• <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BP人工神經(jīng)網(wǎng)絡(luò)的離散型車間生產(chǎn)調(diào)度指標(biāo)預(yù)測模型的研究

    2016-02-26 09:45:54談宏志金禮偉楊家榮許偉呂偉
    科技視界 2016年3期
    關(guān)鍵詞:模擬退火算法

    談宏志 金禮偉 楊家榮 許偉 呂偉

    【摘 要】離散型車間的生產(chǎn)調(diào)度對車間生產(chǎn)有至關(guān)重要的影響,該研究中車間調(diào)度指標(biāo)用工時達成率來表示。加工工時、批次大小、加工設(shè)備數(shù)量、原材料到位情況、工人、設(shè)備的健康狀況對工時達成率都有不同程度的影響,使得工時達成率有很大的不確定性。如果能夠準(zhǔn)確控制工時達成率的大小,生產(chǎn)決策者們就可以通過調(diào)整設(shè)備、批次大小、原材料的采購周期使得車間輸出最大生產(chǎn)力。本文通過人工神經(jīng)網(wǎng)絡(luò)建立工時達成率預(yù)測模型,實現(xiàn)對車間工時達成率的預(yù)測,并探討兩種算法,尋找能夠在降低訓(xùn)練時間的前提下提高神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確性的算法,其中模擬退火算法(Simulated Annealing ,SA)是首次以搜索初始值周圍點獲得最佳點的形式被應(yīng)用,馬克夸特(Levenberg-Marquardt)算法用來在特殊點中尋求局部最優(yōu),最后對比模擬退火算法和馬克夸特混合算法及馬克夸特算法,并通過調(diào)整神經(jīng)網(wǎng)絡(luò)的數(shù)量得到最佳的預(yù)測模型。

    【關(guān)鍵詞】BP人工神經(jīng)網(wǎng)絡(luò);車間調(diào)度;模擬退火算法;SA\LM混合算法

    0 引言

    車間調(diào)度指標(biāo)工時達成率是評價車間調(diào)度優(yōu)異程度的重要指標(biāo),它直接體現(xiàn)出車間設(shè)備的利用率、工人效率、庫存大小,同時工時達成率的影響因素很多,如原料到位情況、設(shè)備健康狀況、人員到崗狀況、批次大小、加班情景等。車間調(diào)度問題是滿足任務(wù)條件和約束要求的資源分配問題,是最困難的組合優(yōu)化問題,解決車調(diào)度問題首先要建立準(zhǔn)確的車間生產(chǎn)模型,模型的優(yōu)異程度由預(yù)測輸出指標(biāo)的準(zhǔn)確性決定,BP人工神經(jīng)網(wǎng)絡(luò)是建立預(yù)測模型尋求最優(yōu)值的有效工具。

    國內(nèi)外學(xué)者對人工神經(jīng)網(wǎng)絡(luò)在調(diào)度問題及建立預(yù)測模型有相關(guān)研究。A.Azadeh、M.Jeihoonian等采用集成神經(jīng)網(wǎng)絡(luò)研究了雙標(biāo)準(zhǔn)雙級裝配流水作業(yè)調(diào)度問題[1];Azadeh提出了采用復(fù)雜人工神經(jīng)網(wǎng)絡(luò)和模糊優(yōu)化算法優(yōu)化仿真模型來解決流水生產(chǎn)車間的調(diào)度問題[2];Golmohammadi, Davood等人采用神經(jīng)網(wǎng)絡(luò)模型開發(fā)的智能系統(tǒng),研究表明零部件的批次大小比原材料的到位時間及延時時間對調(diào)度結(jié)果更有影響[3];A.Azadeh, A. Negahban采用混合人工神經(jīng)網(wǎng)絡(luò)仿真并優(yōu)化隨機生產(chǎn)的調(diào)度問題[4];Braglia 和 Grassi提出了最小化車間平均工時并最大限度延遲的車間調(diào)度混合模型,他們采用Nawaz–Enscore–Ham和多目標(biāo)遺傳局部搜索算法來解決問題[5];祝翠玲、蔣志方等基于BP神經(jīng)網(wǎng)絡(luò)建立空氣質(zhì)量預(yù)測模型,將空氣污染源的數(shù)據(jù)輸入到該模型中,可以準(zhǔn)確預(yù)測出污染物的檢測值[6];陳廉清,郭建亮等提出了基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法構(gòu)建表面粗糙度預(yù)測模型的開放式試驗系統(tǒng),該系統(tǒng)提高了外圓磨削產(chǎn)品表面粗糙度預(yù)測模型的收斂速度和預(yù)測精度[7];崔吉峰、乞建勛等提出了采用粒子群算法改進BP神經(jīng)網(wǎng)絡(luò)算法,建立了對能源需求的預(yù)測模型,作者首先利用灰色預(yù)測方法和自回歸移動平均模型建立初步預(yù)測結(jié)果,再將該結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸入,在此基礎(chǔ)上進行訓(xùn)練和預(yù)測,將預(yù)測精度提高了5%左右[8];張喜忠作了基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的發(fā)動機異響信號提取的研究,豐富了發(fā)動機異響信號提取的新方法,拓寬了發(fā)動機故障診斷的應(yīng)用范圍[9];王德明、王莉提出了遺傳算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的風(fēng)場短期風(fēng)速預(yù)測模型,該模型具有預(yù)測精度高、收斂速度快的優(yōu)點[10];陳耀武、汪樂宇等提出了基于神經(jīng)網(wǎng)絡(luò)、模糊聚類分析和模式識別理論,建立組合式神經(jīng)網(wǎng)絡(luò)的短期電力負載預(yù)測模型,該模型能夠準(zhǔn)確預(yù)測普通工作日及節(jié)假日的電力負載[11]。

