• <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 ?

    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑

    2016-12-20 20:36:43趙玉龍王昌榮蔣有才
    價值工程 2016年32期
    關(guān)鍵詞:故障預(yù)測支持向量機(jī)準(zhǔn)確度

    趙玉龍 王昌榮 蔣有才

    摘要: 提高故障預(yù)測準(zhǔn)確度的方法有很多,研究先進(jìn)的智能預(yù)測算法就是其中的一種。大量的先進(jìn)預(yù)測算法都得到了廣泛的應(yīng)用,如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。每種智能預(yù)測算法都有各自的優(yōu)點(diǎn)和不足,首先介紹了常見的智能預(yù)測算法及其應(yīng)用;然后重點(diǎn)介紹了支持向量機(jī),主要包括其基本原理和主要問題;最后對支持向量機(jī)算法的改進(jìn)方向進(jìn)行了探討。支持向量機(jī)作為智能預(yù)測算法的一種,對于提高故障預(yù)測準(zhǔn)確度有很好的應(yīng)用前景。

    Abstract: There are many methods to improve the accurate degree of fault prediction, and the advanced intelligent prediction algorithm is one of them. A large number of advanced prediction algorithms have been widely used, such as expert systems, neural networks, support vector machines and so on. Each kind of intelligent prediction algorithm has its own advantages and disadvantages. The common intelligent prediction algorithm and its application are introduced in this paper. Then the support vector machine is introduced, mainly including its basic principles and main problems. Finally, the improvement direction of the support vector machine algorithm is discussed. As a kind of intelligent prediction algorithm, support vector machine has a good application prospect for improving the accuracy of fault prediction.

    關(guān)鍵詞: 故障預(yù)測;準(zhǔn)確度;智能預(yù)測算法;支持向量機(jī)

    Key words: fault prediction;accurate degree;intelligence prediction algorithm;support vector machine

    中圖分類號:TP206+.3 文獻(xiàn)標(biāo)識碼:A 文章編號:1006-4311(2016)32-0159-03

    0 引言

    從功能定位情況來看,相比于故障診斷,故障預(yù)測這種維修保障形式更加高級,屬于新興邊緣學(xué)科的范疇,其綜合性較強(qiáng),覆蓋了通信、材料、機(jī)械、控制、計(jì)算機(jī)、電子等多個領(lǐng)域[1]。

    主要強(qiáng)調(diào)預(yù)見性的故障診斷,其目的在于預(yù)先消除故障,進(jìn)而實(shí)現(xiàn)維護(hù)費(fèi)用以及工作量的全面降低。在這一背景下,故障預(yù)測技術(shù)的首要發(fā)展問題,便是怎樣提升故障預(yù)測準(zhǔn)確度。

    提高故障預(yù)測準(zhǔn)確的方法有很多,從故障預(yù)測整個流程來說,就可以從數(shù)據(jù)的準(zhǔn)確度、數(shù)據(jù)的預(yù)處理、故障特征提取方法的改進(jìn)以及智能預(yù)測算法的選擇這四個方面來進(jìn)行提高。提高數(shù)據(jù)準(zhǔn)確度方面,研究一些新型靈巧、健壯的傳感器以及尋求高信噪比的數(shù)據(jù)監(jiān)測手段都能夠?qū)?shù)據(jù)的準(zhǔn)確度有很大的提高。數(shù)據(jù)的預(yù)處理方面,改進(jìn)現(xiàn)有的降噪方法以及尋求新的降噪方法都是很多學(xué)者的研究內(nèi)容,這對于提高預(yù)測的準(zhǔn)確度也有不可忽視的作用。特征提取方面,尋找到能夠表征設(shè)備性能退化的特征也是現(xiàn)在研究的熱點(diǎn)。

    預(yù)測方法方面,一些先進(jìn)的智能預(yù)測算法相繼被提出,并且相應(yīng)的改進(jìn)方法也得到了廣泛的應(yīng)用,最新的一些組合預(yù)測算法也再相關(guān)的文獻(xiàn)中被應(yīng)用。

    四個方面中每一個方面的進(jìn)步都會對故障預(yù)測準(zhǔn)確度的提高有重要的作用。本文主要從第四個方面即智能預(yù)測算法方面進(jìn)行分析和研究。介紹了一些常見的智能預(yù)測算法及其應(yīng)用情況,并重點(diǎn)介紹了比較有前景的支持向量機(jī)算法的一些基本問題和改進(jìn)的方向。

    1 常見的智能預(yù)測算法及其應(yīng)用

    1.1 專家系統(tǒng)及其應(yīng)用

    在很難建立數(shù)學(xué)模型或是無精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)中,專家系統(tǒng)的作用能夠充分發(fā)揮出來,其優(yōu)勢在非線性領(lǐng)域表現(xiàn)的尤為突出。李茂林[2]、張晶[3]等將研究目光著眼于某自行火炮的電氣系統(tǒng)的失效模式以及故障機(jī)理方面,在對其展開了細(xì)致而又全面的分析的基礎(chǔ)之上,充分發(fā)揮混合推理機(jī)制的作用,系統(tǒng)地分析了推理機(jī)的實(shí)現(xiàn)問題,進(jìn)而致力于電氣系統(tǒng)故障綜合診斷專家系統(tǒng)的開發(fā)。結(jié)果顯示,此系統(tǒng)在提升電氣系統(tǒng)的保障能力方面的作用是極為突出的,能夠?yàn)楸U先藛T提供專業(yè)化的決策參考。必須要關(guān)注的一點(diǎn)為,專家系統(tǒng)地開發(fā)依賴于大量的原始積累,且其開發(fā)周期較長,現(xiàn)階段尚不具備一個統(tǒng)一的規(guī)范來指導(dǎo)專家系統(tǒng)的開發(fā),因此出現(xiàn)偏差的概率也相對較大。

