• <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
    在线观看免费午夜福利视频| 亚洲人成伊人成综合网2020| 黄色女人牲交| 成年版毛片免费区| 狂野欧美激情性xxxx| 免费在线观看完整版高清| 国产一区二区三区视频了| 99国产精品99久久久久| 国产极品粉嫩免费观看在线| 99国产综合亚洲精品| 精品人妻在线不人妻| 午夜两性在线视频| 久久国产精品人妻蜜桃| 很黄的视频免费| 国产在线观看jvid| 精品卡一卡二卡四卡免费| 性少妇av在线| 久久精品91无色码中文字幕| 国产91精品成人一区二区三区| www日本在线高清视频| 成人国语在线视频| 麻豆av在线久日| 国产精品九九99| 村上凉子中文字幕在线| 欧美不卡视频在线免费观看 | 午夜福利影视在线免费观看| 精品久久蜜臀av无| 母亲3免费完整高清在线观看| 久久久水蜜桃国产精品网| 国产精品综合久久久久久久免费 | 欧美日韩亚洲国产一区二区在线观看| 亚洲,欧美精品.| 国产精品综合久久久久久久免费 | 9热在线视频观看99| 夜夜躁狠狠躁天天躁| 极品人妻少妇av视频| 两个人视频免费观看高清| 欧美激情 高清一区二区三区| 亚洲 国产 在线| 国产精品99久久99久久久不卡| 国产亚洲精品综合一区在线观看 | 激情视频va一区二区三区| 中文字幕久久专区| 操美女的视频在线观看| 午夜福利在线观看吧| 香蕉丝袜av| 色综合亚洲欧美另类图片| 黄色 视频免费看| 咕卡用的链子| 国产在线精品亚洲第一网站| 日本三级黄在线观看| 国产精品秋霞免费鲁丝片| 在线观看午夜福利视频| 香蕉丝袜av| 成在线人永久免费视频| 黄片小视频在线播放| 国产高清有码在线观看视频 | 这个男人来自地球电影免费观看| 亚洲国产高清在线一区二区三 | 一区二区日韩欧美中文字幕| 国产一级毛片七仙女欲春2 | 午夜免费鲁丝| 欧美另类亚洲清纯唯美| 美女 人体艺术 gogo| 国产精品久久视频播放| 亚洲性夜色夜夜综合| 国产精品,欧美在线| 国产在线观看jvid| 日韩精品青青久久久久久| 欧美绝顶高潮抽搐喷水| 久久 成人 亚洲| 一级毛片女人18水好多| 老司机午夜十八禁免费视频| 精品无人区乱码1区二区| 在线观看午夜福利视频| 亚洲七黄色美女视频| 一个人免费在线观看的高清视频| 一进一出好大好爽视频| 亚洲少妇的诱惑av| 夜夜看夜夜爽夜夜摸| 成人国产综合亚洲| 国产成+人综合+亚洲专区| 一级毛片女人18水好多| 国产精品一区二区免费欧美| 国产成人免费无遮挡视频| 久久影院123| 亚洲国产中文字幕在线视频| 激情视频va一区二区三区| 丝袜美足系列| 国内精品久久久久精免费| 国产精品永久免费网站| 99久久精品国产亚洲精品| 国产极品粉嫩免费观看在线| 亚洲五月婷婷丁香| 午夜免费激情av| 午夜福利免费观看在线| 一进一出好大好爽视频| 在线观看免费视频网站a站| 久久国产精品男人的天堂亚洲| 大型黄色视频在线免费观看| 999精品在线视频| 757午夜福利合集在线观看| 久久精品亚洲精品国产色婷小说| 亚洲午夜精品一区,二区,三区| 窝窝影院91人妻| 亚洲精品国产一区二区精华液| 日韩一卡2卡3卡4卡2021年| tocl精华| 久久久国产成人免费| 1024视频免费在线观看| 国产成人精品久久二区二区91| 久久久国产精品麻豆| av有码第一页| 女生性感内裤真人,穿戴方法视频| 国产一卡二卡三卡精品| 啦啦啦免费观看视频1| 女人高潮潮喷娇喘18禁视频| 亚洲国产精品sss在线观看| 波多野结衣av一区二区av| 