• <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GSA的ELM電能質(zhì)量擾動識別方法研究

    2015-08-14 22:12:07李斌韓曉紅
    中國高新技術(shù)企業(yè) 2015年26期
    關(guān)鍵詞:特征選擇適應(yīng)度分類器

    李斌 韓曉紅

    摘要:ELM是一個單隱層神經(jīng)網(wǎng)絡(luò),具有良好的泛化和快速學(xué)習(xí)能力,該算法只需用戶調(diào)整隱含層節(jié)點個數(shù),但該參數(shù)的選擇直接影響了ELM的性能。文章提出一種新的優(yōu)化方案,該方案使用GSA優(yōu)化輸入特征子集和隱含層節(jié)點數(shù)以提高ELM的性能,實驗結(jié)果表明:該方法在識別電能質(zhì)量擾動方面更快、更準(zhǔn)確。

    關(guān)鍵詞:GSA;ELM;小波變換;特征選擇;萬有引力搜索算法;極限學(xué)習(xí)機 文獻(xiàn)標(biāo)識碼:A

    中圖分類號:TM614 文章編號:1009-2374(2015)29-0015-03 DOI:10.13535/j.cnki.11-4406/n.2015.29.008

    1 概述

    工業(yè)中由于電能質(zhì)量(Power-Quality,PQ)問題已經(jīng)造成大量資源的流失,導(dǎo)致PQ問題的主要原因是過多地使用固態(tài)開關(guān)設(shè)備、非線性負(fù)載、各種數(shù)據(jù)處理設(shè)備等。這些設(shè)備的使用使得PQ信號的相位、頻率和振幅發(fā)生了畸變,從而進(jìn)一步導(dǎo)致過熱、電機故障、諧波失真等問題。傳統(tǒng)上,PQ問題可以通過目測干擾波形,但該方法需要工程師具備一定的專業(yè)知識,且需要分析大量數(shù)據(jù),因此,有必要開發(fā)自動的PQ干擾識別方法。

    自動識別方法主要包括兩步:特征提取和模式識別。小波變換(Wavelet Transform,WT)可以用于電力信號擾動檢測和定位。有學(xué)者提出基于WT和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)的PQ擾動檢測方法。參考文獻(xiàn)[4]使用支持向量機(Support Vector Machine,SVM)實現(xiàn)信號的識別。然而,SVM需要對復(fù)雜的二次規(guī)劃問題進(jìn)行求解,涉及高的計算復(fù)雜度和時間成本,當(dāng)數(shù)據(jù)集較大時,這一缺陷更為明顯。參考文獻(xiàn)[5]使用ANN實現(xiàn)多分類,ANN通過網(wǎng)絡(luò)直接把輸入數(shù)據(jù)映射到不同的類,ANN易于實現(xiàn),更像人類的思維認(rèn)知,然而,對于大規(guī)模問題,ANN缺乏有效的快速學(xué)習(xí)算法,且存在隱含層神經(jīng)元個數(shù)的選擇問題。

    極限學(xué)習(xí)機(Extreme Learning Machine,ELM)是一種新的學(xué)習(xí)算法,它是一種單隱層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。相比傳統(tǒng)的基于梯度的學(xué)習(xí)算法,ELM學(xué)習(xí)速度快,且泛化性能好,同時避免了傳統(tǒng)學(xué)習(xí)方法面臨的問題。本文使用ELM進(jìn)行PQ擾動信號識別,相比其他方法,ELM的優(yōu)點是用戶只需調(diào)整隱含層節(jié)點數(shù)目,但最佳隱含層節(jié)點數(shù)目的選擇可以提高其性能。萬有引力搜索算法(Gravitational Search Algorithm,GSA)是一種新的群體優(yōu)化算法,相比其他優(yōu)化算法,它具有跳出局部最優(yōu)解的能力,且易于實現(xiàn),本文通過GSA優(yōu)化ELM參數(shù)以獲得較高的分類精度,同時使用GSA對小波變換后PQ擾動信號進(jìn)行特征提取,以完成對電能質(zhì)量擾動信號的識別。

    2 方法

    基于GSA的ELM電能質(zhì)量擾動分類系統(tǒng)首先通過GSA檢測最佳特征子集,接著使用GSA估計最佳隱含層節(jié)點數(shù),以達(dá)到自動優(yōu)化ELM分類器的準(zhǔn)確性。圖1為基于GSA的ELM優(yōu)化分類框架。