    神經(jīng)網(wǎng)絡(luò)BP學(xué)習(xí)算法具有逼近非線性連續(xù)映射的能力,廣泛應(yīng)用與非線性系統(tǒng)的建模及控制領(lǐng)域。但是BP神經(jīng)網(wǎng)絡(luò)存在一些缺點,主要是收斂速度慢,往往收斂于局部極小值,數(shù)值穩(wěn)定性差,學(xué)習(xí)率、動量項系數(shù)和初始權(quán)值等參數(shù)難以調(diào)整。本文提出采用LM和SA混合算法,彌補了神經(jīng)網(wǎng)絡(luò)的缺點,并通過調(diào)整神經(jīng)網(wǎng)絡(luò)數(shù)量,最終得到較準(zhǔn)確的車間生產(chǎn)工時達成率預(yù)測模型。

    1 研究方法及理論

    1.1 人工神經(jīng)網(wǎng)絡(luò)研究方法

    人工神經(jīng)網(wǎng)絡(luò)可以處理多元空間信息,成為模式識別、系統(tǒng)辨別、預(yù)測等功能的有力工具。人工神經(jīng)網(wǎng)絡(luò)的最主要的優(yōu)點是不需要在訓(xùn)練之前明確定義近似函數(shù)。BP神經(jīng)網(wǎng)絡(luò)是最常用的神經(jīng)網(wǎng)絡(luò),因為BP神經(jīng)網(wǎng)絡(luò)可以基于輸入?yún)?shù)及輸出參數(shù)計算出近似的仿真模型?;谌斯ど窠?jīng)網(wǎng)絡(luò)的特性,它被廣泛應(yīng)用于尋找問題最優(yōu)解。圖1所示為BP人工神經(jīng)網(wǎng)絡(luò)解決問題的一般流程:

    1)收集分析數(shù)據(jù):收集大量數(shù)據(jù),分析數(shù)據(jù)自身的相關(guān)性,找出主要參數(shù)作為輸入。剔除數(shù)據(jù)中的奇異的,并將數(shù)據(jù)歸一化用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

    2)選擇網(wǎng)絡(luò)類型與結(jié)構(gòu):根據(jù)問題的特點,選擇神經(jīng)網(wǎng)絡(luò)為網(wǎng)絡(luò)類型,并確定網(wǎng)絡(luò)層數(shù)、每層節(jié)點數(shù)、初始權(quán)值、學(xué)習(xí)算法。其中隱含層的節(jié)點數(shù)選擇比較麻煩,一般原則是在保證正確反應(yīng)輸入輸出之間關(guān)系的基礎(chǔ)上盡量少選隱含層節(jié)點數(shù)。

    3)訓(xùn)練與驗證:采用真實數(shù)據(jù)反復(fù)訓(xùn)練并驗證神經(jīng)網(wǎng)絡(luò)直至得到合適的映射效果。在訓(xùn)練時初始權(quán)重可以隨機產(chǎn)生,并且可取多組神經(jīng)網(wǎng)絡(luò)同時進行,通過取平均值來提高神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性,該方法可以克服初始數(shù)據(jù)不充足的缺點。

    4)對新數(shù)據(jù)實施預(yù)測,輸出預(yù)測值。

    1.2 SA\LM混合算法原理

    人工神經(jīng)網(wǎng)絡(luò)中LM算法結(jié)合了高斯-牛頓法和最小梯度法的優(yōu)點,包含了高斯-牛頓法的局部收斂性和梯度下降法的全局特性,它通過自適應(yīng)調(diào)整阻尼因子達到局部收斂性,并且其迭代收斂速度高,可以補償BP網(wǎng)絡(luò)收斂速度慢的缺點[12],使其在很多非線性問題中得到穩(wěn)定可靠解。但是初始值對LM算法的計算工程中具有很大的影響,若選取的初始值靠近真實值,在得到全局最優(yōu)解的情景下減少運算時間,假設(shè)初始值的質(zhì)量較差,優(yōu)化結(jié)果會偏離全局最優(yōu)解而得到局部最優(yōu)解。通過兩種方法可以解決該問題,一是采用盡量多的原始數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),使其具有較準(zhǔn)確的預(yù)測能力,二是選擇合理的優(yōu)化算法與LM形成混合算法,消除其對初始值的高依賴性[13]。該研究對象為典型的離散生產(chǎn)型車間,無法獲得所有的歷史數(shù)據(jù),第二種方式較合適。退火(SA)算法能夠在算法執(zhí)行過程中,基于較差初始函數(shù)值得到近似的最佳解決方案,這使得SA算法擁有在峰谷之間搜索找到全最小點的能力,無疑是最佳優(yōu)化算法之一[14]。如圖2所示為LM和SA混合算法在神經(jīng)網(wǎng)絡(luò)模型中的應(yīng)用模式,首先基于有限的原始數(shù)據(jù),采用SA算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)預(yù)測模型,得到初始預(yù)測模型,將該模型中神經(jīng)網(wǎng)絡(luò)各層的權(quán)重矩陣及閥值作為LM算法的初始化參數(shù),再次訓(xùn)練得到更優(yōu)秀的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。該混合算法能夠捕捉并模擬車間排產(chǎn)員的經(jīng)驗知識和生產(chǎn)流程記錄來形成制造過程中的系統(tǒng)知識,最終得到較優(yōu)秀的車間調(diào)度模型。

