• <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 ?

    基于神經網絡的層狀周期結構能量傳輸譜預測

    2021-01-18 06:51:44劉陳續(xù)于桂蘭
    上海交通大學學報 2021年1期
    關鍵詞:層狀深層神經網絡

    劉陳續(xù),于桂蘭

    (北京交通大學 土木建筑工程學院,北京 100044)

    周期結構是指多個相同的基本單元在空間上周期性分布組合而成的結構,如周期分布的樁基礎、多跨連續(xù)梁橋和高層建筑等.周期結構的特性使其能夠產生相對于彈性波而言的頻率衰減域,即在頻率衰減域范圍內的彈性波在通過周期結構時會被抑制或禁止,該特性產生的機理主要有兩種:布拉格散射[1]和局域共振[2].

    周期結構的研究與設計要求研究人員具備豐富的經驗和理論知識,且對計算設備的要求較高.神經網絡是實現(xiàn)人工智能(AI)的一種重要技術,如今神經網絡的發(fā)展如火如荼,漸漸發(fā)展形成了一個新的分支——深度學習[3],在情感分析、自動駕駛和語音識別等領域發(fā)揮著重要的作用[4-7].近年來,在對應于光波和電磁波的光子晶體和超材料領域,用神經網絡進行預測和設計的研究已經取得了一定的成果.文獻[8]用多層感知器和極限學習機預測了光子晶體的能帶曲線.Liu等[9]采用一種深度學習模型實現(xiàn)了光子晶體的反向設計.Ma等[10]提出了一種半監(jiān)督學習的神經網絡模型,能夠依據(jù)設計要求直接輸出超材料的拓撲結構.而對于彈性波(聲波)卻鮮有文獻涉及,Liu等[11]利用自動編碼器實現(xiàn)了基于能帶理論的層狀周期結構的反向設計.

    層狀周期結構是一種一維周期結構,即在空間上結構沿一個方向呈周期性的變化,國內外學者對其做了大量研究.Xiang等[12]通過實驗驗證了層狀周期結構對于環(huán)境振動的衰減效果.Shi等[13]將由混凝土層以及橡膠磚構成的地基基礎等效成層狀周期結構,并研究了該基礎的隔振性能.Huang等[14]通過數(shù)值分析研究了層狀周期結構對表面波的隔振效果.

    計算周期結構能量傳輸譜的方法有解析法和數(shù)值法等,但這些方法較為復雜且計算時間較長.神經網絡可以根據(jù)輸入快速準確地給出相應的輸出,使用神經網絡預測周期結構的特性能夠極大地便利周期結構的研究與設計.本文采用兩種神經網絡——深層反向傳播(BP)神經網絡和徑向基函數(shù)(RBF)神經網絡,實現(xiàn)對層狀周期結構能量傳輸譜的預測.神經網絡作為一種快速預測技術,能夠很好地輔助周期結構的設計.同時,層狀周期結構能量傳輸譜的預測成功也為二維和三維周期結構的分析和智能反向設計打下了基礎.

    1 問題描述

    層狀周期結構屬于一維周期結構,其基本單元由多種材料層層疊合而成,可以作為波屏障和隔振基礎[12-14].在剪切橫(SH)波作用下,二組元層狀周期結構能量傳輸譜的預測如圖1所示.周期結構由m個基本單元構成,其在水平方向上無限延伸;SH波以傾角θ入射.其中:d為基本單元的厚度;dA和dB分別為一個基本單元內材料A和材料B的厚度.考慮小變形,假定材料為理想連續(xù)線彈性介質且阻尼為0.

    圖1 層狀周期結構Fig.1 Layered periodic structure

    對于層狀周期結構,可采用傳遞矩陣法[15]求解其能量傳輸譜,推導過程如下:

    當SH波斜入射到層狀周期結構時,其波動方程可表示為

    (1)

    式中:u(y,z,t)為結構在x方向上的位移;G為材料的切變模量;ρ為材料的質量密度;t為時間.

    當考慮時諧平面波時,可假設

    u(y,z,t)=U(z)eikyy-iω t

    (2)

    式中:ω為角頻率;ky為SH波在y方向上的波數(shù),由Snell定理可得ky為常數(shù).將式(2)代入式(1)可得第n個基本單元中材料A和材料B的位移和應力分別為

    (3)

    i=A,B

    (4)

    i=A,B

    當i=A時,(n-1)d≤z≤(n-1)d+dA;當i=B時,(n-1)d+dA≤z≤na.

    (5)

    根據(jù)兩種材料界面處的位移和應力連續(xù)條件即可得相鄰基本單元間的傳遞矩陣T.對于含有m個基本單元的層狀周期結構,位移和應力在兩端邊界處成立如下關系

    (6)

    其中Tm可以簡記為

    (7)

    為了更好地反映衰減情況,定義能量傳遞系數(shù)為透射波與入射波能量比值的對數(shù),即

    (8)

    式中:Pin為入射波能量;Pout為SH波經過m層周期結構后的透射波能量.

