• <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_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型*

    2017-10-12 07:28:26吳勁松徐志京
    關(guān)鍵詞:雙槳槳葉分類器

    吳勁松,徐志京

    (上海海事大學(xué) 信息工程學(xué)院,上海 201306)

    基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型*

    吳勁松,徐志京

    (上海海事大學(xué) 信息工程學(xué)院,上海 201306)

    為了提高船舶槳葉故障識別率,構(gòu)建了一種基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型。該模型首先采用數(shù)字水聽器采集二進(jìn)制船舶槳葉靜水噪聲信號,并利用MATLAB編程將二進(jìn)制信號轉(zhuǎn)換成WAV音頻信號,通過梅爾頻率倒譜系數(shù)法(Mel-Frequency Cepstral Coefficient, MFCC)提取特征值,得到36維槳葉靜水噪聲信號,最后運用BP_Adaboost神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識別預(yù)警。實驗結(jié)果表明,基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型能夠高效分類預(yù)警船舶槳葉故障,與BP神經(jīng)網(wǎng)絡(luò)識別率對比,分類識別預(yù)警率高達(dá)96%。

    船舶槳葉故障預(yù)警模型;數(shù)字水聽器;MFCC;BP_Adaboost

    Abstract: In order to improve the fault recognition rate of ship blades, a fault prediction model based on BP_Adaboost neural network is proposed in this paper. The model uses digital hydrophone acquisition to collect binary data of ship hydrostatic blade noise, and uses MATLAB to convert binary signal into WAV audio format. Then the model uses Mel-Frequency Cepstral Coefficient (MFCC) feature extraction method to extract features and gets the water noise signal in the 36 dimension, and finally uses BP_Adaboost neural network to classify and warn the fault of ship blades. The experimental result shows that the fault prediction model based on BP_Adaboost neural network can effectively classify and predict the failure of the ship blades compared with the BP neural network. The classification and recognition warning rate is as high as 96%.

    Key words:ship blades faults warning model; digital hydrophone acquisition ;MFCC;BP_Adaboost

    0 引言

    船舶是重要的水上交通工具,螺旋槳是船舶將發(fā)動機力矩轉(zhuǎn)換成動能的主要裝置[1],主機輸出轉(zhuǎn)矩通過軸系帶動螺旋槳旋轉(zhuǎn),螺旋槳產(chǎn)生的推力推動船舶航行。由于各種不同原因造成螺旋槳折斷、缺損,槳葉故障會導(dǎo)致主機故障,嚴(yán)重影響了船舶的航行安全[2],因此研究船舶槳葉故障具有理論與現(xiàn)實意義。傳統(tǒng)的船舶故障診斷法有四種:直接測量法、數(shù)字測量法、故障樹分析法、專家診斷法[3]。近年來神經(jīng)網(wǎng)絡(luò)算法的興起,為船舶槳葉故障預(yù)警提供了新的思路。相對于傳統(tǒng)的船舶槳葉故障診斷法,神經(jīng)網(wǎng)絡(luò)能夠及早分類識別預(yù)警船舶槳葉故障,為船舶故障診斷排除提供了可靠依據(jù),對于船舶運輸以及國防科研具有重要意義。本文提出了基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型,采用數(shù)字水聽器采集槳葉靜水噪聲,利用MFCC特征提取方法提取特征值,最后通過神經(jīng)網(wǎng)絡(luò)判斷船舶槳葉的狀態(tài),具有良好的識別判斷效果。

    1 數(shù)據(jù)采集及轉(zhuǎn)換部分

    1.1 DHP8501數(shù)字水聽器簡介

    該模型采用的是DHP8501數(shù)字水聽器采集數(shù)據(jù),DHP8501數(shù)字水聽器是由中國科學(xué)院聲學(xué)研究所研發(fā)的產(chǎn)品,可以采集、存儲、傳輸水聲信號,它具有放大調(diào)理電路,不需要前置放大器、濾波器和采集器,使用起來更加簡單,具有出色的穩(wěn)定性和抗干擾能力,而且具有本底噪聲低、動態(tài)浮動范圍大、采集數(shù)據(jù)精度高、提供絕對聲壓值和相對聲壓級等特點。其基本參數(shù)如表1表示。

    表1 DHP8501數(shù)字水聽器技術(shù)指標(biāo)

    1.2信號采集轉(zhuǎn)換

    DHP8501數(shù)字水聽器采集的槳葉噪聲信號以二進(jìn)制的格式儲存,由于二進(jìn)制信號不利于進(jìn)行濾波與特征提取,因此將二進(jìn)制的信號轉(zhuǎn)換為WAV格式信號。該模型采用MATLAB編程將二進(jìn)制數(shù)信號換成WAV格式的信號,在編程方面調(diào)用wavwrite(y,Fs,filename)函數(shù),其中y為噪聲信號存儲向量,F(xiàn)s為存儲信號的頻率,filename為噪聲信號文件名。

