• <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 ?

    遷移學(xué)習(xí)下的極限學(xué)習(xí)機(jī)代理建模方法及應(yīng)用

    2021-11-26 07:22:24黃澤英李海艷林景亮
    關(guān)鍵詞:工程模型

    黃澤英,李海艷,林景亮

    廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院,廣州510006

    基于代理模型的優(yōu)化方法是現(xiàn)代復(fù)雜工程設(shè)計(jì)的重要技術(shù)手段,已被廣泛應(yīng)用于工程設(shè)計(jì)優(yōu)化中[1-3]。此類方法中,仿真模型被視為“黑箱函數(shù)”,多次調(diào)用數(shù)值仿真分析工具獲取“黑箱函數(shù)”的足量樣本,并通過代理建模技術(shù)構(gòu)建逼近模型替代“黑箱函數(shù)”。但是對(duì)于復(fù)雜工程,數(shù)值求解通常是一個(gè)昂貴的過程,例如文獻(xiàn)[4]對(duì)沃爾沃D5柴油發(fā)動(dòng)機(jī)的一次仿真過程就高達(dá)42小時(shí)。為了縮短設(shè)計(jì)周期,應(yīng)當(dāng)盡可能減少仿真次數(shù),使用少量樣本構(gòu)建代理模型。然而,以往方法主要側(cè)重于在當(dāng)前產(chǎn)品的仿真模型上規(guī)劃數(shù)據(jù)來建模,例如多項(xiàng)式響應(yīng)面模型、Kriging 模型、稀疏響應(yīng)面等,對(duì)以往同類型產(chǎn)品已有的大量仿真數(shù)據(jù)關(guān)注不夠,這些數(shù)據(jù)中蘊(yùn)含的大量特征沒有得到重用。因此,對(duì)于復(fù)雜模型的逼近,此類建模方法對(duì)數(shù)據(jù)量要求較大,并且往往泛化性能不佳。

    在統(tǒng)計(jì)學(xué)習(xí)領(lǐng)域,遷移學(xué)習(xí)已被證明能夠通過引入其他建模任務(wù)的知識(shí),改善當(dāng)前預(yù)測(cè)模型的泛化性能。如張晨曦等依據(jù)YF77 新型發(fā)動(dòng)機(jī)和YF75 發(fā)動(dòng)機(jī)在構(gòu)造原理上的一致性,以k近鄰(k-Nearest Neighbor,kNN)和支持向量機(jī)(Support Vector Machine,SVM)作為分類器,提出了基于實(shí)例和基于模型的遷移策略,大幅度減低了發(fā)動(dòng)機(jī)參數(shù)的漏報(bào)率和誤報(bào)率[5];廖一鵬等對(duì)卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)進(jìn)行預(yù)訓(xùn)練,并使用極限學(xué)習(xí)機(jī)(Extreme Machine Learning,ELM)對(duì)CNN提取的特征進(jìn)行分類,使用較少樣本訓(xùn)練得到高精度浮選工況識(shí)別模型[6];Zhu等通過XFOIL程序快速生成徑向基神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network,RBFNN)代理模型,并將其相關(guān)參數(shù)遷移至計(jì)算流體力學(xué)仿真生成的代理模型上,有效地減少了代理建模的時(shí)間成本[7]。然而,現(xiàn)有的方法主要集中于構(gòu)造分類模型,基于遷移學(xué)習(xí)構(gòu)造回歸模型的研究相對(duì)較少。

    綜上,針對(duì)在工程產(chǎn)品的迭代更新或者相似工程在特定需求下的重新設(shè)計(jì)優(yōu)化中,使用少量樣本構(gòu)建代理模型以加快設(shè)計(jì)效率的問題,研究并推導(dǎo)了基于遷移學(xué)習(xí)的ELM代理建模方法。該方法首先利用相似工程產(chǎn)品研發(fā)過程的歷史數(shù)據(jù)構(gòu)建極限學(xué)習(xí)機(jī)代理模型;基于此模型,采集新工程產(chǎn)品的樣本數(shù)據(jù),通過變可信度近似建模技術(shù)構(gòu)建新工程產(chǎn)品的近似模型;最后,結(jié)合近似模型生成的樣本數(shù)據(jù)和新工程產(chǎn)品的真實(shí)樣本,訓(xùn)練得到關(guān)于新工程設(shè)計(jì)的強(qiáng)泛化代理模型。數(shù)值算例實(shí)驗(yàn)和叉車臂架液壓系統(tǒng)的應(yīng)用案例結(jié)果表明,該方法能夠在使用少量訓(xùn)練樣本的情況下顯著提升代理模型的精度。

    1 變可信度在遷移學(xué)習(xí)中的拓展

    1.1 變可信度近似建模策略

    多數(shù)基于數(shù)據(jù)驅(qū)動(dòng)的建模方法使用單一源的數(shù)據(jù)構(gòu)建代理模型,該類方法下,構(gòu)造高精度的代理模型需要滿足兩個(gè)條件:(1)足夠數(shù)量的樣本數(shù)據(jù);(2)采集的樣本數(shù)據(jù)能夠高精度地接近真實(shí)模型。從條件(2)的角度看,獲取高精度樣本數(shù)據(jù),在工程上通常是一個(gè)高度耗時(shí)或者高度依賴算力的過程。例如,使用Ansys 或Abaqus 等有限元分析軟件進(jìn)行工程分析時(shí),為了獲得有限元模型的精確解,需要?jiǎng)澐指?xì)的有限元網(wǎng)格,伴隨而來的是求解過程的高度耗時(shí)和對(duì)計(jì)算機(jī)算力的更高要求,但是劃分粗糙網(wǎng)格的有限元分析模型其求解過程往往十分迅速。因此,很多工程建模問題上存在的一個(gè)明顯現(xiàn)象是,低精度樣本數(shù)據(jù)容易獲取,高精度樣本數(shù)據(jù)采集成本較高。為了減少高精度樣本數(shù)量,可考慮融合低精度樣本。

