• <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SAE-SA-1D-CNN-BGRU的渦扇發(fā)動機(jī)剩余壽命預(yù)測

    2023-09-14 05:45:48蔡文濤張呂凡徐詩奕吳柔慧任一竹
    航空發(fā)動機(jī) 2023年4期
    關(guān)鍵詞:渦扇神經(jīng)網(wǎng)絡(luò)發(fā)動機(jī)

    聶 磊 ,蔡文濤 ,張呂凡 ,徐詩奕 ,吳柔慧 ,任一竹

    (1.湖北工業(yè)大學(xué)機(jī)械工程學(xué)院,2.湖北省現(xiàn)代制造質(zhì)量工程重點(diǎn)實(shí)驗(yàn)室:武漢 430068)

    0 引言

    準(zhǔn)確預(yù)測渦扇發(fā)動機(jī)的剩余使用壽命是保證其正常工作、降低維護(hù)成本的重要手段[1]。目前,壽命預(yù)測的方法主要有3類[2-4]:基于物理失效模型的預(yù)測方法、基于經(jīng)驗(yàn)的預(yù)測方法和基于數(shù)據(jù)驅(qū)動的預(yù)測方法。物理模型方法需要進(jìn)行大量試驗(yàn),且試驗(yàn)周期長,成本高,還需綜合考慮設(shè)備所經(jīng)歷的物理、化學(xué)、氣動熱力過程,導(dǎo)致物理模型難以精確建立,給該方法的使用帶來了限制;經(jīng)驗(yàn)預(yù)測法將設(shè)備故障和失效數(shù)據(jù)擬合為統(tǒng)計分布,該預(yù)測方法模型復(fù)雜度低且只能給出同類設(shè)備同工況的預(yù)測評估;數(shù)據(jù)驅(qū)動法通過捕捉設(shè)備的監(jiān)測數(shù)據(jù)與剩余使用壽命(Remaining useful life ,RUL)間的關(guān)系來進(jìn)行壽命預(yù)測,該方法通常采用數(shù)理統(tǒng)計和機(jī)器學(xué)習(xí)的手段,使用簡便并且模型通用性好,因此受到了廣泛的研究。

    針對基于數(shù)據(jù)驅(qū)動的預(yù)測方法,學(xué)者們開展了廣泛研究。任子強(qiáng)等[5]提出了一種建立復(fù)合健康因子(Composite Health Indicator,CHI)的方法并采用線性維納過程構(gòu)建出CHI 數(shù)學(xué)模型,使用Bayesian 方法更新模型參數(shù),并模擬出發(fā)動機(jī)退化軌跡;趙申坤等[6]篩選出渦扇發(fā)動機(jī)中具有退化趨勢的特征,采用主成分分析法對篩選的特征做數(shù)據(jù)融合,提取出能表征發(fā)動機(jī)退化趨勢的1維健康因子(Health indicator,HI),構(gòu)建出貝葉斯?fàn)顟B(tài)模型用于預(yù)測發(fā)動機(jī)的RUL;Chui等[7]提出一種非主導(dǎo)排序遺傳算法優(yōu)化遞歸神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)權(quán)重的預(yù)測算法,并通過渦扇發(fā)動機(jī)RUL 預(yù)測算例來說明方法的有效性;Kang等[8]使用網(wǎng)格搜索優(yōu)化多層感知機(jī)網(wǎng)絡(luò)參數(shù)預(yù)測渦扇發(fā)動機(jī)RUL,表明了該模型的有效性;宋亞等[9]提出了一種自編碼神經(jīng)網(wǎng)絡(luò)和雙向長短期記憶網(wǎng)絡(luò)的混合模型,并基于通用數(shù)據(jù)集展開測試,表明該混合模型精度優(yōu)于現(xiàn)有深度學(xué)習(xí)模型的;張永峰等[10]利用1 維卷積神經(jīng)網(wǎng)絡(luò)提取渦扇發(fā)動機(jī)的特征,將提取到的高維特征輸入到雙向長短期記憶網(wǎng)絡(luò)進(jìn)行回歸預(yù)測,表明該方法優(yōu)于其他的機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)模型。

    上述文獻(xiàn)所提出的RUL預(yù)測可分為2類:將原始高維特征數(shù)據(jù)融合為1 維健康因子,建立HI 的數(shù)學(xué)模型用以預(yù)測RUL;將原始數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)中,依靠其強(qiáng)大的非線性映射能力建立起原始數(shù)據(jù)與RUL 間的關(guān)系??紤]到在航空發(fā)動機(jī)退化過程中退化率的非線性成分占比大、監(jiān)測變量維數(shù)多和監(jiān)測數(shù)據(jù)存在噪聲等特點(diǎn),本文綜合二者方法所提供的良好思路和特點(diǎn),將原始高維數(shù)據(jù)融合成1 維HI,利用SA-1D-CNN-BGRU 網(wǎng)絡(luò)建立了HI 和RUL 的關(guān)系,并在C-MAPSS的FD001數(shù)據(jù)集上進(jìn)行了驗(yàn)證。

    1 基于SA-1D-CNN-BGRU 的渦扇發(fā)動機(jī)退化建模

    1.1 堆疊自編碼網(wǎng)絡(luò)

    自編碼(Autoencoder,AE)網(wǎng)絡(luò)是一種無監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),可將輸入數(shù)據(jù)轉(zhuǎn)換為低維度表示[11]。典型的自編碼網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示,包含輸入層、隱藏層和輸出層,盡可能地使輸入數(shù)據(jù)和輸出數(shù)據(jù)一致,在中間的隱藏層中實(shí)現(xiàn)輸入特征的壓縮。

