• <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 ?

    基于級聯(lián)極限學(xué)習(xí)機的基站空調(diào)在線監(jiān)測系統(tǒng)

    2019-01-07 07:50:20羅方芳陶求華
    關(guān)鍵詞:隱層級聯(lián)分類器

    羅方芳,陶求華

    (1.集美大學(xué)計算機工程學(xué)院,福建 廈門 361021;2.集美大學(xué)機械與能源工程學(xué)院,福建 廈門 361021)

    0 引言

    由于通信基站設(shè)備需要在相對恒溫的條件下才能正常工作,所以需要配備專用的基站空調(diào),為基站內(nèi)各種設(shè)備正常穩(wěn)定的運行提供必要的條件。為確保基站空調(diào)穩(wěn)定運行,有必要對基站空調(diào)進行實時的在線監(jiān)測,了解相關(guān)設(shè)備的運行狀況,并且對異常狀態(tài)及時報警,以便盡早排查故障。因此,高效、實時的在線基站空調(diào)故障監(jiān)測和診斷系統(tǒng)的研究有其實際意義。目前的空調(diào)故障診斷系統(tǒng)主要有兩種設(shè)計思路[1]。一種是基于模型的故障診斷,將實測值和模型預(yù)測值之間的殘差作為故障判斷的依據(jù)。代表算法有:基于能量守恒的殘差計算方法[2]、基于殘差特征和數(shù)理統(tǒng)計相結(jié)合的計算方法[3],等等?;谀P偷墓收显\斷方法應(yīng)用很廣泛,但其準(zhǔn)確度依賴于所建模型的精度,故而對建模要求很高。另一種是基于數(shù)據(jù)的故障診斷,利用人工智能技術(shù),通過教計算機如何學(xué)習(xí)、推理和決策來實現(xiàn)故障診斷。代表算法有:決策樹算法[4]、主成分分析法[5]、神經(jīng)網(wǎng)絡(luò)算法[6],等等。由于此類方法的參數(shù)選擇較復(fù)雜以及訓(xùn)練速度較慢,故限制了其在故障診斷中的進一步使用。

    某基站空調(diào)公司提供的數(shù)據(jù)集存在著樣本類別不平衡的問題,正常樣本數(shù)據(jù)高達62%,而某些故障的樣本占數(shù)據(jù)集比例僅為1%。這種不平衡性會使得一些少量樣本的故障類型在單個的多類分類器的訓(xùn)練過程中被視為噪聲而遭“吞噬”。相較于決策樹處理方法,這種小類樣本識別率低的問題在神經(jīng)網(wǎng)絡(luò)類型的故障診斷處理中更為嚴(yán)重。借鑒于極限學(xué)習(xí)機參數(shù)選擇簡單、學(xué)習(xí)速度快的特點,本文設(shè)計了一個基于級聯(lián)極限學(xué)習(xí)機的基站空調(diào)故障監(jiān)測與診斷系統(tǒng)。針對每一種故障類型單獨訓(xùn)練一個原子極限學(xué)習(xí)機,再將其級聯(lián)組合,以此來解決訓(xùn)練集類別不平衡的問題。

    1 空調(diào)系統(tǒng)模型

    實驗對象是目前應(yīng)用最為廣泛的移動基站空調(diào)系統(tǒng),基站空調(diào)有內(nèi)機和外機兩部分,中間采用制冷劑管道連接?;究照{(diào)在線監(jiān)測系統(tǒng)的構(gòu)建分為離線學(xué)習(xí)階段與在線實時監(jiān)測分析階段兩部分。在離線訓(xùn)練階段收集大量故障樣本和無故障樣本數(shù)據(jù),預(yù)處理后導(dǎo)入級聯(lián)極限學(xué)習(xí)機進行訓(xùn)練,獲得穩(wěn)定的檢測分析模型。在線實時監(jiān)測分析階段,系統(tǒng)接收基站空調(diào)傳感器的數(shù)據(jù)(溫度、濕度、壓力等),對數(shù)據(jù)進行歸一化預(yù)處理后,輸入基于級聯(lián)極限學(xué)習(xí)機的在線監(jiān)測分析系統(tǒng),實時分析當(dāng)前空調(diào)運行狀態(tài),若診斷顯示故障,則及時預(yù)警排除故障以提高空調(diào)系統(tǒng)的制冷效率及維護通信基站的穩(wěn)定運行。

