• <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 ?

    基于有限元與改進SVM的飛行器結(jié)構(gòu)無損檢測模型設計

    2024-10-17 00:00:00朱淑云曾萍萍
    現(xiàn)代電子技術(shù) 2024年20期
    關(guān)鍵詞:有限元分類優(yōu)化

    摘" 要: 針對傳統(tǒng)飛行器結(jié)構(gòu)無損檢測中存在的準確度低且易造成二次破壞等問題,以有限元仿真為數(shù)據(jù)基礎(chǔ),提出一種基于改進支持向量機的飛行器結(jié)構(gòu)無損檢測模型。該模型使用主元分析法對數(shù)據(jù)主特征進行分析,解決了有限元仿真數(shù)據(jù)維度高的問題;利用二叉樹的思想改進了傳統(tǒng)支持向量機,使其具備多特征分類能力,并對多數(shù)據(jù)特征加以分類,提高了模型的收斂準確度;還通過引入粒子群算法優(yōu)化多分類向量機的懲罰因子及核函數(shù)參數(shù)。實驗測試結(jié)果表明,所提模型可實現(xiàn)分類器參數(shù)的性能優(yōu)化,平均分類準確率較對比算法提升了約1.4%。

    關(guān)鍵詞: 飛行器結(jié)構(gòu); 無損檢測; 支持向量機; 有限元仿真; 主元分析法; 粒子群算法; 主特征分析; 二叉樹

    中圖分類號: TN911.73?34; TP391" " " " " " " " " "文獻標識碼: A" " " " " " " " " 文章編號: 1004?373X(2024)20?0136?05

    Design of aircraft structure nondestructive testing model based on finite

    element and improved SVM

    ZHU Shuyun, ZENG Pingping

    (School of Mechanical and Electronic Engineering, Gandong University, Fuzhou 344000, China)

    Abstract: In allusion to the problems of low accuracy and easy to cause secondary damage in the traditional nondestructive testing of aircraft structure, a aircraft structure nondestructive testing model based on improved support vector machine (SVM) is proposed based on finite element simulation data. In the model, the principal component analysis (PCA) is used to analyze the main characteristics of the data, so as to solve the high dimension of finite element simulation data. The traditional SVM is improved by means of the idea of binary tree to make it have the ability of multi?feature classification and classification of multi?data features, and the convergence accuracy of the model is improved. The particle swarm optimization (PSO) is also introduced to optimize the penalty factor and kernel function parameters of the multi?classification vector machine. The experimental testing results show that the proposed model can realize the performance optimization of classifier parameters, with an average classification accuracy improvement of about 1.4% compared with the comparative algorithm.

    Keywords: aircraft structure; non?destructive testing; support vector machine; finite element simulation; principal component analysis; particle swarm optimization; principal feature analysis; binary tree

    0" 引" 言

    隨著航天技術(shù)的飛速發(fā)展,飛行器的結(jié)構(gòu)愈加復雜,系統(tǒng)的設計難度也越來越大。同時由于飛行器所處的環(huán)境也較為復雜,可能會存在多個物理場的耦合,例如磁場、電場及熱場等[1?3]。對于多種物理場的耦合,其在一定程度上會影響飛行器整體結(jié)構(gòu)的穩(wěn)定性。而對飛行器整體結(jié)構(gòu)而言,物理場中的機械振動、氣動噪聲、熱噪聲等均會對結(jié)構(gòu)強度產(chǎn)生影響。

    通常,主要是利用傳感器網(wǎng)絡及在線監(jiān)測兩種方式來對飛行器結(jié)構(gòu)的關(guān)鍵指標進行電氣性能檢測。而結(jié)構(gòu)檢測則使用破壞建模的方法將受損部位進行切分,再利用三維仿真對該受損部位加以分析,最終得到結(jié)構(gòu)強度結(jié)果??梢钥闯?,此種檢測方式是以破壞飛行器結(jié)構(gòu)為基礎(chǔ)的,因此不可避免地會對飛行器產(chǎn)生二次損傷,即該種方式并非檢測及驗收的最優(yōu)方案。文中以三維有限元(3?Dimensional Finite Element Method, 3D?FEM)仿真為數(shù)據(jù)基礎(chǔ),采用改進支持向量機(Support Vector Machine, SVM)作為分析算法,設計了一種飛行器結(jié)構(gòu)無損檢測方法。

    1" 飛行器無損結(jié)構(gòu)檢測算法

    1.1" 基于PCA的數(shù)據(jù)預處理算法

    主成分分析法[4?5](Principal Component Analysis, PCA)是一種應用廣泛的數(shù)據(jù)降維預處理算法。其主要思想是在保留更多數(shù)據(jù)特征信息的同時,減少各變量間的相關(guān)性質(zhì)。由于本文涉及到的變量較多,因此優(yōu)先使用PCA對數(shù)據(jù)進行降維,進而簡化問題。

    假設樣本數(shù)據(jù)矩陣為:

    [X=x11x12…x1mx21x22…x2m????xN1xN2…xNm]" " (1)