    圖1 自編碼網(wǎng)絡(luò)結(jié)構(gòu)

    網(wǎng)絡(luò)中的輸入層為x={x1,x2,…,xn},中間隱藏層為h={h1,h2,…,hm},其中m<n,輸出層為y={y1,y2,…,yn}。在自編碼網(wǎng)絡(luò)的編碼與解碼過程中,數(shù)據(jù)經(jīng)過如下變換

    式中:f、g為激活函數(shù),本文選取的為RELU和tanh;Wy為輸入層和隱藏層中神經(jīng)元的權(quán)重;by為輸入層和隱藏層中神經(jīng)元的偏置;Wz為輸出層和隱藏層神經(jīng)元的權(quán)重;bz為輸出層和隱藏層神經(jīng)元的偏置。

    堆疊自編碼(Stacked autoencoder,SAE)由自編碼網(wǎng)絡(luò)堆疊連接形成,每層均做編碼操作,將前一層的輸出作為下一層的輸入,使其具有更好的低維特征提取能力。

    1.2 1維卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)最早被應(yīng)用于機(jī)器視覺領(lǐng)域,通過卷積運(yùn)算提取出圖像中的空間特征,能夠高效地利用數(shù)據(jù)[12-14]。1 維卷積神經(jīng)網(wǎng)絡(luò)(1-Dimensional Convolutional neural network,1D-CNN)是2D-CNN 的變體,二者處理數(shù)據(jù)的方法相同,通常應(yīng)用于自然語言處理和時序數(shù)據(jù)??紤]到渦扇發(fā)動機(jī)退化數(shù)據(jù)的時序特點(diǎn),本文利用1D-CNN 提取時序數(shù)據(jù)中的空間特征,其原理如圖2所示。

    圖2 1D-CNN原理

    1.3 雙向門控循環(huán)單元

    循環(huán)神經(jīng)網(wǎng)絡(luò)在處理時間序列時,若輸入的時序過長,則循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent neural network,RNN)不能將之前的信息傳遞到當(dāng)前狀態(tài),在反向傳播時,容易導(dǎo)致梯度消息或者彌散的問題。長短期記憶網(wǎng)絡(luò)(Long and short-term memory networks,LSTM)網(wǎng)絡(luò)可解決短時記憶的問題,具有3 個門控單元來實(shí)現(xiàn)權(quán)重學(xué)習(xí)調(diào)節(jié)信息,從而避免梯度的彌散或爆炸。與LSTM 相比,門控循環(huán)單元(Gated recurrent unit,GRU)簡化了門控單元數(shù),在一定程度上減少了網(wǎng)絡(luò)的參數(shù),進(jìn)而提升了模型的訓(xùn)練速度[15]。單個GRU 單元結(jié)構(gòu)如圖3所示。

    圖3 單個GRU單元結(jié)構(gòu)

    GRU計算公式

    式中:tanh 為激活函數(shù);xt為輸入數(shù)據(jù);ht-1為上一狀態(tài)的輸出;rt為t時刻重置門,zt為t時刻更新門,Wz、Wr和Wh?分別為更新門、重置門和輸出值的權(quán)重矩陣。

    雙向門控循環(huán)單元(Bidireactional gated recurrent unit,BGRU)包含了2 個方向相反的GRU,每個GRU對輸出序列的正序和逆序進(jìn)行處理,并將各自的輸出合并形成最終輸出。即在每個時刻,BGRU 網(wǎng)絡(luò)可以學(xué)習(xí)到該時刻前后的序列信息,使得BGRU 網(wǎng)絡(luò)可以綜合考慮到過去和未來的信息,有助于提升模型的預(yù)測性能。其展開結(jié)構(gòu)如圖4所示。

    圖4 BGRU展開結(jié)構(gòu)

    1.4 注意力機(jī)制

    注意力機(jī)制最早在機(jī)器視覺領(lǐng)域被提出,近年來被應(yīng)用于許多領(lǐng)域并取得了巨大的成功[16]。在神經(jīng)網(wǎng)絡(luò)中,隨著模型復(fù)雜化過程中,其參數(shù)增多且表達(dá)能力更強(qiáng),同時模型信息變得冗雜,帶來了信息過載的問題。為解決這個問題,在神經(jīng)網(wǎng)絡(luò)中引入注意力機(jī)制,可以有效地分配一系列權(quán)重,使得模型將資源集中在關(guān)鍵信息當(dāng)中,從而提高算法效率。注意力機(jī)制計算過程如圖5所示,可分為3個階段。

    圖5 注意力機(jī)制計算過程

    在第1階段,計算每個Q和K的相似性,得到每個K對應(yīng)的權(quán)重系數(shù)。在第2階段,為防止結(jié)果過大,使用softmax 函數(shù)對權(quán)值歸一化處理,將其轉(zhuǎn)化為概率形式。在第3 階段,對不同的權(quán)重進(jìn)行加權(quán)求和,得到最后的注意表達(dá)式

    式中:Ki為輸入向量信息;Q為用于查找關(guān)鍵信息的查詢向量;Vi為權(quán)重值;ai為每個向量的權(quán)重系數(shù)。

    當(dāng)K=Q=V時,稱為自注意機(jī)制(Self Attention,SA)。

    1.5 SAE-SA-1D-CNN-BGRU 壽命預(yù)測模型

    對輸入數(shù)據(jù)做卡爾曼濾波處理,濾除其噪聲。隨后將濾波后的數(shù)據(jù)作為SAE 網(wǎng)絡(luò)的輸入,通過多個AE層后得到包含輸入信息主要特征的數(shù)據(jù)。將降維后的特征數(shù)據(jù)作為SA-1D-CNN-BGRU 網(wǎng)絡(luò)的輸入,這當(dāng)中2 個卷積層可以充分提取輸入數(shù)據(jù)的空間信息,BGRU 層可提取每一當(dāng)前時刻的過去和未來的時序信息,通過自注意機(jī)制確定關(guān)鍵信息的權(quán)重,隨后在池化層中過濾信息減小模型的參數(shù)計算,接著在全連接層中將特征組合起來,便于識別不同的特征,最后得到輸出。組合模型結(jié)構(gòu)如圖6所示。

