• <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 ?

    元學(xué)習(xí)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用綜述

    2023-10-15 08:44:39李金科
    科技與創(chuàng)新 2023年18期
    關(guān)鍵詞:度量故障診斷深度

    李金科

    (西安石油大學(xué)機(jī)械工程學(xué)院,陜西西安 710065)

    近年,許多研究將深度學(xué)習(xí)技術(shù)應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域,以實(shí)現(xiàn)故障的識(shí)別、分類,便于健康檢測(cè)。盡管深度神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)從原始振動(dòng)信號(hào)中提取深度特征,實(shí)現(xiàn)了從原始信號(hào)到診斷的自動(dòng)端到端過(guò)程。深度學(xué)習(xí)的有效性很大程度上取決于大量訓(xùn)練數(shù)據(jù),然而,現(xiàn)實(shí)中大量標(biāo)記訓(xùn)練數(shù)據(jù)難以獲取,標(biāo)注難度大,且深度學(xué)習(xí)模型的泛化能力弱。對(duì)于深度神經(jīng)網(wǎng)絡(luò)而言,在不使用大量測(cè)試數(shù)據(jù)的情況下很難提取訓(xùn)練和測(cè)試數(shù)據(jù)的共同特征,這常常限制了深度學(xué)習(xí)模型的廣泛應(yīng)用。此外,工況變化也會(huì)降低故障識(shí)別精度。當(dāng)在訓(xùn)練數(shù)據(jù)上表現(xiàn)良好的深度模型應(yīng)用于新的工況故障識(shí)別時(shí),也必須重新設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)和超參數(shù)。因此亟需尋求一種超參數(shù)優(yōu)化少、訓(xùn)練數(shù)據(jù)量小、泛化能力強(qiáng)的方法,以滿足實(shí)際應(yīng)用中快速準(zhǔn)確的故障診斷要求。因此滿足樣本量少、泛化能力好的元學(xué)習(xí)方法引起了故障診斷領(lǐng)域研究者的關(guān)注,并在近幾年中得到了應(yīng)用。

    本文中主要介紹了元學(xué)習(xí)的基本概念和分類,及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用,調(diào)研了故障診斷中元學(xué)習(xí)的最新研究情況,并對(duì)這些元學(xué)習(xí)方法進(jìn)行了分析和總結(jié),對(duì)其未來(lái)研究方向提出了展望,以期為相關(guān)領(lǐng)域的研究者提供一些思路。

    1 元學(xué)習(xí)

    1.1 元學(xué)習(xí)的基本概念

    元學(xué)習(xí)(Meta-learning)的目的是在2 個(gè)層次上學(xué)習(xí)元知識(shí),其中內(nèi)部層次的學(xué)習(xí)將基本學(xué)習(xí)者的支持集作為輸入,外部層次的學(xué)習(xí)在元任務(wù)中輸入元學(xué)習(xí)者的查詢集,通過(guò)跨任務(wù)的迭代雙層優(yōu)化,模型學(xué)習(xí)元知識(shí)快速適應(yīng)所需任務(wù),因此元學(xué)習(xí)又被稱為“學(xué)會(huì)如何學(xué)習(xí)”。

    1.2 元學(xué)習(xí)的分類及應(yīng)用

    元學(xué)習(xí)方法致力于如何有效地獲取元知識(shí)來(lái)指導(dǎo)最優(yōu)參數(shù)的搜索。從這個(gè)角度來(lái)看,關(guān)于元學(xué)習(xí)的工作可以分為以下3 類。

    1.2.1 基于優(yōu)化的元學(xué)習(xí)

    基于優(yōu)化的方法是學(xué)習(xí)模型參數(shù),優(yōu)化初始化的元知識(shí),這使得模型能夠快速適應(yīng)新任務(wù)。因此,這種方法為任意一種深度模型提供了一種學(xué)習(xí)范式,因此模型不可知。

    基于優(yōu)化的元學(xué)習(xí)旨在為所有給定的故障識(shí)別任務(wù)提供全局共享的初始化,以便在僅使用少量樣本進(jìn)行微調(diào)后,模型能夠快速適應(yīng)新任務(wù)。ZHANG 等[1]提出了一個(gè)基于元優(yōu)化的元學(xué)習(xí)少樣本軸承故障診斷模型,利用內(nèi)外雙層循環(huán)優(yōu)化網(wǎng)絡(luò)參數(shù),其網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化過(guò)程解決了LI等[2]提出的滾動(dòng)軸承故障診斷中的數(shù)據(jù)稀缺和數(shù)據(jù)不平衡問(wèn)題,并且在診斷人為造成的軸承故障時(shí),相對(duì)于LI等[2]提出的基于連體網(wǎng)絡(luò)的模型,使用具有可學(xué)習(xí)內(nèi)層循環(huán)學(xué)習(xí)率的MAML(Model-Agnostic Meta-Learning,模型無(wú)關(guān)的元學(xué)習(xí))模型可以將準(zhǔn)確率提升到97%。此外,由于CWRU(Case Western Reserve University,凱斯西儲(chǔ)大學(xué))數(shù)據(jù)集只包含來(lái)自人為制造的軸承缺陷的振動(dòng)數(shù)據(jù),這與實(shí)際工況中缺陷隨時(shí)間變化的情況不一致。因此,ZHANG等[1]還將提出的方法應(yīng)用于Paderborn 數(shù)據(jù)集,以探究MAML 在面對(duì)真實(shí)軸承故障時(shí)的泛化能力。實(shí)驗(yàn)結(jié)果表明,與目前其他最先進(jìn)的少樣本學(xué)習(xí)方法相比,MAML 在5 類別、10 類別均表現(xiàn)更好。