    PCA算法的執(zhí)行流程如下。

    1) 矩陣標準化。即對矩陣進行標準化處理,以得到矩陣Y,其元素為:

    [Yij=xij-xjSj]" " " (2)

    式中:[Sj]為標準差;[xj]為平均值。[Sj]和[xj]的計算公式如下:

    [Sj=1Ni=1Nxij-xj212]" " (3)

    [xj=1Ni=1Nxij]" " " " (4)

    2) 計算協(xié)方差矩陣與特征值λi,同時按照特征值的大小進行排列,進而得到對應的特征向量。其中,協(xié)方差矩陣的計算方法為:

    [R=1m-1YTY]" " " "(5)

    3) 求解主成分貢獻率,其可表征如下:

    [δ=i=1kλii=1mλi]" " " "(6)

    再根據(jù)貢獻率的大小確定主成分的數(shù)量,進而得到低維矩陣:

    [Yk=Y×ek]" " " " " "(7)

    式中[ek]為投影矩陣。該矩陣內(nèi)的元素值為:

    [ei=Eiλi]" " " " "(8)

    式中[Ei]為原矩陣的對應元素數(shù)值。

    1.2" 多分類SVM算法

    基礎(chǔ)支持向量機[6?8]模型是一種線性分類結(jié)構(gòu)。其分類思想是創(chuàng)建兩種特征向量空間,且使向量間的距離最大。該算法的分類方法如圖1所示。

    圖1中,C1及C2表示兩類不同的數(shù)據(jù)空間,而這兩類數(shù)據(jù)由H平面進行分割。其中,H1與H2分別為距離樣本空間C1和C2最近的平行直線。算法性能的優(yōu)劣是通過平面H到H1、H2的距離進行判斷的,距離越大則表示算法性能越優(yōu)。

    假設平面H的函數(shù)為:

    [g(x)=wTx+b=0]" " " (9)

    式中:x是數(shù)據(jù)的特征向量集合;w是H超平面的法向量;T為轉(zhuǎn)置符號;b為函數(shù)偏置量。因此,算法最終應求解w和b的值。假設數(shù)據(jù)樣本為(xi,yi),xi表示第i個數(shù)據(jù)特征值,yi表示第i個數(shù)據(jù)類型,則數(shù)據(jù)中某一點到H面的距離可表征如下:

    [di=yiwxi+b]" nbsp; " (10)

    H1和H2面的表達式為:

    [H1=wTx+b=1H2=wTx+b=-1 ]" " (11)

    而優(yōu)化目標及限制條件為:

    [min12w2+Ci=1Nξis.t." " yi(wxi+b)-1≥0, i=1,2,…,N]" " (12)

    式中:N為樣本總數(shù)量;C為懲罰因子。

    由于基礎(chǔ)SVM算法的研究對象是線性可分的數(shù)據(jù)集合,但實際數(shù)據(jù)通常具有非線性的特征,因此,采用核函數(shù)對數(shù)據(jù)類型進行轉(zhuǎn)換,將高維非線性數(shù)據(jù)轉(zhuǎn)換為低維線性數(shù)據(jù)。本次選擇徑向基函數(shù)(Radial Basis Function, RBF)作為核函數(shù),其對小樣本數(shù)據(jù)的兼容性較優(yōu),收斂范圍也更大。該函數(shù)的表達式為:

    [Kx,xi=exp-γx-xi2]" (13)

    式中,調(diào)節(jié)參數(shù)γ的取值很重要,不恰當?shù)娜≈禃绊懛诸惤Y(jié)果,且會出現(xiàn)過擬合的問題。因此,在后續(xù)算法中需對γ的取值進行優(yōu)化。

    傳統(tǒng)SVM算法在解決線性或非線性問題時,僅能做到二分類。但本文飛機結(jié)構(gòu)導致的問題種類較多,并非僅限于二分類,故還需對SVM算法進行分類擴展。常見的多分類SVM算法有一對多法(One?Versus?Rest, OVR)、一對一法(One?Versus?One, OVO)以及二叉樹法(Binary Tree)等。本文選擇二叉樹多分類法[9?11],該方法相較其他方法的優(yōu)勢在于沒有不可分割的數(shù)據(jù),即數(shù)據(jù)的所有特征均可被分類。二叉樹多分類算法結(jié)構(gòu)特征如圖2所示。

    1.3" 基于粒子群算法的參數(shù)優(yōu)化方法

    粒子群算法[12?16](Particle Swarm Optimization, PSO)是一種元啟發(fā)式的仿生優(yōu)化算法,其模擬了鳥群的遷移特性。該算法的核心思想是粒子個體間的信息更迭,同時可利用粒子速度的更新及位置優(yōu)化實現(xiàn)全局方向的最優(yōu)解。

    假設粒子群個體數(shù)量為N,維度為m,則每個粒子個體均可表示為:

    [xi=xi,1,xi,2,…,xi,m, i=1,2,…,N] (14)

    設每個個體的運動速度為[vi],則速度集合表示如下:

    [vi=vi,1,vi,2,…,vi,m]" " "(15)

