• <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 ?

    基于改進K_means的發(fā)動機狀態(tài)評估方法

    2018-08-18 07:36:10谷廣宇劉建敏喬新勇
    汽車工程 2018年7期
    關(guān)鍵詞:摩托狀況聚類

    谷廣宇,劉建敏,喬新勇

    前言

    發(fā)動機作為裝甲車輛的心臟,其技術(shù)狀況的優(yōu)劣直接影響車輛性能和戰(zhàn)斗力,因此如何科學有效地評估發(fā)動機技術(shù)狀況,已成為部隊關(guān)注的重點。目前,我軍在裝甲車輛發(fā)動機技術(shù)狀況評估方面,已經(jīng)做了部分研究[1-2],然而這些研究主要集中在根據(jù)先驗樣本數(shù)據(jù)建立評估模型,對未知樣本進行評估,而對于在沒有先驗知識的情況下,如何確立發(fā)動機各技術(shù)狀況等級的劃分基準的研究,仍相對缺乏。

    現(xiàn)有對發(fā)動機狀況等級基準劃分的研究中,文獻[3]中提出了將發(fā)動機根據(jù)摩托小時劃分技術(shù)狀況階段,再擬合各階段的平均值確定相應等級的評估基準。文獻[4]中提出了利用主成份分析法根據(jù)散點圖分布劃分技術(shù)狀況區(qū)域,再通過神經(jīng)網(wǎng)絡(luò)建立評估模型。這兩類方法解決了沒有先驗知識的情況下有效評估發(fā)動機技術(shù)狀況的問題,但無論是以摩托小時進行階段的劃分,還是以散點圖分布進行區(qū)域劃分,都存在很大的主觀因素,不同的劃分標準也會對最終的評估結(jié)果造成很大影響。由于環(huán)境條件、工作強度等因素影響,發(fā)動機的實際技術(shù)狀況存在很大隨機性,不同樣本下建立的評估基準與評估模型可能存在較大差異,并且由于受試驗成本、試驗周期等條件的限制,通常無法進行大量試驗來獲取大樣本,這也會增加樣本隨機性對評估模型的影響,難以保證其最終得到評估結(jié)果的可靠性。

    為解決上述問題,本文中通過改進K_means聚類算法,利用試驗樣本數(shù)據(jù)分布,計算各等級聚類中心及其分類,建立更加客觀穩(wěn)定的評估模型,實現(xiàn)基于數(shù)據(jù)驅(qū)動的發(fā)動機狀態(tài)評估,并融合Bootstrap小子樣統(tǒng)計方法,利用其通過再生抽樣將小樣本問題轉(zhuǎn)化成大樣本的特性,削弱試驗樣本隨機性對評估模型的影響,增強發(fā)動機評估模型的穩(wěn)定性。

    1 K_means算法

    K_means算法是一種典型的基于劃分的聚類算法,屬于無監(jiān)督機器學習方法的一種。該算法將一個含有n個樣本的集合劃分為K個子集合,其中每個子集合代表一個類簇,同一類簇中的樣本具有高度的相似性,不同類簇中的樣本相似度較低。

    1.1 K_means算法基本思想

    K_means算法的基本思想是:首先從n個樣本集中隨機選擇K個樣本作為初始聚類中心,根據(jù)每個樣本與各個聚類中心的相似度,將其分配給最相似的聚類中心,得到K個互不相交的類簇集合;然后重新計算每個類簇的新中心,再將每個樣本根據(jù)相似性原理分配給最近的簇中心,重新計算每個類簇的新中心,分配每個樣本到距離最近的類簇。這個過程不斷重復,直到各個類簇的中心不再變化,得到原始樣本集合的K個互不相交的穩(wěn)定的類簇。

    該方法在聚類過程中采取距離就近原則,將數(shù)據(jù)樣本中的每個屬性變量統(tǒng)一看待,而忽略了每個屬性在聚類分析過程中對于數(shù)據(jù)樣本劃分的不同重要性。例如在發(fā)動機狀態(tài)評估中,特征序列與使用時間序列的相關(guān)性越大,表示特征參數(shù)隨使用時間逐漸劣化的趨勢越明顯,用來評估發(fā)動機技術(shù)狀況優(yōu)劣的效果越好,在聚類過程中應給予相應重視。

    由于K_means算法是一個局部搜索過程,其聚類結(jié)果依賴于初始聚類中心和初始劃分[5],因此本文中提出基于加權(quán)歐氏距離最小方差優(yōu)化初始聚類中心的K_means改進算法。

    1.2 K_means算法一般過程

    在K_means算法中,對于待聚類的數(shù)據(jù)樣本X=(x1,…,xn)和 K 個初始聚類中心 C1,C2,…,CK,基本定義如下。

    樣本xi與xj間加權(quán)歐氏距離:

