亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于多源數(shù)據(jù)融合的翼型表面壓強精細(xì)化重構(gòu)方法

        2022-07-14 02:17:00趙旋彭緒浩鄧子辰張偉偉
        實驗流體力學(xué) 2022年3期
        關(guān)鍵詞:風(fēng)洞試驗升力力矩

        趙旋,彭緒浩,鄧子辰,張偉偉

        西北工業(yè)大學(xué) 航空學(xué)院,西安 710072

        0 引 言

        現(xiàn)有風(fēng)洞試驗中的載荷測量主要包括直接力測量和表面壓力測量,飛行器風(fēng)洞縮比模型也因此分為測力模型和測壓模型??傮w而言,風(fēng)洞試驗的可信度較高,獲取的氣動力/載荷結(jié)果往往作為考核數(shù)值仿真方法精度的標(biāo)模。然而,由于風(fēng)洞試驗的周期較長,對試驗人員的經(jīng)驗性依賴較高,試驗方案的合理性直接影響氣動載荷的獲取效率和效果。現(xiàn)有的工程實踐普遍認(rèn)為翼型表面至少需要布置50~100 個測壓孔,經(jīng)過壓力分布積分得到的升力和俯仰力矩系數(shù)精度才較為可信。為獲得翼型表面完整的流場信息,傳統(tǒng)方法通常在翼型表面布置足夠多的測壓孔進行風(fēng)洞試驗,通過簡單的插值重構(gòu)獲得翼型全表面的壓力分布,這往往需要較多的測壓孔。對于復(fù)雜飛行器,受限于空間位置和試驗成本,測壓數(shù)據(jù)獲得不充分,使得這種傳統(tǒng)的方法精度不夠;且復(fù)雜飛行器跨聲速風(fēng)洞試驗的氣動載荷受參數(shù)影響敏感,精細(xì)化的氣動力/載荷的測量難度更大、周期更長,因此亟需發(fā)展一種利用有限測量點流場數(shù)據(jù)重構(gòu)復(fù)雜飛行器表面流場信息的方法。

        數(shù)據(jù)融合技術(shù)針對多種來源信息(同質(zhì)或異質(zhì)),根據(jù)某種標(biāo)準(zhǔn)在空間或時間上進行組合,獲得被測對象的一致性描述,并使得該融合系統(tǒng)具有更好的性能。目前,在空氣動力學(xué)領(lǐng)域中,已經(jīng)開展了多種多源信息融合方面的研究。Belyaev 等利用CFD 計算數(shù)據(jù)與風(fēng)洞試驗數(shù)據(jù)融合構(gòu)建了非均勻、非完整試驗狀態(tài)空間中的代理模型,并利用風(fēng)洞試驗數(shù)據(jù)驗證了模型的精度。Ghoreyshi 等利用試驗數(shù)據(jù)與 CFD 計算結(jié)果構(gòu)建了飛行器的高維變精度氣動力模型。王文正等提出了基于數(shù)學(xué)模型的氣動力數(shù)據(jù)融合準(zhǔn)則和方法,以氣動力數(shù)據(jù)滿足的準(zhǔn)則為依據(jù),將不同類型的數(shù)據(jù)進行融合。Wang 等利用本征正交分解(POD)技術(shù)分別得到低、高精度流場數(shù)據(jù)的低維表示,通過 Kriging 模型建立兩者的映射關(guān)系,實現(xiàn)了不同狀態(tài)的定常流場融合預(yù)測。Kou 等采用多核神經(jīng)網(wǎng)絡(luò)模型將變精度模型推廣到非定常氣動力模型中,實現(xiàn)了利用低精度歐拉結(jié)果對 N–S 數(shù)值結(jié)果的逼近。He 等采用Kriging 模型構(gòu)建氣動熱流分布數(shù)據(jù)融合模型,獲得了較好的效果。Misfud 等采用Gappy POD 結(jié)合風(fēng)洞試驗數(shù)據(jù)和CFD 計算數(shù)據(jù)構(gòu)建了針對二維翼型和三維翼身組合體的數(shù)據(jù)融合模型,利用正則化方法提升了模型的預(yù)測精度。Perron針對不同構(gòu)型表面壓力分布場,采用POD 和流形對齊構(gòu)建了高維數(shù)據(jù)融合模型,但是建模效果有待提高。Renganathan等發(fā)展了基于貝葉斯理論框架和帶約束的本征正交分解技術(shù),用于解決帶噪聲的不完整風(fēng)洞測量場與確定但有偏的數(shù)值模擬場的融合問題。Sun 等開發(fā)了一種快速風(fēng)場重建方法,提出一種傳感器布局優(yōu)化求解過程,基于傳感器獲得的有限測量數(shù)據(jù),通過POD 技術(shù)對風(fēng)場進行逆過程快速重構(gòu)。Zhao 等提出了基于壓縮感知算法的針對翼型表面進行壓力分布重構(gòu)的方法。Li 等基于深度神經(jīng)網(wǎng)絡(luò),融合風(fēng)洞試驗數(shù)據(jù)和CFD 計算數(shù)據(jù),預(yù)測了機翼不同狀態(tài)、不同截面的壓力系數(shù)。