    基本粒子群算法的個體位置P及速度V的更新公式如下所示:

    [Vk+1i,m=Vki,m+c1r1Pki,m-Xki,m+c2r2Pkg,m-Xki,m] (16)

    [Xk+1i,m=Xki,m+Vk+1i,m]" " " (17)

    式中:[Vki,m]和[Vk+1i,m]分別為個體在k時刻和k+1時刻的移動速度;[Xki,m]和[Xk+1i,m]分別為個體在k時刻和k+1時刻的位置;c1、c2為學習參量;r1、r2為隨機數(shù)。

    粒子群算法的執(zhí)行步驟如圖3所示。

    首先對粒子群參數(shù)進行初始化操作,再通過上述方法對粒子的位置和速度進行優(yōu)化與更新,直至遍歷完所有群體為止。

    1.4" 基于PCA?PSO?MCSVM的飛行器結(jié)構(gòu)無損檢測算法

    文中利用PSO對多分類SVM算法(Multi Classification Support Vector Machine, MCSVM)進行參數(shù)優(yōu)化,采用PCA算法對高維數(shù)據(jù)進行降維,算法的關(guān)鍵步驟如下。

    1) 初始化二叉樹SVM算法中SVM1的參數(shù),其中懲罰因子C1的優(yōu)化區(qū)間為[0.2,800],核函數(shù)參數(shù)優(yōu)化區(qū)間為[0.2,100]。而學習因子按照經(jīng)驗值設定為2,種群個體設定為30個,最大的種群迭代次數(shù)則為150次。

    2) 將SVM1的檢測與真實結(jié)果加以對比,并將差值定義為適應度值。

    3) 更新粒子群個體的適應度值。

    4) 根據(jù)粒子群位置及速度迭代公式,對粒子的位置和速度進行優(yōu)化與更新。

    5) 構(gòu)造SVM2的數(shù)據(jù)集合,并使用PCA算法優(yōu)化及更新特征。

    6) 對SVM2進行參數(shù)優(yōu)化。

    最終得到本文算法流程,如圖4所示。

    2" 實驗測試

    2.1" 實驗數(shù)據(jù)集獲取

    本文以國產(chǎn)某機型為例來驗證算法。飛機模型使用有限元軟件ANSYS R18.1完成建模與結(jié)構(gòu)仿真。某飛機模型的仿真結(jié)果如圖5所示。

    數(shù)據(jù)集合以建模坐標系為參考,將應力仿真數(shù)據(jù)按照坐標構(gòu)建矩陣集合。同時,使用工作正常和故障已知的飛機作為訓練數(shù)據(jù)集合,而將試產(chǎn)待出庫的飛機作為驗證數(shù)據(jù)集,進而對飛機進行無損結(jié)構(gòu)檢測。按照飛機受損方式的不同,將其結(jié)構(gòu)故障分為4種類別,具體如表1所示。

    同時將ANSYS作為建模仿真平臺,還將Matlab作為算法實現(xiàn)平臺。實驗配置信息如表2所示。

    2.2" 仿真結(jié)果分析與對比

    利用PSO算法,根據(jù)實驗仿真數(shù)據(jù)對各項參數(shù)進行優(yōu)化,并使用PCA提取主元個數(shù)。由于主元個數(shù)的不同,模型分類精度也會有所不同。主元個數(shù)對模型精度以及算法運行時間的影響如表3所示。

    從表3中可看出,隨著PCA主元個數(shù)的增加,分類精度也有所提升。綜合考慮分類精度與算法運行時間,此次選擇的PCA主元個數(shù)為8。

    通過優(yōu)化算法最終得到的訓練參數(shù)如下:懲罰因子C1為0.9,核函數(shù)值為0.2。

    在對比實驗測試中,使用基礎(chǔ)SVM算法、遺傳優(yōu)化算法(GA?SVM)、主成分分析法(PCA?SVM)及本文算法進行對比。對比結(jié)果為模型的分類準確率,而結(jié)構(gòu)故障類型則使用表1中的信息。實驗測試時,具有優(yōu)化結(jié)構(gòu)的對比算法首先需要對SVM進行參數(shù)優(yōu)化,之后再進行分類準確度測試。最終測試結(jié)果如表4所示。

    由表4可知,基礎(chǔ)SVM算法的分類準確率較差,因此其在飛機結(jié)構(gòu)無損檢測中造成的誤差最大;而本文算法的平均準確率是92.38%,在對比算法中最高,且相較其他算法的分類準確率均有一定提升,平均提高了約1.4%。由此證明,本文算法的性能較優(yōu),故可應用于飛行器結(jié)構(gòu)的無損檢測中。

    3" 結(jié)" 語

    常規(guī)飛行器結(jié)構(gòu)無損檢測方式的效率較低,同時還易造成二次破壞。故本文以三維有限元仿真為數(shù)據(jù)基礎(chǔ),通過改進的SVM算法進行數(shù)據(jù)分析,提出了一種飛行器結(jié)構(gòu)無損檢測方法。本文方法利用PCA對有限元仿真數(shù)據(jù)進行主元提取,并采用多分類SVM算法對故障類型加以分類,再使用PSO算法對SVM的參數(shù)完成優(yōu)化。實驗結(jié)果表明,本文算法相較其他對比算法,平均準確率提高了約1.4%,證明了該算法性能的優(yōu)越性。

    參考文獻

    [1] 孫浩.磁場干擾下高超聲速飛行器逆向噴流減阻數(shù)值模擬研究[D].哈爾濱:哈爾濱工業(yè)大學,2021.