    由式(3)~(8)可得到能量傳遞系數(shù)的表達式如下:

    Γ=

    (9)

    若材料A為鋁(GAl=28.7 GPa,ρAl=2 730 kg/m3),材料B為環(huán)氧樹脂(Ge=1.59 GPa,ρe=1 180 kg/m3),一個基本單元中dA=0.5 m,dB=0.5 m,m=8,不同入射角度下的能量傳輸譜如圖2所示.從圖2中可以看出,SH波在通過層狀周期結構時,其能量在某些頻率范圍內有明顯的衰減.就前兩個頻率的衰減域而言,隨著入射角度的增大,能量傳輸譜的衰減幅值逐漸減小,衰減域的中心頻率略向高頻移動.

    圖2 “鋁-環(huán)氧樹脂”層狀周期結構能量傳輸譜隨SH波入射角度的變化Fig.2 Variation of energy transmission spectrums of layered periodic structure of “aluminum-epoxy resin” with SH wave incident angles

    由式(9)可以看出,層狀周期結構的能量傳輸譜與其結構參數(shù)構成映射關系,即每一組結構參數(shù)可以唯一對應結構的能量傳輸譜.如果把結構參數(shù)當作“輸入”,能量傳輸譜當作“輸出”,則可以利用神經網絡來智能處理“輸入”與“輸出”的關系.神經網絡通過對數(shù)據(jù)的學習來調節(jié)自身的參數(shù)值,最終可以找到數(shù)據(jù)中輸入與輸出的關系來模擬一個特定的函數(shù),并能夠準確和快速地將輸入映射到輸出上,其計算速度可達毫秒量級.但是,在數(shù)據(jù)充足的情況下,如何選擇一個合適的神經網絡模型模擬一個特定的函數(shù)關系是十分重要的,這直接影響著神經網絡的預測精度.

    層狀周期結構的能量傳輸譜變化較為復雜,簡單的神經網絡模擬很難滿足高精度要求.所構建的深層BP神經網絡很好地解決了這個問題,并與RBF神經網絡進行了對比分析.

    2 數(shù)據(jù)集與神經網絡

    2.1 數(shù)據(jù)集

    2.2 RBF神經網絡

    RBF神經網絡有很好的泛化能力,具有模型簡單、訓練速度快等優(yōu)點,如圖3所示.RBF神經網絡由一個輸入層、一個隱含層和一個輸出層組成,輸入層到隱含層無權重連接,而隱含層到輸出層有權重連接,神經元為徑向基函數(shù).RBF神經網絡需要調節(jié)的參數(shù)有兩類,一類是徑向基函數(shù)的中心,另一類是隱含層到輸出層的權重.

    圖3 RBF神經網絡Fig.3 RBF neural network

    RBF神經網絡采用的徑向基函數(shù)為多元二次函數(shù),其表達式為

    (10)

    式中:x為一組輸入值;c為徑向基函數(shù)的中心;δ為形狀參數(shù).對于徑向基函數(shù)中心點的計算,采用K-Means法,其表達式為

    (11)

    式中:S={S1,S2,…,Sk}為所有樣布輸入數(shù)據(jù)的集合,Si是S中的一個子集,由一個或多個樣本輸入數(shù)據(jù)組成;ci為Si中所有輸入數(shù)據(jù)的均值.采用線性回歸法計算RBF神經網絡中的權重,其公式為

    (12)

    式中:β為權重;ytr為樣本標簽(即真實值);yNN為訓練時RBF神經網絡的輸出值.

    2.3 深層BP神經網絡

    與RBF神經網絡不同,BP神經網絡每層之間都由權重和偏差相連,并通過激活函數(shù)傳遞到下一層,其隱含層層數(shù)可以是多層的,如圖4所示.在以往的文獻中,大部分BP神經網絡的隱含層一般不超過3層,導致其泛化能力不強.由于當時算法的限制,若隱含層層數(shù)較多,可能會出現(xiàn)梯度爆炸或者梯度消散的現(xiàn)象.而且當時的硬件水平較為落后,增加隱含層層數(shù)意味著需要調節(jié)的神經網絡參數(shù)增多,一般的計算機很難承擔起如此龐大的運算工作.如今神經網絡技術飛速發(fā)展,計算機硬件性能日益更新,使得訓練基于大數(shù)據(jù)的深層神經網絡成為可能.

    圖4 深層BP神經網絡Fig.4 Deep BP neural network

    2.3.1激活函數(shù) 選取的激活函數(shù)有兩種,一種是tanh函數(shù),其能夠使神經網絡具有很好的非線性模擬能力;另一種是elu函數(shù),其可以較好地緩解梯度消散的問題.其公式如下:

    式中:p為預激活值;ε為可調參數(shù).隱含層神經元采用的是tanh激活函數(shù),輸出層神經元采用的是elu激活函數(shù).