        現(xiàn)代數(shù)值模擬規(guī)模和分辨率的提高,提供了大量仿真數(shù)據(jù),因此本文提出了一種融合有限的風(fēng)洞試驗數(shù)據(jù)和數(shù)值計算(CFD)數(shù)據(jù)的新方法,通過本征正交分解技術(shù)對仿真得到的壓力分布數(shù)據(jù)進行特征提取,然后融合稀疏的風(fēng)洞試驗測壓數(shù)據(jù),基于壓縮感知(Compressed Sensing,CS)算法進行分布載荷精細(xì)化重構(gòu)研究。與Misfud、Renganathan等工作的不同之處在于:本文采用稀疏的試驗測壓數(shù)據(jù)進行壓力分布重構(gòu),通過壓縮感知算法求解基函數(shù)對應(yīng)的坐標(biāo),提高了方法的魯棒性,對于變幾何變來流狀態(tài)算例仍具有較好的適應(yīng)性,對不同翼型具有較好的泛化性,且積分獲得的升力系數(shù)和俯仰力矩系數(shù)精度較高。

        1 研究模型及方法

        1.1 研究模型

        算法框架如圖1所示,主要包括以下4 個方面:

        圖1 算法框架流程Fig.1 Algorithm framework process

        1)使用CFD 方法計算不同工況下(幾何改變、狀態(tài)改變)的壓力分布數(shù)據(jù)。

        2)采用本征正交分解技術(shù)提取CFD 計算的壓力分布數(shù)據(jù)的低維特征,即POD 基函數(shù)。

        3)優(yōu)化翼型表面壓力傳感器位置:采用粒子群優(yōu)化算法(PSO)獲得最佳測量點位置。

        4)利用有限試驗測壓數(shù)據(jù),基于壓縮感知算法進行壓力分布重構(gòu),對壓力分布進行積分獲得升力系數(shù)和俯仰力矩系數(shù),并通過試驗數(shù)據(jù)進行驗證。

        1.2 研究方法

        本文中算例均為定常流動,CFD 求解器基于定常雷諾平均Navier-Stokes(N-S)方程,求解方法采用二階有限體積法,空間離散格式采用Roe 格式,采用偽時間推進法,通過隱式Gauss-Seidel 迭代求解。

        本征正交分解技術(shù)是一種常用的降維手段,能夠?qū)?fù)雜動力學(xué)從高維離散化系統(tǒng)投影到低維系統(tǒng)。該技術(shù)的本質(zhì)是通過對流場樣本進行矩陣變換及正交分解,得到使樣本殘差最小的若干正交基函數(shù),用于描述流場的主要規(guī)律?;赑OD 技術(shù),根據(jù)特征值的大小對模態(tài)按照能量進行排序,可以提取出主要的流動模態(tài)。通常采取降維方式簡化模型:按能量截取一個維數(shù)為M(M<<N)的低維空間(式(1))使()≥;一般取99%(略小于1),以捕獲絕大部分能量。

        其中,N 為樣本空間維度,為特征值大小,為能量大小。

        粒子群優(yōu)化算法是一種進化計算技術(shù),其基本思想是通過群體中個體之間的協(xié)作和信息共享來尋找最優(yōu)解。本文使用粒子群優(yōu)化算法獲得測壓點位置,基本步驟如下:

        1)將CFD 所計算的壓力分布數(shù)據(jù)分為兩部分,一部分為訓(xùn)練集,另一部分為測試集,基函數(shù)在訓(xùn)練集中通過POD 獲取。