    1.2.2 基于度量的元學(xué)習(xí)

    基于度量的元學(xué)習(xí)可以分別用于少樣本和跨域故障診斷中的故障識(shí)別,它可以學(xué)習(xí)少數(shù)故障樣本支持的特征或嵌入空間,以識(shí)別未知樣本的故障類別。簡(jiǎn)而言之,支持集的樣本不提供用于更新參數(shù)的故障信息,而是被視為要與查詢樣本進(jìn)行比較的類原型。利用度量函數(shù)例如歐幾里得距離、余弦距離等來(lái)計(jì)算樣本之間的距離從而進(jìn)行分類識(shí)別。近年來(lái)對(duì)基于度量的方法進(jìn)行了大量的研究,如Matching Net[3]、Pro-totypical Net[4]和Relation Net[5],以上度量方法在故障診斷中的應(yīng)用也得到了廣泛的研究。

    LI等[6]提出了一種新的深度學(xué)習(xí)方法——多尺度動(dòng)態(tài)融合原型簇網(wǎng)絡(luò)(Multiscale Dynamic Fusion Prototypical Cluster Network,MFPCN),其引入了多尺度動(dòng)態(tài)融合模塊,利用閥門機(jī)制調(diào)制不同尺度的特征,對(duì)有限的訓(xùn)練樣本提取出更多可區(qū)分的特征,彌補(bǔ)了Snell 等提出的原型網(wǎng)絡(luò)(ProNet)在有限標(biāo)記樣本下提取機(jī)械振動(dòng)信號(hào)特征能力較弱的缺點(diǎn)[6]。此外LI等[6]還提出原型模糊c 均值聚類算法,利用未標(biāo)記樣本信息生成精細(xì)化原型,為基于度量的原型最近鄰分類器提供了更精確的距離度量基準(zhǔn)。最后,采用聯(lián)合學(xué)習(xí)模式對(duì)模型進(jìn)行訓(xùn)練,使聯(lián)合損失在最近鄰分類和全局分類2 個(gè)耦合任務(wù)上表現(xiàn)良好。經(jīng)過(guò)大量實(shí)驗(yàn)表明,LI等[6]提出的MFPCN 方法優(yōu)于傳統(tǒng)的深度學(xué)習(xí)方法WDCNN(Deep Convolutional Neural Networks with Wide First-layer Kernel,首層寬卷積深度神經(jīng)網(wǎng)絡(luò)),在少樣本故障分類任務(wù)中平均準(zhǔn)確率提高了18%以上。此外,LI等[6]還將該方法應(yīng)用于實(shí)際風(fēng)電場(chǎng)中少量標(biāo)記樣本下的風(fēng)力發(fā)電機(jī)行星齒輪箱健康診斷,測(cè)試精度優(yōu)于其他模型算法。實(shí)驗(yàn)結(jié)果表明,該方法在強(qiáng)噪聲條件下比其他算法具有更好的魯棒性。

    1.2.3 基于模型的元學(xué)習(xí)

    基于模型的方法借助于神經(jīng)網(wǎng)絡(luò)從任務(wù)中提取元知識(shí),其中ω可以表示歷史數(shù)據(jù)、優(yōu)化策略等。因此,存在另一個(gè)通常由網(wǎng)絡(luò)參數(shù)化的小空間來(lái)提供引導(dǎo)信息。為了實(shí)現(xiàn)少樣本和跨域的故障診斷,診斷模型必須利用歷史數(shù)據(jù)來(lái)指導(dǎo)新工況中的診斷?;谀P偷脑獙W(xué)習(xí)就是這樣一種方法,它有一個(gè)外部存儲(chǔ)模塊來(lái)集成以前的故障消息。該模塊在給出新數(shù)據(jù)時(shí)進(jìn)行更改,并對(duì)查詢集的樣本進(jìn)行預(yù)測(cè)。因此,在大多數(shù)情況下,這種方法是以順序方式實(shí)現(xiàn)的,適用于時(shí)間序列數(shù)據(jù)。即元學(xué)習(xí)器fω的知識(shí)被提供給基礎(chǔ)學(xué)習(xí)器gθ,用于快速自適應(yīng)。大多數(shù)基于模型的方法具有存儲(chǔ)知識(shí)的存儲(chǔ)模塊,這使得任務(wù)特定的適應(yīng)更加容易,并限制了基礎(chǔ)學(xué)習(xí)器的參數(shù)空間,但在故障診斷中,基于模型的元學(xué)習(xí)沒(méi)有得到廣泛的研究。