    圖1 GSA-ELM分類框架

    給定訓(xùn)練集{Xi,Yi},隱含層節(jié)點輸出函數(shù)為G(W,B,X),Lmax為最大隱含層節(jié)點數(shù)。

    步驟1:通過GSA算法選擇最佳輸入特征數(shù)量(N)和隱含層節(jié)點數(shù)(L)。

    步驟2:隨機分配隱含節(jié)點的參數(shù)(Wi,Bi),i=1,2,……,L。

    步驟3:計算隱含層的輸出矩陣YH。

    步驟4:計算輸出權(quán)值,是隱含層輸出矩陣的廣義Moore–Penrose逆矩陣。

    2.1 編碼

    為了有效地利用GSA優(yōu)化ELM,使用二進(jìn)制編碼表示粒子。表1顯示了使用的二進(jìn)制粒子表示,每個粒子由兩部分組成:第一部分包含特征子集f,f選自d個輸入特征;第二部分包含隱含層神經(jīng)元個數(shù)。由于位置向量的第一部分用于實現(xiàn)特征選擇任務(wù),每個元素為“0”(特征丟棄)或“1”(特征選擇)。代表特征值,表示隱含層神經(jīng)元個數(shù),nc為隱含層神經(jīng)元的位數(shù)。實驗使用7位編碼方案表示隱含層神經(jīng)元,13位表示特征值。

    表1 籽子表示

    2.2 適應(yīng)度函數(shù)

    GSA基于適應(yīng)度函數(shù)值評估每一個候選解pi的優(yōu)劣。適應(yīng)度函數(shù)使用分類精度和特征數(shù)作為評估標(biāo)準(zhǔn)。具有較高的分類精度和少的特征數(shù)目的粒子具有高的適應(yīng)度值。式(1)為定義的適應(yīng)度函數(shù),適應(yīng)度函數(shù)有兩個預(yù)定義的權(quán)重wA和wF,wA代表ELM分類精度acci的權(quán)值;wF代表所選擇的特征的權(quán)值。

    (1)

    fj為“1”表示第j個特征被選擇,“0”表示沒被選中,nF是總的特征數(shù)。分類的準(zhǔn)確性(acc)表示正確分類的百分比,acc通過公式(2)計算,其中cc表示正確分類的數(shù)目,uc表示錯誤分類的數(shù)目。

    (2)

    2.3 GSA-ELM系統(tǒng)

    基于GSA的特征選擇和ELM參數(shù)優(yōu)化系統(tǒng)描述如下(如圖2所示):

    步驟1:隨機初始化S個粒子的位置及速度矢量vi(i=1,2,…,S)。

    步驟2:使用每個粒子pi∈Rd+1(i=1,2,…,S)中的特征子集和隱含層神經(jīng)元數(shù)、訓(xùn)練ELM分類器,并計算相應(yīng)的適應(yīng)度函數(shù)值fitnessi。

    步驟3:更新G(t)、worst(t)、best(t)、,i=1,2,…,S。

    步驟4:計算不同方向的合力,計算加速度和速度。

    步驟5:使用。

    步驟6:使用每個候選粒子pi(i=1,2,…,S),訓(xùn)練ELM分類器,計算相應(yīng)的適應(yīng)度函數(shù)fitnessi。

    步驟7:如果最大迭代次數(shù)尚未達(dá)到,返回到步驟2,否則轉(zhuǎn)到步驟8。

    步驟8:選擇群中最佳位置,通過映射的特征子集培訓(xùn)ELM分類器,使用映射的隱層神經(jīng)元數(shù)目建模。

    步驟9:使用訓(xùn)練好的ELM分類器對電能質(zhì)量擾動信號進(jìn)行分類。

    圖2 基于GSA的特征選擇和ELM參數(shù)優(yōu)化流程圖

    3 實驗

    本節(jié)實驗評估提出的GSA-ELM分類系統(tǒng)的性能。使用MATLAB 2013a作為開發(fā)平臺,實驗硬件環(huán)境是Intel(R)Core(TM)i5-4440CPU@3.10GHz,3.09GHz 8.00GB內(nèi)存,操作系統(tǒng)是Microsoft Windows 8。

    3.1 數(shù)據(jù)描述

    實驗使用9類(C1-C9)不同的PQ干擾事件,數(shù)據(jù)描述如下:C1表示電壓暫降,C2表示電壓暫升,C3表示電壓中斷,C4表示諧波,C5表示頻率波動,C6表示振蕩暫態(tài),C7表示間諧波,C8表示脈沖暫態(tài),C9表示電壓缺口。在MATLAB使用不同參數(shù)值的參數(shù)化模型產(chǎn)生這9類電能質(zhì)量信號。

