• <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 ?

    基于時變神經(jīng)網(wǎng)絡的迭代學習辨識算法

    2016-07-04 10:30:42蓉,黃

    戴 蓉,黃 成

    (1.中國民用航空飛行學院 計算機學院,四川 廣漢 618307; 2.四川工程職業(yè)技術學院,四川 德陽 618000)

    ?

    基于時變神經(jīng)網(wǎng)絡的迭代學習辨識算法

    戴蓉1,黃成2

    (1.中國民用航空飛行學院 計算機學院,四川 廣漢 618307; 2.四川工程職業(yè)技術學院,四川 德陽 618000)

    摘要:為了實現(xiàn)在有限時間區(qū)間上可重復運行的離散時變非線性系統(tǒng)辨識,給出基于時變神經(jīng)網(wǎng)絡的迭代學習辨識算法。對于每一個固定時刻,以該時刻的神經(jīng)網(wǎng)絡逼近該時刻系統(tǒng)輸入輸出間的映射關系,提出了在同一時刻沿迭代軸訓練網(wǎng)絡權(quán)值的帶死區(qū)迭代學習最小二乘算法,為防止收斂速度下降過快,進一步提出了協(xié)方差陣可重調(diào)的改進算法。所提算法有較快的收斂速度,且時變神經(jīng)網(wǎng)絡對非線性時變系統(tǒng)的辨識精度也較高。

    關鍵詞:系統(tǒng)辨識;非線性時變系統(tǒng);時變神經(jīng)網(wǎng)絡;迭代學習;最小二乘

    0引言

    由于線性系統(tǒng)的特性關于參數(shù)是線性的,人們可以推廣已有線性系統(tǒng)辨識方法,給出可線性參數(shù)化的非線性動態(tài)系統(tǒng)的參數(shù)估計。這些參數(shù)估計算法往往只適合辨識定常或慢時變參數(shù)系統(tǒng)。已提出的針對時變參數(shù)系統(tǒng)的辨識方法如帶遺忘因子的最小二乘法[1]、卡爾曼濾波法[2]等,通常是沿時間軸對時變參數(shù)進行跟蹤,估計誤差能沿時間軸實現(xiàn)有界收斂。

    迭代學習辨識方法適于解決在有限時間區(qū)間上可重復運行的動態(tài)系統(tǒng)的時變參數(shù)估計問題。在一定條件下,該方法可對系統(tǒng)實現(xiàn)完全辨識任務,使整個有限時間區(qū)間上的估計誤差沿迭代軸收斂到零。文獻[3]針對一類含有未知時變參數(shù)的離散時變系統(tǒng),給出了迭代學習投影和迭代學習最小二乘2種算法。通過在同一時刻沿迭代軸估計系統(tǒng)的未知時變參數(shù),此類辨識方法可使整個有限時間區(qū)間上的估計誤差沿迭代軸逐點收斂到零。對于系統(tǒng)存在未建模動態(tài)或存在外界擾動時的情形,需要進一步研究。

    已證明神經(jīng)網(wǎng)絡對非線性連續(xù)函數(shù)具有良好的逼近能力[4-6]。近年來,以神經(jīng)網(wǎng)絡辨識非線性定常系統(tǒng)方面的研究成果很多[7-10]。 已有文獻中神經(jīng)網(wǎng)絡的權(quán)值大多是沿時間軸進行訓練,訓練完后網(wǎng)絡的輸入與輸出之間的映射關系是固定不變的,而時變系統(tǒng)的輸入輸出之間的映射關系會隨時間不斷變化,這要求神經(jīng)網(wǎng)絡的輸入輸出之間的映射關系也能隨時間變化。 文獻[11]將權(quán)值當作系統(tǒng)的未知時變參數(shù),利用卡爾曼濾波算法對其進行估計,取得了較好的辨識效果。但該算法仍舊是沿時間軸估計權(quán)值,估計誤差能沿時間軸實現(xiàn)漸近收斂。本文所要研究的問題是如何在一有限時間區(qū)間上利用神經(jīng)網(wǎng)絡完全辨識非線性時變系統(tǒng)。

    本文針對在有限時間區(qū)間上重復運行的非線性離散時變系統(tǒng), 提出基于時變神經(jīng)網(wǎng)絡辨識的迭代學習辨識算法。其主要方法是:對于每一個固定時刻,以該時刻的神經(jīng)網(wǎng)絡逼近該時刻系統(tǒng)輸入輸出間的映射關系。本文提出在同一時刻沿迭代軸訓練網(wǎng)絡權(quán)值的帶死區(qū)迭代學習最小二乘算法。考慮算法收斂性能,本文進一步提出一種協(xié)方差陣可重調(diào)的改進算法。理論分析表明,所提算法可以保證整個有限時間區(qū)間上的估計誤差沿迭代軸逐點收斂到原點的鄰域內(nèi),鄰域半徑取決于神經(jīng)網(wǎng)絡的建模精度。仿真結(jié)果進一步驗證了所提算法的有效性。