    2 元學(xué)習(xí)與其他技術(shù)的融合

    上述的元學(xué)習(xí)策略及模型在一定程度上提升了在小樣本條件下深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)故障診斷的性能,但仍有改善空間。近期,除了在深度學(xué)習(xí)中結(jié)合元學(xué)習(xí)外,一些研究嘗試將元學(xué)習(xí)與半監(jiān)督學(xué)習(xí)或無(wú)監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)中的領(lǐng)域泛化等新技術(shù)結(jié)合用于提高模型的泛化能力以及在小樣本中的診斷精度,并取得了良好的效果,網(wǎng)絡(luò)的泛化性能和魯棒性也得到了進(jìn)一步改善和提高。

    XU 等[7]提出了CUMCA(Constructing Unsupervised Meta-learning Tasks with Clustering and Augmentation,利用聚類和增廣構(gòu)建無(wú)監(jiān)督元學(xué)習(xí)任務(wù))方法,利用聚類嵌入方法和數(shù)據(jù)增強(qiáng)函數(shù)構(gòu)造任務(wù),在元學(xué)習(xí)的內(nèi)外層之間建立了一種新的數(shù)據(jù)增強(qiáng)函數(shù),進(jìn)一步對(duì)增強(qiáng)數(shù)據(jù)在內(nèi)外層中的作用進(jìn)行了理論分析,并在MiniImagenet 和Omniglot 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明,該方法通過(guò)構(gòu)造合適的無(wú)監(jiān)督任務(wù)分布,使得無(wú)標(biāo)記數(shù)據(jù)集構(gòu)建的無(wú)監(jiān)督元學(xué)習(xí)任務(wù)與監(jiān)督元學(xué)習(xí)方法測(cè)試精度和泛化能力均接近。特別是在Omniglot 數(shù)據(jù)集的實(shí)驗(yàn)中,CUMCA 與監(jiān)督元學(xué)習(xí)MAML 的性能差異小于1%。

    ZHAO 等[8]提出了一種基于記憶的多源元學(xué)習(xí)(Memory-based Multi-source Meta-Learning,MML)框架,在訓(xùn)練中模擬域泛化的訓(xùn)練—測(cè)試過(guò)程,有效地提高了模型在不可見(jiàn)域上的泛化能力。此外,該模型引入了一個(gè)基于內(nèi)存的模塊和MetaBN(Meta-Batch Normalization,元批量標(biāo)準(zhǔn)化方法)以充分利用元學(xué)習(xí)的優(yōu)勢(shì)并得到進(jìn)一步的改進(jìn)。經(jīng)過(guò)大量的實(shí)驗(yàn)證明,該方法能有效提高模型對(duì)不可見(jiàn)域的泛化能力,在4種大規(guī)模ReID 數(shù)據(jù)集上的泛化性能優(yōu)于現(xiàn)有方法。

    3 研究展望

    綜上,通過(guò)整理近年元學(xué)習(xí)在小樣本故障診斷中的研究可以發(fā)現(xiàn),雖然元學(xué)習(xí)在解決樣本數(shù)量較少的故障診斷方面發(fā)揮了重要作用,但距離實(shí)際應(yīng)用仍有一定差距,還有很多問(wèn)題需要進(jìn)一步研究、探討和解決。下文從小樣本故障診斷目前所面臨的問(wèn)題入手,分析了現(xiàn)有解決方法的不足,并對(duì)相關(guān)領(lǐng)域未來(lái)的研究方向及需要解決的問(wèn)題進(jìn)行了總結(jié)和展望。

    3.1 元學(xué)習(xí)算法計(jì)算復(fù)雜

    盡管如前所述元學(xué)習(xí)在故障診斷中引起了廣泛關(guān)注,但元學(xué)習(xí)的方法擴(kuò)展和應(yīng)用仍存在一些問(wèn)題和挑戰(zhàn)。此前元學(xué)習(xí)與深度學(xué)習(xí)相結(jié)合在不同類型中發(fā)展了很多,但每種類型都有其優(yōu)缺點(diǎn)。一般來(lái)說(shuō),基于優(yōu)化的元學(xué)習(xí)由于雙層學(xué)習(xí)而具有最佳的任務(wù)泛化能力,基于度量的元學(xué)習(xí)簡(jiǎn)單,并且可以有效避免元優(yōu)化中的參數(shù)特性導(dǎo)致的過(guò)度擬合,而基于模型的元學(xué)習(xí)器中的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)靈活多變。由于基于優(yōu)化的方法需要實(shí)現(xiàn)內(nèi)層和外層學(xué)習(xí),所以計(jì)算時(shí)間長(zhǎng)。此外,元學(xué)習(xí)器在多次內(nèi)層學(xué)習(xí)后進(jìn)行更新,這需要記憶用于元參數(shù)反向傳播的中間梯度信息,對(duì)計(jì)算機(jī)的性能要求高。對(duì)于一些基于度量的方法,當(dāng)測(cè)試任務(wù)與訓(xùn)練任務(wù)差異較大時(shí),這些方法的測(cè)試精度和泛化能力將顯著降低。基于模型的元學(xué)習(xí)相較于其他2 種泛化能力較弱。