    實際中,每個擾動事件的特性會有很大的差異。為了模擬實際,生成100種不同的事件。50個事件用于培訓(xùn),通過隨機變化各種參數(shù)生成另外50個事件,用于測試事件的所屬類別,使用深度、角度、開始時間和持續(xù)時間用于改變事件的不同種類。深度指一個信號的幅度變化,角度代表信號的相移,開始時間是事件開始的時間,持續(xù)時間指事件的擾動時間。

    根據(jù)IEEE,實驗中的上述參數(shù)在不同的情況下有所變化,對這些樣本進(jìn)行小波變換,分解信號到第十三級。

    3.2 基于特征選擇和參數(shù)優(yōu)化的擾動分類

    GSA算法的種群大小設(shè)置為20,隱含層神經(jīng)元的搜索范圍是0~127。準(zhǔn)確率權(quán)值wA調(diào)整到95%,特征集的權(quán)值wF設(shè)置為5%。表2給出了在特定的迭代下給定神經(jīng)元個數(shù),獲得的最優(yōu)特征數(shù)目和ELM隱含層神經(jīng)元的數(shù)目。

    為了評估該方法的有效性和可行性,比較ELM和GSA-ELM的分類準(zhǔn)確率,比較結(jié)果列于表3。從表3可見,使用基于特征選擇和參數(shù)優(yōu)化方法的GSA-ELM分類性能超過ELM的分類性能。

    表4給出每個類的精度比較結(jié)果,從表4可以看出,使用基于GSA-ELM分類方法,有4種擾動(C1,C5,C6,C7)獲得了百分之百的分類精度,使用ELM方法,有2種擾動(C2,C4)獲得了百分之百的分類精度。

    4 結(jié)語

    本文提出基于GSA的ELM電能質(zhì)量擾動識別方法,通過GSA檢測可用的最佳特征子集和優(yōu)化的ELM參數(shù),提高ELM分類器的分類性能。該方法對于提高具有分類能力的PQ監(jiān)測設(shè)備的性能具有巨大的潛力。從所獲得的實驗結(jié)果可以看出,提出的方法可以應(yīng)用于電能質(zhì)量擾動信號分類,且該方法的分類能力優(yōu)于傳統(tǒng)的分類方法。

    參考文獻(xiàn)

    [1] W.-M.Lin,C.-H.Wu,C.-H.Lin,F(xiàn).-S.Cheng.Detection and classification of mul-tiple power-quality disturbances with wavelet multiclass SVM[J].IEEE Trans.Power Deliv,2008,23(4).

    [2] H.Eris ti,Y.Demir.Automatic classification of power quality events and dis-turbances using wavelet transform and support vector machines[J].IET Gener.Transm.Distrib,2012,6(10).

    [3] A.M.Gaouda,M.M.A.Salama,M.K.Sultan,A.Y.Chikhani.Power quality detec-tion and classification using wavelet-multiresolution signal decomposition[J].IEEE Trans.Power Deliv,1999,14(4).

    [4] C.Cortes,V.Vapnik.Support vector networks[J].Mach.Learn,1995,(20).

    [5] R.Zhang,G.-B.Huang,N.Sundararajan,P.Saratchandran.Multicategory classi-fication using an extreme learning machine for microarray gene expressioncancer diagnosis[J].IEEE/ACM Trans.Comput.Biol.Bioinform,2007,4(3).

    [6] W.Li,C.Chen,H.Su,Q.Du.Local binary patterns and extreme learning machinefor hyperspectral imagery classification[J].IEEE Trans.Geosci.Remote Sens,2015,53(7).

    [7] G.-B.Huang,C.-K.Siew.Extreme learning machine:RBF network case,in:Proceedings of the Eighth International Conference on Control,Automation,Robotics and Vision(ICARCV 2004)[J].Kunming,China,2004,(2).

    [8] Y.Bazi,N.Alajlan,F(xiàn).Melgani,H.AlHichri,S.Malek,R.R.Yager.Differential evo-lution extreme learning machine for the classification of hyperspectral images[J].IEEE Trans.Geosci.Remote Sens.Lett,2014,11(6).

    [9] E.Rashedi,H.Nezamabadi-pour,S.Saryazdi.GSA:a gravitational search algorithm[J].Inform.Sci,2009,179.

