• <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
    18禁观看日本| 国产伦理片在线播放av一区| 你懂的网址亚洲精品在线观看| 日韩av不卡免费在线播放| 女人精品久久久久毛片| 国产精品久久久久久av不卡| 亚洲精品国产av蜜桃| 亚洲欧美成人精品一区二区| 亚洲av欧美aⅴ国产| 国产片内射在线| 国产麻豆69| 国产国语露脸激情在线看| 男女国产视频网站| 欧美精品亚洲一区二区| 久久精品熟女亚洲av麻豆精品| 色94色欧美一区二区| 亚洲熟女精品中文字幕| 黄片播放在线免费| 精品国产超薄肉色丝袜足j| 精品人妻在线不人妻| 人体艺术视频欧美日本| 色婷婷av一区二区三区视频| 丰满少妇做爰视频| 秋霞在线观看毛片| 欧美老熟妇乱子伦牲交| 18在线观看网站| 各种免费的搞黄视频| 色播在线永久视频| 精品人妻一区二区三区麻豆| 香蕉丝袜av| 国产麻豆69| 黄色毛片三级朝国网站| 丝袜在线中文字幕| 看免费成人av毛片| 久久精品久久久久久噜噜老黄| 久久久久久久久免费视频了| 热re99久久精品国产66热6| 成人午夜精彩视频在线观看| 伊人亚洲综合成人网| 中文字幕色久视频| 热99国产精品久久久久久7| 日日啪夜夜爽| 免费观看av网站的网址| 国产精品人妻久久久影院| 日韩欧美精品免费久久| 精品亚洲成国产av| 老司机影院毛片| 久久精品久久久久久噜噜老黄| 午夜免费鲁丝| 欧美成人精品欧美一级黄| 亚洲男人天堂网一区| freevideosex欧美| 9色porny在线观看| 国产一级毛片在线| 五月开心婷婷网| 日韩中字成人| 国产1区2区3区精品| 999精品在线视频| 黄片小视频在线播放| a级毛片在线看网站| 午夜激情久久久久久久| 欧美日韩av久久| 国产免费又黄又爽又色| 国产精品 国内视频| 午夜久久久在线观看| 不卡av一区二区三区| 免费黄频网站在线观看国产| 高清黄色对白视频在线免费看| 各种免费的搞黄视频| 欧美 亚洲 国产 日韩一| 亚洲国产精品国产精品| 免费观看在线日韩| 色哟哟·www| 中文乱码字字幕精品一区二区三区| 丝袜喷水一区| 永久免费av网站大全| 一级片'在线观看视频| 亚洲av免费高清在线观看| 亚洲国产毛片av蜜桃av| 天天操日日干夜夜撸| 亚洲综合色网址| 99久国产av精品国产电影| 国产精品麻豆人妻色哟哟久久| 国产av精品麻豆| 久久久久久伊人网av| 午夜91福利影院| videos熟女内射| 丝袜美腿诱惑在线| 亚洲av福利一区| 国产精品嫩草影院av在线观看| tube8黄色片| 精品国产露脸久久av麻豆| 日日撸夜夜添| 在线 av 中文字幕| 热99久久久久精品小说推荐| 欧美人与性动交α欧美精品济南到 | 欧美精品人与动牲交sv欧美| 午夜激情久久久久久久| 国产精品免费视频内射| 欧美人与善性xxx| 亚洲美女黄色视频免费看| 校园人妻丝袜中文字幕| 十八禁高潮呻吟视频| 99国产综合亚洲精品| 成人国产av品久久久| a 毛片基地| 日韩精品免费视频一区二区三区| 免费高清在线观看视频在线观看| 黄色毛片三级朝国网站| 国产成人精品一,二区| 国产免费福利视频在线观看| 亚洲欧洲日产国产| 性色av一级| 国产探花极品一区二区| 少妇人妻 视频| 99九九在线精品视频| 老女人水多毛片| 欧美日韩一区二区视频在线观看视频在线| 国产精品免费大片| 久久精品久久久久久久性| 久久精品国产亚洲av涩爱| 一级,二级,三级黄色视频| 国产视频首页在线观看| 亚洲国产成人一精品久久久| 