• <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 ?

    基于互信息的分散式動態(tài)PCA故障檢測方法

    2016-10-13 14:59:51童楚東藍(lán)艇史旭華
    化工學(xué)報 2016年10期
    關(guān)鍵詞:分散式互信息變量

    童楚東,藍(lán)艇,史旭華

    ?

    基于互信息的分散式動態(tài)PCA故障檢測方法

    童楚東,藍(lán)艇,史旭華

    (寧波大學(xué)信息科學(xué)與工程學(xué)院,浙江寧波 315211)

    對現(xiàn)代大型復(fù)雜動態(tài)過程來講,不同測量變量會存在不同的序列相關(guān)性,而且變量間的相互影響會體現(xiàn)在不同的采樣時刻上。為此,結(jié)合利用分散式建模的優(yōu)勢,提出一種基于互信息的分散式動態(tài)過程故障檢測方法。該方法在對每個測量變量都引入多個延時測量值后,利用互信息為每個變量區(qū)分出與其相關(guān)的測量值,并建立起相應(yīng)的變量子塊。這種變量分塊方式使每個變量子塊都能充分地獲取與之相對應(yīng)的自相關(guān)性與交叉相關(guān)性信息,較好地處理了數(shù)據(jù)的動態(tài)性問題。然后,利用主元分析(PCA)算法對每一變量子塊進(jìn)行統(tǒng)計建模從而建立起適于大規(guī)模動態(tài)過程的多模塊化的故障檢測模型。最后,通過實例驗證該方法用于動態(tài)過程監(jiān)測的可行性和有效性。

    主元分析;過程系統(tǒng);互信息;故障檢測;統(tǒng)計過程監(jiān)測

    引 言

    近年來,數(shù)據(jù)驅(qū)動的故障檢測方法因其簡單通用性,已作為保障生產(chǎn)安全的重要技術(shù)手段而得到了研究者們的重視[1-2]。針對以主元分析(principal component analysis,PCA)為代表的多變量統(tǒng)計過程監(jiān)測方法的研究已經(jīng)受到了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注,其基本思想都是從工業(yè)過程采集的數(shù)據(jù)中挖掘出能反映過程運行狀況的潛在信息[3-4]。這類方法能避免建立精確的過程機(jī)理模型,因而很適合于監(jiān)測現(xiàn)代大型復(fù)雜化工業(yè)過程。

    通常來講,傳統(tǒng)的PCA故障檢測模型假設(shè)過程變量滿足獨立同分布,即要求測量變量序列不相關(guān)。但現(xiàn)代復(fù)雜工業(yè)過程由于廣泛采納先進(jìn)計算機(jī)與DCS技術(shù),采樣數(shù)據(jù)間不可避免地存在序列相關(guān)性,即存在動態(tài)特性。為解決這一動態(tài)過程故障檢測問題,Ku等[5]提出先在過程數(shù)據(jù)矩陣中引入延時測量值構(gòu)成增廣矩陣后再對其進(jìn)行PCA建模,這也就是動態(tài)PCA(dynamic PCA,DPCA)及其他類似方法的基本出發(fā)點[5-6]。Kerkhof等[7]結(jié)合利用自回歸模型與偏最小二乘回歸算法來消除數(shù)據(jù)自相關(guān)性與交叉相關(guān)性的影響,解決了間歇動態(tài)過程監(jiān)測問題。Li等[8]通過在數(shù)據(jù)投影變換的過程中區(qū)分過程數(shù)據(jù)的自相關(guān)性和交叉相關(guān)性,使提取的數(shù)據(jù)動態(tài)潛隱成分(dynamic latent variables,DLV)具有很好的可解釋性,進(jìn)而提出了一種基于DLV算法的動態(tài)過程故障檢測方法。然而,考慮到現(xiàn)代工業(yè)過程數(shù)據(jù)的復(fù)雜性,不同測量變量會存在不同的自相關(guān)性,而且變量間的相互影響(即交叉相關(guān)性)會體現(xiàn)在不同的采樣時刻上。因此,動態(tài)過程故障檢測問題還有待進(jìn)一步深入研究。

    此外,工業(yè)過程規(guī)模的大型化發(fā)展趨勢已逐步凸顯出單個集中的故障檢測模型的局限性,分散式故障檢測方法更適合于處理大規(guī)模工業(yè)過程監(jiān)測問題。Zhang等[9-10]詳細(xì)研究了針對大型過程的分散式故障檢測策略,提出了多種多模塊化的監(jiān)測思路??墒牵@類基于多模塊化算法的分散式故障檢測模型需要以過程機(jī)理和生產(chǎn)結(jié)構(gòu)等知識為前提對測量變量做多分塊化處理。可想而知,若先驗知識不充分,就無法建立分散式的多塊故障檢測模型。為此,有學(xué)者提出完全從數(shù)據(jù)統(tǒng)計特性角度出發(fā)的變量分塊方法,在不需要任何機(jī)理知識的前提下實現(xiàn)了基于純數(shù)據(jù)的分散式故障檢測[11-13]。無可否認(rèn),分散式建模方法在進(jìn)行分塊化處理的過程中能降低過程數(shù)據(jù)分析的復(fù)雜度,在監(jiān)測大型工業(yè)過程對象時常表現(xiàn)出優(yōu)越的性能。然而,在這些方法中,前面所提及的過程數(shù)據(jù)的動態(tài)性問題卻未得到充分的研究。