    2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    在50臺加工系統(tǒng)組成的機加工車間中,有加工工人N人(工人充裕且有熟練度區(qū)分,其中有工序?qū)?yīng)唯一工人),需要完成14個待加工零部件,每個工件都包含若干道工序,且工序流程一定。50臺加工系統(tǒng)中包含車床組、銑床組、刨床組、鉗床組、磨床組、焊接組,各組設(shè)備的加工能力一致, 以每個月該車間的工時達成率作為關(guān)鍵指標(biāo),工時達成率以實際完成工時與額定工時的比值為計算方式。車間調(diào)度員通過最佳的調(diào)度,并為各工序選配最佳資源,在滿足設(shè)備加工能力及人員匹配的情況下獲得最佳的工時達成率。

    該調(diào)度問題有如下初始約束條件:1)任何設(shè)備無法同時加工超過兩個工序;2)任意工件無法同時在多臺設(shè)備上加工;3)工件必須嚴格按照工藝路線在指定機器上加工;4)除特定工序指定工人外忽略工人的熟練程度;5)工件的安裝及拆卸時間已經(jīng)包含在該工序的加工工時中;6)一般情況下有設(shè)備就有工人,除特殊情況工人處于充足狀態(tài);7)每個訂單的14種原材料到位時間隨機,遵循板材、管材、棒材的到位順序。

    根據(jù)該車間調(diào)度問題的特點,定義人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)為各零件的加工對象、可用設(shè)備、設(shè)備數(shù)量、分批大小、延遲值、工時、前置工序耗時、后置工序耗時等210個參數(shù),輸出參數(shù)既目標(biāo)函數(shù)為工時達成率。根據(jù)輸入、輸出參數(shù)的量確定采用兩層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),既一層隱含層一層輸出層,并且隱含層包含10個節(jié)點,可保證獲得全局最優(yōu)的情況下避免出現(xiàn)過計算。圖3所示為人工神經(jīng)網(wǎng)絡(luò)的總體結(jié)構(gòu),經(jīng)過多次試驗驗證,該神經(jīng)網(wǎng)絡(luò)中核心參數(shù)如下:

    網(wǎng)絡(luò)層閾值參數(shù)biasConnect= [1;1],隱含層與輸出層均有閾值;

    輸入層關(guān)系參數(shù)inputConnect = [1;0],輸入層與隱含層有權(quán)值連接,與輸出層無關(guān)系;

    網(wǎng)絡(luò)層關(guān)系參數(shù)layerConnect = [0 0;1 0],隱含層與輸出層神經(jīng)元相連;

    輸出層關(guān)系參數(shù)outputConnect = [0 1],輸出層的神經(jīng)元產(chǎn)生網(wǎng)絡(luò)輸出;

    網(wǎng)絡(luò)傳遞函數(shù)layers{1}.transferFcn= 'tansig',隱含層與輸出層的傳遞函數(shù);

    隱含層初始函數(shù)layers{1}.initFcn = 'initnw',隱含層初始化函數(shù);

    訓(xùn)練算法參數(shù)trainFcn = 'trainlm',LM基礎(chǔ)算法;

    網(wǎng)絡(luò)初始化函數(shù)initFcn = 'initlay',網(wǎng)絡(luò)初始化函數(shù);

    神經(jīng)網(wǎng)絡(luò)數(shù)量參數(shù)networks=20、50、100。

    3 預(yù)測結(jié)果及分析

    54套歷史數(shù)據(jù)作為訓(xùn)練驗證樣本并不能完全覆蓋所有情景,本研究提出采用多神經(jīng)網(wǎng)絡(luò)并行計算求平均值的方法提高模型準(zhǔn)確性。為了得到最準(zhǔn)確的預(yù)測模型,神經(jīng)網(wǎng)絡(luò)數(shù)量和訓(xùn)練算法是本研究中優(yōu)化對象。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法主要以LM算法和SA\LM混合算法為研究對象,神經(jīng)網(wǎng)絡(luò)數(shù)量以20、50、100為研究對象。取54套樣本中的51套為訓(xùn)練驗證樣本,3套為預(yù)測模型的測試數(shù)據(jù),通過對比工時達成率預(yù)測值與真實值的均方差來判斷神經(jīng)網(wǎng)絡(luò)模型的優(yōu)異程度。訓(xùn)練數(shù)據(jù)中每套數(shù)據(jù)的210個參數(shù)生成51*210的矩陣,它們形象地表現(xiàn)出每個調(diào)度的輸入與輸出,這些矩陣將成為LM算法和SA\LM混合算法神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù),經(jīng)過計算生成各自的神經(jīng)網(wǎng)絡(luò)預(yù)測模型,最后用3套調(diào)度方案去測試準(zhǔn)確性,表1中顯示了神經(jīng)網(wǎng)絡(luò)數(shù)為20、50、100的LM算法和SA\LM混合算法神經(jīng)網(wǎng)絡(luò)預(yù)測模型的測試結(jié)果。

