• <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 ?

    基于改進PSO-SVM算法的油浸式變壓器故障診斷

    2022-08-02 07:38:34張夢成
    機電信息 2022年14期
    關(guān)鍵詞:適應(yīng)度故障診斷向量

    張夢成

    (國網(wǎng)江蘇省電力有限公司新沂市供電分公司,江蘇 徐州 221400)

    0 引言

    目前,我國電網(wǎng)中的高壓電氣設(shè)備運行與維護主要采用高壓設(shè)備在線監(jiān)測系統(tǒng)對輸變電設(shè)備健康狀態(tài)進行監(jiān)測,通過監(jiān)測系統(tǒng)獲取變壓器運行中的各種實時狀態(tài)參數(shù),并對這些狀態(tài)參數(shù)進行一定的算法分析與數(shù)據(jù)處理,進而判斷變壓器運行狀態(tài),然后再安排設(shè)備檢修技術(shù)人員對問題設(shè)備進行維護檢修。目前采用的這種運行與維護方式具有以下優(yōu)越性:

    (1)通過采集設(shè)備故障早期的預(yù)警數(shù)據(jù),及時發(fā)現(xiàn)和排除潛在性故障,保證電網(wǎng)安全;

    (2)延長變壓器等主要設(shè)備的使用壽命,降低維護成本,精簡人力、物資成本。

    如今,變壓器在線監(jiān)測和故障診斷方面仍有許多缺陷與不足,但隨著傳感器、信號處理、計算機通信、模式識別、神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,以及與各大科研院校、研究單位合作的不斷深入,變壓器在線監(jiān)測和故障診斷技術(shù)不斷發(fā)展與相互補充,大大提高了變壓器運行的可靠性[1]。

    變壓器在線監(jiān)控系統(tǒng)以大型油浸式變壓器為監(jiān)控對象,包括信號采集、網(wǎng)絡(luò)通信和終端監(jiān)控三個部分,一般通過對油中溶解氣體、溫度、局部放電、鐵芯接地電流和油中微水等信息的采集,然后經(jīng)過數(shù)據(jù)處理,使用通信網(wǎng)絡(luò)將其送到監(jiān)控終端,從而實現(xiàn)監(jiān)控變壓器運行狀態(tài)的功能。

    在傳統(tǒng)意義上,變壓器主要分為采用礦物油作為冷卻和絕緣介質(zhì)的油浸式變壓器、采用空氣作為冷卻與絕緣介質(zhì)的干式變壓器和SF6氣體絕緣變壓器[2]。考慮到絕緣問題在變壓器運行維護中的不可忽視性,變壓器絕緣可靠性在變壓器生產(chǎn)、測試、運維檢修等設(shè)備全壽命周期管理過程中都極為重要。目前,大多數(shù)電力變壓器仍是油浸式變壓器,本文研究對象也是油浸式變壓器,型號為SSZ10-70000/110,工作電壓等級為110/35kV。

    1 算法模型概述

    1.1 支持向量機(SVM)算法概述

    支持向量機(Support Vector Machine,簡稱SVM)是應(yīng)用于模式識別的以結(jié)構(gòu)風(fēng)險最小化為基礎(chǔ)原理的小樣本智能學(xué)習(xí)算法。由于在實際中研究某一特定問題時,基于該問題的試驗樣本量具有局限性,有些算法出現(xiàn)過學(xué)習(xí)現(xiàn)象。但支持向量機算法恰好能巧妙地解決該類問題,針對有限樣本,根據(jù)有限訓(xùn)練測試樣本設(shè)法尋找問題最優(yōu)解,規(guī)避像其他算法一樣陷入局部極值的情況。支持向量機算法模型應(yīng)用“核函數(shù)”這一概念,結(jié)合其對于序列數(shù)據(jù)的良好適應(yīng)性,將非線性問題的求解映射到高維特征空間后運算,使模型的復(fù)雜性與學(xué)習(xí)能力相互補充,在實現(xiàn)算法的泛化能力顯著提高的同時,有效地保障不同實際問題的樣本數(shù)據(jù)不受維數(shù)限制,避免出現(xiàn)數(shù)據(jù)由低維非線性空間映射到高維線性空間時計算量劇增的困境,避免傳統(tǒng)智能算法樣本的維數(shù)短板[3]。