    [2] 鐵鳴,于盈,張星,等.基于HPC的多學科多物理場耦合虛擬飛行試驗方法[J].系統(tǒng)仿真學報,2019,31(9):1733?1740.

    [3] 鄭玲,左益芳,孟繁童,等.高超聲速飛行器多物理場耦合及熱防護技術(shù)研究綜述[J].裝備環(huán)境工程,2018,15(11):60?64.

    [4] 戎凱旋,韓新力,張學攀,等.基于SVT變換的改進PCA多光譜圖像融合[J].電子科技,2018,31(6):13?16.

    [5] 馮安然,王旭仁,汪秋云,等.基于PCA和隨機樹的數(shù)據(jù)庫異常訪問檢測[J].計算機科學,2020,47(9):94?98.

    [6] 姜雯,吳陳.基于自適應粒子群的SVM參數(shù)優(yōu)化研究[J].計算機與數(shù)字工程,2021,49(7):1302?1304.

    [7] 徐龍飛,郁進明.基于ML loss的SVM分類算法[J].計算機應用研究,2021,38(2):435?439.

    [8] 張忠林,馮宜邦,趙中愷.一種基于SVM的非均衡數(shù)據(jù)集過采樣方法[J].計算機工程與應用,2020,56(23):220?228.

    [9] 宋曉婉,黃樹成.一種基于SVM的多類文本二叉樹分類算法[J].計算機與數(shù)字工程,2020,48(8):1835?1839.

    [10] 李君娣.二叉樹SVM的多分類組合評價指標[D].南京:南京理工大學,2018.

    [11] 姜佳輝,包永強,邵琪.一種改進的偏二叉樹孿生支持向量機算法及其應用[J].計算機測量與控制,2020,28(3):201?205.

    [12] 杜美君,張偉,謝亞蓮.基于粒子群算法的PID控制器參數(shù)優(yōu)化[J].電子科技,2019,32(6):7?11.

    [13] 劉祖林,張家偉,宋翌,等.一種基于PSO算法的群體決策新方法[J].廣西大學學報(自然科學版),2021,46(6):1694?1701.

    [14] 馮穎,高文華,康琳.基于粒子間距調(diào)整改進PSO算法[J].太原科技大學學報,2021,42(6):463?468.

    [15] 孫晶,徐曉雅,趙會群.基于PSO優(yōu)化博弈的區(qū)塊鏈共識算法[J].計算機應用與軟件,2021,38(12):251?261.

    [16] 李華,劉占偉,郭育艷.并行PSO結(jié)合粗糙集的大數(shù)據(jù)屬性約簡算法[J].計算機工程與設計,2020,41(8):2238?2244.

    作者簡介:朱淑云(1985—),女,江西余干人,碩士研究生,副教授,研究方向為系統(tǒng)級自動控制策略。

    DOI:10.16652/j.issn.1004?373x.2024.20.021

    引用格式:朱淑云,曾萍萍.基于有限元與改進SVM的飛行器結(jié)構(gòu)無損檢測模型設計[J].現(xiàn)代電子技術(shù),2024,47(20):136?140.

    收稿日期:2024?01?24" " " " " "修回日期:2024?03?13

    基金項目:江西省教育廳科技項目(GJJ2203915)

