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

        ?

        面向腦控車輛的模糊融合控制方法研究

        2022-09-06 11:09:46張文锜吳志強(qiáng)
        關(guān)鍵詞:左轉(zhuǎn)方向盤指令

        董 娜,張文锜,吳志強(qiáng)

        天津大學(xué) 電氣自動(dòng)化與信息工程學(xué)院,天津 300072

        腦機(jī)接口(BCI)分析腦信號(hào)以了解可用于控制各種機(jī)器的人的意圖和狀態(tài)[1]。由此衍生的腦控技術(shù),使得BCI的用戶可以通過(guò)思想輕松地控制各種電子設(shè)備,如:腦控輪椅[2]、腦控車[3-5]、腦控?zé)o人機(jī)[6]、腦控機(jī)器人[7]等。在BCI的眾多應(yīng)用中,腦控車輛(BCV)指通過(guò)腦機(jī)接口解析駕駛員的腦電信號(hào)進(jìn)而獲得控制命令的車輛[9]。

        根據(jù)腦控駕駛員參與控制的連續(xù)性,可將基于EEG的腦控車輛分成兩類:(1)不連續(xù)的BCV;(2)連續(xù)BCV[10]。對(duì)于不連續(xù)型BCV,駕駛員的控制指令并不參與車輛的整個(gè)控制過(guò)程[11-12]或者車輛的整個(gè)控制過(guò)程不連續(xù)[13]。對(duì)于連續(xù)型BCV,駕駛員在整個(gè)駕駛過(guò)程中都參與車輛的橫向或縱向控制,且控制過(guò)程連續(xù)[14-16]。與不連續(xù)BCV 相比,顯然連續(xù)BCV 人為參與性更高。因此本文中選擇針對(duì)連續(xù)型BCV展開(kāi)設(shè)計(jì)。

        對(duì)于目前的腦控車輛,制約其控制性能的主要因素是BCI本身的性能受限,其一是BCI可辨識(shí)指令數(shù)目受限,一旦變多,辨識(shí)準(zhǔn)確率會(huì)大大降低。其二是辨識(shí)準(zhǔn)確率隨受試者不同變化幅度較大,其三是BCI識(shí)別速度慢,難以做到實(shí)時(shí)控制。由于BCI 性能存在以上問(wèn)題,單獨(dú)使用大腦進(jìn)行控制的車輛性能必然受限。目前提高腦控車輛性能有兩種思路,一是提高BCI 本身性能,二是基于共享控制的思想為BCV添加輔助控制。在文獻(xiàn)[17]中基于模糊控制為腦控車輛設(shè)計(jì)了輔助控制器。但是,大腦控制只部分參與車輛控制,在其余部分車輛切換為自動(dòng)控制,本質(zhì)上屬于一種不連續(xù)型BCV。文獻(xiàn)[9]提出了一種針對(duì)于連續(xù)型BCV的基于模型預(yù)測(cè)控制(MPC)的輔助控制方案。在該方案中,其MPC 控制器中使用的模型是將大腦決策過(guò)程與簡(jiǎn)化的車輛模型一起建模得到的。然而,大腦決策過(guò)程本身是一個(gè)復(fù)雜的過(guò)程,導(dǎo)致難以對(duì)其準(zhǔn)確建模。

        本文基于模糊邏輯提出一種以人的意圖為優(yōu)先的模糊腦控融合控制,用于在BCI性能受限的情況下提高BCV的控制性能。因?yàn)槟:刂撇恍枰唧w的數(shù)學(xué)模型,因此避開(kāi)了給大腦決策過(guò)程建模的問(wèn)題。其次,本文所提出的方法針對(duì)連續(xù)型BCV,腦控信號(hào)全程參與車輛控制,充分提高人的參與程度。

        1 基于SSMVEP型BCI的腦控車輛系統(tǒng)

        1.1 整體框架

        腦控車輛整體框架如圖1所示。整體的工作流程:首先,腦控駕駛員依靠車輛狀態(tài)和環(huán)境信息決策一個(gè)腦控指令(方向盤向左,方向盤向右,方向盤保持)。然后通過(guò)用戶界面施加相應(yīng)的刺激。駕駛員通過(guò)注視用戶界面中的3個(gè)旋轉(zhuǎn)頻率不同范式圖案來(lái)產(chǎn)生代表3種轉(zhuǎn)向命令的EEG 信號(hào)。3 個(gè)范式圖案如圖2 所示,左、中、右側(cè)圖案分別對(duì)應(yīng)左轉(zhuǎn)、保持、右轉(zhuǎn)。采集到的EEG信號(hào)經(jīng)過(guò)信號(hào)的處理與分類后,通過(guò)發(fā)送裝置發(fā)送。通過(guò)信號(hào)轉(zhuǎn)換模型,將駕駛員的腦控指令轉(zhuǎn)換為具體的方向盤轉(zhuǎn)角,最終輸出到被控車輛。