    本文針對前述動態(tài)過程故障檢測與分散 式建模的不足,提出一種基于互信息(mutual information,MI)的分散式動態(tài)PCA建模方法并將其應(yīng)用于工業(yè)過程故障檢測。在信息論領(lǐng)域里,互信息常用來度量一個隨機(jī)變量中包含的另一個隨機(jī)變量的信息量[14]。MI的這種度量相關(guān)性的方式不局限于單純的線性關(guān)系,對變量之間的非線性關(guān)系也能進(jìn)行評估[15]。本文首先對每個測量變量都引入多個延時測量值,然后針對每個測量變量,利用互信息區(qū)分出與其相關(guān)的測量值并建立起相應(yīng)的變量子塊。最后,對每一變量子塊進(jìn)行PCA建模從而建立起適于大規(guī)模動態(tài)過程的多模塊化的故障檢測模型?;贛I-DPCA方法的有效性與優(yōu)越性將在標(biāo)準(zhǔn)Tennessee Eastmann(TE)[16]仿真實驗平臺上通過對比分析進(jìn)行驗證。

    1 基本方法

    1.1 PCA與DPCA

    PCA算法旨在提取相互正交的主元以摒除原始數(shù)據(jù)空間的冗余信息而保留大量的方差信息[3]。通過對經(jīng)過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)矩陣(為樣本數(shù),為變量數(shù))進(jìn)行奇異值分解,可建立PCA統(tǒng)計模型,即[1]

    若是考慮過程數(shù)據(jù)序列相關(guān)性,可對引入前個時刻的測量值,構(gòu)成如下增廣型矩陣[5]

    1.2 互信息

    互信息(MI)是信息論里一種無參數(shù)、非線性的測度指標(biāo),它可以用來評估兩個測量變量間的相關(guān)性。目前,多變量統(tǒng)計過程監(jiān)測領(lǐng)域也有一些借鑒互信息分析處理過程數(shù)據(jù)的研究成果[17-18]。設(shè)兩個隨機(jī)變量和的聯(lián)合分布為,邊緣概率分別為和,互信息則定義為

    若和之間不存在重疊的信息,即相互獨立時,互信息值等于0。反之,若兩者間的相關(guān)性越高,互信息值越大。值得注意的是,求解需要已知各變量的分布密度概率,實際應(yīng)用中通常是使用核密度估計方法來確定對應(yīng)的概率值。

    2 基于MI-DPCA的過程監(jiān)測方法

    2.1 基于MI分散式動態(tài)過程建模方法

    考慮到復(fù)雜動態(tài)過程變量間的相關(guān)性交錯,不同測量變量會存在不同的序列相關(guān)性,而且變量間的相互影響會體現(xiàn)在不同的采樣時刻上。為了更好地描述每個測量變量的動態(tài)性,提出如圖1所示變量分塊方法。具體的實施步驟介紹如下。

    圖1 基于MI的變量分塊方法

    (1)為每個變量引入個時刻的測量值構(gòu)成增廣型數(shù)據(jù)矩陣;

    (4)對所得到個變量子塊分別建立基于PCA算法的故障檢測模型,即

    從上述步驟中可知,每個子塊中包含的變量是最能用來描述相應(yīng)測量變量的動態(tài)性。與DPCA直接用所有個變量進(jìn)行分析相比,本文所涉及的變量選擇方法能剔除某些不相關(guān)變量的“干擾”影響,從而使子塊PCA模型更好地反映出每個測量變量的動態(tài)性特征。因此,MI-DPCA方法在監(jiān)測動態(tài)過程運行狀況時理應(yīng)能取得更優(yōu)越的故障檢測效果。

    2.2 基于MI-DPCA模型的過程監(jiān)測方法

    值得指出的是,相比于DPCA與DLV方法,MI-DPCA方法因使用互信息與分散式建模方法而導(dǎo)致其計算量有所增加。然而,互信息與分散式PCA模型都是在離線建模階段進(jìn)行的,不會對在線故障檢測直接產(chǎn)生影響。另外,基于貝葉斯推理的在線故障監(jiān)測指標(biāo)的概率融合只涉及簡單的數(shù)學(xué)計算,在計算機(jī)處理器飛速發(fā)展的今天,所增加的在線計算量幾乎可以忽略不計。

    3 仿真實驗研究

    TE仿真模型因其反應(yīng)過程和生產(chǎn)結(jié)構(gòu)的復(fù)雜性,已經(jīng)成為測試不同控制方法和過程監(jiān)測策略的標(biāo)準(zhǔn)實驗平臺[20-22]。TE過程的流程如圖2所示,主要由連續(xù)攪拌反應(yīng)器、產(chǎn)品冷凝器、氣液分離塔、汽提塔和離心式壓縮機(jī)5個生產(chǎn)單元組成。TE過程可連續(xù)測量22個過程變量和12個操作變量,還可以仿真模擬如表1所列的21種不同的故障類型,詳細(xì)資料可見文獻(xiàn)[16]。在本文的研究中,選取過程可連續(xù)測量的33個變量作為監(jiān)測變量,詳情可見文獻(xiàn)[11]。過程的測試數(shù)據(jù)可從網(wǎng)站http://web.mit. edu/braatzgroup/links. html上下載,所有的故障測試數(shù)據(jù)集都是從160個采樣時刻后引入非正常工況。

    圖2 TE過程結(jié)構(gòu)