    [10] E.Rashedi,H.Nezamabadi-Pour,S.Saryazdi.BGSA:binary gravitational search algorithm[J].Nat.Comput,2010,9.

    [11] A.M.Gargoom,N.Ertugrul,W.L.Soong.Investigation of effective automaticrecognition systems of power-quality events[J].IEEE Trans.Power Deliv,2007,22(4).

    基金項目:山西省自然科學(xué)基金資助項目(2014011021-1)。

    作者簡介:李斌(1985-),男,供職于國網(wǎng)寧夏電力公司信息通信公司。

    (責(zé)任編輯:周 瓊)

    猜你喜歡
    特征選擇適應(yīng)度分類器
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    計算機仿真(2022年8期)2022-09-28 09:53:02
    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
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    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
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    中國塑料(2016年11期)2016-04-16 05:26:02
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    計算機工程(2014年6期)2014-02-28 01:26:36
    国产欧美日韩一区二区三| 亚洲成a人片在线一区二区| 91成年电影在线观看| 国产精品av视频在线免费观看| 成人av在线播放网站| 中文亚洲av片在线观看爽| 高清毛片免费观看视频网站| 在线观看www视频免费| 久久亚洲真实| 亚洲精品在线美女| 给我免费播放毛片高清在线观看| 久久精品91蜜桃| 欧美成狂野欧美在线观看| 中文亚洲av片在线观看爽| 热99re8久久精品国产| 一二三四社区在线视频社区8| 级片在线观看| 亚洲国产欧洲综合997久久,| 亚洲 欧美一区二区三区| 亚洲第一欧美日韩一区二区三区| av超薄肉色丝袜交足视频| 欧美黑人欧美精品刺激| 少妇人妻一区二区三区视频| 在线观看66精品国产| 黑人欧美特级aaaaaa片| 午夜激情福利司机影院| 叶爱在线成人免费视频播放| 国产精品久久久久久精品电影| 亚洲熟女毛片儿| 99精品在免费线老司机午夜| 国产单亲对白刺激| 亚洲精华国产精华精| 久久精品综合一区二区三区| 免费av毛片视频| 久久精品人妻少妇| 手机成人av网站| 伦理电影免费视频| 99久久国产精品久久久| 两个人视频免费观看高清| 国产精品久久久久久亚洲av鲁大| 国产熟女xx| www.熟女人妻精品国产| 国产久久久一区二区三区| 狂野欧美白嫩少妇大欣赏| 亚洲一区高清亚洲精品| 国产亚洲欧美98| 一级a爱片免费观看的视频| 精品久久久久久久久久久久久| 久久久久国产一级毛片高清牌| 久久九九热精品免费| 嫩草影院精品99| 丰满人妻一区二区三区视频av | 国产伦一二天堂av在线观看| 欧美日韩亚洲国产一区二区在线观看| 国产成人精品久久二区二区91| 国产亚洲欧美在线一区二区| 国产高清视频在线观看网站| 久久精品aⅴ一区二区三区四区| 搡老岳熟女国产| 亚洲乱码一区二区免费版| 精品不卡国产一区二区三区| 国产激情欧美一区二区| 欧美一级毛片孕妇| 无人区码免费观看不卡| 午夜福利视频1000在线观看| 日韩欧美免费精品| 亚洲精品美女久久久久99蜜臀| 99re在线观看精品视频| 