• <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RBF神經網絡的電池電解液密度預測

    2016-08-11 04:00:26杜靈根王百杰
    船電技術 2016年7期
    關鍵詞:訓練樣本電解液神經網絡

    杜靈根,彭 澎,王百杰

    (武漢船用電力推進裝置研究所,武漢 430064)

    基于RBF神經網絡的電池電解液密度預測

    杜靈根,彭 澎,王百杰

    (武漢船用電力推進裝置研究所,武漢 430064)

    為了對電池電解液密度進行預測,建立了RBF神經網絡模型,用電池放電試驗數(shù)據對其進行了訓練和檢驗。利用訓練后的神經網絡模型進行了電池電解液密度的預測,預測值與實測值的最大誤差值為0.022g/cm3,均方根誤差值為0.004 g/cm3左右。結果表明,RBF神經網絡方法可以滿足預測精度要求,從而可用于建立電池剩余電量實時監(jiān)測系統(tǒng),降低電池維護工作量并延長電池的使用壽命。

    電池 RBF神經網絡 徑向基函數(shù) 電解液密度 SOC

    0 引言

    電池在應用過程中,需要準確測量或預測電池的剩余電量,及時為電池充電,以避免使用過程中電量不足,或電池的過放電行為加速電池的老化,降低其使用壽命。

    目前常用的評估鉛酸蓄電池剩余電量的方法有密度法、開路電壓法、放電試驗法、負載電壓法、內阻法、安時積分法等[1]。其中,密度法利用密度計測量電池電解液密度來推算電池的放電程度,該方法適用于有加液孔蓋的鉛酸蓄電池,但是對密封式鉛酸蓄電池并不適用。同時,密度法需人工巡檢,不能實現(xiàn)對電池剩余電量的即時監(jiān)控,不利于電池的維護工作。其它方法也普遍存在著各自的缺點及監(jiān)測精度不高等問題。

    本文針對密度法評估鉛酸蓄電池剩余電量的不足,借助于神經網絡對非線性問題良好的自學習能力、逼近能力和泛化能力,采用了RBF神經網絡(Radial Basis Function Neural Network,徑向基函數(shù)神經網絡)方法建立了電池電解液密度預測網絡模型,使用電池放電試驗數(shù)據對所建立的網絡模型進行訓練,得到了預測精度較高的神經網絡,并利用網絡預測的電池電解液密度進行電池剩余電量的推算。

    1 RBF神經網絡的主要原理

    RBF神經網絡是一種典型的局部逼近網絡,由Moody和Darken于20世紀80年代末提出。與常用的反向傳播網絡(Back Propagation,BP)相比,RBF神經網絡具有更好的逼近能力、收斂性和學習速率,且不會陷入局部極小值點而無法得到最優(yōu)解。同時,RBF神經網絡通過逐個增加隱層神經元數(shù)的方式進行網絡訓練,因此不需要像BP神經網絡那樣事先確定隱含層節(jié)點個數(shù),更容易得到最優(yōu)的網絡結構。

    RBF神經網絡由三層組成,輸入層用于傳遞輸入信號到隱含層,隱含層節(jié)點由像高斯函數(shù)那樣的輻射狀函數(shù)構成,用于將輸入信號進行非線性變換并作為隱空間的輸出。輸出層節(jié)點為簡單的線性函數(shù)。在隱層節(jié)點足夠多的情況下,經充分學習,可以任意精度逼近任何非線性函數(shù)[2]。圖1所示為典型的徑向基神經網絡結構圖。

    隱層的基函數(shù)采用高斯函數(shù),設輸入為 x,徑向基函數(shù)向量為h=[h1,h2,…,hm],hj為高斯基函數(shù),即:

    式中,x是n維輸入向量;cj是第j個基函數(shù)的中心矢量,是與x具有相同維數(shù)的向量,為高斯函數(shù)的標準化常數(shù),表示高斯核函數(shù)圍繞中心點的寬度;m是隱層節(jié)點的個數(shù);為輸入向量x距離第j個隱層節(jié)點的徑向基函數(shù)的中心向量的歐幾里得范數(shù),為輸入層節(jié)點的數(shù)目。

    輸出層的輸出結果為:

    式中,x為輸入向量;wj為隱層節(jié)點到輸出節(jié)點的權值。

    RBF神經網絡的學習過程分為兩個階段。第一個階段是對所有的輸入樣本進行聚類分析,計算出隱含層各節(jié)點的高斯函數(shù)中心矢量cj和標準化常數(shù)σj;第二階段是在確定隱含層參數(shù)后,根據樣本,利用最小二乘法,求出隱含層到輸出層的權值wj。然后再根據樣本數(shù)據對隱含層參數(shù)和權值進行校正,以進一步提高網絡的逼近精度[3]。

    2 樣本數(shù)據獲取及預處理

    對某型鉛酸蓄電池進行了多時率、全壽命周期的充放電試驗,測量數(shù)據包括端電壓、放電電流、電解液溫度、放電時間積累、充放電周期和電解液密度,建立了電池充放電試驗數(shù)據庫,利用試驗測得的數(shù)據作為樣本數(shù)據對 RBF神經網絡模型進行訓練和測試。

    數(shù)據的預處理包括訓練樣本和測試樣本的分配、輸入數(shù)據的歸一化處理兩部分。

    2.1 訓練樣本及測試樣本分配

    訓練樣本用于對神經網絡進行訓練,根據仿真數(shù)值和實測值的誤差對神經網絡隱含層的參數(shù)和權值進行修正。從總樣本數(shù)據中抽取不少于10%的數(shù)據作為測試樣本,對神經網絡的訓練情況進行測試。如測試樣本的仿真數(shù)值與實測值的誤差值接近訓練樣本的誤差值,表示網絡具有良好的泛化能力,得到了良好的訓練。

    該型電池的充放電試驗共獲得 7643組放電試驗數(shù)據,將其中隨機抽取10%用作測試樣本數(shù)據,其它數(shù)據用作訓練樣本數(shù)據。采用每10條數(shù)據抽取一條作為測試樣本,剩余數(shù)據作為訓練樣本的方法,利用自主開發(fā)的VB程序進行了訓練樣本和測試樣本的分配,最終得到的訓練樣本數(shù)據共計6879條,測試樣本數(shù)據共計764條。也可以采用MATLAB程序編程的方法實現(xiàn)訓練樣本和測試樣本的分配。

    2.2 數(shù)據歸一化處理

    由于輸入數(shù)據具有不同的量綱和量級,因此需對其進行歸一化處理,以避免部分輸入項因為數(shù)據范圍過小而出現(xiàn)數(shù)值屏蔽現(xiàn)象,無法正確體現(xiàn)該輸入項對輸出結果的影響。同時,為提高訓練速度和靈敏性以及有效避開徑向基函數(shù)的飽和區(qū),也需要對數(shù)據進行歸一化處理。

    采用公式(3)對輸入數(shù)據進行了歸一化處理,經過歸一化處理后的數(shù)據集中在[0,1]區(qū)間內:

    式中,x'為經過歸一化處理之后的數(shù)據,x為初始數(shù)據,min和max分別為初始數(shù)據的最小值和最大值。

    3 RBF神經網絡建模及仿真

    利用MATLAB神經網絡工具箱建立RBF神經網絡模型。采用新建徑向基函數(shù)神經網絡函數(shù)newrb,設置目標均方誤差值為1.6e-5,神經元的擴展常數(shù)為spread=0.7,RBF神經網絡通過逐個添加神經元個數(shù)的方式進行神經網絡建模,直至仿真誤差達到設定的均方誤差為止。

    最終建立的神經網絡共包含269個隱層神經元,神經網絡收斂曲線如圖2所示:

    本文使用均方根誤差(Root Mean Square Error,RMSE)對模型的預測精度進行評估,RMSE定義為[4]:

    式中,f(xi)為RBF神經網絡預測值,yi為實測值,n為樣本數(shù)據的個數(shù)。

    最終訓練完成的 RBF神經網絡模型對訓練樣本和測試樣本數(shù)據的仿真誤差RMSE值分別為0.0040 g/cm3和0.0039 g/cm3,神經網絡預測值與實測值的最大偏差為 0.022g/cm3。測試樣本數(shù)據的神經網絡預測值與實測值的偏差值分布如圖 3所示。仿真結果表明,測試樣本仿真誤差略小于訓練樣本的仿真誤差,說明RBF網絡模型得到了良好的訓練,且具有較高的預測精度。