    1時變神經(jīng)網(wǎng)絡

    神經(jīng)網(wǎng)絡能以任意精度逼近緊集上的任意非線性連續(xù)函數(shù),常用于非線性復雜系統(tǒng)的建模與控制。

    本文考慮一類時變神經(jīng)網(wǎng)絡。與傳統(tǒng)的含定常權(quán)值的神經(jīng)網(wǎng)絡不同,該類網(wǎng)絡的輸入、輸出與權(quán)值均可隨時間變化。一類多輸入單輸出的時變神經(jīng)網(wǎng)絡可表示為

    (1)

    (1)式中:x(t)=[x1(t),x2(t),…,xn(t)]T∈Rn為網(wǎng)絡輸入向量;y(t)為網(wǎng)絡輸出標量;W(t)=[w1(t),…,wl(t)]T為可調(diào)的時變權(quán)值向量;φ(x(t))=[φ1(x(t)),φ2(x(t)),…,φl(x(t))]T為激勵函數(shù)向量組,l為神經(jīng)元節(jié)點數(shù)。

    激勵函數(shù)φ(·)的選擇很多,如階躍函數(shù),Logistic函數(shù),高斯函數(shù)等。以高階神經(jīng)網(wǎng)絡為例,激勵函數(shù)可選為

    (2)

    (3)

    假設對于有界的xj(t)可得有界的φ(xj(t)),事實上很多激勵函數(shù)均滿足此條件。因此,對于有界的x(t),有

    (4)

    非線性時變系統(tǒng)廣泛存在于實際系統(tǒng)中,本文以上述時變神經(jīng)網(wǎng)絡逼近未知時變映射f(x(t),t),從而達到辨識目的。事實上,對于每一個特定的時刻t=t*∈[0,T],f(x(t),t)是關于x的非線性函數(shù)。因此,對于每一確定的時刻t,時變神經(jīng)網(wǎng)絡就退化為傳統(tǒng)的神經(jīng)網(wǎng)絡。

    2非線性離散時變系統(tǒng)辨識

    考慮下述可重復運行的SISO非線性離散時變系統(tǒng)

    (5)

    (5)式中:n>0,m>0;f(·)為未知的光滑非線性時變函數(shù);t∈{0,1,…,T}為一有限的時間區(qū)間;k∈{0,1,… }為迭代次數(shù)。

    則系統(tǒng)(5)可重寫為

    (6)

    設系統(tǒng)(6)的時變神經(jīng)網(wǎng)絡模型為

    (7)

    (8)

    (9)

    定義估計誤差ek(t+1)為

    (10)

    我們的辨識目標是尋找時變權(quán)值W(t)的估計值Wk(t),t∈{n-1,n,…,T-1},使得當?shù)螖?shù)k足夠大時,整個辨識區(qū)間t∈{n,…,T}上的估計誤差ek(t)能盡可能小。

    系統(tǒng)初值{yk(0),yk(1),…,yk(n-1)}是由初始條件確定,這里僅考慮有限辨識區(qū)間t∈{n,…,T}上的估計誤差。

    2.1帶死區(qū)迭代學習最小二乘算法

    為克服神經(jīng)網(wǎng)絡建模誤差項的影響,依據(jù)文獻[12]中的帶死區(qū)最小二乘算法,在設計權(quán)值更新律時,給出一種帶死區(qū)的迭代學習最小二乘算法。本算法中的神經(jīng)網(wǎng)絡權(quán)值是在同一時刻沿迭代軸進行訓練。該迭代算法為

    (11)

    (12)

    (11)—(12)式中:初值W0(t),t∈{n-1,n,…,T-1}給定有界;協(xié)方差陣P0(t),t∈{n-1,n,…,T-1}取成對陣正定陣;ak(t)為

    ak(t)=

    (13)

    迭代學習算法(11)—(13)中,權(quán)值是沿迭代軸k而非時間軸t進行估計。根據(jù)(11)式,當計算Wk+1(t)時,需要計算ek(t+1),沿時間軸t看ek(t+1)是非因果的,而沿迭代軸k看它是可計算的。

    2.2收斂性分析

    對迭代學習算法(11)—(13)進行收斂性分析。

    定理1對于系統(tǒng)(6),學習算法(11)—(13)具有以下性質(zhì)。

    證明根據(jù)(8)—(10)式可得

    (14)

    在(11)式兩邊減去W(t)可得

    (15)

    將(14)式代入(15)式可得

    (16)

    (17)

    將(17)式代入(16)式整理得

    另外,根據(jù)矩陣求逆引理[12]易得

    (18)

    Vk+1(t)-Vk(t)=

    (19)

    將(15)式、(18)式代入(19)式并整理得

    Vk+1(t)-Vk(t)=

    (20)

    代入(20)式可得

    (21)

    (22)

    下面根據(jù)(13)式分2種情況討論:

    根據(jù)式(21)可得

    (23)

    由(18)式可知,Pk(t)為一對稱正定矩陣,又bk(t)>0,所以有

    因此

    (24)

    又0

    在上式兩邊對k進行累加得

    因為V0(t)有界,bk(t)>0,所以

    (25)

    根據(jù)(12)式可得

    (26)

    (27)

    記ck(t)=bk(t)φT(xk(t))Pk(t)φ(xk(t)),根據(jù)bk(t)的定義有

    (28)