    盡管低精度樣本數(shù)據(jù)偏離真實(shí)模型,但是從數(shù)據(jù)的全局上看,大量的低精度樣本數(shù)據(jù)依然能夠反映真實(shí)模型的變化趨勢(shì)?;诖?,考慮到高、低精度樣本數(shù)據(jù)融合的變可信度近似建模策略得到眾多學(xué)者的重視[8-10]。變可信度近似建模策略的核心是如何融合高、低精度樣本數(shù)據(jù),具體方法可分為三類:基于標(biāo)度函數(shù)的建模方法、基于空間映射的建模方法和基于Co-Kriging的建模方法[11]。此處僅簡(jiǎn)述基于加法標(biāo)度函數(shù)的變可信度近似建模策略。假設(shè)高精度分析模型為f h(x),低精度分析模型為f l(x),取少量輸入點(diǎn)高、低精度分析模型的輸出值分別為其差值為:

    1.2 變可信度在遷移學(xué)習(xí)中的拓展

    區(qū)別于傳統(tǒng)的機(jī)器學(xué)習(xí)算法使用同一任務(wù)的大量數(shù)據(jù)訓(xùn)練學(xué)習(xí)模型,遷移學(xué)習(xí)通過引入其他任務(wù)中學(xué)習(xí)的知識(shí),提升在特定任務(wù)上模型的預(yù)測(cè)性能[12]。較于變可信度建模策略,遷移學(xué)習(xí)的一個(gè)明顯差別在于其強(qiáng)調(diào)的是兩個(gè)不同任務(wù)知識(shí)的融合,而變可信度建模強(qiáng)調(diào)的是同一任務(wù)的兩種不同精度的樣本數(shù)據(jù)的融合。但是,可以考慮這樣的思路:變可信度建模策略通過低精度樣本數(shù)據(jù)的變化趨勢(shì)實(shí)現(xiàn)數(shù)據(jù)融合,如果兩個(gè)不同的建模任務(wù)之間存在較高相關(guān)性,那么不同任務(wù)之間可視對(duì)方為自身的低精度分析模型。從實(shí)際的工程問題上看,功能類似的產(chǎn)品的代理模型往往存在較大的相關(guān)性,因此可以將相似產(chǎn)品視為自身的低精度分析模型;從遷移學(xué)習(xí)的角度看,可以將目標(biāo)域看作一個(gè)高精度分析模型,將源域看作目標(biāo)域的一個(gè)低精度分析模型,依據(jù)目標(biāo)域和源域的相關(guān)性,變可信度建模策略就可以在其中做進(jìn)一步拓展。

    應(yīng)用變可信度策略的前提是源域和目標(biāo)域之間存在一定的相關(guān)性,一種簡(jiǎn)單的評(píng)價(jià)指標(biāo)是使用相關(guān)系數(shù):

    2 遷移學(xué)習(xí)下的ELM代理建模

    2.1 基于變可信度的遷移學(xué)習(xí)策略

    在很多實(shí)際的工程設(shè)計(jì)問題上,經(jīng)常需要依據(jù)不同的設(shè)計(jì)需求對(duì)產(chǎn)品的參數(shù)重新進(jìn)行優(yōu)化,考慮到實(shí)驗(yàn)成本、設(shè)計(jì)周期的問題,僅使用少量的單一源樣本數(shù)據(jù)構(gòu)建新的代理模型其預(yù)測(cè)精度往往很低。由于功能類似的工程產(chǎn)品,其設(shè)計(jì)原理、硬件構(gòu)成等都十分相似,其代理模型也往往具有較大的相關(guān)性,此情況下,可以引入基于變可信度建模策略的遷移學(xué)習(xí)方法,如圖1所示。

    圖1 基于變可信度的遷移學(xué)習(xí)建模流程Fig.1 Transfer learning modeling process based on multi-fidelity

    本文所提出的基于變可信度的遷移學(xué)習(xí)策略可以描述如下:首先根據(jù)相似工程的歷史累積數(shù)據(jù)構(gòu)建代理模型,將該代理模型作為新工程產(chǎn)品設(shè)計(jì)的低精度分析模型;然后在新工程產(chǎn)品上采集少量樣本,對(duì)應(yīng)變可信度中的高精度分析模型,融合高、低精度樣本數(shù)據(jù)構(gòu)建關(guān)于新工程產(chǎn)品設(shè)計(jì)的變可信度近似模型;最后在變可信度近似模型上采集大量樣本,與采集的少量真實(shí)樣本混合,構(gòu)建遷移學(xué)習(xí)代理模型。

    ELM 是一種可以快速學(xué)習(xí)的單層前饋神經(jīng)網(wǎng)絡(luò),可用于構(gòu)建數(shù)據(jù)的回歸模型[13-14]。ELM 模型可簡(jiǎn)寫成線性模型形式:

    式中,H和β分別是隱藏層神經(jīng)元和輸出權(quán)重。

    本文使用ELM 作為代理模型,推導(dǎo)了兩種基于遷移學(xué)習(xí)的代理模型構(gòu)建方法:加法變可信度極限學(xué)習(xí)機(jī)(Additive Multi-Fidelity Extreme Learning Machine,AMF-ELM)和迭代的變可加法變可信度極限學(xué)習(xí)機(jī)(Iterative Additive Multi-Fidelity Extreme Learning Machine,IAMF-ELM)。