    從表1中清晰地顯示了兩種算法及三種不同神經(jīng)網(wǎng)絡(luò)數(shù)預(yù)測模型的預(yù)測誤差,神經(jīng)網(wǎng)絡(luò)數(shù)量從20-50-100的梯度選擇中預(yù)測模型的準(zhǔn)確性誤差呈8.46%-8.28%-6.87%的下降趨勢,經(jīng)過試驗確定在該項目中采用100個神經(jīng)網(wǎng)絡(luò)數(shù),該方法有效緩解了初始數(shù)據(jù)不充足的缺陷。圖4中顯示LM算法和LM\SA混合算法預(yù)測誤差對比,其中LM算法預(yù)測誤差均值為8.92%,LM\SA混合算法將該誤差縮小到6.82%,證明混合算法能夠通過改善LM單一算法中初始權(quán)重值及閥值,最終得到更優(yōu)異的預(yù)測模型。

    4 結(jié)論及展望

    采用BP人工神經(jīng)網(wǎng)絡(luò)能夠建立較準(zhǔn)確的生產(chǎn)車間調(diào)度模型,并且使用SA算法建立人工神經(jīng)網(wǎng)絡(luò)的初始權(quán)重矩陣及初始閥值,再以LM算法進行優(yōu)化的混合算法是建立車間調(diào)度模型的最佳算法;對于初始數(shù)據(jù)不充足的問題,可采用多神經(jīng)網(wǎng)絡(luò)并行計算求平均值的方法來提高模型準(zhǔn)確性。得到較優(yōu)秀的車間調(diào)度模型后,通過優(yōu)化延遲值、批次大小、設(shè)備數(shù)量等輸入?yún)?shù)可獲得全局最優(yōu)的工時達成率,最終輸出離散車間效率最高的調(diào)度方案,這是今后的研究重點。

    【參考文獻】

    [1]A.Azadeh, M. Jeihoonian, B. Maleki Shoja, S.h. Seyedmahmoudi. “An Integrated Neural Network–simulation Algorithm for Performance Optimisation of the Bi-criteria Two-stage Assembly Flow-shop Scheduling Problem with Stochastic Activities.” International Journal of Production Research 50.24(2012): 7271-7284[Z].

    [2]Azadeh, Ali, Mohsen Moghaddam, Pegah Geranmayeh, Arash Naghavi. “A Flexible Artificial Neural Network–fuzzy Simulation Algorithm for Scheduling a Flow Shop with Multiple Processors.”The International Journal of Advanced Manufacturing Technology 50.5-8(2010): 699-715[Z].

    [3]Golmohammadi, Davood. “A Neural Network Decision-making Model for Job-shop Scheduling.” International Journal of Production Research,51,17(2013): 5142-5157[Z].

    [4]A.Azadeh, A. Negahban, M. Moghaddam. “A Hybrid Computer Simulation-artificial Neural Network Algorithm for Optimisation of Dispatching Rule Selection in Stochastic Job Shop Scheduling Problems.” International Journal of Production Research, 50, 2 (2011): 551-566[Z].

    [5]Braglia, M. and Grassi, A., 2009. A new heuristic for the flowshop scheduling problem to minimize makespan and maximum tardiness. International Journal of Production Research, 47(1): 273-288[Z].

    [6]祝翠玲,蔣志方,王強.基于B-P神經(jīng)網(wǎng)絡(luò)的環(huán)境空氣質(zhì)量預(yù)測模型[J]《計算機工程與應(yīng)用,2007,22(43):223-227.

    [7]陳廉清,郭建亮,楊勛,遲軍,趙霞.基于進化神經(jīng)網(wǎng)絡(luò)的磨削粗糙度預(yù)測模型[J].計算機集成制造系統(tǒng),2013,11(19):2855-2863.

    [8]崔吉峰,乞建勛,楊尚東.基于粒子群改進BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型及其應(yīng)用[J].中南大學(xué)學(xué)報,2009,1(40):190-194.

    [9]張喜忠.基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的發(fā)動機異響信號提取研究[D].長春:吉林大學(xué),2008.

    [10]王德明,王莉,張廣明.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測模型[J].浙江大學(xué)學(xué)報,2012,5(46):837-841.

    [11]陳耀武,汪樂宇,龍洪玉.基于組合式神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測模型[J].中國電機工程學(xué)報,2001,4(21):79-82.

    [12]裴浩東.基于神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)優(yōu)化和控制研究[D].杭州:浙江大學(xué),2001.

    [13]董一芬. Levenberg-Marquardt神經(jīng)網(wǎng)絡(luò)算法研究[J].商場現(xiàn)代化,2009(3):385.

    [14]J.R. Yang, W. Xu, M. Rajora, A.H. Shih, H.Z. Tan, L.W. Jin, H.F. Lou, S.Y. Liang,A hybrid neural network for prediction of flow shop scheduling performance, International Conference on Artificial Intelligence and Industrial Application, 2014, 081[Z].