    離線建模階段,利用正常工況下的960個樣本建立DPCA、DLV[8]和MI-DPCA的過程監(jiān)測模型以作對比分析用,置信限統(tǒng)一取值99%。其中,DLV故障檢測模型采用的是3個監(jiān)測統(tǒng)計量,、以及Q,分別用于監(jiān)測動態(tài)潛隱成分、靜態(tài)潛隱成分以及殘差。除此之外,相應(yīng)的模型參數(shù)設(shè)置與原始文獻(xiàn)[8]一致,有關(guān)DLV的詳細(xì)介紹可見文獻(xiàn)[8],這里不再贅述。按照Ku等[5]提出的方法,在DPCA與MI-DPCA模型中,確定引入的延時測量值個數(shù),保留的主元個數(shù)通過累計方差貢獻(xiàn)率(CPV≥85%)準(zhǔn)則求得。而在MI-DPCA模型中,同樣引入個延時測量值,每個子塊中選擇的變量個數(shù),且每個子塊PCA模型中的主元個數(shù)都通過CPV≥85%準(zhǔn)則進(jìn)行設(shè)置。

    首先,將3種故障檢測模型用于監(jiān)測TE過程21種故障工況,并計算針對每種故障監(jiān)測的故障漏報率,詳情列于表1中。值得注意的是,故障3、9和15由于對過程的影響甚微,很多文獻(xiàn)都證實這3種故障是很難被有效地檢測出來的[8,21]。因此,在本研究中不予考慮。在表1中,取得最小漏報率的監(jiān)測指標(biāo)已用黑體標(biāo)出。顯而易見,MI-DPCA方法在絕大多數(shù)故障類型上能取得優(yōu)越于傳統(tǒng)DPCA以及DLV方法的故障檢測結(jié)果。尤其是針對故障10與16,故障漏報率得到大幅度下降。這主要是因為MI-DPCA方法為每個測量變量選擇與之相關(guān)的不同延時測量值,極大地遏制了不相關(guān)測量值的負(fù)面影響。因此,所建立的子塊PCA模型能更好地描述相應(yīng)測量變量的動態(tài)性特征,降低了故障漏報的可能性。為了更好地體現(xiàn)MI-DPCA相對于DPCA與DLV方法的優(yōu)越性,特將故障16的過程監(jiān)測圖顯示于圖3中。從圖中可以較直觀地看出3種方法在監(jiān)測故障16時的漏報情況。此外,雖然MI-DPCA方法未能在故障1、2、和19上取得最佳監(jiān)測效果,但是相應(yīng)的漏報率值相差微乎其微。值得指出的是,針對故障5,MI-DPCA方法的故障檢測率明顯低于DLV方法,但從圖4中的監(jiān)測結(jié)果來看,兩者都能在第一時間觸發(fā)故障警報并持續(xù)一段時間。從工程實踐角度來看,這不會影響MI-DPCA方法針對故障5的監(jiān)測效果。

    圖3 故障16的過程監(jiān)測結(jié)果

    圖4 故障5的過程監(jiān)測結(jié)果

    表1 TE過程故障漏報率

    其次,為進(jìn)一步說明MI-DPCA方法的有效性,還需對比分析3種方法的故障誤報率,即將正常數(shù)據(jù)樣本錯誤的判別為故障。通常來講,較低的故障漏報率會對應(yīng)著較高的故障誤報率。因此,利用另外一組500個正常樣本組成的測試數(shù)據(jù)集測試DPCA、DLV以及MI-DPCA方法對正常工況的誤報率,詳情列于表2中。從表中可以看出,MI-DPCA方法的兩個統(tǒng)計量都能取得最低的故障誤報率。相比于其他兩種方法,本文所提出的MI-DPCA方法更可靠。通過上述對比分析,充分驗證了基于MI-DPCA的過程監(jiān)測方法的優(yōu)越性和有效性。

    表2 TE過程故障誤報率

    4 結(jié) 論

    本文提出了一種基于MI-DPCA的統(tǒng)計過程監(jiān)測方法??紤]到不同測量變量會存在不同的自相關(guān)性且變量間的相互影響(即交叉相關(guān)性)會體現(xiàn)在不同的采樣時刻上,該方法利用互信息為每個測量變量單獨的找出與之相關(guān)的測量值。在此基礎(chǔ)上得到的變量子塊能較好地解決復(fù)雜動態(tài)過程在不同時滯上的相關(guān)性交錯問題。該方法還利用了分散式建模的方式用多個統(tǒng)計監(jiān)測模型并行實施故障檢測,在針對大規(guī)模過程對象的監(jiān)測問題上,理應(yīng)取得較好的故障檢測結(jié)果。在TE過程上的仿真研究也通過實例說明了MI-DPCA方法優(yōu)越于DPCA與DLV方法。然而,MI-DPCA仍舊是一種線性建模方法,傳統(tǒng)PCA監(jiān)測模型的缺陷同樣存在于MI-DPCA模型中。如何應(yīng)對非線性、非高斯、多工況的復(fù)雜過程對象對下一步的工作提出了挑戰(zhàn)。此外,本文的研究只限于故障檢測,還未涉及后續(xù)的故障診斷,未來還需要開展相應(yīng)的研究工作。

    References

    [1] GE Z, ONG Z, GAO F. Review of recent research on data-based process monitoring [J]. Industrial & Engineering Chemistry Research, 2013, 52 (10): 3543-3562.

    [2] YIN S, DING S X, XIE X,. A review on basic data-driven approaches for industrial process monitoring [J]. IEEE Transactions on Industrial Electronics, 2014, 61 (11): 6418-6428.

    [3] QIN S J. Statistical process monitoring: basics and beyond [J]. Journal of Chemometrics, 2003, 17 (7/8): 480-502.

    [4] 童楚東, 史旭華. 基于互信息的PCA方法及其在過程監(jiān)測中的應(yīng)用 [J]. 化工學(xué)報, 2015, 66 (10): 4101-4106. TONG C D, SHI X H. Mutual information based PCA algorithm with application in process monitoring [J]. CIESC Journal, 2015, 66 (10): 4101-4106.