        2)在測試集中選取一部分壓力分布數(shù)據(jù),通過粒子群優(yōu)化算法,測量點遍歷翼型上所有點,通過壓縮感知算法重構(gòu)流場,以重構(gòu)誤差作為判斷標(biāo)準(zhǔn)。

        3)輸出一組使重構(gòu)誤差較小的測量點位置,將輸出的測量點位置用于壓力分布重構(gòu)。

        壓縮感知技術(shù)突破了香農(nóng)采樣定理的局限,可用較少的數(shù)據(jù)實現(xiàn)高精度的完整信號重構(gòu)。壓縮感知技術(shù)一經(jīng)提出即引起廣大研究者的興趣,被廣泛應(yīng)用于地理、航天、通信等各個領(lǐng)域。壓縮感知基本框架如圖2所示。假定觀測值y ∈R是通過測量矩陣φ ∈R建立在原信號x ∈R上得到的,即=,壓縮感知的目的是通過稀疏的觀測值恢復(fù)原信號(欠定條件下,M<<N)。

        圖2 壓縮感知框架Fig.2 Compressed sensing framework

        信號通過稀疏矩陣可以進行稀疏表示,即:

        因此,方程轉(zhuǎn)化為:

        可通過下面的優(yōu)化問題近乎完美地從y 中恢復(fù)出稀疏信號s,進而恢復(fù)x:

        上式即L0 范數(shù)最小化問題。若直接求解式(4),則是一個N-P hard 問題。在一定條件下,L1 范數(shù)最小化與L0 范數(shù)最小化共解,于是式(4)轉(zhuǎn)化為:

        本文將POD 和CS 技術(shù)相結(jié)合,原信號x 為翼型表面完整壓力分布,觀測值y 為稀疏的壓力試驗數(shù)據(jù),算法如下:

        1)通過POD 提取CFD 計算得到的壓力場數(shù)據(jù),得到POD 基函數(shù),即提取計算數(shù)據(jù)的低維特征。

        2)對翼型表面進行壓力點采樣,即=,為測量矩陣,y 為采樣點壓力值。

        3)基于壓縮感知技術(shù)進行流場重構(gòu)(L1 范數(shù)最小化)。

        2 算例驗證

        2.1 亞聲速流動

        采用CFD 計算了132 組NACA0012 翼型亞聲速狀態(tài)的壓力分布數(shù)據(jù)(馬赫數(shù)Ma=0.1~0.6,迎角=0°~11°),采用本征正交分解技術(shù)提取了8 組CFD 計算數(shù)據(jù)的POD 基函數(shù),采用粒子群優(yōu)化算法得到4 個測壓點位置,并基于4 個測壓點處的數(shù)據(jù)進行重構(gòu)。CFD 計算NACA0012 翼型采用的結(jié)構(gòu)化C 型網(wǎng)格如圖3所示:

        圖3 NACA0012 翼型網(wǎng)格Fig.3 NACA0012 airfoil grid

        為了量化說明重構(gòu)流場與實際流場的偏差程度,定義誤差如下:

        其中:RMSE 為均方根誤差;C為重構(gòu)得到的壓力系數(shù),C為試驗測得的壓力系數(shù);n 為翼型表面試驗壓力點的個數(shù);C為通過重構(gòu)的壓力分布積分得到的升力系數(shù),C為試驗數(shù)據(jù)對應(yīng)的升力系數(shù);C表示通過重構(gòu)的壓力分布積分得到的俯仰力矩系數(shù),C表示試驗數(shù)據(jù)對應(yīng)的俯仰力矩系數(shù);CC分別表示升力系數(shù)和俯仰力矩系數(shù)重構(gòu)值與試驗值之間的誤差,俯仰力矩系數(shù)是對翼型1/4 弦線處進行積分的。