    圖3中偏差較大的數(shù)據點對應的放電電流較高,偏差在±0.001 g/cm3以內的數(shù)據點對應的放電電流值均較低,表明放電電流對電解液密度預測的影響較大,小電流放電時可以得到精確度更高的預測結果。

    考慮到在電池實際使用時放電過程是一個時變、非線性系統(tǒng),此時的放電時間積累項是一個沒有意義的參數(shù)項,因此通過壓減該輸入變量來精簡神經網絡的結構,降低其計算量,同時也使神經網絡建模過程更接近實際工況。新建立的RBF神經網絡訓練經過295周迭代后達到收斂,最終訓練完成的神經網絡模型對訓練樣本和測試樣本數(shù)據的仿真誤差 RMSE值分別為 0.0051 g/cm3和0.0047 g/cm3。表明放電時間積累項對電池電解液密度預測的影響較小,可以在滿足預測精度的情況下去除該輸入項,以精簡神經網絡的結構并降低計算量。

    4 結論

    本文采用 RBF神經網絡方法對電池電解液密度預測進行了研究,預測值與實測值的均方根誤差在 0.004 g/cm3左右,表明在訓練樣本足夠大、樣本質量夠高的情況下,RBF神經網絡方法可以得到精度較高的預測結果。驗證了RBF神經網絡方法用于電池電解液密度預測的可行性,可以用于電池管理系統(tǒng)中,以替代人工測量電池電解液密度的傳統(tǒng)電池維護方式。

    [1]岳仁超.電池管理系統(tǒng)的研究[D].北京:北京交通大學, 2010.

    [2]米林,趙孟娜,秦甲磊等.基于徑向基函數(shù)神經網絡的電動汽車動力電池 SOC模型[J].重慶理工大學學報(自然科學),2011,25(10):1-5.

    [3]吳俊利,徐巖.基于 RBF神經網絡的太陽能電站VRLA蓄電池容量預測方法[J].華北電力大學學報,2010,37(4):35-38.

    [4]雷肖,陳清泉,劉開培等.電動車電池SOC估計的徑向基函數(shù)神經網絡方法[J].電工技術學報,2008,23 (5):81-87.

    Prediction of the Density of Batteries Electrolyte Based on RBF Neural Network

    Du Linggen, Peng Peng,Wang Baijie
    (Wuhan institute of Marine Electric Propulsion, Wuhan 430064, hina)

    RBF neural network is built to forecast the density of batteries electrolyte. The neural network is trained and tested by data of discharging test, and the trained neural network model is used to forecast the density of batteries electrolyte. Maximal error between prediction value and measurement value is 0.022g/cm3, and root mean square error is about 0.004 g/cm3,which verify that the RBF nural network method can meet the demand of the density of battery electrolyte forecast, they are used to establish the observation system of the density of batteries electrolyte, as well as to decrease the workload of batteries maintenance and extend the useful life of the battery.