        表3 左轉(zhuǎn)指令的監(jiān)督模糊規(guī)則表Table 3 Supervision fuzzy rules for turning left instruction

        圖1 腦控車輛整體框架Fig.1 Overall framework of BCV

        圖2 SSMVEP刺激范式Fig.2 SSMVEP stimulation paradigm

        1.2 SSMVEP

        傳統(tǒng)的SSVEP型BCI,常采用光閃爍或圖形翻轉(zhuǎn)等刺激方式,易造成使用者視覺(jué)疲勞、降低大腦響應(yīng)和辨識(shí)準(zhǔn)確率。本文采用一種基于旋轉(zhuǎn)視覺(jué)感知的穩(wěn)態(tài)運(yùn)動(dòng)誘發(fā)電位(SSMVEP)型BCI[18],可提高信噪比,降低使用者視覺(jué)疲勞。范式圖案通過(guò)PSYCHTOOLBOX 工具箱編程繪制范式圖案紋理,改變紋理旋轉(zhuǎn)角度來(lái)實(shí)現(xiàn)旋轉(zhuǎn)范式運(yùn)動(dòng),如圖2所示。

        2 模糊腦控融合控制

        2.1 整體方案基本思想

        由于BCI指令識(shí)別可能出現(xiàn)錯(cuò)誤,并且在進(jìn)行腦控操作時(shí),操作者也可能因?yàn)槠?、注意力不集中等?wèn)題而發(fā)出錯(cuò)誤指令。因此對(duì)于腦控車系統(tǒng)而言,如想讓駕駛員的腦控指令全程參與車輛的控制過(guò)程,首先要對(duì)駕駛員發(fā)出的腦控指令進(jìn)行監(jiān)督評(píng)估。為此,本文引入FDES監(jiān)督理論解決這個(gè)問(wèn)題。

        其次,在得到了駕駛員腦控指令的正確程度以后,還需要結(jié)合具體的控制機(jī)制以實(shí)現(xiàn)對(duì)該指令的具體實(shí)施以及錯(cuò)誤糾正。為此,在監(jiān)督評(píng)估腦控指令的正確程度的同時(shí),本文基于模糊邏輯,設(shè)計(jì)了一個(gè)自動(dòng)控制器,該控制器會(huì)實(shí)時(shí)根據(jù)車輛當(dāng)前狀況進(jìn)行首次模糊推理輸出一個(gè)自動(dòng)決策。為了使腦控車輛能夠盡可能地尊重駕駛員的主觀意圖,接著將監(jiān)督評(píng)估后得到的腦控指令的正確程度與控制器輸出的自動(dòng)決策進(jìn)行第二次模糊推理以得到腦控車輛的最終決策,即根據(jù)腦控指令的正確程度對(duì)自動(dòng)決策作出更符合人意圖的調(diào)整。當(dāng)駕駛員的控制命令正確時(shí),那么予以執(zhí)行,即在自動(dòng)決策的基礎(chǔ)上加重;當(dāng)駕駛員的控制命令錯(cuò)誤程度不嚴(yán)重時(shí),那么只對(duì)其進(jìn)行限制,即在自動(dòng)決策的基礎(chǔ)上減輕;當(dāng)駕駛員的控制命令錯(cuò)誤嚴(yán)重時(shí),此時(shí)才進(jìn)行糾正,即輸出自動(dòng)決策不變。

        基于上述思想,本文設(shè)計(jì)了一個(gè)模糊腦控融合控制器來(lái)輔助駕駛員完成對(duì)腦控車輛的控制,該控制器的整體控制框圖如圖3所示。

        圖3 模糊腦控融合的輔助控制機(jī)制Fig.3 Auxiliary control mechanism of fusion brain control based on fuzzy logic

