• <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EKF-SVM 算法的動力電池SOC 估計*

    2020-12-08 03:17:42劉興濤劉新天
    汽車工程 2020年11期
    關鍵詞:端電壓魯棒性電池

    劉興濤 , 李 坤 武 驥 ,何 耀,劉新天

    (1.合肥工業(yè)大學車輛工程系,合肥 230009; 2.安徽省智能汽車工程實驗室,合肥 230009;3.合肥工業(yè)大學汽車工程技術研究院,合肥 230000)

    前言

    鋰離子電池以其高比功率、高工作電壓、低污染、低自放電速率和長循環(huán)壽命等優(yōu)點,廣泛應用于汽車、航天和船舶等領域。 而電池的SOC 預測對充放電管理和均衡管理等起著決定性作用,也會直接影響電池組的使用壽命與安全。 因此,對電池SOC的準確估算成為研究的熱點。 已出現(xiàn)多種電池SOC估算方法。 (1)開路電壓法準確、易行,但要求電池長時間的靜置,為實現(xiàn)實時估計,須對算法進行改進。 Chen 等[1]通過一種新的參數(shù)回溯策略,使用重建的OCV 曲線估算SOC,顯著提高了估算精度;陳宗海等[2]提出了一種面向工程應用的SOC 估計方法,通過獲取端電壓與SOC 的關系,實現(xiàn)在非過充條件下的SOC 估計;Xiong 等[3]通過使用H∞濾波器在充放電中的電流電壓數(shù)據(jù)確定OCV-SOC 的關系,提高了SOC 估計的準確性。 (2)安時積分法是應用較為廣泛的方法。 其短時間內(nèi)估算精度高,但初始值誤差以及累計誤差會明顯降低估計精度。 劉東等[4]采用了一種改進的安時積分算法,綜合考慮溫度、充放電倍率和循環(huán)周期等對SOC 估計精度的影響,但只適用于電流變化不大的工況,實用性較差;劉新天等[5]通過Drift-Ah 積分法進行電池SOC 的估算,有效減少了漂移電流對精度的影響。 (3)數(shù)據(jù)驅(qū)動算法如神經(jīng)網(wǎng)絡法等,須采集大量數(shù)據(jù),對數(shù)據(jù)的依賴性很大,易陷入局部極小。 Guo 等[6]采用了一種在線神經(jīng)網(wǎng)絡的SOC 校正方法,可以實時跟蹤電池模型變化以及電池老化引起的可用容量變化;Guo 等[7]提出了一種基于模糊加權算法的SOC 估計方法,將GA-BP 神經(jīng)網(wǎng)絡與安時積分法相結合,但其估計精度易受樣本數(shù)據(jù)影響;Antón 等[8]利用電池參數(shù)的實驗數(shù)據(jù)集結合支持向量機算法,實現(xiàn)了SOC 實時在線更新;Bo 等[9]通過結合克隆選擇理論的BP 神經(jīng)網(wǎng)絡算法實現(xiàn)了 SOC 高精度估計。(4)濾波算法如卡爾曼濾波法和粒子濾波等。 楊海學等[10]采用改進的無跡卡爾曼濾波算法動態(tài)估計電池SOC,有效降低了模型精度帶來的估計誤差;談發(fā)明等[11]提出了一種新型魯棒無跡卡爾曼濾波算法,能夠有效克服野值干擾,實現(xiàn)了SOC 估計精度和魯棒性的雙重提高;劉新天等[12]將基于Vmin模型的EKF 算法應用于SOC 估計, 通過增強對噪聲的抗干擾能力,提高了估計精度;Wang 等[13]使用雙無跡卡爾曼濾波器估算電池SOC,提高了估計的精度和穩(wěn)定性,但運算復雜,實用性不強。 (5)非線性觀測器通過使用狀態(tài)方程作為輸出狀態(tài)建立模型,在下一階段將其分解為觀測方程,使其具有較強的魯棒性,但數(shù)學推導較為復雜。 Chen 等[14]利用基于等效電路模型的自適應增益滑模觀測器來估計SOC。 在開關增益可調(diào)的情況下,很好地降低了抖振,達到了不錯的估計精度;Ma 等[15]通過考慮電池充放電切換過程中的遲滯效應的滑模觀測器進行高精度SOC 估計,但模型未考慮電流噪聲對估計誤差的影響;皮釩等[16]采用了一種結合擴展粒子群算法的離散比例積分控制器來估計SOC,具有結構簡單,估計精度高等優(yōu)點。

    綜上所述,現(xiàn)階段所提的單一SOC 估計算法均有明顯缺陷,無法在估計精度、收斂速度、魯棒性、運算復雜度和模型泛化性等方面做到兼顧。 雖然以上文獻也通過改進算法來降低算法缺點的影響,但未綜合考慮算法在多個指標上的表現(xiàn)。

    鑒于此,本文中提出一種基于EKF 支持向量機(EKF-SVM)的組合算法,通過實現(xiàn)不同算法的優(yōu)勢互補,進一步提高SOC 的估計效果。 由于EKF 算法易受不規(guī)則噪聲影響,而SVM 算法魯棒性高,為結合兩者優(yōu)點,基于EKF 算法的電流、電壓、SOC 估計值等信息,利用SVM 算法的學習能力和復雜映射能力對EKF 算法估計誤差進行補償,修正估計偏差,在確保可靠性的同時,進一步降低SOC 估計誤差。