    [責(zé)任編輯:楊玉潔]

    猜你喜歡
    模擬退火算法
    改進模擬退火算法的K—means聚類方法在學(xué)生成績上的應(yīng)用
    道路循環(huán)甩掛運輸車輛調(diào)度研究
    改進遺傳模擬退火算法求解TSP
    級聯(lián)型H橋逆變器的階梯波特定消諧技術(shù)研究
    科技資訊(2017年8期)2017-05-18 09:54:41
    基于圖像特征及改進支持向量機算法的交通標(biāo)志識別
    模擬退火算法在整車物流問題中的應(yīng)用
    物流科技(2016年12期)2017-04-01 03:12:04
    數(shù)學(xué)建模中的碎紙片拼接復(fù)原要點研究
    智能傳感器中的算法應(yīng)用
    改進的模擬退火算法及其在裝填問題中的應(yīng)用
    基于模擬退火算法的云計算資源調(diào)度模型
    亚洲婷婷狠狠爱综合网| 考比视频在线观看| av.在线天堂| 国产精品一国产av| 久久久久人妻精品一区果冻| 免费日韩欧美在线观看| 日韩视频在线欧美| 欧美xxⅹ黑人| 国产成人免费观看mmmm| 性色avwww在线观看| 久久久久久久大尺度免费视频| 蜜桃在线观看..| 永久免费av网站大全| av免费在线看不卡| 久久午夜福利片| 国产精品久久久久久久久免| 久久久国产欧美日韩av| 国产精品香港三级国产av潘金莲 | 欧美人与性动交α欧美精品济南到 | 亚洲视频免费观看视频| 捣出白浆h1v1| 夫妻性生交免费视频一级片| 男女免费视频国产| 国产精品 国内视频| 黄片无遮挡物在线观看| 久久久久精品久久久久真实原创| 久久久久久伊人网av| 激情五月婷婷亚洲| 国产日韩欧美视频二区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 欧美日韩视频高清一区二区三区二| 国产精品99久久99久久久不卡 | 寂寞人妻少妇视频99o| 男人操女人黄网站| 一二三四中文在线观看免费高清| 精品亚洲乱码少妇综合久久| 欧美日韩一区二区视频在线观看视频在线| 精品午夜福利在线看| 一本久久精品| 美女午夜性视频免费| 欧美日韩一区二区视频在线观看视频在线| 亚洲精品国产一区二区精华液| 免费日韩欧美在线观看| 另类亚洲欧美激情| 如日韩欧美国产精品一区二区三区| 中文字幕最新亚洲高清| 日韩中文字幕欧美一区二区 | 日韩精品有码人妻一区| 日韩欧美精品免费久久| 国产xxxxx性猛交| 亚洲欧美一区二区三区黑人 | 国产精品不卡视频一区二区| 国产 一区精品| 青青草视频在线视频观看| 亚洲国产色片| 久久亚洲国产成人精品v| 1024视频免费在线观看| 丰满迷人的少妇在线观看| 免费黄色在线免费观看| 宅男免费午夜| 亚洲人成电影观看| 观看美女的网站| 欧美亚洲日本最大视频资源| 亚洲成色77777| 26uuu在线亚洲综合色| 久久精品久久精品一区二区三区| 久久久久久人妻| 日韩,欧美,国产一区二区三区| 丝袜人妻中文字幕| 日韩av免费高清视频| 日韩免费高清中文字幕av| 亚洲国产成人一精品久久久| 一个人免费看片子| 一级爰片在线观看| 久久久欧美国产精品| 久久久久久久久久久免费av| 精品久久久久久电影网| www日本在线高清视频| 国产精品久久久av美女十八| 日韩人妻精品一区2区三区| √禁漫天堂资源中文www| 九色亚洲精品在线播放| 欧美黄色片欧美黄色片| 亚洲精品,欧美精品| 人人澡人人妻人| 国产亚洲一区二区精品| 女性生殖器流出的白浆| 久久久精品国产亚洲av高清涩受| 男男h啪啪无遮挡| 亚洲国产精品国产精品| 黄色配什么色好看| 男女免费视频国产| 麻豆av在线久日| 自拍欧美九色日韩亚洲蝌蚪91| 中文乱码字字幕精品一区二区三区| 欧美97在线视频| 欧美精品一区二区大全| 男女高潮啪啪啪动态图| 欧美成人精品欧美一级黄| 看免费成人av毛片| 成人国语在线视频| 久久久久国产精品人妻一区二区| 成年人免费黄色播放视频| 久久久久精品久久久久真实原创| 国产精品嫩草影院av在线观看| 久久婷婷青草| freevideosex欧美| 高清不卡的av网站| 国产乱人偷精品视频| 黄频高清免费视频| 欧美国产精品一级二级三级| 欧美日韩亚洲高清精品| 精品国产露脸久久av麻豆| 久久久久国产一级毛片高清牌| a 毛片基地| 赤兔流量卡办理| 视频在线观看一区二区三区| www.