一进一出抽搐gif免费好疼| 特级一级黄色大片| 成人一区二区视频在线观看| 这个男人来自地球电影免费观看| 免费在线观看影片大全网站| 女人被狂操c到高潮| 国产一区二区三区在线臀色熟女| 亚洲色图av天堂| 18禁黄网站禁片午夜丰满| 亚洲美女视频黄频| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕精品亚洲无线码一区| 国产欧美日韩精品亚洲av| 色在线成人网| av在线播放免费不卡| 国产高清视频在线播放一区| 一进一出抽搐gif免费好疼| 日韩国内少妇激情av| 观看免费一级毛片| 特大巨黑吊av在线直播| 热99re8久久精品国产| 欧美成人性av电影在线观看| 亚洲九九香蕉| 久久中文看片网| 国产精品,欧美在线| 日韩 欧美 亚洲 中文字幕| 男女午夜视频在线观看| 国产精品免费视频内射| 岛国在线观看网站| 亚洲精品av麻豆狂野| 黄色丝袜av网址大全| 好男人在线观看高清免费视频| 久久精品影院6| 国产野战对白在线观看| 中文资源天堂在线| 国产又黄又爽又无遮挡在线| 一卡2卡三卡四卡精品乱码亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| 久久中文字幕一级| 国产精品九九99| 啦啦啦免费观看视频1| 国产高清视频在线播放一区| 一边摸一边做爽爽视频免费| 日日爽夜夜爽网站| 观看免费一级毛片| 搡老熟女国产l中国老女人| 在线国产一区二区在线| 高清在线国产一区| 欧美一级毛片孕妇| 后天国语完整版免费观看| 久久精品成人免费网站| 国产伦人伦偷精品视频| 一个人免费在线观看的高清视频| 女生性感内裤真人,穿戴方法视频| 国产不卡一卡二| 国产三级中文精品| 精品国产亚洲在线| 超碰成人久久| 久久久久免费精品人妻一区二区| 久久久久精品国产欧美久久久| 午夜精品在线福利| 欧美zozozo另类| 国产精品精品国产色婷婷| 国产一区二区激情短视频| 国产成年人精品一区二区| 1024香蕉在线观看| 国产蜜桃级精品一区二区三区| 国产亚洲精品第一综合不卡| 黑人巨大精品欧美一区二区mp4| 熟妇人妻久久中文字幕3abv| 精品久久久久久久人妻蜜臀av| 亚洲国产中文字幕在线视频| 久久久久性生活片| 麻豆成人午夜福利视频| 国产精华一区二区三区| 狂野欧美白嫩少妇大欣赏| 精品欧美国产一区二区三| 欧美成人一区二区免费高清观看 | 日韩欧美一区二区三区在线观看| 国产野战对白在线观看| 午夜免费观看网址| 亚洲国产欧美人成| 舔av片在线| 欧美日韩中文字幕国产精品一区二区三区| 99久久精品热视频| 波多野结衣高清作品| 亚洲熟妇熟女久久| 99热只有精品国产| 床上黄色一级片| 91成年电影在线观看| 美女高潮喷水抽搐中文字幕| 中文字幕人妻丝袜一区二区| 亚洲精品色激情综合| 亚洲美女视频黄频| 欧美黑人欧美精品刺激| 成在线人永久免费视频| 长腿黑丝高跟| 老汉色av国产亚洲站长工具| 一个人免费在线观看的高清视频| 久久中文字幕人妻熟女| 中文字幕人妻丝袜一区二区| 亚洲精品久久成人aⅴ小说| 美女高潮喷水抽搐中文字幕| 国产一区二区在线av高清观看| 国产一区二区激情短视频| 亚洲中文av在线| 亚洲av美国av| av有码第一页| 丝袜美腿诱惑在线| 最近最新中文字幕大全免费视频| 国产精品久久久久久人妻精品电影| 日本 欧美在线| 久久久久九九精品影院| 午夜精品久久久久久毛片777| 亚洲欧美激情综合另类| 欧洲精品卡2卡3卡4卡5卡区| 国产精品99久久99久久久不卡| 久久婷婷人人爽人人干人人爱| cao死你这个sao货| 亚洲欧美精品综合久久99| 亚洲国产日韩欧美精品在线观看 | 日本 欧美在线| 精品欧美国产一区二区三| 97超级碰碰碰精品色视频在线观看| 特大巨黑吊av在线直播| 亚洲国产日韩欧美精品在线观看 | 91大片在线观看| 91麻豆av在线| 国产成人av激情在线播放| 中文资源天堂在线| 悠悠久久av| 国产又色又爽无遮挡免费看| 