    battery; RBF neural network; radial basis function; density of electrolyte; SOC

    TP183

    A

    1003-4862(2016)07-0070-03

    2016-03-12

    杜靈根(1984-),男,河南南陽人,碩士,工程師。研究方向:化學電源。

    猜你喜歡
    訓練樣本電解液神經網絡
    人工智能
    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
    平行流銅電解液凈化一次脫銅生產實踐
    山東冶金(2019年5期)2019-11-16 09:09:12
    寬帶光譜成像系統(tǒng)最優(yōu)訓練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    電視技術(2016年9期)2016-10-17 09:13:41
    基于稀疏重構的機載雷達訓練樣本挑選方法
    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
    用高純V2O5制備釩電池電解液的工藝研究
    電源技術(2016年2期)2016-02-27 09:04:59
    硫酸鋅電解液中二(2-乙基己基)磷酸酯的測定
    復數(shù)神經網絡在基于WiFi的室內LBS應用
    a级毛片免费高清观看在线播放| 精品人妻熟女av久视频| 国产一区亚洲一区在线观看| 国产老妇女一区| 级片在线观看| 午夜爱爱视频在线播放| 成年女人永久免费观看视频| 国产av在哪里看| 看免费成人av毛片| 亚洲第一电影网av| 国产片特级美女逼逼视频| 亚洲内射少妇av| 国产 一区精品| 一级黄色大片毛片| 99热精品在线国产| 啦啦啦啦在线视频资源| 色播亚洲综合网| 亚洲熟妇中文字幕五十中出| 2022亚洲国产成人精品| 欧美不卡视频在线免费观看| 日本一本二区三区精品| 国产中年淑女户外野战色| 日韩av在线大香蕉| 欧美+亚洲+日韩+国产| 中文字幕av在线有码专区| 一级毛片aaaaaa免费看小| 久久久精品大字幕| 狂野欧美白嫩少妇大欣赏| 我要看日韩黄色一级片| 日韩欧美精品v在线| 1000部很黄的大片| 寂寞人妻少妇视频99o| 在线观看66精品国产| 联通29元200g的流量卡| 级片在线观看| 国内久久婷婷六月综合欲色啪| 给我免费播放毛片高清在线观看| 亚洲成人中文字幕在线播放| 成人特级黄色片久久久久久久| 国产成人freesex在线| 波多野结衣巨乳人妻| 国产在线精品亚洲第一网站| 最近中文字幕高清免费大全6| 日韩制服骚丝袜av| 大型黄色视频在线免费观看| 女同久久另类99精品国产91| 成年版毛片免费区| 久久久久久久久久久免费av| 国产精品一区二区三区四区免费观看| 看黄色毛片网站| 日韩一区二区视频免费看| 精品久久久久久久久久久久久| 久久精品夜色国产| 最近2019中文字幕mv第一页| 人妻少妇偷人精品九色| 午夜福利视频1000在线观看| www.色视频.com| 黄色一级大片看看| 国产午夜精品论理片| 秋霞在线观看毛片| 日韩欧美三级三区| av在线观看视频网站免费| 久久精品91蜜桃| 老熟妇乱子伦视频在线观看| 91精品一卡2卡3卡4卡| 国内精品久久久久精免费| 别揉我奶头 嗯啊视频| 久久精品国产99精品国产亚洲性色| 久久久久网色| 亚洲欧美清纯卡通| 九九热线精品视视频播放| 菩萨蛮人人尽说江南好唐韦庄 | 欧美一区二区亚洲| 免费av毛片视频| 国产极品天堂在线| 人体艺术视频欧美日本| 国产精品国产高清国产av| 成人一区二区视频在线观看| 91精品国产九色| 我要搜黄色片| 亚洲av免费在线观看| 