    本文認(rèn)為,為了減少計(jì)算時(shí)間以及降低對(duì)計(jì)算機(jī)的性能要求,可采用自適應(yīng)學(xué)習(xí)率策略,簡(jiǎn)化計(jì)算的同時(shí)保持模型和泛化能力。如何更好地相結(jié)合,來(lái)提高泛化能力和預(yù)測(cè)精度的同時(shí),降低計(jì)算量和資源使用量是值得進(jìn)一步研究的問(wèn)題。

    3.2 故障數(shù)據(jù)采集困難

    在實(shí)際工程中,由于機(jī)械設(shè)備的工作條件、機(jī)械結(jié)構(gòu)和時(shí)間序列數(shù)據(jù)的時(shí)間特性,數(shù)據(jù)采集既昂貴又耗時(shí)。同時(shí)采集數(shù)據(jù)的質(zhì)量取決于信號(hào)傳輸、傳感器性能、采樣頻率等,很難獲取絕對(duì)干凈且分布一致的數(shù)據(jù)。而將元學(xué)習(xí)應(yīng)用到故障診斷中時(shí),從一個(gè)任務(wù)到另一個(gè)任務(wù)的泛化在大多數(shù)情況下需要多個(gè)訓(xùn)練集進(jìn)行訓(xùn)練,然而通常不可能同時(shí)有區(qū)別地收集這么多類別的豐富的故障數(shù)據(jù),或是收集的故障數(shù)據(jù)質(zhì)量差等問(wèn)題,這將導(dǎo)致模型訓(xùn)練效果差。

    對(duì)于此問(wèn)題,本文認(rèn)為可以結(jié)合遷移學(xué)習(xí),使用已有圖像數(shù)據(jù)集來(lái)輔助模型進(jìn)行預(yù)訓(xùn)練,再將信號(hào)轉(zhuǎn)化為時(shí)頻圖,結(jié)合元學(xué)習(xí)框架對(duì)模型進(jìn)行微調(diào),解決樣本類別過(guò)多不易采集的問(wèn)題。對(duì)于質(zhì)量較低的樣本數(shù)據(jù),可以使用異常點(diǎn)剔除、均值插補(bǔ)等數(shù)據(jù)清洗方式先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,或者采用數(shù)據(jù)增強(qiáng)等方式對(duì)樣本數(shù)據(jù)進(jìn)行擴(kuò)充。如何有效地結(jié)合數(shù)據(jù)處理或遷移學(xué)習(xí)中的方法是未來(lái)解決樣本數(shù)據(jù)采集困難的重要手段和研究方向。

    4 結(jié)束語(yǔ)

    元學(xué)習(xí)在類別較少的跨域故障診斷中的泛化和小樣本問(wèn)題解決中取得了顯著的成功,但是由于計(jì)算成本高、基礎(chǔ)理論研究的欠缺以及故障數(shù)據(jù)采集等問(wèn)題,使其得到進(jìn)一步推廣變得困難。近年來(lái),一些研究將元學(xué)習(xí)框架和深度學(xué)習(xí)、域泛化相結(jié)合,或與其他技術(shù)相結(jié)合,解決了小樣本故障診斷和跨域故障診斷的問(wèn)題。本文首先闡明了元學(xué)習(xí)的相關(guān)概念,并從數(shù)學(xué)優(yōu)化的角度將故障診斷中的元學(xué)習(xí)算法分為3 類:基于優(yōu)化、基于度量和基于模型,并對(duì)這些研究進(jìn)行了調(diào)查和總結(jié),證明了元學(xué)習(xí)方法在故障診斷中的有效性,然后分析了現(xiàn)有研究的不足,對(duì)未來(lái)研究方向進(jìn)行了展望。總之,元學(xué)習(xí)方法對(duì)于小樣本的故障診斷和跨域故障診斷是一種有效的方式,但要達(dá)到實(shí)際工程應(yīng)用,仍有一些問(wèn)題亟待解決和進(jìn)一步的探索。