    在該模型中共采集了3組槳葉噪聲信號,噪聲信號來源于船舶模型,該模型是雙槳電力驅(qū)動船。采集噪聲分為三類:雙槳槳葉一組損壞,雙槳槳葉完好,雙槳槳葉全部損壞。為了采集數(shù)據(jù)需要,對部分螺旋槳葉進(jìn)行人為損壞。

    所有噪聲信號均在靜水池中采集,每組噪聲信號持續(xù)50 s,噪聲信號采集轉(zhuǎn)換之后幅值圖如圖1~3所示,其中圖1為雙槳槳葉一組損壞噪聲信號,圖2雙槳槳葉完好噪聲信號,圖3為雙槳槳葉全部損壞噪聲信號。

    圖1 雙槳槳葉一組損壞信號

    圖2 雙槳槳葉完好信號

    圖3 雙槳槳葉全部損壞信號

    2 MFCC特征值提取部分

    2.1 MFCC

    梅爾倒譜系數(shù)(Mel-Frequency Cepstral Coefficient,MFCC)模擬了人耳對語音的處理機制,應(yīng)用了人耳聽覺感知方面的研究成果,在有信道噪聲和頻譜失真的情況下具有較好的穩(wěn)定性[4]。MFCC特征參數(shù)提取步驟如下:

    (1)數(shù)據(jù)預(yù)處理。預(yù)處理有三步:預(yù)加重、分幀、加窗函數(shù)。為了補償高頻分量的損失進(jìn)行預(yù)加重。預(yù)加重濾波器設(shè)為:

    H(z)=1-az-1

    (1)

    其中a為常數(shù),分幀是把一段信號分成更小段的穩(wěn)態(tài)信號。為了減少頻域中的泄露,對每一幀信號乘以一個漢明窗。x(n)經(jīng)預(yù)處理之后成為xi(m),i為處理后的第i幀。

    (2)快速傅里葉變換。對每一幀短時信號進(jìn)行FFT變換,信號從時域變?yōu)轭l域:

    X(i,k)=FFT(xi(m))

    (2)

    (3)計算譜線能量。對每一幀F(xiàn)FT后的信號計算譜線的能量:

    E(i,k)=[Xi(k)]2

    (3)

    (4)計算梅爾濾波器的能量。把每一幀的能量譜E(i,k)(其中i表示第i幀,k表示第k條譜線)與梅爾濾波器的頻域響應(yīng)Hm(k)相乘并求和:

    (4)

    (5)

    (6)

    式中,S(i,m)是由公式(4)求出的梅爾濾波器能量,m是指第m個梅爾濾波器,i是指第i幀,n是DCT后的譜線。

    2.2對槳葉噪聲進(jìn)行特征值提取

    在該模型中,使用MFCC對三類噪聲信號進(jìn)行特征值提取,總共得到1 500組噪聲信號特征值,每組信號500幀36維。第一類為雙槳槳葉一組損壞信號,如圖4所示;第二類為雙槳槳葉完好信號,如圖5所示;第三類為雙槳槳葉全部損壞信號,如圖6所示。從1 500組信號中隨機選取1 200組作為訓(xùn)練數(shù)據(jù),其余300組作為測試數(shù)據(jù)。

    圖4 雙槳槳葉一組損壞信號

    圖5 雙槳槳葉完好信號

    圖6 雙槳槳葉全部損壞信號

    3 船舶槳葉故障分類識別預(yù)警部分

    3.1 BP_Adaboost模型原理

    BP_Adaboost算法核心是:以一個弱分類器為基礎(chǔ),在此基礎(chǔ)上疊加多個弱分類器成為一個強分類器,進(jìn)而產(chǎn)生一個強有效分類[5]。主要步驟有三步:

    (1)選定一種神經(jīng)網(wǎng)絡(luò),把它作為弱分類器,并準(zhǔn)備樣本空間(x,y),在樣本空間隨機選取n組作為訓(xùn)練樣本,每組權(quán)值為1/n。

    (2)用弱分類器神經(jīng)網(wǎng)絡(luò)迭代T次,將完整迭代后的權(quán)值作為新的權(quán)值,在樣本訓(xùn)練失敗后,該樣本將賦予更大的權(quán)值,反復(fù)迭代之后,得到一個分類函數(shù)序列f1,f2,…,fT。另外,在分類函數(shù)序列完成之后,都會有一個匹配的權(quán)重,大的權(quán)重將一直賦予分類結(jié)果好的分類函數(shù)。

    (3)迭代T次之后,弱分類器加權(quán)產(chǎn)生一個強分類函數(shù)F。在本文中運用36個BP神經(jīng)網(wǎng)絡(luò)構(gòu)成一個強分類網(wǎng)絡(luò)即BP_Adaboost模型,將BP組反復(fù)訓(xùn)練,并預(yù)測其輸出,在這過程中確定其權(quán)值閾值。