    猜你喜歡
    有限元分類優(yōu)化
    超限高層建筑結(jié)構(gòu)設計與優(yōu)化思考
    民用建筑防煙排煙設計優(yōu)化探討
    關(guān)于優(yōu)化消防安全告知承諾的一些思考
    分類算一算
    一道優(yōu)化題的幾何解法
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    磨削淬硬殘余應力的有限元分析
    基于SolidWorks的吸嘴支撐臂有限元分析
    精品熟女少妇av免费看| 国产熟女欧美一区二区| 午夜免费男女啪啪视频观看| 久久婷婷青草| 国产深夜福利视频在线观看| 国产精品久久久久久久电影| 九草在线视频观看| 99国产精品免费福利视频| 人人妻人人看人人澡| 国产精品人妻久久久久久| 国产淫语在线视频| 中文字幕制服av| 国产69精品久久久久777片| 国产精品国产三级国产专区5o| 亚洲国产精品成人久久小说| 国产高清有码在线观看视频| 日日摸夜夜添夜夜爱| 国产精品久久久久久精品电影小说| 亚洲国产最新在线播放| 最近手机中文字幕大全| 少妇熟女欧美另类| 国产精品久久久久久精品电影小说| 精品人妻熟女av久视频| a 毛片基地| 亚洲精品aⅴ在线观看| 日韩一区二区视频免费看| 美女中出高潮动态图| 一级毛片aaaaaa免费看小| h视频一区二区三区| 成年女人在线观看亚洲视频| 美女中出高潮动态图| 国产精品国产av在线观看| kizo精华| 国产伦理片在线播放av一区| 午夜视频国产福利| 亚洲丝袜综合中文字幕| 少妇的逼水好多| 国产在线男女| 久久这里有精品视频免费| 少妇被粗大的猛进出69影院 | 久久人妻熟女aⅴ| 亚洲av二区三区四区| 中国美白少妇内射xxxbb| 久久婷婷青草| 91精品一卡2卡3卡4卡| 亚洲精品一二三| 91精品一卡2卡3卡4卡| av视频免费观看在线观看| 精品一品国产午夜福利视频| 国产色爽女视频免费观看| 成人综合一区亚洲| 国产淫语在线视频| 91精品一卡2卡3卡4卡| 黄色配什么色好看| 国产黄片美女视频| 国产精品久久久久久久电影| 亚洲成色77777| 三级经典国产精品| 免费观看av网站的网址| 日韩欧美 国产精品| 在线看a的网站| 国产永久视频网站| 久久久亚洲精品成人影院| 国产黄色免费在线视频| 黄片无遮挡物在线观看| 美女大奶头黄色视频| 纵有疾风起免费观看全集完整版| 男人舔奶头视频| 久久99蜜桃精品久久| 成人国产麻豆网| 一级片'在线观看视频| 偷拍熟女少妇极品色| 久久97久久精品| 国产精品熟女久久久久浪| 人妻少妇偷人精品九色| 午夜久久久在线观看| 免费看av在线观看网站| 久久精品夜色国产| 最后的刺客免费高清国语| 乱人伦中国视频| 人妻少妇偷人精品九色| 国产无遮挡羞羞视频在线观看| 老熟女久久久| 日韩电影二区| 伦精品一区二区三区| 免费观看在线日韩| 亚洲精品日韩av片在线观看| 色吧在线观看| 亚洲国产欧美在线一区| 国产精品女同一区二区软件| 午夜福利影视在线免费观看| 国产黄色视频一区二区在线观看| 高清毛片免费看| 欧美一级a爱片免费观看看| 日韩成人伦理影院| 久久久久久久久久人人人人人人| 成人毛片a级毛片在线播放| 国产真实伦视频高清在线观看| 18禁在线播放成人免费| 有码 亚洲区| 久久国产亚洲av麻豆专区| 欧美日韩国产mv在线观看视频| 中文乱码字字幕精品一区二区三区| 久热久热在线精品观看| 在线观看免费视频网站a站| 国产高清不卡午夜福利| 国产精品偷伦视频观看了| 一级毛片 在线播放| 人人妻人人添人人爽欧美一区卜| 2021少妇久久久久久久久久久| 日本黄色片子视频| 中文字幕人妻熟人妻熟丝袜美| 九九爱精品视频在线观看| 午夜视频国产福利| 精品酒店卫生间| 国产精品一区二区性色av| 精品久久久久久久久亚洲| 97超视频在线观看视频| 久久综合国产亚洲精品| 最近手机中文字幕大全| 国产视频内射| 中文在线观看免费www的网站| 夜夜爽夜夜爽视频| 99国产精品免费福利视频| av网站免费在线观看视频| 最近最新中文字幕免费大全7| 亚洲av电影在线观看一区二区三区| 97精品久久久久久久久久精品| 亚洲无线观看免费| 九九久久精品国产亚洲av麻豆| 人妻人人澡人人爽人人| 午夜视频国产福利| 最黄视频免费看| 少妇猛男粗大的猛烈进出视频| 日本91视频免费播放| 欧美日韩综合久久久久久| 777米奇影视久久| 少妇人妻精品综合一区二区| 九草在线视频观看| 