    1 動力電池建模與參數(shù)辨識

    1.1 動力電池建模

    綜合考慮電池組在實際應用環(huán)境中的各種因素,建立相對簡單、準確的電池模型是電池狀態(tài)估計的重要步驟。 其中,等效電路模型(equivalent circuit models,ECM)因為計算量小、參數(shù)易辨識、精度高等優(yōu)點而得到廣泛應用。 研究表明,隨著RC 階數(shù)增加,模型計算復雜度明顯增加[17],而2 階以上模型的精度提高不明顯。 綜合考慮模型精確度和運算復雜度要求,本文最終選用如圖1 所示的2 階RC 等效電路模型作為電池仿真的研究對象。

    圖1 中RP和CP表示電池的極化電阻和極化電容,Rd和Cd表示電池的擴散電阻和擴散電容,Ut表示電池的端電壓。 電池的電流電壓特性可表示為

    SOC 的計算采用如下安時積分的定義:

    式中:s(t)為t時刻的SOC 值;s(0)為初始時刻SOC值;QN為電池標稱容量;η為庫倫效率,常取η=1;I(t)為放電電流。 結合式(1)和式(2)以及相關電路知識可由所建模型得到以下狀態(tài)方程:

    式中:τp和τd為時間常數(shù);τp=RpCp;τd=RdCd。

    式(1)中UOCV的值通常表示為SOC 的單調(diào)函數(shù)形式,即UOCV=f(SOC)。 通過小電流工況數(shù)據(jù),即以C/20 小電流充放電,通過每變化10%的SOC 后靜置得到的端電壓近似表示開路電壓,可將UOCV近似表示為SOC 的七次多項式:

    1.2 遞歸最小二乘法參數(shù)辨識

    模型參數(shù)的精確辨識有助于提高SOC 估計精度,而基于自適應濾波理論發(fā)展而來的帶遺傳因子的遞歸最小二乘法[18]是常用的模型參數(shù)辨識方法。其基本思想是:本次估計量=上次估計量+補償值,對電池模型參數(shù)進行估計時,通過觀察電池狀態(tài)觀測值的誤差,自適應調(diào)整模型參數(shù),降低了運算量和運算復雜度,便于實現(xiàn)對參數(shù)的在線辨識。 減少舊數(shù)據(jù)的信息量可以實現(xiàn)更好地跟蹤系統(tǒng)動態(tài)工作狀態(tài),因此置入遺忘因子λ=0.99,提高估計精度。 算法步驟如下。

    (2)計算下一時刻增益K(k+1)

    (3)計算下一時刻的P(k+1)

    (4)計算下一時刻的狀態(tài)估計值θ^(k+1)

    式中:K(k+1)為遞歸最小二乘增益矩陣;P(k)為協(xié)方差矩陣;I為單位矩陣;φ(k+1)為量測矩陣;為參數(shù)估計矩陣;e(k) 為觀測輸出誤差。 循環(huán)步驟(2) ~ (4),計算,從而得到實時模型參數(shù)。

    2 基于EKF-SVM 算法的SOC 估計

    2.1 基于EKF 的電池SOC 估計

    對于非線性系統(tǒng)的濾波問題,常用方法是EKF算法,核心思想是利用泰勒公式對系統(tǒng)進行線性化。

    結合式(1)和式(4),由所建等效電路模型可知系統(tǒng)狀態(tài)空間方程為

    式中:x(k)= [s(k),Up,Ud(k)]T;y(k)為端電壓Ut;u(k)為I(k);w(k)為過程噪聲;v(k)為量測噪聲[19]。 EKF 算法的 SOC 估計步驟如下。

    (1)初始化:k=0,初始狀態(tài)向量和初始偏差,即x(0)= [s(0),0,0]和P0。

    (2)估計過程:k=1,2,3,…,噪聲協(xié)方差矩陣為Q,觀測協(xié)方差矩陣為R。

    第1 步,時間更新。

    狀態(tài)先驗估計:

    計算誤差協(xié)方差:

    第2 步,量測更新。

    量測誤差更新:

    更新增益系數(shù):

    狀態(tài)更新:

    更新誤差協(xié)方差:

    第3 步,回到第1 步進行下一周期更新。

    具體SOC 估計流程如圖2 所示。

    圖2 EKF 算法流程圖

    2.2 SVM 算法

    SVM[20-21]是分類與回歸中分析數(shù)據(jù)的監(jiān)督式學習算法。 其原理是通過構造最優(yōu)劃分超平面,將問題轉(zhuǎn)化為線性可分問題。 其中,超平面的劃分可表示為

    式中:w=(w1,w2,…,wd)為法向量;b為位移項。

    為使超平面間距最大,即求解下式:

    基于SVM 的回歸預測[22],其目的為給定樣本數(shù)據(jù)D={(x1,y1),(x2,y2),…,(xm,ym)},f(x)與y盡可能接近。 支持向量回歸( support vector regression,SVR)的核心思想是假設僅當f(x)與y之間的絕對差值大于∈時才計算為損失。 于是,SVR問題可化為