中文字幕另类日韩欧美亚洲嫩草| 欧美中文综合在线视频| 亚洲av综合色区一区| 国产欧美亚洲国产| 国产成人免费观看mmmm| 99久久精品国产国产毛片| 男人添女人高潮全过程视频| 免费人妻精品一区二区三区视频| 国产成人免费无遮挡视频| 精品人妻一区二区三区麻豆| 欧美精品人与动牲交sv欧美| 啦啦啦中文免费视频观看日本| 久久人人97超碰香蕉20202| 黑丝袜美女国产一区| 日韩精品有码人妻一区| 日韩欧美精品免费久久| 国产午夜精品一二区理论片| 69精品国产乱码久久久| 超碰成人久久| 午夜福利,免费看| 国产欧美日韩综合在线一区二区| 国产精品久久久久成人av| 国产又爽黄色视频| 久久精品亚洲av国产电影网| 欧美日韩国产mv在线观看视频| 欧美av亚洲av综合av国产av | 亚洲综合色网址| 亚洲精品第二区| kizo精华| 日韩制服骚丝袜av| 9热在线视频观看99| 亚洲精品国产av蜜桃| 丝袜美腿诱惑在线| 久久ye,这里只有精品| 黄色 视频免费看| 免费高清在线观看日韩| 国产精品欧美亚洲77777| 国产亚洲一区二区精品| 夫妻性生交免费视频一级片| 一级片'在线观看视频| 亚洲三区欧美一区| 人体艺术视频欧美日本| 啦啦啦在线观看免费高清www| www.熟女人妻精品国产| 亚洲美女搞黄在线观看| 美女大奶头黄色视频| 欧美日韩视频高清一区二区三区二| 中文字幕亚洲精品专区| 午夜福利网站1000一区二区三区| 亚洲精品久久午夜乱码| 日本欧美视频一区| 欧美日韩成人在线一区二区| 丰满少妇做爰视频| 久久av网站| 国产麻豆69| 下体分泌物呈黄色| 女性生殖器流出的白浆| 国产亚洲最大av| 天天躁夜夜躁狠狠躁躁| 午夜日本视频在线| 久久午夜福利片| 亚洲精品久久成人aⅴ小说| 国产一区二区三区av在线| av国产久精品久网站免费入址| 亚洲精品久久成人aⅴ小说| 免费观看a级毛片全部| 天天躁日日躁夜夜躁夜夜| 80岁老熟妇乱子伦牲交| 亚洲伊人久久精品综合| 建设人人有责人人尽责人人享有的| 成人免费观看视频高清| 国产激情久久老熟女| 老汉色∧v一级毛片| 免费观看在线日韩| 黄色毛片三级朝国网站| 少妇的逼水好多| 欧美bdsm另类| 亚洲欧美精品综合一区二区三区 | 成人影院久久| 国产深夜福利视频在线观看| 久久99蜜桃精品久久| 亚洲国产最新在线播放| 高清视频免费观看一区二区| 熟女少妇亚洲综合色aaa.| 亚洲成人一二三区av| 在线天堂最新版资源| 久久午夜综合久久蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品国产自在天天线| 色婷婷久久久亚洲欧美| 成人免费观看视频高清| 人人澡人人妻人| 一个人免费看片子| 国产黄频视频在线观看| 久久久久精品性色| 大陆偷拍与自拍| 一级毛片电影观看| 91成人精品电影| 91国产中文字幕| 国产免费一区二区三区四区乱码| 久久亚洲国产成人精品v| 十分钟在线观看高清视频www| 建设人人有责人人尽责人人享有的| 99国产综合亚洲精品| 久久热在线av| 一区福利在线观看| 99久久中文字幕三级久久日本| 一区二区三区激情视频| 中文字幕人妻丝袜制服| 校园人妻丝袜中文字幕| 18+在线观看网站| 国产麻豆69| 国产乱来视频区| 久久av网站| 免费高清在线观看视频在线观看| 9色porny在线观看| 女的被弄到高潮叫床怎么办| 深夜精品福利| 少妇被粗大猛烈的视频| 国精品久久久久久国模美| 美女视频免费永久观看网站| 久久精品人人爽人人爽视色| 