亚洲精品色激情综合| 国产精品99久久99久久久不卡 | 精品熟女少妇av免费看| 国产日韩一区二区三区精品不卡 | av黄色大香蕉| 久久免费观看电影| 久久6这里有精品| 精品亚洲成a人片在线观看| 久久99一区二区三区| 国产精品一区二区在线不卡| 乱人伦中国视频| 亚洲国产精品一区二区三区在线| 成人18禁高潮啪啪吃奶动态图 | 免费黄频网站在线观看国产| 22中文网久久字幕| 人人妻人人添人人爽欧美一区卜| 少妇精品久久久久久久| 人体艺术视频欧美日本| 人人妻人人澡人人看| 丝袜在线中文字幕| 男人狂女人下面高潮的视频| 日本欧美视频一区| 亚洲成色77777| 日本与韩国留学比较| 久久久精品94久久精品| 欧美 亚洲 国产 日韩一| 亚洲av不卡在线观看| 亚洲,欧美,日韩| 22中文网久久字幕| 99热网站在线观看| av国产精品久久久久影院| 简卡轻食公司| av黄色大香蕉| 亚洲欧美成人精品一区二区| 国产有黄有色有爽视频| 亚洲天堂av无毛| 色哟哟·www| 国产美女午夜福利| 日韩一区二区视频免费看| 美女脱内裤让男人舔精品视频| 亚洲美女黄色视频免费看| 有码 亚洲区| 亚洲欧美日韩卡通动漫| 美女福利国产在线| 99热6这里只有精品| 午夜免费观看性视频| 国产精品一区二区性色av| 97超视频在线观看视频| 国产av精品麻豆| 欧美bdsm另类| 精品午夜福利在线看| 国产在视频线精品| 99热这里只有精品一区| 91精品一卡2卡3卡4卡| 久久久久久久久久久久大奶| 国产黄频视频在线观看| 久久ye,这里只有精品| 国产老妇伦熟女老妇高清| 中文字幕人妻熟人妻熟丝袜美| 黄色日韩在线| 久久99蜜桃精品久久| 狂野欧美激情性xxxx在线观看| 亚洲av免费高清在线观看| 新久久久久国产一级毛片| 亚洲欧美日韩东京热| 亚洲天堂av无毛| 黑人猛操日本美女一级片| 最近的中文字幕免费完整| 久久狼人影院| 99视频精品全部免费 在线| 亚洲综合色惰| 美女福利国产在线| 特大巨黑吊av在线直播| 成人午夜精彩视频在线观看| 国产精品一区二区性色av| 亚洲国产日韩一区二区| 久久久国产精品麻豆| 成人黄色视频免费在线看| 一级a做视频免费观看| 最后的刺客免费高清国语| 久久精品国产亚洲av天美| 伊人久久精品亚洲午夜| 亚洲精品久久久久久婷婷小说| 免费av中文字幕在线| 国产片特级美女逼逼视频| 精品久久久噜噜| 91久久精品电影网| 亚洲内射少妇av| 春色校园在线视频观看| 国产成人精品一,二区| 99精国产麻豆久久婷婷| 亚洲一级一片aⅴ在线观看| 丰满少妇做爰视频| 国产爽快片一区二区三区| 久久久久国产网址| 男女啪啪激烈高潮av片| 一级a做视频免费观看| 国产精品人妻久久久影院| 国产成人免费无遮挡视频| 国产精品久久久久久久久免| 99re6热这里在线精品视频| 插逼视频在线观看| 80岁老熟妇乱子伦牲交| 久久热精品热| 狂野欧美激情性xxxx在线观看| 国产亚洲精品久久久com| 秋霞伦理黄片| 大话2 男鬼变身卡| 有码 亚洲区| 晚上一个人看的免费电影| 欧美日韩一区二区视频在线观看视频在线| 国产亚洲最大av| 91精品国产九色| 97超碰精品成人国产| 国产一区二区在线观看日韩| 高清不卡的av网站| 蜜桃久久精品国产亚洲av| 成年人免费黄色播放视频 | 日日啪夜夜撸| 青春草亚洲视频在线观看| 国产无遮挡羞羞视频在线观看| 精品亚洲成a人片在线观看| 十八禁网站网址无遮挡 | 妹子高潮喷水视频| 性高湖久久久久久久久免费观看| 国产午夜精品久久久久久一区二区三区| 精品久久久久久久久av| 曰老女人黄片| 另类亚洲欧美激情| 欧美日韩在线观看h| 在线观看美女被高潮喷水网站| 日本黄色片子视频| 亚洲性久久影院| 亚洲美女黄色视频免费看| 色婷婷av一区二区三区视频| 成人18禁高潮啪啪吃奶动态图 | 我要看黄色一级片免费的| 欧美97在线视频| freevideosex欧美| 久久99热这里只频精品6学生| 亚洲国产精品国产精品| 大香蕉久久网| www.