    2.2 AMF-ELM

    步驟1使用源數(shù)據(jù)集構(gòu)建ELM代理模型Fs(x),其輸出權(quán)重為βs,那么

    式中,hs是單個(gè)樣本的隱藏層神經(jīng)元。

    步驟2構(gòu)建基于加法標(biāo)度的變可信度近似模型。將代理模型Fs作為當(dāng)前產(chǎn)品設(shè)計(jì)的低精度分析模型,目標(biāo)數(shù)據(jù)集(Xt,Yt)作為高精度分析模型采集的樣本數(shù)據(jù),高、低精度分析模型的差值為:

    式中,ha是單個(gè)樣本的隱藏層神經(jīng)元。

    基于加法標(biāo)度的變可信度近似模型可以描述為:

    步驟3使用第二步得到的近似模型Fmf(x)生成Nr個(gè)近似樣本為了準(zhǔn)確捕獲該近似模型的變化趨勢(shì),通常Nr?Nt。

    步驟4利用步驟3 得到的近似樣本和目標(biāo)數(shù)據(jù)集構(gòu)建關(guān)于新工程產(chǎn)品設(shè)計(jì)的ELM 代理模型Ft(x)=,得到構(gòu)建模型的優(yōu)化問題:

    式中,第一項(xiàng)和第二項(xiàng)分別是關(guān)于近似樣本和目標(biāo)數(shù)據(jù)集的懲罰項(xiàng)。寫成矩陣形式可得到:

    2.3 IAMF-ELM

    為了進(jìn)一步提升模型性能,一種更好的方式是將變可信度近似模型和ELM遷移學(xué)習(xí)模型在同一個(gè)優(yōu)化問題上進(jìn)行迭代優(yōu)化。

    模型Ft(x)和Fs(x)的差值函數(shù)也可以在差值樣本集上做進(jìn)一步的近似,以確保Ft(x)可以更加接近真實(shí)模型:

    由式(8)、(10)、(12)、(13)可得到一個(gè)關(guān)于βa和βt優(yōu)化問題:

    3 算法驗(yàn)證

    3.1 數(shù)值測(cè)試算例

    為了驗(yàn)證算法的有效性,實(shí)驗(yàn)使用文獻(xiàn)[15]提出的修改版本Frideman回歸問題生成人工數(shù)據(jù)集:

    式中,N是正態(tài)分布;ai、bi、ci都是常數(shù);輸入xi相互獨(dú)立,且xi~U(0,1),U是均勻分布。

    將ai和bi設(shè)置為1,ci設(shè)置為0,分別隨機(jī)采集Nt=10,30,50,70,90,100,200,300,400 個(gè)樣本作為目標(biāo)數(shù)據(jù)集的訓(xùn)練集,另外隨機(jī)采集10 000 個(gè)樣本作為測(cè)試集。每次生成源數(shù)據(jù)集時(shí),令ai和bi從正態(tài)分布N(1,0.22)中隨機(jī)產(chǎn)生,ci從正態(tài)分布N(0,0.12)中隨機(jī)產(chǎn)生。每組實(shí)驗(yàn)重復(fù)100 次,實(shí)驗(yàn)使用均方根誤差RMSE和相關(guān)系數(shù)R作為評(píng)價(jià)指標(biāo):

    實(shí)驗(yàn)設(shè)置了四種模型作為對(duì)照:(1)ELM,只使用目標(biāo)數(shù)據(jù)集訓(xùn)練的ELM 代理模型;(2)S-ELM,只使用源數(shù)據(jù)集訓(xùn)練的ELM代理模型;(3)AMF-ELM,取由近似模型生成的近似樣本數(shù)量Nt=500,輸入權(quán)重與S-ELM一致;(4)IAMF-ELM,取由近似生成的近似樣本數(shù)量Nt=500,迭代次數(shù)設(shè)為10,輸入權(quán)重與S-ELM 一致。在本次實(shí)驗(yàn)中,正則化系數(shù)并沒有提高模型的泛化性能,因此上述模型的正則化系數(shù)均取0。

    實(shí)驗(yàn)的結(jié)果統(tǒng)計(jì)如表1所示??梢钥吹?,AMF-ELM和IAMF-ELM的均方根誤差和相關(guān)系數(shù)均優(yōu)于未使用遷移學(xué)習(xí)的ELM,并且訓(xùn)練樣本數(shù)量越少,AMF-ELM和IAMF-ELM 的性能提升越明顯。例如,僅使用10 個(gè)訓(xùn)練樣本時(shí),AMF-ELM和IAMF-ELM相對(duì)未使用遷移學(xué)習(xí)的ELM,其均方根誤差分別下降了41.9%和44.0%,表明在使用少量樣本時(shí),AMF-ELM和IAMF-ELM能顯著提升ELM 代理模型的泛化性能。另一方面,IAMFELM始終優(yōu)于AMF-ELM和ELM,AMF-ELM始終優(yōu)于ELM。當(dāng)增加訓(xùn)練樣本的數(shù)量時(shí),近似模型會(huì)更加接近真實(shí)模型,意味著從源域遷移得到的模型變化趨勢(shì)在構(gòu)建目標(biāo)域代理模型時(shí)的作用會(huì)減弱。因此,從表1可以看到的一個(gè)明顯變化趨勢(shì)是,隨著訓(xùn)練樣本數(shù)量的增加,三者的泛化性能逐漸接近。

    表1 數(shù)值測(cè)試算例實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)Table 1 Statistics of experimental results of numerical test cases

