• <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
    国产 精品1| 嫩草影院入口| 日韩大片免费观看网站| 大话2 男鬼变身卡| 黄色一级大片看看| 中文资源天堂在线| 男人添女人高潮全过程视频| 高清毛片免费看| 最近2019中文字幕mv第一页| 啦啦啦中文免费视频观看日本| 少妇的逼好多水| 欧美精品一区二区大全| 久久亚洲国产成人精品v| 乱码一卡2卡4卡精品| 美女内射精品一级片tv| 又粗又硬又长又爽又黄的视频| av在线观看视频网站免费| 黄色怎么调成土黄色| 亚洲欧美日韩无卡精品| av在线蜜桃| 99久久九九国产精品国产免费| av在线老鸭窝| 精品人妻一区二区三区麻豆| 欧美成人午夜免费资源| 国产乱来视频区| 下体分泌物呈黄色| 性色avwww在线观看| 欧美成人a在线观看| 日本爱情动作片www.在线观看| 青青草视频在线视频观看| 亚洲精品国产成人久久av| 青春草亚洲视频在线观看| 久久人人爽av亚洲精品天堂 | 尤物成人国产欧美一区二区三区| av在线播放精品| 精品人妻偷拍中文字幕| 国产色爽女视频免费观看| 色视频在线一区二区三区| 神马国产精品三级电影在线观看| 日韩欧美一区视频在线观看 | 高清在线视频一区二区三区| 国产黄色视频一区二区在线观看| av一本久久久久| 日韩av不卡免费在线播放| 午夜免费观看性视频| a级毛片免费高清观看在线播放| 免费观看在线日韩| 又爽又黄无遮挡网站| 777米奇影视久久| 三级男女做爰猛烈吃奶摸视频| 亚洲精品456在线播放app| 国产精品女同一区二区软件| 神马国产精品三级电影在线观看| 亚洲人成网站高清观看| 久久久久九九精品影院| 2018国产大陆天天弄谢| 成人毛片a级毛片在线播放| 男女无遮挡免费网站观看| 美女高潮的动态| 午夜福利视频1000在线观看| 精品一区在线观看国产| 久久精品国产自在天天线| 欧美区成人在线视频| 国产又色又爽无遮挡免| 亚洲,欧美,日韩| 国产毛片在线视频| 一个人看视频在线观看www免费| 中国美白少妇内射xxxbb| 久久精品熟女亚洲av麻豆精品| av专区在线播放| 成人午夜精彩视频在线观看| av黄色大香蕉| 国产欧美日韩一区二区三区在线 | 青青草视频在线视频观看| 亚洲自偷自拍三级| 久久久久精品久久久久真实原创| 久久久午夜欧美精品| 免费观看在线日韩| 亚洲av二区三区四区| 亚洲无线观看免费| 成人午夜精彩视频在线观看| 观看免费一级毛片| 狠狠精品人妻久久久久久综合| 久久人人爽人人片av| 最近手机中文字幕大全| 在线 av 中文字幕| 日本黄色片子视频| 亚洲欧美一区二区三区国产| 亚洲四区av| 18禁裸乳无遮挡免费网站照片| 男男h啪啪无遮挡| 一个人观看的视频www高清免费观看| 国国产精品蜜臀av免费| 99久久中文字幕三级久久日本| 免费播放大片免费观看视频在线观看| 免费高清在线观看视频在线观看| 永久免费av网站大全| 日本一本二区三区精品| 婷婷色av中文字幕| 日韩一区二区三区影片| 亚洲人成网站在线播| 亚洲成人久久爱视频| 日韩 亚洲 欧美在线| 国产亚洲av嫩草精品影院| 性插视频无遮挡在线免费观看| 天美传媒精品一区二区| 又粗又硬又长又爽又黄的视频| 午夜激情久久久久久久| 免费不卡的大黄色大毛片视频在线观看| 各种免费的搞黄视频| 日本猛色少妇xxxxx猛交久久| 国产精品人妻久久久影院| 亚洲av一区综合| 免费观看无遮挡的男女| 国内揄拍国产精品人妻在线| 看非洲黑人一级黄片| 一级毛片 在线播放| 