    2.3.2優(yōu)化算法 經驗性結果證明,Adam算法在實踐中具有良好的性能,與其他隨機優(yōu)化算法相比具有較大的優(yōu)勢[17].因此,采用Adam算法優(yōu)化梯度下降法,用于調節(jié)神經網絡的參數(shù),其公式如下:

    (15)

    φt=ι1φt-1+(1-ι1)gt

    (16)

    (17)

    (18)

    (19)

    (20)

    2.3.3代價函數(shù) 代價函數(shù)為均方差(MSE)函數(shù)的神經網絡能夠很好地估計有限樣本的后驗概率.對于深層BP神經網絡,采用MSE作為其代價函數(shù),其表達式為

    (21)

    3 結果和討論

    分別利用深層BP神經網絡和RBF神經網絡預測層狀周期結構的能量傳輸譜.考慮單參數(shù)、雙參數(shù)和三參數(shù)變化的3種情況.單參數(shù)預測考慮填充比變化;雙參數(shù)預測考慮切變模量比和密度比變化;三參數(shù)預測同時考慮填充比、切變模量比和密度比的變化.

    對于預測精度的衡量標準,采用神經網絡預測值與真實值(即標簽)中每個點的平均絕對誤差的絕對值,即

    (22)

    3種情況下訓練深層BP神經網絡時代價函數(shù)的收斂曲線如圖5所示,其中Q為迭代次數(shù).從圖5中可以看出,3種情況下代價函數(shù)均收斂到了較小的值,由于對代價函數(shù)的數(shù)值取了對數(shù),所以及其微小的變化也會使圖中的收斂曲線顯示出較大的振蕩,這說明深層BP神經網絡對于訓練集的學習效果較好.

    圖5 3種情況下深層BP神經網絡代價函數(shù)的收斂曲線Fig.5 Convergence curves of cost function for deep BP neural networks under three conditions

    3.1 單參數(shù)變化

    單參數(shù)變化時,數(shù)據(jù)集由訓練集 I 和測試集 I 組成.RBF神經網絡的結構為“1-15-100”,其中,“1”為輸入層的維度,“15”為隱含層神經元的數(shù)目,“100”為輸出層神經元的數(shù)目;深層BP神經網絡的結構為“1-100-60-30-20-60-100”,其中,“1”為輸入層的維度,最后一個“100”為輸出層神經元的數(shù)目,其他數(shù)字表示相應隱含層神經元的數(shù)目.測試集Ⅰ中神經網絡預測值與真實值(標簽)的對比如圖6所示.由圖6可知,僅10組樣本數(shù)據(jù)訓練的深層BP神經網絡和RBF神經網絡獲得了較滿意的預測結果,兩種神經網絡的預測值與真實值的吻合度較高且精度相近.RBF神經網絡的預測誤差分別為0.39、0.48和0.58;深層BP神經網絡的預測誤差分別為0.36、0.47和0.59.兩種神經網絡預測一組數(shù)據(jù)所需時間約為2 ms.

    圖6 能量傳輸譜預測值與真實值對比(3個測試樣本) Fig.6 Comparison of predicted values of energy transmission spectrum with real values (3 test samples)

    3.2 雙參數(shù)變化

    雙參數(shù)變化時,數(shù)據(jù)集由訓練集 II 和測試集 II 組成.RBF神經網絡的結構為“2-100-100”;深層BP神經網絡為“2-100-60-30-20-60-100”.測試集 II 中4組神經網絡的預測結果與真實值的對比如圖7所示.從圖7中可以看出,兩種神經網絡的預測精度都很高,尤其是衰減域頻率范圍和低頻區(qū)能量傳遞系數(shù)與真實值吻合得很好,僅圖7(d)中RBF神經網絡的預測結果稍偏離了真實值.測試集中兩種神經網絡預測誤差的統(tǒng)計圖如圖8所示.其中:J為樣本數(shù).由圖8可知,深層BP神經網絡的預測效果更好.

    圖7 能量傳輸譜預測值與真實值對比(30個測試樣本中的4組)Fig.7 Comparison of predicted values of energy transmission spectrum with real values (4 groups out of 30 test samples)

    圖8 兩種神經網絡預測值的誤差統(tǒng)計(30個測試樣本)Fig.8 Error statistics for two neural network predictions (30 test samples)

    3.3 三參數(shù)變化

    三參數(shù)變化時,數(shù)據(jù)集由訓練集 III 和測試集 III 組成.RBF神經網絡的結構為“3-1 000-100”;深層BP神經網絡為“3-300-100-80-80-80-80-60-60-60-60-100”,共10個隱含層.測試集 III 中4組神經網絡的預測結果與真實值的對比如圖9所示.從圖9中的4組結果可以看出,深層BP神經網絡的預測值與真實值吻合得較好,但是RBF神經網絡的預測結果出現(xiàn)了極大的偏離.測試集中兩種神經網絡預測誤差的統(tǒng)計圖如圖10所示.從圖10中可以看出,RBF神經網絡的預測精度極不穩(wěn)定,300組測試樣本中接近一半的預測結果誤差大于0.50,其中最大誤差達到18.35;而深層BP神經網絡依然發(fā)揮著很好的性能,最大誤差僅為0.33,90%的樣本誤差落在(0.14,0.26).