    3.2 工程應(yīng)用案例

    為驗(yàn)證所提算法在實(shí)際工程中的作用,將其應(yīng)用到構(gòu)建伸縮臂叉車臂架液壓系統(tǒng)代理模型中。伸縮臂叉車是一種被廣泛應(yīng)用的工業(yè)車輛,其臂架的伸縮主要由臂架液壓系統(tǒng)控制。由于臂架伸縮距離較長(zhǎng),工作環(huán)境復(fù)雜,液壓系統(tǒng)的變幅缸壓力容易出現(xiàn)較大波動(dòng),導(dǎo)致臂架劇烈震動(dòng),影響其壽命。為了減少變幅缸的壓力波動(dòng),需要對(duì)變幅缸的最大壓力進(jìn)行建模和優(yōu)化,影響變幅缸壓力的相關(guān)參數(shù)如表2所示。

    依據(jù)不同的工況需求,需要設(shè)計(jì)額定負(fù)載不同的伸縮臂叉車。前期已經(jīng)設(shè)計(jì)了額定負(fù)載為10 klb 的伸縮臂叉車,通過動(dòng)力學(xué)分析軟件ADAMS和復(fù)雜系統(tǒng)建模和分析軟件AMESim對(duì)液壓系統(tǒng)進(jìn)行聯(lián)合仿真,累計(jì)采集了500組仿真數(shù)據(jù)。根據(jù)新的設(shè)計(jì)需求,需要設(shè)計(jì)額定負(fù)載為6 klb的伸縮臂叉車,表2所述參數(shù)需重新建模優(yōu)化。由于同類型的伸縮臂叉車,其臂架液壓系統(tǒng)的組成和構(gòu)造原理都是一致的,不同額定負(fù)載的伸縮臂叉車臂架液壓系統(tǒng)代理模型具有較大的相關(guān)性。因此,為了減少仿真次數(shù),縮短設(shè)計(jì)周期,可考慮使用基于遷移學(xué)習(xí)的少樣本建模策略,其流程如圖2所示。

    表2 輸入?yún)?shù)及其取值空間Table 2 Input parameters and their value spaces

    圖2 基于遷移學(xué)習(xí)的新產(chǎn)品代理建模流程Fig.2 New product surrogate modeling process based on transfer learning

    通過ADAMS 和AMESim 聯(lián)合仿真,隨機(jī)采集200組額定負(fù)載為6 klb 的叉車臂架液壓系統(tǒng)樣本,從中分別隨機(jī)選取Nt=10,20,30,40,50,70,90,110,130,150 個(gè)樣本作為目標(biāo)數(shù)據(jù)集的訓(xùn)練樣本,剩余樣本作為驗(yàn)證集,每組實(shí)驗(yàn)重復(fù)100 次。在模型的相關(guān)參數(shù)設(shè)置上,取近似模型生成的隨機(jī)樣本數(shù)量為1 000,其余參數(shù)均與3.1節(jié)的實(shí)驗(yàn)設(shè)置相同。

    表3 統(tǒng)計(jì)了所有重復(fù)實(shí)驗(yàn)中RMSE 的均值和標(biāo)準(zhǔn)差,以及S-ELM、AMF-ELM 和IAMF-ELM 相對(duì)于ELM的RMSE均值下降的比率。圖3、圖4分別統(tǒng)計(jì)了RMSE和R隨著訓(xùn)練樣本數(shù)量增加的變化曲線。

    表3 變幅缸最大壓力預(yù)測(cè)RMSE結(jié)果統(tǒng)計(jì)Table 3 RMSE result statistics of maximum pressure prediction of luffing cylinder

    圖3 均方根誤差變化曲線圖Fig.3 Root mean square error change curve

    從實(shí)驗(yàn)結(jié)果可以得到以下結(jié)論:

    (1)由于額定負(fù)載為6 klb 和10 klb 的伸縮臂叉車,其臂架液壓系統(tǒng)具有相同的組成和構(gòu)造原理,從圖4可以看到,盡管S-ELM 沒有使用任何目標(biāo)數(shù)據(jù)集的樣本進(jìn)行訓(xùn)練,但是依然具有較高的相關(guān)系數(shù),此結(jié)果也與1.2節(jié)假設(shè)一致。

    圖4 相關(guān)系數(shù)變化曲線圖Fig.4 Correlation coefficient change curve

    (2)AMF-ELM或IAMF-ELM都能顯著提升使用少量樣本訓(xùn)練時(shí)對(duì)液壓系統(tǒng)最大壓力的預(yù)測(cè)精度,例如使用10 個(gè)訓(xùn)練樣本時(shí),AMF-ELM 或IAMF-ELM 相對(duì)于ELM,均方根誤差分別下降56.63%和57.68%。此結(jié)果表明,相對(duì)于ELM 代理建模,構(gòu)建同等精度的代理模型,基于遷移學(xué)習(xí)的AMF-ELM和IAMF-ELM代理建模要求使用的原始“黑箱函數(shù)”的樣本數(shù)量更少,在工程應(yīng)用上可以有效減少仿真模型或者真實(shí)模型的調(diào)用次數(shù)。

    (3)從統(tǒng)計(jì)結(jié)果可以看到,使用相同數(shù)量的訓(xùn)練樣本時(shí),IAMF-ELM 在兩種指標(biāo)上都優(yōu)于AMF-ELM,并且其均方根誤差的標(biāo)準(zhǔn)差更低。因此相對(duì)于AMF-ELM,IAMF-ELM泛化性能更好,穩(wěn)定性更高,但是IAMF-ELM的優(yōu)化是一個(gè)迭代過程,其構(gòu)造代理模型的時(shí)間更長(zhǎng)。