    表1 故障模式樣本分布表

    表2 系統(tǒng)接收參數(shù)及其含義

    2 算法模型

    2.1 訓(xùn)練原子ELM分類器

    即使在深度學(xué)習(xí)盛行的機器學(xué)習(xí)領(lǐng)域,單隱層前饋神經(jīng)網(wǎng)絡(luò)(single hidden layer feed-ward neural network)以其強大的非線性逼近能力仍廣泛應(yīng)用于故障診斷中。新興的極限學(xué)習(xí)機(extreme learning machine ELM)[7-8]是單隱層前饋神經(jīng)網(wǎng)絡(luò)的代表。

    Ti-ξi,1≤i≤m,其中,β=[β1,…,βL]T為隱層輸出權(quán)值向量,C為代價參數(shù),ξi為理論輸出Ti與實際輸出f(xi)的誤差,h(xi)為第i個實例xi的隱層輸出向量。

    根據(jù)Lagrange對偶理論,采用Moore-Penrose廣義逆計算方法即可解析求出網(wǎng)絡(luò)的隱層輸出權(quán)值,由此可見,ELM算法避免了繁瑣的迭代尋優(yōu)的計算過程,也不易陷入局部極值。

    然而在面對“訓(xùn)練樣本集故障類別不平衡”的問題時,ELM也遇到了與其他神經(jīng)網(wǎng)絡(luò)算法相同的困境,即,少量特殊樣本會被單個的分類器在訓(xùn)練過程中視為噪聲而遭“吞噬”,進而導(dǎo)致小類樣本識別率低、泛化能力弱的情形。為此,本文為每一種故障類型(包括“正常-無故障”類型)單獨設(shè)計一個原子ELM分類器,再將各分類器級聯(lián)組合用于新樣本的故障診斷。

    原子ELM分類器的結(jié)構(gòu)如圖1所示。由于是針對具體的某一種故障類型訓(xùn)練原子ELM分類器,所以ELM的輸出層只有一個神經(jīng)元。實驗階段訓(xùn)練集的樣本數(shù)為100,所以需要對規(guī)模m=100的訓(xùn)練集針對具體故障模式進行數(shù)據(jù)預(yù)處理,即,該故障模式對應(yīng)樣本的輸出值為1,其余樣本的輸出值為-1。

    原子ELM分類器的理想輸出公式為:Hβ=T,其中,

    /C+HTH)-1HTT

    (1)

    在測試階段,對于一個實例x,將其導(dǎo)入原子ELM分類器,對應(yīng)的輸出可由公式(2)計算獲得。

    (2)

    原子ELM分類器的具體訓(xùn)練算法流程如下:

    1)輸入歸一化預(yù)處理后的訓(xùn)練集D;

    2)初始化隱層神經(jīng)元數(shù)L,激勵函數(shù)g,代價參數(shù)C=1;

    3)隨機設(shè)定輸入點與隱層之間的權(quán)值w和隱層偏置向量b;

    4)計算隱層的輸出矩陣H=g(x;w,b);

    2.2 級聯(lián)ELM

    在所有的原子ELM分類器(包括“正常-無故障”類型)均訓(xùn)練完成后,每一個原子ELM分類器相當(dāng)于界定了某種故障模式與其他故障模式的分界線。將各原子ELM分類器按圖2方式級聯(lián)組合[9]。由于在絕大多數(shù)情況下基站空調(diào)都處于正常運行模式,所以將“正常-無故障模式”的原子ELM分類器放在級聯(lián)串中的第一個。

    在對未知樣本故障診斷時,將歸一化預(yù)處理后的樣本導(dǎo)入級聯(lián)ELM系統(tǒng)。若第一個原子ELM分類器的輸出為-1,它將繼續(xù)進入下一個原子ELM分類器,直到在第j個原子ELM分類器的輸出為1時停止向下傳輸,最終的診斷結(jié)果為第j個原子ELM分類器所對應(yīng)的故障模式,j=1,…,9。