久久中文看片网| 亚洲av电影在线进入| 国产精品 国内视频| 好男人在线观看高清免费视频| 亚洲成a人片在线一区二区| 国产成人啪精品午夜网站| 国产精品一区二区免费欧美| 亚洲国产欧美网| 妹子高潮喷水视频| 两个人的视频大全免费| www日本黄色视频网| 美女黄网站色视频| 一个人免费在线观看的高清视频| 国产成人精品久久二区二区91| 国产精品久久久久久人妻精品电影| 在线观看免费日韩欧美大片| 成年免费大片在线观看| 亚洲男人的天堂狠狠| 精品国内亚洲2022精品成人| 国产伦一二天堂av在线观看| 国产视频一区二区在线看| 欧美又色又爽又黄视频| 丁香欧美五月| 免费在线观看完整版高清| 久久中文字幕人妻熟女| 一本久久中文字幕| 欧美成人免费av一区二区三区| 级片在线观看| 制服人妻中文乱码| 一本大道久久a久久精品| 中文亚洲av片在线观看爽| 国产一区二区在线观看日韩 | 俄罗斯特黄特色一大片| 又大又爽又粗| 蜜桃久久精品国产亚洲av| 免费观看精品视频网站| 757午夜福利合集在线观看| www日本在线高清视频| 999久久久国产精品视频| 久久中文看片网| av在线天堂中文字幕| 两性夫妻黄色片| 校园春色视频在线观看| 国产亚洲精品综合一区在线观看 | 欧美zozozo另类| 真人一进一出gif抽搐免费| 国产成人欧美在线观看| 国产激情欧美一区二区| 亚洲最大成人中文| 欧美成人午夜精品| 国产亚洲精品第一综合不卡| 香蕉丝袜av| 可以免费在线观看a视频的电影网站| 看片在线看免费视频| 亚洲色图av天堂| 神马国产精品三级电影在线观看 | 少妇的丰满在线观看| 免费观看精品视频网站| 久热爱精品视频在线9| 国产不卡一卡二| 九九热线精品视视频播放| 香蕉国产在线看| 老司机福利观看| 又黄又粗又硬又大视频| 亚洲午夜理论影院| 日韩精品中文字幕看吧| 精品少妇一区二区三区视频日本电影| 国产精品久久久久久亚洲av鲁大| 欧美午夜高清在线| 听说在线观看完整版免费高清| 中亚洲国语对白在线视频| 久9热在线精品视频| 成人18禁高潮啪啪吃奶动态图| 欧美性长视频在线观看| 亚洲精品在线观看二区| 一级a爱片免费观看的视频| 久久久久久国产a免费观看| 亚洲av美国av| 99国产精品一区二区蜜桃av| 国产成人aa在线观看| 中文在线观看免费www的网站 | 老汉色av国产亚洲站长工具| 久久久久久久午夜电影| 好男人在线观看高清免费视频| 成人一区二区视频在线观看| 999久久久国产精品视频| 五月玫瑰六月丁香| 一级片免费观看大全| 亚洲成a人片在线一区二区| 怎么达到女性高潮| 成年版毛片免费区| 人人妻人人澡欧美一区二区| 国产一区二区在线av高清观看| 1024视频免费在线观看| 久久久久国产一级毛片高清牌| 真人做人爱边吃奶动态| 亚洲一区中文字幕在线| 亚洲精品一区av在线观看| 亚洲熟妇熟女久久| 国产亚洲av嫩草精品影院| 久久国产精品人妻蜜桃| www日本在线高清视频| 2021天堂中文幕一二区在线观| 视频区欧美日本亚洲| 美女 人体艺术 gogo| 最近最新中文字幕大全电影3| 国产乱人伦免费视频| 国产亚洲精品第一综合不卡| 久久久国产精品麻豆| 国产麻豆成人av免费视频| 日韩大尺度精品在线看网址| 全区人妻精品视频| 久久婷婷人人爽人人干人人爱| 男女之事视频高清在线观看| x7x7x7水蜜桃| 免费一级毛片在线播放高清视频| 国产一级毛片七仙女欲春2| 男女下面进入的视频免费午夜| 欧美一区二区国产精品久久精品 | 亚洲免费av在线视频| 欧美丝袜亚洲另类 | 亚洲自拍偷在线| 国产精品日韩av在线免费观看| 又大又爽又粗| 高清在线国产一区| 欧美精品啪啪一区二区三区| 国产野战对白在线观看| 亚洲av电影在线进入| av片东京热男人的天堂| 淫妇啪啪啪对白视频| 国产精品99久久99久久久不卡| 午夜影院日韩av| 亚洲九九香蕉| 亚洲欧美激情综合另类| 真人做人爱边吃奶动态| 久久久久久免费高清国产稀缺| 欧美午夜高清在线| 麻豆av在线久日| 一卡2卡三卡四卡精品乱码亚洲| 日韩精品中文字幕看吧| 美女大奶头视频| 极品教师在线免费播放| 99精品久久久久人妻精品| svipshipincom国产片| 搞女人的毛片| 亚洲欧美日韩无卡精品| 听说在线观看完整版免费高清| 久久久精品国产亚洲av高清涩受| 看黄色毛片网站| 久久国产乱子伦精品免费另类| 欧美黑人精品巨大| 亚洲av第一区精品v没综合| 国产日本99.