    [5] KU W, STORER R H, GEORGAKIS C. Disturbance detection and isolation by dynamic principal component analysis [J]. Chemometrics & Intelligent Laboratory Systems, 1995, 30 (1): 179-196.

    [6] FAN J, WANG Y. Fault detection and diagnosis of nonlinear non-Gaussian dynamic processes using kernel dynamic independent component analysis [J]. Information Science, 2014, 259: 369-379.

    [7] KERKHOF P V D, GINS G, VANLAER J,. Dynamic model-based fault diagnosis for (bio)chemical batch processes [J]. Computers & Chemical Engineering, 2012, 40: 12-21.

    [8] LI G, QIN S J, ZHOU D. A new method of dynamic latent-variable modeling for process monitoring [J]. IEEE Transactions on Industrial Electronics, 2014, 61 (11): 6438-6445.

    [9] ZHANG Y, ZHOU H, QIN S J,. Decentralized fault diagnosis of large-scale processes using multiblock kernel partial least squares [J]. IEEE Transactions on Industrial Informatics, 2010, 6 (1): 3-10.

    [10] ZHANG Y, MA C. Decentralized fault diagnosis using multiblock kernel independent component analysis [J]. Chemical Engineering Research Design, 2012, 90 (5): 667-676.

    [11] TONG C, SONG Y, YAN X. Distributed statistical process monitoring based on four-subspace construction and Bayesian inference [J]. Industrial & Engineering Chemistry Research, 2013, 52 (29): 9897-9907.

    [12] GE Z, SONG Z. Distributed PCA model for plant-wide process monitoring [J]. Industrial & Engineering Chemistry Research, 2013, 52 (5): 1947-1957.

    [13] JIANG Q, WANG B, YAN X. Multiblock independent component analysis integrated with Hellinger distance and Bayesian inference for non-Gaussian plant-wide process monitoring [J]. Industrial & Engineering Chemistry Research, 2015, 54 (9): 2497-2508.

    [14] LI W. Mutual information functionscorrelation functions [J]. Journal of Statistical Physics, 1990, 60 (5/6): 823-837.

    [15] HAN M, REN W, LIU X. Joint mutual information-based input variable selection for multivariate time series modeling [J]. Engineering Applications of Artificial Intelligence, 2015, 37: 250-257.

    [16] DOWNS J J, VOGEL E F. A plant-wide industrial process control problem [J]. Computers & Chemical Engineering, 1993, 17 (3): 245-255.

    [17] VERRON S, TIPLICA T, KOBI A. Fault detection and identification with a new feature selection based on mutual information [J]. Journal of Process Control, 2008, 18 (5):479-490.

    [18] JIANG Q, YAN X. Plant-wide process monitoring based on mutual information-multiblock principal component analysis [J]. ISA Transactions, 2014, 53 (5): 1516-1527.

    [19] GE Z, SONG Z. Multimode process monitoring based on Bayesian method [J]. Journal of Chemometrics, 2009, 23 (12): 636-650.

    [20] 趙忠蓋, 劉飛. 因子分析及其在過程監(jiān)控中的應(yīng)用 [J]. 化工學(xué)報, 2007, 58 (4): 970-974. ZHAO Z G, LIU F. Factor analysis and its application to process monitoring [J]. Journal of Chemical Industry and Engineering (China), 2007, 58 (4): 970-974.

    [21] TONG C, PALAZOGLU A, YAN X. Improved ICA for process monitoring based on ensemble learning and Bayesian inference [J]. Chemometrics & Intelligent Laboratory Systems, 2014, 135: 141-149.

    [22] 韓敏, 張占奎. 基于改進(jìn)核主成分分析的故障檢測與診斷方法 [J]. 化工學(xué)報, 2015, 66 (6): 2139-2149. HAN M, ZHANG Z K. Fault detection and diagnosis method based on modified kernel principal component analysis [J]. CIESC Journal, 2015, 66 (6): 2139-2149.

    Fault detection by decentralized dynamic PCA algorithm on mutual information

    TONG Chudong, LAN Ting, SHI Xuhua

    (Faculty of Electrical Engineering & Computer Science, Ningbo University, Ningbo 315211, Zhejiang, China)

    For modern large-scale complex dynamic processes, different measured variables have their own serial correlations and interactions among these variables show on different time points. A mutual information based dynamic fault detection method was proposed by an advantageously decentralized modeling strategy. After made multiple time-delayed observations on each variable, the relevant measurements for the variable were separated from all observations by utilizing mutual information and corresponding variable sub-blocks were created. This approach of variable grouping allowed each variable sub-block to capture sufficient information about its own self- and inter-correlations such that the dynamic characteristics of process data could be well analyzed. The principal component analysis (PCA) algorithm was employed to construct statistical modeling on each variable sub-block and a decentralized dynamic fault detection model for large-scale dynamic process. The feasibility and effectiveness of the proposed method on dynamic process modeling were validated by a case study of a chemical process.

    principal component analysis; process systems; mutual information; fault detection; statistical process monitoring

    2016-02-29.

    TONG Chudong, tongchudong@nbu.edu.cn

    10.11949/j.issn.0438-1157.20160218

    TP 277

    A

    0438—1157(2016)10—4317—07

    國家自然科學(xué)基金項目(61503204);浙江省自然科學(xué)基金項目(Y16F030001);浙江省公益技術(shù)研究項目(2015C31017);浙江省信息與通信工程重中之重學(xué)科開放基金項目(XKXL1526)。

    2016-02-29收到初稿,2016-07-14收到修改稿。

    聯(lián)系人及第一作者:童楚東(1988—),男,博士,副教授。

    supported by the National Natural Science Foundation of China (61503204), the Natural Science Foundation of Zhejiang Province (Y16F030001), the Science & Technology Planning Project of Zhejiang (2015C31017) and the Key Discipline Fund of Information and Communication Engineering of Zhejiang (XKXL1526).

