• <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)

    欧美性猛交黑人性爽| 国产精品一区二区性色av| 精品一区二区三区av网在线观看| 夜夜夜夜夜久久久久| 99久国产av精品| 性色avwww在线观看| 午夜福利视频1000在线观看| 一区二区三区免费毛片| 精品乱码久久久久久99久播| 97碰自拍视频| 日韩中字成人| 大型黄色视频在线免费观看| 日本黄色视频三级网站网址| 国产精品综合久久久久久久免费| 伊人久久精品亚洲午夜| 女同久久另类99精品国产91| 欧美绝顶高潮抽搐喷水| 亚洲三级黄色毛片| 欧美中文日本在线观看视频| 午夜精品在线福利| 精品欧美国产一区二区三| 日本欧美国产在线视频| 天美传媒精品一区二区| 亚洲aⅴ乱码一区二区在线播放| 一区二区三区四区激情视频 | 成人三级黄色视频| 国产精品综合久久久久久久免费| 日韩中字成人| 国产高清激情床上av| 成人毛片a级毛片在线播放| 国内精品美女久久久久久| 在线观看66精品国产| 免费av不卡在线播放| 日韩欧美 国产精品| 老熟妇仑乱视频hdxx| 精品人妻视频免费看| 国产精品久久久久久亚洲av鲁大| 日产精品乱码卡一卡2卡三| 色在线成人网| 蜜臀久久99精品久久宅男| 国产精品一区二区性色av| 国产视频一区二区在线看| 欧美日本亚洲视频在线播放| 一级a爱片免费观看的视频| 国产精品av视频在线免费观看| 国产一区二区三区在线臀色熟女| 观看美女的网站| 插阴视频在线观看视频| 成人av在线播放网站| 直男gayav资源| 人妻丰满熟妇av一区二区三区| 国产精品亚洲一级av第二区| 少妇高潮的动态图| 国产精品亚洲一级av第二区| 成人av一区二区三区在线看| 欧美日韩一区二区视频在线观看视频在线 | 成人精品一区二区免费| 国产精品野战在线观看| 午夜日韩欧美国产| 看十八女毛片水多多多| 亚洲成人久久性| 亚洲美女黄片视频| 我的女老师完整版在线观看| 亚州av有码| 69人妻影院| 99在线人妻在线中文字幕| 哪里可以看免费的av片| 日韩欧美免费精品| 97在线视频观看| 免费观看人在逋| 国产欧美日韩一区二区精品| 精品一区二区三区视频在线| 亚洲成a人片在线一区二区| 亚洲久久久久久中文字幕| 成人综合一区亚洲| 中文亚洲av片在线观看爽| 嫩草影视91久久| 久久国产乱子免费精品| 精品久久久久久久久亚洲| 亚洲七黄色美女视频| 女的被弄到高潮叫床怎么办| 99视频精品全部免费 在线| 99久久中文字幕三级久久日本| 一级毛片我不卡| 国产大屁股一区二区在线视频| 国产亚洲精品久久久久久毛片| 国产蜜桃级精品一区二区三区| 久久久久九九精品影院| 亚洲在线观看片| 麻豆久久精品国产亚洲av| 九色成人免费人妻av| 国产真实乱freesex| 小蜜桃在线观看免费完整版高清| 一级a爱片免费观看的视频| 免费人成视频x8x8入口观看| 99热这里只有是精品50| 日本黄大片高清| 精品久久国产蜜桃| 国产精品久久久久久久久免| 插逼视频在线观看| 成人特级av手机在线观看| 欧美色欧美亚洲另类二区| 国产精品亚洲美女久久久| 五月伊人婷婷丁香| 亚洲四区av| 天堂av国产一区二区熟女人妻| 久久欧美精品欧美久久欧美| av在线播放精品| 国产91av在线免费观看| 女同久久另类99精品国产91| 成人特级av手机在线观看| 欧美丝袜亚洲另类| 久久精品国产亚洲av涩爱 | av在线播放精品| 99久久成人亚洲精品观看| 成人特级黄色片久久久久久久| 