    3.2船舶故障預(yù)警系統(tǒng)模型

    基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型流程圖如圖7所示。

    圖7 預(yù)警模型流程圖

    BP_Adaboost神經(jīng)網(wǎng)絡(luò)算法步驟如下[6]:

    (1)數(shù)據(jù)選擇和網(wǎng)絡(luò)初始化。初始化測試數(shù)據(jù)的分布權(quán)值取決于選定樣本的個數(shù),假如選定樣本數(shù)目為m,分布權(quán)值為Dt(i)=1/m,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由樣本的輸入特征值的維數(shù)以及輸出維數(shù)確定。

    (2)弱分類器預(yù)測。對弱分類器進(jìn)行循環(huán)訓(xùn)練,假如循環(huán)t次,將每一次的誤差求和,得到預(yù)測訓(xùn)練序列g(shù)(t)的預(yù)測誤差和et:

    (7)

    其中g(shù)(t)為分類預(yù)測結(jié)果,y為期望分類結(jié)果。

    (3)計算預(yù)測序列權(quán)重。根據(jù)步驟(2)的誤差和來計算序列權(quán)重。計算公式為:

    (8)

    (4)調(diào)整測試數(shù)據(jù)權(quán)重。將步驟(3)中的at代入到公式(9)中求得測試數(shù)據(jù)權(quán)重,Bt為歸一化因子,公式為:

    (9)

    (5)強分類函數(shù)。強分類函數(shù)主函數(shù)為sign(x)函數(shù),將循環(huán)T次計算得到的序列權(quán)重at和弱分類器函數(shù)f(gt,at)相乘并加權(quán)求和,代入sign(x)函數(shù)就得到強分類器函數(shù)h(x)。

    (10)

    對于該預(yù)警模型,有1 500組船舶槳葉靜水噪聲數(shù)據(jù),每組輸入為36維,輸出為一維,代表船舶狀況,輸出數(shù)據(jù)中小于0時賦值為-1,表示船舶槳葉故障;大于0時賦值為1,表示船舶槳葉狀況良好。根據(jù)輸入輸出狀況,BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為36-37-1,用BP神經(jīng)網(wǎng)絡(luò)作為弱分類器,將36個弱分類器通過加權(quán)得到一個強分類輸出對船舶槳葉狀況進(jìn)行分類判別。

    4 模型預(yù)測結(jié)果及分析

    在該模型中,BP神經(jīng)網(wǎng)絡(luò)構(gòu)成的弱分類器,經(jīng)隨機選取的1 200組訓(xùn)練樣本訓(xùn)練后,調(diào)整訓(xùn)練樣本權(quán)重值,得出一系列弱分類器及權(quán)重,并用訓(xùn)練好的弱分類器構(gòu)成強分類器。為了消除BP神經(jīng)網(wǎng)絡(luò)初始化權(quán)值閾值的隨機性,連續(xù)做了50次實驗,結(jié)果如圖8所示??梢钥闯鰪姺诸惼髡`差率低于弱分類器,分類效果好,強分類器的分類誤差率普遍分布在4%左右,弱分類器的分類誤差率在6%左右。從實驗中可以得出運行次數(shù)對分類器的誤差率影響不大,體現(xiàn)了該模型的穩(wěn)定性。

    圖8 試驗次數(shù)對兩種分類器誤差率影響

    在強分類器中有兩種分類誤差,把船舶指標(biāo)正常的樣本判斷為不合格的錯誤叫第一類分類錯誤;把船舶指標(biāo)不合格的樣本判斷為正常的錯誤叫第二類分類錯誤。圖9為強分類器兩類樣本的分類情況,可以看出測試樣本中強分類器的兩類誤差分布,第一類分類誤差顯然少于第二類分類誤差,第一類分類錯誤數(shù)目為0,第二類分類錯誤數(shù)目為13。

    圖9 強分類器兩類樣本分類情況

    5 結(jié)論

    本文構(gòu)建了一個船舶槳葉故障分類預(yù)警模型,首先,在數(shù)據(jù)采集與轉(zhuǎn)換中,運用DHP8501數(shù)字水聽器采集了3類船舶槳葉二進(jìn)制噪聲,通過數(shù)據(jù)轉(zhuǎn)換,將二進(jìn)制數(shù)據(jù)信號轉(zhuǎn)換成較容易處理的WAV格式信號,克服了槳葉噪聲處理的難題。然后,充分利用MFCC在提取特征值時識別和抗噪能力強的特征,對船舶槳葉故障噪聲進(jìn)行特征值提取,得到36維1 500組槳葉噪聲信號,滿足了神經(jīng)網(wǎng)絡(luò)訓(xùn)練分類的要求。最后,該模型充分利用了Adaboost神經(jīng)網(wǎng)絡(luò)的聚焦難分類樣本和訓(xùn)練效果越好權(quán)重越大兩個優(yōu)點,在1 200組數(shù)據(jù)訓(xùn)練之后該模型將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)加權(quán)得到一個強分類器,經(jīng)300組測試數(shù)據(jù)測試之后,取得了約96%的正確分類預(yù)警率。基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障分類識別預(yù)警模型為船舶槳葉故障預(yù)警提供了新的思路與方法,具有較大的推廣意義。