    猜你喜歡
    分散式互信息變量
    抓住不變量解題
    也談分離變量
    分散式風(fēng)電破“局”
    能源(2018年6期)2018-08-01 03:41:56
    計及時延的互聯(lián)電力系統(tǒng)分散式阻尼控制
    分散式風(fēng)電卷土重來
    能源(2017年8期)2017-10-18 00:47:48
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    SL(3,3n)和SU(3,3n)的第一Cartan不變量
    改進(jìn)的互信息最小化非線性盲源分離算法
    電測與儀表(2015年9期)2015-04-09 11:59:22
    基于增量式互信息的圖像快速匹配方法
    久久久精品大字幕| 99久久久亚洲精品蜜臀av| 久久久久亚洲av毛片大全| 97超视频在线观看视频| 久久九九热精品免费| 国产成人啪精品午夜网站| 国产精品亚洲美女久久久| 日韩欧美 国产精品| 99热只有精品国产| 真人一进一出gif抽搐免费| 国产精品久久电影中文字幕| 亚洲最大成人中文| 婷婷精品国产亚洲av在线| 十八禁网站免费在线| 99riav亚洲国产免费| 欧美中文综合在线视频| av福利片在线观看| 高清日韩中文字幕在线| a在线观看视频网站| 内地一区二区视频在线| 色老头精品视频在线观看| 久久人人精品亚洲av| a级毛片a级免费在线| 99在线视频只有这里精品首页| 一本精品99久久精品77| 亚洲 欧美 日韩 在线 免费| 亚洲av成人av| 18禁黄网站禁片午夜丰满| 亚洲欧美日韩高清在线视频| 成人av一区二区三区在线看| 色综合站精品国产| 国产成人av教育| 啦啦啦韩国在线观看视频| 中文亚洲av片在线观看爽| 最新中文字幕久久久久| 精品久久久久久久末码| 国产又黄又爽又无遮挡在线| av在线蜜桃| 美女高潮喷水抽搐中文字幕| av女优亚洲男人天堂| 欧美一级a爱片免费观看看| 三级男女做爰猛烈吃奶摸视频| 少妇丰满av| 91在线精品国自产拍蜜月 | 18禁黄网站禁片免费观看直播| 国产精品自产拍在线观看55亚洲| 国产成人欧美在线观看| 好看av亚洲va欧美ⅴa在| 此物有八面人人有两片| 亚洲熟妇中文字幕五十中出| 国产高清有码在线观看视频| 免费搜索国产男女视频| 深爱激情五月婷婷| 狠狠狠狠99中文字幕| 香蕉丝袜av| 精品免费久久久久久久清纯| 听说在线观看完整版免费高清| 久久久久久久午夜电影| 深爱激情五月婷婷| 日韩欧美精品免费久久 | 亚洲国产精品成人综合色| 午夜免费激情av| 别揉我奶头~嗯~啊~动态视频| e午夜精品久久久久久久| 国产精品亚洲av一区麻豆| 老司机福利观看| 丁香六月欧美| 国产午夜精品论理片| 色在线成人网| 中亚洲国语对白在线视频| 日本三级黄在线观看| 亚洲精品一卡2卡三卡4卡5卡| 精品国产三级普通话版| 国产精华一区二区三区| 精品一区二区三区av网在线观看| 欧美日韩黄片免| 天堂动漫精品| 很黄的视频免费| 中文资源天堂在线| 最新中文字幕久久久久| 午夜精品在线福利| 久久精品国产综合久久久| 2021天堂中文幕一二区在线观| 国产精品精品国产色婷婷| 日本黄色片子视频| 搞女人的毛片| 欧美午夜高清在线| 熟女人妻精品中文字幕| netflix在线观看网站| 国产av在哪里看| 偷拍熟女少妇极品色| www国产在线视频色| 欧美日韩瑟瑟在线播放| 男人舔女人下体高潮全视频| 给我免费播放毛片高清在线观看| 免费人成在线观看视频色| 又粗又爽又猛毛片免费看| 国产精品爽爽va在线观看网站| e午夜精品久久久久久久| 搞女人的毛片| 日韩欧美三级三区| 很黄的视频免费| 日韩国内少妇激情av| 一a级毛片在线观看| 色精品久久人妻99蜜桃| 99精品在免费线老司机午夜| 久久国产乱子伦精品免费另类| 69人妻影院| 亚洲不卡免费看| 熟女电影av网| 中文字幕熟女人妻在线| 亚洲av不卡在线观看| 老汉色∧v一级毛片| 国产一区在线观看成人免费| 国产亚洲精品久久久com| 日日夜夜操网爽| av中文乱码字幕在线| 少妇裸体淫交视频免费看高清| 老司机午夜十八禁免费视频| 在线观看舔阴道视频| 亚洲成人中文字幕在线播放| 亚洲精华国产精华精| 尤物成人国产欧美一区二区三区| 精品电影一区二区在线| 女人十人毛片免费观看3o分钟| 日本在线视频免费播放| 久久久久久九九精品二区国产| 亚洲av电影在线进入| 欧美中文日本在线观看视频| 欧美三级亚洲精品| 香蕉丝袜av| 欧美中文综合在线视频| 大型黄色视频在线免费观看| 