    綜合來看,盡管專家系統(tǒng)的應(yīng)用相對較早,但是已有的研究成果比較少,因此新的智能預(yù)測算法逐步發(fā)展起來,有望取而代之。

    1.2 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用

    從實(shí)現(xiàn)方式來看,如下兩種方式可以實(shí)現(xiàn)預(yù)測故障神經(jīng)網(wǎng)絡(luò)預(yù)測功能:首先是對輸入輸出之間的動態(tài)關(guān)系加以考量,充分發(fā)揮帶饋連接動態(tài)神經(jīng)網(wǎng)絡(luò)的作用,完成動態(tài)模型的建立,進(jìn)而發(fā)揮其預(yù)測功能;其次為將神經(jīng)網(wǎng)絡(luò)作為函數(shù)逼近器,采用擬合預(yù)測的方式來評估設(shè)備工況情況。從神經(jīng)網(wǎng)絡(luò)的特點(diǎn)來看,其非線性映射能力較為突出,因此可以逼近所有的非線性函數(shù)。Nawaz[4]等將研究對象定為半導(dǎo)體蝕刻設(shè)備,充分發(fā)揮遞歸神經(jīng)網(wǎng)絡(luò)的作用,實(shí)現(xiàn)了預(yù)測準(zhǔn)確度的全面提升,準(zhǔn)確度高達(dá)百分之九十左右。郭濤[5]等將研究對象定為某魚雷保障設(shè)備,充分發(fā)揮RBF的作用,完成了網(wǎng)絡(luò)預(yù)測模型的建立,進(jìn)而實(shí)現(xiàn)了預(yù)測準(zhǔn)確度的全面提升。

    從客觀上來講,神經(jīng)網(wǎng)絡(luò)的缺陷也是顯而易見的,較為突出的幾項(xiàng)缺點(diǎn)為:訓(xùn)練樣本的需求量相對較大、容易限于局部最小點(diǎn)、對于經(jīng)驗(yàn)因素的依賴性較強(qiáng)、易于出現(xiàn)過學(xué)習(xí)情況。針對神經(jīng)網(wǎng)絡(luò)的上述缺點(diǎn),一些相關(guān)的改進(jìn)改進(jìn)方法也得到了應(yīng)用。程進(jìn)軍[6]等利用遺傳算法(GA)多神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進(jìn)行尋優(yōu),建立了GA和NN的預(yù)測模型,仿真結(jié)果表明該模型的預(yù)測精度較高;范愛鋒等提出了指數(shù)衰減神經(jīng)網(wǎng)絡(luò)模型,確定了衰減系數(shù)取0.75~0.9為宜,并以某型雷達(dá)磁控管為例進(jìn)行故障預(yù)測,取得了較高的預(yù)測精度。

    1.3 支持向量機(jī)及其應(yīng)用

    從定義上來講,支持向量機(jī)(SVM)應(yīng)該被歸于機(jī)器學(xué)習(xí)算法的范疇,這一算法是在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)之上發(fā)展而來的,其優(yōu)點(diǎn)在于:對于樣本量的要求較低,具備較強(qiáng)的小樣本學(xué)習(xí)能力;學(xué)習(xí)能力較強(qiáng)、泛化能力較強(qiáng)。隨著現(xiàn)代科技的不斷發(fā)展,設(shè)備的復(fù)雜性也逐漸增強(qiáng),因此小樣本學(xué)習(xí)能力較強(qiáng)的設(shè)備的優(yōu)越性便得以凸顯,在這一背景下,支持向量機(jī)的作用便得到了充分發(fā)揮。

    支持向量機(jī)在近些年來呈現(xiàn)出較快的發(fā)展?fàn)顟B(tài)。田干[7]等將研究目光著眼于液體火箭發(fā)動機(jī)參數(shù)預(yù)測領(lǐng)域,著重強(qiáng)調(diào)與對最小二乘支持向量機(jī)以及支持向量機(jī)的利用,實(shí)現(xiàn)了預(yù)測精度的全面提升。在此基礎(chǔ)上展開了橫向的對比,肯定了支持向量機(jī)的優(yōu)勢所在。從客觀上來講,盡管支持向量機(jī)的測量精度較高,但是最小二乘支持向量機(jī)卻在訓(xùn)練時間上表現(xiàn)了一定的優(yōu)勢。Benkedjouh[8]等將研究對象定為軸承的剩余壽命預(yù)測問題,有效利用了支持向量回歸機(jī)的作用,依次完成線上步驟以及線下步驟,在訓(xùn)練支持回歸模型的基礎(chǔ)之上科學(xué)的預(yù)測軸承的剩余壽命,得到了較為準(zhǔn)確的預(yù)測結(jié)果。

    2 支持向量機(jī)預(yù)測算法基本問題及改進(jìn)方向

    2.1 支持向量機(jī)的基本原理[9]