免费观看| 中文资源天堂在线| 女人高潮潮喷娇喘18禁视频| 成在线人永久免费视频| 最新在线观看一区二区三区| 韩国av一区二区三区四区| 久久久国产欧美日韩av| а√天堂www在线а√下载| 精品久久蜜臀av无| 国产免费男女视频| 一进一出抽搐gif免费好疼| 精品乱码久久久久久99久播| 亚洲色图 男人天堂 中文字幕| 国内精品久久久久精免费| 亚洲成人免费电影在线观看| 国产精品九九99| 桃色一区二区三区在线观看| 夜夜躁狠狠躁天天躁| 欧美精品啪啪一区二区三区| 亚洲国产精品999在线| 国产亚洲精品久久久久5区| 成人国语在线视频| 一本综合久久免费| 欧美又色又爽又黄视频| 丝袜美腿诱惑在线| 国产成人欧美在线观看| 国产精品国产高清国产av| 久久精品国产亚洲av香蕉五月| 桃红色精品国产亚洲av| 亚洲 欧美一区二区三区| 日韩精品青青久久久久久| 精品免费久久久久久久清纯| 精品久久久久久成人av| 变态另类成人亚洲欧美熟女| 亚洲18禁久久av| 久久久精品国产亚洲av高清涩受| 亚洲国产欧美网| 午夜视频精品福利| 波多野结衣高清作品| 国产熟女午夜一区二区三区| 啦啦啦韩国在线观看视频| 日本免费一区二区三区高清不卡| 免费看美女性在线毛片视频| 人妻久久中文字幕网| 亚洲国产精品合色在线| 色噜噜av男人的天堂激情| 国产av一区二区精品久久| 久久精品91无色码中文字幕| 怎么达到女性高潮| 亚洲 国产 在线| 制服丝袜大香蕉在线| 国产久久久一区二区三区| 在线观看www视频免费| 亚洲精品粉嫩美女一区| 免费在线观看亚洲国产| 亚洲欧美日韩东京热| 在线永久观看黄色视频| 成人手机av| 麻豆一二三区av精品| 巨乳人妻的诱惑在线观看| 国产伦人伦偷精品视频| 校园春色视频在线观看| 夜夜看夜夜爽夜夜摸| 亚洲国产欧美人成| 亚洲人成伊人成综合网2020| 不卡av一区二区三区| 丰满人妻一区二区三区视频av | 国产视频内射| 老司机深夜福利视频在线观看| 日韩精品免费视频一区二区三区| 日韩大码丰满熟妇| 国产1区2区3区精品| 成人三级黄色视频| www.www免费av| 黄色a级毛片大全视频| 国产一区二区三区视频了| 国产私拍福利视频在线观看| 香蕉国产在线看| 啦啦啦观看免费观看视频高清| 免费看a级黄色片| 久久亚洲真实| 一级毛片女人18水好多| 午夜福利在线在线| 日本 欧美在线| 精品国产乱子伦一区二区三区| 日本五十路高清| 一个人免费在线观看电影 | 中国美女看黄片| 欧美一级a爱片免费观看看 | 亚洲黑人精品在线| 亚洲av成人精品一区久久| 美女大奶头视频| 亚洲专区国产一区二区| 哪里可以看免费的av片| 成人国语在线视频| 女同久久另类99精品国产91| 免费高清视频大片| 成人国语在线视频| 国产亚洲精品久久久久久毛片| 琪琪午夜伦伦电影理论片6080| 久久草成人影院| 日本黄色视频三级网站网址| 亚洲中文av在线| 熟女少妇亚洲综合色aaa.| 国产一级毛片七仙女欲春2| 91av网站免费观看| 免费在线观看日本一区| 成人三级黄色视频| 国产亚洲av嫩草精品影院| netflix在线观看网站| 一区福利在线观看| 久9热在线精品视频| 国产亚洲精品一区二区www| 婷婷六月久久综合丁香| 欧美日韩一级在线毛片| 亚洲欧美日韩东京热| 亚洲av美国av| 两人在一起打扑克的视频| 一二三四在线观看免费中文在| 亚洲精品粉嫩美女一区| 人妻久久中文字幕网| 亚洲 国产 在线| 青草久久国产| 亚洲午夜精品一区,二区,三区| 俄罗斯特黄特色一大片| 欧美大码av| 