亚洲综合色惰| 久久久国产一区二区| 国产高清国产精品国产三级 | 精品久久国产蜜桃| 国产亚洲午夜精品一区二区久久 | 成人美女网站在线观看视频| 18+在线观看网站| 国产精品不卡视频一区二区| 精品酒店卫生间| 成人亚洲欧美一区二区av| 免费看光身美女| 一个人看视频在线观看www免费| 九草在线视频观看| 黄色日韩在线| 亚洲欧美一区二区三区黑人 | 国产女主播在线喷水免费视频网站| 制服丝袜香蕉在线| 成年女人在线观看亚洲视频 | 亚洲在久久综合| 久久精品国产a三级三级三级| 亚洲四区av| 亚洲国产欧美人成| 97人妻精品一区二区三区麻豆| 97超碰精品成人国产| a级毛色黄片| 校园人妻丝袜中文字幕| 亚洲成人中文字幕在线播放| 波野结衣二区三区在线| 精品99又大又爽又粗少妇毛片| 久久久久久久精品精品| 免费观看a级毛片全部| 久久久久国产网址| 亚洲图色成人| 免费观看的影片在线观看| 国产黄a三级三级三级人| 2022亚洲国产成人精品| 九草在线视频观看| 日韩在线高清观看一区二区三区| 十八禁网站网址无遮挡 | av在线天堂中文字幕| 色视频在线一区二区三区| 精品久久久久久久末码| 国产在视频线精品| 热99国产精品久久久久久7| 一二三四中文在线观看免费高清| 亚洲婷婷狠狠爱综合网| 一本久久精品| 天堂俺去俺来也www色官网| 男人狂女人下面高潮的视频| 国产欧美日韩一区二区三区在线 | 日韩欧美精品免费久久| 麻豆成人午夜福利视频| 国产精品伦人一区二区| 又黄又爽又刺激的免费视频.| 久久久久国产网址| 国产黄频视频在线观看| 啦啦啦在线观看免费高清www| 国产精品三级大全| 国产高清有码在线观看视频| 美女xxoo啪啪120秒动态图| 欧美一区二区亚洲| 色播亚洲综合网| 国产人妻一区二区三区在| 香蕉精品网在线| 成人亚洲精品av一区二区| 亚洲人成网站在线播| 内地一区二区视频在线| 99re6热这里在线精品视频| 久久久久久久久久人人人人人人| 欧美亚洲 丝袜 人妻 在线| 日本免费在线观看一区| 国产成人精品福利久久| 在线观看av片永久免费下载| 久久久国产一区二区| 99久久精品国产国产毛片| 中文字幕免费在线视频6| 日本熟妇午夜| 国产爱豆传媒在线观看| 日韩人妻高清精品专区| 神马国产精品三级电影在线观看| 国产免费福利视频在线观看| 国产一区二区三区综合在线观看 | 人妻夜夜爽99麻豆av| 国产老妇女一区| 亚洲av欧美aⅴ国产| 国产精品国产三级专区第一集| 亚洲精品久久久久久婷婷小说| 一区二区三区精品91| 国产午夜精品久久久久久一区二区三区| 3wmmmm亚洲av在线观看| 亚洲综合色惰| 有码 亚洲区| 成人漫画全彩无遮挡| 2021少妇久久久久久久久久久| 免费在线观看成人毛片| 老师上课跳d突然被开到最大视频| 日韩在线高清观看一区二区三区| 欧美xxⅹ黑人| 成人毛片60女人毛片免费| 亚洲熟女精品中文字幕| 97超视频在线观看视频| 国产成人精品婷婷| 深爱激情五月婷婷| 亚洲国产最新在线播放| 简卡轻食公司| 久热久热在线精品观看| 欧美极品一区二区三区四区| 国产大屁股一区二区在线视频| 亚洲三级黄色毛片| 在线播放无遮挡| .