亚洲国产欧美网| 90打野战视频偷拍视频| 成人永久免费在线观看视频| 最近最新中文字幕大全免费视频| 777久久人妻少妇嫩草av网站| 母亲3免费完整高清在线观看| 欧美国产精品va在线观看不卡| 精品免费久久久久久久清纯 | 欧美精品一区二区免费开放| 身体一侧抽搐| 久久香蕉激情| 伊人久久大香线蕉亚洲五| 国产国语露脸激情在线看| 久久人人97超碰香蕉20202| 一进一出抽搐动态| ponron亚洲| 女警被强在线播放| 美女视频免费永久观看网站| bbb黄色大片| 日韩欧美国产一区二区入口| 久久精品国产99精品国产亚洲性色 | 成年动漫av网址| 极品人妻少妇av视频| 精品人妻1区二区| 亚洲免费av在线视频| 村上凉子中文字幕在线| av网站在线播放免费| 久久久久久人人人人人| 十八禁人妻一区二区| 精品国产国语对白av| 久久精品国产清高在天天线| 国产精品亚洲av一区麻豆| 激情视频va一区二区三区| av天堂在线播放| 69av精品久久久久久| 正在播放国产对白刺激| 国产一区在线观看成人免费| 亚洲国产欧美一区二区综合| 少妇猛男粗大的猛烈进出视频| 日韩中文字幕欧美一区二区| 亚洲av第一区精品v没综合| 精品卡一卡二卡四卡免费| 国产免费av片在线观看野外av| 视频区图区小说| 久久国产精品影院| 欧美激情高清一区二区三区| 免费在线观看日本一区| 日韩精品免费视频一区二区三区| bbb黄色大片| 一区二区三区激情视频| 亚洲七黄色美女视频| 99国产精品99久久久久| 免费在线观看完整版高清| 欧美另类亚洲清纯唯美| 国产亚洲精品第一综合不卡| 午夜精品在线福利| 在线观看免费视频日本深夜| 99国产精品一区二区蜜桃av | 国产蜜桃级精品一区二区三区 | 亚洲欧美色中文字幕在线| 亚洲色图 男人天堂 中文字幕| 午夜激情av网站| 亚洲熟妇熟女久久| 国产精品久久电影中文字幕 | 黑丝袜美女国产一区| 欧美一级毛片孕妇| 成人av一区二区三区在线看| 黄色毛片三级朝国网站| 日韩欧美一区二区三区在线观看 | 免费日韩欧美在线观看| 91精品三级在线观看| 午夜久久久在线观看| 亚洲av成人不卡在线观看播放网| 国产成人影院久久av| 色婷婷久久久亚洲欧美| videosex国产| 黑人欧美特级aaaaaa片| 久久国产精品男人的天堂亚洲| 亚洲欧美激情综合另类| 亚洲精品成人av观看孕妇| 免费女性裸体啪啪无遮挡网站| 国产免费男女视频| 国产黄色免费在线视频| 亚洲国产欧美日韩在线播放| 别揉我奶头~嗯~啊~动态视频| 国产黄色免费在线视频| 久久婷婷成人综合色麻豆| 老司机午夜十八禁免费视频| 亚洲第一av免费看| 国产日韩一区二区三区精品不卡| 久久久国产精品麻豆| 亚洲va日本ⅴa欧美va伊人久久| 日韩人妻精品一区2区三区| 动漫黄色视频在线观看| 日本撒尿小便嘘嘘汇集6| 国产xxxxx性猛交| 成人影院久久| 午夜福利免费观看在线| 曰老女人黄片| 国产欧美日韩一区二区精品| 色在线成人网| 欧美大码av| 十八禁网站免费在线| 精品国产国语对白av| 99国产精品一区二区蜜桃av | 99热网站在线观看| 国产又爽黄色视频| xxx96com| 精品国产一区二区三区久久久樱花| a级毛片黄视频| 欧美精品一区二区免费开放| 新久久久久国产一级毛片| www.