    3 實驗結(jié)果分析

    為了更好地測試級聯(lián)ELM算法的性能,從訓(xùn)練時間和故障診斷精度兩方面進行考量。對比算法有:單獨的多類ELM[7]、單獨的支持向量機(SVM)[10]、級聯(lián)的SVM、反向傳輸神經(jīng)網(wǎng)絡(luò)(BP)[11]、C4.5決策樹算法[12]。其中SVM的級聯(lián)組合方式與ELM的級聯(lián)組合方式相同;單獨的ELM代碼來源為http://www.ntu.edu.sg/home/egbhuang/elm_random_hidden_nodes.html,激勵函數(shù)為sigmoid函數(shù);SVM算法的代碼來源為https://www.csie.ntu.edu.tw/~cjlin/libsvm/,采用徑向基函數(shù)作為核函數(shù);C4.5決策樹算法根據(jù)參考文獻[12],采用“后剪枝”策略編寫;BP神經(jīng)網(wǎng)絡(luò)采用Matlab工具箱實現(xiàn),隱層神經(jīng)元數(shù)設(shè)為20。各程序均在Matlab2012b上部署運行,訓(xùn)練集的樣本數(shù)為100,測試集的樣本數(shù)為60。

    和大多數(shù)的機器學(xué)習(xí)算法相類似,ELM算法也存在參數(shù)(隱層神經(jīng)元數(shù))選擇問題。原子ELM分類器的訓(xùn)練過程中,采用增量生長法來確定,將隱層神經(jīng)元數(shù)從5開始遞增測試學(xué)習(xí)誤差,若誤差的變化低于閾值δ(δ=0.01),則停止增長。經(jīng)多次實驗后,選擇如表3所示的各原子ELM分類器隱層神經(jīng)元數(shù)目。不可否認(rèn),選擇合適的隱層神經(jīng)元數(shù)這一過程較為耗時,在今后的工作中,可以對隱層神經(jīng)元個數(shù)的優(yōu)化進行更深入的研究。但隱層神經(jīng)元數(shù)確定后,原子ELM分類器的訓(xùn)練過程是迅速的、穩(wěn)定的。

    表3 各原子ELM分類器隱層神經(jīng)元數(shù)

    表4羅列了各算法的訓(xùn)練時間、測試時間和故障診斷精度。從表4可以看出,與SVM算法、BP算法、C4.5算法相比,單獨的多類ELM算法和級聯(lián)ELM算法的訓(xùn)練速度極快,時間優(yōu)勢十分明顯。由于級聯(lián)ELM算法需訓(xùn)練多個原子ELM分類器,故訓(xùn)練時間比單獨的多類ELM算法略長一些,但級聯(lián)ELM的故障診斷精度明顯高于其他幾種算法,并且,在線故障診斷時間達到毫秒級別,滿足實時監(jiān)測的需求。

    表4 各算法性能對比

    表4的對比數(shù)據(jù)顯示單個ELM、單個SVM的故障診斷精度均明顯低于C4.5決策樹算法,這是由于訓(xùn)練集中故障模式的樣本數(shù)不平衡造成的。特別地,圖3展示了訓(xùn)練集中小樣本的故障模式,如“制冷系統(tǒng)內(nèi)有空氣(模式3)”、“內(nèi)機過濾器堵塞(模式5)”、“電子膨脹閥開啟過大(模式8)”,及其在20次測試中被正確識別的比率。樣本數(shù)的不平衡在單個的多類分類器的訓(xùn)練過程中會吞噬掉小樣本數(shù)的故障模式,相比于決策樹分類算法,“吞噬”情況在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的分類器中更為明顯。采用級聯(lián)ELM的方式能大幅度地提高小樣本的故障識別率,雖然C4.5算法對故障模式8的識別率高于級聯(lián)ELM算法,但在樹的構(gòu)造過程中,需要對數(shù)據(jù)集進行多次的順序掃描和排序,因而訓(xùn)練時間長??傮w而言,級聯(lián)ELM算法在訓(xùn)練時間和故障診斷精度方面的綜合性能更優(yōu)。

    4 結(jié)論

    本文提出一種級聯(lián)ELM的基站空調(diào)在線故障診斷算法。實驗結(jié)果表明該算法與單獨的多類ELM算法、SVM算法、BP算法、C4.5決策樹算法相比都能獲得更高的分類精度。與SVM算法、BP算法相比,級聯(lián)ELM算法的訓(xùn)練時間也大大縮短。通過訓(xùn)練針對各個故障模式的原子ELM分類器來消除訓(xùn)練集中樣本不平衡而產(chǎn)生的小類樣本故障模式被吞噬問題,提高了小類樣本的故障識別率,進一步通過級聯(lián)原子ELM分類器來提高系統(tǒng)的泛化性能。測試數(shù)據(jù)的故障診斷時間達到毫秒級別,達到實時預(yù)警的需求,并輸出可能的故障源,為基站空調(diào)維護人員提供相應(yīng)的技術(shù)支持。但在真實復(fù)雜的野外基站空調(diào)運行環(huán)境中還有一些問題需要進一步考慮完善,如各基站傳感器通信的有效距離,數(shù)據(jù)丟包率等問題。