亚洲国产欧美日韩在线播放| 精品一区二区三区视频在线观看免费| 欧美激情久久久久久爽电影 | 久久中文看片网| 一a级毛片在线观看| 精品久久久久久,| 波多野结衣av一区二区av| 久久久国产欧美日韩av| 村上凉子中文字幕在线| 亚洲自拍偷在线| 国产一区在线观看成人免费| 美女免费视频网站| 啦啦啦免费观看视频1| 一a级毛片在线观看| 一区福利在线观看| 99re在线观看精品视频| 亚洲专区中文字幕在线| 欧美成人午夜精品| 亚洲一区二区三区色噜噜| 国产高清视频在线播放一区| 悠悠久久av| 国产高清视频在线播放一区| 国产欧美日韩一区二区三区在线| 999久久久精品免费观看国产| 亚洲一区中文字幕在线| 欧美精品啪啪一区二区三区| 国产精品99久久99久久久不卡| 国产亚洲av高清不卡| 精品一区二区三区视频在线观看免费| 色老头精品视频在线观看| 色婷婷久久久亚洲欧美| 欧美国产精品va在线观看不卡| 欧美乱色亚洲激情| 国产熟女xx| 免费在线观看视频国产中文字幕亚洲| 看黄色毛片网站| 在线观看免费日韩欧美大片| 一级a爱片免费观看的视频| 亚洲片人在线观看| 国产精品永久免费网站| 看片在线看免费视频| 中文字幕色久视频| 色av中文字幕| 中文字幕最新亚洲高清| 50天的宝宝边吃奶边哭怎么回事| 啦啦啦韩国在线观看视频| 丝袜美足系列| 99国产精品一区二区三区| 黄色成人免费大全| 激情视频va一区二区三区| 999久久久国产精品视频| 精品久久久久久,| 国产主播在线观看一区二区| 亚洲av美国av| 亚洲无线在线观看| 国产精品自产拍在线观看55亚洲| 国产精品av久久久久免费| 亚洲五月天丁香| 久久性视频一级片| 非洲黑人性xxxx精品又粗又长| 99久久精品国产亚洲精品| 午夜福利成人在线免费观看| 九色国产91popny在线| cao死你这个sao货| 黄片大片在线免费观看| 久久久国产成人免费| 狂野欧美激情性xxxx| 国产在线精品亚洲第一网站| 99国产精品99久久久久| 色老头精品视频在线观看| 在线观看www视频免费| 亚洲专区中文字幕在线| 在线视频色国产色| 久久婷婷人人爽人人干人人爱 | 久久久久国产一级毛片高清牌| 成熟少妇高潮喷水视频| 中文字幕高清在线视频| 99国产精品一区二区三区| 麻豆成人av在线观看| 好男人电影高清在线观看| 日韩成人在线观看一区二区三区| 久久国产精品男人的天堂亚洲| 国产主播在线观看一区二区| av有码第一页| 免费搜索国产男女视频| 亚洲一卡2卡3卡4卡5卡精品中文| 中文字幕色久视频| 国产人伦9x9x在线观看| 黑人操中国人逼视频| 黄网站色视频无遮挡免费观看| 乱人伦中国视频| av在线播放免费不卡| 国产黄a三级三级三级人| 男女下面插进去视频免费观看| 如日韩欧美国产精品一区二区三区| 欧美丝袜亚洲另类 | 黄色女人牲交| 亚洲成av片中文字幕在线观看| 久久中文字幕人妻熟女| 丝袜人妻中文字幕| 国产区一区二久久| 最新美女视频免费是黄的| 亚洲专区字幕在线| 亚洲色图av天堂| 不卡一级毛片| 成人三级黄色视频| 国产精品九九99| 久久天躁狠狠躁夜夜2o2o| x7x7x7水蜜桃| 精品第一国产精品| 欧美性长视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 国产三级黄色录像| cao死你这个sao货| 老司机午夜十八禁免费视频| 国产人伦9x9x在线观看| 精品国产国语对白av| 日韩中文字幕欧美一区二区| 亚洲国产精品sss在线观看| 亚洲av成人av| 男女下面插进去视频免费观看| 美女 人体艺术 gogo| 