    猜你喜歡
    度量故障診斷深度
    有趣的度量
    模糊度量空間的強(qiáng)嵌入
    深度理解一元一次方程
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
    深度觀察
    深度觀察
    深度觀察
    地質(zhì)異常的奇異性度量與隱伏源致礦異常識(shí)別
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    国产精品 欧美亚洲| 欧美乱妇无乱码| 午夜福利在线观看吧| 久久久久性生活片| 午夜日韩欧美国产| 国产高清视频在线播放一区| 男女床上黄色一级片免费看| 99riav亚洲国产免费| 免费看日本二区| 91老司机精品| 不卡一级毛片| 亚洲精品美女久久av网站| 一边摸一边抽搐一进一小说| 国产久久久一区二区三区| 成人永久免费在线观看视频| 久久久久久人人人人人| 亚洲中文av在线| 最近在线观看免费完整版| 级片在线观看| 全区人妻精品视频| 久久精品aⅴ一区二区三区四区| 久久久国产精品麻豆| 成年人黄色毛片网站| 精品久久久久久久久久久久久| 在线十欧美十亚洲十日本专区| 国产精品精品国产色婷婷| 三级男女做爰猛烈吃奶摸视频| 日本在线视频免费播放| 精品人妻1区二区| 丁香六月欧美| 特大巨黑吊av在线直播| 欧美黄色淫秽网站| 国产视频内射| 国产精品亚洲av一区麻豆| 久久香蕉激情| 国产成人aa在线观看| 日韩大码丰满熟妇| 精品久久久久久久末码| 亚洲精品久久国产高清桃花| 久久久久国内视频| 精品免费久久久久久久清纯| 日韩av在线大香蕉| 日韩大码丰满熟妇| 中文字幕精品亚洲无线码一区| 日韩欧美国产在线观看| 亚洲熟女毛片儿| 国产免费av片在线观看野外av| cao死你这个sao货| 久久久久精品国产欧美久久久| 久久久久国产精品人妻aⅴ院| 2021天堂中文幕一二区在线观| 日韩三级视频一区二区三区| 美女 人体艺术 gogo| 亚洲 欧美一区二区三区| 亚洲中文字幕日韩| 天堂√8在线中文| 后天国语完整版免费观看| 久久国产精品人妻蜜桃| 12—13女人毛片做爰片一| 男女床上黄色一级片免费看| 99久久国产精品久久久| 欧美日韩国产亚洲二区| 美女午夜性视频免费| 制服丝袜大香蕉在线| 久久久久性生活片| 亚洲成av人片在线播放无| 91字幕亚洲| or卡值多少钱| 免费看日本二区| 欧美性长视频在线观看| 欧美日本亚洲视频在线播放| 色噜噜av男人的天堂激情| 18禁黄网站禁片免费观看直播| 久久久国产成人精品二区| 亚洲成人久久爱视频| 国产亚洲欧美98| 最近在线观看免费完整版| 亚洲欧洲精品一区二区精品久久久| 国产片内射在线| 91九色精品人成在线观看| 国产亚洲精品久久久久久毛片| 女同久久另类99精品国产91| 久久国产精品影院| 又紧又爽又黄一区二区| 99国产极品粉嫩在线观看| 在线永久观看黄色视频| 日韩三级视频一区二区三区| 国产成年人精品一区二区| 精品久久久久久久毛片微露脸| 黄色视频,在线免费观看| 国产精品自产拍在线观看55亚洲| 亚洲国产看品久久| 国产片内射在线| 欧美极品一区二区三区四区| 午夜免费观看网址| 一a级毛片在线观看| 老熟妇仑乱视频hdxx| 啦啦啦免费观看视频1| 国内揄拍国产精品人妻在线| av欧美777| 少妇熟女aⅴ在线视频| 亚洲中文日韩欧美视频| 国产午夜福利久久久久久| 免费电影在线观看免费观看| 久久久久久大精品| 可以在线观看的亚洲视频| 亚洲欧美日韩高清在线视频| 婷婷亚洲欧美| 少妇人妻一区二区三区视频| 欧美性猛交╳xxx乱大交人| 日韩有码中文字幕| 午夜精品一区二区三区免费看| 成人高潮视频无遮挡免费网站| 成人av一区二区三区在线看| 久久久久久久久久黄片| 午夜福利在线观看吧| 蜜桃久久精品国产亚洲av| 少妇熟女aⅴ在线视频| 在线视频色国产色| 黄色视频,在线免费观看| 久久久精品国产亚洲av高清涩受| 国内精品久久久久精免费| 白带黄色成豆腐渣| 亚洲国产精品999在线| 99国产综合亚洲精品| 91国产中文字幕| 国内久久婷婷六月综合欲色啪| 亚洲专区字幕在线| 国产男靠女视频免费网站| 九色成人免费人妻av| 亚洲精品久久国产高清桃花| 国产区一区二久久| 99精品在免费线老司机午夜| 在线观看免费视频日本深夜| 久久这里只有精品中国| 亚洲狠狠婷婷综合久久图片| 黄片大片在线免费观看| 精品欧美一区二区三区在线| 亚洲精品av麻豆狂野| 亚洲欧美精品综合一区二区三区| 国产野战对白在线观看| 亚洲精品美女久久av网站| 1024视频免费在线观看| 