    [1] 陳順陽. 船舶螺旋槳故障原因的分析與探討[J]. 山東工業(yè)技術(shù),2015(8):251.

    [2] 歐禮堅. 船舶螺旋槳及推進(jìn)裝置故障診斷關(guān)鍵技術(shù)研究與應(yīng)用[D].廣州:華南理工大學(xué),2010.

    [3] 姜瑩, 任光, 賈寶柱. 船舶故障診斷的新發(fā)展[J]. 航海技術(shù), 2004(1):40-42.

    [4] 宮曉梅,王懷陽. 噪聲環(huán)境下MFCC特征提取[J]. 微計算機信息,2007,23(22):247-249.

    [5] 許劍,張洪偉. Adaboost算法分類器設(shè)計及其應(yīng)用[J]. 四川理工學(xué)院學(xué)報(自然科學(xué)版),2014,27(1):28-31.

    [6] 陸正華,周航.基于BP_Adaboost算法的上市公司財務(wù)預(yù)警研究[J].財會通訊,2013(23): 117-119.

    Early ship fault warning model based on BP_Adaboost neural network

    Wu Jinsong, Xu Zhijing

    (College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China)

    TP391.5

    A

    10.19358/j.issn.1674- 7720.2017.18.016

    吳勁松,徐志京.基于BP_Adaboost神經(jīng)網(wǎng)絡(luò)的船舶槳葉故障預(yù)警模型[J].微型機與應(yīng)用,2017,36(18):52-54,58.

    國家自然科學(xué)基金(61404083)

    2017-02-28)