    樣本xi到所有樣本的平均距離:

    樣本xi的方差:

    數(shù)據(jù)樣本的平均距離:

    聚類誤差平方和:

    其一般過程如圖1所示。

    圖1 K_means算法一般流程

    2 算法改進

    2.1 相關(guān)性加權(quán)歐式距離

    在傳統(tǒng)聚類算法中,按樣本間相似度進行聚類劃分通常以歐氏距離為準,即

    為了反映特征序列與使用時間序列的相關(guān)性,通過對多種賦權(quán)法的比較[6],提出了基于特征序列相關(guān)性指標的定權(quán)方法。相關(guān)性指標是在相關(guān)系數(shù)的基礎(chǔ)上提出的,以取絕對值的方法將其限定在[0,1]區(qū)間,表征了特征序列與使用時間間的線性相關(guān)程度。某個特征序列的相關(guān)性指標值越大,其與使用時間的線性相關(guān)性也越大,從而該特征也能更好地描述發(fā)動機技術(shù)狀況從優(yōu)到劣的變化過程。該方法權(quán)重計算步驟如下。

    對于樣本數(shù)據(jù)的第i個特征序列,其相關(guān)性指標是其相關(guān)系數(shù)的絕對值,即

    式中:Corri為第i個特征序列的相關(guān)性指標;Y=(y1,y2,…,yN)為第 i個特征序列;N 為檢測次數(shù),即序列長度;T=(t1,t2,…,tN)為相應時間序列。 根據(jù)樣本所有屬性的變異系數(shù),計算各屬性的權(quán)重:

    此時計算樣本間相似度可采用加權(quán)歐氏距離:

    2.2 初始中心優(yōu)化選取

    由于樣本分布存在不確定性,傳統(tǒng)K_means算法中依靠隨機選取產(chǎn)生的初始聚類中心,有可能是一些孤立點或噪聲點。這將導致聚類結(jié)果偏離真實分布,從而得到錯誤的聚類結(jié)果,并且這一現(xiàn)象在小樣本條件下的發(fā)動機狀態(tài)評估過程中將更加嚴重。因此本文中提出最小方差啟發(fā)式初始聚類中心優(yōu)化選取方法。

    該方法的基本思想是:以樣本方差作為啟發(fā)信息,選取方差最小的樣本作為初始聚類中心,并以樣本平均距離劃分初始聚類,從而選擇出周圍樣本分布比較密集的初始聚類中心,避免孤點和噪聲點的干擾。算法流程如圖2所示。

    圖2 初始聚類中心計算方法

    2.3 Bootstrap小子樣統(tǒng)計方法

    Bootstrap小子樣統(tǒng)計方法是一種自助估計方法,其思路是用現(xiàn)有的資料去模仿未知的分布,通過再生抽樣將小樣本問題轉(zhuǎn)化成大樣本,因此該方法適用于小樣本條件下的統(tǒng)計推斷。

    Bootstrap方法基本原理主要根據(jù)觀測到來自于未知總體分布F的隨機子樣X=(X1,…,Xn),估計總體分布F的某一分布特征R(X,F(xiàn)),如均值、方差等,從而推測總體分布F,具體方法如下。

    設(shè)總體分布F的某個分布特征θ=θ(F)(如均值,方差等),由觀測子樣 X=(X1,…,Xn)構(gòu)造經(jīng)驗分布 Fn,則有對 θ的估計 θ^=θ^(Fn),估計誤差為

    根據(jù)經(jīng)驗分布 Fn,重新抽取再生子樣X(1)=(X(11),…,X(n1)),進而構(gòu)造經(jīng)驗分布函數(shù)F(n1)。于是由X(1)又可得到θ的估計F(n1))。此時可得到估計誤差Tn的Bootstrap統(tǒng)計量R(n1),即

    重復抽取多組再生子樣 X(i),i= 1,2,…,m,可計算相應的R(ni),i= 1,2,…,m,進而可利用 R(ni)的分布去逼近Tn的分布,即可根據(jù)式(1)得到θ(F)的樣本:

    在小樣本估計中,該方法較傳統(tǒng)統(tǒng)計方法具有較高精度。

    3 發(fā)動機狀態(tài)評估實例

    3.1 評估樣本數(shù)據(jù)采集整理

    以某型裝甲車輛柴油機為研究對象,其常用的技術(shù)狀況評估指標體系如圖3所示[7]。對累計使用時間在0~550摩托小時內(nèi)的發(fā)動機,盡量按每間隔50摩托小時選擇1臺作為基準樣本,同時選取3臺狀態(tài)已知的發(fā)動機作為測試樣本,以驗證方法的有效性。采集處理后部分樣本狀態(tài)參數(shù)如表1和表2所示。