    設(shè)給定訓(xùn)練集回歸問題就是依據(jù)給定的訓(xùn)練數(shù)據(jù)尋找一個實(shí)值函數(shù)y=f(x)來擬合 y 與x 的依賴關(guān)系。對于線性回歸,用線性回歸函數(shù):y=f(x)=(?棕·x)+b來擬合數(shù)據(jù);對于非線性情況,支持向量回歸機(jī)的基本思想是通過一個非線性映射:nΦ R → H將樣本點(diǎn)映射到高維特征空間 H ,并在高維特征空間進(jìn)行線性回歸,從而得到原空間的非線性回歸估計(jì)。此時回歸估計(jì)函數(shù)為:y=f (x)=(?棕·?鬃(x))+b。通過解最優(yōu)化問題可以得到權(quán)值向量 w 和偏置 b ,從而得到回歸函數(shù)。

    2.2 支持向量機(jī)預(yù)測的主要問題

    核函數(shù)、懲罰參數(shù)C、核參數(shù)的選取是影響支持向量機(jī)使用性能的三項(xiàng)主要因素[10]。一般情況下,擬合程度與C呈現(xiàn)出正比關(guān)系,C越大,代表學(xué)習(xí)機(jī)器的復(fù)雜性越高,在這種情況下,“過學(xué)習(xí)”現(xiàn)象便更容易發(fā)生。但是若學(xué)習(xí)機(jī)器的復(fù)雜度過低的話,還會導(dǎo)致“欠學(xué)習(xí)”的情況。C取值對于SVM性能的影響將在高于一定的閾值之后失效。高斯核函數(shù)、多項(xiàng)式核函數(shù)、RBF核函數(shù)以及線性核函數(shù)是幾類典型的SVM的核函數(shù)。核參數(shù)以及核函數(shù)的選取是成功構(gòu)建SVM模型的首要問題。SVM模型的性能會受到C以及核函數(shù)參數(shù)的重要影響,但是支持向量的個數(shù)卻不會發(fā)生太大的變動。舉一個典型的例子,模型的分類精度將會受到RBF核函數(shù)的參數(shù)Gamma的取值問題的嚴(yán)重影響,從這一點(diǎn)來看,懲罰因子C以及核參數(shù)Gamma的選取是影響RBF核的SVM模型分類精度的重要參數(shù)。

    明確了上述基本信息之后,重點(diǎn)來看已有的模型參數(shù)選取方法。從現(xiàn)階段形勢來看,應(yīng)用性較強(qiáng)的幾類模型參數(shù)選取方法為:網(wǎng)絡(luò)搜索法、粒子群算法優(yōu)化(PSO)、窮舉法、遺傳算法優(yōu)化、交叉驗(yàn)證法、樓梯下降法等[10]。綜合來看,操作較為簡便的兩種算法為較差驗(yàn)證法以及窮舉法,不過其缺陷在于效果較差、速度較慢、計(jì)算量比較大等。具備速度優(yōu)勢的方法為樓梯下降法,但是其陷入局部最優(yōu)的概率較高,而網(wǎng)格算法的計(jì)算量卻非常大。粒子群算法的缺點(diǎn)在于不容易收斂,易于陷入局部最優(yōu)。遺傳算法的缺點(diǎn)在于操作較為復(fù)雜,但是其不會涉及到局部最優(yōu)的問題。

    2.3 支持向量機(jī)預(yù)測方法的改進(jìn)

    在前文中,重點(diǎn)闡釋了支持向量機(jī)預(yù)測精度的問題所在,在本節(jié)中,主要就其改進(jìn)策略加以討論。從當(dāng)前來看,主要有如下改進(jìn)思路,分別為:立足于現(xiàn)有模型參數(shù)選擇方法的缺陷所在,進(jìn)行科學(xué)的組合;改進(jìn)現(xiàn)有模型參數(shù)選擇方法;積極探索通用化較好的標(biāo)準(zhǔn)化的模型參數(shù)確定方法。

    想要全面提升模型的預(yù)測準(zhǔn)確度,必須要逐步改進(jìn)現(xiàn)有模型參數(shù)選擇方法的缺陷。從客觀上來講,受限于參數(shù)選擇范圍的問題,最有參數(shù)的確定需要耗費(fèi)巨大的時間成本,其可行性相對較低。針對這一情況,田海雷[11]等探索出了基于改進(jìn)人工魚群算法(AFSA)的支持向量機(jī)(SVM)預(yù)測算法。其思路在于通過改進(jìn)AFSA來實(shí)現(xiàn)SVM參數(shù)的全面優(yōu)化。與此同時,發(fā)揮遺傳算法(GA)、粒子群優(yōu)化(PSO)算法、AAFSA.AFSA.優(yōu)勢,充分依照股票上證指數(shù),全面優(yōu)化SVM回歸模型的參數(shù)C和G。在此基礎(chǔ)上完成SVM回歸預(yù)測模型構(gòu)建,展開了全面的數(shù)據(jù)預(yù)測活動。具體結(jié)果參見表1。

    結(jié)果顯示,經(jīng)過改進(jìn)后,實(shí)現(xiàn)了預(yù)測精度的全面提升,具備了高于粒子群優(yōu)化算法、遺傳算法、基本AFSA優(yōu)化的支持向量機(jī)的預(yù)測精度。李文元[12]等的研究提升了人為參數(shù)選擇的效率,主要依靠PSO算法優(yōu)化LS-SVM的參數(shù)來實(shí)現(xiàn),成功的結(jié)合了最小而成支持向量機(jī)算法以及粒子群算法的優(yōu)勢。從具體應(yīng)用情況來看,其可行性與有效性相對較高,在運(yùn)算速度以及預(yù)測精度方面的突破是值得肯定的。