    核函數(shù)的選擇對SVM算法識別分類有很大影響,不僅影響算法的收斂速度,還決定著算法模型搜索最優(yōu)解的效能。本文采用基于高斯徑向基核函數(shù)的C-SVM模型,該模型中高斯徑向基核函數(shù)僅受參數(shù)g影響,參數(shù)g的變更對SVM算法對于故障診斷效果的識別分類效果有關(guān)鍵性的影響,且易于利用優(yōu)化算法確定參數(shù)最優(yōu)值[4]。然而,懲罰因子C及高斯徑向基核函數(shù)中的參數(shù)g單憑經(jīng)驗難以得到合適的(C,g)值,因此,為使算法的識別效果最優(yōu)化,需要通過一定的優(yōu)化算法來得到最優(yōu)的(C,g)值。C-SVM模型決策函數(shù)如式(1)所示:

    式中:b″為C-SVM決策函數(shù)中的偏置參數(shù);g為徑向基核函數(shù)中的特性參數(shù)。

    1.2 粒子群算法概述

    粒子群優(yōu)化算法作為一種重要的計算方法,主要是在參考概率定律的基礎(chǔ)上演變而來的,利用算法,可以在指定的搜索空間中,完成對最優(yōu)解的快速尋找和計算。在PSO算法中,假設(shè)在N維搜索空間有一種群X=(X1,X2,…,Xn),其中,用向量Xi=[xi1,xi2,…,xin]T表示第i個粒子的空間位置,用Vi=[Vi1,Vi2,…,Vin]T代表第i個粒子的速度,令第i個粒子所搜索到的最優(yōu)位置記為Pi=[Pi1,Pi2,…,Pin]T,種群的最優(yōu)位置記為Pg=[Pg1,Pg2,…,Pgn]T。在種群內(nèi)不斷通過式(2)更新自身速度和位置,直至求出全局最優(yōu)解[5]。

    式中:ω為慣性權(quán)重;Vin為粒子的最優(yōu)速度;k為當(dāng)前迭代次數(shù);c1、c2為加速因子;r1、r2為[0,1]內(nèi)隨機數(shù),一般均取0.5;Pin為粒子最優(yōu)位置;Pgn為種群最優(yōu)位置;Xin為第i個粒子的空間位置。

    2 應(yīng)用改進粒子群算法進行支持向量機參數(shù)尋優(yōu)

    由前文分析的支持向量機核函數(shù)及其參數(shù)的理論分析可知,對于一個SVM算法模型,其性能優(yōu)劣的直接影響因素是徑向基核函數(shù)的參數(shù)(C,g)。在傳統(tǒng)的SVM參數(shù)選擇中,一般采用實驗對比法、交叉驗證法和網(wǎng)格搜索法,但這些傳統(tǒng)方法隨著科技進步已不再適用于如今的電力系統(tǒng),應(yīng)用各種經(jīng)典算法將SVM分類器優(yōu)化已成為主流研究方向。通過引入算法優(yōu)化,可以克服傳統(tǒng)SVM分類器參數(shù)選擇存在的效率低、泛化能力弱等問題。本文基于改進粒子群算法對SVM分類器的參數(shù)進行尋優(yōu),高效得到最優(yōu)參數(shù),大大提高了SVM分類器實用性能[6]。

    基于改進PSO算法優(yōu)化SVM進行故障診斷的基本步驟如下:

    步驟1,算法預(yù)設(shè)包括種群大小NP、種群維數(shù)k、進化代數(shù)T、縮放因子F等各性能參數(shù)。

    步驟2,初始化操作。本文選取基于高斯徑向基的核函數(shù),所以依據(jù)上述的PSO算法理論在合理范圍內(nèi)設(shè)置種群規(guī)模Pop為100,設(shè)置迭代次數(shù)為2 500次,對種群粒子的位置與速度進行初始化操作。每個個體即一組(C,g)的向量組。

    步驟3,以支持向量機網(wǎng)絡(luò)均方誤差(Mean Square Error,MSE)作為適應(yīng)度函數(shù)(fitness function,ff),計算PSO算法中粒子群的適應(yīng)度值。若某時刻粒子適應(yīng)度優(yōu)于前一適應(yīng)度,則該適應(yīng)度為粒子個體極值;如果該粒子適應(yīng)度值優(yōu)于之前所有粒子適應(yīng)度值,則將該粒子作為群體極值。計算各個體的目標(biāo)函數(shù)值,輸出算法各時刻新個體相應(yīng)的一組(C,g)及其目標(biāo)函數(shù)值。