    圖3 某型裝甲車輛柴油機評估指標體系

    表1 基準樣本狀態(tài)參數(shù)

    表2 測試樣本狀態(tài)參數(shù)

    3.2 發(fā)動機狀態(tài)評估步驟

    (1)評估數(shù)據(jù)選取

    在實例驗證中,表1樣本為基準樣本,建立發(fā)動機狀態(tài)評估模型,劃分各技術(shù)狀況等級基準;選取表2樣本為測試樣本,利用上述模型評估其技術(shù)狀況,以驗證該方法的有效性。

    (2)確定評語集

    根據(jù)柴油機技術(shù)狀況的優(yōu)劣程度,建立5級評語集。 將柴油機劃分為“好”、“較好”、“一般”、“較差”和“差”5個技術(shù)狀況等級。

    (3)計算各屬性權(quán)重

    根據(jù)表1所示樣本數(shù)據(jù),計算特征參數(shù)對應的變異系數(shù):

    V=[0.116,0.482,0.353,0.280,0.724,0.687]

    由式(3)可得各屬性權(quán)重:

    W=[0.044,0.182,0.134,0.106,0.274,0.260]

    (4)初始聚類中心

    對于發(fā)動機而言,由于出廠后需要經(jīng)歷一定時間的磨合,磨合期結(jié)束后發(fā)動機狀態(tài)達到最佳,發(fā)動機達到規(guī)定使用時長的極限,返廠大修時,其狀態(tài)為最差。因此在采用K_means聚類算法時,可直接采用磨合期結(jié)束時(約50摩托小時)和返廠大修規(guī)定摩托小時(約550摩托小時)的樣本數(shù)據(jù)xi和xj分別作為“好”和“差”兩個等級的初始聚類中心,并根據(jù)其他樣本數(shù)據(jù),采用圖1所示算法流程,計算“較好”、“一般”和“較差”3個技術(shù)狀況等級的初始聚類中心。

    (5)分配樣本、更新聚類中心

    將測試樣本依據(jù)式(4)分配到距離最近初始聚類中心相應的簇類中,并根據(jù)圖2的流程,重新計算聚類中心。更新后聚類中心矩陣為

    (6)聚類中心修正

    根據(jù)原樣本分布,重新抽取N組再生子樣X(n),n=1,2,…,N。 并對再生子樣重復步驟(4)和步驟(5),計算相應聚類中心根據(jù)式(6)可知原樣本聚類中心的估計誤差分布為

    本文中取N=50重新抽取再生子樣,依照上述方法估計測試樣本聚類中心的誤差分布矩陣:

    依據(jù)Bootstrap小子樣統(tǒng)計方法,可利用再生子樣修正原樣本各技術(shù)狀況等級的聚類中心:

    根據(jù)式(9)可得修正后聚類中心:

    (7)樣本狀態(tài)評估

    利用權(quán)重向量V和聚類中心C,根據(jù)相似性原理評估13~15號樣本的技術(shù)狀況,測試樣本對各等級基準的相似度和評語如表3所示。

    表3 測試樣本評估結(jié)果

    測試樣本的評估結(jié)果能夠定量、定性地反映發(fā)動機技術(shù)狀況,并且與發(fā)動機實際狀況一致,因此該方法可作為在缺少先驗知識和小樣本條件下對發(fā)動機進行狀態(tài)評估的有效手段。

    4 方法對比分析

    為對比本文方法與文獻[3]中所述傳統(tǒng)方法的客觀性和穩(wěn)定性,在上文1~12號基準樣本的基礎(chǔ)上,以相同方法重新采集整理一組對比樣本,如表4所示。

    表4 對比分析樣本

    采用本文提出的基于狀態(tài)參數(shù)方法,分別以第1組和第2組樣本建立評估模型,并對所有樣本進行評估,結(jié)果見圖4。

    圖4 本文方法的評估結(jié)果

    由圖可見:發(fā)動機的技術(shù)狀況隨著摩托小時逐漸劣化的趨勢明顯;在0~200摩托小時內(nèi)基本為“好”和“較好”,在200~350摩托小時內(nèi)基本為“較好”和“一般”,在這兩個區(qū)間內(nèi)技術(shù)狀況呈現(xiàn)了兩種技術(shù)狀況變化的過渡,體現(xiàn)了技術(shù)狀況變化的逐漸性和模糊性;在350~450摩托小時內(nèi)為“較差”,在500摩托小時以上為“差”。技術(shù)狀況的這種變化趨勢與理論分析的結(jié)果大致吻合。