国产精品久久| 亚洲av国产av综合av卡| 视频区图区小说| 免费大片18禁| 好男人在线观看高清免费视频| 国产精品国产三级国产专区5o| 久久精品国产亚洲av天美| 联通29元200g的流量卡| 黄色配什么色好看| 免费观看av网站的网址| 亚洲熟女精品中文字幕| 国产成年人精品一区二区| 国产男女内射视频| 国产成人a∨麻豆精品| 亚洲人与动物交配视频| 极品少妇高潮喷水抽搐| 国产欧美日韩精品一区二区| 成人毛片60女人毛片免费| 日韩制服骚丝袜av| 久久久国产一区二区| 亚洲高清免费不卡视频| 午夜激情福利司机影院| 在线免费观看不下载黄p国产| 婷婷色av中文字幕| 国产大屁股一区二区在线视频| 熟女av电影| 久久女婷五月综合色啪小说 | 久久国产乱子免费精品| 国产亚洲91精品色在线| 超碰av人人做人人爽久久| 日韩免费高清中文字幕av| 欧美日韩亚洲高清精品| 99久久精品一区二区三区| av.在线天堂| 成人黄色视频免费在线看| 欧美少妇被猛烈插入视频| 插阴视频在线观看视频| 新久久久久国产一级毛片| 色综合色国产| 欧美亚洲 丝袜 人妻 在线| 亚洲自偷自拍三级| 国产av国产精品国产| 久久久久国产精品人妻一区二区| 国产高清三级在线| 大香蕉久久网| 婷婷色麻豆天堂久久| 亚州av有码| 能在线免费看毛片的网站| 国产日韩欧美亚洲二区| h日本视频在线播放| 91aial.com中文字幕在线观看| 啦啦啦在线观看免费高清www| 一区二区三区乱码不卡18| 国产色爽女视频免费观看| 亚洲欧美精品自产自拍| 18禁裸乳无遮挡动漫免费视频 | av黄色大香蕉| 女人久久www免费人成看片| 男女边摸边吃奶| 亚洲av成人精品一二三区| 欧美少妇被猛烈插入视频| 亚洲高清免费不卡视频| 51国产日韩欧美| 国产在线一区二区三区精| 亚洲人成网站在线观看播放| 大话2 男鬼变身卡| 看非洲黑人一级黄片| 亚洲精品国产色婷婷电影| av在线天堂中文字幕| 久久午夜福利片| 国产精品福利在线免费观看| 超碰av人人做人人爽久久| 久热久热在线精品观看| 精品国产露脸久久av麻豆| 国产国拍精品亚洲av在线观看| 黄色视频在线播放观看不卡| kizo精华| 男女下面进入的视频免费午夜| 一区二区三区乱码不卡18| 美女被艹到高潮喷水动态| 日本与韩国留学比较| 好男人视频免费观看在线| 大又大粗又爽又黄少妇毛片口| 欧美亚洲 丝袜 人妻 在线| 天天躁日日操中文字幕| 成人美女网站在线观看视频| 日产精品乱码卡一卡2卡三| 一二三四中文在线观看免费高清| 最近最新中文字幕大全电影3| 日韩av在线免费看完整版不卡| 国产成人免费无遮挡视频| 国产色婷婷99| 又粗又硬又长又爽又黄的视频| 亚洲天堂国产精品一区在线| 久久久久久久久大av| 精品99又大又爽又粗少妇毛片| 亚洲成人精品中文字幕电影| 超碰97精品在线观看| 国产极品天堂在线| 日韩一区二区三区影片| 自拍偷自拍亚洲精品老妇| 国产美女午夜福利| 午夜日本视频在线| 韩国av在线不卡| 成人毛片a级毛片在线播放| 热99国产精品久久久久久7| 国产av码专区亚洲av| 亚洲精品影视一区二区三区av| 国产一区二区三区综合在线观看 | 亚洲欧美中文字幕日韩二区| 边亲边吃奶的免费视频| 水蜜桃什么品种好| 亚洲av中文av极速乱| 亚洲成人久久爱视频| 国产女主播在线喷水免费视频网站| 亚洲四区av| 国产有黄有色有爽视频| 国产亚洲av嫩草精品影院| 九九在线视频观看精品| 毛片女人毛片| 亚洲精品aⅴ在线观看| 热99国产精品久久久久久7| 一级毛片黄色毛片免费观看视频| 日本欧美国产在线视频| av在线蜜桃| 在现免费观看毛片| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 日本免费在线观看一区| 五月天丁香电影| 国产免费福利视频在线观看| 亚洲欧美中文字幕日韩二区| 亚洲精品自拍成人| 日本黄色片子视频| 婷婷色综合大香蕉| 