        2.2 自動(dòng)模糊控制

        在圖3所示的模糊腦控融合的輔助控制機(jī)制下,首先,以車輛距道路中心線的偏差e,以及偏差的變化率de為輸入量,在設(shè)置好的模糊規(guī)則庫(kù)2 下,會(huì)基于模糊推理輸出一個(gè)自動(dòng)控制決策。該過(guò)程為基于模糊邏輯的自動(dòng)模糊控制過(guò)程,其作用是為最終決策的制定提供一個(gè)決策的基準(zhǔn)。

        輸入變量為車輛距道路中心線的偏差e、偏差的變化率de,輸出變量為車輛方向盤轉(zhuǎn)角u。e的模糊集為{NB,NM,NS,ZO,PS,PM,PB},對(duì)應(yīng)于{偏左較大,偏左中,偏左較小,零,偏右較小,偏右中,偏右較大}。de模糊集為{NB,NM,NS,ZO,PS,PM,PB},對(duì)應(yīng)于{負(fù)大,負(fù)中,負(fù)小,零,正小,正中,正大}。輸出u的模糊集為{NB,NM,NS,ZO,PS,PM,PB}對(duì)應(yīng)于{向左嚴(yán)重偏轉(zhuǎn),向左中等偏轉(zhuǎn),向左輕微偏轉(zhuǎn),方向盤保持,向右嚴(yán)重偏轉(zhuǎn),向右中等偏轉(zhuǎn),向右輕微偏轉(zhuǎn)}。隸屬度函數(shù)具體如圖4所示。

        圖4 自動(dòng)模糊控制輸入輸出的隸屬度函數(shù)Fig.4 Membership functions of input and output of automatic fuzzy control

        其中e的基本論域?yàn)閇-10,10](單位:m),模糊論域?yàn)閇-5,5],量化因子Ke為0.5;de的基本論域?yàn)閇-2,2],模糊論域?yàn)閇-2,2],量化因子Kde為1;u的基本論域?yàn)閇-720,720](單位:°),模糊論域?yàn)閇-10,10],比例因子Ku為72。

        如該系統(tǒng)模糊規(guī)則庫(kù)R共有n條規(guī)則,用Rn表示第n條規(guī)則:

        則模糊關(guān)系為:

        系統(tǒng)總的控制規(guī)則R為:

        整體控制規(guī)則表如表1所示。

        表1 自動(dòng)模糊控制規(guī)則表Table 1 Automatic fuzzy control rule table

        合成運(yùn)算°采用取大-取小法,當(dāng)輸入變量e、de分別取模糊集A、B時(shí),經(jīng)模糊推理得到輸出量U可表示為:

        采用重心法去模糊化得到最終輸出u:

        2.3 腦控指令監(jiān)督模式

        對(duì)于腦控車系統(tǒng)而言,需要監(jiān)控的事件是駕駛員發(fā)出的腦控指令的正確程度。

        本文所設(shè)計(jì)的腦控車系統(tǒng)主要針對(duì)其橫向方向上的運(yùn)動(dòng),其模糊自動(dòng)機(jī)描述為:

        其中系統(tǒng)狀態(tài)代表車輛轉(zhuǎn)向程度,分別代表左轉(zhuǎn)程度、保持方向盤程度、右轉(zhuǎn)程度:

        由于腦控指令數(shù)量有限,認(rèn)為事件集P并非模糊事件,即每次腦控指令到來(lái)時(shí),以固定角度左或右轉(zhuǎn)。事件集P由Pc可控事件和Puc不可控事件組成:

        其中Pc可控事件代表接收到駕駛員的腦控指令:

        pL、pH、pR代表接受到3種腦控指令,左轉(zhuǎn)、保持方向盤、右轉(zhuǎn)。而Puc代表未接受到腦控指令,即腦控指令發(fā)送間隔。在接受到一個(gè)腦控指令后,直到下一個(gè)指令到達(dá),Pc的狀態(tài)才會(huì)變更為接收到下一個(gè)腦控指令的狀態(tài)。Pc的初始值為pH。

        為模糊狀態(tài)轉(zhuǎn)換函數(shù),具體表現(xiàn)為IF-Then 形式的模糊規(guī)則語(yǔ)句所表達(dá)的模糊推理過(guò)程的集合:

        并使得下式成立:

        其中為合成運(yùn)算。

        系統(tǒng)的初始狀態(tài)為。

        模糊監(jiān)控器為,是其對(duì)應(yīng)的模糊語(yǔ)言。此時(shí)設(shè)為事件發(fā)生程度的約束項(xiàng),在這里表示接收到腦控信號(hào)的正確程度。Pc(p)為當(dāng)前發(fā)生的可控的事件,則監(jiān)控行為可表示為:

        這里由偏差e及偏差變化率de通過(guò)表2至表4中的模糊規(guī)則進(jìn)行模糊推理確定。

        表2 保持指令的監(jiān)督模糊規(guī)則表Table 2 Supervision fuzzy rules for holding on instruction

        表4 右轉(zhuǎn)指令的監(jiān)督模糊規(guī)則表Table 4 Supervision fuzzy rules for turning right instruction

        由偏差e和偏差變化率de經(jīng)公式(1)至(6)得出,其模糊集為{Bad,Mid,Good},對(duì)應(yīng)于{錯(cuò)誤程度嚴(yán)重,錯(cuò)誤程度一般,正確}?!蔥-1,1]。為了方便表示,后續(xù)統(tǒng)一用Γ來(lái)代表駕駛員腦控指令的正確程度,Γ的隸屬度函數(shù)如圖5所示。

        圖5 Γ 的隸屬度函數(shù)Fig.5 Membership function of Γ

        2.4 模糊腦控融合決策過(guò)程

        在得到腦控指令的正確程度Γ以后,本文中將這一結(jié)果與2.2節(jié)中自動(dòng)模糊控制器的輸出進(jìn)行二次模糊推理,根據(jù)Γ所確定的腦控指令的正確程度對(duì)自動(dòng)決策進(jìn)行更符合人意圖的調(diào)整,得到腦控車輛的最終決策。該過(guò)程的具體思路為:

        (1)當(dāng)經(jīng)過(guò)監(jiān)督評(píng)估后,腦控指令的正確程度較高(Γ為Good)時(shí),此時(shí)執(zhí)行腦控指令,并對(duì)自動(dòng)決策的程度進(jìn)行加重。比如自動(dòng)決策為向左輕微偏轉(zhuǎn)(NS),此時(shí)腦控指令為左轉(zhuǎn)并且經(jīng)過(guò)監(jiān)督評(píng)估后判斷為正確(Good),則最終決策由自動(dòng)決策的向左輕微偏轉(zhuǎn)(NS)加重為向左中等偏轉(zhuǎn)(NM)。

        (2)當(dāng)經(jīng)過(guò)監(jiān)督評(píng)估后,腦控指令出錯(cuò),但是錯(cuò)誤程度一般(Γ為Mid)時(shí),此時(shí)雖然不執(zhí)行指令,但出于最大程度尊重人主觀想法的原則,會(huì)把自動(dòng)決策的程度減輕。比如自動(dòng)決策是向右中等偏轉(zhuǎn)(PM),此時(shí)腦控指令為左轉(zhuǎn)并且經(jīng)過(guò)監(jiān)督評(píng)估后判斷為錯(cuò)誤程度一般(Mid),則最終決策由自動(dòng)決策的向右中等偏轉(zhuǎn)(PM)減輕為向右輕微偏轉(zhuǎn)(PS)。

        (3)當(dāng)經(jīng)過(guò)監(jiān)督評(píng)估后,腦控指令出錯(cuò),并且錯(cuò)誤程度嚴(yán)重(Γ為Bad)時(shí),此時(shí)則糾正該指令,輸出自動(dòng)決策的結(jié)果。比如自動(dòng)決策為向右嚴(yán)重偏轉(zhuǎn)(PB),此時(shí)腦控指令為左轉(zhuǎn)并且經(jīng)過(guò)監(jiān)督評(píng)估后判斷為錯(cuò)誤程度嚴(yán)重(Bad),則最終輸出仍為向右嚴(yán)重偏轉(zhuǎn)(PB)。

        按照上述決策思路得到了表5 所示的融合模糊規(guī)則表(L、H、R分別代表左轉(zhuǎn)指令、保持指令和右轉(zhuǎn)指令,L_Good代表腦控指令為左轉(zhuǎn)并經(jīng)過(guò)監(jiān)督評(píng)估后判斷為正確)。

        表5 融合模糊規(guī)則表Table 5 Fusion fuzzy rule table

        3 實(shí)驗(yàn)驗(yàn)證

        為驗(yàn)證本文所提方案的有效性,本章中搭建了腦控車系統(tǒng)實(shí)驗(yàn)平臺(tái),設(shè)計(jì)并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