    采用文獻[3]中所述傳統(tǒng)方法,分別以第1組和第2組樣本建立評估模型,并對所有樣本進行評估,結(jié)果見圖5。

    圖5 傳統(tǒng)方法的評估結(jié)果

    用傳統(tǒng)方法評估所有27個樣本時,有6個樣本在兩組不同樣本建立的評估模型下的結(jié)果不同。而本文方法在相同條件下只有2個樣本得到了不同結(jié)果。這表明本文中提出的基于狀態(tài)參數(shù)發(fā)動機狀態(tài)評估方法在處理少量狀態(tài)參數(shù)樣本時比傳統(tǒng)方法具有更強的穩(wěn)定性。

    5 結(jié)論

    本文中利用加權(quán)歐氏距離和最小方差啟發(fā)式算法對K_means聚類算法進行了改進,并通過融合Bootstrap小子樣統(tǒng)計方法提出了一種基于改進K_means的發(fā)動機狀態(tài)評估方法。

    該方法能在缺少先驗知識的小樣本條件下,建立穩(wěn)定的發(fā)動機狀態(tài)評估模型,實現(xiàn)發(fā)動機技術(shù)狀況的有效評估。與傳統(tǒng)方法相比,該方法在處理隨機性較大的狀態(tài)參數(shù)樣本時具有更強的穩(wěn)定性,并且該方法完全依靠發(fā)動機狀態(tài)參數(shù),具有更強的客觀性。