        圖4為NACA0012 翼型在Ma=0.3、=0.106 9°、Re=6.0×10工況與Ma=0.3、10°、Re=6.0×10工況的重構(gòu)結(jié)果及其與試驗、CFD 數(shù)據(jù)的對比,兩組工況的試驗數(shù)據(jù)與重構(gòu)數(shù)據(jù)之間的RMSE 分別為 0.042 1、 0.074 5。 圖5為 NACA0012 翼型在Ma=0.504、=4.06°、Re=3.8×10工況下的重構(gòu)結(jié)果與試驗、CFD 數(shù)據(jù)的對比,試驗數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的RMSE 為0.064 1。圖中藍(lán)色虛線為CFD數(shù)據(jù),黑色實線為重構(gòu)曲線,紅色空心三角形為試驗數(shù)據(jù),綠色實心倒三角形為所采用的測壓點數(shù)據(jù)。表1給出了圖5對應(yīng)試驗狀態(tài)的升力系數(shù)和俯仰力矩系數(shù)以及對應(yīng)誤差,表2給出了較多試驗工況下重構(gòu)的升力系數(shù)和俯仰力矩系數(shù)誤差上下限統(tǒng)計結(jié)果。通過對比誤差以及重構(gòu)曲線,發(fā)現(xiàn)壓力分布曲線與試驗數(shù)據(jù)匹配完整,且精度較高,升力系數(shù)誤差和俯仰力矩系數(shù)誤差在0.005 以內(nèi)。

        圖4 NACA0012 亞聲速重構(gòu)結(jié)果Fig.4 Subsonic reconstruction results of NACA0012 airfoil

        圖5 NACA0012 亞聲速重構(gòu)結(jié)果Fig.5 Subsonic reconstruction results of NACA0012 airfoil

        表1 重構(gòu)誤差Table 1 Reconstruction error

        表2 誤差區(qū)間Table 2 Error interval

        圖6為基于稀疏試驗數(shù)據(jù)重構(gòu)和傳統(tǒng)插值方法重構(gòu)的結(jié)果對比,其中試驗數(shù)據(jù)與圖5相同。圖6(a)為翼型表面測壓數(shù)據(jù)均勻采樣結(jié)果,圖6(b)為升力系數(shù)和俯仰力矩系數(shù)精度隨試驗點數(shù)量的變化曲線。圖中,1–Error=1–|Intergral–Exp|,Integral表示積分獲得的升力系數(shù)或俯仰力矩系數(shù),Exp 表示升力系數(shù)或俯仰力矩系數(shù)的試驗數(shù)據(jù);綠線表示俯仰力矩系數(shù)精度,黑線表示升力系數(shù)精度,藍(lán)色圓圈和紅色菱形分別表示基于4 個試驗點重構(gòu)獲得的壓力分布積分得到的升力系數(shù)和俯仰力矩系數(shù)精度。如圖6(b)所示, 22 個試驗點重構(gòu)誤差的原因在于:其壓力采樣點位置沒有選到吸力峰位置,導(dǎo)致積分誤差較大,說明壓力采樣點位置的選取會影響插值重構(gòu)方法的精度??梢钥吹剑啾扔趥鹘y(tǒng)插值重構(gòu)方法,本文重構(gòu)方法以稀疏的試驗數(shù)據(jù)獲得了高精度的升力系數(shù)和俯仰力矩系數(shù)。

        圖6 稀疏重構(gòu)與插值重構(gòu)結(jié)果對比Fig.6 Comparison of sparse reconstruction and interpolation reconstruction

        2.2 跨聲速流動

        采用CFD 計算了100 組NACA0012 翼型跨聲速狀態(tài)的壓力分布數(shù)據(jù)(Ma=0.6~0.8,=0°~4°),通過本征正交分解技術(shù)提取了14 組CFD 計算數(shù)據(jù)的POD 基函數(shù)。為了更好地捕捉激波特性,選取了14 個試驗測壓點處的數(shù)據(jù)進行重構(gòu)。