熟妇人妻不卡中文字幕| 美女国产视频在线观看| 亚洲av成人精品一区久久| 亚州av有码| 男女那种视频在线观看| 久久久国产一区二区| 欧美97在线视频| 大码成人一级视频| 成人欧美大片| 中国国产av一级| 久久亚洲国产成人精品v| 成人漫画全彩无遮挡| 国产伦理片在线播放av一区| 国产黄片视频在线免费观看| 欧美激情久久久久久爽电影| 亚洲最大成人av| 亚洲天堂国产精品一区在线| 一级毛片 在线播放| 在线观看人妻少妇| 午夜激情久久久久久久| 欧美变态另类bdsm刘玥| 搡老乐熟女国产| 老师上课跳d突然被开到最大视频| 亚洲欧美精品专区久久| 亚洲精品中文字幕在线视频 | 香蕉精品网在线| 精品久久久久久久久亚洲| 蜜桃亚洲精品一区二区三区| 少妇人妻 视频| 99久久人妻综合| 亚洲伊人久久精品综合| 国产成人精品一,二区| 国产亚洲91精品色在线| 看黄色毛片网站| 综合色av麻豆| 久久精品国产亚洲av涩爱| 亚洲av一区综合| 99re6热这里在线精品视频| 国产黄片视频在线免费观看| 黄色日韩在线| 美女cb高潮喷水在线观看| 国产免费福利视频在线观看| 亚洲人与动物交配视频| 国产午夜精品久久久久久一区二区三区| 成人二区视频| 国产精品秋霞免费鲁丝片| 别揉我奶头 嗯啊视频| 亚洲综合色惰| 青春草视频在线免费观看| 久久久久久国产a免费观看| 国产午夜精品一二区理论片| 美女xxoo啪啪120秒动态图| 内射极品少妇av片p| 亚洲精品久久午夜乱码| 亚洲av二区三区四区| 成人无遮挡网站| av.在线天堂| 男人爽女人下面视频在线观看| 天天躁夜夜躁狠狠久久av| 韩国av在线不卡| 深夜a级毛片| 国产爽快片一区二区三区| www.色视频.com| 亚洲人成网站高清观看| 激情五月婷婷亚洲| 天天一区二区日本电影三级| videossex国产| 永久网站在线| 亚洲精品成人av观看孕妇| 街头女战士在线观看网站| 欧美 日韩 精品 国产| 亚洲欧洲国产日韩| 在线观看一区二区三区激情| av一本久久久久| 久久久久久久久久成人| 亚洲婷婷狠狠爱综合网| 国产精品一区二区性色av| 久久久久国产精品人妻一区二区| h日本视频在线播放| 少妇猛男粗大的猛烈进出视频 | 午夜激情福利司机影院| 日本色播在线视频| 伊人久久国产一区二区| 精品久久久久久久久av| 日韩成人伦理影院| 亚洲国产精品成人综合色| 国产精品一区二区在线观看99| 男插女下体视频免费在线播放| 日韩欧美 国产精品| 麻豆精品久久久久久蜜桃| 国产精品嫩草影院av在线观看| 国产老妇女一区| 久久久久网色| 黄片无遮挡物在线观看| 久久久久久久久久久丰满| av又黄又爽大尺度在线免费看| 亚洲av中文字字幕乱码综合| 久久精品久久精品一区二区三区| 国产熟女欧美一区二区| 水蜜桃什么品种好| av国产免费在线观看| 又爽又黄a免费视频| 久久久国产一区二区| 欧美日本视频| 亚洲国产精品成人综合色| 国产精品久久久久久久电影| 亚洲人与动物交配视频| 国产一区二区在线观看日韩| 一级爰片在线观看| av在线天堂中文字幕| 国产精品一区二区三区四区免费观看| 2021少妇久久久久久久久久久| 日韩av在线免费看完整版不卡| 免费看日本二区| 日日撸夜夜添| 午夜免费男女啪啪视频观看| 国产免费视频播放在线视频| 国产免费一级a男人的天堂| 三级国产精品片| 成人国产麻豆网| 国产色婷婷99| 午夜免费鲁丝| 日本免费在线观看一区| 麻豆精品久久久久久蜜桃| 又大又黄又爽视频免费| 男人添女人高潮全过程视频| 色视频在线一区二区三区| 国产老妇女一区| 