    式中:C為正則化常數(shù);l∈為不敏感損失函數(shù)。 引入松弛變量ξi和,可將上式寫為

    為求其最小值,通過引入Lagrange 乘子μi≥0,≥0,ai≥0,≥0,可得 SVR 對偶問題:

    上述過程須滿足KKT 條件,即要求:

    由此可知,SVR 的解表示為

    則回歸估算函數(shù)可表示為

    式中:κ(x,xi)=φ(x)Tφ(x)為核函數(shù)。 在 SOC 估計中,根據(jù)電流、電壓與SOC 的關系特點,選擇了線性核函數(shù)。

    2.3 基于EKF-SVM 的SOC 估計

    EKF 算法中的線性化處理必將造成誤差,估計效果也易受不規(guī)則噪聲的影響。 而SVM 算法基于樣本數(shù)據(jù)結構風險最優(yōu)原則,有效避免了過擬合和維數(shù)災難問題,在兼顧逼近數(shù)據(jù)的準確性和近似函數(shù)復雜度的同時,具有最佳的泛化能力。 SVM 算法只對關鍵數(shù)據(jù)敏感的特點也決定了其擁有較高的魯棒性。

    為彌補噪聲和模型精度對估計效果的影響,發(fā)揮兩種算法的優(yōu)點,通過EKF 算法提供SVM 算法所需樣本數(shù)據(jù),利用SVM 的回歸預測能力對EKF 估計值進行優(yōu)化和補償,進一步修正SOC 估計誤差,達到提高估計精度的效果。 組合算法流程如圖3所示。

    訓練SVM 模型,須選取合適的輸入和輸出。 考慮電池作為非線性系統(tǒng)的特點,在電池工作過程中,動態(tài)變化的電流、電壓是描述電池動態(tài)特性不可或缺的因素,且考慮到時變系統(tǒng)的特點,建立四輸入一輸出的 SVM 模型。 其中輸入量為k時刻的電流I(k)、 端電壓y(k)、EKF 算法的端電壓誤差y(k)-y^(k)、EKF 算法的 SOC 估計值s^(k),輸出量為 EKF算法估計誤差s(k)-s^(k)。 為保證所建模型的合理性,將EKF 算法所得數(shù)據(jù)中部分數(shù)據(jù)作為訓練數(shù)據(jù),建立SVM 訓練模型。 設定迭代次數(shù)和累計誤差作為模型訓練完成的標志,之后利用驗證數(shù)據(jù)驗證模型的有效性。 訓練得到的SVM 模型,通過模型輸出的誤差補償對EKF 算法得到的初次估計值起到有效的修正作用,兩者相加得到SOC 的二次估計值,從而在兼顧算法泛化性和魯棒性的同時,實現(xiàn)SOC 更高精度的估計,充分發(fā)揮了組合算法的優(yōu)越性。

    圖3 EKF-SVM 算法流程圖

    3 算法驗證與分析

    實驗選用標稱容量為2 A·h 的鋰離子電池作為測試對象。 為盡量接近實際使用情況,實現(xiàn)電池狀態(tài)的精確估計,實驗所選數(shù)據(jù)來自馬里蘭大學電池動態(tài)應力測試(dynamic stress test, DST)數(shù)據(jù)[23]。為避免電池過充過放,DST 工況設定為從80%到10%的SOC,在室溫25 ℃下,采樣周期為1 s。 按照模擬工況對電池進行放電實驗,電流變化如圖4 所示。 其中,放電電流為正,充電電流為負,記錄電池對應時刻的端電壓和SOC 值。 由EKF 算法得到的仿真結果如圖5 所示。

    圖4 DST 工況電流

    圖5 端電壓與SOC 估計誤差圖

    由圖5 可知,通過EKF 算法,端電壓估計值在整個充放電工況中有較好的收斂性,最大誤差小于0.04 V,具有較高精度,驗證了所建2 階RC 模型的準確性。 EKF 算法的SOC 估計值可以較好地跟蹤真實值。 雖然對實際不規(guī)則噪聲的抑制能力有限,導致誤差有不斷增大的趨勢,但仍然保持最大誤差在1.5%以內(nèi),滿足驗證工況對SOC 估計精度的要求,表明EKF 算法對電池動態(tài)特性的適應性較好??紤]所建SVM 模型要求能夠兼顧體現(xiàn)工況數(shù)據(jù)動態(tài)性以及估計精度的穩(wěn)定性,選用EKF 算法得到的DST 工況數(shù)據(jù)訓練得到SVM 模型。 其中訓練數(shù)據(jù)與驗證數(shù)據(jù)按照7∶3 的比例,隨機選取訓練數(shù)據(jù)建立SVM 模型。 圖6 為所建模型驗證30%樣本數(shù)據(jù)的結果。

    圖6 DST 數(shù)據(jù)驗證結果

    由圖6 可知,相比于EKF 算法得到的SOC 估計的峰值誤差為1.5%左右,通過訓練完成的SVM 模型可以準確辨識SOC 的誤差補償值,SOC 二次估計峰值誤差僅為0.3%左右,大大降低了估計誤差,充分驗證了所建模型的有效性。