    根據(jù)(25)式可得

    (29)

    又xk(t)∈S有界,根據(jù)(4)式可知(29)式的分母項有界,結(jié)合(28)式有

    (30)

    綜合以上2種情況可得

    (31)

    (32)

    因此Vk(t)是非負的不增序列。

    由(18)式可得

    (33)

    結(jié)合(32)式可得

    (34)

    即有

    (35)

    (36)

    又根據(jù)(31)式直接可得

    (37)

    這就保證了估計誤差的一致有界收斂性,性質(zhì)(ii)得證。

    3協(xié)方差陣可重調(diào)的改進算法

    我們發(fā)現(xiàn),隨著迭代次數(shù)的增加,(12)式中的協(xié)方差陣Pk(t)會變得很小,算法的收斂速度會急劇下降。為使算法始終保持較快的收斂速度,將(12)式中Pk(t)的更新律做如下改進[12],即當Pk(t)的跡小于某個設定的值時應對其重調(diào)。設{Ks}={k1,k2,…}為重調(diào)Pk(t)的迭代序列。

    當k?{Ks}時,就按(12)式的更新律來校正Pk(t),即

    (38)

    當k=ki∈{Ks}時,Pki+1(t)應重調(diào)如下

    (39)

    定理2對于系統(tǒng)(6),以上改進算法(11),(13),(38),(39)具有以下性質(zhì)

    證明對于k=0,1,…,k1,定義

    (40)

    Vk+1(t)-Vk(t)=ak(t)

    Vk+1(t)

    (41)

    (42)

    k=0,1,…,k1

    (43)

    又根據(jù)(32)式可得

    (44)

    又因為

    (45)

    將(44)式,(45)式代入(43)式可得

    (46)

    同理,當k1

    (47)

    (48)

    依次類推,對所有的k,有以下不等式成立

    (49)

    (50)

    性質(zhì)(II)得證。

    因此,與第3部分中的帶死區(qū)迭代學習最小二乘算法一樣,該協(xié)方差重調(diào)算法仍能保證時變權(quán)值估值的有界性和估計誤差的一致有界收斂性。

    4數(shù)值仿真

    例1考慮如下可重復運行的非線性離散時變系統(tǒng)[10]

    其中,t=0,1,…,100,初值yk(0)=0.1rand。

    測試階段:當k=26時,在一個非訓練的測試序列[10]

    uk(t)=0.15sin(2tπ/250)+

    0.22sin(2tπ/35)+0.2

    激勵下,得到的均方根誤差為4.08×10-5,圖3給出了網(wǎng)絡辨識結(jié)果。

    圖1 估計誤差的收斂過程Fig.1 Convergence process of estimation error

    圖(t)的收斂過程Fig.2 Convergence process of(t)

    圖3 k=26時測試序列輸入下的辨識效果Fig.3 Identification results of test sequence input withk=26

    例2考慮如下可重復運行的時變NARMAX模型[11]

    其中,t=0,1,…,100,初值yk(0)=0.1rand。

    圖4 估計誤差的收斂過程Fig.4 Convergence process of estimation error

    圖5 k=25時神經(jīng)網(wǎng)絡獲得的權(quán)值Fig.5 Neural networks to get the weight with k=25

    測試階段:當k=139時,在與例1相同的非訓練測試序列uk(t)激勵下,得到均方根誤差為1.74×10-4,圖6給出了網(wǎng)絡辨識結(jié)果。

    圖6 k=139時測試序列輸入下的辨識效果Fig.6 Identification results of test sequenceinput with k=139

    通過以上2個算例對本文所提方法進行了驗證。數(shù)值結(jié)果表明,本文所提的學習算法具有較快的收斂速度,且時變神經(jīng)網(wǎng)絡對非線性時變系統(tǒng)的辨識精度也較高。

    5結(jié)論

    本文通過構(gòu)造時變神經(jīng)網(wǎng)絡模型,給出在同一時刻沿迭代軸訓練網(wǎng)絡權(quán)值的帶死區(qū)迭代學習最小二乘算法及協(xié)方差陣可重調(diào)的改進算法,討論了一類非線性離散時變系統(tǒng)有限時間區(qū)間上的完全辨識問題。理論分析與仿真結(jié)果均表明,所述算法能保證整個有限時間區(qū)間上的估計誤差順著迭代軸逐步收斂到原點的鄰域空間中,建模精度則直接影響著該鄰域半徑的大小。本文所提的學習算法具有較快的收斂速度,且時變神經(jīng)網(wǎng)絡對非線性時變系統(tǒng)的辨識精度也較高。

    參考文獻:

    [1]DING F, CHEN T. Performance bounds of forgetting factor least-squares algorithms for time-varying systems with finite measurement data [J]. Circuits and Systems, 2012, 52(3): 555-566.

    [2]李書進, 李文華. 基于自適應卡爾曼濾波的時變結(jié)構(gòu)參數(shù)估計[J].自動化學報, 2011, 29(2): 146-149.

    LI Shujin, LI Wenhua. Adaptive Calman filter based on the parameter estimation of time-varying structures[J]. Acta Automatica Sinica, 2011, 29 (2): 146-149.