    猜你喜歡
    摩托狀況聚類
    聲敏感患者的焦慮抑郁狀況調(diào)查
    騎摩托的哪吒酷嗎
    時代郵刊(2021年8期)2021-07-21 07:52:42
    小摩托參賽
    2019年中國國際收支狀況依然會保持穩(wěn)健
    中國外匯(2019年13期)2019-10-10 03:37:38
    這個世界,尼比打算和他的摩托一起丈量
    車迷(2019年10期)2019-06-24 05:43:20
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    第五節(jié) 2015年法學專業(yè)就業(yè)狀況
    基于改進的遺傳算法的模糊聚類算法
    My experience as a foreign teacher in China
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    婷婷成人精品国产| 亚洲熟女毛片儿| 国产麻豆69| 国内毛片毛片毛片毛片毛片| avwww免费| 亚洲全国av大片| 老熟妇乱子伦视频在线观看 | 日本av免费视频播放| 宅男免费午夜| 亚洲专区国产一区二区| 淫妇啪啪啪对白视频 | 69精品国产乱码久久久| 国产福利在线免费观看视频| 国产欧美亚洲国产| 午夜福利,免费看| av电影中文网址| 91老司机精品| 欧美国产精品一级二级三级| 久久久精品国产亚洲av高清涩受| 国产精品国产三级国产专区5o| 亚洲情色 制服丝袜| 男人操女人黄网站| 欧美日韩视频精品一区| 免费女性裸体啪啪无遮挡网站| 成年人免费黄色播放视频| 午夜免费观看性视频| 国产精品香港三级国产av潘金莲| 少妇精品久久久久久久| 亚洲精品成人av观看孕妇| 久久精品国产综合久久久| 黄色a级毛片大全视频| 黄色a级毛片大全视频| 免费不卡黄色视频| e午夜精品久久久久久久| 香蕉国产在线看| 免费在线观看黄色视频的| 欧美成狂野欧美在线观看| 亚洲精华国产精华精| 久久精品亚洲av国产电影网| 一区二区三区精品91| 欧美激情高清一区二区三区| 亚洲国产精品999| 久久久久久免费高清国产稀缺| 亚洲国产欧美网| 欧美久久黑人一区二区| 亚洲av电影在线观看一区二区三区| 老司机午夜福利在线观看视频 | 巨乳人妻的诱惑在线观看| 国产亚洲av片在线观看秒播厂| 国产xxxxx性猛交| 午夜福利乱码中文字幕| 日韩精品免费视频一区二区三区| 午夜免费成人在线视频| 午夜视频精品福利| 97人妻天天添夜夜摸| 国产精品99久久99久久久不卡| 亚洲一区中文字幕在线| 免费日韩欧美在线观看| 精品卡一卡二卡四卡免费| 日本av手机在线免费观看| 午夜激情久久久久久久| av福利片在线| 岛国毛片在线播放| 国产一区有黄有色的免费视频| 国产在视频线精品| av电影中文网址| 无限看片的www在线观看| 精品第一国产精品| 亚洲av电影在线观看一区二区三区| 国产人伦9x9x在线观看| 可以免费在线观看a视频的电影网站| 在线av久久热| 国产精品亚洲av一区麻豆| 色综合欧美亚洲国产小说| 老司机午夜福利在线观看视频 | 精品亚洲成a人片在线观看| 久久久久久久国产电影| 国产深夜福利视频在线观看| 韩国精品一区二区三区| 国产高清视频在线播放一区 | 成在线人永久免费视频| 99精品欧美一区二区三区四区| 亚洲av美国av| 十八禁网站网址无遮挡| 成在线人永久免费视频| 免费观看人在逋| 国产福利在线免费观看视频| 啪啪无遮挡十八禁网站| 亚洲人成电影观看| 久久香蕉激情| 菩萨蛮人人尽说江南好唐韦庄| 爱豆传媒免费全集在线观看| av一本久久久久| xxxhd国产人妻xxx| 久久 成人 亚洲| 搡老熟女国产l中国老女人| 中文字幕av电影在线播放| 国产成人精品久久二区二区免费| 人妻人人澡人人爽人人| 色老头精品视频在线观看| 国产成人a∨麻豆精品| 久久国产亚洲av麻豆专区| 亚洲色图综合在线观看| 99久久99久久久精品蜜桃| 久久久久网色| 国产精品国产三级国产专区5o| 悠悠久久av| 人人妻人人澡人人爽人人夜夜| www.999成人在线观看| 免费女性裸体啪啪无遮挡网站| 久久久国产精品麻豆| 国产有黄有色有爽视频| 90打野战视频偷拍视频| 亚洲九九香蕉| 久久女婷五月综合色啪小说| 精品国产一区二区三区久久久樱花| 亚洲精品自拍成人| 最新的欧美精品一区二区| 嫁个100分男人电影在线观看| 欧美人与性动交α欧美精品济南到| 99热国产这里只有精品6| 99热网站在线观看| 成人三级做爰电影| 久久午夜综合久久蜜桃| av电影中文网址| 国产精品1区2区在线观看. | 