    猜你喜歡
    隱層級聯(lián)分類器
    基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型及應(yīng)用
    人民珠江(2019年4期)2019-04-20 02:32:00
    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
    級聯(lián)LDPC碼的STBC-OFDM系統(tǒng)
    電子制作(2016年15期)2017-01-15 13:39:09
    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
    基于級聯(lián)MUSIC的面陣中的二維DOA估計算法
    基于近似結(jié)構(gòu)風(fēng)險的ELM隱層節(jié)點數(shù)優(yōu)化
    計算機工程(2014年9期)2014-06-06 10:46:47
    最優(yōu)隱層BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    LCL濾波器在6kV級聯(lián)STATCOM中的應(yīng)用
    電測與儀表(2014年1期)2014-04-04 12:00:34
    欧美久久黑人一区二区| 啦啦啦中文免费视频观看日本| 午夜激情av网站| 在线观看免费高清a一片| av在线播放精品| 欧美中文综合在线视频| 国产成+人综合+亚洲专区| 国产无遮挡羞羞视频在线观看| av欧美777| 黄频高清免费视频| 99香蕉大伊视频| 日本vs欧美在线观看视频| 激情视频va一区二区三区| 国产成人av激情在线播放| 午夜精品久久久久久毛片777| 黄频高清免费视频| 中国美女看黄片| 欧美日韩视频精品一区| 日韩一卡2卡3卡4卡2021年| 法律面前人人平等表现在哪些方面 | 国产成人欧美在线观看 | 国产高清视频在线播放一区 | 亚洲性夜色夜夜综合| 新久久久久国产一级毛片| 不卡av一区二区三区| 丰满少妇做爰视频| 男人爽女人下面视频在线观看| 韩国高清视频一区二区三区| 新久久久久国产一级毛片| 精品少妇黑人巨大在线播放| 国产av又大| 丰满人妻熟妇乱又伦精品不卡| 岛国在线观看网站| 新久久久久国产一级毛片| 国产成人精品在线电影| 午夜老司机福利片| 丁香六月欧美| 女人被躁到高潮嗷嗷叫费观| 亚洲精品美女久久久久99蜜臀| 在线观看免费日韩欧美大片| 精品少妇久久久久久888优播| 建设人人有责人人尽责人人享有的| 日韩欧美一区视频在线观看| 高清黄色对白视频在线免费看| 夜夜夜夜夜久久久久| 在线观看舔阴道视频| 丝瓜视频免费看黄片| 女人久久www免费人成看片| 久9热在线精品视频| 亚洲情色 制服丝袜| 午夜两性在线视频| 人人妻人人爽人人添夜夜欢视频| 欧美人与性动交α欧美精品济南到| 两个人看的免费小视频| 亚洲熟女毛片儿| 国产91精品成人一区二区三区 | 正在播放国产对白刺激| 欧美日韩黄片免| 亚洲国产精品999| 18在线观看网站| av一本久久久久| av免费在线观看网站| 日韩电影二区| a在线观看视频网站| 国产片内射在线| 久久国产精品影院| 国产精品二区激情视频| 99久久国产精品久久久| 一本久久精品| 国产亚洲精品第一综合不卡| 69av精品久久久久久 | 国产精品久久久久成人av| 在线观看人妻少妇| 精品福利永久在线观看| 亚洲av电影在线观看一区二区三区| 日韩一区二区三区影片| 大香蕉久久网| 最新在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 久久精品熟女亚洲av麻豆精品| 永久免费av网站大全| 熟女少妇亚洲综合色aaa.