        圖7為NACA0012 翼型在 Ma=0.652、=5.86°、Re=3.0×10和Ma=0.697、=4.86°、 Re=3.0×10這2種工況下的重構(gòu)結(jié)果及其與試驗和CFD 數(shù)據(jù)的對比,表3為CFD 計算、試驗和重構(gòu)得到的升力系數(shù)及對應(yīng)誤差。圖8為NACA0012 翼型在Ma=0.756、=3.99°、Re=3.76×10,Ma=0.754、=2.98°、Re=3.80×10和Ma=0.754、=0.99°、 Re=3.96×10這3 種工況的重構(gòu)結(jié)果及其與試驗和CFD 數(shù)據(jù)的對比,表4為試驗及重構(gòu)的升力系數(shù)、俯仰力矩系數(shù)及其對應(yīng)誤差??梢钥吹剑┭隽叵禂?shù)相對誤差較大。一方面,由于俯仰力矩系數(shù)積分點位于1/4弦線處,該點與氣動中心距離較近,所以俯仰力矩系數(shù)值較小,導(dǎo)致其相對誤差較大;另一方面,俯仰力矩系數(shù)不僅與壓力分布相關(guān),還與摩擦力分布相關(guān),這可能導(dǎo)致相對誤差較大。表5為較多試驗工況下重構(gòu)升力系數(shù)和俯仰力矩系數(shù)絕對誤差上下限的統(tǒng)計結(jié)果。可以看出,即使CFD 計算結(jié)果與試驗數(shù)據(jù)誤差較大,但經(jīng)過重構(gòu)得到的壓力分布曲線與試驗數(shù)據(jù)吻合較好,能夠獲得與真實試驗最完整匹配的壓力分布曲線,且對激波站位捕捉較好。通過誤差對比,能夠?qū)⑸ο禂?shù)誤差控制在0.005 以內(nèi),俯仰力矩系數(shù)誤差控制在0.006 以內(nèi)。

        表4 重構(gòu)誤差Table 4 Reconstruction error

        表5 誤差區(qū)間Table 5 Error interval

        圖7 NACA0012 翼型跨聲速重構(gòu)結(jié)果Fig.7 Transonic reconstruction results of NACA0012 airfoil

        圖8 NACA0012 翼型跨聲速重構(gòu)結(jié)果Fig.8 Transonic reconstruction results of NACA0012 airfoil

        表3 重構(gòu)誤差Table 3 Reconstruction error

        2.3 變幾何變來流狀態(tài)

        本文采用CST 參數(shù)化方法,選用12 個CST 參數(shù)描述翼型表面幾何形狀,采用拉丁超立方抽樣,在NACA0012 翼型CST 參數(shù)的1±30%范圍內(nèi)進行擾動,隨機抽取樣本翼型(所有樣本翼型都與NACA0012 翼型不同)。采用CFD 計算了900 組壓力分布數(shù)據(jù),來流狀態(tài)范圍為Ma=0.6~0.75、=0°~4°。采用本征正交分解技術(shù)提取了20 組CFD 計算數(shù)據(jù)的POD 基函數(shù),選取了18 個試驗測壓點處的數(shù)據(jù)進行重構(gòu)。

        為了證明本文發(fā)展的方法對于不同翼型仍然具有很好的泛化性,對3 種翼型進行測試,如圖9所示,其中黑色點畫線表示NACA0012 翼型,紅色虛線表示MBB-A3 翼型,橙色實線表示RAE2822 翼型,淺藍(lán)色線條表示通過CST 參數(shù)化隨機采樣獲得的樣本翼型。針對不同翼型表面選取測壓點,首先將其橫坐標(biāo)歸一化在[0,1]之間,然后根據(jù)之前所得18 個測壓點位置,布點獲得對應(yīng)點的壓力數(shù)據(jù)。

        圖9 翼型采樣空間Fig.9 The airfoil sampling space

        圖10 為MBB-A3 翼型(Ma=0.698、=5.49°、Re=6.17×10工況)、NACA0012 翼型(Ma=0.753、=1.95°、Re=3.3×10工況)和RAE2822 翼型(Ma=0.676、=2.4°、Re=5.7×10工況)的重構(gòu)結(jié)果及其與試驗數(shù)據(jù)的對比,表6為試驗和重構(gòu)的升力系數(shù)、俯仰力矩系數(shù)以及對應(yīng)誤差。通過3 種翼型測試算例可知,與試驗壓力分布曲線相比,重構(gòu)曲線存在小幅振蕩。原因可能有兩方面:一方面,由于CFD 計算樣本量太少,提取的低維特征不足以完全捕獲任意翼型在不同來流狀態(tài)下壓力分布所構(gòu)成的特征空間;另一方面,提取的低維特征中存在高階POD 基函數(shù)使其存在微小振蕩。基于重構(gòu)的壓力分布曲線積分獲得的升力系數(shù)和俯仰力矩系數(shù)仍滿足要求,該方法針對變幾何變來流狀態(tài)算例仍然適用,但需要更多的POD 基函數(shù)和測壓點數(shù)據(jù)。表7為較多試驗工況下重構(gòu)升力系數(shù)和俯仰力矩系數(shù)絕對誤差上下限的統(tǒng)計結(jié)果,通過誤差對比,能夠?qū)⑸ο禂?shù)和俯仰力矩系數(shù)誤差控制在0.005 以內(nèi)。