    從客觀上來評判,組合模型參數(shù)選擇方法是實(shí)現(xiàn)模型預(yù)測準(zhǔn)確度提升的捷徑所在。王久崇[13]等致力于基于最小二乘支持向量機(jī)故障預(yù)測準(zhǔn)確度的全面提升,充分發(fā)揮AFS-ABC算法的作用,實(shí)現(xiàn)了LS-SVM的參數(shù)C和σ的組合優(yōu)化,探索出了在蜂群算法中的新應(yīng)用,其LS-SVM模型的訓(xùn)練集來自于某航空電子系統(tǒng)電源模塊記錄,實(shí)現(xiàn)了優(yōu)勢互補(bǔ)的作用,在此基礎(chǔ)上完成了狀態(tài)預(yù)測仿真,將MATLAB的LS-SVM工具箱的作用發(fā)揮的淋漓盡致。將基準(zhǔn)定為真實(shí)值0.07779,進(jìn)而得到預(yù)測值標(biāo)準(zhǔn)差的偏離值:“PSO預(yù)測值”為0.00031,“AFS-ABC預(yù)測值”為0.00008,“GA預(yù)測值”為0.00141。由此可見,尋優(yōu)結(jié)果精度、局部極值、LS-SVM的預(yù)測精度等問題的解決方面,AFS-ABC算法的作用得到了凸顯。

    從上述分析來看,預(yù)測結(jié)果會受到核函數(shù)選取情況的影響,在這一背景下,需要面向?qū)嶋H需求來進(jìn)行新的核函數(shù)的構(gòu)建。從現(xiàn)階段研究情況來看,鮮少有涉及利用新核函數(shù)的建立以及核函數(shù)的組合來提升設(shè)備故障預(yù)測效果的研究,不過故障診斷應(yīng)用情況卻相對較好。我們必須要關(guān)注故障診斷到故障預(yù)測的連續(xù)性特征,在此基礎(chǔ)上就故障預(yù)測領(lǐng)域的突破做出積極的努力。

    一套通用性比較好的標(biāo)準(zhǔn)化的模型參數(shù)確定方法如果得以確定,那對于提高支持向量機(jī)預(yù)測的準(zhǔn)確度肯定會有質(zhì)的飛躍。目前,很多學(xué)者已經(jīng)投入到這方面的研究中,雖然目前研究成果還不豐富,但在不久的將來,相關(guān)的研究成果肯定會出現(xiàn),并會對預(yù)測準(zhǔn)確度的提高起到很好的推動作用。

    3 結(jié)束語

    在本研究中,就常見的智能預(yù)測算法及其應(yīng)用問題展開了系統(tǒng)的闡釋,立足于預(yù)測算法領(lǐng)域現(xiàn)存的主要問題,進(jìn)行了方向性較強(qiáng)的策略探討。圍繞著支持向量機(jī)預(yù)測算法的問題展開了系統(tǒng)的說明,并闡明其優(yōu)勢所在,著重進(jìn)行了理論分析與應(yīng)用拓展,致力于設(shè)備預(yù)測準(zhǔn)確度的全面提升。綜合而言,支持向量機(jī)的未來發(fā)展形勢一片大好。

    參考文獻(xiàn):

    [1]Liu C S,Hu S S,Intelligent Nonlinear Fault Diagnosis based on State Estimator[J].Control and Decision,2005,20(5):557-561.

    [2]李茂林,石志勇,董志鵬,等.某型自行火炮電氣故障診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].兵工自動化,2009,28(11):12-14.

    [3]張晶.某型自行火炮綜合電氣系統(tǒng)故障診斷專家系統(tǒng)[J].兵工自動化,2010,29(3):58-59.

    [4]J.M.Nawaz, M.Z.Arshad, S.J.Hong. Time series fault prediction in semiconductor equipment using recurrent neural network[J].Springer-Verlag Bering Heideberg 2013.

    [5]郭濤,黃波.基于神經(jīng)網(wǎng)絡(luò)的某魚雷保障設(shè)備故障預(yù)測方法[J].兵工自動化,2013,32(5):85-90.

    [6]程進(jìn)軍,夏智勛,胡雷剛.基于遺傳神經(jīng)網(wǎng)絡(luò)的航空裝備故障預(yù)測[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,12(1):15-19.

    [7]田干,張煒,楊正偉,等.SVM方法在火箭發(fā)動機(jī)故障預(yù)測中的應(yīng)用[J].機(jī)械科學(xué)與技術(shù),2010,29(1):63-67.

    [8]T. Benkedjouh, K.Medjaher, N.Zerhouni, S.Rechak. Remaining useful life estimation based on nonlinear feature reduction and support vector regression[J]. Engineering Applications of Artificial Intelligence 26 (2013):1751-1760.

    [9]薛輝輝,肖明清,段軍峰,等.基于雜合支持向量回歸機(jī)的電子裝備故障預(yù)測[J].計(jì)算機(jī)工程,2012,38(8):283-286.

    [10]付陽,李昆侖,等.支持向量機(jī)模型參數(shù)選擇方法綜述[J].電能知識及技術(shù),2010,28(6):8025,8081-8082.

    [11]田海雷,李洪儒,許葆華.基于改進(jìn)人工魚群算法的支持向量機(jī)預(yù)測[J].計(jì)算機(jī)工程,2013,39(4):222-225.

    [12]李文元,閆海華,姚宏杰,等.粒子群優(yōu)化的最小二乘支持向量機(jī)在通信裝備故障預(yù)測中的應(yīng)用[J].微電子與計(jì)算機(jī),2013,30(2):99-102.

    [13]王久崇,樊曉光,盛晟,等.改進(jìn)的蜂群LS-SVM故障預(yù)測[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,14(1):16-19.