| 9热在线视频观看99| av欧美777| 亚洲激情五月婷婷啪啪| 高潮久久久久久久久久久不卡| 飞空精品影院首页| 日韩三级视频一区二区三区| 黑丝袜美女国产一区| 999精品在线视频| 亚洲精品乱久久久久久| 18禁黄网站禁片午夜丰满| 中文字幕人妻熟女乱码| 另类亚洲欧美激情| 久久久久国产精品人妻一区二区| 欧美性长视频在线观看| 一本久久精品| 国产欧美日韩一区二区三区在线| 久久亚洲精品不卡| 国产男女超爽视频在线观看| 国产色视频综合| 国产精品免费大片| 亚洲欧美一区二区三区久久| 婷婷色av中文字幕| 国产av一区二区精品久久| 黑丝袜美女国产一区| 免费观看a级毛片全部| av一本久久久久| av不卡在线播放| 女人被躁到高潮嗷嗷叫费观| 日韩中文字幕欧美一区二区| 精品一区二区三区av网在线观看 | 美女视频免费永久观看网站| 亚洲精品国产区一区二| 亚洲精品久久成人aⅴ小说| 天天添夜夜摸| 中国美女看黄片| 成人国语在线视频| 一区二区三区四区激情视频| 久久久久国产精品人妻一区二区| tube8黄色片| 色94色欧美一区二区| 超色免费av| 亚洲第一欧美日韩一区二区三区 | 美国免费a级毛片| 王馨瑶露胸无遮挡在线观看| 制服诱惑二区| 亚洲精品久久成人aⅴ小说| 亚洲欧美色中文字幕在线| 国产在视频线精品| 成年人午夜在线观看视频| 亚洲熟女毛片儿| 日韩 欧美 亚洲 中文字幕| 女性生殖器流出的白浆| 如日韩欧美国产精品一区二区三区| 高清在线国产一区| 亚洲欧洲日产国产| 黑丝袜美女国产一区| 男女下面插进去视频免费观看| 久久国产精品大桥未久av| 狠狠婷婷综合久久久久久88av| 天天操日日干夜夜撸| 老熟妇仑乱视频hdxx| 一区福利在线观看| 美女脱内裤让男人舔精品视频| 一区在线观看完整版| www.熟女人妻精品国产| 亚洲一区中文字幕在线| 国产野战对白在线观看| 亚洲av日韩精品久久久久久密| 最新的欧美精品一区二区| 亚洲avbb在线观看| 99国产精品一区二区三区| 嫩草影视91久久| 日韩,欧美,国产一区二区三区| 嫁个100分男人电影在线观看| 美女扒开内裤让男人捅视频| 中文字幕精品免费在线观看视频| 涩涩av久久男人的天堂| 久久中文字幕一级| 黄色片一级片一级黄色片| 日本av手机在线免费观看| 久久国产精品影院| 一区二区日韩欧美中文字幕| 亚洲欧美一区二区三区黑人| 热99re8久久精品国产| 一区二区三区四区激情视频| 妹子高潮喷水视频| 国产欧美日韩一区二区三 | 国产精品自产拍在线观看55亚洲 | 亚洲精品一卡2卡三卡4卡5卡 | 1024视频免费在线观看| 亚洲国产欧美在线一区| 国产成人免费无遮挡视频| netflix在线观看网站| 久久久久网色| 99国产极品粉嫩在线观看| 欧美老熟妇乱子伦牲交| 国产色视频综合| 一级毛片女人18水好多| 建设人人有责人人尽责人人享有的| 亚洲精品久久成人aⅴ小说| 大陆偷拍与自拍| 99精品久久久久人妻精品| 2018国产大陆天天弄谢| 国产亚洲精品一区二区www | 热99re8久久精品国产| 在线观看免费高清a一片| 午夜免费成人在线视频| 51午夜福利影视在线观看| 多毛熟女@视频| 777久久人妻少妇嫩草av网站| 亚洲欧美色中文字幕在线| 精品人妻在线不人妻| 99国产精品一区二区三区| 亚洲va日本ⅴa欧美va伊人久久 | 搡老乐熟女国产| 亚洲精品国产一区二区精华液| 精品国产国语对白av| 亚洲伊人色综图| 国产有黄有色有爽视频| 欧美日韩福利视频一区二区| 国产片内射在线| 黄色 视频免费看| 国产精品二区激情视频| 99香蕉大伊视频| 黄色怎么调成土黄色| 亚洲熟女毛片儿| 一二三四社区在线视频社区8| 嫁个100分男人电影在线观看| 国产日韩一区二区三区精品不卡| 欧美人与性动交α欧美软件| 新久久久久国产一级毛片| 伊人亚洲综合成人网| 久久热在线av| 麻豆乱淫一区二区| 欧美黑人欧美精品刺激| 嫁个100分男人电影在线观看| www.