精品第一国产精品| 免费在线观看视频国产中文字幕亚洲| 色哟哟哟哟哟哟| 国产不卡一卡二| 女性生殖器流出的白浆| 夜夜爽天天搞| e午夜精品久久久久久久| 制服人妻中文乱码| 色婷婷久久久亚洲欧美| 999久久久国产精品视频| 久久精品国产亚洲av香蕉五月| 淫秽高清视频在线观看| 啪啪无遮挡十八禁网站| 婷婷丁香在线五月| 国语自产精品视频在线第100页| 动漫黄色视频在线观看| 亚洲av成人不卡在线观看播放网| 久久婷婷人人爽人人干人人爱 | 久久热在线av| 成人永久免费在线观看视频| 老熟妇仑乱视频hdxx| 免费在线观看完整版高清| av视频在线观看入口| 久久久精品国产亚洲av高清涩受| 午夜久久久久精精品| 日韩精品中文字幕看吧| 99久久久亚洲精品蜜臀av| 亚洲激情在线av| 久久精品国产亚洲av高清一级| 国产麻豆成人av免费视频| 久久热在线av| 老司机在亚洲福利影院| 最好的美女福利视频网| 国产午夜精品久久久久久| 午夜免费激情av| 国产精品永久免费网站| 激情在线观看视频在线高清| 97碰自拍视频| 国产一区二区激情短视频| 桃红色精品国产亚洲av| 亚洲国产中文字幕在线视频| 国产亚洲精品av在线| 亚洲专区国产一区二区| 日本欧美视频一区| 香蕉丝袜av| 三级毛片av免费| 午夜免费鲁丝| 亚洲欧美日韩另类电影网站| 精品卡一卡二卡四卡免费| 侵犯人妻中文字幕一二三四区| 午夜福利18| 嫩草影院精品99| 18禁黄网站禁片午夜丰满| 人妻丰满熟妇av一区二区三区| 夜夜看夜夜爽夜夜摸| 在线永久观看黄色视频| 久久久久久久精品吃奶| 国产单亲对白刺激| 精品卡一卡二卡四卡免费| 亚洲中文字幕日韩| 国产精品久久久人人做人人爽| 人成视频在线观看免费观看| 人妻久久中文字幕网| 午夜福利影视在线免费观看| 亚洲成人久久性| 亚洲精品美女久久久久99蜜臀| 午夜福利视频1000在线观看 | 一级a爱片免费观看的视频| 亚洲九九香蕉| 日本vs欧美在线观看视频| 一区二区三区国产精品乱码| 亚洲 欧美 日韩 在线 免费| 亚洲片人在线观看| 99国产精品一区二区蜜桃av| 日本撒尿小便嘘嘘汇集6| 99久久99久久久精品蜜桃| 在线十欧美十亚洲十日本专区| 丝袜在线中文字幕| av天堂在线播放| 亚洲国产看品久久| 久久久久久大精品| 一边摸一边抽搐一进一小说| 操美女的视频在线观看| 亚洲av片天天在线观看| ponron亚洲| 久久久久久久午夜电影| 一区在线观看完整版| 精品第一国产精品| 日韩中文字幕欧美一区二区| 少妇被粗大的猛进出69影院| 亚洲国产欧美一区二区综合| √禁漫天堂资源中文www| 亚洲自偷自拍图片 自拍| 在线视频色国产色| 欧美日韩亚洲综合一区二区三区_| 中出人妻视频一区二区| 丝袜美足系列| 黑人巨大精品欧美一区二区蜜桃| 90打野战视频偷拍视频| 久久这里只有精品19| 亚洲精品av麻豆狂野| 午夜精品国产一区二区电影| 天堂动漫精品| 欧美成狂野欧美在线观看| 黄片播放在线免费| 久久婷婷成人综合色麻豆| 91麻豆精品激情在线观看国产| 国产精品久久久久久人妻精品电影| 亚洲欧美激情综合另类| 亚洲午夜理论影院| 婷婷精品国产亚洲av在线| 黄色视频,在线免费观看| 99久久精品国产亚洲精品| 91精品国产国语对白视频| 一进一出抽搐gif免费好疼| 久久久久久久午夜电影| 女警被强在线播放| 一区二区三区国产精品乱码| 免费看a级黄色片| 国产精品自产拍在线观看55亚洲| 日本一区二区免费在线视频| 亚洲中文日韩欧美视频| 男女午夜视频在线观看| 久久人妻熟女aⅴ| 精品久久蜜臀av无| 岛国在线观看网站| 国产av在哪里看| 亚洲一码二码三码区别大吗| 熟女少妇亚洲综合色aaa.