    猜你喜歡
    故障預(yù)測支持向量機(jī)準(zhǔn)確度
    幕墻用掛件安裝準(zhǔn)確度控制技術(shù)
    建筑科技(2018年6期)2018-08-30 03:40:54
    基于大數(shù)據(jù)分析的油氣生產(chǎn)設(shè)備故障多維分析與預(yù)測
    中國市場(2017年11期)2017-05-05 12:15:09
    基于SVM的煙草銷售量預(yù)測
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
    價值工程(2016年29期)2016-11-14 00:13:35
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    動態(tài)汽車衡準(zhǔn)確度等級的現(xiàn)實(shí)意義
    山區(qū)輸電線路在線監(jiān)測研究
    綜合模塊化航空電子系統(tǒng)的故障預(yù)測與健康管理技術(shù)
    PHM技術(shù)在測控裝備管理中的應(yīng)用
    99九九在线精品视频| 国产亚洲最大av| 亚洲av.av天堂| a级毛片免费高清观看在线播放| 91久久精品国产一区二区成人| 国产片特级美女逼逼视频| 亚洲av在线观看美女高潮| 色5月婷婷丁香| 成人毛片a级毛片在线播放| 99热国产这里只有精品6| 丰满乱子伦码专区| 最近2019中文字幕mv第一页| 又黄又爽又刺激的免费视频.| 亚洲欧美成人精品一区二区| 欧美xxⅹ黑人| 日韩制服骚丝袜av| 亚洲婷婷狠狠爱综合网| 在线观看www视频免费| 免费人成在线观看视频色| 大陆偷拍与自拍| 中文欧美无线码| 大码成人一级视频| 美女cb高潮喷水在线观看| 亚洲人成网站在线播| 熟女av电影| 成年美女黄网站色视频大全免费 | 人妻少妇偷人精品九色| 免费少妇av软件| 黄色配什么色好看| av福利片在线| av国产精品久久久久影院| 亚洲精品成人av观看孕妇| 91成人精品电影| 亚洲国产精品999| 日本黄大片高清| 精品一区二区免费观看| 亚洲高清免费不卡视频| 久久精品国产鲁丝片午夜精品| 日日摸夜夜添夜夜添av毛片| 我的老师免费观看完整版| 国产成人免费观看mmmm| 午夜老司机福利剧场| 美女视频免费永久观看网站| 蜜桃在线观看..| 天天躁夜夜躁狠狠久久av| av又黄又爽大尺度在线免费看| 久久午夜福利片| 婷婷成人精品国产| 人妻制服诱惑在线中文字幕| 男女啪啪激烈高潮av片| 精品一区在线观看国产| 一级黄片播放器| 夜夜爽夜夜爽视频| 成人毛片a级毛片在线播放| 爱豆传媒免费全集在线观看| 欧美日韩国产mv在线观看视频| 九九爱精品视频在线观看| 亚洲久久久国产精品| 国产极品天堂在线| 视频中文字幕在线观看| 晚上一个人看的免费电影| 欧美老熟妇乱子伦牲交| 在线观看免费日韩欧美大片 | 高清视频免费观看一区二区| 亚洲激情五月婷婷啪啪| 日韩强制内射视频| 国产无遮挡羞羞视频在线观看| 日韩在线高清观看一区二区三区| 22中文网久久字幕| 夫妻午夜视频| 久久精品国产亚洲网站| 欧美激情国产日韩精品一区| 国产精品成人在线| 国产综合精华液| 丰满饥渴人妻一区二区三| 18+在线观看网站| a级毛片在线看网站| 国产国拍精品亚洲av在线观看| 久久国内精品自在自线图片| av在线app专区| 久久久久久久久久人人人人人人| 久久久久精品久久久久真实原创| 日日摸夜夜添夜夜爱| 女的被弄到高潮叫床怎么办| 99re6热这里在线精品视频| 这个男人来自地球电影免费观看 | 91精品三级在线观看| 久久99精品国语久久久| 国产av国产精品国产| 丝袜在线中文字幕| 国产男女超爽视频在线观看| 九九久久精品国产亚洲av麻豆| av卡一久久| 99热这里只有精品一区| 全区人妻精品视频| 一级a做视频免费观看| av女优亚洲男人天堂| 日韩精品免费视频一区二区三区 | 国产精品无大码| 免费大片18禁| 熟妇人妻不卡中文字幕| 国产成人精品久久久久久| 777米奇影视久久| 在线 av 中文字幕| 欧美激情 高清一区二区三区| freevideosex欧美| 91精品国产国语对白视频| 国产无遮挡羞羞视频在线观看| 国产伦理片在线播放av一区| 卡戴珊不雅视频在线播放| 中文字幕制服av| 性高湖久久久久久久久免费观看| 日韩不卡一区二区三区视频在线| 王馨瑶露胸无遮挡在线观看| 日日啪夜夜爽| 午夜福利网站1000一区二区三区| 国产精品三级大全| 国产一级毛片在线| 国产av码专区亚洲av| 一本—道久久a久久精品蜜桃钙片| 免费观看的影片在线观看| 