    圖9 能量傳輸譜預測值與真實值對比(300個測試樣本中的4組)Fig.9 Comparison of predicted values of energy transmission spectrum with real values (4 groups out of 300 test samples)

    圖10 兩種神經網絡預測值的誤差統(tǒng)計(300個測試樣本)Fig.10 Error statistics for two neural network predictions (300 test samples)

    4 結語

    通過構建深層BP神經網絡,實現(xiàn)了層狀周期結構能量傳輸譜的精準預測,分別考慮了幾何參數(shù)和物理參數(shù)單獨變化及同時變化3種情況并與RBF神經網絡進行了對比.研究結果表明:當僅考慮填充比變化時,兩種神經網絡的預測精度較高,且性能相近;當考慮切變模量比和密度比同時變化時,兩種神經網絡的預測結果都較好,但深層BP神經網絡的性能更優(yōu);當同時考慮填充比、切變模量比和密度比變化時,兩種神經網絡的表現(xiàn)差異很大.深層BP神經網絡預測精度高且性能穩(wěn)定,預測誤差范圍為0.10~0.34;而RBF神經網絡的預測精度極不穩(wěn)定,其測試集樣本的預測誤差范圍為0.10~18.35,其中接近一半的誤差超過0.50.

    利用神經網絡實現(xiàn)周期結構的正向預測是實現(xiàn)其反向設計的前提.傳統(tǒng)的周期結構反向設計的方法是將機器學習與解析法或數(shù)值法結合,比如遺傳算法結合有限元法.由于解析法和數(shù)值法計算較慢,采用以上方法設計一個周期結構所需的時間較長.若用神經網絡替代解析法或數(shù)值法,即可以結合遺傳算法和神經網絡,用神經網絡輔助計算遺傳算法中個體的適應度,這將能省去大量的計算時間.

    通過神經網絡實現(xiàn)了層狀周期結構能量傳輸譜的智能預測,對于不同的幾何參數(shù)和物理參數(shù),BP神經網絡均可以快速、準確地預測出衰減域的頻率范圍及衰減幅度,避免了大量經驗性嘗試所帶來的計算資源消耗.神經網絡預測可以作為周期結構設計的一種輔助工具,在快速準確地預測出結構傳輸譜的基礎上,針對環(huán)境振動或地震動領域減隔振問題需求,結合遺傳算法或其他方法能夠快速找到符合設計要求的結構,對于減振分析及設計具有重要的意義.對于層狀周期結構傳輸譜的成功預測也為二維和三維周期結構分析以及周期結構的智能反向設計提供了參考.