亚洲av片天天在线观看| 脱女人内裤的视频| 美国免费a级毛片| 国产精品1区2区在线观看. | 久久女婷五月综合色啪小说| 亚洲av日韩精品久久久久久密| 狠狠狠狠99中文字幕| 国产精品 国内视频| 这个男人来自地球电影免费观看| 久久精品久久久久久噜噜老黄| 色婷婷av一区二区三区视频| 各种免费的搞黄视频| 91麻豆av在线| 正在播放国产对白刺激| 国产成人免费无遮挡视频| 欧美日韩国产mv在线观看视频| 夜夜骑夜夜射夜夜干| 午夜激情av网站| 一区二区三区激情视频| 18禁观看日本| 亚洲国产看品久久| 久久天堂一区二区三区四区| 亚洲精品粉嫩美女一区| 成在线人永久免费视频| 男女下面插进去视频免费观看| 久久精品亚洲av国产电影网| 最黄视频免费看| 国产成人av教育| 狂野欧美激情性xxxx| 两个人看的免费小视频| 黑人操中国人逼视频| 亚洲午夜精品一区,二区,三区| 欧美成人午夜精品| 国产在线观看jvid| 美女高潮喷水抽搐中文字幕| 久久精品人人爽人人爽视色| 国产精品久久久久久人妻精品电影 | 亚洲熟女精品中文字幕| 日本撒尿小便嘘嘘汇集6| 亚洲情色 制服丝袜| 91九色精品人成在线观看| 亚洲欧美激情在线| 免费少妇av软件| 国产91精品成人一区二区三区 | 日韩熟女老妇一区二区性免费视频| 国产精品 国内视频| 两人在一起打扑克的视频| 亚洲精品国产色婷婷电影| 日韩免费高清中文字幕av| 精品福利观看| 12—13女人毛片做爰片一| 日韩电影二区| 国产在线免费精品| 一级,二级,三级黄色视频| 国产成人av教育| 国产人伦9x9x在线观看| 午夜福利影视在线免费观看| 天堂俺去俺来也www色官网| 精品亚洲成国产av| 久久av网站| 中文字幕人妻丝袜制服| 欧美日韩福利视频一区二区| 成年女人毛片免费观看观看9 | 成人av一区二区三区在线看 | 日韩制服骚丝袜av| 欧美中文综合在线视频| 国产av国产精品国产| 国产精品国产三级国产专区5o| 亚洲av成人不卡在线观看播放网 | 女人精品久久久久毛片| 亚洲精品国产色婷婷电影| 夜夜骑夜夜射夜夜干| 成人av一区二区三区在线看 | 亚洲精品国产一区二区精华液| 丰满迷人的少妇在线观看| 欧美国产精品va在线观看不卡| 精品亚洲成a人片在线观看| 99久久99久久久精品蜜桃| 女性被躁到高潮视频| 秋霞在线观看毛片| 欧美在线黄色| 亚洲av电影在线进入| 青草久久国产| 国产精品欧美亚洲77777| netflix在线观看网站| 亚洲精品成人av观看孕妇| 国产又爽黄色视频| 国产精品一区二区在线观看99| 日韩欧美免费精品| 亚洲国产av新网站| av在线播放精品| 日韩一区二区三区影片| 丝袜喷水一区| 亚洲av日韩精品久久久久久密| 超色免费av| 欧美中文综合在线视频| 国产亚洲精品一区二区www | 免费高清在线观看视频在线观看| 成年女人毛片免费观看观看9 | 在线观看一区二区三区激情| 欧美黄色片欧美黄色片| 亚洲av日韩在线播放| 老司机午夜福利在线观看视频 | 日本av免费视频播放| 国产男女内射视频| 国产老妇伦熟女老妇高清| 99国产极品粉嫩在线观看| 十八禁网站免费在线| 电影成人av| 中文精品一卡2卡3卡4更新| 搡老熟女国产l中国老女人| 国产高清视频在线播放一区 | 久久热在线av| 777久久人妻少妇嫩草av网站| www.自偷自拍.com| 99re6热这里在线精品视频| 黄片大片在线免费观看| 久久久久精品国产欧美久久久 | 国产成人系列免费观看| 久久人妻福利社区极品人妻图片| 性少妇av在线| 丰满少妇做爰视频| 好男人电影高清在线观看| 国产欧美亚洲国产| av福利片在线| 一区二区三区四区激情视频| 午夜视频精品福利| 人人妻人人爽人人添夜夜欢视频| 亚洲精品久久久久久婷婷小说| 欧美一级毛片孕妇| 欧美日韩国产mv在线观看视频| 国产深夜福利视频在线观看| 日韩熟女老妇一区二区性免费视频| 亚洲天堂av无毛| 精品少妇久久久久久888优播| 免费在线观看影片大全网站| 亚洲久久久国产精品| 超色免费av| 精品第一国产精品| 久久人人爽人人片av| 欧美老熟妇乱子伦牲交| 免费高清在线观看视频在线观看| 欧美另类一区| 国产精品1区2区在线观看. | 久久性视频一级片| 久久综合国产亚洲精品| 少妇 在线观看| 久久亚洲精品不卡| 天天操日日干夜夜撸| 黑人猛操日本美女一级片| 一二三四在线观看免费中文在| 国产不卡av网站在线观看| 两性夫妻黄色片| 十八禁网站网址无遮挡| 中亚洲国语对白在线视频| 欧美成狂野欧美在线观看| 国产高清videossex| 日韩一区二区三区影片| 国产又色又爽无遮挡免| 99精品欧美一区二区三区四区| 