国产亚洲91精品色在线| 成年免费大片在线观看| 小说图片视频综合网站| 久久久久久大精品| 国产91av在线免费观看| 久久久久久九九精品二区国产| 露出奶头的视频| 又爽又黄无遮挡网站| 色综合色国产| 亚洲熟妇熟女久久| 99久国产av精品| 在线观看66精品国产| 波多野结衣高清作品| 美女 人体艺术 gogo| 尾随美女入室| 97超视频在线观看视频| 日本黄色片子视频| 熟女电影av网| 成人漫画全彩无遮挡| 亚洲欧美精品综合久久99| 国产高清不卡午夜福利| 亚洲最大成人av| 国产视频内射| 亚洲第一区二区三区不卡| 成年女人永久免费观看视频| 别揉我奶头 嗯啊视频| 成人特级黄色片久久久久久久| 色哟哟·www| 成年免费大片在线观看| 国产精品久久久久久久电影| 日本免费a在线| 亚洲美女搞黄在线观看 | 国产亚洲欧美98| 伦理电影大哥的女人| 国产精品一及| 欧美中文日本在线观看视频| 三级国产精品欧美在线观看| 狠狠狠狠99中文字幕| 精品久久久久久久久久久久久| 国产成人精品久久久久久| 日韩强制内射视频| 老女人水多毛片| 国内少妇人妻偷人精品xxx网站| 乱人视频在线观看| 午夜久久久久精精品| 国内少妇人妻偷人精品xxx网站| 日韩成人av中文字幕在线观看 | 麻豆国产97在线/欧美| 99热这里只有是精品在线观看| 久久久久国产网址| 精品久久国产蜜桃| 精品人妻一区二区三区麻豆 | 国产精华一区二区三区| 少妇熟女aⅴ在线视频| 亚洲一级一片aⅴ在线观看| 91久久精品国产一区二区成人| 男插女下体视频免费在线播放| 亚洲乱码一区二区免费版| 婷婷精品国产亚洲av在线| 国产私拍福利视频在线观看| АⅤ资源中文在线天堂| 国产精品精品国产色婷婷| 最后的刺客免费高清国语| 日本欧美国产在线视频| 亚洲在线自拍视频| 97人妻精品一区二区三区麻豆| 久久韩国三级中文字幕| 人人妻人人看人人澡| 日韩中字成人| 成人av在线播放网站| 国产精品乱码一区二三区的特点| 有码 亚洲区| 精品日产1卡2卡| 精品熟女少妇av免费看| 最近中文字幕高清免费大全6| 国内久久婷婷六月综合欲色啪| 老熟妇仑乱视频hdxx| 两个人视频免费观看高清| 久久人妻av系列| 神马国产精品三级电影在线观看| 午夜免费激情av| 中国美白少妇内射xxxbb| 91麻豆精品激情在线观看国产| 国产精品美女特级片免费视频播放器| 免费无遮挡裸体视频| 欧美日韩在线观看h| 69人妻影院| 久久久久久久久久久丰满| 久久鲁丝午夜福利片| 91麻豆精品激情在线观看国产| 99热全是精品| 人妻夜夜爽99麻豆av| 狠狠狠狠99中文字幕| 黄色欧美视频在线观看| 国产蜜桃级精品一区二区三区| 狂野欧美白嫩少妇大欣赏| 一个人看的www免费观看视频| 少妇的逼好多水| 精品99又大又爽又粗少妇毛片| 两个人的视频大全免费| 最后的刺客免费高清国语| 久久久久免费精品人妻一区二区| 长腿黑丝高跟| 一本精品99久久精品77| 在线观看一区二区三区| 免费看av在线观看网站| 在线观看av片永久免费下载| 午夜免费激情av| 国产成人一区二区在线| 国产av不卡久久| 精品日产1卡2卡| 一进一出抽搐gif免费好疼| 一区二区三区四区激情视频 | 内射极品少妇av片p| 深夜精品福利| 日本在线视频免费播放| 五月伊人婷婷丁香| 最新在线观看一区二区三区| 日本免费一区二区三区高清不卡| 久久久久九九精品影院| 亚洲经典国产精华液单| 日日干狠狠操夜夜爽| 国产欧美日韩精品一区二区| 亚州av有码| 欧美成人免费av一区二区三区| 