色在线成人网| 欧美色视频一区免费| 国产精品一区二区精品视频观看| 视频区欧美日本亚洲| 日韩欧美国产在线观看| 亚洲美女黄片视频| 成人手机av| 亚洲欧美日韩东京热| 亚洲熟妇熟女久久| 成人18禁在线播放| 美女大奶头视频| 久9热在线精品视频| 老司机在亚洲福利影院| a级毛片a级免费在线| 久久久久精品国产欧美久久久| 午夜免费成人在线视频| 国模一区二区三区四区视频 | 久久久久国产一级毛片高清牌| 身体一侧抽搐| 日本一二三区视频观看| 一本大道久久a久久精品| 国产欧美日韩精品亚洲av| 成人亚洲精品av一区二区| 人妻夜夜爽99麻豆av| 麻豆av在线久日| 久久久久免费精品人妻一区二区| 亚洲精品色激情综合| 正在播放国产对白刺激| 国产蜜桃级精品一区二区三区| 99久久综合精品五月天人人| 久久久国产欧美日韩av| 亚洲成a人片在线一区二区| 日本黄大片高清| 最近最新中文字幕大全免费视频| 免费一级毛片在线播放高清视频| 日韩欧美一区二区三区在线观看| 午夜老司机福利片| 91在线观看av| 亚洲激情在线av| 欧美成人免费av一区二区三区| 欧美一区二区精品小视频在线| 亚洲五月天丁香| 在线a可以看的网站| 国产三级黄色录像| xxx96com| 一区福利在线观看| 97超级碰碰碰精品色视频在线观看| 99久久久亚洲精品蜜臀av| 亚洲成av人片免费观看| 不卡一级毛片| 在线观看免费日韩欧美大片| 亚洲自偷自拍图片 自拍| 久久久精品欧美日韩精品| 91在线观看av| 免费看美女性在线毛片视频| 中文资源天堂在线| 99国产综合亚洲精品| 日本一本二区三区精品| 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| 精品一区二区三区视频在线观看免费| 亚洲aⅴ乱码一区二区在线播放 | 久久精品aⅴ一区二区三区四区| 老司机午夜福利在线观看视频| 男人舔女人的私密视频| 男插女下体视频免费在线播放| 免费无遮挡裸体视频| 免费看美女性在线毛片视频| 丁香六月欧美| 日本精品一区二区三区蜜桃| 中文字幕最新亚洲高清| 巨乳人妻的诱惑在线观看| 久久久精品国产亚洲av高清涩受| 国产一级毛片七仙女欲春2| 最近最新免费中文字幕在线| 亚洲成人久久爱视频| 99国产精品99久久久久| 亚洲国产欧美人成| 成人精品一区二区免费| 亚洲av电影在线进入| 亚洲午夜理论影院| av有码第一页| 日日夜夜操网爽| 国产精品一区二区三区四区久久| 国产在线精品亚洲第一网站| 1024香蕉在线观看| 久久久久精品国产欧美久久久| 一区福利在线观看| 国产久久久一区二区三区| www日本黄色视频网| 亚洲免费av在线视频| av天堂在线播放| 免费在线观看黄色视频的| 精品国产亚洲在线| 青草久久国产| 亚洲精品一卡2卡三卡4卡5卡| 两个人视频免费观看高清| 国产伦在线观看视频一区| 俄罗斯特黄特色一大片| 看黄色毛片网站| 女生性感内裤真人,穿戴方法视频| 亚洲在线自拍视频| 五月玫瑰六月丁香| 看免费av毛片| 深夜精品福利| 脱女人内裤的视频| 亚洲精品国产精品久久久不卡| 国产99久久九九免费精品| www.999成人在线观看| 一级毛片精品| 九九热线精品视视频播放| 好看av亚洲va欧美ⅴa在| 91av网站免费观看| 少妇熟女aⅴ在线视频| 免费人成视频x8x8入口观看| 又紧又爽又黄一区二区| 国产精华一区二区三区| 不卡一级毛片| 国产真实乱freesex| 日韩欧美 国产精品| 亚洲成人久久爱视频| 国产精品久久久久久亚洲av鲁大| 免费在线观看成人毛片| 97人妻精品一区二区三区麻豆| 蜜桃久久精品国产亚洲av| 国产精品一区二区三区四区久久| 国产熟女xx| 久久天躁狠狠躁夜夜2o2o| 亚洲国产高清在线一区二区三| 久久久久国内视频| 国产精品亚洲一级av第二区| 久久天躁狠狠躁夜夜2o2o| 亚洲精品一卡2卡三卡4卡5卡| 免费人成视频x8x8入口观看| 亚洲av五月六月丁香网| 中亚洲国语对白在线视频| 亚洲一区二区三区色噜噜|