熟女人妻精品国产| 国产精品久久久久久精品古装| 久久久久国产网址| 成人国产av品久久久| 久久国内精品自在自线图片| 少妇被粗大的猛进出69影院| av福利片在线| 欧美人与性动交α欧美软件| 国产午夜精品一二区理论片| 国产麻豆69| 我要看黄色一级片免费的| 日韩精品免费视频一区二区三区| 美女主播在线视频| 色婷婷久久久亚洲欧美| 亚洲在久久综合| 欧美bdsm另类| 人妻人人澡人人爽人人| 人妻 亚洲 视频| 中文欧美无线码| 在线观看免费高清a一片| videos熟女内射| 高清黄色对白视频在线免费看| 丰满乱子伦码专区| 国产精品久久久久久精品古装| 色94色欧美一区二区| 国产一区亚洲一区在线观看| 亚洲av综合色区一区| 欧美日本中文国产一区发布| 免费播放大片免费观看视频在线观看| 国产精品嫩草影院av在线观看| 1024香蕉在线观看| 国产一区二区在线观看av| 在现免费观看毛片| 九草在线视频观看| 国产亚洲欧美精品永久| 天堂俺去俺来也www色官网| 亚洲成av片中文字幕在线观看 | 春色校园在线视频观看| 免费在线观看完整版高清| 又大又黄又爽视频免费| 97人妻天天添夜夜摸| 亚洲在久久综合| 国产成人免费观看mmmm| 久久久久久免费高清国产稀缺| 女人久久www免费人成看片| 久久久久久伊人网av| 亚洲一区中文字幕在线| 欧美激情极品国产一区二区三区| 高清av免费在线| 超碰97精品在线观看| 90打野战视频偷拍视频| 亚洲精品国产色婷婷电影| 青春草国产在线视频| 亚洲中文av在线| 久久久久国产一级毛片高清牌| 三级国产精品片| 成人免费观看视频高清| 亚洲欧洲日产国产| 韩国精品一区二区三区| 免费人妻精品一区二区三区视频| 我要看黄色一级片免费的| 18禁国产床啪视频网站| 亚洲国产av新网站| 久久人人爽人人片av| 亚洲久久久国产精品| 亚洲精品美女久久久久99蜜臀 | 中文天堂在线官网| 亚洲精品国产色婷婷电影| 午夜精品国产一区二区电影| 日韩av在线免费看完整版不卡| 久久 成人 亚洲| 巨乳人妻的诱惑在线观看| 国产黄频视频在线观看| 五月天丁香电影| 中文字幕人妻丝袜一区二区 | 高清欧美精品videossex| 18+在线观看网站| 日韩精品有码人妻一区| 国产精品99久久99久久久不卡 | 成人国产麻豆网| 美女国产高潮福利片在线看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 九色亚洲精品在线播放| 在线天堂最新版资源| 久久影院123| 狠狠精品人妻久久久久久综合| 满18在线观看网站| 国产成人a∨麻豆精品| 日韩欧美一区视频在线观看| 免费播放大片免费观看视频在线观看| 秋霞在线观看毛片| 亚洲人成77777在线视频| 日韩一卡2卡3卡4卡2021年| 91在线精品国自产拍蜜月| 午夜激情av网站| 欧美日韩亚洲高清精品| 日本黄色日本黄色录像| 在线观看免费日韩欧美大片| 欧美另类一区| 中文乱码字字幕精品一区二区三区| 国产一区有黄有色的免费视频| 精品国产乱码久久久久久男人| 久久久久久伊人网av| 一级毛片我不卡| 新久久久久国产一级毛片| 久久女婷五月综合色啪小说| 99热国产这里只有精品6| 午夜免费鲁丝| 国产精品久久久久久精品古装| 捣出白浆h1v1| av福利片在线| 大片免费播放器 马上看| 国产精品香港三级国产av潘金莲 | 麻豆av在线久日| 王馨瑶露胸无遮挡在线观看| 成年人免费黄色播放视频| 亚洲内射少妇av| 免费黄网站久久成人精品| av网站免费在线观看视频| 毛片一级片免费看久久久久| 99re6热这里在线精品视频| 中文精品一卡2卡3卡4更新| 美女视频免费永久观看网站| 午夜日本视频在线| 老司机亚洲免费影院| 国产一区二区三区综合在线观看| 久久影院123| 久久久久久久亚洲中文字幕| 久久久精品国产亚洲av高清涩受| 亚洲国产欧美日韩在线播放| 欧美亚洲 丝袜 人妻 在线| 美女福利国产在线| 国产欧美日韩一区二区三区在线| 岛国毛片在线播放| 少妇人妻久久综合中文| 99久久精品国产国产毛片| 久久精品熟女亚洲av麻豆精品| 日本av免费视频播放| 午夜老司机福利剧场| 秋霞伦理黄片| 永久免费av网站大全| 亚洲综合色网址| www日本在线高清视频| 国产精品香港三级国产av潘金莲 | 中文字幕制服av| 女人久久www免费人成看片| 亚洲伊人久久精品综合| 春色校园在线视频观看| 日本欧美视频一区| 精品人妻偷拍中文字幕| 久久久久人妻精品一区果冻| 999精品在线视频| 五月开心婷婷网| 少妇人妻久久综合中文| 国产精品99久久99久久久不卡 | 90打野战视频偷拍视频| 多毛熟女@视频| 精品人妻一区二区三区麻豆| 视频区图区小说| 一级黄片播放器| 狠狠婷婷综合久久久久久88av| 最近中文字幕高清免费大全6| av视频免费观看在线观看| 国产成人免费观看mmmm| 亚洲精品一区蜜桃| 