22中文网久久字幕| 男插女下体视频免费在线播放| 欧美绝顶高潮抽搐喷水| 乱人视频在线观看| 欧美一级a爱片免费观看看| www日本黄色视频网| 午夜爱爱视频在线播放| 夜夜看夜夜爽夜夜摸| 亚洲七黄色美女视频| 麻豆一二三区av精品| 国产精品,欧美在线| 久久精品国产99精品国产亚洲性色| 亚洲欧美精品自产自拍| 成人无遮挡网站| 成人永久免费在线观看视频| 成人特级av手机在线观看| 老女人水多毛片| 五月伊人婷婷丁香| 性欧美人与动物交配| 两个人的视频大全免费| 久久九九热精品免费| 国内精品一区二区在线观看| av在线天堂中文字幕| 日韩大尺度精品在线看网址| 99久久中文字幕三级久久日本| 国产v大片淫在线免费观看| 大型黄色视频在线免费观看| 欧美色视频一区免费| 黄色日韩在线| 岛国在线免费视频观看| 日日摸夜夜添夜夜添av毛片| 综合色av麻豆| 一级毛片aaaaaa免费看小| 成人国产麻豆网| 成人鲁丝片一二三区免费| 悠悠久久av| 性色avwww在线观看| 久久久久国产精品人妻aⅴ院| 综合色av麻豆| 成人精品一区二区免费| 国产一区二区激情短视频| 久久久久精品国产欧美久久久| 午夜福利18| 国产黄色视频一区二区在线观看 | 伦理电影大哥的女人| 99九九线精品视频在线观看视频| 人人妻人人看人人澡| 国产男人的电影天堂91| 久久久a久久爽久久v久久| 国内揄拍国产精品人妻在线| 老司机福利观看| 日本五十路高清| 在现免费观看毛片| 欧美日韩一区二区视频在线观看视频在线 | 国产精品日韩av在线免费观看| 级片在线观看| 日日撸夜夜添| 亚洲第一电影网av| 草草在线视频免费看| 国产精品久久久久久久久免| 99国产极品粉嫩在线观看| 国产片特级美女逼逼视频| 亚洲专区国产一区二区| 欧美xxxx黑人xx丫x性爽| 免费看光身美女| 国产一区二区三区在线臀色熟女| 久久久欧美国产精品| 欧美精品国产亚洲| 精品一区二区三区av网在线观看| 国产成年人精品一区二区| 在线播放国产精品三级| 日韩制服骚丝袜av| 精品人妻一区二区三区麻豆 | 成年免费大片在线观看| 日本与韩国留学比较| 一进一出抽搐动态| 嫩草影视91久久| 在线免费十八禁| 亚洲中文字幕日韩| 给我免费播放毛片高清在线观看| 全区人妻精品视频| 国产精华一区二区三区| 欧美日韩综合久久久久久| 久久韩国三级中文字幕| 亚洲经典国产精华液单| 欧美xxxx黑人xx丫x性爽| 欧美不卡视频在线免费观看| 欧美激情在线99| 熟妇人妻久久中文字幕3abv| 69人妻影院| 久久久久久久久久成人| 国产男人的电影天堂91| 国产精品久久久久久久久免| 黄色一级大片看看| 看非洲黑人一级黄片| 午夜福利在线观看吧| 一本精品99久久精品77| 久久久久久九九精品二区国产| 在线免费观看的www视频| 好男人在线观看高清免费视频| 少妇的逼水好多| 嫩草影院精品99| 在线播放国产精品三级| 人人妻人人澡欧美一区二区| 最后的刺客免费高清国语| 国产伦精品一区二区三区四那| 最新中文字幕久久久久| 成年免费大片在线观看| 日本与韩国留学比较| 麻豆乱淫一区二区| 欧美性猛交黑人性爽| 色综合亚洲欧美另类图片| 99久国产av精品国产电影| 日韩欧美在线乱码| 黄片wwwwww| 在现免费观看毛片| 搞女人的毛片| 亚洲av免费在线观看| 午夜激情福利司机影院| av天堂中文字幕网| 露出奶头的视频| 日韩欧美国产在线观看| 亚洲精品在线观看二区| 最后的刺客免费高清国语| 亚洲中文日韩欧美视频| 少妇丰满av| 久久精品夜色国产| 夜夜看夜夜爽夜夜摸| 日韩欧美免费精品| 天堂影院成人在线观看| 久久婷婷人人爽人人干人人爱| 成人亚洲精品av一区二区| 村上凉子中文字幕在线| 少妇熟女欧美另类| 成人三级黄色视频| 蜜桃久久精品国产亚洲av| 看非洲黑人一级黄片| 亚洲av电影不卡..