        實(shí)驗(yàn)中硬件部分腦機(jī)接口采用SSMVEP型BCI,信號(hào)采集使用天津大學(xué)人工智能與網(wǎng)絡(luò)科學(xué)研究所設(shè)計(jì)的便攜式腦電采集設(shè)備配合40 通道的腦電極帽,傳輸采用無(wú)線WiFi,軟件部分為Carsim 與Matlab 聯(lián)合仿真平臺(tái)。實(shí)驗(yàn)平臺(tái)如圖6所示。

        圖6 實(shí)驗(yàn)平臺(tái)Fig.6 Experiment platform

        實(shí)驗(yàn)道路如圖7,道路寬度設(shè)置為10 m,超出視為超界。以起點(diǎn)為原點(diǎn),行駛方向?yàn)閤軸,道路中心線的軌跡可分成2段彎道部分及2段直線部分:

        圖7 實(shí)物道路Fig.7 Experimental road

        小車的初始狀態(tài)為方向盤轉(zhuǎn)角為0°,縱向速度2 m/s并全程保持不變。腦控指令發(fā)送周期為4 s,腦控指令分為3種:左轉(zhuǎn)、右轉(zhuǎn)、保持方向盤。未加入模糊腦控融合控制器時(shí),每次收到腦控轉(zhuǎn)向指令,小車方向盤以90°固定角轉(zhuǎn)動(dòng)直到接收到下一個(gè)腦控指令。加入模糊腦控融合控制器后,腦控指令僅給出人的意圖(左轉(zhuǎn)、右轉(zhuǎn)或者保持方向盤)即可,具體方向盤轉(zhuǎn)角,由控制器依據(jù)人的意圖以及當(dāng)前的車輛信息給出。SSMVEP 刺激頻率分別為14 Hz、16 Hz和18 Hz。

        實(shí)驗(yàn)被試者4名,4人均視力正?;虺C正后正常、精神狀態(tài)良好、沒(méi)有大腦相關(guān)疾病。實(shí)驗(yàn)分為離線和在線過(guò)程,首先通過(guò)離線實(shí)驗(yàn)確定了這4名受試者各自的離線BCI識(shí)別準(zhǔn)確率分別為73.8%、80%、84.2%、91.4%。

        在線實(shí)驗(yàn)的腦控駕駛?cè)蝿?wù)為控制小車從起點(diǎn)沿路線行駛一圈回到起點(diǎn),讓BCI識(shí)別準(zhǔn)確率不同的4名被試者分別在無(wú)融合控制器的輔助下和有融合控制器的輔助下進(jìn)行這一任務(wù)。

        實(shí)驗(yàn)統(tǒng)計(jì)的指標(biāo)為:完成腦控駕駛?cè)蝿?wù)的時(shí)間,駕駛?cè)^(guò)程的平均側(cè)向偏差、最大側(cè)向偏差、超界行駛率(超界行駛時(shí)間與完成任務(wù)總時(shí)間的比值)、超界的次數(shù)。實(shí)驗(yàn)結(jié)果如表6。

        表6 加入融合控制器后的腦控車輛控制性能Table 6 Control performance of BCV after adding fusion controller

        為了使最后結(jié)果表現(xiàn)得更加明顯,本文制成了柱狀圖及折線圖進(jìn)行展示如圖8所示,并給出了車輛軌跡圖如圖9所示。

        圖8 添加與未添加融合控制器結(jié)果對(duì)比Fig.8 Control performance of BCV with or without fusion controller

        通過(guò)數(shù)據(jù)可知,本文所提方法可以有效改善腦控車輛的控制性能。對(duì)于4名受試者而言,即使其BCI識(shí)別準(zhǔn)確率差異很大,但在加入融合控制器以后,車輛的最大偏差分別降低了94.5%、95.6%、95.1%、95%,車輛的平均偏差分別降低了93.6%、94.8%、94.8%、93.8%,任務(wù)完成時(shí)間分別減少了8.9%、12.5%、9.3%、15.4%,而超界行駛率都降為0,證明了本文所提方法的普適性和有效性。