    圖6 SAE-SA-1D-CNN-BGRU 模型結(jié)構(gòu)

    1.6 預(yù)測模型評價指標(biāo)

    為定量分析組合模型的性能,均方根誤差(Root mean square error,RMSE),式中記為RRMSE,和評分函數(shù)(Score),式中記為Rscore,是來評估RUL 預(yù)測結(jié)果準(zhǔn)確性的常用指標(biāo)。均方根誤差為常用的模型評估指標(biāo),評分函數(shù)為非對稱函數(shù),是當(dāng)前對RUL 預(yù)測比較有權(quán)威的評估指標(biāo),該指標(biāo)對于預(yù)測結(jié)果大于真實(shí)值的滯后性預(yù)測會給出較高的評分,即分值越低,表明該方法越好,其表達(dá)式分別為

    式中:ym為輸出樣本數(shù);yi為樣本真實(shí)值;? 為樣本預(yù)測值。

    2 實(shí)例分析

    2.1 數(shù)據(jù)集描述

    本文使用來源于美國國家航空航天局(National Aeronautics and Space Administration,NASA)的公開數(shù)據(jù)集來評估方法的有效性。該數(shù)據(jù)集被廣泛用于PHM 研究領(lǐng)域,包含4組渦扇發(fā)動機(jī)在不同運(yùn)行條件和不同故障模式的數(shù)據(jù),每組數(shù)據(jù)中包括訓(xùn)練集、測試集和真實(shí)RUL 3部分,原始數(shù)據(jù)中含有大量的隨機(jī)噪聲。本研究選取的數(shù)據(jù)為FD001,該組數(shù)據(jù)具體的結(jié)構(gòu)和傳感器信息描述見文獻(xiàn)[17-19],在此不再贅述。

    2.2 研究過程和結(jié)果分析

    2.2.1 數(shù)據(jù)預(yù)處理

    隨著飛機(jī)的起降,飛機(jī)發(fā)動機(jī)的關(guān)鍵部件不斷地磨損,性能不斷地退化。盡管飛機(jī)發(fā)動機(jī)的物理失效機(jī)理十分復(fù)雜,準(zhǔn)確反映其健康狀態(tài)的參數(shù)難以獲得,但一些基于在線監(jiān)測的參數(shù)同樣可以表征飛機(jī)發(fā)動機(jī)的退化規(guī)律。

    剔除7 個在發(fā)動機(jī)退化中未曾改變和兩個趨勢性不明顯的傳感器數(shù)據(jù)后,本文選取的12 個狀態(tài)參數(shù)包括LPC 出口總溫度、HPC 出口總溫度、低壓汽輪機(jī)出口總溫度、HPC出口總壓、物理風(fēng)扇轉(zhuǎn)速、HPC出口靜壓、燃油流量與Ps30 之比、修正風(fēng)扇轉(zhuǎn)速、旁路比、排氣焓、HPT 冷卻液排放、LPT 冷卻液放氣。以上狀態(tài)參數(shù)均具有單調(diào)性,可以共同作為飛機(jī)發(fā)動機(jī)剩余使用壽命預(yù)測的特征。在實(shí)際情況中,噪聲可能來源于環(huán)境的改變,導(dǎo)致測量過程中氣流、溫度、濕度、壓力等因素的影響,這些噪聲源在發(fā)動機(jī)運(yùn)行不同階段都會存在,最后在傳感器觀測到的數(shù)據(jù)中產(chǎn)生了綜合效應(yīng)。因此采集的發(fā)動機(jī)數(shù)據(jù)中噪聲的影響不可忽視。由于測量數(shù)據(jù)中含有噪聲,對這些數(shù)據(jù)融合后得到的綜合健康因子仍然含有噪聲,使得綜合健康因子序列的局部變化起伏很大,難以正常描述設(shè)備的性能退化,因此本文首先采用卡爾曼濾波對數(shù)據(jù)做平滑處理,部分結(jié)果如圖7 濾波后傳感器數(shù)據(jù)所示。進(jìn)一步的,去除濾波后數(shù)據(jù)的量綱,防止量綱不統(tǒng)一對后續(xù)處理的影響。接著采用SAE 網(wǎng)絡(luò)提取原始數(shù)據(jù)中的主要特征,并將其作為HI 來表征渦扇發(fā)動機(jī)的健康狀態(tài),具體結(jié)果如圖8FD001 訓(xùn)練集HI所示。隨后給訓(xùn)練集的RUL 確定標(biāo)簽,本文將RU 值設(shè)置為分段線性函數(shù),如圖9 RUL標(biāo)簽設(shè)置所示。首先渦扇發(fā)動機(jī)發(fā)運(yùn)行前期處于平穩(wěn)狀態(tài),此時的RUL 值可看作不發(fā)生變化,然后發(fā)動機(jī)開始線性衰退。對于衰退初期RUL 的取值,文本設(shè)置130 作為發(fā)動機(jī)退化初期的RUL 值。考慮到測試集時序長度最小為31,本文設(shè)定分割窗口長度為30,用以保證能對每臺發(fā)動機(jī)的RUL做出預(yù)測。