    本文所提算法需要在電池實際工作中進行SOC估計,因此須考慮算法在不同工況下均具有良好的適應性。 為盡量模擬實際工況,選取馬里蘭大學電池數(shù)據(jù)中的聯(lián)邦城市駕駛工況(the federal urban driving schedule, FUDS)、激烈駕駛工況(US06 supplemental FTP driving schedule, US06)以及北京動態(tài)應力測試工況(Beijing dynamic stress test, BJDST)3種循環(huán)工況作為測試工況,分別驗證模型在不同工況下的估計效果和泛化性,結果如圖7~圖9 所示。

    圖7 FUDS 數(shù)據(jù)驗證結果

    圖8 US06 數(shù)據(jù)驗證結果

    圖9 BJDST 數(shù)據(jù)驗證結果

    為驗證算法的優(yōu)越性,選擇廣泛使用的BP 神經(jīng)網(wǎng)絡作為對比,通過EKF 算法所得數(shù)據(jù)建立四輸入一輸出的BP 神經(jīng)網(wǎng)絡模型,數(shù)據(jù)處理方法與EKF-SVM 算法相同,對比 EKF 算法、EKF-BP 算法和EKF-SVM 算法共3 種算法的SOC 估計效果。 由于BP 算法理論上存在局部最優(yōu)解問題,在實際運行中發(fā)現(xiàn)由隨機選取的訓練數(shù)據(jù)所建BP 模型在估計效果上差異較大,為減少個別數(shù)據(jù)的影響,選取EKF-BP 算法的10 次估計誤差的平均值作為對比,SOC 誤差結果如表1~表3 所示。

    表1 EKF 算法估計誤差

    表2 EKF-BP 算法估計誤差

    表3 EKF-SVM 算法估計誤差

    結合圖7 ~圖9 和表1 ~表3 中的均方根誤差(root mean squard error, RMSE) 和平均絕對誤差(mean absolute error, MAE)可知:EKF 算法由于受噪聲影響較大,在不同工況下的估計效果差異較大,而EKF-BP 算法和EKF-SVM 算法均有良好的回歸預測能力,能在EKF 算法的誤差基礎上有效地修正誤差,將各驗證工況下0.7%~1.4%的平均絕對誤差降低至0.5%以下。 兩種算法除去在US06 工況數(shù)據(jù)中由于開始收斂過程導致的最大誤差(maximum error,ME)較大外,其余工況下分別有效地將最大誤差降低到2%和1%左右。 相比EKF 算法,EKF-SVM算法在不同驗證工況下,誤差指標均有明顯改善,誤差波動幅度更小,充分表明了組合算法具有優(yōu)秀的泛化性和魯棒性,有效提高了SOC 估計效果。 而EKF-BP 算法由于BP 算法存在局部最優(yōu)解問題,在驗證FUDS 工況數(shù)據(jù)時出現(xiàn)了較大估計誤差,從而表明該算法魯棒性較差。

    實驗結果表明,EKF 算法濾波效果較好但估算精度受不規(guī)則噪聲影響較大,泛化能力較弱。 作為基于結構風險最優(yōu)原則的學習算法,SVM 在回歸預測能力、泛化性和魯棒性方面具有優(yōu)勢,但需要足夠的樣本數(shù)據(jù)支持。 本文中提出的EKF-SVM 組合算法,通過EKF 算法數(shù)據(jù)訓練SVM 模型,利用SVM 算法彌補EKF 算法缺點,實現(xiàn)了兩種算法的優(yōu)勢互補,在兼顧算法泛化性和魯棒性的同時,有效地提高了估計精度。

    4 結論

    針對單一算法在SOC 估計中無法兼顧多項指標效果的問題,提出了基于EKF-SVM 的組合算法。該組合算法克服了EKF 算法對電池模型精度依賴性強、濾波容易發(fā)散的問題,綜合了濾波算法和學習算法的優(yōu)勢,利用相關濾波數(shù)據(jù)建立SVM 模型的誤差補償,進一步優(yōu)化EKF 算法。 不同工況數(shù)據(jù)的仿真結果表明,對比 EKF 算法和EKF-BP 算法,所提EKF-SVM 算法可以實現(xiàn)電池SOC 的準確實時估計,RMSE 最大為0.5%,最大估計誤差小于1%,全面提高了SOC 估計的泛化性、魯棒性和估計精度。