久久精品久久久久久噜噜老黄| 日韩中文字幕欧美一区二区 | 国产av精品麻豆| 日本av手机在线免费观看| 久久婷婷青草| 国产一区亚洲一区在线观看| 极品少妇高潮喷水抽搐| 国产精品秋霞免费鲁丝片| 亚洲精品在线美女| 男女免费视频国产| 久久影院123| 天天躁日日躁夜夜躁夜夜| 精品久久久精品久久久| 欧美在线黄色| 母亲3免费完整高清在线观看 | 久久久久精品性色| 黄片小视频在线播放| 久久久久久久久久久久大奶| 黑人欧美特级aaaaaa片| 国产欧美日韩一区二区三区在线| 成人亚洲欧美一区二区av| 色吧在线观看| 亚洲欧美一区二区三区国产| 十八禁网站网址无遮挡| 亚洲伊人久久精品综合| a 毛片基地| 日韩,欧美,国产一区二区三区| 十分钟在线观看高清视频www| 久久久久精品性色| 亚洲成av片中文字幕在线观看 | 国产在视频线精品| 考比视频在线观看| 最黄视频免费看| 久久国内精品自在自线图片| 亚洲人成网站在线观看播放| 人人妻人人澡人人看| 下体分泌物呈黄色| 99热国产这里只有精品6| 久久99热这里只频精品6学生| 黑人巨大精品欧美一区二区蜜桃| 亚洲一区二区三区欧美精品| 最黄视频免费看| 午夜福利影视在线免费观看| h视频一区二区三区| 丝袜人妻中文字幕| 免费观看无遮挡的男女| www.自偷自拍.com| 满18在线观看网站| 色视频在线一区二区三区| 涩涩av久久男人的天堂| 亚洲一区二区三区欧美精品| 嫩草影院入口| 亚洲精品久久成人aⅴ小说| av福利片在线| a级毛片黄视频| 捣出白浆h1v1| 精品久久蜜臀av无| 国产精品一二三区在线看| 日韩熟女老妇一区二区性免费视频| 亚洲综合色网址| 黄色 视频免费看| 久久人妻熟女aⅴ| 一二三四中文在线观看免费高清| 性高湖久久久久久久久免费观看| 国产成人免费无遮挡视频| 久久精品国产亚洲av涩爱| 久久热在线av| 老汉色av国产亚洲站长工具| 国产片内射在线| 亚洲美女搞黄在线观看| 亚洲欧美色中文字幕在线| av线在线观看网站| 精品国产一区二区三区久久久樱花| 夫妻午夜视频| 亚洲精品国产av蜜桃| 成人毛片60女人毛片免费| 国精品久久久久久国模美| 久久狼人影院| 街头女战士在线观看网站| 久久国内精品自在自线图片| 人妻一区二区av| 成年女人毛片免费观看观看9 | 天天躁夜夜躁狠狠躁躁| 中文天堂在线官网| 99久久综合免费| 巨乳人妻的诱惑在线观看| av免费在线看不卡| 久久国产精品男人的天堂亚洲| 亚洲精品乱久久久久久| 久久狼人影院| 精品一区二区免费观看| 在线观看www视频免费| 精品国产乱码久久久久久男人| 在线观看美女被高潮喷水网站| 成年av动漫网址| videosex国产| 国产激情久久老熟女| 亚洲精品中文字幕在线视频| 国产免费福利视频在线观看| 久久99热这里只频精品6学生| 精品国产一区二区三区四区第35| 一区在线观看完整版| 免费日韩欧美在线观看| 国产欧美亚洲国产| 国产精品 欧美亚洲| 亚洲av在线观看美女高潮| 国产精品国产三级专区第一集| 欧美人与性动交α欧美软件| 岛国毛片在线播放| 黑人猛操日本美女一级片| 女人高潮潮喷娇喘18禁视频| 在线观看免费日韩欧美大片| 日本欧美国产在线视频| 国产成人精品福利久久| 伦理电影免费视频| 亚洲欧美成人精品一区二区| 久久综合国产亚洲精品| 九草在线视频观看| 天天躁日日躁夜夜躁夜夜| 中文字幕人妻丝袜制服| 国产片特级美女逼逼视频| 国产精品 国内视频| 一级黄片播放器| 91国产中文字幕| 黄色 视频免费看| 欧美bdsm另类| 在线观看人妻少妇| 国产精品三级大全| 高清视频免费观看一区二区| 啦啦啦视频在线资源免费观看| 美女高潮到喷水免费观看| 卡戴珊不雅视频在线播放| 国产成人精品在线电影| 又黄又粗又硬又大视频| 天天躁夜夜躁狠狠久久av| 少妇人妻精品综合一区二区| 午夜av观看不卡| 999久久久国产精品视频| 久久久精品国产亚洲av高清涩受| 久久久久久久亚洲中文字幕| 97在线视频观看| 亚洲,欧美精品.| 免费观看性生交大片5| 国产精品.久久久| 精品久久久精品久久久| 中文天堂在线官网| 精品国产超薄肉色丝袜足j| 欧美日韩精品成人综合77777| 日韩制服丝袜自拍偷拍| 国产一区亚洲一区在线观看| 久久毛片免费看一区二区三区| 中文字幕最新亚洲高清| 国产成人精品福利久久| 中文字幕精品免费在线观看视频| a级毛片在线看网站| 国产精品一二三区在线看| 99香蕉大伊视频| 亚洲精品一区蜜桃| 熟女少妇亚洲综合色aaa.