在线观看| 国产伦精品一区二区三区视频9| 精品久久久久久成人av| 国产蜜桃级精品一区二区三区| 在线播放国产精品三级| 亚洲av美国av| 精品国内亚洲2022精品成人| 淫秽高清视频在线观看| 国产免费男女视频| 久久韩国三级中文字幕| 一级黄色大片毛片| 99久久精品国产国产毛片| 身体一侧抽搐| 能在线免费观看的黄片| 婷婷精品国产亚洲av在线| 国产黄色视频一区二区在线观看 | 国产色婷婷99| av免费在线看不卡| 黄色欧美视频在线观看| www.色视频.com| 亚洲一区高清亚洲精品| 精品不卡国产一区二区三区| 国产精品人妻久久久影院| 久久精品国产亚洲网站| 国产精品1区2区在线观看.| 91av网一区二区| videossex国产| 看片在线看免费视频| 国产蜜桃级精品一区二区三区| 韩国av在线不卡| 黄色日韩在线| 97在线视频观看| 亚洲不卡免费看| 国产高清视频在线播放一区| 色播亚洲综合网| 小蜜桃在线观看免费完整版高清| 在线观看一区二区三区| 亚洲欧美中文字幕日韩二区| 精品福利观看| 悠悠久久av| 国产精品美女特级片免费视频播放器| 国内少妇人妻偷人精品xxx网站| 国产人妻一区二区三区在| 久久欧美精品欧美久久欧美| 99热这里只有是精品在线观看| 日韩欧美精品v在线| 男人狂女人下面高潮的视频| 久久久成人免费电影| 国产综合懂色| 久久久久久久午夜电影| 搞女人的毛片| 嫩草影院入口| 波野结衣二区三区在线| 国产欧美日韩一区二区精品| 在线观看av片永久免费下载| 久久久久性生活片| 一区福利在线观看| 国产大屁股一区二区在线视频| 亚洲自偷自拍三级| 久久久欧美国产精品| 男女之事视频高清在线观看| 女同久久另类99精品国产91| 亚洲成人久久爱视频| 人人妻,人人澡人人爽秒播| 麻豆av噜噜一区二区三区| 一级a爱片免费观看的视频| 成人亚洲精品av一区二区| 99热网站在线观看| 欧美最黄视频在线播放免费| 亚洲av一区综合| 一个人看的www免费观看视频| 日韩高清综合在线| 日韩人妻高清精品专区| 性欧美人与动物交配| 亚洲美女视频黄频| 免费观看精品视频网站| 亚洲av一区综合| 国产精品1区2区在线观看.| 国产亚洲av嫩草精品影院| 男女啪啪激烈高潮av片| 中出人妻视频一区二区| 高清日韩中文字幕在线| 赤兔流量卡办理| 一个人免费在线观看电影| 大又大粗又爽又黄少妇毛片口| 久久久久久伊人网av| 亚洲丝袜综合中文字幕| 嫩草影院新地址| 精品不卡国产一区二区三区| 亚洲人与动物交配视频| 欧美bdsm另类| 精品一区二区三区av网在线观看| 黄色视频,在线免费观看| 成年版毛片免费区| 国产淫片久久久久久久久| 人人妻,人人澡人人爽秒播| 午夜福利成人在线免费观看| av免费在线看不卡| 18+在线观看网站| 最近中文字幕高清免费大全6| 女同久久另类99精品国产91| 51国产日韩欧美| 亚洲成人中文字幕在线播放| 天堂影院成人在线观看| 综合色av麻豆| h日本视频在线播放| 好男人在线观看高清免费视频| 1000部很黄的大片| 亚洲国产精品成人久久小说 | а√天堂www在线а√下载| 啦啦啦观看免费观看视频高清| 欧美bdsm另类| 美女高潮的动态| 寂寞人妻少妇视频99o| 