    圖7 濾波后傳感器數(shù)據(jù)

    圖8 FD001訓(xùn)練集HI

    圖9 RUL標(biāo)簽設(shè)置

    本文選取滑窗的形式輸入文中模型,考慮到測試集中序列長度最小為31,本文窗口的寬度設(shè)置為30,即使用前1~30 個時間步的傳感器數(shù)據(jù)作為1 個序列,第2~31 個時間步的傳感器數(shù)據(jù)作為1 個序列,依此類推。模型的輸入為劃分的滑窗序列,輸出為每個序列的最后1個周期的RUL標(biāo)簽。

    2.2.2 結(jié)果分析

    LSTM、PCA-LSTM、PCA-1D-CNN-LSTM 和本文模型對渦扇發(fā)動機(jī)RUL預(yù)測結(jié)果如圖10~13所示,虛線為真實(shí)壽命,實(shí)現(xiàn)為預(yù)測的壽命值。在LSTM 模型中,整體上預(yù)測結(jié)果大于真實(shí)結(jié)果,其RRMSE=31.37,Rscore=1316,最大預(yù)測值為175,遠(yuǎn)大于真實(shí)值中最大值143。在該模型中,由于輸入數(shù)據(jù)為原始傳感器數(shù)據(jù),數(shù)據(jù)中存在的噪聲擾動大,對預(yù)測精度有較大影響。此外原始傳感器信息過多,存在冗余現(xiàn)象,且LSTM網(wǎng)絡(luò)模型的學(xué)習(xí)能力不足,導(dǎo)致預(yù)測精度較差。PCA-LSTM 模型中,預(yù)測結(jié)果與真實(shí)值較為接近,前幾組發(fā)動機(jī)預(yù)測誤差較大,且多數(shù)真實(shí)值遠(yuǎn)大于預(yù)測值,其RRMSE=28.97,Rscore=850。在該模型中,不僅對數(shù)據(jù)做了濾波處理,還采用線性PCA 降維方法將高維的退化數(shù)據(jù)融合為1 維HI 序列,將該序列輸入至LSTM 網(wǎng)絡(luò)中學(xué)習(xí)其與RUL 間的關(guān)系,此時預(yù)測精度有了一定的提升,表明降維方法可初步提取傳感器數(shù)據(jù)中的有效信息,該類型方法有待進(jìn)一步改進(jìn)。PCA-1D-CNN-LSTM 模型中,整體預(yù)測結(jié)果接近真實(shí)值,少數(shù)預(yù)測值偏離真實(shí)值,其RRMSE=20.16,Rscore=275。在該模型中,對預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)做了改進(jìn),其中的1D-CNN 和LSTM 網(wǎng)絡(luò)分別可提取HI 序列中的空間和時序信息,此時HI 序列的信息得到在1D-CNNLSTM 網(wǎng)絡(luò)中得到了充分的學(xué)習(xí),預(yù)測精度也得到了進(jìn)一步的提升。在本文模型中,整體預(yù)測無較大偏差,在幾組測試集發(fā)動機(jī)壽命即將結(jié)束的RUL 預(yù)測中,產(chǎn)生了RUL 小于0 的偏差,但是預(yù)測精度得到了極大提高,其RRMSE=16.22,Rscore=225。在本文提出的模型中,不僅采用了非線性的SAE 降維方法代替了PCA降維方法,充分的提取了高維傳感器數(shù)據(jù)中的主要退化規(guī)律,還采用BGRU模型代替LSTM模型,簡化了訓(xùn)練模型時的參數(shù),同時注意力機(jī)制對1D-CNNBGRU 模型提取的特征分配了權(quán)重,便于混合網(wǎng)絡(luò)模型中的回歸層高效的學(xué)習(xí)HI 序列和RUL 間的關(guān)系,模型的精度得到了更好的提升。模型評估見表1。

    表1 模型評估

    圖10 LSTM模型預(yù)測結(jié)果

    圖11 PCA-LSTM 模型預(yù)測結(jié)果

    圖12 PCA-1D-CNNLSTM模型預(yù)測結(jié)果

    圖13 SAE-SA-1D-CNNBGRU模型預(yù)測結(jié)果

    綜合分析以上結(jié)果,本文分別建立了LSTM、PCA-LSTM、PCA-1D-CNN-LSTM 和本文所提模型用以預(yù)測渦扇發(fā)動機(jī)的RUL,以上方法均實(shí)現(xiàn)較高精度的預(yù)測,其中PCA-LSTM 相較LSTM 模型的均方根誤差提升了7.65%,評分函數(shù)提升了27.54%,PCA-1DCNN-LSTM 模型的均方根誤差相較于前2 種方法分別提升了35.73%和30.41%,評分函數(shù)提升了79.79%和67.64%,本文所提模型的均方根誤差相較于前3種模型分別提升了83.46%、73.53%和18.18%,結(jié)果證明了本文方法的優(yōu)越性和有效性。

    3 結(jié)束語

    采用卡爾曼濾波、SAE 網(wǎng)絡(luò)和SA-1D-CNNBGRU 混合網(wǎng)絡(luò)的方法對渦扇發(fā)動機(jī)傳感器數(shù)據(jù)進(jìn)行預(yù)處理和RUL 的預(yù)測,可為設(shè)備的健康管理與智能運(yùn)維提供支撐??紤]到本文預(yù)測時存在誤差,未來可進(jìn)一步研究HI 序列的建立方法,充分提取狀態(tài)監(jiān)測數(shù)據(jù)中的有效信息后利用本文預(yù)測模型進(jìn)行RUL預(yù)測;可對每種傳感器監(jiān)測數(shù)據(jù)單獨(dú)建立模型通過網(wǎng)絡(luò)并聯(lián)方式提高RUL預(yù)測精度。