好男人在线观看高清免费视频| 午夜日本视频在线| 欧美成人午夜免费资源| 国产成人福利小说| 免费大片黄手机在线观看| 久久国内精品自在自线图片| 国产精品偷伦视频观看了| av线在线观看网站| 色哟哟·www| 久久久久久久久久成人| 日本一二三区视频观看| 只有这里有精品99| 尤物成人国产欧美一区二区三区| av又黄又爽大尺度在线免费看| 亚洲欧美成人精品一区二区| av国产久精品久网站免费入址| 国产永久视频网站| 99热这里只有精品一区| 日本猛色少妇xxxxx猛交久久| 国产探花极品一区二区| 日本欧美国产在线视频| 精品人妻视频免费看| 高清在线视频一区二区三区| 丰满乱子伦码专区| 人人妻人人澡人人爽人人夜夜| 下体分泌物呈黄色| 少妇丰满av| 大又大粗又爽又黄少妇毛片口| 视频中文字幕在线观看| 国产午夜福利久久久久久| 日本黄色片子视频| 97超视频在线观看视频| 91aial.com中文字幕在线观看| 久热久热在线精品观看| 精品午夜福利在线看| 欧美激情国产日韩精品一区| 久久国内精品自在自线图片| 亚洲成人精品中文字幕电影| 又黄又爽又刺激的免费视频.| 成人特级av手机在线观看| 三级经典国产精品| 久久久久国产精品人妻一区二区| 国产精品秋霞免费鲁丝片| 国产乱人偷精品视频| 一级毛片 在线播放| 在线观看一区二区三区激情| 又粗又硬又长又爽又黄的视频| 成人欧美大片| 青春草亚洲视频在线观看| 高清视频免费观看一区二区| 亚洲色图综合在线观看| 欧美最新免费一区二区三区| 嫩草影院入口| 国产探花极品一区二区| 色哟哟·www| 国模一区二区三区四区视频| 一二三四中文在线观看免费高清| 国产大屁股一区二区在线视频| 自拍偷自拍亚洲精品老妇| 毛片一级片免费看久久久久| 精品一区二区三卡| av国产免费在线观看| 亚洲综合精品二区| 国产伦理片在线播放av一区| 亚洲精品色激情综合| 欧美成人午夜免费资源| 国产精品成人在线| 午夜爱爱视频在线播放| 国产高清不卡午夜福利| 校园人妻丝袜中文字幕| 小蜜桃在线观看免费完整版高清| 亚洲精品乱久久久久久| 狠狠精品人妻久久久久久综合| 亚洲天堂av无毛| 啦啦啦啦在线视频资源| 99热国产这里只有精品6| 中文字幕人妻熟人妻熟丝袜美| 精品午夜福利在线看| 少妇的逼水好多| 黄色怎么调成土黄色| 一个人看的www免费观看视频| 春色校园在线视频观看| 日韩欧美 国产精品| 少妇熟女欧美另类| 视频区图区小说| 97超碰精品成人国产| 国产亚洲av嫩草精品影院| 日韩中字成人| 成年女人在线观看亚洲视频 | 国产伦在线观看视频一区| 五月天丁香电影| 成人国产麻豆网| 亚洲精品一二三| 热99国产精品久久久久久7| 99热国产这里只有精品6| 免费看不卡的av| 高清欧美精品videossex| 日韩中字成人| 18+在线观看网站| 2021少妇久久久久久久久久久| 欧美bdsm另类| 亚洲欧美成人精品一区二区| 亚洲av免费高清在线观看| 日韩精品有码人妻一区| 中文资源天堂在线| 成年人午夜在线观看视频| 99久久精品热视频| 欧美人与善性xxx| 国产 精品1| 日韩大片免费观看网站| 亚洲最大成人中文| 亚洲欧美日韩另类电影网站 | 亚洲av一区综合| 亚洲av欧美aⅴ国产| 新久久久久国产一级毛片| 久久精品久久精品一区二区三区| 亚洲激情五月婷婷啪啪| 国产一区有黄有色的免费视频| av国产精品久久久久影院| 国产黄色免费在线视频| 午夜精品一区二区三区免费看| 毛片一级片免费看久久久久| av播播在线观看一区| 日韩欧美一区视频在线观看 | 男男h啪啪无遮挡|