十分钟在线观看高清视频www| 亚洲国产最新在线播放| 国产精品麻豆人妻色哟哟久久| 国产av码专区亚洲av| 精品国产一区二区久久| 色视频在线一区二区三区| 啦啦啦啦在线视频资源| www.av在线官网国产| 国产 一区精品| 黑人欧美特级aaaaaa片| 久久久久久人妻| 日韩熟女老妇一区二区性免费视频| 看非洲黑人一级黄片| 免费观看无遮挡的男女| 免费黄频网站在线观看国产| 精品人妻偷拍中文字幕| 久久综合国产亚洲精品| 成人二区视频| 久久精品人人爽人人爽视色| 大码成人一级视频| 国产老妇伦熟女老妇高清| 国产xxxxx性猛交| 寂寞人妻少妇视频99o| 大码成人一级视频| 秋霞在线观看毛片| 黄色配什么色好看| av免费在线看不卡| 亚洲精品在线美女| 午夜日本视频在线| a 毛片基地| 美女脱内裤让男人舔精品视频| 国产综合精华液| 成年动漫av网址| 少妇人妻久久综合中文| 晚上一个人看的免费电影| 精品福利永久在线观看| 丰满少妇做爰视频| videosex国产| 一区二区三区四区激情视频| 18+在线观看网站| 国产一区亚洲一区在线观看| 女的被弄到高潮叫床怎么办| 国产一区二区三区av在线| 国产 精品1| 亚洲成人av在线免费| 久久热在线av| 国产精品不卡视频一区二区| 夫妻午夜视频| 在线观看人妻少妇| 亚洲美女视频黄频| 三上悠亚av全集在线观看| 视频在线观看一区二区三区| 亚洲av免费高清在线观看| 90打野战视频偷拍视频| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 成年女人毛片免费观看观看9 | av国产精品久久久久影院| 国产av一区二区精品久久| 免费不卡的大黄色大毛片视频在线观看| 如何舔出高潮| 18在线观看网站| 久久久久网色| 日本-黄色视频高清免费观看| 国产97色在线日韩免费| 久久久久久人妻| 国产精品无大码| 国产成人aa在线观看| 久久人妻熟女aⅴ| 91精品国产国语对白视频| 亚洲视频免费观看视频| 黑人猛操日本美女一级片| 日本91视频免费播放| 最黄视频免费看| 麻豆乱淫一区二区| 欧美精品人与动牲交sv欧美| 丝袜脚勾引网站| 国产有黄有色有爽视频| 丰满少妇做爰视频| 99精国产麻豆久久婷婷| videossex国产| 岛国毛片在线播放| 久久久久久久精品精品| 免费在线观看完整版高清| 有码 亚洲区| 午夜福利视频在线观看免费| 亚洲av.av天堂| 免费黄网站久久成人精品| 日本色播在线视频| 飞空精品影院首页| 美女主播在线视频| 纯流量卡能插随身wifi吗| 黄片无遮挡物在线观看| 麻豆精品久久久久久蜜桃| 成人毛片a级毛片在线播放| 国产成人a∨麻豆精品| 91精品三级在线观看| 中国国产av一级| 国产精品香港三级国产av潘金莲 | 大香蕉久久成人网| 国产精品国产三级国产专区5o| 一级片免费观看大全| 国产老妇伦熟女老妇高清| 肉色欧美久久久久久久蜜桃| 久久国内精品自在自线图片| 中文字幕另类日韩欧美亚洲嫩草| videossex国产| videosex国产| videossex国产| 国产免费现黄频在线看| 午夜日韩欧美国产| 久久久久久久久久人人人人人人| 丝袜美足系列| 国产男女超爽视频在线观看| 黄片播放在线免费| 欧美在线黄色| 久久精品久久久久久噜噜老黄| 欧美国产精品va在线观看不卡| 人人妻人人爽人人添夜夜欢视频| av又黄又爽大尺度在线免费看| 黄网站色视频无遮挡免费观看| 亚洲av电影在线进入| 有码 亚洲区| 如何舔出高潮| 高清黄色对白视频在线免费看| 国产成人av激情在线播放| 高清在线视频一区二区三区| 汤姆久久久久久久影院中文字幕| 国产在视频线精品| 不卡视频在线观看欧美| 熟女少妇亚洲综合色aaa.