欧美成人免费av一区二区三区| 黄色毛片三级朝国网站| 麻豆久久精品国产亚洲av| 美女免费视频网站| 久久久国产精品麻豆| 国产亚洲av嫩草精品影院| 午夜成年电影在线免费观看| 国产亚洲精品一区二区www| 悠悠久久av| 欧美黑人精品巨大| 亚洲精品美女久久av网站| 一二三四社区在线视频社区8| 国产精品av久久久久免费| 午夜免费激情av| 国产久久久一区二区三区| 亚洲天堂国产精品一区在线| 成人一区二区视频在线观看| 精品无人区乱码1区二区| 日韩欧美国产一区二区入口| 天堂动漫精品| cao死你这个sao货| x7x7x7水蜜桃| 欧美久久黑人一区二区| 中文字幕av在线有码专区| 欧美高清成人免费视频www| 成人特级黄色片久久久久久久| 神马国产精品三级电影在线观看 | 日韩欧美三级三区| 在线观看美女被高潮喷水网站 | 嫁个100分男人电影在线观看| 国产亚洲欧美98| 亚洲av中文字字幕乱码综合| 欧美三级亚洲精品| 99久久精品热视频| 精品一区二区三区四区五区乱码| 一级黄色大片毛片| 久久中文字幕一级| 久久久精品大字幕| 欧美成人午夜精品| 色综合亚洲欧美另类图片| cao死你这个sao货| 99久久国产精品久久久| 日本一本二区三区精品| 欧美绝顶高潮抽搐喷水| 老熟妇仑乱视频hdxx| 色噜噜av男人的天堂激情| 国产精品自产拍在线观看55亚洲| 男人的好看免费观看在线视频 | 一进一出抽搐gif免费好疼| 午夜免费观看网址| 亚洲aⅴ乱码一区二区在线播放 | 大型黄色视频在线免费观看| 国产精品免费一区二区三区在线| 日韩高清综合在线| 午夜福利成人在线免费观看| 日韩国内少妇激情av| 日日夜夜操网爽| а√天堂www在线а√下载| 亚洲五月婷婷丁香| 亚洲国产精品久久男人天堂| 亚洲国产日韩欧美精品在线观看 | 亚洲av第一区精品v没综合| 日本一区二区免费在线视频| 国产高清videossex| 久久 成人 亚洲| 色哟哟哟哟哟哟| 久久亚洲精品不卡| 老汉色av国产亚洲站长工具| 高清毛片免费观看视频网站| 可以免费在线观看a视频的电影网站| 亚洲av成人精品一区久久| 欧美不卡视频在线免费观看 | 无人区码免费观看不卡| 九色国产91popny在线| 夜夜看夜夜爽夜夜摸| 亚洲,欧美精品.| 夜夜夜夜夜久久久久| av福利片在线观看| a级毛片a级免费在线| 国产精品永久免费网站| 村上凉子中文字幕在线| 国产精华一区二区三区| 激情在线观看视频在线高清| a级毛片a级免费在线| 成人国产综合亚洲| 日日摸夜夜添夜夜添小说| 国产三级在线视频| 国产成人影院久久av| 亚洲av成人一区二区三| 国产成年人精品一区二区| 国产成人欧美在线观看| 午夜两性在线视频| 大型av网站在线播放| 国产精品电影一区二区三区| 国产精品久久久久久精品电影| 黄色片一级片一级黄色片| 激情在线观看视频在线高清| 极品教师在线免费播放| 国产激情欧美一区二区| 在线免费观看的www视频| 两人在一起打扑克的视频| 精品少妇一区二区三区视频日本电影| 午夜亚洲福利在线播放| 真人做人爱边吃奶动态| 88av欧美| 校园春色视频在线观看| 日韩成人在线观看一区二区三区| 免费在线观看黄色视频的| 亚洲色图av天堂| 久久香蕉国产精品| 久久国产精品人妻蜜桃| 欧美黑人精品巨大| 精品欧美一区二区三区在线| 亚洲精品一区av在线观看| 俺也久久电影网| 国产免费男女视频| 黄色视频不卡| 观看免费一级毛片| 99久久精品热视频| 精品午夜福利视频在线观看一区| 人人妻人人澡欧美一区二区| 真人一进一出gif抽搐免费| 国产精品乱码一区二三区的特点| 亚洲人成77777在线视频| 亚洲欧洲精品一区二区精品久久久| 欧美日本亚洲视频在线播放| 国产成人av教育| 变态另类成人亚洲欧美熟女| 日韩av在线大香蕉| 日本熟妇午夜| 亚洲av日韩精品久久久久久密| 国产高清videossex| 久久久国产欧美日韩av| 午夜激情福利司机影院| 我的老师免费观看完整版| 国产成人精品久久二区二区91| 丁香六月欧美| 天堂√8在线中文| 丰满人妻熟妇乱又伦精品不卡| 最好的美女福利视频网| 国产成人一区二区三区免费视频网站| 久久久久国产精品人妻aⅴ院| 一区福利在线观看| 色播亚洲综合网| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 18禁黄网站禁片免费观看直播| 两个人视频免费观看高清| 老司机午夜福利在线观看视频| 亚洲国产精品合色在线| 国产精品久久久人人做人人爽| 高清毛片免费观看视频网站| 亚洲av成人精品一区久久| 亚洲真实伦在线观看| 久久久久久久精品吃奶| 