    猜你喜歡
    渦扇神經(jīng)網(wǎng)絡(luò)發(fā)動機(jī)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    發(fā)動機(jī)空中起動包線擴(kuò)展試飛組織與實(shí)施
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    小型渦扇發(fā)動機(jī)燃油控制規(guī)律
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    新一代MTU2000發(fā)動機(jī)系列
    新型1.5L-Eco-Boost發(fā)動機(jī)
    齒輪傳動渦扇發(fā)動機(jī)簡介
    高空長航時無人機(jī)用渦扇發(fā)動機(jī)關(guān)鍵技術(shù)分析
    性少妇av在线| 色婷婷久久久亚洲欧美| 涩涩av久久男人的天堂| 国产亚洲欧美在线一区二区| 欧美精品人与动牲交sv欧美| 极品人妻少妇av视频| 两个人看的免费小视频| 久久久久国产精品人妻一区二区| 国产在线观看jvid| 午夜福利免费观看在线| 中文欧美无线码| 婷婷丁香在线五月| 国语对白做爰xxxⅹ性视频网站| 妹子高潮喷水视频| 国产欧美日韩一区二区三 | 亚洲国产看品久久| 夫妻性生交免费视频一级片| 欧美日韩福利视频一区二区| 欧美久久黑人一区二区| 一边摸一边做爽爽视频免费| 午夜免费男女啪啪视频观看| a级毛片在线看网站| 操美女的视频在线观看| 午夜福利视频精品| 国产欧美日韩一区二区三区在线| 亚洲,欧美,日韩| 一级毛片黄色毛片免费观看视频| 99热网站在线观看| 咕卡用的链子| 精品人妻1区二区| 国产欧美亚洲国产| 观看av在线不卡| 国产精品 欧美亚洲| 欧美乱码精品一区二区三区| 亚洲精品一区蜜桃| 午夜福利免费观看在线| 少妇人妻 视频| 高潮久久久久久久久久久不卡| 男人爽女人下面视频在线观看| 飞空精品影院首页| 精品人妻熟女毛片av久久网站| 老鸭窝网址在线观看| 国产一区二区在线观看av| 黄色a级毛片大全视频| 97人妻天天添夜夜摸| 一个人免费看片子| 免费观看人在逋| 精品国产一区二区久久| 丁香六月欧美| 国产爽快片一区二区三区| 尾随美女入室| 国产精品偷伦视频观看了| √禁漫天堂资源中文www| 无限看片的www在线观看| 91字幕亚洲| 十八禁网站网址无遮挡| 亚洲熟女精品中文字幕| 看免费av毛片| 999久久久国产精品视频| 国产精品二区激情视频| 欧美日韩视频精品一区| 一区二区三区四区激情视频| 三上悠亚av全集在线观看| 欧美黑人欧美精品刺激| 日本av免费视频播放| 精品一区在线观看国产| 久久人人爽人人片av| 国产精品香港三级国产av潘金莲 | 欧美日韩av久久| 波多野结衣av一区二区av| 国产精品.久久久| 波多野结衣一区麻豆| 制服人妻中文乱码| 秋霞在线观看毛片| 深夜精品福利| 欧美人与性动交α欧美精品济南到| 成人18禁高潮啪啪吃奶动态图| 丝袜脚勾引网站| 亚洲欧美色中文字幕在线| 大陆偷拍与自拍| 制服诱惑二区| 99热网站在线观看| 在线观看国产h片| 精品高清国产在线一区| 又紧又爽又黄一区二区| 好男人电影高清在线观看| 午夜福利一区二区在线看| 国产欧美日韩精品亚洲av| 黑丝袜美女国产一区| 免费高清在线观看视频在线观看| 亚洲欧美成人综合另类久久久| 高清av免费在线| 免费在线观看日本一区| 手机成人av网站| 伊人久久大香线蕉亚洲五| 国产欧美日韩一区二区三 | 美女午夜性视频免费| 久久性视频一级片| 日韩大码丰满熟妇| 一本—道久久a久久精品蜜桃钙片| 久久综合国产亚洲精品| 亚洲av片天天在线观看| 欧美成人午夜精品| 美女午夜性视频免费| 亚洲中文av在线| 国产熟女欧美一区二区| 伊人亚洲综合成人网| 18在线观看网站| 观看av在线不卡| 久久久久视频综合| 可以免费在线观看a视频的电影网站| 夫妻午夜视频| 青青草视频在线视频观看| 777久久人妻少妇嫩草av网站| av天堂在线播放| 搡老岳熟女国产| 国产精品二区激情视频| 国产精品久久久久久人妻精品电影 | 日本午夜av视频| av网站在线播放免费| 午夜91福利影院| 精品少妇一区二区三区视频日本电影| 亚洲av成人不卡在线观看播放网 | 精品国产一区二区三区四区第35| 亚洲视频免费观看视频| a级片在线免费高清观看视频| 欧美激情高清一区二区三区| 日本色播在线视频| 国产精品秋霞免费鲁丝片| 中文精品一卡2卡3卡4更新| 制服人妻中文乱码| 大片免费播放器 马上看| 亚洲欧美中文字幕日韩二区| 