    [3]SUN M,HE X.Iterative learning identification and control of discrete time-varying systems[J].Proceedings of the 26th Chinese Control Conference,2013,3(7):520-524.

    [4]徐鳳霞, 朱全民, 趙東亞, 等. 基于 U 模型的非線性控制系統(tǒng)設計方法十年發(fā)展綜述[J]. 控制與決策, 2013, 28(7): 961-971.

    XU Fengxia, ZHU Quanmin, ZHAO Dongya, et al. Nonlinear U model of the control system design method based on ten years of the development review[J]. Control and Decision, 2013, 28 (7): 961-971.

    [5]吳龍庭, 曹順安, 胡家元, 等. 時滯系統(tǒng)的 LM-Smith 神經(jīng)網(wǎng)絡控制器[J]. 計算機應用研究, 2014, 31(4): 1042-1044.WU Longting,CAO Shunan,HU Jiayuan,et al.A LM-Smith neural network controller for time delay system[J].Application Research of Computer,2014,31 (4):1042-1044.

    [6]嚴偉力, 孫明軒. 基于時變神經(jīng)網(wǎng)絡的非線性時變系統(tǒng)建模[J]. 小型微型計算機系統(tǒng), 2011, 32(6): 1228-1231.

    YAN Weili, SUN Mingxuan. Nonlinear time-varying neural networks with time-varying system modeling [J]. Mini micro Systems, 2011, 32 (6): 1228-1231.

    [7]ZHAO H, ZHANG J. Nonlinear dynamic system identification using pipelined functional link artificial recurrent neural network[J]. Neurocomputing, 2012, 72(13): 3046-3054.

    [8]SCH?N T B, WILLS A, NINNESS B. System identification of nonlinear state-space models [J].Automatica, 2013, 47(1): 39-49.

    [9]曹偉,叢望,李金,等.基于迭代學習的離散線性時變系統(tǒng)故障診斷[J].控制與決策,2013,28(1):137-140.

    CAO Wei, CONG Wang, LI Jin, et al. The discrete linear iterative learning system based on the fault diagnosis of [J]. Control and Decision, 2013, 28 (1): 137-140.

    [10] ZHANG D, ADELMAN D. An approximate dynamic programming approach to network revenue management with customer choice [J]. Transportation Science, 2014, 43(3): 381-394.

    [11] 徐小平, 錢富才, 王峰. 非線性系統(tǒng)辨識方法研究[J]. 計算機工程與應用, 2012, 46(6): 19-24.

    XU Xiaoping, QIAN Fucai, WANG Feng. Nonlinear system identification method on [J]. Computer Engineering and Applications, 2012, 46 (6): 19-24.

    [12] GAO J, SULTAN H, HU J. Denoising nonlinear time series by adaptive filtering and wavelet shrinkage: a comparison[J]. Signal Processing Letters, 2013, 17(3): 237-240.

    Iterative learning identification algorithm based on time-varying neural network

    DAI Rong1,HUANG Cheng2

    (1.Department of Computer Science, Civil Aviation Flight University of China, Guanghan 618307,P.R.China;2. Sichuan Engineering Technical College, Deyang 618000, P.R.China)

    Abstract:In order to achieve that the discrete time-varying nonlinear system identification can run repeateadly on the finite time interval, an iterative learning identification algorithm based on time-varying neural networks is given.First, for each fixed time, the neural network of the moment which approachs the mapping relationship between input and output of the system,the iterative learning least squares algorithm with dead-zone for the weights updating along the iteration axis is proposed. To prevent the convergence rate from falling too fast, the improved algorithm whose covariance matrix can be retuned is proposed further. The proposed algorithm guarantees that the estimation error converges to a bound point wisely over the entire time interval, and the neighborhood radius depends on the modeling accuracy of the neural network. Experimental results show that the proposed algorithm has a faster convergence rate, and identification accuracy of the time-varying neural networks for nonlinear time-varying system is higher.

    Keywords:system identification; discrete-time varying nonlinear systems; time-varying neural networks; iterative learning; least squares

    DOI:10.3979/j.issn.1673-825X.2016.02.020

    收稿日期:2014-12-19

    修訂日期:2015-11-26通訊作者:黃成dair1977@163.com

    基金項目:四川省教育廳科研項目(13ZA0135)

    Foundation Item:The Sichuan Provincial Department of Education research (13ZA0135)

    中圖分類號:TP273

    文獻標志碼:A

    文章編號:1673-825X(2016)02-0265-08

    作者簡介:

    戴蓉(1977-),女,四川攀枝花人,副教授,碩士,主要研究方向為計算機仿真、數(shù)據(jù)庫技術、多媒體技術。

    黃成,(1975-),男,江蘇常州人,副教授,學士,主要研究方向為網(wǎng)絡工程、信息安全,網(wǎng)絡編程。E-mail: dair1977@163.com。

    (編輯:張誠)