精华液| 99国产精品一区二区三区| 国产在线一区二区三区精| 五月开心婷婷网| 久久这里只有精品19| 一本久久精品| 国产亚洲av片在线观看秒播厂| 男女免费视频国产| 国产男人的电影天堂91| 我的亚洲天堂| 少妇粗大呻吟视频| 日韩熟女老妇一区二区性免费视频| 一进一出抽搐动态| 一级毛片精品| 欧美成人午夜精品| 久久精品人人爽人人爽视色| 中文字幕人妻熟女乱码| 欧美 亚洲 国产 日韩一| 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利免费观看在线| 99精品久久久久人妻精品| 男女国产视频网站| 午夜激情av网站| 在线永久观看黄色视频| 亚洲激情五月婷婷啪啪| 中文字幕最新亚洲高清| 超碰97精品在线观看| 又黄又粗又硬又大视频| 亚洲精品自拍成人| 国产欧美日韩一区二区精品| 搡老乐熟女国产| 妹子高潮喷水视频| 国产精品九九99| 国产成人一区二区三区免费视频网站| 精品久久久精品久久久| 免费少妇av软件| 久9热在线精品视频| 成年人午夜在线观看视频| 女人久久www免费人成看片| 亚洲精品国产色婷婷电影| 一个人免费看片子| 成人黄色视频免费在线看| 曰老女人黄片| 精品免费久久久久久久清纯 | 久久久精品国产亚洲av高清涩受| 欧美亚洲日本最大视频资源| 这个男人来自地球电影免费观看| 曰老女人黄片| 亚洲九九香蕉| netflix在线观看网站| 欧美黑人欧美精品刺激| 久久影院123| 一个人免费看片子| 久久精品成人免费网站| 一区二区av电影网| 久久人妻福利社区极品人妻图片| 久久这里只有精品19| 夜夜骑夜夜射夜夜干| 一区二区日韩欧美中文字幕| 大香蕉久久成人网| 老司机午夜十八禁免费视频| 亚洲精品久久午夜乱码| 免费在线观看影片大全网站| 亚洲精品美女久久av网站| 亚洲第一欧美日韩一区二区三区 | 在线av久久热| 曰老女人黄片| 亚洲av日韩精品久久久久久密| 2018国产大陆天天弄谢| 日韩中文字幕欧美一区二区| h视频一区二区三区| 亚洲人成电影观看| 一本综合久久免费| 亚洲中文字幕日韩| 久久亚洲精品不卡| 国产精品久久久久久人妻精品电影 | av在线老鸭窝| 国内毛片毛片毛片毛片毛片| www.精华液| 国产成人欧美| 亚洲中文av在线| 99香蕉大伊视频| 一区二区三区乱码不卡18| 天天影视国产精品| 一级片免费观看大全| 国产高清国产精品国产三级| 亚洲成人免费电影在线观看| 叶爱在线成人免费视频播放| 国产高清videossex| 男人舔女人的私密视频| 国产真人三级小视频在线观看| 亚洲七黄色美女视频| 久久久久久久久免费视频了| 国产亚洲一区二区精品| www.999成人在线观看| 精品国产一区二区久久| 老司机亚洲免费影院| 成年动漫av网址| 日本a在线网址| 亚洲成国产人片在线观看| 久久久久网色| 亚洲欧美色中文字幕在线| 嫁个100分男人电影在线观看| 精品一区二区三区av网在线观看 | 亚洲自偷自拍图片 自拍| 久久人人97超碰香蕉20202| 美国免费a级毛片| 国产亚洲av片在线观看秒播厂| 亚洲一码二码三码区别大吗| 久久ye,这里只有精品| 国产精品影院久久| 欧美精品一区二区大全| 精品国产乱子伦一区二区三区 | 国产av又大| 亚洲欧美清纯卡通| 免费女性裸体啪啪无遮挡网站| 色播在线永久视频| 亚洲中文av在线| 一区二区三区四区激情视频| 国产精品.