| 亚洲国产欧美日韩在线播放| 免费女性裸体啪啪无遮挡网站| 综合色丁香网| 考比视频在线观看| 可以免费在线观看a视频的电影网站 | 亚洲婷婷狠狠爱综合网| 人妻一区二区av| 亚洲一级一片aⅴ在线观看| 性色av一级| 永久网站在线| 久久韩国三级中文字幕| 欧美激情 高清一区二区三区| 亚洲欧美成人综合另类久久久| 日韩制服丝袜自拍偷拍| 女人精品久久久久毛片| 在线观看一区二区三区激情| 国产激情久久老熟女| 午夜福利一区二区在线看| 丰满乱子伦码专区| 人妻一区二区av| 人人妻人人添人人爽欧美一区卜| 黄色一级大片看看| 精品卡一卡二卡四卡免费| 国产成人精品在线电影| av不卡在线播放| 天天操日日干夜夜撸| 日韩 亚洲 欧美在线| 麻豆av在线久日| 亚洲欧美日韩另类电影网站| 免费人妻精品一区二区三区视频| 女人被躁到高潮嗷嗷叫费观| 日韩不卡一区二区三区视频在线| 国产亚洲精品第一综合不卡| 日韩av免费高清视频| 午夜福利乱码中文字幕| 成人18禁高潮啪啪吃奶动态图| 欧美人与善性xxx| 中文字幕av电影在线播放| videosex国产| 热99国产精品久久久久久7| 成人毛片a级毛片在线播放| 最近的中文字幕免费完整| 一区二区三区精品91| 蜜桃国产av成人99| 亚洲国产av影院在线观看| 久久久a久久爽久久v久久| xxx大片免费视频| h视频一区二区三区| 91久久精品国产一区二区三区| 国产毛片在线视频| 一区二区三区四区激情视频| 国产精品av久久久久免费| 免费在线观看视频国产中文字幕亚洲 | 综合色丁香网| 人人妻人人澡人人爽人人夜夜| 精品久久久精品久久久| 国产成人精品无人区| 亚洲精品第二区| 午夜av观看不卡| 三上悠亚av全集在线观看| 美女国产视频在线观看| 久久婷婷青草| 综合色丁香网| 国产av精品麻豆| 女性被躁到高潮视频| 日韩av不卡免费在线播放| 啦啦啦啦在线视频资源| 日韩制服骚丝袜av| 男女无遮挡免费网站观看| 激情五月婷婷亚洲| 久久鲁丝午夜福利片| 亚洲国产最新在线播放| 美女大奶头黄色视频| 丰满饥渴人妻一区二区三| 国产熟女午夜一区二区三区| 97在线人人人人妻| 午夜久久久在线观看| 欧美黄色片欧美黄色片| 午夜日韩欧美国产| 亚洲av欧美aⅴ国产| 国产精品一二三区在线看| 久久久久精品久久久久真实原创| 在线观看一区二区三区激情| 成人18禁高潮啪啪吃奶动态图| 在线天堂中文资源库| 久久精品国产综合久久久| 久久99一区二区三区| 少妇熟女欧美另类| 又大又黄又爽视频免费| 日韩视频在线欧美| 国产综合精华液| 亚洲av电影在线进入| 老司机影院成人| 亚洲精品,欧美精品| 狠狠精品人妻久久久久久综合| 一本色道久久久久久精品综合| 久久这里有精品视频免费| 欧美日韩视频高清一区二区三区二| 成人亚洲精品一区在线观看| 国产亚洲欧美精品永久| 老汉色∧v一级毛片| av片东京热男人的天堂| 午夜免费观看性视频| 在线观看美女被高潮喷水网站| 欧美最新免费一区二区三区| 777久久人妻少妇嫩草av网站| 中文欧美无线码| 亚洲精品一区蜜桃| 777米奇影视久久| 宅男免费午夜| 精品国产国语对白av| 国产女主播在线喷水免费视频网站| 一区二区三区激情视频| 日本vs欧美在线观看视频| 亚洲精品久久成人aⅴ小说| 黄色怎么调成土黄色| 叶爱在线成人免费视频播放| 欧美精品亚洲一区二区| 99热国产这里只有精品6| 