    吳勁松(1987-),男,碩士研究生,主要研究方向:港口無線通信與計算機測控,深度學(xué)習(xí)。

    徐志京(1972-),男,工學(xué)博士,副教授,主要研究方向:無線通信,人工智能,深度學(xué)習(xí)。

    猜你喜歡
    雙槳槳葉分類器
    探究奇偶旋翼對雷達(dá)回波的影響
    《讓我們蕩起雙槳·陽光》
    藝術(shù)家(2023年2期)2023-05-07 01:05:20
    讓我們蕩起雙槳
    雙機、雙槳軸系下水前的安裝工藝
    立式捏合機槳葉結(jié)構(gòu)與槳葉變形量的CFD仿真*
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    讓我們蕩起雙槳
    直升機槳葉/吸振器系統(tǒng)的組合共振研究
    日韩亚洲欧美综合| 婷婷精品国产亚洲av| 免费观看人在逋| 亚洲精品日韩在线中文字幕 | 久久久国产成人精品二区| 哪里可以看免费的av片| 久久久午夜欧美精品| 亚洲在线观看片| 欧美色欧美亚洲另类二区| 国产成人影院久久av| 亚洲av第一区精品v没综合| 国产一区二区三区av在线 | 日韩av不卡免费在线播放| 人人妻人人澡人人爽人人夜夜 | 亚洲欧美日韩高清专用| 亚洲综合色惰| 插逼视频在线观看| 99久久成人亚洲精品观看| 亚洲婷婷狠狠爱综合网| 菩萨蛮人人尽说江南好唐韦庄 | 夜夜爽天天搞| 午夜a级毛片| 1000部很黄的大片| 日韩亚洲欧美综合| 69av精品久久久久久| 国产一区二区三区在线臀色熟女| 国产私拍福利视频在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲人成网站在线播| 天天躁日日操中文字幕| 久久精品国产清高在天天线| 麻豆久久精品国产亚洲av| 中文资源天堂在线| 99热这里只有精品一区| 久久久久九九精品影院| 97在线视频观看| 亚洲欧美精品自产自拍| 天堂av国产一区二区熟女人妻| 欧美色欧美亚洲另类二区| 国产成人aa在线观看| 变态另类成人亚洲欧美熟女| 欧美另类亚洲清纯唯美| 中国美女看黄片| 国产一区亚洲一区在线观看| 91av网一区二区| 国产精品.久久久| 亚洲国产精品国产精品| 又爽又黄无遮挡网站| 国产真实乱freesex| 久久精品综合一区二区三区| 亚洲成人精品中文字幕电影| 国产精品一区二区三区四区免费观看| 丝袜喷水一区| 一级黄片播放器| 亚洲五月天丁香| 久久久久久国产a免费观看| 亚洲成人久久性| 欧美三级亚洲精品| 成年女人看的毛片在线观看| 变态另类成人亚洲欧美熟女| 在线国产一区二区在线| 国产综合懂色| 亚洲国产精品久久男人天堂| 日韩亚洲欧美综合| 久久6这里有精品| 久久综合国产亚洲精品| 欧美一区二区国产精品久久精品| 国产精品一及| 九九在线视频观看精品| 99精品在免费线老司机午夜| 少妇人妻精品综合一区二区 | 欧美性感艳星| 男女做爰动态图高潮gif福利片| 亚洲第一区二区三区不卡| 国产成人午夜福利电影在线观看| 亚洲丝袜综合中文字幕| 天堂av国产一区二区熟女人妻| 国产亚洲欧美98| 成人二区视频| 一级毛片我不卡| 九色成人免费人妻av| 深夜a级毛片| 美女脱内裤让男人舔精品视频 | 看十八女毛片水多多多| 国产探花在线观看一区二区| 91精品国产九色| 男人和女人高潮做爰伦理| 观看美女的网站| 五月玫瑰六月丁香| 亚洲欧美精品专区久久| 欧美日韩一区二区视频在线观看视频在线 | 国产精品一二三区在线看| 免费观看的影片在线观看| 免费观看的影片在线观看| 日韩 亚洲 欧美在线| 99热6这里只有精品| 亚洲欧美精品综合久久99| 午夜爱爱视频在线播放| 日韩高清综合在线| 国国产精品蜜臀av免费| 亚洲欧洲国产日韩| 2022亚洲国产成人精品| 插逼视频在线观看| 日本熟妇午夜| 国产精品人妻久久久久久| 国产高清三级在线| 国产在视频线在精品| 欧美一级a爱片免费观看看| 久久这里有精品视频免费| 干丝袜人妻中文字幕| 国产精华一区二区三区| 久久综合国产亚洲精品| 国产精品人妻久久久影院| 亚洲精品日韩av片在线观看| 不卡一级毛片| 国产精品一区二区三区四区免费观看| 一级毛片aaaaaa免费看小| 免费黄网站久久成人精品| 久久精品国产亚洲网站| 能在线免费看毛片的网站| 综合色av麻豆| 在线观看一区二区三区| 一本久久精品| 亚洲欧美日韩高清专用| 成人二区视频| 99精品在免费线老司机午夜| 亚洲欧美日韩东京热| 日本黄色视频三级网站网址| 神马国产精品三级电影在线观看| 99久久中文字幕三级久久日本| 欧美性猛交╳xxx乱大交人| 亚洲va在线va天堂va国产| 久久草成人影院| 国内精品久久久久精免费| 国内精品一区二区在线观看| 91午夜精品亚洲一区二区三区| 国产精品久久久久久亚洲av鲁大| 男人舔女人下体高潮全视频| 国产男人的电影天堂91| av在线天堂中文字幕| 国产亚洲av嫩草精品影院| 能在线免费看毛片的网站| 99热6这里只有精品| 极品教师在线视频| 又黄又爽又刺激的免费视频.