一级爰片在线观看| 国产黄色免费在线视频| 日日摸夜夜添夜夜爱| 久久精品国产亚洲av天美| 99精国产麻豆久久婷婷| 午夜久久久在线观看| 最近2019中文字幕mv第一页| 国产成人午夜福利电影在线观看| 在线观看免费日韩欧美大片 | 天堂中文最新版在线下载| 精品午夜福利在线看| 国产精品一区www在线观看| 久久久欧美国产精品| av播播在线观看一区| 黄色怎么调成土黄色| 成年av动漫网址| 精品国产一区二区三区久久久樱花| 十分钟在线观看高清视频www| 女性被躁到高潮视频| 免费人成在线观看视频色| 男女啪啪激烈高潮av片| 久久 成人 亚洲| 女的被弄到高潮叫床怎么办| 中文字幕久久专区| 日韩在线高清观看一区二区三区| 日韩电影二区| 国产色爽女视频免费观看| 97在线人人人人妻| 乱码一卡2卡4卡精品| 一区二区日韩欧美中文字幕 | 熟妇人妻不卡中文字幕| 成人午夜精彩视频在线观看| 五月开心婷婷网| 寂寞人妻少妇视频99o| 如日韩欧美国产精品一区二区三区 | 亚洲成色77777| 日产精品乱码卡一卡2卡三| 欧美日韩精品成人综合77777| 街头女战士在线观看网站| 国产极品天堂在线| 亚洲第一区二区三区不卡| 亚洲精品aⅴ在线观看| 极品人妻少妇av视频| av在线播放精品| 国产日韩欧美视频二区| 国产亚洲精品第一综合不卡 | 国产av码专区亚洲av| av免费观看日本| 欧美国产精品一级二级三级| 日韩欧美精品免费久久| 欧美成人精品欧美一级黄| 熟女av电影| 这个男人来自地球电影免费观看 | 国产淫语在线视频| 免费观看a级毛片全部| 欧美日韩国产mv在线观看视频| 中文字幕久久专区| 久久精品久久久久久噜噜老黄| 一本久久精品| 伦精品一区二区三区| 国产一区二区在线观看av| 国产老妇伦熟女老妇高清| 日日摸夜夜添夜夜添av毛片| 成人国产麻豆网| 亚洲四区av| 国产不卡av网站在线观看| 亚洲天堂av无毛| 插阴视频在线观看视频| 亚洲,欧美,日韩| 国产一区二区在线观看av| 国产精品久久久久久精品电影小说| 欧美激情 高清一区二区三区| 免费播放大片免费观看视频在线观看| 日韩 亚洲 欧美在线| 久久精品国产亚洲av涩爱| 欧美日韩视频精品一区| 亚洲精品国产av成人精品| 青春草视频在线免费观看| 91精品一卡2卡3卡4卡| 日本与韩国留学比较| videossex国产| 亚洲第一av免费看| 欧美日韩在线观看h| 能在线免费看毛片的网站| 精品一区二区三卡| 国产伦精品一区二区三区视频9| 亚洲精品国产av成人精品| 亚洲三级黄色毛片| 街头女战士在线观看网站| 少妇人妻久久综合中文| 简卡轻食公司| 高清视频免费观看一区二区| 3wmmmm亚洲av在线观看| 在线 av 中文字幕| 久久精品国产亚洲av涩爱| 搡女人真爽免费视频火全软件| 一级毛片我不卡| 在线观看免费视频网站a站| av有码第一页| 成人国语在线视频| 青春草国产在线视频| 黄色一级大片看看| 久久ye,这里只有精品| 超碰97精品在线观看| 成人免费观看视频高清| 男女高潮啪啪啪动态图| 国产亚洲av片在线观看秒播厂| 亚洲欧美精品自产自拍| 免费大片18禁| 日本91视频免费播放| 亚洲美女黄色视频免费看| 大片免费播放器 马上看| 成人综合一区亚洲| 日韩精品有码人妻一区| a级毛色黄片| 免费大片黄手机在线观看| 最近最新中文字幕免费大全7| 简卡轻食公司| 中文字幕免费在线视频6| 久久久a久久爽久久v久久| 91精品一卡2卡3卡4卡| 精品酒店卫生间| 亚洲中文av在线| 亚洲精品视频女| 777米奇影视久久| 人妻人人澡人人爽人人| 国产精品久久久久久久久免| 人妻 亚洲 视频| 国产熟女欧美一区二区| 又大又黄又爽视频免费| 亚洲av电影在线观看一区二区三区| 亚洲欧美清纯卡通| 久久久久久人妻| 亚洲人成网站在线观看播放| 91午夜精品亚洲一区二区三区| 黄色怎么调成土黄色| 乱码一卡2卡4卡精品| 天天操日日干夜夜撸| 伦理电影免费视频| 亚洲av不卡在线观看| 亚洲精品aⅴ在线观看| 久久久久久久精品精品| 男人添女人高潮全过程视频| av在线观看视频网站免费| 青青草视频在线视频观看| 欧美一级a爱片免费观看看| 亚洲精品,欧美精品| 精品卡一卡二卡四卡免费| 秋霞伦理黄片| 国产免费现黄频在线看| 国产极品粉嫩免费观看在线 | 水蜜桃什么品种好| 麻豆成人av视频| xxx大片免费视频| 啦啦啦啦在线视频资源| 午夜福利网站1000一区二区三区| 久久人人爽av亚洲精品天堂| 欧美一级a爱片免费观看看| 国产精品偷伦视频观看了| 久久 成人 亚洲| 日本欧美视频一区| av福利片在线| 亚洲精品第二区| 伦理电影大哥的女人| 一边亲一边摸免费视频| 黑人巨大精品欧美一区二区蜜桃 | 一级片'在线观看视频| 久久99热6这里只有精品| 夫妻性生交免费视频一级片| 国产精品欧美亚洲77777| 纯流量卡能插随身wifi吗| 日本免费在线观看一区| 亚洲欧美成人综合另类久久久| 久久ye,这里只有精品| 日本爱情动作片www.