国产精品一区二区性色av| 亚洲在久久综合| 在线观看午夜福利视频| 永久网站在线| 中文字幕免费在线视频6| 三级毛片av免费| 一级黄片播放器| 美女高潮的动态| 国产亚洲欧美98| 禁无遮挡网站| 久久九九热精品免费| 国产老妇伦熟女老妇高清| 日本一二三区视频观看| 99在线人妻在线中文字幕| 欧美+亚洲+日韩+国产| 亚洲经典国产精华液单| 国产毛片a区久久久久| 日本成人三级电影网站| 高清午夜精品一区二区三区 | 女同久久另类99精品国产91| 伦理电影大哥的女人| 老熟妇乱子伦视频在线观看| 久久久久久久久久成人| 亚洲国产精品合色在线| 精品熟女少妇av免费看| 全区人妻精品视频| 麻豆成人av视频| 亚洲欧美日韩东京热| av在线亚洲专区| 亚洲人成网站在线观看播放| 天堂av国产一区二区熟女人妻| 麻豆成人av视频| 一个人看视频在线观看www免费| 国产精品久久久久久久久免| 国产精品嫩草影院av在线观看| 国产精品嫩草影院av在线观看| 国产黄色视频一区二区在线观看 | 18禁黄网站禁片免费观看直播| 成人毛片60女人毛片免费| 亚洲中文字幕日韩| 在线观看免费视频日本深夜| 三级男女做爰猛烈吃奶摸视频| 岛国毛片在线播放| 国产精品99久久久久久久久| 一级毛片aaaaaa免费看小| 中文资源天堂在线| a级一级毛片免费在线观看| 人妻系列 视频| 在线免费十八禁| 久久九九热精品免费| 国产精品久久视频播放| 日韩av在线大香蕉| а√天堂www在线а√下载| 免费看美女性在线毛片视频| 97在线视频观看| 麻豆国产97在线/欧美| 爱豆传媒免费全集在线观看| 久久99热这里只有精品18| www日本黄色视频网| 亚洲精品日韩av片在线观看| 欧美日本亚洲视频在线播放| 此物有八面人人有两片| 成人毛片a级毛片在线播放| 日本黄色视频三级网站网址| 精品不卡国产一区二区三区| 国产黄片美女视频| 九草在线视频观看| 亚洲欧美日韩东京热| 欧美成人精品欧美一级黄| 热99re8久久精品国产| 熟女人妻精品中文字幕| 又爽又黄无遮挡网站| 亚洲人成网站高清观看| 亚洲av不卡在线观看| 内地一区二区视频在线| 亚洲久久久久久中文字幕| 成人综合一区亚洲| 国产伦一二天堂av在线观看| 白带黄色成豆腐渣| 九草在线视频观看| 女同久久另类99精品国产91| 欧美一区二区精品小视频在线| 少妇被粗大猛烈的视频| 九九久久精品国产亚洲av麻豆| 男女下面进入的视频免费午夜| 日本与韩国留学比较| 亚洲欧美成人综合另类久久久 | 一区二区三区高清视频在线| 亚洲精品日韩av片在线观看| 哪个播放器可以免费观看大片| 蜜臀久久99精品久久宅男| 2021天堂中文幕一二区在线观| 日韩欧美精品v在线| 久久久久久伊人网av| 精品久久久久久久久av| 国产高清有码在线观看视频| 99在线视频只有这里精品首页| 一级黄片播放器| 蜜桃久久精品国产亚洲av| 日韩一区二区视频免费看| 亚洲欧美日韩东京热| 婷婷亚洲欧美| 变态另类成人亚洲欧美熟女| 永久网站在线| 亚洲精品久久久久久婷婷小说 | 中文资源天堂在线| 成年版毛片免费区| 国产探花极品一区二区| 三级经典国产精品| 精品一区二区三区人妻视频| 18禁黄网站禁片免费观看直播| 亚洲精品粉嫩美女一区| 亚州av有码| 九色成人免费人妻av| 国产精品精品国产色婷婷| 免费搜索国产男女视频| 亚洲最大成人手机在线| 久久精品国产亚洲网站| 老司机福利观看| 乱码一卡2卡4卡精品| 免费观看精品视频网站| 真实男女啪啪啪动态图| 少妇的逼水好多| 国产精品一区二区三区四区免费观看| 97超碰精品成人国产| 精品少妇黑人巨大在线播放 | 中文字幕久久专区| a级一级毛片免费在线观看| 久久久久免费精品人妻一区二区| 日本熟妇午夜| 国产精品1区2区在线观看.