亚洲精品国产区一区二| 精品人妻一区二区三区麻豆| 考比视频在线观看| www.av在线官网国产| 欧美日韩亚洲综合一区二区三区_| 亚洲激情五月婷婷啪啪| 国产成人av教育| 日韩av免费高清视频| 国产成人精品久久二区二区免费| 亚洲三区欧美一区| 欧美在线黄色| 交换朋友夫妻互换小说| av天堂久久9| 丰满饥渴人妻一区二区三| 人人妻人人爽人人添夜夜欢视频| 久久这里只有精品19| 国语对白做爰xxxⅹ性视频网站| 日韩 欧美 亚洲 中文字幕| 伊人亚洲综合成人网| av天堂久久9| 妹子高潮喷水视频| 成在线人永久免费视频| svipshipincom国产片| 麻豆乱淫一区二区| 国产欧美日韩精品亚洲av| 亚洲av成人精品一二三区| 一级毛片我不卡| av在线老鸭窝| 视频在线观看一区二区三区| 一区二区三区四区激情视频| 久久国产精品男人的天堂亚洲| 人成视频在线观看免费观看| av国产精品久久久久影院| 欧美+亚洲+日韩+国产| 人体艺术视频欧美日本| 黑人猛操日本美女一级片| 国产日韩欧美视频二区| 人体艺术视频欧美日本| 欧美日韩视频高清一区二区三区二| 黑人巨大精品欧美一区二区蜜桃| 久久天躁狠狠躁夜夜2o2o | 国产熟女欧美一区二区| 日本av手机在线免费观看| 国产日韩欧美亚洲二区| 亚洲人成电影观看| 老司机深夜福利视频在线观看 | 成人手机av| 久久精品国产综合久久久| 久久久精品免费免费高清| 久9热在线精品视频| 国语对白做爰xxxⅹ性视频网站| 美女中出高潮动态图| 国产成人精品无人区| 男女高潮啪啪啪动态图| 在线观看www视频免费| 国产亚洲欧美在线一区二区| 欧美日韩成人在线一区二区| 久久人人爽av亚洲精品天堂| 国产爽快片一区二区三区| 人妻一区二区av| 国产精品国产三级专区第一集| 免费在线观看日本一区| 三上悠亚av全集在线观看| 你懂的网址亚洲精品在线观看| av片东京热男人的天堂| 一级毛片我不卡| 在线观看人妻少妇| 成人手机av| 亚洲中文日韩欧美视频| 亚洲精品一二三| 亚洲熟女精品中文字幕| 男男h啪啪无遮挡| 国产黄色视频一区二区在线观看| 欧美黄色片欧美黄色片| 国产一区亚洲一区在线观看| 日韩免费高清中文字幕av| 99国产精品99久久久久| 国产日韩欧美视频二区| 欧美激情 高清一区二区三区| 只有这里有精品99| 天天躁日日躁夜夜躁夜夜| 天天影视国产精品| 1024视频免费在线观看| 亚洲一区二区三区欧美精品| 亚洲国产精品一区三区| 超碰97精品在线观看| 久久久精品区二区三区| 熟女av电影| 在线观看免费日韩欧美大片| 99久久综合免费| 国产精品99久久99久久久不卡| 啦啦啦 在线观看视频| 女警被强在线播放| 国产成人a∨麻豆精品| 晚上一个人看的免费电影| 国产主播在线观看一区二区 | 国产在视频线精品| 国产主播在线观看一区二区 | 欧美日韩精品网址| 91麻豆精品激情在线观看国产 | 黄色一级大片看看| 国产麻豆69| 亚洲 欧美一区二区三区| 欧美日韩亚洲高清精品| 1024视频免费在线观看| 校园人妻丝袜中文字幕| 国产一卡二卡三卡精品| 亚洲av欧美aⅴ国产| 91麻豆av在线| 国产视频一区二区在线看| 成人亚洲欧美一区二区av| 波多野结衣一区麻豆| 大片免费播放器 马上看| 亚洲国产看品久久| 免费看十八禁软件| 9191精品国产免费久久| 久久亚洲国产成人精品v| 亚洲熟女精品中文字幕| 亚洲熟女毛片儿| 成年人免费黄色播放视频| 欧美国产精品一级二级三级| 天天躁夜夜躁狠狠躁躁| 久久精品成人免费网站| 好男人视频免费观看在线| 激情视频va一区二区三区| 女人久久www免费人成看片| 欧美精品av麻豆av| 免费在线观看影片大全网站 | 精品欧美一区二区三区在线| 侵犯人妻中文字幕一二三四区| 一区二区日韩欧美中文字幕| 这个男人来自地球电影免费观看| 欧美中文综合在线视频| 一区二区三区四区激情视频| 另类精品久久| 搡老岳熟女国产| 美女脱内裤让男人舔精品视频| 国产在线免费精品| 久久中文字幕一级| 久久九九热精品免费| 亚洲国产中文字幕在线视频| 人妻人人澡人人爽人人| 午夜精品国产一区二区电影| 国产在线视频一区二区| 嫁个100分男人电影在线观看 | 19禁男女啪啪无遮挡网站| 国产精品秋霞免费鲁丝片| 人妻人人澡人人爽人人| 人人妻人人爽人人添夜夜欢视频| av天堂久久9| 好男人电影高清在线观看| 满18在线观看网站| 两个人看的免费小视频| 一区福利在线观看| 日本一区二区免费在线视频| av不卡在线播放| 午夜福利乱码中文字幕| 女人精品久久久久毛片| 亚洲av综合色区一区| 国产男女超爽视频在线观看| 国产精品欧美亚洲77777| 国产日韩欧美亚洲二区| 