        圖10 變幾何變來流狀態(tài)重構(gòu)結(jié)果Fig.10 Reconstruction of variable geometry with variable flow state

        表6 重構(gòu)誤差Table 6 Reconstruction error

        表7 誤差區(qū)間Table 7 Error interval

        3 結(jié) 論

        本文提出了一種融合風(fēng)洞試驗數(shù)據(jù)和數(shù)值計算數(shù)據(jù)的新方法,基于較少的試驗數(shù)據(jù)重構(gòu)獲得與真實試驗最完整匹配的壓力分布曲線。所發(fā)展的重構(gòu)方法可在一定程度上解決空間受限稀疏觀測條件下的分布載荷精細(xì)化重構(gòu)難題。主要結(jié)論如下:

        1) 通過提取壓力分布CFD 計算數(shù)據(jù)的低維特征,利用有限試驗壓力測量數(shù)據(jù)獲得的升力系數(shù)和俯仰力矩系數(shù)比直接通過試驗數(shù)據(jù)積分獲得的精度更高。

        2) 該方法在固定翼型亞聲速、跨聲速算例以及變幾何變來流狀態(tài)算例中得到了驗證,對不同翼型具有良好的泛化性,重構(gòu)得到的分布載荷、升力系數(shù)和俯仰力矩系數(shù)均能精確匹配試驗結(jié)果。

        3) 由于跨聲速區(qū)激波非線性的影響,需要更多的基函數(shù)和測壓點來進行壓力分布重構(gòu)。

        本文雖然是對壓力分布進行重構(gòu),但提出的基于稀疏試驗數(shù)據(jù)的融合方法可應(yīng)用于剪應(yīng)力和氣動熱測量等領(lǐng)域,對于其他學(xué)科也具有應(yīng)用價值。

        猜你喜歡
        風(fēng)洞試驗升力力矩
        高速列車車頂–升力翼組合體氣動特性
        無人機升力測試裝置設(shè)計及誤差因素分析
        基于自適應(yīng)偽譜法的升力式飛行器火星進入段快速軌跡優(yōu)化
        低風(fēng)壓架空導(dǎo)線的風(fēng)洞試驗
        電線電纜(2017年5期)2017-10-18 00:52:03
        發(fā)動機阻力矩計算和起動機介紹
        山東青年(2016年12期)2017-03-02 18:22:48
        滾轉(zhuǎn)機動載荷減緩風(fēng)洞試驗
        小型力矩電機波動力矩的測量
        彈性負(fù)載力矩下舵偏轉(zhuǎn)角度的測量方法
        升力式再入飛行器體襟翼姿態(tài)控制方法
        基于D-最優(yōu)化理論的陀螺儀力矩反饋測試法
        无码人妻一区二区三区兔费| 日韩久久无码免费看A| 亚洲中文字幕乱码一二三区| 久久婷婷国产色一区二区三区 | 免费av片在线观看网站| 日本色偷偷| 精品蜜臀国产av一区二区| 日本一区二区三区亚洲| 区三区久久精品水蜜桃av| 久久久人妻精品一区bav| 亚洲国产精品美女久久| 亚洲伊人一本大道中文字幕| 亚洲av无码之日韩精品| 99热在线播放精品6| 国产午夜精品综合久久久| 一区二区三区国产精品乱码| 久久久久久久综合综合狠狠| 成人小说亚洲一区二区三区| 久久精品国产88久久综合 | 天堂一区二区三区精品| 风韵丰满熟妇啪啪区老老熟妇| 少妇高潮喷水久久久影院| 久久久久无码国产精品不卡| 国产亚洲av人片在线播放| 日韩极品在线观看视频| 18禁免费无码无遮挡不卡网站| 精品国产一区二区三区av片| 国产成+人+综合+亚洲专| 国产一级黄色性生活片| 日韩av毛片在线观看| 人妻中文字幕无码系列| 无码人妻精品一区二区三18禁| 国产经典免费视频在线观看| 国产在线观看不卡网址| 国产自拍精品在线免费观看| 亚洲欧美日韩精品久久| 久久精品国产自清天天线| 国产西西裸体一级黄色大片| 男女性行为免费视频网站| 国产欧美一区二区精品久久久| 久久99精品国产麻豆不卡|