    猜你喜歡
    層狀深層神經網絡
    考慮各向異性滲流的重力壩深層抗滑穩(wěn)定分析
    神經網絡抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    軋制復合制備TA1/AZ31B/TA1層狀復合材料組織與性能研究
    重型機械(2019年3期)2019-08-27 00:58:44
    SAM系統(tǒng)對TDCS數(shù)據(jù)的優(yōu)化處理與深層應用
    基于神經網絡的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    兩級結構層狀Ti-TiBw/Ti復合材料擴散焊及其拉伸行為
    焊接(2016年9期)2016-02-27 13:05:22
    復數(shù)神經網絡在基于WiFi的室內LBS應用
    對“醫(yī)患失去信任”的深層憂慮
    高韌性抗層狀撕裂Q345FTE-Z35鋼板開發(fā)
    新疆鋼鐵(2015年2期)2015-11-07 03:27:52
    基于支持向量機回歸和RBF神經網絡的PID整定
    777久久人妻少妇嫩草av网站| 窝窝影院91人妻| 日韩大码丰满熟妇| 夜夜爽天天搞| 国内毛片毛片毛片毛片毛片| videosex国产| 欧美日韩中文字幕国产精品一区二区三区 | 18禁裸乳无遮挡免费网站照片 | 亚洲自拍偷在线| 久久久久久人人人人人| 久久精品亚洲熟妇少妇任你| 熟妇人妻久久中文字幕3abv| 99精品在免费线老司机午夜| 欧美大码av| 免费久久久久久久精品成人欧美视频| 久久香蕉激情| 大陆偷拍与自拍| 亚洲美女黄片视频| 免费看a级黄色片| 亚洲精品一区av在线观看| 伊人久久大香线蕉亚洲五| 国产欧美日韩一区二区三区在线| 黄色成人免费大全| 欧美成人午夜精品| 久热爱精品视频在线9| 欧美精品亚洲一区二区| 国产亚洲精品av在线| 免费观看精品视频网站| 欧美最黄视频在线播放免费| 久久午夜综合久久蜜桃| 精品第一国产精品| 欧美最黄视频在线播放免费| 波多野结衣巨乳人妻| 日日夜夜操网爽| √禁漫天堂资源中文www| 久久精品国产99精品国产亚洲性色 | 啪啪无遮挡十八禁网站| 啪啪无遮挡十八禁网站| 99riav亚洲国产免费| 一个人观看的视频www高清免费观看 | 制服人妻中文乱码| 久久精品国产99精品国产亚洲性色 | 香蕉国产在线看| 18禁裸乳无遮挡免费网站照片 | 岛国视频午夜一区免费看| 精品乱码久久久久久99久播| 国产精品久久久久久精品电影 | 国产高清激情床上av| av欧美777| 欧美午夜高清在线| 久热这里只有精品99| 国产又色又爽无遮挡免费看| 人人妻人人澡欧美一区二区 | 禁无遮挡网站| 久久久久久久久久久久大奶| 久久久久九九精品影院| 男人的好看免费观看在线视频 | 麻豆成人av在线观看| 少妇 在线观看| 国产精品98久久久久久宅男小说| 国产一区二区三区视频了| 搡老熟女国产l中国老女人| 啦啦啦观看免费观看视频高清 | 天天躁夜夜躁狠狠躁躁| 中出人妻视频一区二区| 亚洲午夜精品一区,二区,三区| 欧美乱码精品一区二区三区| 亚洲天堂国产精品一区在线| 久久热在线av| 88av欧美| 亚洲精品国产一区二区精华液| 别揉我奶头~嗯~啊~动态视频| 18禁黄网站禁片午夜丰满| 国内精品久久久久久久电影| 少妇的丰满在线观看| 人妻久久中文字幕网| 国产成人啪精品午夜网站| 亚洲精品国产一区二区精华液| 国内精品久久久久精免费| 在线国产一区二区在线| 久久精品亚洲精品国产色婷小说| 亚洲五月色婷婷综合| 老汉色∧v一级毛片| 午夜福利18| 一区福利在线观看| 免费在线观看完整版高清| www.999成人在线观看| 丝袜美腿诱惑在线| 最近最新免费中文字幕在线| 国产色视频综合| 97超级碰碰碰精品色视频在线观看| 少妇的丰满在线观看| 国产精品永久免费网站| 50天的宝宝边吃奶边哭怎么回事| 男男h啪啪无遮挡| 成人永久免费在线观看视频| 国产一级毛片七仙女欲春2 | 亚洲国产毛片av蜜桃av| 一区二区日韩欧美中文字幕| 视频区欧美日本亚洲| 51午夜福利影视在线观看| 午夜免费激情av| 在线免费观看的www视频| 国产精品香港三级国产av潘金莲| 18禁国产床啪视频网站| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲欧美日韩无卡精品| 日韩 欧美 亚洲 中文字幕| 国产私拍福利视频在线观看| 国产一卡二卡三卡精品| 国产精品二区激情视频| 91成年电影在线观看| 欧美在线一区亚洲| 国产亚洲av嫩草精品影院| 国产区一区二久久| 丰满人妻熟妇乱又伦精品不卡| 中文字幕久久专区| 中文字幕精品免费在线观看视频| 一边摸一边抽搐一进一出视频| 