天天躁日日操中文字幕| 看黄色毛片网站| 日日撸夜夜添| 精品人妻一区二区三区麻豆 | 偷拍熟女少妇极品色| 午夜视频国产福利| 九色成人免费人妻av| 亚洲三级黄色毛片| 国产欧美日韩精品亚洲av| 亚洲在线观看片| 亚洲国产欧洲综合997久久,| 久久久精品大字幕| 亚洲18禁久久av| 国产高清三级在线| 丰满人妻一区二区三区视频av| 精品人妻一区二区三区麻豆 | 免费观看的影片在线观看| 高清午夜精品一区二区三区 | 国产黄色视频一区二区在线观看 | 欧美高清性xxxxhd video| av.在线天堂| 日韩欧美精品免费久久| av福利片在线观看| 俄罗斯特黄特色一大片| 午夜精品一区二区三区免费看| 亚洲熟妇熟女久久| 午夜免费男女啪啪视频观看 | 色综合色国产| 亚洲va在线va天堂va国产| 亚洲经典国产精华液单| 性色avwww在线观看| 亚洲色图av天堂| 简卡轻食公司| 色噜噜av男人的天堂激情| 啦啦啦韩国在线观看视频| 国产高清有码在线观看视频| av.在线天堂| 色视频www国产| 美女黄网站色视频| 国产精品99久久久久久久久| 国产亚洲av嫩草精品影院| 国产精品无大码| 久久久久久久亚洲中文字幕| 免费看美女性在线毛片视频| 日本-黄色视频高清免费观看| 成人鲁丝片一二三区免费| 亚洲一级一片aⅴ在线观看| 亚洲性久久影院| 在线观看午夜福利视频| 人人妻,人人澡人人爽秒播| 精品人妻一区二区三区麻豆 | 成人欧美大片| 夜夜爽天天搞| 欧美又色又爽又黄视频| 国产aⅴ精品一区二区三区波| 91久久精品国产一区二区三区| 色综合色国产| 热99re8久久精品国产| 精品一区二区免费观看| 久久久久免费精品人妻一区二区| 久久国内精品自在自线图片| 日本色播在线视频| 国产精品电影一区二区三区| 欧美成人a在线观看| 久久欧美精品欧美久久欧美| 一本精品99久久精品77| 少妇裸体淫交视频免费看高清| 亚洲一区二区三区色噜噜| 女的被弄到高潮叫床怎么办| 久久久久久国产a免费观看| 三级男女做爰猛烈吃奶摸视频| 韩国av在线不卡| 亚洲一级一片aⅴ在线观看| 内射极品少妇av片p| 99久久精品国产国产毛片| 精华霜和精华液先用哪个| 国产av麻豆久久久久久久| 亚洲精品影视一区二区三区av| 婷婷精品国产亚洲av在线| 丝袜喷水一区| 日日干狠狠操夜夜爽| 日韩人妻高清精品专区| 天堂影院成人在线观看| 少妇裸体淫交视频免费看高清| 我的老师免费观看完整版| 99热这里只有精品一区| a级毛片免费高清观看在线播放| 在线观看免费视频日本深夜| 国产单亲对白刺激| 长腿黑丝高跟| 黄色日韩在线| 啦啦啦啦在线视频资源| 国产国拍精品亚洲av在线观看| 国产毛片a区久久久久| 美女 人体艺术 gogo| 在线免费观看的www视频| 久久久久国产网址| 99热6这里只有精品| 久久久久久久久大av| 一个人看视频在线观看www免费| 亚洲欧美中文字幕日韩二区| www.色视频.com| 国产免费男女视频| 熟女人妻精品中文字幕| 国产私拍福利视频在线观看| 少妇熟女aⅴ在线视频| 午夜激情福利司机影院| 国产成年人精品一区二区| 成年版毛片免费区| 桃色一区二区三区在线观看| 国产精品一区二区三区四区久久| 少妇高潮的动态图| 99热6这里只有精品| 亚洲18禁久久av| 亚洲经典国产精华液单| 啦啦啦啦在线视频资源| 亚洲国产欧美人成| 欧美日韩一区二区视频在线观看视频在线 | 综合色丁香网| 久久热精品热| 最近最新中文字幕大全电影3| 欧美激情在线99| 免费看a级黄色片|