| 免费观看在线日韩| 22中文网久久字幕| 日本与韩国留学比较| 最新中文字幕久久久久| 91麻豆精品激情在线观看国产| 长腿黑丝高跟| 国产精品精品国产色婷婷| 丝袜美腿在线中文| 久久久久九九精品影院| 狂野欧美白嫩少妇大欣赏| 国产精品伦人一区二区| 又爽又黄a免费视频| 啦啦啦韩国在线观看视频| 欧美激情国产日韩精品一区| 欧美三级亚洲精品| 精品一区二区三区人妻视频| www日本黄色视频网| 亚洲精品粉嫩美女一区| 一级毛片我不卡| 国产一级毛片在线| 99热6这里只有精品| 一卡2卡三卡四卡精品乱码亚洲| 真实男女啪啪啪动态图| 欧美激情国产日韩精品一区| 又粗又爽又猛毛片免费看| 日韩欧美三级三区| 一级毛片久久久久久久久女| 国产片特级美女逼逼视频| 久久久国产成人精品二区| 国产av麻豆久久久久久久| 亚洲经典国产精华液单| 神马国产精品三级电影在线观看| 亚洲人成网站在线播放欧美日韩| 三级男女做爰猛烈吃奶摸视频| av在线蜜桃| 免费看a级黄色片| 国产成人精品婷婷| 亚洲va在线va天堂va国产| 九九爱精品视频在线观看| 成人一区二区视频在线观看| 中国美白少妇内射xxxbb| 乱人视频在线观看| 在线观看午夜福利视频| 欧美高清性xxxxhd video| 国产伦精品一区二区三区四那| 永久网站在线| 亚洲av.av天堂| 嫩草影院入口| 麻豆精品久久久久久蜜桃| 99热这里只有是精品50| 白带黄色成豆腐渣| 亚洲成人精品中文字幕电影| 国产一区二区在线av高清观看| 18禁裸乳无遮挡免费网站照片| 人妻久久中文字幕网| 国产探花极品一区二区| 久久人人精品亚洲av| 中文字幕熟女人妻在线| 亚洲精品久久国产高清桃花| 亚洲国产精品成人久久小说 | 不卡一级毛片| 久久精品国产清高在天天线| 国模一区二区三区四区视频| 又爽又黄a免费视频| 97超碰精品成人国产| 九九在线视频观看精品| 亚洲精品日韩av片在线观看| 国产一区二区在线av高清观看| 日韩欧美精品免费久久| 91精品国产九色| 精品久久久久久久人妻蜜臀av| 小说图片视频综合网站| 国产一区二区在线观看日韩| 丰满乱子伦码专区| 嫩草影院入口| 中出人妻视频一区二区| 日本一本二区三区精品| 大又大粗又爽又黄少妇毛片口| 亚洲国产日韩欧美精品在线观看| 日本一本二区三区精品| www.av在线官网国产| 人体艺术视频欧美日本| 中国美白少妇内射xxxbb| 国产伦精品一区二区三区四那| 国产又黄又爽又无遮挡在线| 99热这里只有精品一区| 免费看日本二区| 国产精品一二三区在线看| 国产精品美女特级片免费视频播放器| 禁无遮挡网站| 18禁裸乳无遮挡免费网站照片| 欧美激情在线99| 日本免费a在线| 免费大片18禁| 有码 亚洲区| 国产成年人精品一区二区| 色吧在线观看| 亚洲精品粉嫩美女一区| a级毛片a级免费在线| 亚洲精品国产成人久久av| 97超视频在线观看视频| 久久久久久久久大av| 国产精品一及| 欧美成人一区二区免费高清观看| 亚洲国产精品国产精品| 国语自产精品视频在线第100页| 久久亚洲精品不卡| 欧美一区二区亚洲| 午夜激情欧美在线| 免费一级毛片在线播放高清视频| 精品一区二区三区人妻视频| 国产国拍精品亚洲av在线观看| 日韩亚洲欧美综合| 丝袜喷水一区| 欧美激情国产日韩精品一区| 夜夜看夜夜爽夜夜摸| 精品国产三级普通话版| 最近中文字幕高清免费大全6| 国产69精品久久久久777片| 亚洲无线观看免费| 久久99蜜桃精品久久| 国产精品日韩av在线免费观看| 欧美成人a在线观看| 免费黄网站久久成人精品| av在线亚洲专区| 日韩欧美精品v在线| 丰满乱子伦码专区| 99热全是精品| 国产精品99久久久久久久久| 3wmmmm亚洲av在线观看| 18禁在线无遮挡免费观看视频| 欧美成人免费av一区二区三区| 日韩,欧美,国产一区二区三区 | 久久久久国产网址| 97人妻精品一区二区三区麻豆| 一个人免费在线观看电影| 