    免费看av在线观看网站| 男女免费视频国产| 亚洲真实伦在线观看| 哪个播放器可以免费观看大片| 色婷婷av一区二区三区视频| 免费观看性生交大片5| 在线免费十八禁| 成年av动漫网址| 国产又色又爽无遮挡免| 网址你懂的国产日韩在线| 日韩欧美一区视频在线观看 | 成年美女黄网站色视频大全免费 | 国产亚洲午夜精品一区二区久久| 亚洲av.av天堂| 搡女人真爽免费视频火全软件| 欧美日韩精品成人综合77777| 国产一区二区在线观看日韩| 精华霜和精华液先用哪个| 日本av免费视频播放| 中文欧美无线码| 男女下面进入的视频免费午夜| 久久99热这里只有精品18| 免费播放大片免费观看视频在线观看| 亚洲综合色惰| 国产亚洲午夜精品一区二区久久| 综合色丁香网| 春色校园在线视频观看| 香蕉精品网在线| 午夜视频国产福利| 在线播放无遮挡| 国产免费一级a男人的天堂| 99热网站在线观看| 国产亚洲精品久久久com| 尤物成人国产欧美一区二区三区| 免费观看av网站的网址| 久久人人爽人人爽人人片va| 黄色视频在线播放观看不卡| 精品视频人人做人人爽| 91午夜精品亚洲一区二区三区| 麻豆国产97在线/欧美| 一本一本综合久久| 精品一区二区三卡| 日韩一本色道免费dvd| 午夜激情久久久久久久| 狂野欧美激情性bbbbbb| 日韩成人伦理影院| av免费观看日本| 99九九线精品视频在线观看视频| 啦啦啦啦在线视频资源| 日韩,欧美,国产一区二区三区| 中文欧美无线码| 青青草视频在线视频观看| 三级国产精品片| 少妇的逼水好多| av网站免费在线观看视频| 精品午夜福利在线看| 国产精品久久久久成人av| 精品亚洲成a人片在线观看 | 最近2019中文字幕mv第一页| 国产精品不卡视频一区二区| 日本av免费视频播放| 校园人妻丝袜中文字幕| 亚洲精品国产av蜜桃| 国产一区二区三区综合在线观看 | 观看免费一级毛片| 免费观看av网站的网址| 一级毛片电影观看| 秋霞在线观看毛片| 欧美人与善性xxx| 亚洲精品,欧美精品| 一级毛片久久久久久久久女| 国产91av在线免费观看| 国产熟女欧美一区二区| 一级毛片 在线播放| 性色avwww在线观看| 国产精品麻豆人妻色哟哟久久| 国产精品久久久久久久电影| 亚洲内射少妇av| a 毛片基地| 联通29元200g的流量卡| 欧美精品一区二区免费开放| 国产淫片久久久久久久久| 亚洲激情五月婷婷啪啪| 久久人妻熟女aⅴ| 免费观看av网站的网址| 日韩av不卡免费在线播放| 午夜日本视频在线| av国产免费在线观看| 十分钟在线观看高清视频www | 欧美三级亚洲精品| 日本与韩国留学比较| 久久久久久伊人网av| 国产精品一区二区在线不卡| 国产av国产精品国产| 日韩亚洲欧美综合| 欧美3d第一页| 国产精品麻豆人妻色哟哟久久| 99re6热这里在线精品视频| 精品人妻偷拍中文字幕| 日本与韩国留学比较| 久久综合国产亚洲精品| 中文字幕免费在线视频6| av天堂中文字幕网| 亚洲内射少妇av| 韩国av在线不卡| 国产伦理片在线播放av一区| 亚洲欧洲国产日韩| 老司机影院成人| 国产欧美日韩精品一区二区| 成人黄色视频免费在线看| 91在线精品国自产拍蜜月| 中文字幕制服av| 最近中文字幕2019免费版| 亚洲精品乱久久久久久| 一级黄片播放器| 人人妻人人爽人人添夜夜欢视频 | 一本—道久久a久久精品蜜桃钙片| 大香蕉97超碰在线| 在线播放无遮挡| 日本午夜av视频| 美女福利国产在线 | 又大又黄又爽视频免费| 亚洲精品国产av成人精品| 日本欧美视频一区| 街头女战士在线观看网站| 久久青草综合色| 99热这里只有精品一区| 国产爱豆传媒在线观看| 国产av国产精品国产| 国产乱人偷精品视频| 亚洲第一区二区三区不卡| 日韩av免费高清视频| 在线免费观看不下载黄p国产| 熟女av电影| 观看av在线不卡| 好男人视频免费观看在线| 黄色欧美视频在线观看| 国产精品无大码| 久久 成人 亚洲| 乱码一卡2卡4卡精品| 大话2 男鬼变身卡| 黄色怎么调成土黄色| 欧美高清性xxxxhd video| 看十八女毛片水多多多| 黑人高潮一二区| 热99国产精品久久久久久7| 妹子高潮喷水视频| 亚洲熟女精品中文字幕| 深夜a级毛片| 一本—道久久a久久精品蜜桃钙片| 国产av国产精品国产| 免费看av在线观看网站| 欧美老熟妇乱子伦牲交| 日韩av不卡免费在线播放| 