亚洲第一av免费看| 国产成人av激情在线播放| 丝袜美腿诱惑在线| 国产精品国产三级国产专区5o| 亚洲欧美成人综合另类久久久| 男人添女人高潮全过程视频| 久久99热这里只频精品6学生| 国产熟女欧美一区二区| 国产精品国产三级国产专区5o| 亚洲美女视频黄频| 两个人免费观看高清视频| 久久ye,这里只有精品| videosex国产| 国产黄色视频一区二区在线观看| 中文字幕人妻熟女乱码| 久久狼人影院| 免费观看性生交大片5| 午夜福利在线观看免费完整高清在| 亚洲精品第二区| 亚洲美女视频黄频| av视频免费观看在线观看| 高清不卡的av网站| 亚洲精品aⅴ在线观看| 老汉色∧v一级毛片| 日韩三级伦理在线观看| 在线精品无人区一区二区三| 我要看黄色一级片免费的| av在线观看视频网站免费| 亚洲国产精品国产精品| 欧美精品av麻豆av| 久久女婷五月综合色啪小说| 侵犯人妻中文字幕一二三四区| 一区二区av电影网| 欧美在线黄色| 久久97久久精品| 纵有疾风起免费观看全集完整版| 国产欧美日韩一区二区三区在线| 一边亲一边摸免费视频| 久久鲁丝午夜福利片| 国产片特级美女逼逼视频| 国产精品一国产av| 亚洲欧美色中文字幕在线| 欧美日韩视频高清一区二区三区二| 香蕉丝袜av| 妹子高潮喷水视频| 18禁裸乳无遮挡动漫免费视频| 久久av网站| 我要看黄色一级片免费的| 91aial.com中文字幕在线观看| 少妇精品久久久久久久| 久久久久久久精品精品| 国产成人精品久久二区二区91 | 天天影视国产精品| 亚洲色图综合在线观看| 欧美精品一区二区大全| 麻豆乱淫一区二区| 亚洲成国产人片在线观看| 91精品三级在线观看| 欧美 亚洲 国产 日韩一| 一区在线观看完整版| 精品视频人人做人人爽| 国产成人a∨麻豆精品| 亚洲激情五月婷婷啪啪| av在线app专区| 亚洲情色 制服丝袜| 亚洲欧美精品自产自拍| 三上悠亚av全集在线观看| 国产精品欧美亚洲77777| 欧美最新免费一区二区三区| 黄网站色视频无遮挡免费观看| 各种免费的搞黄视频| 日本黄色日本黄色录像| 午夜激情av网站| 日本wwww免费看| 久久毛片免费看一区二区三区| 午夜日韩欧美国产| 大香蕉久久成人网| 美女午夜性视频免费| 在线观看免费高清a一片| 亚洲精品视频女| 国产日韩欧美亚洲二区| 天美传媒精品一区二区| 永久网站在线| 成年av动漫网址| 久久午夜综合久久蜜桃| 亚洲欧美精品自产自拍| 999久久久国产精品视频| 亚洲欧洲精品一区二区精品久久久 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品少妇黑人巨大在线播放| 欧美国产精品va在线观看不卡| 久久精品国产自在天天线| 久久久欧美国产精品| av电影中文网址| 国产熟女午夜一区二区三区| 国产av一区二区精品久久| 国产在视频线精品| 日韩中字成人| 免费看不卡的av| 日本欧美国产在线视频| 视频区图区小说| 18禁国产床啪视频网站| 在现免费观看毛片| 久久久精品国产亚洲av高清涩受| 久久av网站| 国产精品久久久久久精品电影小说| 菩萨蛮人人尽说江南好唐韦庄| 亚洲久久久国产精品| 男人爽女人下面视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 99国产精品免费福利视频| 日韩 亚洲 欧美在线| 日韩大片免费观看网站| www.av在线官网国产| 麻豆乱淫一区二区| 欧美精品国产亚洲| 国产男女超爽视频在线观看| 国产成人欧美| 丰满乱子伦码专区|