精品日产1卡2卡| av福利片在线观看| 亚洲自偷自拍三级| 成人无遮挡网站| 人妻系列 视频| 午夜精品一区二区三区免费看| 国产亚洲精品久久久久久毛片| 又粗又硬又长又爽又黄的视频 | 高清在线视频一区二区三区 | 亚洲精品影视一区二区三区av| 啦啦啦啦在线视频资源| 国产伦一二天堂av在线观看| 欧美日本亚洲视频在线播放| 欧美性猛交╳xxx乱大交人| 麻豆乱淫一区二区| 久久久欧美国产精品| 蜜臀久久99精品久久宅男| 91久久精品国产一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 欧美+日韩+精品| 久久久午夜欧美精品| 国产成人福利小说| 久久久国产成人免费| 日韩视频在线欧美| 全区人妻精品视频| 久久久久久久久大av| 能在线免费看毛片的网站| 亚洲国产精品国产精品| 国产精品1区2区在线观看.| 国内揄拍国产精品人妻在线| 亚洲av第一区精品v没综合| 久久草成人影院| 少妇熟女aⅴ在线视频| 97人妻精品一区二区三区麻豆| 观看美女的网站| 如何舔出高潮| 国产探花极品一区二区| 久久精品91蜜桃| 18禁黄网站禁片免费观看直播| 亚洲18禁久久av| 欧美zozozo另类| 简卡轻食公司| 日本黄色片子视频| 别揉我奶头 嗯啊视频| 看片在线看免费视频| 亚洲最大成人中文| 波多野结衣高清无吗| 丰满人妻一区二区三区视频av| 观看美女的网站| 午夜爱爱视频在线播放| 欧美成人免费av一区二区三区| 欧美潮喷喷水| 99视频精品全部免费 在线| 午夜a级毛片| 最近中文字幕高清免费大全6| 国产黄色视频一区二区在线观看 | 99久国产av精品国产电影| 久久久久久久久久成人| 中文欧美无线码| 狠狠狠狠99中文字幕| 亚洲久久久久久中文字幕| 国产老妇女一区| 成熟少妇高潮喷水视频| 成年版毛片免费区| 99在线人妻在线中文字幕| 99久国产av精品| 国产成人精品久久久久久| 国产精品精品国产色婷婷| 晚上一个人看的免费电影| 熟女电影av网| 亚洲精品国产成人久久av| 成人亚洲精品av一区二区| 亚洲中文字幕一区二区三区有码在线看| 舔av片在线| 老司机福利观看| 人妻夜夜爽99麻豆av| 91在线精品国自产拍蜜月| 欧美一级a爱片免费观看看| 成人三级黄色视频| 插阴视频在线观看视频| 小蜜桃在线观看免费完整版高清| avwww免费| 久99久视频精品免费| 亚洲欧美日韩东京热| 国产一区亚洲一区在线观看| 免费在线观看成人毛片| 在线a可以看的网站| 我要看日韩黄色一级片| 老师上课跳d突然被开到最大视频| av天堂在线播放| 性色avwww在线观看| 久久久欧美国产精品| 国内揄拍国产精品人妻在线| 午夜精品在线福利| 亚洲欧美成人精品一区二区| av免费在线看不卡| 欧美丝袜亚洲另类| 成年版毛片免费区| 国产精品爽爽va在线观看网站| 99久久人妻综合| 精品一区二区三区人妻视频| 偷拍熟女少妇极品色| 日韩欧美国产在线观看| 亚洲一区高清亚洲精品| 亚洲国产精品国产精品| ponron亚洲| 欧美在线一区亚洲| 国产色婷婷99| 黄片wwwwww| 欧美xxxx性猛交bbbb| 国产精品1区2区在线观看.| 中国国产av一级| 国产精品麻豆人妻色哟哟久久 | videossex国产| 波多野结衣巨乳人妻| 高清日韩中文字幕在线| 人妻系列 视频| 麻豆久久精品国产亚洲av| 岛国在线免费视频观看| 免费一级毛片在线播放高清视频| 亚洲精品成人久久久久久| 亚洲国产精品成人久久小说 | 在线观看美女被高潮喷水网站| 亚洲人成网站高清观看| 国产一区二区在线观看日韩| 亚洲人与动物交配视频| 成年版毛片免费区| or卡值多少钱| 国产又黄又爽又无遮挡在线| 国产极品天堂在线| 午夜老司机福利剧场| 国产亚洲精品av在线| 国产成年人精品一区二区| 午夜精品国产一区二区电影 | 