| 午夜激情av网站| 婷婷六月久久综合丁香| 丝袜人妻中文字幕| 久久人人爽av亚洲精品天堂| 国产成人欧美| 久久香蕉国产精品| 免费在线观看亚洲国产| 亚洲国产日韩欧美精品在线观看 | 国产欧美日韩一区二区精品| 国产亚洲精品综合一区在线观看 | 啪啪无遮挡十八禁网站| 亚洲av电影不卡..在线观看| 九色亚洲精品在线播放| 国产一卡二卡三卡精品| www.www免费av| 亚洲情色 制服丝袜| 欧美日韩黄片免| 天堂√8在线中文| 亚洲欧美激情综合另类| 欧美精品啪啪一区二区三区| 一区二区日韩欧美中文字幕| 男人的好看免费观看在线视频 | 波多野结衣av一区二区av| 午夜福利免费观看在线| 精品无人区乱码1区二区| 波多野结衣巨乳人妻| 最好的美女福利视频网| 久久人妻熟女aⅴ| 国产精品永久免费网站| 国产一级毛片七仙女欲春2 | 日韩欧美三级三区| 日本一区二区免费在线视频| 搡老熟女国产l中国老女人| 亚洲欧美日韩无卡精品| 一级片免费观看大全| 9色porny在线观看| 国产一级毛片七仙女欲春2 | 香蕉丝袜av| 级片在线观看| 黄色 视频免费看| 91成年电影在线观看| 国产成人精品无人区| 国产片内射在线| 黄色 视频免费看| 国产av精品麻豆| 久久伊人香网站| 久久久久久免费高清国产稀缺| 久久久久久久午夜电影| 日韩一卡2卡3卡4卡2021年| 丝袜美足系列| 亚洲第一av免费看| 91国产中文字幕| 久久精品国产综合久久久| 中文字幕人成人乱码亚洲影| 视频在线观看一区二区三区| 国产99久久九九免费精品| 人人妻,人人澡人人爽秒播| 91av网站免费观看| svipshipincom国产片| 老司机靠b影院| 久久中文字幕人妻熟女| 高清在线国产一区| 99久久久亚洲精品蜜臀av| 久久人妻福利社区极品人妻图片| 亚洲精品国产一区二区精华液| 成人特级黄色片久久久久久久| 久久精品人人爽人人爽视色| 欧美丝袜亚洲另类 | 色综合亚洲欧美另类图片| 日韩大码丰满熟妇| 亚洲中文日韩欧美视频| 亚洲精品久久成人aⅴ小说| 久久精品成人免费网站| 99精品在免费线老司机午夜| 97人妻精品一区二区三区麻豆| 日韩高清综合在线| 国产 一区 欧美 日韩| 国产三级中文精品| 毛片一级片免费看久久久久 | 国产午夜精品论理片| 美女黄网站色视频| xxxwww97欧美| 亚洲人成网站在线播放欧美日韩| 一级毛片久久久久久久久女| 日韩高清综合在线| 十八禁国产超污无遮挡网站| 国产午夜精品久久久久久一区二区三区 | 亚洲国产日韩欧美精品在线观看| 国产伦精品一区二区三区视频9| x7x7x7水蜜桃| 国产精品久久久久久久电影| 国产伦人伦偷精品视频| 男女那种视频在线观看| 日韩中字成人| 可以在线观看的亚洲视频| 国产精品98久久久久久宅男小说| 嫩草影院精品99| 淫妇啪啪啪对白视频| 欧美bdsm另类| 很黄的视频免费| 欧美日韩黄片免| 狠狠狠狠99中文字幕| 赤兔流量卡办理| 精品乱码久久久久久99久播| 国产v大片淫在线免费观看| ponron亚洲| 久久久久九九精品影院| 久久精品国产亚洲av涩爱 | 欧美最黄视频在线播放免费| 国内揄拍国产精品人妻在线| 亚洲人成伊人成综合网2020| 精品一区二区三区视频在线观看免费| 超碰av人人做人人爽久久| 亚洲在线观看片| 日韩精品有码人妻一区| 久久精品国产亚洲网站| 成人特级黄色片久久久久久久| 日日干狠狠操夜夜爽| 少妇的逼水好多| 免费av毛片视频| 久久久国产成人精品二区| 欧美一区二区精品小视频在线| 