精品国内亚洲2022精品成人| 最好的美女福利视频网| 午夜福利在线观看吧| 啦啦啦韩国在线观看视频| 97碰自拍视频| 欧美乱色亚洲激情| 一级a爱片免费观看的视频| 大型av网站在线播放| 久久人妻av系列| 神马国产精品三级电影在线观看 | 国产亚洲精品综合一区在线观看 | 丰满人妻熟妇乱又伦精品不卡| 男人舔女人的私密视频| 18禁美女被吸乳视频| 国产av一区在线观看免费| 少妇粗大呻吟视频| 亚洲七黄色美女视频| 久久热在线av| 无遮挡黄片免费观看| 91国产中文字幕| 亚洲中文日韩欧美视频| 久久婷婷人人爽人人干人人爱| 99久久国产精品久久久| 免费无遮挡裸体视频| 老汉色av国产亚洲站长工具| 亚洲成a人片在线一区二区| 欧美激情久久久久久爽电影| 99久久精品热视频| 后天国语完整版免费观看| 亚洲精品av麻豆狂野| av天堂在线播放| 俄罗斯特黄特色一大片| 成年免费大片在线观看| 99国产精品一区二区三区| 亚洲国产精品sss在线观看| 一级片免费观看大全| 夜夜躁狠狠躁天天躁| 国产精品综合久久久久久久免费| 久久伊人香网站| 香蕉久久夜色| 香蕉av资源在线| 午夜精品久久久久久毛片777| netflix在线观看网站| 亚洲美女黄片视频| 啪啪无遮挡十八禁网站| 欧美久久黑人一区二区| 此物有八面人人有两片| 国产精品久久久久久人妻精品电影| 亚洲男人的天堂狠狠| 日本黄大片高清| 久久久久久国产a免费观看| 欧美一级毛片孕妇| 一二三四在线观看免费中文在| 国产三级黄色录像| 成人亚洲精品av一区二区| 国产99白浆流出| 90打野战视频偷拍视频| 国产精品永久免费网站| 此物有八面人人有两片| 中国美女看黄片| 日韩欧美在线乱码| 色综合站精品国产| 波多野结衣巨乳人妻| 亚洲av成人av| 日日夜夜操网爽| 十八禁网站免费在线| 欧美久久黑人一区二区| 波多野结衣高清作品| 国产又黄又爽又无遮挡在线| 精品乱码久久久久久99久播| 欧美久久黑人一区二区| 国产欧美日韩精品亚洲av| 黄色a级毛片大全视频| 亚洲色图av天堂| 国产野战对白在线观看| 欧美色欧美亚洲另类二区| 99久久久亚洲精品蜜臀av| 成人手机av| 久久精品91蜜桃| 十八禁人妻一区二区| 国产精品一区二区精品视频观看| 在线观看午夜福利视频| 久久香蕉精品热| 18禁裸乳无遮挡免费网站照片| 久久国产精品影院| 午夜福利视频1000在线观看| 中文亚洲av片在线观看爽| 最近最新免费中文字幕在线| 亚洲熟女毛片儿| 在线观看免费日韩欧美大片| 免费在线观看影片大全网站| 亚洲一卡2卡3卡4卡5卡精品中文| 男人舔女人的私密视频| 亚洲成a人片在线一区二区| 最好的美女福利视频网| 老司机午夜福利在线观看视频| 国产在线观看jvid| www.精华液| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲成人免费电影在线观看| 久久性视频一级片| 黄色 视频免费看| 午夜精品久久久久久毛片777| 国产高清视频在线播放一区| 很黄的视频免费| 男女午夜视频在线观看| 首页视频小说图片口味搜索| 国产精品香港三级国产av潘金莲| 国产久久久一区二区三区| 国产蜜桃级精品一区二区三区| 欧美国产日韩亚洲一区| 国产91精品成人一区二区三区| 精品久久久久久久久久久久久| 国产私拍福利视频在线观看| 怎么达到女性高潮| 九九热线精品视视频播放| 久久午夜综合久久蜜桃| 美女午夜性视频免费| 99久久综合精品五月天人人| 在线永久观看黄色视频| 国内精品久久久久精免费| 亚洲精品国产精品久久久不卡| 国产激情偷乱视频一区二区| 日韩欧美免费精品| www日本在线高清视频| 免费搜索国产男女视频| 亚洲电影在线观看av| 麻豆成人午夜福利视频| 欧美又色又爽又黄视频| 国产成人欧美在线观看| 久久婷婷人人爽人人干人人爱| 中文在线观看免费www的网站 | 国产午夜精品论理片| а√天堂www在线а√下载| 精品福利观看| 午夜精品在线福利| 伊人久久大香线蕉亚洲五| 亚洲成a人片在线一区二区| 97人妻精品一区二区三区麻豆| 色综合欧美亚洲国产小说| 久久99热这里只有精品18| 男女那种视频在线观看| 国产精品日韩av在线免费观看| netflix在线观看网站| 黄频高清免费视频| 黄色成人免费大全| 香蕉国产在线看| 成人国产一区最新在线观看| 三级毛片av免费| 老熟妇仑乱视频hdxx| 丝袜美腿诱惑在线| 18禁国产床啪视频网站| 精品欧美国产一区二区三| 色老头精品视频在线观看| 我的老师免费观看完整版| 精品国产亚洲在线| 亚洲aⅴ乱码一区二区在线播放 | 丁香欧美五月| 中文字幕精品亚洲无线码一区| 亚洲电影在线观看av| 国产成人精品无人区| 亚洲成av人片在线播放无| 亚洲精品粉嫩美女一区| 日韩欧美国产在线观看| 国产真人三级小视频在线观看| 两性夫妻黄色片| 久久久久国产精品人妻aⅴ院| 久久香蕉国产精品| 国产高清videossex| 欧美av亚洲av综合av国产av| 非洲黑人性xxxx精品又粗又长| 国产午夜福利久久久久久| 最近最新免费中文字幕在线| 亚洲欧美日韩东京热| 国内毛片毛片毛片毛片毛片| 波多野结衣巨乳人妻| 长腿黑丝高跟| 两个人看的免费小视频| 色综合亚洲欧美另类图片| 精品久久久久久成人av| 在线视频色国产色| 国产日本99.