婷婷色麻豆天堂久久| 男男h啪啪无遮挡| 中文字幕人妻丝袜一区二区| 精品欧美一区二区三区在线| 午夜精品国产一区二区电影| 香蕉丝袜av| 激情五月婷婷亚洲| 久久久久久久大尺度免费视频| 色网站视频免费| av片东京热男人的天堂| 久久人人97超碰香蕉20202| 少妇裸体淫交视频免费看高清 | 亚洲国产看品久久| 国产成人精品在线电影| 两性夫妻黄色片| 亚洲精品国产色婷婷电影| 欧美精品啪啪一区二区三区 | 啦啦啦啦在线视频资源| 人人妻人人澡人人爽人人夜夜| √禁漫天堂资源中文www| 新久久久久国产一级毛片| 日韩人妻精品一区2区三区| 青青草视频在线视频观看| 波多野结衣av一区二区av| 精品久久久久久久毛片微露脸 | 亚洲av欧美aⅴ国产| 少妇猛男粗大的猛烈进出视频| 少妇精品久久久久久久| 久久九九热精品免费| 日日摸夜夜添夜夜爱| 国产免费又黄又爽又色| 免费不卡黄色视频| 亚洲欧美日韩另类电影网站| 欧美日本中文国产一区发布| 各种免费的搞黄视频| 侵犯人妻中文字幕一二三四区| 日韩电影二区| 免费观看a级毛片全部| 欧美乱码精品一区二区三区| 国产免费又黄又爽又色| 国产成人欧美在线观看 | 纯流量卡能插随身wifi吗| 成人亚洲欧美一区二区av| 欧美另类一区| av视频免费观看在线观看| 视频区图区小说| 电影成人av| 五月天丁香电影| 岛国毛片在线播放| 日韩av免费高清视频| 免费少妇av软件| 波多野结衣一区麻豆| 中文乱码字字幕精品一区二区三区| 丝袜美腿诱惑在线| 国产片内射在线| 午夜视频精品福利| 麻豆av在线久日| 亚洲专区国产一区二区| 人体艺术视频欧美日本| 一级毛片女人18水好多 | 欧美国产精品一级二级三级| 韩国精品一区二区三区| 国产精品国产三级专区第一集| 成年人午夜在线观看视频| 一个人免费看片子| 久久精品亚洲av国产电影网| 国产1区2区3区精品| 国产日韩欧美亚洲二区| 欧美在线一区亚洲| 免费在线观看视频国产中文字幕亚洲 | 美女中出高潮动态图| 观看av在线不卡| 亚洲国产精品成人久久小说| 性高湖久久久久久久久免费观看| 真人做人爱边吃奶动态| 亚洲,欧美精品.| 色婷婷av一区二区三区视频| 精品少妇一区二区三区视频日本电影| 国产成人影院久久av| 午夜91福利影院| 久久亚洲精品不卡| 国产麻豆69| 十八禁高潮呻吟视频| 久久鲁丝午夜福利片| 9色porny在线观看| 涩涩av久久男人的天堂| 18禁黄网站禁片午夜丰满| 久久人人97超碰香蕉20202| 日韩大码丰满熟妇| 在线 av 中文字幕| 免费看十八禁软件| 亚洲午夜精品一区,二区,三区| 老汉色av国产亚洲站长工具| 久久影院123| 人妻一区二区av| 啦啦啦在线观看免费高清www| 另类精品久久| 日韩人妻精品一区2区三区| 一二三四在线观看免费中文在| 成人亚洲欧美一区二区av| 国产日韩一区二区三区精品不卡| 国产成人系列免费观看| 午夜激情久久久久久久| av线在线观看网站| 亚洲美女黄色视频免费看| 老汉色∧v一级毛片| 一级,二级,三级黄色视频| 国语对白做爰xxxⅹ性视频网站| 蜜桃在线观看..| 久久人人爽av亚洲精品天堂| 亚洲人成网站在线观看播放| 18禁裸乳无遮挡动漫免费视频| 国产又爽黄色视频| 久久99精品国语久久久| 欧美日韩视频高清一区二区三区二| 国产精品久久久久久精品古装| 成人亚洲精品一区在线观看| 欧美黄色淫秽网站| 久久精品aⅴ一区二区三区四区| 国产国语露脸激情在线看| 嫩草影视91久久| 色精品久久人妻99蜜桃| 99久久99久久久精品蜜桃| 欧美激情高清一区二区三区| 精品少妇内射三级| 女性生殖器流出的白浆| 好男人视频免费观看在线| 在线精品无人区一区二区三| 国产精品 欧美亚洲| 亚洲,欧美精品.| 日韩av免费高清视频| 91成人精品电影| 日韩制服骚丝袜av| 人人妻,人人澡人人爽秒播 | 午夜福利乱码中文字幕| 国产97色在线日韩免费| 精品亚洲成国产av| 久久久精品国产亚洲av高清涩受| 老司机靠b影院| 国产色视频综合| 亚洲五月色婷婷综合| 国产福利在线免费观看视频| 国产免费视频播放在线视频| 黄频高清免费视频| 色播在线永久视频| 亚洲国产精品一区二区三区在线| 午夜福利影视在线免费观看| 成人午夜精彩视频在线观看| 脱女人内裤的视频| 亚洲,欧美,日韩| 日日夜夜操网爽| 亚洲国产精品999| 熟女少妇亚洲综合色aaa.