色视频.com| 午夜福利影视在线免费观看| 日韩视频在线欧美| 纵有疾风起免费观看全集完整版| 久久久久视频综合| 亚洲va在线va天堂va国产| 国产一区有黄有色的免费视频| 在线看a的网站| 亚州av有码| 能在线免费看毛片的网站| 日本欧美视频一区| 日韩人妻高清精品专区| 日韩成人av中文字幕在线观看| 国产精品伦人一区二区| 精品酒店卫生间| 久久久久视频综合| 亚洲欧美日韩另类电影网站| 亚洲中文av在线| 菩萨蛮人人尽说江南好唐韦庄| 久久韩国三级中文字幕| 男人狂女人下面高潮的视频| 欧美+日韩+精品| 久久精品国产自在天天线| 一二三四中文在线观看免费高清| 涩涩av久久男人的天堂| 22中文网久久字幕| 9色porny在线观看| 亚洲精品国产av蜜桃| 国产av码专区亚洲av| 日韩一本色道免费dvd| 国产精品人妻久久久久久| 亚洲成人av在线免费| 精品午夜福利在线看| 久久99热6这里只有精品| 亚洲久久久国产精品| 日本wwww免费看| 插阴视频在线观看视频| 如何舔出高潮| 日本黄色日本黄色录像| 久久久久久久久大av| 婷婷色综合www| 80岁老熟妇乱子伦牲交| 婷婷色综合大香蕉| 春色校园在线视频观看| a级片在线免费高清观看视频| 这个男人来自地球电影免费观看 | 久久毛片免费看一区二区三区| 亚洲精品视频女| 综合色丁香网| 91精品国产九色| 亚洲欧美精品自产自拍| 日日摸夜夜添夜夜爱| 免费少妇av软件| 在线观看免费日韩欧美大片 | 久久国产亚洲av麻豆专区| 少妇人妻精品综合一区二区| 国产精品人妻久久久久久| 黄片无遮挡物在线观看| 卡戴珊不雅视频在线播放| 青春草视频在线免费观看| 这个男人来自地球电影免费观看 | 亚洲激情五月婷婷啪啪| 久久影院123| 亚洲av综合色区一区| 国产精品.久久久| 精品国产乱码久久久久久小说| 免费观看的影片在线观看| 18+在线观看网站| 欧美bdsm另类| 国产精品久久久久久精品电影小说| 熟女av电影| 午夜福利在线观看免费完整高清在| 亚洲怡红院男人天堂| 欧美精品亚洲一区二区| 尾随美女入室| 成人国产麻豆网| 男人和女人高潮做爰伦理| 亚洲av成人精品一区久久| 美女大奶头黄色视频| 久久综合国产亚洲精品| 内地一区二区视频在线| .国产精品久久| 午夜久久久在线观看| 亚洲av不卡在线观看| 男女免费视频国产| 在线观看美女被高潮喷水网站| av黄色大香蕉| 亚洲美女黄色视频免费看| 日韩欧美精品免费久久| 国产精品人妻久久久久久| 视频区图区小说| av女优亚洲男人天堂| 亚洲,欧美,日韩| 婷婷色麻豆天堂久久| 美女xxoo啪啪120秒动态图| 免费看av在线观看网站| 国产精品一区二区性色av| 免费观看无遮挡的男女| 在线观看免费视频网站a站| 国产精品偷伦视频观看了| 高清不卡的av网站| 亚洲国产毛片av蜜桃av| 久久99蜜桃精品久久| 日韩免费高清中文字幕av| 亚洲丝袜综合中文字幕| 一区二区三区精品91| 能在线免费看毛片的网站| 免费人成在线观看视频色| 亚洲欧洲国产日韩| 99热全是精品| 在线看a的网站| 亚洲情色 制服丝袜| 99热这里只有是精品50| 欧美日韩精品成人综合77777| a 毛片基地| 国产白丝娇喘喷水9色精品| 国产日韩一区二区三区精品不卡 | 一本大道久久a久久精品| 在线精品无人区一区二区三| 国产亚洲欧美精品永久| 久久精品久久久久久久性| www.av在线官网国产| 97超视频在线观看视频| 超碰97精品在线观看| 国产精品一区二区在线观看99| 久久影院123| 国产淫语在线视频| 精品国产一区二区久久| 秋霞在线观看毛片| 午夜福利在线观看免费完整高清在| 国产高清国产精品国产三级| 亚洲国产成人一精品久久久| 欧美日韩综合久久久久久| 成人漫画全彩无遮挡| 亚洲av成人精品一区久久| 最黄视频免费看| 国产精品一区www在线观看| 波野结衣二区三区在线| 日韩强制内射视频| 97在线人人人人妻| 91aial.com中文字幕在线观看| av国产久精品久网站免费入址| 亚洲三级黄色毛片| 午夜av观看不卡| 性色avwww在线观看| 精品人妻熟女毛片av久久网站| 欧美精品国产亚洲| 亚洲国产成人一精品久久久| 亚洲真实伦在线观看| 国产精品一区www在线观看| 女性生殖器流出的白浆| 色哟哟·www| 99热这里只有是精品50| 精品久久久久久久久亚洲| 精品人妻熟女av久视频| 高清视频免费观看一区二区| 一本—道久久a久久精品蜜桃钙片| 久热久热在线精品观看| 国内少妇人妻偷人精品xxx网站| 91久久精品国产一区二区成人| 国产精品人妻久久久久久| 日韩av免费高清视频| 人妻系列 视频| 久久久国产精品麻豆| 日日爽夜夜爽网站| 中国美白少妇内射xxxbb| 日韩三级伦理在线观看| 亚洲精品中文字幕在线视频 | 成人影院久久| 女的被弄到高潮叫床怎么办| 久久99精品国语久久久| 水蜜桃什么品种好| 精品国产一区二区三区久久久樱花| 青青草视频在线视频观看| 午夜免费观看性视频| 