青草久久国产| 欧美黄色淫秽网站| 青春草亚洲视频在线观看| 老汉色∧v一级毛片| 成人免费观看视频高清| 人人妻人人澡人人看| 精品国内亚洲2022精品成人 | 考比视频在线观看| 伊人亚洲综合成人网| 国产亚洲欧美精品永久| 老司机深夜福利视频在线观看 | 日韩制服骚丝袜av| 天天躁日日躁夜夜躁夜夜| 男人舔女人的私密视频| 91成年电影在线观看| 如日韩欧美国产精品一区二区三区| 久久综合国产亚洲精品| 精品少妇一区二区三区视频日本电影| 一个人免费看片子| 男女之事视频高清在线观看| 亚洲国产av影院在线观看| 99久久综合免费| 亚洲少妇的诱惑av| 美女脱内裤让男人舔精品视频| 色婷婷av一区二区三区视频| 无限看片的www在线观看| 国产野战对白在线观看| 国产精品九九99| 操出白浆在线播放| 一级毛片精品| 满18在线观看网站| 一区二区av电影网| 99久久综合免费| 国产深夜福利视频在线观看| 午夜福利在线免费观看网站| 亚洲伊人久久精品综合| 亚洲av片天天在线观看| 国产深夜福利视频在线观看| 色94色欧美一区二区| 99久久精品国产亚洲精品| 午夜福利影视在线免费观看| 91成人精品电影| 久久精品人人爽人人爽视色| 国产精品秋霞免费鲁丝片| 91精品国产国语对白视频| 美女视频免费永久观看网站| 欧美老熟妇乱子伦牲交| 最新的欧美精品一区二区| 久久久久久久久免费视频了| 99热全是精品| 一区福利在线观看| 国产成人精品久久二区二区91| 人妻久久中文字幕网| 九色亚洲精品在线播放| 宅男免费午夜| 91国产中文字幕| 一级毛片女人18水好多| 三上悠亚av全集在线观看| 欧美激情极品国产一区二区三区| 一区福利在线观看| 美女高潮喷水抽搐中文字幕| 一级,二级,三级黄色视频| 夜夜夜夜夜久久久久| 99国产精品一区二区三区| 青春草视频在线免费观看| 亚洲精品久久久久久婷婷小说| 日日爽夜夜爽网站| 极品少妇高潮喷水抽搐| 视频区欧美日本亚洲| 首页视频小说图片口味搜索| 99久久综合免费| 秋霞在线观看毛片| 老汉色av国产亚洲站长工具| 国产精品av久久久久免费| 99久久精品国产亚洲精品| 无限看片的www在线观看| 国产精品久久久人人做人人爽| 亚洲人成电影观看| 午夜日韩欧美国产| 在线观看免费视频网站a站| 国产黄频视频在线观看| 91精品伊人久久大香线蕉| 十八禁高潮呻吟视频| 美女大奶头黄色视频| 亚洲综合色网址| 婷婷色av中文字幕| 香蕉丝袜av| 国产日韩一区二区三区精品不卡| 亚洲全国av大片| 99国产精品一区二区蜜桃av | av电影中文网址| 在线观看免费视频网站a站| 免费观看a级毛片全部| 中文字幕av电影在线播放| 啦啦啦免费观看视频1| 国产精品久久久久久人妻精品电影 | 欧美日韩亚洲高清精品| 日韩欧美免费精品| 久久久久久久久免费视频了| av线在线观看网站| 电影成人av| 国产av国产精品国产| 波多野结衣av一区二区av| 亚洲一区二区三区欧美精品| 亚洲精品av麻豆狂野| 国产在线观看jvid| 亚洲人成电影观看| 9191精品国产免费久久| 国产xxxxx性猛交| 后天国语完整版免费观看| 精品久久久精品久久久| 蜜桃在线观看..| 热99re8久久精品国产| 黄色视频在线播放观看不卡| 中文字幕人妻丝袜一区二区| 日韩制服骚丝袜av| 精品福利观看| 在线天堂中文资源库| 国产极品粉嫩免费观看在线| 搡老熟女国产l中国老女人| 国产淫语在线视频| 中文字幕人妻熟女乱码| 亚洲午夜精品一区,二区,三区| 捣出白浆h1v1| 亚洲综合色网址| 黄色 视频免费看| 最近最新中文字幕大全免费视频| 国产成人av激情在线播放| 在线亚洲精品国产二区图片欧美| 男女免费视频国产| 国产精品一区二区免费欧美 | 久久九九热精品免费| 亚洲欧美一区二区三区久久| 国产主播在线观看一区二区| 99精品久久久久人妻精品| 不卡av一区二区三区| 午夜福利一区二区在线看| 久久久国产成人免费| 亚洲午夜精品一区,二区,三区| 成年人免费黄色播放视频| 国产精品久久久久久精品电影小说| 国产av一区二区精品久久| 操美女的视频在线观看| 一区二区三区激情视频| 久久人妻福利社区极品人妻图片| 久久ye,这里只有精品| 91成人精品电影| 亚洲人成电影观看| 热re99久久国产66热| 欧美午夜高清在线| 成人黄色视频免费在线看| 国产老妇伦熟女老妇高清| 在线永久观看黄色视频| 天天躁狠狠躁夜夜躁狠狠躁| 中文欧美无线码| 下体分泌物呈黄色| 精品久久久久久久毛片微露脸 | 欧美 亚洲 国产 日韩一| 美女高潮喷水抽搐中文字幕| 可以免费在线观看a视频的电影网站| 悠悠久久av| 亚洲av日韩在线播放| 