久久久| 精品少妇久久久久久888优播| 免费在线观看完整版高清| 国产高清videossex| 人妻 亚洲 视频| av网站在线播放免费| 91成人精品电影| 精品久久久久久电影网| av在线app专区| 国产一区二区在线观看av| 午夜视频精品福利| 一区二区av电影网| videos熟女内射| 少妇人妻久久综合中文| 亚洲成人免费av在线播放| 少妇人妻久久综合中文| 无遮挡黄片免费观看| 久久精品久久久久久噜噜老黄| 老熟妇仑乱视频hdxx| 99精品久久久久人妻精品| 丝袜在线中文字幕| bbb黄色大片| 91字幕亚洲| 99热国产这里只有精品6| 纯流量卡能插随身wifi吗| 99香蕉大伊视频| 老熟妇仑乱视频hdxx| 欧美日韩福利视频一区二区| 乱人伦中国视频| 热99re8久久精品国产| 韩国精品一区二区三区| 亚洲免费av在线视频| 91成人精品电影| 日韩大片免费观看网站| 亚洲第一av免费看| 欧美另类亚洲清纯唯美| 久久久欧美国产精品| 国产高清videossex| 国产不卡av网站在线观看| 高清在线国产一区| 蜜桃在线观看..| 久久久久精品国产欧美久久久 | 中文精品一卡2卡3卡4更新| 欧美av亚洲av综合av国产av| 免费久久久久久久精品成人欧美视频| 久久毛片免费看一区二区三区| 男女国产视频网站| 欧美黑人欧美精品刺激| 91精品国产国语对白视频| 视频区欧美日本亚洲| 91精品伊人久久大香线蕉| 午夜福利在线免费观看网站| 99国产精品一区二区三区| 满18在线观看网站| 欧美精品亚洲一区二区| 亚洲精华国产精华精| 一二三四在线观看免费中文在| 视频在线观看一区二区三区| 亚洲精品国产区一区二| 午夜老司机福利片| 午夜福利视频在线观看免费| 日本猛色少妇xxxxx猛交久久| 久久国产精品男人的天堂亚洲| 精品少妇内射三级| 午夜激情久久久久久久| 亚洲精品国产av成人精品| 一区二区日韩欧美中文字幕| 国产极品粉嫩免费观看在线| 丝袜脚勾引网站| 亚洲av电影在线进入| 黄色a级毛片大全视频| 在线观看免费视频网站a站| 精品一区二区三区四区五区乱码| 黑人巨大精品欧美一区二区mp4| 在线精品无人区一区二区三| 日日爽夜夜爽网站| 美女脱内裤让男人舔精品视频| 无限看片的www在线观看| 高清黄色对白视频在线免费看| 国产精品久久久久久精品电影小说| 色精品久久人妻99蜜桃| 精品国产超薄肉色丝袜足j| 亚洲一卡2卡3卡4卡5卡精品中文| 乱人伦中国视频| 国产精品亚洲av一区麻豆| 国产日韩欧美在线精品| 国产高清videossex| 人人妻人人爽人人添夜夜欢视频| 99国产精品99久久久久| 久久人妻福利社区极品人妻图片| 欧美日韩av久久| 亚洲av国产av综合av卡| 亚洲国产成人一精品久久久| 色婷婷av一区二区三区视频| 国产精品香港三级国产av潘金莲| 亚洲情色 制服丝袜| 在线天堂中文资源库| 亚洲av片天天在线观看| 永久免费av网站大全| 欧美精品啪啪一区二区三区 | 超碰97精品在线观看| avwww免费| 国产欧美日韩综合在线一区二区| 国产精品1区2区在线观看. | 色综合欧美亚洲国产小说| 韩国精品一区二区三区| 99国产极品粉嫩在线观看| 90打野战视频偷拍视频| 一本色道久久久久久精品综合| 亚洲国产av新网站| 韩国高清视频一区二区三区| 欧美在线一区亚洲| 国产1区2区3区精品| 国产精品二区激情视频| 精品一区在线观看国产| avwww免费| av又黄又爽大尺度在线免费看| 日韩制服丝袜自拍偷拍| 免费不卡黄色视频| 欧美在线黄色| 人人澡人人妻人| www.av在线官网国产| 99九九在线精品视频| 狠狠狠狠99中文字幕| 久久人人爽人人片av| 久9热在线精品视频| 乱人伦中国视频| 大片电影免费在线观看免费| 日本精品一区二区三区蜜桃| 欧美乱码精品一区二区三区| 一级,二级,三级黄色视频| 丝袜在线中文字幕| 国产成人欧美在线观看 | 亚洲欧美激情在线| 日本一区二区免费在线视频| 少妇精品久久久久久久| 免费av中文字幕在线| 十八禁网站网址无遮挡| 精品久久久精品久久久| 久久精品成人免费网站| 伊人久久大香线蕉亚洲五| 国产成人欧美在线观看 | 国产1区2区3区精品| tube8黄色片| 老汉色∧v一级毛片| 性色av乱码一区二区三区2| 王馨瑶露胸无遮挡在线观看| 