    猜你喜歡
    端電壓魯棒性電池
    電池很冤
    “一粒鹽電池”
    軍事文摘(2022年14期)2022-08-26 08:14:30
    把電池穿身上
    科學大眾(2021年21期)2022-01-18 05:53:42
    穿在身上的電池
    荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡增邊優(yōu)化魯棒性分析
    基于確定性指標的弦支結構魯棒性評價
    中華建設(2019年7期)2019-08-27 00:50:18
    勵磁調(diào)節(jié)器PT回路故障后機端電壓變化分析
    人工心臟無位置傳感器無刷直流電動機非導通相端電壓分析
    微特電機(2016年3期)2016-11-29 09:43:45
    基于非支配解集的多模式裝備項目群調(diào)度魯棒性優(yōu)化
    非接觸移動供電系統(tǒng)不同補償拓撲下的魯棒性分析
    免费观看在线日韩| 在线观看免费视频网站a站| 多毛熟女@视频| 久久久国产一区二区| 一区二区三区精品91| 成人毛片60女人毛片免费| 亚洲经典国产精华液单| 老女人水多毛片| 欧美日韩av久久| 午夜日韩欧美国产| 色播在线永久视频| 欧美少妇被猛烈插入视频| 亚洲精品av麻豆狂野| av电影中文网址| 国产亚洲一区二区精品| 国产爽快片一区二区三区| 国产精品麻豆人妻色哟哟久久| 国产精品久久久久久久久免| 午夜激情久久久久久久| 精品一区在线观看国产| 观看美女的网站| 精品国产国语对白av| 国产精品久久久久久精品电影小说| 国产精品久久久久久久久免| 久久精品国产鲁丝片午夜精品| 免费黄网站久久成人精品| 在线亚洲精品国产二区图片欧美| 久久人人爽人人片av| 国产精品99久久99久久久不卡 | 欧美精品国产亚洲| 亚洲av.av天堂| 免费在线观看黄色视频的| 日本av免费视频播放| 午夜日本视频在线| 狠狠婷婷综合久久久久久88av| 国产精品 国内视频| 久久99精品国语久久久| 国产精品一国产av| 日韩一区二区视频免费看| 日本欧美视频一区| 赤兔流量卡办理| 欧美精品高潮呻吟av久久| 精品国产一区二区三区四区第35| 亚洲图色成人| 欧美老熟妇乱子伦牲交| 精品国产一区二区三区久久久樱花| 高清黄色对白视频在线免费看| 五月伊人婷婷丁香| 丰满乱子伦码专区| 一区二区三区四区激情视频| 国产亚洲欧美精品永久| 卡戴珊不雅视频在线播放| 日韩一区二区三区影片| 国产精品久久久av美女十八| 久久毛片免费看一区二区三区| 久久99一区二区三区| 精品久久久久久电影网| 亚洲国产av影院在线观看| 精品第一国产精品| 曰老女人黄片| 一个人免费看片子| 熟女av电影| 男女下面插进去视频免费观看| 搡女人真爽免费视频火全软件| 制服人妻中文乱码| 亚洲四区av| 欧美成人精品欧美一级黄| 国产精品国产av在线观看| 寂寞人妻少妇视频99o| 亚洲国产av影院在线观看| 色视频在线一区二区三区| 亚洲五月色婷婷综合| 一级爰片在线观看| 久久久久精品人妻al黑| 亚洲人成电影观看| av免费观看日本| 欧美少妇被猛烈插入视频| 我的亚洲天堂| 在现免费观看毛片| 久久久久久久大尺度免费视频| 日韩电影二区| 狠狠婷婷综合久久久久久88av| 日韩精品有码人妻一区| 一级毛片电影观看| 欧美人与性动交α欧美软件| 在线亚洲精品国产二区图片欧美| 18+在线观看网站| 中文字幕人妻丝袜制服| 久久精品国产自在天天线| 多毛熟女@视频| 老司机影院毛片| 婷婷色麻豆天堂久久| 国产极品粉嫩免费观看在线| 9色porny在线观看| 国产片特级美女逼逼视频| 十八禁高潮呻吟视频| 中文字幕人妻丝袜一区二区 | 丝袜美腿诱惑在线| 日韩不卡一区二区三区视频在线| 久久午夜综合久久蜜桃| 丝袜脚勾引网站| 亚洲第一av免费看| 国产精品.久久久| av在线观看视频网站免费| 日韩一卡2卡3卡4卡2021年| 色视频在线一区二区三区| 亚洲精品日本国产第一区| 18禁动态无遮挡网站| 美女午夜性视频免费| 新久久久久国产一级毛片| 黄色配什么色好看| 在线观看免费日韩欧美大片| 欧美国产精品一级二级三级| 国产高清国产精品国产三级| 久久韩国三级中文字幕| 在线亚洲精品国产二区图片欧美| 人妻 亚洲 视频| 欧美日韩一区二区视频在线观看视频在线| av福利片在线| 天美传媒精品一区二区| 一二三四在线观看免费中文在| 伊人久久大香线蕉亚洲五| 人妻 亚洲 视频| 国产高清不卡午夜福利| 国产成人精品久久二区二区91 | 涩涩av久久男人的天堂| 