| 999精品在线视频| 久久久精品国产亚洲av高清涩受| 美女视频免费永久观看网站| 最新的欧美精品一区二区| 欧美日本中文国产一区发布| 妹子高潮喷水视频| 久久久久久久久久久久大奶| 最近手机中文字幕大全| 色94色欧美一区二区| xxxhd国产人妻xxx| 国产一区有黄有色的免费视频| 国产黄频视频在线观看| 女性被躁到高潮视频| 久久亚洲精品不卡| 性少妇av在线| 97精品久久久久久久久久精品| 大陆偷拍与自拍| 久久久久精品国产欧美久久久 | 中文字幕人妻丝袜制服| 可以免费在线观看a视频的电影网站| 少妇 在线观看| 啦啦啦 在线观看视频| 成人18禁高潮啪啪吃奶动态图| 老熟女久久久| 纵有疾风起免费观看全集完整版| 日本vs欧美在线观看视频| 另类精品久久| 国产亚洲精品久久久久5区| 欧美少妇被猛烈插入视频| 纯流量卡能插随身wifi吗| 麻豆国产av国片精品| 亚洲五月色婷婷综合| 亚洲一区二区三区欧美精品| 午夜激情av网站| 欧美精品一区二区免费开放| 国产精品久久久久久精品古装| 亚洲精品久久久久久婷婷小说| 亚洲国产精品国产精品| 国产熟女欧美一区二区| 国产99久久九九免费精品| 国产欧美日韩精品亚洲av| 欧美精品av麻豆av| 亚洲av日韩精品久久久久久密 | 精品人妻一区二区三区麻豆| 亚洲欧美成人综合另类久久久| 婷婷色av中文字幕| 少妇人妻久久综合中文| 91字幕亚洲| 久久性视频一级片| av在线app专区| 日韩一卡2卡3卡4卡2021年| 91字幕亚洲| 一边亲一边摸免费视频| 91成人精品电影| 操出白浆在线播放| 美女午夜性视频免费| 国产一区亚洲一区在线观看| 欧美精品高潮呻吟av久久| 国产日韩一区二区三区精品不卡| 人人妻人人爽人人添夜夜欢视频| 高清不卡的av网站| 国产三级黄色录像| 亚洲 欧美一区二区三区| 热99久久久久精品小说推荐| 丰满迷人的少妇在线观看| 国产91精品成人一区二区三区 | 欧美人与善性xxx| 亚洲国产精品一区三区| 91成人精品电影| 国产精品一国产av| 2021少妇久久久久久久久久久| 亚洲,欧美,日韩| 亚洲国产中文字幕在线视频| 欧美老熟妇乱子伦牲交| 成人影院久久| 美女脱内裤让男人舔精品视频| 国产成人精品久久二区二区免费| 国产在线视频一区二区| 成人18禁高潮啪啪吃奶动态图| 大陆偷拍与自拍| 人妻人人澡人人爽人人| 国产男女超爽视频在线观看| 99热全是精品| 婷婷色麻豆天堂久久| 亚洲欧美中文字幕日韩二区| 女警被强在线播放| 精品少妇一区二区三区视频日本电影| 成在线人永久免费视频| 日本av免费视频播放| 啦啦啦在线观看免费高清www| 女人爽到高潮嗷嗷叫在线视频| 黄片小视频在线播放| 中文字幕色久视频| 久久国产精品影院| 久久人妻福利社区极品人妻图片 | 高清欧美精品videossex| 亚洲第一av免费看| 久久99精品国语久久久| 国产片特级美女逼逼视频| 精品久久久久久久毛片微露脸 | 男女午夜视频在线观看| 国产精品国产三级专区第一集| 在线 av 中文字幕| 少妇被粗大的猛进出69影院| 久久精品亚洲av国产电影网| 一本久久精品| 久久精品国产亚洲av涩爱| 美女扒开内裤让男人捅视频| 精品亚洲成a人片在线观看| 成人免费观看视频高清| 我的亚洲天堂| av线在线观看网站| 天天躁夜夜躁狠狠久久av| 免费久久久久久久精品成人欧美视频| 亚洲图色成人| 久久精品成人免费网站| 亚洲自偷自拍图片 自拍| 在线观看免费视频网站a站| 国产一区二区在线观看av| 在现免费观看毛片| 91麻豆精品激情在线观看国产 | 天天躁日日躁夜夜躁夜夜| 性高湖久久久久久久久免费观看| 国产熟女午夜一区二区三区| 国产精品一区二区精品视频观看| 国产不卡av网站在线观看| 日本一区二区免费在线视频| 亚洲自偷自拍图片 自拍| 一区福利在线观看| 女人精品久久久久毛片| 亚洲国产精品成人久久小说| 国产一区二区三区综合在线观看| 日本wwww免费看| 韩国高清视频一区二区三区| 亚洲国产毛片av蜜桃av| 看免费成人av毛片| 一本色道久久久久久精品综合| 各种免费的搞黄视频| 亚洲欧美成人综合另类久久久| 午夜免费成人在线视频| 999精品在线视频| 人体艺术视频欧美日本| 国产视频首页在线观看| 老司机深夜福利视频在线观看 | 国产黄色免费在线视频| 午夜日韩欧美国产| 午夜福利,免费看| 国产黄色免费在线视频| 欧美性长视频在线观看| 97精品久久久久久久久久精品| 多毛熟女@视频| 久久综合国产亚洲精品| 欧美精品亚洲一区二区| 人人妻人人澡人人爽人人夜夜| 啦啦啦在线观看免费高清www| 久久久精品区二区三区| 亚洲成色77777| 国产亚洲欧美精品永久| 手机成人av网站| 久久精品人人爽人人爽视色| 国产97色在线日韩免费| 久久久久久久大尺度免费视频| 如日韩欧美国产精品一区二区三区| 又黄又粗又硬又大视频| 99re6热这里在线精品视频| 国产高清国产精品国产三级| 成人午夜精彩视频在线观看|