我的女老师完整版在线观看| 自线自在国产av| av福利片在线| 亚洲精品456在线播放app| 最黄视频免费看| 精品亚洲成a人片在线观看| 高清av免费在线| 久久av网站| 久久国产亚洲av麻豆专区| 肉色欧美久久久久久久蜜桃| videossex国产| av有码第一页| 成人美女网站在线观看视频| 少妇人妻 视频| 高清毛片免费看| 精华霜和精华液先用哪个| 国产一级毛片在线| 国产午夜精品久久久久久一区二区三区| 国产乱来视频区| 亚洲精品日韩在线中文字幕| 热99国产精品久久久久久7| 国产熟女欧美一区二区| 国模一区二区三区四区视频| 亚洲中文av在线| 久久精品久久精品一区二区三区| 欧美老熟妇乱子伦牲交| 免费av中文字幕在线| a级一级毛片免费在线观看| 青青草视频在线视频观看| 久久女婷五月综合色啪小说| 丝袜脚勾引网站| 少妇人妻一区二区三区视频| 在线观看人妻少妇| 国产精品一区二区在线不卡| 国产精品一区二区在线观看99| 国产片特级美女逼逼视频| 久久99蜜桃精品久久| 老熟女久久久| 免费av中文字幕在线| 人妻制服诱惑在线中文字幕| 日本欧美国产在线视频| 91aial.com中文字幕在线观看| 嘟嘟电影网在线观看| 日本午夜av视频| 国产精品伦人一区二区| 亚洲天堂av无毛| 另类精品久久| 亚洲欧美精品专区久久| 国产精品久久久久久精品古装| 国产精品成人在线| 男人爽女人下面视频在线观看| 日韩熟女老妇一区二区性免费视频| 国产国拍精品亚洲av在线观看| av在线app专区| 国内揄拍国产精品人妻在线| 狠狠精品人妻久久久久久综合| 如日韩欧美国产精品一区二区三区 | 自拍欧美九色日韩亚洲蝌蚪91 | 美女国产视频在线观看| 亚洲人成网站在线观看播放| 国产成人a∨麻豆精品| 两个人的视频大全免费| 丝袜在线中文字幕| 五月玫瑰六月丁香| 99国产精品免费福利视频| 亚洲精品国产av成人精品| 2022亚洲国产成人精品| 精品人妻一区二区三区麻豆| 国产精品一区二区在线不卡| 最近中文字幕2019免费版| 99热6这里只有精品| 国内揄拍国产精品人妻在线| 日韩一区二区视频免费看| 高清不卡的av网站| 日韩欧美 国产精品| 久久久久久久大尺度免费视频| 777米奇影视久久| 99re6热这里在线精品视频| 亚洲欧美日韩卡通动漫| 伦理电影大哥的女人| 男男h啪啪无遮挡| 色网站视频免费| 在线 av 中文字幕| 亚洲精品亚洲一区二区| 久久99热6这里只有精品| 在线观看免费日韩欧美大片 | 亚洲国产欧美日韩在线播放 | 另类精品久久| 国产真实伦视频高清在线观看| 亚洲成人一二三区av| 成人黄色视频免费在线看| 精品99又大又爽又粗少妇毛片| 草草在线视频免费看| 高清毛片免费看| 爱豆传媒免费全集在线观看| 国产欧美日韩精品一区二区| 亚洲国产精品一区三区| 不卡视频在线观看欧美| 亚洲成人手机| 亚洲欧美一区二区三区黑人 | 国产成人精品一,二区| 中文精品一卡2卡3卡4更新| kizo精华| 91在线精品国自产拍蜜月| 国产高清不卡午夜福利| 一本大道久久a久久精品| 精品熟女少妇av免费看| 高清欧美精品videossex| 男女免费视频国产| 欧美日韩av久久| 国产精品国产三级专区第一集| 日本黄色片子视频| 中文欧美无线码| 中文字幕制服av| 亚洲伊人久久精品综合| tube8黄色片| 日本猛色少妇xxxxx猛交久久| 80岁老熟妇乱子伦牲交| 搡老乐熟女国产| 亚洲久久久国产精品| 最近中文字幕高清免费大全6| 五月开心婷婷网| 精品国产国语对白av| 欧美三级亚洲精品| 简卡轻食公司| 国产精品国产三级专区第一集| 另类精品久久| 日韩精品有码人妻一区| 国产日韩欧美亚洲二区| 在线观看三级黄色| 日韩欧美一区视频在线观看 | 亚洲,一卡二卡三卡| 日韩电影二区| 男女国产视频网站| 自线自在国产av| 精品午夜福利在线看| 80岁老熟妇乱子伦牲交| 人人妻人人添人人爽欧美一区卜| 亚洲成色77777| 亚洲欧美中文字幕日韩二区| 欧美日韩在线观看h| 涩涩av久久男人的天堂| 夫妻午夜视频| 亚洲欧美日韩东京热| 久久国内精品自在自线图片| 亚洲一区二区三区欧美精品| 国产91av在线免费观看| 国产一区亚洲一区在线观看| 91精品一卡2卡3卡4卡| 成人漫画全彩无遮挡| 黄色一级大片看看| 亚洲综合精品二区| 在线观看av片永久免费下载| 国产69精品久久久久777片| 亚洲av成人精品一二三区| 乱码一卡2卡4卡精品| 欧美精品国产亚洲| 久久亚洲国产成人精品v| 日日爽夜夜爽网站|