    4 結(jié)束語

    針對(duì)在工程產(chǎn)品的迭代更新或者重新設(shè)計(jì)中,要求使用少量樣本構(gòu)建代理模型的問題,本文對(duì)變可信度近似建模策略進(jìn)行拓展,提出了新的遷移學(xué)習(xí)建模策略?;谒岬倪w移學(xué)習(xí)策略推導(dǎo)了兩種ELM代理建模方法AMF-ELM和IAMF-ELM,實(shí)驗(yàn)結(jié)果表明以下結(jié)論:

    (1)數(shù)值算例實(shí)驗(yàn)和叉車臂架液壓系統(tǒng)變幅缸最大壓力預(yù)測(cè)的應(yīng)用案例都表明,本文提出的兩種方法能顯著提升使用少量樣本時(shí)的代理建模精度,驗(yàn)證了基于變可信度的遷移學(xué)習(xí)建模策略的有效性;

    (2)IAMF-ELM 構(gòu)建的代理模型,在預(yù)測(cè)精度或者模型穩(wěn)定性上都優(yōu)于AMF-ELM,但是AMF-ELM 無需任何迭代,相對(duì)于IAMF-ELM能夠更快地構(gòu)造代理模型。

    兩個(gè)回歸任務(wù)具有較高的相關(guān)系數(shù)是應(yīng)用所提算法的前提,如何在相關(guān)系數(shù)較低的回歸任務(wù)之間進(jìn)行遷移,可作為后續(xù)的研究方向。