国产男人的电影天堂91| 欧美成人a在线观看| 丝瓜视频免费看黄片| 欧美激情国产日韩精品一区| 亚洲真实伦在线观看| 97在线视频观看| 国产精品99久久99久久久不卡 | 日韩伦理黄色片| 高清不卡的av网站| 少妇人妻精品综合一区二区| 中文字幕免费在线视频6| 黄色配什么色好看| 欧美精品一区二区免费开放| 少妇裸体淫交视频免费看高清| 精品一区二区三区视频在线| 国产精品久久久久久久久免| 99热这里只有是精品50| 欧美日本视频| 99精国产麻豆久久婷婷| 日日啪夜夜撸| 丰满人妻一区二区三区视频av| 一级毛片久久久久久久久女| 亚洲欧美一区二区三区国产| 精品久久久噜噜| 国产熟女欧美一区二区| 99热国产这里只有精品6| 在线观看国产h片| 毛片女人毛片| 亚洲精品乱码久久久v下载方式| 亚洲性久久影院| 亚洲一区二区三区欧美精品| 国产亚洲欧美精品永久| 精品久久久久久久末码| 国产日韩欧美在线精品| 国产午夜精品久久久久久一区二区三区| 亚洲国产精品专区欧美| 国产精品三级大全| 亚洲精品乱码久久久v下载方式| 中文在线观看免费www的网站| 亚洲色图av天堂| 丰满人妻一区二区三区视频av| 中文字幕精品免费在线观看视频 | 亚洲精华国产精华液的使用体验| 男女免费视频国产| 2018国产大陆天天弄谢| 国产伦在线观看视频一区| 中文欧美无线码| 啦啦啦中文免费视频观看日本| 高清毛片免费看| 亚洲经典国产精华液单| 国产成人免费观看mmmm| 国产亚洲精品久久久com| 99久久精品一区二区三区| 自拍偷自拍亚洲精品老妇| 少妇裸体淫交视频免费看高清| 九九爱精品视频在线观看| 亚洲成色77777| 亚洲国产av新网站| 国产精品久久久久久av不卡| 精品99又大又爽又粗少妇毛片| 日本黄色日本黄色录像| 日韩制服骚丝袜av| 日本av手机在线免费观看| 久久99热6这里只有精品| 亚洲国产精品999| 亚洲一区二区三区欧美精品| 少妇的逼好多水| 免费观看无遮挡的男女| 久久精品夜色国产| 另类亚洲欧美激情| av网站免费在线观看视频| 国产男女内射视频| 99久久精品国产国产毛片| av黄色大香蕉| 99精国产麻豆久久婷婷| www.色视频.com| 国产精品久久久久久av不卡| 又爽又黄a免费视频| 肉色欧美久久久久久久蜜桃| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品国产av成人精品| 夜夜爽夜夜爽视频| 婷婷色麻豆天堂久久| 搡老乐熟女国产| 在线免费十八禁| 三级经典国产精品| 日本爱情动作片www.在线观看| 日本欧美视频一区| 日日撸夜夜添| 91精品国产九色| 男女免费视频国产| 国语对白做爰xxxⅹ性视频网站| 亚洲精品一二三| 99久久中文字幕三级久久日本| 国产视频内射| 亚洲精品视频女| 能在线免费看毛片的网站| 国产精品99久久久久久久久| 久久久精品94久久精品| 国产成人精品一,二区| 亚洲欧美日韩无卡精品| 亚洲国产色片| 高清午夜精品一区二区三区| 王馨瑶露胸无遮挡在线观看| 中文资源天堂在线| 日韩强制内射视频| 国产一区有黄有色的免费视频| 黄片wwwwww| 亚洲人与动物交配视频| 国产高清不卡午夜福利| 搡老乐熟女国产| 久久国产精品男人的天堂亚洲 | 精品99又大又爽又粗少妇毛片| 亚洲av中文av极速乱| 亚洲av免费高清在线观看| 日韩,欧美,国产一区二区三区| 欧美另类一区| 日韩视频在线欧美| 国产欧美另类精品又又久久亚洲欧美| 国产深夜福利视频在线观看| 在线观看一区二区三区| 亚洲av综合色区一区| 在线观看av片永久免费下载| 亚洲国产色片| 亚洲av日韩在线播放| 美女内射精品一级片tv| www.av在线官网国产| 夫妻午夜视频| 精品久久久噜噜| 日韩制服骚丝袜av| 国产深夜福利视频在线观看| 日韩精品有码人妻一区| 蜜桃亚洲精品一区二区三区| 免费人妻精品一区二区三区视频| 亚洲欧美一区二区三区国产| 午夜福利高清视频| 老司机影院成人| 亚洲成人av在线免费| 综合色丁香网| 国产精品99久久久久久久久| 欧美一区二区亚洲| 中文资源天堂在线| 久久影院123| 日韩一区二区视频免费看| 亚洲国产精品专区欧美| 久久久久久久久久久丰满| 亚洲欧美日韩无卡精品| 国产无遮挡羞羞视频在线观看| 两个人的视频大全免费| 大香蕉97超碰在线| 天堂中文最新版在线下载| 欧美成人a在线观看| 