亚洲一区二区三区色噜噜| 久久久国产欧美日韩av| 男女做爰动态图高潮gif福利片 | 久久午夜亚洲精品久久| 狂野欧美激情性xxxx| 淫妇啪啪啪对白视频| 中文字幕精品免费在线观看视频| 亚洲欧美日韩另类电影网站| 婷婷精品国产亚洲av在线| 国产一区在线观看成人免费| 岛国视频午夜一区免费看| 日韩视频一区二区在线观看| 一个人观看的视频www高清免费观看 | 国产蜜桃级精品一区二区三区| 亚洲av成人av| 91av网站免费观看| 人成视频在线观看免费观看| 久久久国产成人免费| 可以免费在线观看a视频的电影网站| 91大片在线观看| 精品国产国语对白av| 亚洲成人免费电影在线观看| 波多野结衣av一区二区av| 在线永久观看黄色视频| 亚洲狠狠婷婷综合久久图片| a在线观看视频网站| 亚洲成国产人片在线观看| 久久人人爽av亚洲精品天堂| 黑人操中国人逼视频| 国产精品乱码一区二三区的特点 | 亚洲精华国产精华精| 精品熟女少妇八av免费久了| 婷婷丁香在线五月| 免费在线观看亚洲国产| 国产欧美日韩一区二区精品| 欧美一级毛片孕妇| 日日摸夜夜添夜夜添小说| 亚洲色图av天堂| 日本五十路高清| 亚洲人成77777在线视频| 18美女黄网站色大片免费观看| 久久久久久亚洲精品国产蜜桃av| 精品国内亚洲2022精品成人| 女性被躁到高潮视频| 午夜免费成人在线视频| 亚洲成人国产一区在线观看| а√天堂www在线а√下载| 久久久国产成人免费| 丰满人妻熟妇乱又伦精品不卡| 中文字幕精品免费在线观看视频| 丝袜在线中文字幕| 亚洲精品久久成人aⅴ小说| 久久精品人人爽人人爽视色| 制服诱惑二区| 熟女少妇亚洲综合色aaa.| 国产亚洲精品综合一区在线观看 | 欧美乱码精品一区二区三区| 侵犯人妻中文字幕一二三四区| 日韩免费av在线播放| 久久国产精品男人的天堂亚洲| 日韩三级视频一区二区三区| 69av精品久久久久久| 精品国产一区二区久久| 国产日韩一区二区三区精品不卡| 熟妇人妻久久中文字幕3abv| 欧美+亚洲+日韩+国产| 宅男免费午夜| 日日干狠狠操夜夜爽| 久久这里只有精品19| 正在播放国产对白刺激| 国产亚洲精品av在线| 亚洲电影在线观看av| 亚洲伊人色综图| 亚洲精品粉嫩美女一区| 中国美女看黄片| 成人国语在线视频| 99精品在免费线老司机午夜| 一级黄色大片毛片| 日韩 欧美 亚洲 中文字幕| 女生性感内裤真人,穿戴方法视频| 亚洲人成电影观看| 老司机福利观看| 一本综合久久免费| 好男人电影高清在线观看| 欧美老熟妇乱子伦牲交| 高清黄色对白视频在线免费看| 日韩一卡2卡3卡4卡2021年| 夜夜躁狠狠躁天天躁| 国产精品免费视频内射| 久久人人精品亚洲av| 亚洲熟妇熟女久久| 日韩高清综合在线| 成熟少妇高潮喷水视频| 在线观看舔阴道视频| 黄色成人免费大全| 亚洲国产看品久久| 久久精品国产亚洲av高清一级| 69精品国产乱码久久久| 久久影院123| 精品少妇一区二区三区视频日本电影| 国产一区二区三区视频了| 在线永久观看黄色视频| cao死你这个sao货| 欧美成人免费av一区二区三区| 亚洲国产日韩欧美精品在线观看 | 黄色a级毛片大全视频| 久热爱精品视频在线9| 色综合亚洲欧美另类图片| 国产成人精品久久二区二区91| 十分钟在线观看高清视频www| 9191精品国产免费久久| 亚洲精品在线观看二区| 国产av精品麻豆| 国内精品久久久久久久电影| 精品卡一卡二卡四卡免费| 不卡一级毛片| 欧美激情 高清一区二区三区| 午夜福利在线观看吧| www.熟女人妻精品国产| 亚洲专区国产一区二区| 91麻豆精品激情在线观看国产| 午夜亚洲福利在线播放| 亚洲人成电影免费在线| 欧美一级a爱片免费观看看 | 最近最新免费中文字幕在线| 精品日产1卡2卡| 一本大道久久a久久精品| 欧美一区二区精品小视频在线| 长腿黑丝高跟| 99精品久久久久人妻精品| 成人精品一区二区免费| www.自偷自拍.com| 欧美日韩乱码在线| 国产片内射在线| 亚洲精品中文字幕在线视频| 人人妻人人爽人人添夜夜欢视频| 久久九九热精品免费| 一卡2卡三卡四卡精品乱码亚洲| 国产片内射在线| 欧美精品啪啪一区二区三区| 九色亚洲精品在线播放| 国产免费av片在线观看野外av| 一边摸一边抽搐一进一小说| 伦理电影免费视频| 又紧又爽又黄一区二区| avwww免费| 夜夜爽天天搞| 国产精品久久电影中文字幕| 一级a爱视频在线免费观看| 国产又色又爽无遮挡免费看| 久久天躁狠狠躁夜夜2o2o| 国产精品一区二区免费欧美| 国产一区二区三区视频了| 久久久水蜜桃国产精品网| 午夜精品久久久久久毛片777| 国产精品野战在线观看| www.