    猜你喜歡
    工程模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    子午工程
    太空探索(2016年6期)2016-07-10 12:09:06
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    工程
    工程
    工程
    工程
    最黄视频免费看| tube8黄色片| 高清视频免费观看一区二区| 亚洲精品自拍成人| 国产亚洲午夜精品一区二区久久| 国产精品嫩草影院av在线观看| 乱人伦中国视频| 成年人免费黄色播放视频| 欧美亚洲 丝袜 人妻 在线| 五月玫瑰六月丁香| 在现免费观看毛片| 青春草视频在线免费观看| 亚洲成人av在线免费| 亚洲美女黄色视频免费看| 亚洲内射少妇av| 夜夜骑夜夜射夜夜干| 18禁观看日本| 看免费成人av毛片| 国产精品国产三级专区第一集| 色哟哟·www| 成人无遮挡网站| 女的被弄到高潮叫床怎么办| 捣出白浆h1v1| 搡女人真爽免费视频火全软件| 国产综合精华液| 侵犯人妻中文字幕一二三四区| 91成人精品电影| 精品酒店卫生间| 两性夫妻黄色片 | 老司机影院成人| av黄色大香蕉| 寂寞人妻少妇视频99o| 一本—道久久a久久精品蜜桃钙片| 午夜福利视频精品| 国产精品久久久久久精品古装| 久久亚洲国产成人精品v| 人成视频在线观看免费观看| 777米奇影视久久| 一本久久精品| 久久国产精品男人的天堂亚洲 | 曰老女人黄片| 国产成人午夜福利电影在线观看| 久久99蜜桃精品久久| 狂野欧美激情性xxxx在线观看| 国产 精品1| 精品视频人人做人人爽| 亚洲精品久久久久久婷婷小说| 男女国产视频网站| 欧美3d第一页| 日韩熟女老妇一区二区性免费视频| 美女主播在线视频| av国产精品久久久久影院| 欧美 日韩 精品 国产| 久久久久国产网址| 99热网站在线观看| 中文乱码字字幕精品一区二区三区| 亚洲第一av免费看| 亚洲精品日韩在线中文字幕| 午夜免费鲁丝| 亚洲图色成人| 欧美日韩一区二区视频在线观看视频在线| 国产男人的电影天堂91| 午夜激情av网站| 秋霞伦理黄片| 午夜日本视频在线| 国产综合精华液| 国产成人欧美| 久久鲁丝午夜福利片| 国产精品一国产av| 最后的刺客免费高清国语| 亚洲少妇的诱惑av| 交换朋友夫妻互换小说| 午夜久久久在线观看| 熟女人妻精品中文字幕| 亚洲在久久综合| 最黄视频免费看| 美女福利国产在线| 亚洲欧美色中文字幕在线| 成年美女黄网站色视频大全免费| 黑人高潮一二区| 狂野欧美激情性xxxx在线观看| 欧美xxxx性猛交bbbb| 亚洲精品中文字幕在线视频| 国产欧美亚洲国产| 一本色道久久久久久精品综合| av电影中文网址| 日本91视频免费播放| 肉色欧美久久久久久久蜜桃| 91久久精品国产一区二区三区| 欧美成人午夜精品| 日韩成人伦理影院| 香蕉国产在线看| 久久精品久久精品一区二区三区| 老女人水多毛片| 成年美女黄网站色视频大全免费| 国产日韩一区二区三区精品不卡| 亚洲美女搞黄在线观看| 满18在线观看网站| 欧美性感艳星| 自线自在国产av| 欧美日韩综合久久久久久| 最近最新中文字幕免费大全7| 亚洲av免费高清在线观看| 久久久久久久亚洲中文字幕| 亚洲av中文av极速乱| 久久人人爽av亚洲精品天堂| 天天躁夜夜躁狠狠躁躁| 欧美xxⅹ黑人| 一级毛片电影观看| 最近的中文字幕免费完整| 宅男免费午夜| 亚洲欧美成人综合另类久久久| 精品国产国语对白av| av在线老鸭窝| 免费高清在线观看视频在线观看| 大片免费播放器 马上看| 精品亚洲成国产av| 边亲边吃奶的免费视频| 色视频在线一区二区三区| 久久久久久人人人人人| 国产av精品麻豆| 国产成人精品婷婷| 香蕉精品网在线| 国产白丝娇喘喷水9色精品| 国产一区二区在线观看av| 亚洲欧美清纯卡通| 一区二区日韩欧美中文字幕 | 人妻人人澡人人爽人人| 精品国产一区二区三区四区第35| 只有这里有精品99| 日韩免费高清中文字幕av| 天天影视国产精品| 亚洲一区二区三区欧美精品| 综合色丁香网| 久久久久久久亚洲中文字幕| 亚洲精品久久久久久婷婷小说| 久久青草综合色| 精品亚洲乱码少妇综合久久| 欧美精品人与动牲交sv欧美| 精品少妇久久久久久888优播| 亚洲图色成人| 最新的欧美精品一区二区| 看免费av毛片| 亚洲三级黄色毛片| 男人操女人黄网站| a级毛片黄视频| 在线观看免费视频网站a站| 2022亚洲国产成人精品| 少妇猛男粗大的猛烈进出视频| av在线老鸭窝| 欧美亚洲 丝袜 人妻 在线| 国产免费视频播放在线视频| 亚洲精品久久成人aⅴ小说| 超色免费av| 久久韩国三级中文字幕| 另类亚洲欧美激情| 日本wwww免费看| 99久国产av精品国产电影| 热99久久久久精品小说推荐| 亚洲美女视频黄频| 国产乱来视频区| 久久精品国产亚洲av涩爱| 亚洲国产av影院在线观看| 国产老妇伦熟女老妇高清| 国产精品不卡视频一区二区| 中国三级夫妇交换| 国产一级毛片在线| 国产女主播在线喷水免费视频网站| 青春草亚洲视频在线观看| 日韩制服丝袜自拍偷拍| 一级片免费观看大全| 午夜免费鲁丝| 久久精品aⅴ一区二区三区四区 | 成人国语在线视频| 成人二区视频| 你懂的网址亚洲精品在线观看| 久久久精品94久久精品| 91成人精品电影| 亚洲av国产av综合av卡| 亚洲精品国产av成人精品| 亚洲精品美女久久av网站| 国产精品秋霞免费鲁丝片| 亚洲精品日本国产第一区| 久久久久久久久久成人| 又粗又硬又长又爽又黄的视频| 欧美成人午夜精品| 精品熟女少妇av免费看| 日日爽夜夜爽网站| 亚洲精华国产精华液的使用体验| 超色免费av| 成人无遮挡网站| 国产又色又爽无遮挡免| 爱豆传媒免费全集在线观看| 另类精品久久| 精品熟女少妇av免费看| 国产成人免费无遮挡视频| 久久狼人影院| 又大又黄又爽视频免费| 97人妻天天添夜夜摸| 国产欧美亚洲国产| av天堂久久9| av线在线观看网站| 街头女战士在线观看网站| av国产久精品久网站免费入址| 人妻 亚洲 视频| 少妇人妻 视频| 久久久久精品性色| 成人亚洲欧美一区二区av| 国产精品欧美亚洲77777| 亚洲精品国产av蜜桃| 高清黄色对白视频在线免费看| 青青草视频在线视频观看| 乱码一卡2卡4卡精品| 18在线观看网站| 日韩欧美精品免费久久| 亚洲国产日韩一区二区| 激情五月婷婷亚洲| 国产xxxxx性猛交| 最黄视频免费看| 国产精品一区www在线观看| 看十八女毛片水多多多| 欧美性感艳星| 考比视频在线观看| 99久久中文字幕三级久久日本| 99热这里只有是精品在线观看| 精品国产露脸久久av麻豆| 久久午夜综合久久蜜桃| 又黄又爽又刺激的免费视频.