在线观看| 久久久久国产精品人妻一区二区| 男女无遮挡免费网站观看| 久久久久久久久久人人人人人人| 亚洲色图 男人天堂 中文字幕 | 熟女电影av网| 99久久中文字幕三级久久日本| 久久午夜福利片| 黑人巨大精品欧美一区二区蜜桃 | 亚洲欧美成人精品一区二区| 蜜臀久久99精品久久宅男| 夫妻午夜视频| 韩国av在线不卡| 国产成人一区二区在线| 成人国产麻豆网| 国语对白做爰xxxⅹ性视频网站| 日韩一区二区视频免费看| 日韩精品有码人妻一区| 妹子高潮喷水视频| 母亲3免费完整高清在线观看 | 两个人的视频大全免费| 精品卡一卡二卡四卡免费| 欧美老熟妇乱子伦牲交| 国产国拍精品亚洲av在线观看| 久久久久久久大尺度免费视频| 免费观看在线日韩| 男男h啪啪无遮挡| 国产av一区二区精品久久| 九九久久精品国产亚洲av麻豆| 三级国产精品片| 纵有疾风起免费观看全集完整版| 啦啦啦视频在线资源免费观看| 免费少妇av软件| 国产一区二区在线观看日韩| 插阴视频在线观看视频| 女人久久www免费人成看片| 亚洲伊人久久精品综合| 色视频在线一区二区三区| 少妇人妻精品综合一区二区| 色5月婷婷丁香| av又黄又爽大尺度在线免费看| 中文字幕制服av| 国产黄色免费在线视频| 久久久久国产精品人妻一区二区| 美女脱内裤让男人舔精品视频| 黄片播放在线免费| 十八禁高潮呻吟视频| 精品久久久久久久久亚洲| 国产 精品1| 夫妻性生交免费视频一级片| 人人澡人人妻人| 黄色欧美视频在线观看| 亚洲国产av新网站| 欧美3d第一页| 交换朋友夫妻互换小说| 丝袜美足系列| 亚洲中文av在线| 国产视频首页在线观看| 男女无遮挡免费网站观看| 精品久久久久久电影网| 九九爱精品视频在线观看| 亚洲精品,欧美精品| 日韩亚洲欧美综合| 麻豆成人av视频| 中国三级夫妇交换| 人妻人人澡人人爽人人| 久久久久久人妻| 久久久国产精品麻豆| 欧美bdsm另类| 亚洲综合精品二区| 久久精品国产亚洲av天美| 美女大奶头黄色视频| 亚洲内射少妇av| 亚洲欧美一区二区三区国产| 亚洲性久久影院| 亚洲欧美成人综合另类久久久| 男人爽女人下面视频在线观看| 在线观看免费视频网站a站| 在线观看免费日韩欧美大片 | 蜜桃在线观看..| 国产一区二区在线观看日韩| 王馨瑶露胸无遮挡在线观看| 天天影视国产精品| 亚洲怡红院男人天堂| 91精品国产九色| 最新的欧美精品一区二区| av电影中文网址| 欧美变态另类bdsm刘玥| 亚洲综合色网址| 99热这里只有精品一区| 成人手机av| 亚洲欧美一区二区三区国产| 寂寞人妻少妇视频99o| 国产精品久久久久久av不卡| 久久亚洲国产成人精品v| 中文字幕最新亚洲高清| 国产精品国产av在线观看| 一级毛片电影观看| 国产av一区二区精品久久| 国国产精品蜜臀av免费| 亚洲丝袜综合中文字幕| 黑人猛操日本美女一级片| 日本欧美视频一区| 制服诱惑二区| 国产无遮挡羞羞视频在线观看| 亚洲欧美一区二区三区黑人 | 精品视频人人做人人爽| 亚洲精品视频女| 一边亲一边摸免费视频| 99热6这里只有精品| 看免费成人av毛片| 亚洲av男天堂| 国产国拍精品亚洲av在线观看| 少妇丰满av| 国国产精品蜜臀av免费| 亚洲av在线观看美女高潮| 亚洲精品亚洲一区二区| 免费大片18禁| 中文字幕制服av| 寂寞人妻少妇视频99o| 日本av手机在线免费观看| 特大巨黑吊av在线直播| 午夜福利在线观看免费完整高清在| 青春草亚洲视频在线观看| 三级国产精品片| 中文字幕人妻丝袜制服| xxxhd国产人妻xxx| 免费黄网站久久成人精品| 制服丝袜香蕉在线| 91精品伊人久久大香线蕉| 国产精品国产av在线观看| 精品国产一区二区久久| 婷婷色综合www| 亚洲精品久久成人aⅴ小说 | 啦啦啦在线观看免费高清www| 最近2019中文字幕mv第一页| 如何舔出高潮| 国语对白做爰xxxⅹ性视频网站| 五月天丁香电影| 国产毛片在线视频| 日本猛色少妇xxxxx猛交久久| 亚洲不卡免费看| 男的添女的下面高潮视频| 久久午夜福利片| 成人综合一区亚洲| 亚洲怡红院男人天堂| 热99国产精品久久久久久7| 热99久久久久精品小说推荐| 日韩不卡一区二区三区视频在线| 亚洲国产色片| 性高湖久久久久久久久免费观看| 久久久国产一区二区| 18禁观看日本| 边亲边吃奶的免费视频| 啦啦啦中文免费视频观看日本| 成年美女黄网站色视频大全免费 | 18禁裸乳无遮挡动漫免费视频| 日本爱情动作片www.