国产伦理片在线播放av一区| 亚洲成国产人片在线观看| 老熟妇仑乱视频hdxx| 久9热在线精品视频| 欧美日韩黄片免| 日韩大码丰满熟妇| 又紧又爽又黄一区二区| 欧美精品人与动牲交sv欧美| www日本在线高清视频| 亚洲九九香蕉| 亚洲午夜精品一区,二区,三区| 两性夫妻黄色片| av在线app专区| 国产成人啪精品午夜网站| 另类亚洲欧美激情| 久久99热这里只频精品6学生| 亚洲精品国产精品久久久不卡| 亚洲专区字幕在线| 亚洲五月婷婷丁香| 精品亚洲成国产av| 伦理电影免费视频| 大香蕉久久网| 亚洲一区中文字幕在线| 欧美日韩视频精品一区| tube8黄色片| 黑人欧美特级aaaaaa片| 91av网站免费观看| 国产亚洲一区二区精品| 色婷婷av一区二区三区视频| 蜜桃在线观看..| 亚洲av成人一区二区三| 久久免费观看电影| 黑人巨大精品欧美一区二区蜜桃| 欧美国产精品一级二级三级| videosex国产| 少妇 在线观看| 一级片免费观看大全| 久久人人爽人人片av| 欧美黑人欧美精品刺激| 亚洲熟女精品中文字幕| 999久久久精品免费观看国产| 麻豆国产av国片精品| 999久久久精品免费观看国产| 男女边摸边吃奶| 夫妻午夜视频| 波多野结衣av一区二区av| 日韩大片免费观看网站| 亚洲国产毛片av蜜桃av| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品香港三级国产av潘金莲| 法律面前人人平等表现在哪些方面 | 一本一本久久a久久精品综合妖精| 久久影院123| 人妻一区二区av| 美国免费a级毛片| 亚洲五月婷婷丁香| tube8黄色片| 精品少妇久久久久久888优播| 亚洲七黄色美女视频| 老司机靠b影院| 午夜激情久久久久久久| 美女高潮到喷水免费观看| 97人妻天天添夜夜摸| 国产国语露脸激情在线看| 80岁老熟妇乱子伦牲交| 欧美日韩国产mv在线观看视频| 免费看十八禁软件| videos熟女内射| 91老司机精品| 亚洲七黄色美女视频| 女人被躁到高潮嗷嗷叫费观| 午夜久久久在线观看| 女人久久www免费人成看片| 亚洲精品一卡2卡三卡4卡5卡 | 超碰97精品在线观看| 婷婷丁香在线五月| 在线天堂中文资源库| 黄色视频在线播放观看不卡| 国产一区二区在线观看av| 宅男免费午夜| 国产精品久久久久成人av| 波多野结衣一区麻豆| 久久狼人影院| 国产成人免费无遮挡视频| 国产精品 国内视频| 日本五十路高清| 黑人欧美特级aaaaaa片| 狠狠狠狠99中文字幕| 亚洲精品国产av蜜桃| 亚洲成国产人片在线观看| 两个人免费观看高清视频| 12—13女人毛片做爰片一| 精品乱码久久久久久99久播| 男女边摸边吃奶| 国产精品免费视频内射| 一级片免费观看大全| 黑人巨大精品欧美一区二区mp4| 午夜福利在线观看吧| 建设人人有责人人尽责人人享有的| 欧美精品一区二区免费开放| 亚洲专区中文字幕在线| 久久久久久亚洲精品国产蜜桃av| 国产又爽黄色视频| www.熟女人妻精品国产| 十八禁网站免费在线| 国产亚洲精品一区二区www | 国产精品自产拍在线观看55亚洲 | 久久久久国产精品人妻一区二区| av片东京热男人的天堂| 亚洲精品美女久久久久99蜜臀| a 毛片基地| 国产成人免费观看mmmm| 人人妻人人爽人人添夜夜欢视频| 亚洲国产精品成人久久小说| 日本vs欧美在线观看视频| 精品少妇黑人巨大在线播放| 黄色视频在线播放观看不卡| e午夜精品久久久久久久| 欧美日本中文国产一区发布| 亚洲欧美精品综合一区二区三区| 在线av久久热| 国产精品九九99| 亚洲成人免费电影在线观看| 成人三级做爰电影| 90打野战视频偷拍视频| 亚洲精品在线美女| 2018国产大陆天天弄谢| 最近中文字幕2019免费版| 国产精品久久久久久精品古装| 黑人猛操日本美女一级片| 国产有黄有色有爽视频|