日韩国内少妇激情av| 丰满乱子伦码专区| 午夜免费观看性视频| 我的女老师完整版在线观看| 狠狠精品人妻久久久久久综合| freevideosex欧美| 少妇 在线观看| 边亲边吃奶的免费视频| 女性被躁到高潮视频| 久久国产精品大桥未久av | 99热这里只有精品一区| 成人黄色视频免费在线看| 青春草国产在线视频| 日韩一本色道免费dvd| 女性被躁到高潮视频| 你懂的网址亚洲精品在线观看| 一区二区三区四区激情视频| 色5月婷婷丁香| 国产精品三级大全| av视频免费观看在线观看| 国产男人的电影天堂91| 大又大粗又爽又黄少妇毛片口| 少妇人妻久久综合中文| videos熟女内射| 欧美bdsm另类| 欧美 日韩 精品 国产| 国产精品国产三级专区第一集| 好男人视频免费观看在线| h视频一区二区三区| 一级爰片在线观看| 国内精品宾馆在线| 亚洲人与动物交配视频| 黄色日韩在线| 精品久久国产蜜桃| 亚洲图色成人| 亚洲精品日韩在线中文字幕| 97热精品久久久久久| 91精品一卡2卡3卡4卡| 久久99热这里只有精品18| 久久久久性生活片| 免费观看av网站的网址| 超碰av人人做人人爽久久| 国产 一区 欧美 日韩| 蜜臀久久99精品久久宅男| 丰满少妇做爰视频| 日韩电影二区| 人妻夜夜爽99麻豆av| 精品久久久久久久久av| 久久久久久久国产电影| 欧美高清成人免费视频www| 最新中文字幕久久久久| 午夜福利影视在线免费观看| 夜夜爽夜夜爽视频| 色婷婷av一区二区三区视频| 精品一区二区三区视频在线| 最近中文字幕2019免费版| 人人妻人人添人人爽欧美一区卜 | 欧美一级a爱片免费观看看| 国产精品无大码| 在线 av 中文字幕| 中文资源天堂在线| 亚洲一级一片aⅴ在线观看| 丝袜脚勾引网站| 精品国产一区二区三区久久久樱花 | 亚洲av成人精品一二三区| 亚洲精品成人av观看孕妇| 一个人看的www免费观看视频| 青春草亚洲视频在线观看| 纯流量卡能插随身wifi吗| 国产男女超爽视频在线观看| 视频中文字幕在线观看| 少妇的逼水好多| 午夜激情久久久久久久| 久久久久久久久久久丰满| 日韩欧美 国产精品| 国模一区二区三区四区视频| 美女中出高潮动态图| 伦理电影大哥的女人| 五月开心婷婷网| 国内少妇人妻偷人精品xxx网站| 最近最新中文字幕免费大全7| a 毛片基地| 黄色日韩在线| 亚州av有码| 免费在线观看成人毛片| 久久精品国产亚洲av涩爱| 亚洲av福利一区| 中文字幕免费在线视频6| 国产极品天堂在线| 午夜福利视频精品| 亚洲欧美成人精品一区二区| 国产黄频视频在线观看| 日韩欧美精品免费久久| 精品视频人人做人人爽| 精华霜和精华液先用哪个| 人妻系列 视频| 成年美女黄网站色视频大全免费 | 日韩欧美 国产精品| 久久午夜福利片| 十八禁网站网址无遮挡 | 嫩草影院新地址| 啦啦啦啦在线视频资源| 99精国产麻豆久久婷婷| 亚洲国产精品一区三区| 午夜免费观看性视频| 日本vs欧美在线观看视频 | av专区在线播放| 七月丁香在线播放| 国产精品久久久久久精品古装| 大陆偷拍与自拍| 噜噜噜噜噜久久久久久91| 夜夜爽夜夜爽视频| 精品久久久久久电影网| 成人二区视频| av播播在线观看一区| 亚洲va在线va天堂va国产| 不卡视频在线观看欧美| 日韩三级伦理在线观看| 99热这里只有是精品在线观看| 成人毛片60女人毛片免费| 性色avwww在线观看| 亚洲中文av在线| 男女边吃奶边做爰视频| 亚洲av在线观看美女高潮| 黄片wwwwww| 干丝袜人妻中文字幕| 91午夜精品亚洲一区二区三区| 最后的刺客免费高清国语| 欧美老熟妇乱子伦牲交| 亚洲精品乱久久久久久| 亚洲图色成人| 亚洲欧美日韩无卡精品| 国产亚洲一区二区精品| 亚洲精品乱码久久久久久按摩| 欧美日韩国产mv在线观看视频 | 成人18禁高潮啪啪吃奶动态图 | 亚洲精品色激情综合| 男人爽女人下面视频在线观看| 亚洲在久久综合| av一本久久久久| 国产精品久久久久久久久免| 亚洲欧美精品专区久久| 最近的中文字幕免费完整| 国产免费福利视频在线观看| 好男人视频免费观看在线| 国产在线视频一区二区| 免费大片18禁| 久热这里只有精品99| 亚洲自偷自拍三级| 九九爱精品视频在线观看| freevideosex欧美| 亚洲精品国产色婷婷电影| 蜜桃亚洲精品一区二区三区| 黑丝袜美女国产一区| 五月玫瑰六月丁香| 国产视频内射| 