| 18禁国产床啪视频网站| 少妇猛男粗大的猛烈进出视频| 99国产综合亚洲精品| 在现免费观看毛片| 一区二区三区精品91| 午夜精品国产一区二区电影| 久久久久视频综合| 99久久综合免费| www.av在线官网国产| 99久久综合免费| 欧美xxⅹ黑人| 国产乱来视频区| 哪个播放器可以免费观看大片| 熟妇人妻不卡中文字幕| 精品午夜福利在线看| 亚洲人成网站在线观看播放| 亚洲精品av麻豆狂野| 国产av码专区亚洲av| 曰老女人黄片| 制服诱惑二区| 91成人精品电影| 国产亚洲午夜精品一区二区久久| 久久精品国产亚洲av涩爱| 国产免费一区二区三区四区乱码| 中文天堂在线官网| 亚洲精品在线美女| 日本vs欧美在线观看视频| 久久精品熟女亚洲av麻豆精品| 丰满迷人的少妇在线观看| 大香蕉久久网| 免费日韩欧美在线观看| 久久精品亚洲av国产电影网| 国产乱人偷精品视频| 一边亲一边摸免费视频| 国产探花极品一区二区| 婷婷色综合www| 亚洲精品自拍成人| 男人舔女人的私密视频| av又黄又爽大尺度在线免费看| 久久久欧美国产精品| 国产av国产精品国产| 在线天堂最新版资源| 97精品久久久久久久久久精品| 欧美日韩视频精品一区| 丁香六月天网| 久久ye,这里只有精品| 女人久久www免费人成看片| 国产精品熟女久久久久浪| 免费高清在线观看视频在线观看| 午夜激情av网站| 青草久久国产| videos熟女内射| 丰满乱子伦码专区| 在线天堂中文资源库| 国产免费视频播放在线视频| videosex国产| 卡戴珊不雅视频在线播放| 性高湖久久久久久久久免费观看| 亚洲国产精品一区三区| 成年动漫av网址| 2018国产大陆天天弄谢| 精品一区二区三卡| 又粗又硬又长又爽又黄的视频| 蜜桃在线观看..| 亚洲成人手机| 精品人妻偷拍中文字幕| 18禁观看日本| 日本猛色少妇xxxxx猛交久久| 久久久久精品人妻al黑| 国产精品久久久久成人av| 这个男人来自地球电影免费观看 | 国产探花极品一区二区| 免费在线观看视频国产中文字幕亚洲 | 在线观看免费高清a一片| 高清黄色对白视频在线免费看| 免费看av在线观看网站| 少妇的丰满在线观看| 免费在线观看完整版高清| 亚洲欧美一区二区三区久久| 亚洲一区二区三区欧美精品| 亚洲伊人色综图| www.精华液| 九草在线视频观看| 欧美日韩av久久| 免费在线观看黄色视频的| 日本欧美视频一区| 亚洲精品久久午夜乱码| 欧美xxⅹ黑人| 国产精品久久久久久久久免| 又粗又硬又长又爽又黄的视频| 久久久久精品人妻al黑| 美国免费a级毛片| 亚洲av日韩在线播放| 五月天丁香电影| 日韩人妻精品一区2区三区| 久久久久国产精品人妻一区二区| 中文字幕人妻丝袜制服| 精品久久久精品久久久| 人体艺术视频欧美日本| 一级毛片我不卡| 国产免费福利视频在线观看| 另类精品久久| 一本色道久久久久久精品综合| 午夜福利,免费看| 婷婷色综合www| 街头女战士在线观看网站| 波多野结衣av一区二区av| 久久综合国产亚洲精品| 午夜福利在线观看免费完整高清在| 国产精品久久久久久精品古装| 日韩中文字幕视频在线看片| 日本黄色日本黄色录像| 9热在线视频观看99| 免费在线观看黄色视频的| 午夜免费观看性视频| 91精品伊人久久大香线蕉| 天天躁夜夜躁狠狠久久av| 99久久人妻综合| 精品一区在线观看国产| 在线天堂最新版资源| 国产无遮挡羞羞视频在线观看| av又黄又爽大尺度在线免费看| 国产一区二区三区综合在线观看| 曰老女人黄片| 久久这里只有精品19| 免费看不卡的av| av电影中文网址| 亚洲熟女精品中文字幕| 国产色婷婷99| 国产成人a∨麻豆精品| 男女边摸边吃奶| 青春草国产在线视频| 少妇被粗大猛烈的视频| 丝瓜视频免费看黄片| 国产一区亚洲一区在线观看| 在线观看免费视频网站a站| 欧美国产精品一级二级三级| 黄片小视频在线播放| 日日爽夜夜爽网站| 美女脱内裤让男人舔精品视频| 免费日韩欧美在线观看| 久久免费观看电影| 成人二区视频| 极品人妻少妇av视频| 美女中出高潮动态图| 国产人伦9x9x在线观看 | 国产精品女同一区二区软件| 成人免费观看视频高清| 我要看黄色一级片免费的| 日韩av不卡免费在线播放| 老汉色∧v一级毛片| 性少妇av在线| 国产精品香港三级国产av潘金莲 | 国产免费福利视频在线观看| 少妇 在线观看| 制服诱惑二区| 久久精品aⅴ一区二区三区四区 | 不卡视频在线观看欧美| 97人妻天天添夜夜摸| 亚洲av男天堂| 在线精品无人区一区二区三| a 毛片基地| av免费在线看不卡| 免费大片黄手机在线观看| 免费黄色在线免费观看| 各种免费的搞黄视频| 国产精品.久久久| 日韩中文字幕欧美一区二区 | 日本vs欧美在线观看视频| 亚洲在久久综合| 最近的中文字幕免费完整| 日韩三级伦理在线观看| 久久久久久久久久久免费av| 啦啦啦啦在线视频资源|