自偷自拍.com| 亚洲九九香蕉| 亚洲男人的天堂狠狠| 在线观看免费视频日本深夜| 1024香蕉在线观看| 久久久国产成人免费| 91精品国产国语对白视频| 久久人人精品亚洲av| 少妇裸体淫交视频免费看高清 | 精品电影一区二区在线| 久久久久久久午夜电影| 很黄的视频免费| 亚洲一区中文字幕在线| 免费av毛片视频| 欧美人与性动交α欧美精品济南到| 热re99久久国产66热| 女人高潮潮喷娇喘18禁视频| 高清黄色对白视频在线免费看| 欧美日韩亚洲国产一区二区在线观看| 超碰成人久久| 国产免费av片在线观看野外av| 亚洲中文字幕一区二区三区有码在线看 | 久久婷婷成人综合色麻豆| 午夜福利,免费看| 欧美成狂野欧美在线观看| 国产激情欧美一区二区| ponron亚洲| 性色av乱码一区二区三区2| 一卡2卡三卡四卡精品乱码亚洲| 亚洲欧美日韩另类电影网站| 长腿黑丝高跟| 夜夜夜夜夜久久久久| 老熟妇乱子伦视频在线观看| 人人妻人人爽人人添夜夜欢视频| 99久久国产精品久久久| 亚洲国产日韩欧美精品在线观看 | 黑人操中国人逼视频| 波多野结衣av一区二区av| 亚洲黑人精品在线| 成人18禁高潮啪啪吃奶动态图| 乱人伦中国视频| 一夜夜www| 在线播放国产精品三级| 日本免费一区二区三区高清不卡 | 老熟妇乱子伦视频在线观看| 91精品三级在线观看| 夜夜夜夜夜久久久久| 国产成人av激情在线播放| 看黄色毛片网站| 精品国产一区二区三区四区第35| 非洲黑人性xxxx精品又粗又长| 亚洲电影在线观看av| 69av精品久久久久久| 久久久久久亚洲精品国产蜜桃av| 老熟妇乱子伦视频在线观看| 成在线人永久免费视频| 精品欧美国产一区二区三| 激情在线观看视频在线高清| 88av欧美| 自拍欧美九色日韩亚洲蝌蚪91| 黄色 视频免费看| 两个人视频免费观看高清| 国产成人免费无遮挡视频| 午夜a级毛片| 黄色片一级片一级黄色片| 国产亚洲精品久久久久久毛片| 男女午夜视频在线观看| 如日韩欧美国产精品一区二区三区| 国产亚洲精品av在线| 日本精品一区二区三区蜜桃| 性欧美人与动物交配| 国产精品99久久99久久久不卡| 视频区欧美日本亚洲| 久久久久精品国产欧美久久久| 99久久久亚洲精品蜜臀av| 国产激情欧美一区二区| 夜夜看夜夜爽夜夜摸| 久久久久久久午夜电影| 99久久综合精品五月天人人| 精品一区二区三区视频在线观看免费| 久久久久久国产a免费观看| 婷婷丁香在线五月| 亚洲成人免费电影在线观看| 久久久精品欧美日韩精品| 国产精品亚洲av一区麻豆| 国产精品一区二区精品视频观看| 岛国视频午夜一区免费看| 亚洲欧美激情综合另类| 亚洲专区国产一区二区| 亚洲精品国产精品久久久不卡| 女人被狂操c到高潮| 12—13女人毛片做爰片一| 午夜亚洲福利在线播放| 中文字幕久久专区| av在线播放免费不卡| 免费在线观看黄色视频的| 在线观看免费视频日本深夜| 嫩草影院精品99| 免费观看精品视频网站| 久久精品aⅴ一区二区三区四区| 国产麻豆成人av免费视频| 手机成人av网站| 久久精品国产清高在天天线| 亚洲人成伊人成综合网2020| 亚洲五月色婷婷综合| av在线天堂中文字幕| 精品久久久久久久久久免费视频| 人人妻,人人澡人人爽秒播| 国产精品 国内视频| 国产99久久九九免费精品| 男女下面进入的视频免费午夜 | 久久亚洲精品不卡| 后天国语完整版免费观看| 午夜福利影视在线免费观看| 欧美黄色片欧美黄色片| 成人亚洲精品av一区二区| 色哟哟哟哟哟哟| 精品免费久久久久久久清纯| 久久人人爽av亚洲精品天堂| 亚洲国产精品sss在线观看| 51午夜福利影视在线观看| 淫妇啪啪啪对白视频| 巨乳人妻的诱惑在线观看| 国产麻豆69| 亚洲精品国产区一区二| 欧美日韩亚洲综合一区二区三区_| 久久午夜综合久久蜜桃| 涩涩av久久男人的天堂| 青草久久国产| 国产亚洲精品一区二区www| 99热只有精品国产| 久久久国产成人精品二区| 亚洲中文字幕一区二区三区有码在线看 | 在线观看一区二区三区| 国产精品美女特级片免费视频播放器 | 成人亚洲精品av一区二区| 亚洲精品中文字幕在线视频| av视频在线观看入口| 丁香六月欧美| 亚洲片人在线观看| 热99re8久久精品国产| 亚洲专区国产一区二区| 在线观看66精品国产| 国产亚洲精品久久久久久毛片| 两性夫妻黄色片| 美国免费a级毛片| 变态另类丝袜制服| 国产亚洲欧美精品永久| 99久久久亚洲精品蜜臀av| 精品国产乱码久久久久久男人| 久久久久久久久免费视频了| 村上凉子中文字幕在线| 男人操女人黄网站| 757午夜福利合集在线观看| av有码第一页| 校园春色视频在线观看| 亚洲av成人不卡在线观看播放网| 电影成人av| 美国免费a级毛片| 日本精品一区二区三区蜜桃| 少妇的丰满在线观看| 国产高清视频在线播放一区| 母亲3免费完整高清在线观看| 精品卡一卡二卡四卡免费| 午夜免费观看网址| 女人被狂操c到高潮| 激情视频va一区二区三区| 性色av乱码一区二区三区2| 怎么达到女性高潮| 