国产探花极品一区二区| 99热国产这里只有精品6| 精品一区二区三区视频在线| 伦精品一区二区三区| 深夜a级毛片| 欧美精品一区二区免费开放| 国产在线免费精品| 视频区图区小说| 一区二区三区乱码不卡18| 美女中出高潮动态图| 国产一区二区三区av在线| 91久久精品国产一区二区成人| 精品亚洲成a人片在线观看 | 亚洲精品乱久久久久久| 韩国av在线不卡| h日本视频在线播放| 18禁裸乳无遮挡动漫免费视频| 蜜桃亚洲精品一区二区三区| 日日啪夜夜撸| 色婷婷久久久亚洲欧美| 人人妻人人澡人人爽人人夜夜| 3wmmmm亚洲av在线观看| 国产男人的电影天堂91| 青春草视频在线免费观看| 国产男人的电影天堂91| 中文在线观看免费www的网站| 亚洲伊人久久精品综合| 国产精品欧美亚洲77777| 日本vs欧美在线观看视频 | 色视频在线一区二区三区| 亚洲av综合色区一区| 成人毛片60女人毛片免费| 欧美日韩国产mv在线观看视频 | 黑人猛操日本美女一级片| 国产高清三级在线| 免费看光身美女| 欧美亚洲 丝袜 人妻 在线| 免费黄色在线免费观看| 久久久午夜欧美精品| 免费看av在线观看网站| 精品久久久久久久久亚洲| 久久久久网色| 大陆偷拍与自拍| 国产亚洲精品久久久com| 国产黄片美女视频| 啦啦啦视频在线资源免费观看| .国产精品久久| 卡戴珊不雅视频在线播放| 国产精品不卡视频一区二区| 一级二级三级毛片免费看| 久久久欧美国产精品| 各种免费的搞黄视频| 大又大粗又爽又黄少妇毛片口| 亚洲自偷自拍三级| 成人午夜精彩视频在线观看| 国产亚洲最大av| 亚洲最大成人中文| 国产av国产精品国产| 欧美老熟妇乱子伦牲交| 成人特级av手机在线观看| 观看免费一级毛片| 黑人高潮一二区| 精品人妻一区二区三区麻豆| 久久精品国产自在天天线| 下体分泌物呈黄色| 大香蕉97超碰在线| 少妇高潮的动态图| 久久午夜福利片| 亚洲电影在线观看av| 国内精品宾馆在线| 亚洲精品aⅴ在线观看| 亚洲精品成人av观看孕妇| 蜜臀久久99精品久久宅男| 在线 av 中文字幕| 人体艺术视频欧美日本| 久久 成人 亚洲| 国产精品国产av在线观看| 一级毛片 在线播放| 九九爱精品视频在线观看| 五月伊人婷婷丁香| 亚洲精品一区蜜桃| 免费不卡的大黄色大毛片视频在线观看| 日韩电影二区| 亚洲精品国产色婷婷电影| 国产毛片在线视频| 亚洲国产欧美人成| 欧美高清成人免费视频www| 免费av中文字幕在线| 麻豆成人av视频| 嫩草影院入口| 欧美区成人在线视频| 春色校园在线视频观看| 国产av码专区亚洲av| 国产免费一区二区三区四区乱码| 欧美日本视频| 日本av手机在线免费观看| 少妇高潮的动态图| 最后的刺客免费高清国语| 国内少妇人妻偷人精品xxx网站| 日本黄色片子视频| 五月伊人婷婷丁香| 天堂俺去俺来也www色官网| 午夜日本视频在线| 干丝袜人妻中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 久久久久久久亚洲中文字幕| 精品久久久久久久久亚洲| 亚洲欧美中文字幕日韩二区| 麻豆成人av视频| 3wmmmm亚洲av在线观看| 久久精品夜色国产| 久久精品国产亚洲av天美| 国产精品福利在线免费观看| 亚洲精品第二区| 两个人的视频大全免费| 一区二区三区乱码不卡18| 精品少妇黑人巨大在线播放| 国产视频首页在线观看| 老师上课跳d突然被开到最大视频| 日本午夜av视频| 成人二区视频| 亚洲欧美精品专区久久| 日韩 亚洲 欧美在线| 亚洲经典国产精华液单| 97在线视频观看| 又爽又黄a免费视频| 国产午夜精品久久久久久一区二区三区| 熟女人妻精品中文字幕| 亚洲第一区二区三区不卡| 欧美日韩国产mv在线观看视频 | 人人妻人人澡人人爽人人夜夜| 亚洲欧美日韩卡通动漫| 色5月婷婷丁香| 成人18禁高潮啪啪吃奶动态图 | 在线观看国产h片| 久久久久国产网址| 一级毛片我不卡| 久久人妻熟女aⅴ| 日本欧美国产在线视频| 午夜日本视频在线| 久久久久久久大尺度免费视频| 97超视频在线观看视频| 国产又色又爽无遮挡免| 国产免费视频播放在线视频| 精品熟女少妇av免费看| 国产成人aa在线观看| 欧美日韩在线观看h| 狠狠精品人妻久久久久久综合| 亚州av有码| kizo精华| 欧美xxxx黑人xx丫x性爽| 22中文网久久字幕| 久久久久久久大尺度免费视频|