| 波多野结衣巨乳人妻| 深夜a级毛片| 少妇高潮的动态图| h日本视频在线播放| 日韩,欧美,国产一区二区三区 | 国产精品嫩草影院av在线观看| 日韩av在线大香蕉| 国产精品女同一区二区软件| 哪里可以看免费的av片| 日日撸夜夜添| 久久精品夜夜夜夜夜久久蜜豆| 菩萨蛮人人尽说江南好唐韦庄 | 国产成人a区在线观看| 国产午夜精品一二区理论片| 欧美潮喷喷水| 九九爱精品视频在线观看| 国产老妇伦熟女老妇高清| 最近视频中文字幕2019在线8| 亚洲欧美日韩无卡精品| 在线播放无遮挡| 赤兔流量卡办理| 波多野结衣巨乳人妻| 国产伦精品一区二区三区四那| 亚洲三级黄色毛片| 午夜精品一区二区三区免费看| 成人午夜精彩视频在线观看| 国产精品国产高清国产av| 午夜福利高清视频| 国产高清激情床上av| av又黄又爽大尺度在线免费看 | 少妇的逼水好多| 亚洲国产高清在线一区二区三| 亚洲成人精品中文字幕电影| 国产爱豆传媒在线观看| 国产一级毛片七仙女欲春2| 欧美最新免费一区二区三区| 精品少妇黑人巨大在线播放 | 久99久视频精品免费| 午夜精品在线福利| 日韩高清综合在线| 美女内射精品一级片tv| 69av精品久久久久久| 91在线精品国自产拍蜜月| 国产高清有码在线观看视频| 亚洲无线在线观看| 亚洲av第一区精品v没综合| 禁无遮挡网站| 国产日本99.免费观看| 别揉我奶头 嗯啊视频| 99在线视频只有这里精品首页| 精品欧美国产一区二区三| 美女cb高潮喷水在线观看| 一区二区三区免费毛片| 六月丁香七月| 97热精品久久久久久| 亚洲最大成人手机在线| 国产片特级美女逼逼视频| 日韩 亚洲 欧美在线| 麻豆乱淫一区二区| 蜜桃亚洲精品一区二区三区| 性欧美人与动物交配| 日本一本二区三区精品| 亚洲色图av天堂| av在线观看视频网站免费| 午夜a级毛片| 青春草亚洲视频在线观看| 一本久久精品| 国产美女午夜福利| 在线播放国产精品三级| 日日摸夜夜添夜夜添av毛片| 欧美不卡视频在线免费观看| 全区人妻精品视频| 深夜a级毛片| 国产精品一区www在线观看| 男插女下体视频免费在线播放| 久久久国产成人免费| 色视频www国产| 最近最新中文字幕大全电影3| 欧美人与善性xxx| 成人毛片60女人毛片免费| 亚洲精品成人久久久久久| 搡女人真爽免费视频火全软件| 有码 亚洲区| 精品欧美国产一区二区三| 尤物成人国产欧美一区二区三区| 成人永久免费在线观看视频| 国产亚洲5aaaaa淫片| 淫秽高清视频在线观看| 亚洲国产色片| 能在线免费观看的黄片| 欧美成人精品欧美一级黄| 看片在线看免费视频| 变态另类成人亚洲欧美熟女| 欧美日本亚洲视频在线播放| 菩萨蛮人人尽说江南好唐韦庄 | 九九爱精品视频在线观看| 久久久久久久久久久丰满| 久久久a久久爽久久v久久| 国产日韩欧美在线精品| 亚洲丝袜综合中文字幕| 18+在线观看网站| ponron亚洲| 色吧在线观看| 日本av手机在线免费观看| 熟女人妻精品中文字幕| 黄色欧美视频在线观看| 久久久久久久久中文| 只有这里有精品99| 国产精品女同一区二区软件| 成年免费大片在线观看| 久久久欧美国产精品| 国产三级中文精品| 97在线视频观看| 欧美色欧美亚洲另类二区| 亚洲成av人片在线播放无| 又粗又爽又猛毛片免费看| 久久久久久久午夜电影| 免费电影在线观看免费观看| 久久九九热精品免费| 国产在线精品亚洲第一网站| 亚洲欧美精品自产自拍| 神马国产精品三级电影在线观看| 亚洲av免费在线观看| 卡戴珊不雅视频在线播放| 春色校园在线视频观看| 老司机影院成人| 亚洲不卡免费看| 欧美不卡视频在线免费观看| 男人舔女人下体高潮全视频| 99九九线精品视频在线观看视频| 最近的中文字幕免费完整| 大又大粗又爽又黄少妇毛片口| 精品不卡国产一区二区三区| 亚洲成人中文字幕在线播放| 国产一区二区三区在线臀色熟女| 亚洲最大成人av| 一级毛片我不卡| 久久久久性生活片| 亚洲av电影不卡..