| 久久99蜜桃精品久久| 日本欧美国产在线视频| 国产高清不卡午夜福利| 一区二区三区四区激情视频| 亚洲精品一二三| 七月丁香在线播放| 免费黄网站久久成人精品| 男女啪啪激烈高潮av片| 色婷婷久久久亚洲欧美| 国产熟女欧美一区二区| 毛片一级片免费看久久久久| 高清视频免费观看一区二区| 又粗又硬又长又爽又黄的视频| 三上悠亚av全集在线观看| 男的添女的下面高潮视频| 精品少妇内射三级| 久久精品国产亚洲av涩爱| 一边亲一边摸免费视频| 国产一区有黄有色的免费视频| 国产一区二区三区av在线| 一本久久精品| 两个人免费观看高清视频| 国产av精品麻豆| 国产午夜精品一二区理论片| 国产精品一区二区在线观看99| 国产欧美日韩综合在线一区二区| 久久精品久久精品一区二区三区| 在线亚洲精品国产二区图片欧美| 久久精品人人爽人人爽视色| 最近最新中文字幕免费大全7| 久久影院123| 成年人午夜在线观看视频| 亚洲精华国产精华液的使用体验| av播播在线观看一区| 亚洲精品久久午夜乱码| 在线亚洲精品国产二区图片欧美| 久久久久久久久久人人人人人人| 久久人人爽人人爽人人片va| 国产精品99久久99久久久不卡 | 国产成人精品婷婷| 曰老女人黄片| 宅男免费午夜| 色婷婷av一区二区三区视频| 中文乱码字字幕精品一区二区三区| 欧美变态另类bdsm刘玥| 中文天堂在线官网| 七月丁香在线播放| av女优亚洲男人天堂| 国产日韩欧美在线精品| 精品国产一区二区三区久久久樱花| 国产国拍精品亚洲av在线观看| 999精品在线视频| 老司机影院毛片| 亚洲欧洲国产日韩| 99九九在线精品视频| 成人综合一区亚洲| 欧美精品一区二区免费开放| 少妇猛男粗大的猛烈进出视频| av黄色大香蕉| 成年美女黄网站色视频大全免费| 亚洲欧洲日产国产| 美女视频免费永久观看网站| 国产色婷婷99| 日韩av不卡免费在线播放| 国产综合精华液| 欧美成人午夜精品| 99精国产麻豆久久婷婷| 多毛熟女@视频| 亚洲精品中文字幕在线视频| 日本-黄色视频高清免费观看| 一级a做视频免费观看| 日韩 亚洲 欧美在线| 久久婷婷青草| 免费观看a级毛片全部| 老司机亚洲免费影院| 欧美老熟妇乱子伦牲交| 人人妻人人澡人人看| 99热全是精品| 国产av码专区亚洲av| 久久热在线av| 老熟女久久久| 国产成人精品久久久久久| 精品久久国产蜜桃| 曰老女人黄片| 国产精品人妻久久久久久| 国产黄色免费在线视频| 在线观看美女被高潮喷水网站| 国产亚洲一区二区精品| 亚洲成av片中文字幕在线观看 | 国产成人精品无人区| 男女高潮啪啪啪动态图| 国产69精品久久久久777片| 精品人妻在线不人妻| 丝袜人妻中文字幕| 少妇猛男粗大的猛烈进出视频| 久久精品熟女亚洲av麻豆精品| 26uuu在线亚洲综合色| 男人爽女人下面视频在线观看| 看免费成人av毛片| 免费观看无遮挡的男女| 国产一区二区激情短视频 | 色婷婷av一区二区三区视频| 精品亚洲乱码少妇综合久久| 99热网站在线观看| 乱码一卡2卡4卡精品| 菩萨蛮人人尽说江南好唐韦庄| 亚洲av综合色区一区| 欧美亚洲 丝袜 人妻 在线| 久久精品夜色国产| 1024视频免费在线观看| 三级国产精品片| 视频在线观看一区二区三区| 青春草国产在线视频| 这个男人来自地球电影免费观看 | 久久国产亚洲av麻豆专区| 捣出白浆h1v1| 久久韩国三级中文字幕| 大陆偷拍与自拍| 国产成人a∨麻豆精品| www.av在线官网国产| 久久99热这里只频精品6学生| 亚洲国产精品999| 亚洲国产精品一区三区| 久久精品国产亚洲av涩爱| 青青草视频在线视频观看| 国产毛片在线视频| 色视频在线一区二区三区| 欧美+日韩+精品| 欧美性感艳星| 国产在线视频一区二区| 在线观看免费高清a一片| 国产一区二区激情短视频 | 伊人久久国产一区二区| 一本—道久久a久久精品蜜桃钙片| 丁香六月天网| 亚洲av福利一区| 精品人妻一区二区三区麻豆| 超色免费av| 女性被躁到高潮视频| 欧美日本中文国产一区发布| 2018国产大陆天天弄谢| 九九爱精品视频在线观看| 肉色欧美久久久久久久蜜桃| 一本色道久久久久久精品综合| 最近2019中文字幕mv第一页| 亚洲精品一二三| 菩萨蛮人人尽说江南好唐韦庄| 久久久久精品性色| 欧美老熟妇乱子伦牲交| 精品久久久久久电影网| a 毛片基地| 97超碰精品成人国产| 精品国产乱码久久久久久小说| 国产在视频线精品| 秋霞伦理黄片| 看非洲黑人一级黄片| 午夜91福利影院| 两个人免费观看高清视频| 亚洲av男天堂| 日本欧美视频一区| 国国产精品蜜臀av免费| 亚洲性久久影院| 精品第一国产精品| 久久久精品免费免费高清| 亚洲精品色激情综合| 成年av动漫网址| 如日韩欧美国产精品一区二区三区| 人妻少妇偷人精品九色| 成人亚洲欧美一区二区av| 人人澡人人妻人| 午夜福利乱码中文字幕| av又黄又爽大尺度在线免费看| 欧美成人精品欧美一级黄| 男的添女的下面高潮视频| 一区二区三区四区激情视频| 赤兔流量卡办理| 