国产精品久久久久久av不卡| 99精品在免费线老司机午夜| 看非洲黑人一级黄片| 久久精品国产亚洲网站| 欧美三级亚洲精品| 欧美zozozo另类| 国产伦在线观看视频一区| 欧美一区二区国产精品久久精品| 国内久久婷婷六月综合欲色啪| 日本与韩国留学比较| 午夜爱爱视频在线播放| 人体艺术视频欧美日本| 亚洲七黄色美女视频| 人人妻人人看人人澡| 黑人高潮一二区| 欧美高清性xxxxhd video| 国产av在哪里看| av女优亚洲男人天堂| 人人妻人人澡人人爽人人夜夜 | 久久精品夜色国产| 永久网站在线| 插阴视频在线观看视频| 黄色配什么色好看| 嫩草影院精品99| 亚洲av成人精品一区久久| 最新中文字幕久久久久| 中文字幕精品亚洲无线码一区| 波野结衣二区三区在线| 嫩草影院精品99| 成人欧美大片| 99久久中文字幕三级久久日本| 欧美极品一区二区三区四区| 97人妻精品一区二区三区麻豆| 狂野欧美白嫩少妇大欣赏| 小说图片视频综合网站| 最近中文字幕高清免费大全6| 免费一级毛片在线播放高清视频| 国产成人91sexporn| 亚洲精品456在线播放app| 日韩av不卡免费在线播放| 99久久精品国产国产毛片| 国产白丝娇喘喷水9色精品| 中国国产av一级| 日韩一区二区视频免费看| 日日撸夜夜添| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品久久久久久婷婷小说 | 免费av毛片视频| 久久草成人影院| 亚洲自拍偷在线| 在线免费观看不下载黄p国产| 在线观看av片永久免费下载| 97热精品久久久久久| 亚洲经典国产精华液单| 中国国产av一级| 成人午夜精彩视频在线观看| 亚州av有码| 国产精品永久免费网站| 婷婷色综合大香蕉| 久久久久性生活片| 边亲边吃奶的免费视频| 男人的好看免费观看在线视频| 色综合色国产| 超碰av人人做人人爽久久| 欧美变态另类bdsm刘玥| 亚洲av成人av| 最近最新中文字幕大全电影3| 男女下面进入的视频免费午夜| 成年免费大片在线观看| 中文字幕av成人在线电影| 国内精品宾馆在线| 一级黄色大片毛片| 亚洲aⅴ乱码一区二区在线播放| 97超碰精品成人国产| 精品久久国产蜜桃| 久久久精品大字幕| 色吧在线观看| 久久久久久久久久久丰满| 亚洲精品成人久久久久久| 日本黄色片子视频| 久久久午夜欧美精品| 国产美女午夜福利| 日韩欧美 国产精品| 久久久色成人| 天堂中文最新版在线下载 | 3wmmmm亚洲av在线观看| 亚洲一区高清亚洲精品| av天堂在线播放| 国产中年淑女户外野战色| 在线观看av片永久免费下载| 亚洲欧美中文字幕日韩二区| 全区人妻精品视频| 插阴视频在线观看视频| 亚洲经典国产精华液单| 一个人观看的视频www高清免费观看| www.av在线官网国产| 国产高清有码在线观看视频| 不卡视频在线观看欧美| 日韩成人av中文字幕在线观看| 久久久久久久久久成人| 一夜夜www| 日韩,欧美,国产一区二区三区 | 天堂√8在线中文| 亚洲三级黄色毛片| 变态另类丝袜制服| 看黄色毛片网站| 欧美性感艳星| 国产免费男女视频| 最近中文字幕高清免费大全6| 看免费成人av毛片| av卡一久久| 人人妻人人澡人人爽人人夜夜 | 亚洲久久久久久中文字幕| 国内揄拍国产精品人妻在线| 久久精品国产鲁丝片午夜精品| av免费在线看不卡| 青春草视频在线免费观看| 又粗又硬又长又爽又黄的视频 | 在线观看免费视频日本深夜| 亚洲精品影视一区二区三区av| 免费无遮挡裸体视频| 亚洲国产精品成人综合色| 国产精品1区2区在线观看.| 国产精品久久视频播放| 精品熟女少妇av免费看| 国产精品久久久久久精品电影小说 | .国产精品久久| 最后的刺客免费高清国语| 天堂中文最新版在线下载 | or卡值多少钱| 欧美人与善性xxx| 久久韩国三级中文字幕| 夜夜看夜夜爽夜夜摸|