黄色毛片三级朝国网站| 在线永久观看黄色视频| 中国国产av一级| 女人高潮潮喷娇喘18禁视频| 免费人妻精品一区二区三区视频| 一区二区三区乱码不卡18| 99国产精品免费福利视频| 精品久久蜜臀av无| 精品国产超薄肉色丝袜足j| 日韩欧美免费精品| 窝窝影院91人妻| 久久中文看片网| 美女扒开内裤让男人捅视频| 精品人妻1区二区| 后天国语完整版免费观看| 国产老妇伦熟女老妇高清| 女人久久www免费人成看片| 亚洲精品国产色婷婷电影| 精品人妻1区二区| 国产欧美日韩一区二区精品| 亚洲欧美精品综合一区二区三区| 精品国产一区二区三区久久久樱花| 亚洲国产精品一区三区| 国产精品香港三级国产av潘金莲| 日本一区二区免费在线视频| 日韩中文字幕欧美一区二区| 日本a在线网址| 久久国产亚洲av麻豆专区| 亚洲国产精品999| 精品欧美一区二区三区在线| 精品亚洲乱码少妇综合久久| 成年人黄色毛片网站| 老司机在亚洲福利影院| 国产精品一区二区在线观看99| 国产日韩一区二区三区精品不卡| 欧美97在线视频| 国产麻豆69| 久久久久久人人人人人| 两性夫妻黄色片| 久久国产精品影院| 欧美xxⅹ黑人| 99久久综合免费| 十八禁网站免费在线| 正在播放国产对白刺激| 美女中出高潮动态图| 色婷婷av一区二区三区视频| 中文字幕制服av| 超色免费av| 老熟妇乱子伦视频在线观看 | 久9热在线精品视频| 国产精品99久久99久久久不卡| 国产亚洲精品久久久久5区| 日日爽夜夜爽网站| 99国产精品免费福利视频| 成人三级做爰电影| 波多野结衣av一区二区av| 精品国产一区二区久久| 久久久久久免费高清国产稀缺| 亚洲一区二区三区欧美精品| 手机成人av网站| 大陆偷拍与自拍| 99国产精品99久久久久| 中文字幕人妻丝袜一区二区| 制服人妻中文乱码| 欧美+亚洲+日韩+国产| tocl精华| 一区二区三区激情视频| 亚洲av国产av综合av卡| 一边摸一边抽搐一进一出视频| 99国产综合亚洲精品| 黄色毛片三级朝国网站| 日本黄色日本黄色录像| 人人澡人人妻人| 久久天堂一区二区三区四区| 欧美中文综合在线视频| 日韩精品免费视频一区二区三区| 少妇的丰满在线观看| 久久精品国产a三级三级三级| 午夜老司机福利片| 国产深夜福利视频在线观看| 99久久国产精品久久久| 悠悠久久av| 69精品国产乱码久久久| 久久久精品区二区三区| 91国产中文字幕| 久久久精品区二区三区| 日韩大码丰满熟妇| 日韩一区二区三区影片| 欧美成狂野欧美在线观看| 亚洲三区欧美一区| 免费人妻精品一区二区三区视频| 黄网站色视频无遮挡免费观看| 免费看十八禁软件| 一边摸一边做爽爽视频免费| 亚洲精品日韩在线中文字幕| 国产日韩欧美视频二区| 亚洲精品日韩在线中文字幕| 一边摸一边做爽爽视频免费| 久久久久国内视频| 亚洲中文字幕日韩| 国产色视频综合| 黄色 视频免费看| 波多野结衣一区麻豆| 999精品在线视频| 国产熟女午夜一区二区三区| 飞空精品影院首页| 午夜精品久久久久久毛片777| 黄色 视频免费看| 精品国产乱码久久久久久小说| 丝瓜视频免费看黄片| 一区二区av电影网| 乱人伦中国视频| 三级毛片av免费| 老熟女久久久| 2018国产大陆天天弄谢| 男女无遮挡免费网站观看| 午夜久久久在线观看| 精品人妻在线不人妻| 制服人妻中文乱码| 亚洲av美国av| 人人澡人人妻人| 亚洲国产日韩一区二区| 日日摸夜夜添夜夜添小说| a级片在线免费高清观看视频| 国产日韩一区二区三区精品不卡| 丁香六月天网| 欧美成狂野欧美在线观看| 欧美日韩亚洲高清精品| 国产国语露脸激情在线看| 乱人伦中国视频| 国产97色在线日韩免费| 欧美av亚洲av综合av国产av| 爱豆传媒免费全集在线观看| av欧美777| 久久国产精品人妻蜜桃| 捣出白浆h1v1| 亚洲欧美一区二区三区久久| 性色av乱码一区二区三区2| 美女国产高潮福利片在线看| 老鸭窝网址在线观看| 黑人巨大精品欧美一区二区mp4| 中文欧美无线码| 黄色 视频免费看| 黄色片一级片一级黄色片| 91成人精品电影| 十分钟在线观看高清视频www| 亚洲第一av免费看| www.熟女人妻精品国产| 日本精品一区二区三区蜜桃| 少妇猛男粗大的猛烈进出视频| 香蕉丝袜av| 9热在线视频观看99| 丝袜人妻中文字幕| 亚洲精品在线美女| 美女主播在线视频| av天堂在线播放| 中文精品一卡2卡3卡4更新| 亚洲视频免费观看视频| 午夜免费鲁丝| 国产免费现黄频在线看| 热99国产精品久久久久久7| 久久天躁狠狠躁夜夜2o2o| 久久久精品区二区三区| 国产精品秋霞免费鲁丝片| 日韩视频在线欧美| 中文字幕最新亚洲高清| 国产淫语在线视频|