最后的刺客免费高清国语| 日本熟妇午夜| or卡值多少钱| 免费人成在线观看视频色| 国产男人的电影天堂91| 国产又黄又爽又无遮挡在线| 男女下面进入的视频免费午夜| 国产精品一区www在线观看 | 久久久午夜欧美精品| 久久精品人妻少妇| 人妻制服诱惑在线中文字幕| av黄色大香蕉| 性色avwww在线观看| av在线天堂中文字幕| 欧美成人免费av一区二区三区| 一区二区三区激情视频| 欧美一区二区亚洲| 免费一级毛片在线播放高清视频| 久久精品国产清高在天天线| 如何舔出高潮| 久久热精品热| 在现免费观看毛片| 亚洲av五月六月丁香网| 超碰av人人做人人爽久久| 国产伦精品一区二区三区四那| 免费不卡的大黄色大毛片视频在线观看 | 欧美高清成人免费视频www| 亚洲一级一片aⅴ在线观看| 极品教师在线视频| 此物有八面人人有两片| 中国美女看黄片| 人妻制服诱惑在线中文字幕| 18禁在线播放成人免费| 少妇的逼水好多| 哪里可以看免费的av片| 亚洲第一电影网av| 欧美日韩精品成人综合77777| 日本撒尿小便嘘嘘汇集6| 久久精品人妻少妇| 男人的好看免费观看在线视频| 黄色一级大片看看| 亚洲av一区综合| 人人妻人人看人人澡| 国产精品,欧美在线| 此物有八面人人有两片| 亚洲va在线va天堂va国产| 99久久九九国产精品国产免费| 国内毛片毛片毛片毛片毛片| 国产亚洲精品综合一区在线观看| 亚州av有码| 一本精品99久久精品77| 男人舔女人下体高潮全视频| 99久国产av精品| 国产一区二区三区av在线 | 亚洲中文字幕一区二区三区有码在线看| 日本 欧美在线| 久久久久久久久久成人| 国产精品精品国产色婷婷| 国产av麻豆久久久久久久| 国产精品人妻久久久影院| 久久人妻av系列| 香蕉av资源在线| 亚洲第一电影网av| 久久99热这里只有精品18| 亚洲国产精品久久男人天堂| 男女下面进入的视频免费午夜| 国产69精品久久久久777片| 亚洲av中文av极速乱 | 国产一级毛片七仙女欲春2| 午夜老司机福利剧场| 欧美日韩综合久久久久久 | 一级av片app| 人人妻人人澡欧美一区二区| 在线免费观看不下载黄p国产 | 桃红色精品国产亚洲av| 精品不卡国产一区二区三区| 最近最新免费中文字幕在线| 国产白丝娇喘喷水9色精品| 亚洲av第一区精品v没综合| 中文在线观看免费www的网站| 日韩欧美国产一区二区入口| 国产真实乱freesex| 国产免费一级a男人的天堂| 亚洲欧美日韩高清专用| 午夜福利在线观看免费完整高清在 | 久久精品久久久久久噜噜老黄 | 午夜激情欧美在线| 精品人妻偷拍中文字幕| 能在线免费观看的黄片| 22中文网久久字幕| 能在线免费观看的黄片| 国产高清视频在线播放一区| 国产人妻一区二区三区在| 1000部很黄的大片| 能在线免费观看的黄片| 日本免费一区二区三区高清不卡| 成年人黄色毛片网站| 色哟哟哟哟哟哟| 好男人在线观看高清免费视频| 国产极品精品免费视频能看的| 日本一二三区视频观看| 在线天堂最新版资源| 国产亚洲精品久久久com| 国产精品一区二区性色av| 麻豆国产av国片精品| av在线蜜桃| 人妻少妇偷人精品九色| 男女啪啪激烈高潮av片| 很黄的视频免费| 亚洲美女黄片视频| 国产精品久久久久久久久免| 午夜a级毛片| 国产久久久一区二区三区| 国产精品一及| 99热精品在线国产| 噜噜噜噜噜久久久久久91| 91狼人影院| а√天堂www在线а√下载| 99久久九九国产精品国产免费| 岛国在线免费视频观看| 白带黄色成豆腐渣| www.www免费av| 国产免费一级a男人的天堂|