在线观看| 久久久a久久爽久久v久久| 亚洲人成网站在线观看播放| 黄色一级大片看看| 亚洲成人久久性| eeuss影院久久| 久久人人爽人人爽人人片va| 久久综合国产亚洲精品| 国产老妇伦熟女老妇高清| 欧美高清性xxxxhd video| 欧美激情国产日韩精品一区| 久久久午夜欧美精品| 一边亲一边摸免费视频| 我要搜黄色片| 日韩欧美精品免费久久| 欧美xxxx性猛交bbbb| 免费黄网站久久成人精品| 一级毛片aaaaaa免费看小| 天天一区二区日本电影三级| 日本-黄色视频高清免费观看| 日日啪夜夜撸| 日韩欧美一区二区三区在线观看| 97在线视频观看| 六月丁香七月| 少妇熟女欧美另类| 中文字幕人妻熟人妻熟丝袜美| 日韩一区二区视频免费看| 久久久久国产网址| 午夜福利高清视频| 国产高清激情床上av| 亚洲无线在线观看| 中国美女看黄片| 99热这里只有是精品在线观看| av在线老鸭窝| 午夜视频国产福利| 欧美最新免费一区二区三区| 97人妻精品一区二区三区麻豆| 中文字幕熟女人妻在线| 久久人人爽人人片av| 国产精品不卡视频一区二区| 少妇人妻一区二区三区视频| 综合色丁香网| 美女 人体艺术 gogo| 亚洲av成人精品一区久久| 国产黄片美女视频| 欧美bdsm另类| 一区二区三区免费毛片| 99热这里只有精品一区| 赤兔流量卡办理| 久久欧美精品欧美久久欧美| 色综合亚洲欧美另类图片| 听说在线观看完整版免费高清| 一个人观看的视频www高清免费观看| 国产成人精品久久久久久| 国产午夜精品久久久久久一区二区三区| 久久久久久久久久黄片| 亚洲七黄色美女视频| 国产淫片久久久久久久久| 蜜桃久久精品国产亚洲av| 亚洲欧美成人精品一区二区| 永久网站在线| 婷婷六月久久综合丁香| 免费看美女性在线毛片视频| 国产老妇伦熟女老妇高清| 别揉我奶头 嗯啊视频| 欧美人与善性xxx| 国产乱人视频| 国产成年人精品一区二区| 国产亚洲av嫩草精品影院| 特大巨黑吊av在线直播| 久久久久免费精品人妻一区二区| 日韩精品青青久久久久久| 久久久久久国产a免费观看| 最近2019中文字幕mv第一页| 在线国产一区二区在线| 自拍偷自拍亚洲精品老妇| 亚洲欧洲国产日韩| 日本av手机在线免费观看| 麻豆乱淫一区二区| 中文字幕久久专区| 欧美日韩一区二区视频在线观看视频在线 | 哪里可以看免费的av片| 春色校园在线视频观看| 久久精品国产鲁丝片午夜精品| 欧美人与善性xxx| 国产一区二区在线观看日韩| av在线播放精品| 久久99热6这里只有精品| 亚洲在线自拍视频| 日本成人三级电影网站| 哪个播放器可以免费观看大片| 久久久精品94久久精品| 亚洲国产色片| 男女那种视频在线观看| av福利片在线观看| 26uuu在线亚洲综合色| 综合色av麻豆| 日日干狠狠操夜夜爽| 亚洲欧美日韩高清专用| 观看免费一级毛片| 国产白丝娇喘喷水9色精品| 精华霜和精华液先用哪个| 我要搜黄色片| 亚洲成a人片在线一区二区| 99精品在免费线老司机午夜| 一级黄色大片毛片| 一区福利在线观看| 久久久久九九精品影院| 一级毛片aaaaaa免费看小| 亚洲真实伦在线观看| 色播亚洲综合网| 又爽又黄a免费视频| 亚洲av二区三区四区| 3wmmmm亚洲av在线观看| 亚洲av熟女| 亚洲久久久久久中文字幕| 岛国毛片在线播放| 久久精品久久久久久噜噜老黄 | 国产精品一及| 亚洲精品国产av成人精品| 亚洲在线观看片| 大型黄色视频在线免费观看| 久久99蜜桃精品久久| 欧美在线一区亚洲| 最近最新中文字幕大全电影3| 男人舔奶头视频| 69人妻影院| 国产成人a区在线观看| 国产精品福利在线免费观看| 最近手机中文字幕大全| 可以在线观看毛片的网站| 欧美精品一区二区大全| 国产av不卡久久| 国产精品一二三区在线看| 婷婷精品国产亚洲av| 亚洲自偷自拍三级| 亚洲国产精品成人久久小说 | 男女下面进入的视频免费午夜| 插阴视频在线观看视频| 国产在线男女| 久久精品国产自在天天线| 最近手机中文字幕大全| 可以在线观看毛片的网站| 男的添女的下面高潮视频| 久久久久久久午夜电影| 99热6这里只有精品| av在线亚洲专区| 亚洲欧美日韩无卡精品| av在线播放精品| 日本三级黄在线观看| 国产高清不卡午夜福利| 久久精品影院6| 好男人在线观看高清免费视频| 久久久精品大字幕| 久久人人精品亚洲av| 97热精品久久久久久| 国产精品野战在线观看| 日本色播在线视频| 99久国产av精品国产电影| 亚洲在线自拍视频| 欧美一区二区精品小视频在线| 一级毛片电影观看 | 国产精品av视频在线免费观看| 亚洲五月天丁香| 国产成人a区在线观看| 亚洲精品自拍成人| 亚洲av熟女| 99热这里只有是精品50| 亚洲av中文av极速乱| 国产高清有码在线观看视频| 十八禁国产超污无遮挡网站| 亚洲精品成人久久久久久| 观看美女的网站| 又爽又黄a免费视频| 