亚洲精品影视一区二区三区av| 国产aⅴ精品一区二区三区波| 国产高潮美女av| 亚洲性夜色夜夜综合| 婷婷丁香在线五月| 一进一出抽搐gif免费好疼| 久久久精品欧美日韩精品| 欧美一级毛片孕妇| 国内精品美女久久久久久| 琪琪午夜伦伦电影理论片6080| av片东京热男人的天堂| 国产老妇女一区| 少妇的逼好多水| 夜夜夜夜夜久久久久| 白带黄色成豆腐渣| 国产精品三级大全| 99热这里只有精品一区| 动漫黄色视频在线观看| 一夜夜www| 黄色丝袜av网址大全| 亚洲一区二区三区色噜噜| 欧美日韩中文字幕国产精品一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 好男人电影高清在线观看| 一个人免费在线观看电影| 色尼玛亚洲综合影院| 两个人的视频大全免费| 99国产综合亚洲精品| 亚洲精品乱码久久久v下载方式 | 三级毛片av免费| 两性午夜刺激爽爽歪歪视频在线观看| 少妇的逼好多水| 久久精品国产99精品国产亚洲性色| 国产精品99久久99久久久不卡| 日本精品一区二区三区蜜桃| 欧美3d第一页| 日本黄大片高清| 欧美性感艳星| 国产成人av激情在线播放| 亚洲乱码一区二区免费版| 亚洲精华国产精华精| 美女被艹到高潮喷水动态| 婷婷精品国产亚洲av在线| 日本 欧美在线| 99热精品在线国产| 国产精品av视频在线免费观看| tocl精华| 老司机在亚洲福利影院| 国产一区二区三区在线臀色熟女| 精品久久久久久久久久久久久| 国产高潮美女av| 91在线精品国自产拍蜜月 | 国产精品女同一区二区软件 | 91麻豆av在线| 12—13女人毛片做爰片一| 51午夜福利影视在线观看| 制服人妻中文乱码| 亚洲国产精品sss在线观看| 午夜老司机福利剧场| 看片在线看免费视频| 久久精品国产自在天天线| 麻豆国产av国片精品| 欧美+日韩+精品| 男女做爰动态图高潮gif福利片| 久久久国产成人免费| 亚洲va日本ⅴa欧美va伊人久久| 99热只有精品国产| 老司机午夜福利在线观看视频| 在线观看66精品国产| 国产三级黄色录像| aaaaa片日本免费| 国产精品亚洲美女久久久| 此物有八面人人有两片| 天堂动漫精品| 一a级毛片在线观看| 国产黄色小视频在线观看| 亚洲欧美激情综合另类| 成人精品一区二区免费| 国产99白浆流出| 久久婷婷人人爽人人干人人爱| 两个人视频免费观看高清| av片东京热男人的天堂| 一区二区三区国产精品乱码| 精品国产亚洲在线| 丰满的人妻完整版| 69av精品久久久久久| 日本黄色片子视频| 一本综合久久免费| 人人妻人人澡欧美一区二区| 男女床上黄色一级片免费看| 99久久无色码亚洲精品果冻| 亚洲国产精品久久男人天堂| 男人舔奶头视频| 成人无遮挡网站| 亚洲成av人片在线播放无| 欧美午夜高清在线| 熟女少妇亚洲综合色aaa.| 一进一出抽搐gif免费好疼| 欧美在线一区亚洲| 亚洲无线观看免费| 国产亚洲欧美在线一区二区| 久久久久久久亚洲中文字幕 | 少妇裸体淫交视频免费看高清| 亚洲人成网站高清观看| 国产真人三级小视频在线观看| 在线观看免费午夜福利视频| 动漫黄色视频在线观看| 啪啪无遮挡十八禁网站| 国产成+人综合+亚洲专区| www.999成人在线观看| 婷婷丁香在线五月| 久久人人精品亚洲av| 日韩亚洲欧美综合| 亚洲人成网站在线播放欧美日韩| 色播亚洲综合网| 中文字幕av在线有码专区| 欧美午夜高清在线| 国产精品久久电影中文字幕| 搡老岳熟女国产| 熟女人妻精品中文字幕| 老熟妇乱子伦视频在线观看| 久久中文看片网| xxxwww97欧美| 免费av不卡在线播放| 最新中文字幕久久久久| 久久草成人影院| 国产高清视频在线播放一区| 97超视频在线观看视频| 91麻豆av在线| 精品久久久久久,| 99精品久久久久人妻精品| 白带黄色成豆腐渣| 91在线精品国自产拍蜜月 | 一个人观看的视频www高清免费观看| 波多野结衣巨乳人妻| 美女黄网站色视频| 尤物成人国产欧美一区二区三区| 午夜a级毛片| 两人在一起打扑克的视频| 精品国产超薄肉色丝袜足j| 亚洲欧美日韩卡通动漫| 久久久久免费精品人妻一区二区| 亚洲熟妇熟女久久| 午夜精品一区二区三区免费看| 久久亚洲精品不卡| 欧美一级毛片孕妇| av中文乱码字幕在线| 最近在线观看免费完整版| 亚洲av二区三区四区| 偷拍熟女少妇极品色| 美女被艹到高潮喷水动态| 亚洲激情在线av| 久久精品国产99精品国产亚洲性色| 中文字幕av成人在线电影| 国产亚洲av嫩草精品影院| 老司机在亚洲福利影院| 日韩av在线大香蕉| 欧美精品啪啪一区二区三区| 日本a在线网址| 18+在线观看网站| 