免费观看| 91字幕亚洲| 日本一区二区免费在线视频| 我的老师免费观看完整版| 午夜福利视频1000在线观看| 在线观看免费视频日本深夜| 色精品久久人妻99蜜桃| 激情在线观看视频在线高清| 亚洲av第一区精品v没综合| 熟妇人妻久久中文字幕3abv| 最近视频中文字幕2019在线8| 男女午夜视频在线观看| 999久久久国产精品视频| 叶爱在线成人免费视频播放| 精品国内亚洲2022精品成人| 深夜精品福利| 88av欧美| 国产探花在线观看一区二区| 免费电影在线观看免费观看| 高清在线国产一区| 天天躁夜夜躁狠狠躁躁| 国产亚洲av嫩草精品影院| 国产精品98久久久久久宅男小说| 国产黄色小视频在线观看| 99热这里只有是精品50| 无遮挡黄片免费观看| 99久久精品国产亚洲精品| 成人三级黄色视频| 狂野欧美白嫩少妇大欣赏| 一区二区三区激情视频| 免费搜索国产男女视频| 亚洲色图av天堂| 中国美女看黄片| 欧美乱码精品一区二区三区| 国产精品免费一区二区三区在线| 国产人伦9x9x在线观看| 男女下面进入的视频免费午夜| 亚洲欧美精品综合久久99| 欧美+亚洲+日韩+国产| 免费看美女性在线毛片视频| 搡老熟女国产l中国老女人| 国产一区二区激情短视频| 脱女人内裤的视频| 99在线人妻在线中文字幕| 真人做人爱边吃奶动态| 成在线人永久免费视频| 亚洲成av人片在线播放无| 99在线人妻在线中文字幕| 欧美色视频一区免费| 国产av一区在线观看免费| 国产成人系列免费观看| 麻豆国产av国片精品| 麻豆久久精品国产亚洲av| 给我免费播放毛片高清在线观看| 日韩中文字幕欧美一区二区| 成年人黄色毛片网站| 日韩免费av在线播放| 在线看三级毛片| 2021天堂中文幕一二区在线观| 91麻豆av在线| 一进一出好大好爽视频| 亚洲人成网站高清观看| 久久精品影院6| 9191精品国产免费久久| 成人高潮视频无遮挡免费网站| av视频在线观看入口| 少妇熟女aⅴ在线视频| 啪啪无遮挡十八禁网站| 亚洲欧美日韩东京热| 欧美成人性av电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 久久婷婷成人综合色麻豆| 真人一进一出gif抽搐免费| 在线观看日韩欧美| 中文字幕av在线有码专区| 久久中文看片网| 欧美另类亚洲清纯唯美| 国产av在哪里看| tocl精华| 黄色 视频免费看| 最近最新免费中文字幕在线| 日韩欧美在线二视频| 香蕉av资源在线| 亚洲在线自拍视频| 99在线人妻在线中文字幕| 黑人操中国人逼视频| 91av网站免费观看| 又黄又粗又硬又大视频| 黄色视频,在线免费观看| 搞女人的毛片| 一边摸一边抽搐一进一小说| 国产高清视频在线播放一区| 久久久久性生活片| 亚洲美女黄片视频| 熟女少妇亚洲综合色aaa.| 精品国产美女av久久久久小说| xxx96com| 精品久久久久久久毛片微露脸| 欧美 亚洲 国产 日韩一| 18禁美女被吸乳视频| 在线a可以看的网站| 18禁黄网站禁片午夜丰满| 日韩成人在线观看一区二区三区| 亚洲男人的天堂狠狠| 天堂动漫精品| 国产亚洲精品av在线| a级毛片在线看网站| 亚洲精品中文字幕在线视频| 97超级碰碰碰精品色视频在线观看| 18禁黄网站禁片免费观看直播| 在线播放国产精品三级| 国产精品免费一区二区三区在线| 一级毛片女人18水好多| 国产精品九九99| 日韩国内少妇激情av| 这个男人来自地球电影免费观看| 日本黄大片高清| 亚洲五月婷婷丁香| 欧美又色又爽又黄视频| 久久伊人香网站| 国产欧美日韩精品亚洲av| 久久精品国产综合久久久| 最近最新免费中文字幕在线| 日韩欧美 国产精品| 少妇的丰满在线观看| 日本 av在线| 国产激情欧美一区二区| 舔av片在线| 成人国产综合亚洲| 这个男人来自地球电影免费观看| 午夜福利高清视频| 亚洲第一欧美日韩一区二区三区| 久久精品国产亚洲av香蕉五月| 国产精品一区二区免费欧美| 久久香蕉国产精品| 岛国在线观看网站|