亚洲国产看品久久| 精品少妇黑人巨大在线播放| 欧美日韩成人在线一区二区| 中文精品一卡2卡3卡4更新| 人妻人人澡人人爽人人| 午夜精品国产一区二区电影| 1024香蕉在线观看| 久久久久久久久久久久大奶| 欧美bdsm另类| 国产一区二区 视频在线| 丝袜脚勾引网站| 美女中出高潮动态图| 亚洲国产精品999| 免费观看av网站的网址| 91aial.com中文字幕在线观看| 爱豆传媒免费全集在线观看| 久久99热这里只频精品6学生| 免费在线观看视频国产中文字幕亚洲 | 最近最新中文字幕免费大全7| 一区二区三区乱码不卡18| 晚上一个人看的免费电影| 亚洲精华国产精华液的使用体验| 久久久欧美国产精品| 久久国产精品大桥未久av| 欧美bdsm另类| 日日爽夜夜爽网站| 久久久精品区二区三区| 国产精品国产av在线观看| 国产男女超爽视频在线观看| 一区二区三区精品91| 国产成人免费观看mmmm| 亚洲国产欧美在线一区| 91在线精品国自产拍蜜月| 日日摸夜夜添夜夜爱| 三级国产精品片| 午夜福利乱码中文字幕| 伦精品一区二区三区| 亚洲av中文av极速乱| 欧美中文综合在线视频| 午夜老司机福利剧场| 亚洲国产精品成人久久小说| 十八禁高潮呻吟视频| 亚洲久久久国产精品| 中文字幕另类日韩欧美亚洲嫩草| 亚洲天堂av无毛| 97在线视频观看| 久久精品国产综合久久久| 久久久久久久大尺度免费视频| 人人妻人人爽人人添夜夜欢视频| 亚洲国产精品一区二区三区在线| 哪个播放器可以免费观看大片| 各种免费的搞黄视频| 黑人猛操日本美女一级片| 国产免费视频播放在线视频| 亚洲综合精品二区| 韩国高清视频一区二区三区| 日韩欧美一区视频在线观看| 夫妻性生交免费视频一级片| 边亲边吃奶的免费视频| 交换朋友夫妻互换小说| 免费在线观看黄色视频的| 综合色丁香网| 欧美成人午夜精品| 午夜福利乱码中文字幕| 男女下面插进去视频免费观看| 亚洲精品国产一区二区精华液| 我要看黄色一级片免费的| 伊人久久国产一区二区| 欧美日本中文国产一区发布| 亚洲精品自拍成人| 街头女战士在线观看网站| 精品久久久久久电影网| 观看av在线不卡| 大片电影免费在线观看免费| 亚洲婷婷狠狠爱综合网| 少妇熟女欧美另类| 亚洲精品日韩在线中文字幕| 在线天堂最新版资源| 汤姆久久久久久久影院中文字幕| 精品一区二区免费观看| 99热网站在线观看| 在线观看美女被高潮喷水网站| 最近2019中文字幕mv第一页| 国产精品香港三级国产av潘金莲 | 久久亚洲国产成人精品v| 亚洲精品久久成人aⅴ小说| 丝袜喷水一区| 久久狼人影院| 免费黄频网站在线观看国产| 午夜福利乱码中文字幕| 秋霞伦理黄片| 九草在线视频观看| 久久久亚洲精品成人影院| 欧美精品一区二区免费开放| 亚洲av福利一区| 国产免费一区二区三区四区乱码| 精品人妻一区二区三区麻豆| 国产欧美亚洲国产| 国产精品成人在线| 亚洲国产精品一区三区| 香蕉精品网在线| 捣出白浆h1v1| 午夜日本视频在线| 亚洲综合色惰| 午夜免费鲁丝| 超碰成人久久| 国产亚洲av片在线观看秒播厂| 国产伦理片在线播放av一区| 久久国产精品大桥未久av| 电影成人av| 一边亲一边摸免费视频| 热99国产精品久久久久久7| 亚洲精品中文字幕在线视频| 国产毛片在线视频| 亚洲精品视频女| 国产精品欧美亚洲77777| 777久久人妻少妇嫩草av网站| 丝袜在线中文字幕| 国产毛片在线视频| av免费观看日本| 卡戴珊不雅视频在线播放| 国产深夜福利视频在线观看| 老司机影院毛片| 国产亚洲欧美精品永久| 香蕉精品网在线| 久久久久久久久久人人人人人人| 欧美精品一区二区免费开放| 国产av国产精品国产| 99久久人妻综合| 你懂的网址亚洲精品在线观看| av片东京热男人的天堂| 日韩免费高清中文字幕av| 日本91视频免费播放| 纵有疾风起免费观看全集完整版| 2018国产大陆天天弄谢| 秋霞在线观看毛片| 美女高潮到喷水免费观看| 性少妇av在线| 午夜激情av网站| 免费在线观看完整版高清| 免费播放大片免费观看视频在线观看| 日韩欧美精品免费久久| 精品人妻一区二区三区麻豆| 99国产综合亚洲精品| 亚洲国产av影院在线观看| 日韩欧美精品免费久久| 久久精品熟女亚洲av麻豆精品| 黑丝袜美女国产一区| av福利片在线| 9191精品国产免费久久| 欧美精品高潮呻吟av久久| 电影成人av| 午夜免费鲁丝| 黑人巨大精品欧美一区二区蜜桃| 黑丝袜美女国产一区| 亚洲精品国产一区二区精华液| 国产乱来视频区| 黄色一级大片看看| 十分钟在线观看高清视频www| 亚洲欧美中文字幕日韩二区| 