久久久久久九九精品二区国产| 久久久精品欧美日韩精品| 免费黄网站久久成人精品| 亚洲一区二区三区色噜噜| 搡女人真爽免费视频火全软件| 精品午夜福利在线看| 美女 人体艺术 gogo| 国产精品99久久久久久久久| 色综合亚洲欧美另类图片| 99在线视频只有这里精品首页| 国产亚洲精品av在线| 我的女老师完整版在线观看| 能在线免费观看的黄片| 久久久久久久久久久免费av| 久久综合国产亚洲精品| 国产成人精品一,二区 | 免费观看的影片在线观看| 在线播放无遮挡| 亚洲欧美日韩无卡精品| 春色校园在线视频观看| 伦精品一区二区三区| 亚洲自偷自拍三级| 亚洲精品456在线播放app| 天堂中文最新版在线下载 | 国产伦一二天堂av在线观看| 最新中文字幕久久久久| 毛片女人毛片| 中国美白少妇内射xxxbb| 婷婷六月久久综合丁香| 精品一区二区三区视频在线| 伦精品一区二区三区| 亚洲av.av天堂| 一级黄片播放器| 亚洲色图av天堂| 少妇人妻一区二区三区视频| 亚洲av第一区精品v没综合| av黄色大香蕉| 一进一出抽搐gif免费好疼| 天堂√8在线中文| 性色avwww在线观看| 日韩成人伦理影院| 久久久久久九九精品二区国产| 亚洲18禁久久av| 晚上一个人看的免费电影| 男的添女的下面高潮视频| 毛片一级片免费看久久久久| 日韩在线高清观看一区二区三区| 国产精品免费一区二区三区在线| 性欧美人与动物交配| 寂寞人妻少妇视频99o| 欧美性猛交╳xxx乱大交人| 一本精品99久久精品77| 国产三级在线视频| 午夜免费激情av| 小蜜桃在线观看免费完整版高清| 亚洲欧洲国产日韩| 午夜激情欧美在线| 人体艺术视频欧美日本| 一级毛片久久久久久久久女| 成人美女网站在线观看视频| av国产免费在线观看| 麻豆成人午夜福利视频| 欧美不卡视频在线免费观看| 精品久久国产蜜桃| 特大巨黑吊av在线直播| 日韩av不卡免费在线播放| 一本久久精品| 国产精品一区二区三区四区免费观看| 亚洲国产欧洲综合997久久,| 女的被弄到高潮叫床怎么办| 国产高潮美女av| 男女视频在线观看网站免费| 久久久久久久久中文| 99热网站在线观看| 成年免费大片在线观看| 日本-黄色视频高清免费观看| 校园人妻丝袜中文字幕| 欧美最黄视频在线播放免费| 久久精品夜夜夜夜夜久久蜜豆| 久久精品夜色国产| 小说图片视频综合网站| 一级毛片久久久久久久久女| 国产色婷婷99| 久久亚洲精品不卡| 久久久久性生活片| 国产成人精品久久久久久| av视频在线观看入口| 国产午夜精品一二区理论片| 久久精品国产清高在天天线| 青春草国产在线视频 | 国产三级中文精品| 午夜福利视频1000在线观看| 人妻制服诱惑在线中文字幕| a级毛片免费高清观看在线播放| 亚洲第一电影网av| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 你懂的网址亚洲精品在线观看 | 九色成人免费人妻av| 亚洲av成人精品一区久久| 国产精品久久久久久精品电影| 在线播放国产精品三级| 18禁黄网站禁片免费观看直播| 国产日本99.免费观看| 久久热精品热| 麻豆成人午夜福利视频| 欧美区成人在线视频| 久久6这里有精品| 欧美+日韩+精品| 舔av片在线| 精品久久久久久久人妻蜜臀av| 亚洲av免费在线观看| 99久久人妻综合| 精品久久久久久久久亚洲| 久久99热6这里只有精品| 亚洲精品自拍成人| 国产真实乱freesex| 国内精品美女久久久久久| 日韩欧美精品免费久久| 网址你懂的国产日韩在线| 成人午夜高清在线视频| 亚洲在久久综合| 最近中文字幕高清免费大全6| 成人高潮视频无遮挡免费网站| 一个人免费在线观看电影| 麻豆成人av视频| 边亲边吃奶的免费视频| 99久久精品国产国产毛片| 美女脱内裤让男人舔精品视频 | 美女国产视频在线观看| 亚洲最大成人手机在线| 国产av麻豆久久久久久久| 亚洲国产欧洲综合997久久,| 丝袜喷水一区| 国产私拍福利视频在线观看| 老女人水多毛片| 国产蜜桃级精品一区二区三区| 日本在线视频免费播放| 成人国产麻豆网| 中出人妻视频一区二区| 日本与韩国留学比较| 精品无人区乱码1区二区| 久久精品人妻少妇| 国产成人aa在线观看| 悠悠久久av| 99在线视频只有这里精品首页| 精品一区二区三区人妻视频| 久久久色成人| 99久久久亚洲精品蜜臀av| 亚洲国产精品成人久久小说 | 色综合亚洲欧美另类图片| 久久精品国产鲁丝片午夜精品| 精品国产三级普通话版| 九九爱精品视频在线观看| 国产高清激情床上av| 乱码一卡2卡4卡精品| 九色成人免费人妻av| 欧美高清成人免费视频www|