亚洲av成人av| 高潮久久久久久久久久久不卡| 婷婷六月久久综合丁香| 精品久久久久久成人av| 男女下面进入的视频免费午夜| 成年免费大片在线观看| 一区二区三区高清视频在线| 亚洲国产色片| 国产视频一区二区在线看| 欧美zozozo另类| 国产伦一二天堂av在线观看| 欧美一区二区亚洲| 国产熟女xx| 女生性感内裤真人,穿戴方法视频| 国产 一区 欧美 日韩| 热99在线观看视频| 亚洲人成网站在线播| 国产野战对白在线观看| 18禁黄网站禁片午夜丰满| 精品国产超薄肉色丝袜足j| 18美女黄网站色大片免费观看| 又黄又爽又免费观看的视频| 69av精品久久久久久| 欧美+日韩+精品| 国产精品爽爽va在线观看网站| 免费在线观看日本一区| 国产欧美日韩精品亚洲av| 精品人妻一区二区三区麻豆 | 午夜激情欧美在线| 日本免费一区二区三区高清不卡| 国产精品嫩草影院av在线观看 | 国产成人a区在线观看| 久久这里只有精品中国| 特大巨黑吊av在线直播| 欧美bdsm另类| 国产成人啪精品午夜网站| av国产免费在线观看| 99久久精品国产亚洲精品| 久久久久久人人人人人| 亚洲人与动物交配视频| 91字幕亚洲| 久久久国产成人免费| 精品一区二区三区视频在线观看免费| 亚洲五月婷婷丁香| 夜夜看夜夜爽夜夜摸| 一边摸一边抽搐一进一小说| 免费无遮挡裸体视频| av视频在线观看入口| 国产免费男女视频| 18禁在线播放成人免费| 成人永久免费在线观看视频| 一夜夜www| 国产精品99久久久久久久久| 俄罗斯特黄特色一大片| 欧美+日韩+精品| 叶爱在线成人免费视频播放| 久久精品亚洲精品国产色婷小说| 在线观看美女被高潮喷水网站 | 精品不卡国产一区二区三区| 高清毛片免费观看视频网站| 成年女人看的毛片在线观看| 男人和女人高潮做爰伦理| 夜夜看夜夜爽夜夜摸| a在线观看视频网站| 日本成人三级电影网站| 国产精华一区二区三区| 免费在线观看影片大全网站| 亚洲最大成人手机在线| 91久久精品电影网| 三级毛片av免费| 国产乱人视频| 亚洲成a人片在线一区二区| av天堂在线播放| 国产视频内射| 国产真实伦视频高清在线观看 | 99热6这里只有精品| 在线观看av片永久免费下载| 国产麻豆成人av免费视频| ponron亚洲| 成人性生交大片免费视频hd| 大型黄色视频在线免费观看| 97超级碰碰碰精品色视频在线观看| 97碰自拍视频| 女人被狂操c到高潮| 亚洲自拍偷在线| 国产精品亚洲av一区麻豆| 久久欧美精品欧美久久欧美| 久久久久九九精品影院| 亚洲国产日韩欧美精品在线观看 | 欧美丝袜亚洲另类 | 99riav亚洲国产免费| 国产亚洲精品av在线| 亚洲av美国av| 欧美极品一区二区三区四区| 全区人妻精品视频| 欧美一区二区国产精品久久精品| 欧美日韩亚洲国产一区二区在线观看| 老汉色∧v一级毛片| 啪啪无遮挡十八禁网站| 午夜日韩欧美国产| 国产精品一及| 最新在线观看一区二区三区| av在线蜜桃| 一个人观看的视频www高清免费观看| 午夜视频国产福利| 婷婷六月久久综合丁香| 久久久久性生活片| 午夜福利在线观看免费完整高清在 | 成熟少妇高潮喷水视频| 久久久久久九九精品二区国产| 18禁裸乳无遮挡免费网站照片| 老司机深夜福利视频在线观看| 久久久国产精品麻豆| 一卡2卡三卡四卡精品乱码亚洲| 亚洲av成人不卡在线观看播放网| 午夜福利视频1000在线观看| 午夜福利成人在线免费观看| 国产欧美日韩一区二区精品| 搞女人的毛片| 九色成人免费人妻av| 国产精品 欧美亚洲| 久久精品夜夜夜夜夜久久蜜豆| 两人在一起打扑克的视频| 三级国产精品欧美在线观看| 丝袜美腿在线中文| 小蜜桃在线观看免费完整版高清| 少妇丰满av| 狂野欧美激情性xxxx| av天堂在线播放| 国产日本99.免费观看| 波多野结衣高清无吗| 精品不卡国产一区二区三区| 琪琪午夜伦伦电影理论片6080| 久久久精品大字幕| 亚洲精品色激情综合| 一本精品99久久精品77| 国产一区二区在线观看日韩 | 美女被艹到高潮喷水动态| 他把我摸到了高潮在线观看| 久久久国产成人精品二区| 精品人妻1区二区| 别揉我奶头~嗯~啊~动态视频| 一级黄色大片毛片| 一边摸一边抽搐一进一小说| 亚洲成人久久爱视频| 91在线观看av| 久久久久久久午夜电影| 国产高清三级在线| 亚洲,欧美精品.