欧美变态另类bdsm刘玥| 日本色播在线视频| 99久久综合免费| 欧美97在线视频| 汤姆久久久久久久影院中文字幕| 久久97久久精品| 国产一区有黄有色的免费视频| a级毛片在线看网站| 人人妻人人添人人爽欧美一区卜| 国产伦理片在线播放av一区| 制服人妻中文乱码| 赤兔流量卡办理| 777米奇影视久久| 伊人久久大香线蕉亚洲五| 黄片无遮挡物在线观看| 精品国产超薄肉色丝袜足j| 男女下面插进去视频免费观看| 精品久久久精品久久久| 人体艺术视频欧美日本| 精品卡一卡二卡四卡免费| 欧美人与善性xxx| 日日撸夜夜添| av女优亚洲男人天堂| 欧美日韩亚洲国产一区二区在线观看 | 国产又爽黄色视频| 国产欧美亚洲国产| 国产97色在线日韩免费| 亚洲欧美精品综合一区二区三区 | 男女下面插进去视频免费观看| 久久人人爽av亚洲精品天堂| 99久久人妻综合| av网站免费在线观看视频| 中国国产av一级| 99久久人妻综合| 91午夜精品亚洲一区二区三区| 最近中文字幕高清免费大全6| 丝袜喷水一区| 国产精品国产三级专区第一集| videossex国产| 日韩视频在线欧美| 日韩av在线免费看完整版不卡| 久久热在线av| 三上悠亚av全集在线观看| 久久精品国产亚洲av涩爱| 亚洲人成电影观看| 国产成人av激情在线播放| 九九爱精品视频在线观看| 成年美女黄网站色视频大全免费| 日本欧美国产在线视频| 国产成人精品久久二区二区91 | 少妇人妻精品综合一区二区| 老鸭窝网址在线观看| 国产片特级美女逼逼视频| 亚洲第一区二区三区不卡| 好男人视频免费观看在线| 国产精品.久久久| 啦啦啦中文免费视频观看日本| 欧美+日韩+精品| 久久ye,这里只有精品| 80岁老熟妇乱子伦牲交| √禁漫天堂资源中文www| 亚洲国产看品久久| 夫妻午夜视频| 久久这里有精品视频免费| 久久久国产一区二区| 国产又爽黄色视频| 少妇人妻 视频| 久久久久久人妻| 欧美日韩精品成人综合77777| 国产精品久久久久久精品古装| 午夜福利网站1000一区二区三区| 欧美日韩国产mv在线观看视频| 亚洲成色77777| 99久久综合免费| 成人亚洲精品一区在线观看| 欧美日韩国产mv在线观看视频| 国产男女超爽视频在线观看| 婷婷色综合www| 欧美激情高清一区二区三区 | 欧美成人精品欧美一级黄| 国产精品一国产av| 亚洲精品国产av蜜桃| 最黄视频免费看| 久久精品久久久久久久性| 亚洲精品aⅴ在线观看| 亚洲av免费高清在线观看| 亚洲欧美精品自产自拍| 久久久久网色| 老鸭窝网址在线观看| 黄色视频在线播放观看不卡| 国产av码专区亚洲av| 国产一区二区 视频在线| 水蜜桃什么品种好| 卡戴珊不雅视频在线播放| 亚洲成人一二三区av| 青春草视频在线免费观看| 国产欧美日韩综合在线一区二区| 亚洲欧美一区二区三区国产| 成人亚洲精品一区在线观看| 成人影院久久| 精品亚洲成a人片在线观看| 黄片无遮挡物在线观看| 免费日韩欧美在线观看| 国产精品.久久久| 国产高清国产精品国产三级| 波多野结衣av一区二区av| 观看av在线不卡| 国产精品免费视频内射| 丝袜美腿诱惑在线| 看免费av毛片| 另类亚洲欧美激情| 爱豆传媒免费全集在线观看| 18禁动态无遮挡网站| 麻豆av在线久日| 高清欧美精品videossex| 日本黄色日本黄色录像| av一本久久久久| 蜜桃在线观看..| 久久影院123| 日韩精品免费视频一区二区三区| 搡女人真爽免费视频火全软件| 国产精品久久久久久精品电影小说| 9热在线视频观看99| 国产欧美亚洲国产| 免费观看性生交大片5| 亚洲在久久综合| 亚洲人成电影观看| 一级a爱视频在线免费观看| 香蕉丝袜av| 搡老乐熟女国产| 亚洲少妇的诱惑av| 最新中文字幕久久久久| 欧美日韩亚洲高清精品| 亚洲精品自拍成人| 国产 精品1| 免费观看av网站的网址| 精品国产国语对白av| 十八禁网站网址无遮挡| 夫妻午夜视频| 日韩一区二区视频免费看| 亚洲精品国产一区二区精华液| 日韩视频在线欧美| 成人国产av品久久久| 一级毛片 在线播放| 丁香六月天网| 香蕉国产在线看| 久久久久久免费高清国产稀缺| 老司机影院毛片| √禁漫天堂资源中文www| 男人添女人高潮全过程视频| 18禁裸乳无遮挡动漫免费视频| 日日啪夜夜爽| 国产一区二区在线观看av| 久久久久久久国产电影| 99香蕉大伊视频| 亚洲av综合色区一区| 男人操女人黄网站| 国产一级毛片在线| 国产黄色免费在线视频| 亚洲欧美精品综合一区二区三区 | 青青草视频在线视频观看| 宅男免费午夜| 自拍欧美九色日韩亚洲蝌蚪91| av网站免费在线观看视频| 成年动漫av网址| 国产精品国产三级专区第一集| 大片免费播放器 马上看| 宅男免费午夜| 欧美中文综合在线视频| av在线app专区| 观看av在线不卡| 久久久精品区二区三区| 婷婷色麻豆天堂久久| 欧美日韩精品网址| 在线看a的网站| 超碰成人久久| 在线天堂最新版资源| 王馨瑶露胸无遮挡在线观看| 久久精品国产亚洲av涩爱| 在线观看国产h片| 日韩一区二区视频免费看| 欧美精品国产亚洲| 亚洲国产毛片av蜜桃av| 国产极品粉嫩免费观看在线| 丝袜在线中文字幕| 日本av免费视频播放| 性色av一级| 亚洲精品,欧美精品| av电影中文网址| av.