男女下面进入的视频免费午夜 | 女性生殖器流出的白浆| 亚洲男人的天堂狠狠| 日韩欧美国产一区二区入口| 丝袜人妻中文字幕| netflix在线观看网站| 亚洲第一青青草原| 成人亚洲精品av一区二区| 亚洲全国av大片| 禁无遮挡网站| 色婷婷久久久亚洲欧美| 国产一区二区在线av高清观看| 正在播放国产对白刺激| 欧美av亚洲av综合av国产av| 久9热在线精品视频| 九色亚洲精品在线播放| 久久人妻福利社区极品人妻图片| 怎么达到女性高潮| 国产免费av片在线观看野外av| 亚洲一区高清亚洲精品| 每晚都被弄得嗷嗷叫到高潮| 欧美成人一区二区免费高清观看 | 一区二区三区激情视频| 两个人视频免费观看高清| 色综合婷婷激情| 啦啦啦 在线观看视频| 伦理电影免费视频| 国产又色又爽无遮挡免费看| 国产精品秋霞免费鲁丝片| 亚洲精品国产区一区二| 一级,二级,三级黄色视频| 少妇熟女aⅴ在线视频| 久久中文字幕人妻熟女| 日日摸夜夜添夜夜添小说| 99热只有精品国产| 在线播放国产精品三级| 男人舔女人下体高潮全视频| 97超级碰碰碰精品色视频在线观看| 不卡一级毛片| 在线观看午夜福利视频| 日韩精品中文字幕看吧| 日韩欧美免费精品| 亚洲国产欧美网| 欧美激情极品国产一区二区三区| 91大片在线观看| 久久精品国产清高在天天线| 多毛熟女@视频| 美女午夜性视频免费| 国产麻豆69| 国产一区二区三区视频了| 18美女黄网站色大片免费观看| 搞女人的毛片| 亚洲av电影在线进入| 国产1区2区3区精品| 91精品三级在线观看| 成人18禁高潮啪啪吃奶动态图| 日韩欧美一区二区三区在线观看| 国产精品久久电影中文字幕| 中文字幕人成人乱码亚洲影| 91麻豆av在线| 亚洲少妇的诱惑av| 久久这里只有精品19| 欧美一区二区精品小视频在线| 欧美日韩一级在线毛片| 纯流量卡能插随身wifi吗| 俄罗斯特黄特色一大片| 色综合婷婷激情| 欧美日韩中文字幕国产精品一区二区三区 | 免费久久久久久久精品成人欧美视频| 亚洲av成人不卡在线观看播放网| 国内精品久久久久久久电影| 嫩草影视91久久| 精品国产一区二区久久| 午夜精品国产一区二区电影| 真人一进一出gif抽搐免费| 色哟哟哟哟哟哟| 如日韩欧美国产精品一区二区三区| 国产一区二区三区视频了| 成人手机av| 亚洲一区二区三区色噜噜| tocl精华| 国产高清视频在线播放一区| 久久久国产成人免费| 免费在线观看影片大全网站| 亚洲色图 男人天堂 中文字幕| 麻豆久久精品国产亚洲av| 久久午夜亚洲精品久久| 国产精品综合久久久久久久免费 | 久久午夜综合久久蜜桃| 免费在线观看完整版高清| 两个人看的免费小视频| 国产成年人精品一区二区| 国产aⅴ精品一区二区三区波| 99热只有精品国产| 脱女人内裤的视频| 女性生殖器流出的白浆| 亚洲国产欧美网| 香蕉丝袜av| 超碰成人久久| 狠狠狠狠99中文字幕| 国语自产精品视频在线第100页| 天堂√8在线中文| 久久青草综合色| 一区福利在线观看| 午夜精品久久久久久毛片777| 身体一侧抽搐| 日本 欧美在线| 精品高清国产在线一区| 女性生殖器流出的白浆| 91在线观看av| 久久人妻福利社区极品人妻图片| 色婷婷久久久亚洲欧美| 夜夜爽天天搞| 在线观看免费视频日本深夜| 给我免费播放毛片高清在线观看| 999精品在线视频| 免费在线观看黄色视频的| 老熟妇仑乱视频hdxx| 黄色片一级片一级黄色片| 精品人妻1区二区| 老司机午夜福利在线观看视频| 午夜福利18| 少妇的丰满在线观看| 欧美在线黄色| 午夜久久久在线观看| 国产精品久久久人人做人人爽| 欧美久久黑人一区二区| 黄色视频不卡| 色综合婷婷激情| 制服丝袜大香蕉在线| 久久久久国产精品人妻aⅴ院| 久久亚洲真实| 国产亚洲av高清不卡| 黄片大片在线免费观看| 少妇粗大呻吟视频| 精品无人区乱码1区二区| 久久久国产欧美日韩av| 精品日产1卡2卡| 18禁国产床啪视频网站| av天堂久久9| 长腿黑丝高跟| 色播在线永久视频| 黄频高清免费视频| 97人妻天天添夜夜摸| 国产成人影院久久av| 一区二区三区高清视频在线| x7x7x7水蜜桃| 国产成人系列免费观看| 正在播放国产对白刺激| 国产一区二区三区综合在线观看| 中文字幕高清在线视频| av在线天堂中文字幕| 国产精品国产高清国产av| 成人精品一区二区免费| 欧美日韩亚洲综合一区二区三区_| 757午夜福利合集在线观看| 1024视频免费在线观看| 精品国产超薄肉色丝袜足j| 精品熟女少妇八av免费久了| av中文乱码字幕在线| 成熟少妇高潮喷水视频| 1024香蕉在线观看| 日韩大尺度精品在线看网址 | 人人澡人人妻人| 色综合站精品国产| 无限看片的www在线观看| 亚洲精华国产精华精| 成人特级黄色片久久久久久久| 女警被强在线播放| 丁香欧美五月| 国内久久婷婷六月综合欲色啪|