在线观看| 亚洲不卡免费看| 人人妻人人澡人人看| 亚洲精品第二区| 日韩av不卡免费在线播放| 亚洲综合色惰| h视频一区二区三区| 国产伦精品一区二区三区视频9| 欧美成人午夜免费资源| 黄色欧美视频在线观看| 国产精品免费大片| 亚洲无线观看免费| 国产黄片视频在线免费观看| 高清视频免费观看一区二区| 青春草亚洲视频在线观看| 午夜福利,免费看| 一级毛片 在线播放| 老女人水多毛片| 精品一区二区免费观看| 少妇 在线观看| 高清视频免费观看一区二区| 久久久久视频综合| 国产淫语在线视频| 少妇丰满av| 在线观看一区二区三区激情| 少妇人妻 视频| 在线亚洲精品国产二区图片欧美 | 黄色配什么色好看| 99热国产这里只有精品6| 免费观看无遮挡的男女| 99国产精品免费福利视频| 亚洲精品av麻豆狂野| 国产一区二区三区综合在线观看 | 又粗又硬又长又爽又黄的视频| 日本黄色片子视频| 男女免费视频国产| 国产片特级美女逼逼视频| 中文欧美无线码| 国产一区亚洲一区在线观看| 亚洲av成人精品一区久久| 欧美精品一区二区免费开放| 中文字幕制服av| 九九久久精品国产亚洲av麻豆| 五月天丁香电影| 欧美精品人与动牲交sv欧美| 建设人人有责人人尽责人人享有的| 久久精品国产自在天天线| 成人18禁高潮啪啪吃奶动态图 | 日韩精品免费视频一区二区三区 | 日韩精品有码人妻一区| 国产精品女同一区二区软件| 九草在线视频观看| 欧美日韩国产mv在线观看视频| 天天躁夜夜躁狠狠久久av| 亚洲婷婷狠狠爱综合网| 寂寞人妻少妇视频99o| 一本一本综合久久| 欧美xxⅹ黑人| 国产精品熟女久久久久浪| 久久婷婷青草| 一级二级三级毛片免费看| 日本黄色日本黄色录像| 亚洲精品国产色婷婷电影| 在线精品无人区一区二区三| 看非洲黑人一级黄片| av黄色大香蕉| 免费高清在线观看视频在线观看| 九色亚洲精品在线播放| 日韩伦理黄色片| 三上悠亚av全集在线观看| 最新中文字幕久久久久| 午夜福利视频在线观看免费| 久久精品国产自在天天线| 青春草视频在线免费观看| 精品国产乱码久久久久久小说| 中文字幕免费在线视频6| 男人操女人黄网站| 欧美丝袜亚洲另类| 人人妻人人澡人人看| 丝袜在线中文字幕| 又粗又硬又长又爽又黄的视频| 亚洲精品中文字幕在线视频| 69精品国产乱码久久久| 久久久久久久久久久丰满| 街头女战士在线观看网站| 熟妇人妻不卡中文字幕| 国产免费一级a男人的天堂| 少妇熟女欧美另类| 欧美亚洲 丝袜 人妻 在线| 51国产日韩欧美| 一区二区三区精品91| 亚洲色图综合在线观看| 日本黄大片高清| 人人妻人人添人人爽欧美一区卜| 夫妻性生交免费视频一级片| 人妻系列 视频| 久久免费观看电影| 中文乱码字字幕精品一区二区三区| 97在线人人人人妻| 久久人人爽人人爽人人片va| 久久av网站| 亚洲国产精品一区三区| 黄色一级大片看看| 久久ye,这里只有精品| 日本黄色日本黄色录像| 国产 精品1| 成人毛片60女人毛片免费| 狂野欧美白嫩少妇大欣赏| 少妇人妻久久综合中文| 熟妇人妻不卡中文字幕| 国产亚洲最大av| 日本黄色日本黄色录像| 搡老乐熟女国产| 国产av码专区亚洲av| 日韩欧美精品免费久久| 一级,二级,三级黄色视频| 亚洲少妇的诱惑av| www.色视频.com| 青春草视频在线免费观看| 在线观看免费高清a一片| 在线观看人妻少妇| 精品一区在线观看国产| 欧美激情 高清一区二区三区| 久久久国产一区二区| 精品人妻熟女毛片av久久网站| av国产精品久久久久影院| 久久热精品热| 一级毛片我不卡| 天天躁夜夜躁狠狠久久av| av黄色大香蕉| 亚洲av男天堂| 18+在线观看网站| 免费观看的影片在线观看| 亚洲在久久综合| 午夜老司机福利剧场| 久久99蜜桃精品久久| 999精品在线视频| av免费在线看不卡| 午夜福利影视在线免费观看| 日韩人妻高清精品专区| 女的被弄到高潮叫床怎么办| 男女啪啪激烈高潮av片| 久久精品国产亚洲av天美| 一区二区av电影网| 精品视频人人做人人爽| 99九九在线精品视频| 日韩人妻高清精品专区| 国产亚洲av片在线观看秒播厂| 国产亚洲最大av| 欧美变态另类bdsm刘玥| 国产精品久久久久久av不卡| 国产伦理片在线播放av一区| videossex国产| 亚洲天堂av无毛| 黑人巨大精品欧美一区二区蜜桃 | 麻豆精品久久久久久蜜桃| 欧美精品人与动牲交sv欧美| 91在线精品国自产拍蜜月| 制服丝袜香蕉在线| 亚洲欧美日韩另类电影网站| 草草在线视频免费看| 黄色欧美视频在线观看| av又黄又爽大尺度在线免费看|