在线天堂| 午夜福利影视在线免费观看| 岛国毛片在线播放| 秋霞伦理黄片| 中国国产av一级| 久久久久久久久久久免费av| 美女国产高潮福利片在线看| 欧美日韩视频精品一区| av在线老鸭窝| 两个人看的免费小视频| 国产精品一区二区在线观看99| av不卡在线播放| 亚洲一区二区三区欧美精品| 九九爱精品视频在线观看| 啦啦啦在线观看免费高清www| 亚洲第一青青草原| 99九九在线精品视频| 欧美日韩一区二区视频在线观看视频在线| 午夜福利影视在线免费观看| 丝袜美腿诱惑在线| 天天操日日干夜夜撸| av一本久久久久| 女人高潮潮喷娇喘18禁视频| 亚洲精品视频女| 水蜜桃什么品种好| 人体艺术视频欧美日本| av在线播放精品| 免费看不卡的av| 自拍欧美九色日韩亚洲蝌蚪91| 老女人水多毛片| 桃花免费在线播放| tube8黄色片| 一本—道久久a久久精品蜜桃钙片| 十八禁高潮呻吟视频| 国产麻豆69| 丝袜在线中文字幕| 69精品国产乱码久久久| 晚上一个人看的免费电影| 日本午夜av视频| 在线免费观看不下载黄p国产| 亚洲一区二区三区欧美精品| 精品少妇一区二区三区视频日本电影 | 精品久久久精品久久久| 欧美日韩综合久久久久久| av卡一久久| 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 大陆偷拍与自拍| 少妇人妻精品综合一区二区| 亚洲国产av新网站| 久久这里有精品视频免费| 亚洲精品av麻豆狂野| 午夜福利网站1000一区二区三区| 女的被弄到高潮叫床怎么办| 熟女少妇亚洲综合色aaa.| 欧美人与善性xxx| 欧美人与性动交α欧美软件| 制服诱惑二区| 老女人水多毛片| 啦啦啦在线观看免费高清www| 亚洲第一av免费看| 亚洲精品一区蜜桃| 成人亚洲精品一区在线观看| 两个人看的免费小视频| 两个人免费观看高清视频| 一级毛片电影观看| 亚洲精品一二三| 天美传媒精品一区二区| 岛国毛片在线播放| 国产免费一区二区三区四区乱码| 国产有黄有色有爽视频| 亚洲四区av| av网站免费在线观看视频| 下体分泌物呈黄色| 18在线观看网站| 婷婷成人精品国产| 亚洲欧美成人综合另类久久久| 亚洲精品一区蜜桃| 成年女人毛片免费观看观看9 | 国产精品国产av在线观看| 两个人看的免费小视频| 久久久久国产网址| 色播在线永久视频| 欧美xxⅹ黑人| 一级a爱视频在线免费观看| 91国产中文字幕| 欧美成人精品欧美一级黄| 日韩中文字幕视频在线看片| 成年人免费黄色播放视频| 国产 精品1| 国产麻豆69| 亚洲第一青青草原| 热99国产精品久久久久久7| 美女主播在线视频| 成人午夜精彩视频在线观看| 午夜91福利影院| 最新的欧美精品一区二区| 久久久国产欧美日韩av| 久久久久久久精品精品| 久久久久久久久久久久大奶| 精品亚洲乱码少妇综合久久| 9色porny在线观看| 国产成人精品无人区| 九九爱精品视频在线观看| 成人影院久久| 天堂中文最新版在线下载| 中文字幕制服av| 国产精品免费大片| 成人亚洲欧美一区二区av| 另类精品久久| 久久久久国产一级毛片高清牌| 捣出白浆h1v1| 国产黄色视频一区二区在线观看| 精品一区二区三区四区五区乱码 | 国产精品一二三区在线看| 久久久久国产一级毛片高清牌| 黄色配什么色好看| 亚洲欧美日韩另类电影网站| 爱豆传媒免费全集在线观看| 国产成人精品福利久久| 国产成人aa在线观看| 国产97色在线日韩免费| 亚洲精品美女久久av网站| 最近2019中文字幕mv第一页| 日韩大片免费观看网站| www.av在线官网国产| 亚洲欧美一区二区三区国产| 色吧在线观看| 欧美激情极品国产一区二区三区| 九色亚洲精品在线播放| 一本—道久久a久久精品蜜桃钙片| 成年人免费黄色播放视频| 亚洲精品第二区| 亚洲国产欧美在线一区| 亚洲成色77777| 久久久久久免费高清国产稀缺| 有码 亚洲区| 香蕉丝袜av| 精品99又大又爽又粗少妇毛片| 男女国产视频网站|