日韩中文字幕视频在线看片| 欧美成人精品欧美一级黄| 日韩人妻精品一区2区三区| 午夜老司机福利剧场| 日本黄色日本黄色录像| 夫妻午夜视频| 免费黄频网站在线观看国产| 欧美bdsm另类| 日韩一区二区三区影片| 国产福利在线免费观看视频| 国产免费视频播放在线视频| 日韩成人伦理影院| 日本猛色少妇xxxxx猛交久久| 丁香六月天网| 欧美bdsm另类| 亚洲图色成人| 午夜激情久久久久久久| 熟女av电影| av在线播放精品| 免费高清在线观看日韩| 在线 av 中文字幕| 日产精品乱码卡一卡2卡三| 婷婷成人精品国产| 菩萨蛮人人尽说江南好唐韦庄| 国产高清三级在线| 欧美国产精品一级二级三级| 99国产精品免费福利视频| 国产免费视频播放在线视频| 精品熟女少妇av免费看| 亚洲五月色婷婷综合| 成人黄色视频免费在线看| 亚洲美女搞黄在线观看| 国产男人的电影天堂91| 尾随美女入室| 大片免费播放器 马上看| 午夜福利在线观看免费完整高清在| 国产 精品1| 黄片无遮挡物在线观看| 高清毛片免费看| 亚洲精品色激情综合| 考比视频在线观看| 久久精品久久精品一区二区三区| 精品国产露脸久久av麻豆| 国产精品久久久久久精品电影小说| 日产精品乱码卡一卡2卡三| 18禁动态无遮挡网站| 亚洲国产av影院在线观看| 免费少妇av软件| 国产片内射在线| 不卡视频在线观看欧美| 最近手机中文字幕大全| 天天躁夜夜躁狠狠久久av| 在线观看www视频免费| 亚洲欧洲国产日韩| 国产淫语在线视频| 天堂8中文在线网| 国产精品一区二区在线观看99| 欧美国产精品va在线观看不卡| 亚洲av中文av极速乱| 久久久久久久大尺度免费视频| 亚洲国产精品专区欧美| 在线观看免费视频网站a站| 免费大片18禁| 99视频精品全部免费 在线| 人妻少妇偷人精品九色| 观看av在线不卡| 欧美日韩精品成人综合77777| av线在线观看网站| 午夜久久久在线观看| 久久久久久久久久成人| 一本久久精品| 国产精品国产三级专区第一集| 18禁观看日本| 在线观看三级黄色| 亚洲,欧美,日韩| 美女福利国产在线| 亚洲av欧美aⅴ国产| 免费看av在线观看网站| 国产精品秋霞免费鲁丝片| 天天影视国产精品| 视频中文字幕在线观看| 一级毛片黄色毛片免费观看视频| 侵犯人妻中文字幕一二三四区| 91aial.com中文字幕在线观看| 亚洲av在线观看美女高潮| 色哟哟·www| 亚洲精品美女久久av网站| 高清欧美精品videossex| 男女啪啪激烈高潮av片| 国产爽快片一区二区三区| 亚洲av福利一区| 久久亚洲国产成人精品v| 国产精品一区二区在线不卡| 尾随美女入室| 亚洲高清免费不卡视频| 日韩一本色道免费dvd| 亚洲精品第二区| 婷婷色麻豆天堂久久| 性色av一级| 亚洲av男天堂| 日韩成人伦理影院| 一本久久精品| av播播在线观看一区| 乱码一卡2卡4卡精品| 搡老乐熟女国产| 五月开心婷婷网| 亚洲欧美中文字幕日韩二区| 看非洲黑人一级黄片| 亚洲国产看品久久| av国产精品久久久久影院| 国产免费福利视频在线观看| 亚洲精品456在线播放app| 各种免费的搞黄视频| 尾随美女入室| 我要看黄色一级片免费的| 成人亚洲欧美一区二区av| 亚洲精品第二区| 日韩制服骚丝袜av| kizo精华| 一级毛片我不卡| 超色免费av| videos熟女内射| 两个人看的免费小视频| 狠狠婷婷综合久久久久久88av| 三级国产精品片| av免费在线看不卡| 国产伦理片在线播放av一区| 国语对白做爰xxxⅹ性视频网站| 这个男人来自地球电影免费观看 | 韩国高清视频一区二区三区| 亚洲一级一片aⅴ在线观看| 亚洲性久久影院| 国产精品久久久久成人av| 日本av免费视频播放| 国产成人精品一,二区| 国产成人av激情在线播放| 午夜福利在线观看免费完整高清在| 超碰97精品在线观看| 黑人高潮一二区| 久久久久精品人妻al黑| av女优亚洲男人天堂| 精品国产乱码久久久久久小说| 久久这里有精品视频免费| 最近中文字幕高清免费大全6| av.在线天堂| 蜜桃国产av成人99| 日韩av免费高清视频| 性高湖久久久久久久久免费观看| 欧美xxxx性猛交bbbb| 少妇人妻久久综合中文| 亚洲国产精品999| 欧美 亚洲 国产 日韩一| 成人黄色视频免费在线看| 美女中出高潮动态图| 久久国产亚洲av麻豆专区| 伊人亚洲综合成人网| 九九爱精品视频在线观看| 欧美精品av麻豆av| 九九在线视频观看精品| 成人二区视频| 黑人高潮一二区| 亚洲在久久综合| 下体分泌物呈黄色| 国产麻豆69| 国产精品人妻久久久久久| 亚洲精品国产av成人精品| 波多野结衣一区麻豆| 亚洲丝袜综合中文字幕| 久久午夜福利片| 婷婷色麻豆天堂久久| 国产色爽女视频免费观看| 免费观看性生交大片5| 一级片免费观看大全| 精品人妻一区二区三区麻豆| 欧美日韩视频高清一区二区三区二| 国产免费福利视频在线观看| 精品99又大又爽又粗少妇毛片| 男女国产视频网站| 肉色欧美久久久久久久蜜桃| 国产精品蜜桃在线观看| 亚洲欧洲日产国产| 美女脱内裤让男人舔精品视频| 亚洲精品中文字幕在线视频| 一级a做视频免费观看| 色网站视频免费| 欧美亚洲日本最大视频资源| 男女边吃奶边做爰视频| 精品国产一区二区三区久久久樱花| 国产精品久久久久久精品古装| 亚洲内射少妇av| 大陆偷拍与自拍| 国产一级毛片在线| 免费av中文字幕在线| 日本免费在线观看一区| 国产欧美日韩一区二区三区在线| 欧美精品av麻豆av| 日本黄大片高清| 乱人伦中国视频| 午夜免费鲁丝| 男女啪啪激烈高潮av片| 少妇精品久久久久久久| 国产免费视频播放在线视频| 日韩av在线免费看完整版不卡| 亚洲国产毛片av蜜桃av| 国精品久久久久久国模美| 亚洲av中文av极速乱| 亚洲第一av免费看| 亚洲高清免费不卡视频| 丝袜人妻中文字幕| 午夜福利视频在线观看免费| 国产成人免费无遮挡视频|