        進(jìn)一步給出車輛的行駛軌跡圖如圖9所示。

        圖9 車輛軌跡圖Fig.9 Trajectory of BCV

        由車輛行駛軌跡圖,可進(jìn)一步看出,由于BCI 辨識(shí)時(shí)間較長(zhǎng),單獨(dú)由腦控控制的車輛調(diào)節(jié)比較滯后,因此偏離預(yù)設(shè)軌跡嚴(yán)重;且由于BCI 辨識(shí)命令數(shù)量受限,因此在有限的指令下難以做到精細(xì)的調(diào)節(jié),單獨(dú)由腦控控制的車輛軌跡也不夠平滑。而在加入融合控制器后,腦控車輛的控制精度明顯提高,整體軌跡平滑,不會(huì)突變。也可以看到在直道部分,車輛并不完全貼合軌跡,證明了該方案在保證控制精度的同時(shí)能夠尊重人的主觀意圖。

        4 結(jié)語(yǔ)

        實(shí)驗(yàn)結(jié)果表明,加入融合控制器后的BCV 的控制性能得到了明顯改善。對(duì)于不同被試者,車輛的最大偏差和平均偏差均減少了90%以上,且在設(shè)定安全限制為10 m 情況下將超界行駛率控制為0。提出的控制器將有限的駕駛員控制命令細(xì)化拓展為更細(xì)微的調(diào)整,在指令非嚴(yán)重錯(cuò)誤時(shí)結(jié)合當(dāng)前車況予以執(zhí)行,并在指令嚴(yán)重錯(cuò)誤時(shí)可以進(jìn)行糾正。在盡量尊重人主觀意圖的前提下,有效彌補(bǔ)了當(dāng)前BCI準(zhǔn)確率隨受試者不同變化幅度較大,辨識(shí)時(shí)間及辨識(shí)命令數(shù)量也受限的問(wèn)題。但對(duì)于腦控指令的監(jiān)督嚴(yán)格程度及最終決策貼合人意圖程度上,根據(jù)實(shí)際需求可以進(jìn)一步調(diào)整所設(shè)置的模糊規(guī)則。如何確定一個(gè)最佳模糊規(guī)則以實(shí)現(xiàn)讓尊重人的意圖程度和控制精度的統(tǒng)一是今后的研究方向。

        猜你喜歡
        左轉(zhuǎn)方向盤指令
        聽(tīng)我指令:大催眠術(shù)
        交叉口借道左轉(zhuǎn)方案的交通安全仿真研究
        基于車流擁擠檢測(cè)的“借道左轉(zhuǎn)”自適應(yīng)智能控制*
        不能左轉(zhuǎn)
        六旬老人因搶奪公交車方向盤獲刑
        道路交叉口“借道左轉(zhuǎn)”的優(yōu)化控制
        ARINC661顯控指令快速驗(yàn)證方法
        LED照明產(chǎn)品歐盟ErP指令要求解讀
        把握好直銷的方向盤
        把準(zhǔn)方向盤 握緊指向燈 走好創(chuàng)新路
        国语淫秽一区二区三区四区| 精品91精品91精品国产片| 日本一区二区在线播放观看| 美女脱了内裤洗澡视频| 国产精品多人p群无码| 国产成人精品成人a在线观看| 91中文人妻丝袜乱一区三区 | 亚洲精品成人网站在线播放| 亚洲av久久无码精品九九| 午夜亚洲国产精品福利| 日本老熟妇五十路一区二区三区| 精品久久久久久无码中文野结衣 | 精品久久久久久无码人妻热| 欧美在线综合| 玩弄丝袜美腿超短裙校花| 麻豆资源在线观看视频| 麻豆精品国产专区在线观看| 午夜爽爽爽男女污污污网站| 精品无码专区久久久水蜜桃 | 国产影片中文字幕| 无码在线观看123| 日本一区免费喷水| 久久精品亚洲精品国产区| 久久国产色av免费观看| 国产一品道av在线一二三区| 久久久久久久久国内精品影视| 一区二区免费中文字幕| 国产黑丝美腿在线观看| 午夜成人无码福利免费视频| 亚洲女同成av人片在线观看| 久久久国产熟女综合一区二区三区| 国产亚洲美女精品久久久2020| 草莓视频成人| 按摩师玩弄少妇到高潮hd| 国产成人精品一区二区20p| 亚洲国产精品日韩av专区| 女同性恋精品一区二区三区| 成人做爰黄片视频蘑菇视频| 国精品午夜福利视频不卡| 天堂中文资源在线地址| 偷拍女厕尿尿在线免费看|