| 天堂影院成人在线观看| 国产高清激情床上av| 可以在线观看的亚洲视频| 激情在线观看视频在线高清| 俄罗斯特黄特色一大片| 国产精品一区二区免费欧美| 国产精品香港三级国产av潘金莲| 非洲黑人性xxxx精品又粗又长| 三级国产精品欧美在线观看| 最后的刺客免费高清国语| 成人国产综合亚洲| 国产精品精品国产色婷婷| 成人一区二区视频在线观看| 亚洲av美国av| 久久久久精品国产欧美久久久| 色噜噜av男人的天堂激情| 欧美丝袜亚洲另类 | 色综合欧美亚洲国产小说| 午夜免费成人在线视频| 狂野欧美白嫩少妇大欣赏| 欧美日韩黄片免| 高清毛片免费观看视频网站| 国产乱人伦免费视频| 极品教师在线免费播放| 天堂av国产一区二区熟女人妻| 久久精品影院6| 日韩大尺度精品在线看网址| 国产精品久久久久久精品电影| 亚洲天堂国产精品一区在线| 亚洲av日韩精品久久久久久密| 无限看片的www在线观看| 嫩草影院入口| av在线蜜桃| e午夜精品久久久久久久| 日本 av在线| 亚洲人成网站高清观看| 最近视频中文字幕2019在线8| 久久久久国产精品人妻aⅴ院| 欧美黑人巨大hd| 不卡一级毛片| 国产亚洲欧美98| 午夜a级毛片| 国内精品久久久久精免费| 欧美性猛交╳xxx乱大交人| 白带黄色成豆腐渣| 一级作爱视频免费观看| 欧美av亚洲av综合av国产av| av黄色大香蕉| 精品久久久久久久毛片微露脸| 欧美精品啪啪一区二区三区| 欧美成狂野欧美在线观看| 女人高潮潮喷娇喘18禁视频| 黄色丝袜av网址大全| 琪琪午夜伦伦电影理论片6080| 少妇熟女aⅴ在线视频| 国产亚洲精品久久久com| 日本五十路高清| 国产精品永久免费网站| 色综合站精品国产| 网址你懂的国产日韩在线| 国产精品嫩草影院av在线观看 | 少妇熟女aⅴ在线视频| 亚洲五月婷婷丁香| 午夜影院日韩av| 黄色丝袜av网址大全| 亚洲av日韩精品久久久久久密| 国产毛片a区久久久久| 国产亚洲av嫩草精品影院| 亚洲真实伦在线观看| 黄色丝袜av网址大全| 亚洲无线在线观看| 黄色日韩在线| 中文字幕精品亚洲无线码一区| 男人舔女人下体高潮全视频| 脱女人内裤的视频| 69人妻影院| 三级国产精品欧美在线观看| 国产v大片淫在线免费观看| 精品乱码久久久久久99久播| 亚洲午夜理论影院| 久久精品91无色码中文字幕| 日韩欧美国产一区二区入口| 高清在线国产一区| 舔av片在线| 亚洲精品一卡2卡三卡4卡5卡| 亚洲成人久久爱视频| 一区福利在线观看| 波多野结衣巨乳人妻| 国产精品 国内视频| 又粗又爽又猛毛片免费看| 欧美中文综合在线视频| 丰满乱子伦码专区| 国产精品98久久久久久宅男小说| 在线免费观看不下载黄p国产 | 日韩免费av在线播放| 一卡2卡三卡四卡精品乱码亚洲| АⅤ资源中文在线天堂| 日本熟妇午夜| 成人性生交大片免费视频hd| 久久精品夜夜夜夜夜久久蜜豆| 99久久精品一区二区三区| 久久亚洲真实| 男人舔奶头视频| 99久久成人亚洲精品观看| 色综合站精品国产| 又紧又爽又黄一区二区| 国产亚洲欧美98| 欧美黄色片欧美黄色片| 日韩国内少妇激情av| 99在线视频只有这里精品首页| 亚洲成人中文字幕在线播放| 免费人成在线观看视频色| 亚洲黑人精品在线| 伊人久久大香线蕉亚洲五| 黄色丝袜av网址大全| 极品教师在线免费播放| 国产极品精品免费视频能看的| 亚洲第一欧美日韩一区二区三区| 亚洲熟妇熟女久久| 国语自产精品视频在线第100页| 午夜激情欧美在线| 国产精品一及| 久久精品国产亚洲av涩爱 | 人人妻人人看人人澡| 久久久久国内视频| 午夜影院日韩av| 国产色婷婷99| 夜夜爽天天搞| 免费看a级黄色片| 男女那种视频在线观看| 欧美成人性av电影在线观看| 精品人妻偷拍中文字幕| www.熟女人妻精品国产| 免费大片18禁| 每晚都被弄得嗷嗷叫到高潮| 蜜桃久久精品国产亚洲av| 亚洲av电影在线进入| 久久精品91蜜桃| 99久国产av精品| 床上黄色一级片| 亚洲专区国产一区二区| 亚洲一区高清亚洲精品| 少妇的逼好多水| 黄色成人免费大全| 成人鲁丝片一二三区免费| 哪里可以看免费的av片| 免费av不卡在线播放| 美女高潮的动态| 国产国拍精品亚洲av在线观看 | 亚洲av第一区精品v没综合| 国产高清视频在线播放一区| 丰满人妻熟妇乱又伦精品不卡| 国内毛片毛片毛片毛片毛片| 欧美日韩黄片免| 亚洲不卡免费看| 免费看美女性在线毛片视频| 成人av一区二区三区在线看| 黄色丝袜av网址大全| 日本免费a在线| 日本免费一区二区三区高清不卡| 天堂影院成人在线观看| 亚洲欧美一区二区三区黑人| 中文字幕av成人在线电影| 观看免费一级毛片| 丝袜美腿在线中文| 免费看a级黄色片| 啦啦啦韩国在线观看视频| 一边摸一边抽搐一进一小说| 搡老岳熟女国产| 在线国产一区二区在线| 男人和女人高潮做爰伦理| 99久久精品热视频| 两性午夜刺激爽爽歪歪视频在线观看|