精华液| 久久久久精品人妻al黑| 一本综合久久免费| 十八禁人妻一区二区| 91字幕亚洲| 色综合欧美亚洲国产小说| 99热只有精品国产| 亚洲av片天天在线观看| 久久久久久久久久久久大奶| 欧美日韩亚洲高清精品| 精品午夜福利视频在线观看一区| 亚洲男人天堂网一区| 精品国产国语对白av| 母亲3免费完整高清在线观看| 欧美亚洲日本最大视频资源| 久久精品国产99精品国产亚洲性色 | 欧美国产精品一级二级三级| 精品人妻熟女毛片av久久网站| 国产亚洲精品一区二区www | 老熟女久久久| 多毛熟女@视频| 国产一区二区激情短视频| 国产精品乱码一区二三区的特点 | 交换朋友夫妻互换小说| 欧美 日韩 精品 国产| 少妇的丰满在线观看| 亚洲第一青青草原| 精品国产国语对白av| 亚洲五月天丁香| 国产欧美日韩一区二区三区在线| 人妻久久中文字幕网| 99国产精品免费福利视频| 日韩免费高清中文字幕av| 高清毛片免费观看视频网站 | 在线永久观看黄色视频| 一区二区三区国产精品乱码| 久久久久久久精品吃奶| 一进一出抽搐gif免费好疼 | 一级a爱视频在线免费观看| 精品熟女少妇八av免费久了| 国产xxxxx性猛交| 我的亚洲天堂| 亚洲七黄色美女视频| 超碰97精品在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲,欧美精品.| 好看av亚洲va欧美ⅴa在| a在线观看视频网站| 日本五十路高清| 国产人伦9x9x在线观看| 亚洲性夜色夜夜综合| 国产亚洲av高清不卡| 国产成人一区二区三区免费视频网站| 十八禁高潮呻吟视频| 国产97色在线日韩免费| 精品国产一区二区三区四区第35| 日韩欧美在线二视频 | 久久ye,这里只有精品| 久久精品国产清高在天天线| 成人18禁在线播放| 一进一出好大好爽视频| 欧美精品av麻豆av| 免费在线观看完整版高清| 夜夜躁狠狠躁天天躁| 国产午夜精品久久久久久| 亚洲色图综合在线观看| 亚洲精品国产精品久久久不卡| 成人精品一区二区免费| 成在线人永久免费视频| 欧美人与性动交α欧美软件| 99国产精品一区二区蜜桃av | 国产黄色免费在线视频| 在线观看www视频免费| tocl精华| 亚洲国产欧美日韩在线播放| 99久久国产精品久久久| 午夜免费成人在线视频| 久久精品国产99精品国产亚洲性色 | 一级毛片女人18水好多| 男女下面插进去视频免费观看| 12—13女人毛片做爰片一| 亚洲精品国产一区二区精华液| 欧美日本中文国产一区发布| 亚洲色图av天堂| 精品无人区乱码1区二区| 久久精品国产清高在天天线| 日韩免费高清中文字幕av| 香蕉国产在线看| 国产又色又爽无遮挡免费看| 成人精品一区二区免费| a在线观看视频网站| 日韩成人在线观看一区二区三区| 脱女人内裤的视频| 一级片免费观看大全| 老熟女久久久| 黑人欧美特级aaaaaa片| 久久99一区二区三区| 伊人久久大香线蕉亚洲五| 成人影院久久| 男女之事视频高清在线观看| 美女视频免费永久观看网站| 亚洲国产中文字幕在线视频| 老司机影院毛片| 热re99久久精品国产66热6| av网站在线播放免费| 色94色欧美一区二区| 精品少妇一区二区三区视频日本电影| 欧美丝袜亚洲另类 | 在线观看免费视频网站a站| 中文字幕高清在线视频| 超色免费av| 亚洲国产精品sss在线观看 | 两性午夜刺激爽爽歪歪视频在线观看 | 国产男女超爽视频在线观看| 国产亚洲一区二区精品| 国产精品亚洲av一区麻豆| 在线永久观看黄色视频| 国精品久久久久久国模美| 狠狠狠狠99中文字幕| 丝瓜视频免费看黄片| 国产日韩一区二区三区精品不卡| а√天堂www在线а√下载 | 国产激情久久老熟女| 日韩视频一区二区在线观看| 国产无遮挡羞羞视频在线观看| 午夜久久久在线观看| 国产精品av久久久久免费| 每晚都被弄得嗷嗷叫到高潮| 欧美国产精品一级二级三级| 欧美激情高清一区二区三区| 一进一出抽搐gif免费好疼 | 亚洲精品在线美女| 亚洲国产中文字幕在线视频| 久久中文字幕人妻熟女| 国产高清视频在线播放一区| 色尼玛亚洲综合影院|