    步驟4,計算各個新個體的目標(biāo)函數(shù)值,并與之前計算的最大值比較,若大于前值,則更新新個體相應(yīng)的一組(C,g)及其目標(biāo)函數(shù)值,并以此作為最優(yōu)參數(shù);否則不改變,進化代數(shù)加1。

    步驟5,在最大進化代數(shù)內(nèi),判斷優(yōu)化算法的終止條件是否得到了滿足,若滿足,則停止迭代過程并輸出(C,g)及其目標(biāo)函數(shù)值;否則返回步驟3和步驟4,繼續(xù)進行迭代。

    為了能克服PSO算法本身的一些缺點,本文對優(yōu)化算法進行了一定的改進,由于縮放因子F可以控制差分值的縮放比例,迭代過程的收斂性和收斂速度值深受其影響。雖然從數(shù)學(xué)原理上,F(xiàn)取值與收斂速度成反比,但如果F過小,進化迭代就可能趨于早熟;如果F過大,雖然可得出最優(yōu)解,但收斂速度過慢,所以算法仍有研究空間。在本文中使用優(yōu)化方法進行調(diào)整:

    式中:F為縮放因子;Fmin、Fmax為縮放因子最小值與最大值;T、t分別為當(dāng)前和前一時刻的代數(shù)。

    這樣既實現(xiàn)了初期種群良好收斂性,又能在算法后期較快地收斂到給定進化代數(shù)內(nèi)全局最優(yōu)解,進一步提高算法的局部搜索能力。

    本文以收集到的512組電力變壓器油中溶解氣體含量數(shù)據(jù)作為研究對象。為保證算法科學(xué)性,隨機采用其中288組樣本作為訓(xùn)練集,則剩余224組數(shù)據(jù)作為測試集,即以包括H2、C2H4、CH4、C2H2、C2H6在內(nèi)的這五種油中氣體的體積含量作為油中溶解特征氣體訓(xùn)練樣本以及輸入向量,以正常狀態(tài)、高溫過熱、電弧放電、局部放電這四種模式作為輸出向量,即將數(shù)據(jù)樣本對應(yīng)的種類分成四類。各種故障狀態(tài)分類以及對應(yīng)樣本數(shù)據(jù)個數(shù)如表1所示。

    表1 變壓器故障樣本數(shù)據(jù)分布情況

    2.1 參數(shù)尋優(yōu)仿真

    采用MSE作為粒子群算法的適應(yīng)度函數(shù)來計算適應(yīng)度值,進而尋得粒子的單一個體最優(yōu)和粒子群體全局最優(yōu)。根據(jù)上述算法流程,在MATLAB下編程實現(xiàn)對最優(yōu)參數(shù)(C,g)的選擇。本文以隨機選取的288組訓(xùn)練集作為原始數(shù)據(jù),借鑒CV思想得到最佳分類準(zhǔn)確率作為參數(shù)(C,g)。種群數(shù)量取為100,最大進化代數(shù)取為2 500。將尋優(yōu)得到的(C,g)進行驗證,具體方法為利用訓(xùn)練集對擁有最優(yōu)參數(shù)的SVM進行訓(xùn)練,可以用LIBSVM工具箱中的svmtrain函數(shù)進行訓(xùn)練。經(jīng)過多次實驗比較,得到如圖1所示的適應(yīng)度曲線,由圖1可知,在80代左右適應(yīng)度函數(shù)進入短暫的局部最優(yōu),當(dāng)達到大約250代以后,適應(yīng)度函數(shù)達到最優(yōu),即進入全局最優(yōu),基于PSO算法尋優(yōu)得到的最優(yōu)參數(shù)C=1.013 9,g=1.022 7;最優(yōu)MSE=0.003 036 7。

    圖1 基于PSO-SVM算法的尋優(yōu)適應(yīng)度曲線

    2.2 實驗分析

    利用前文所述改進的PSO算法參數(shù)尋優(yōu)得到最優(yōu)(C,g)=(1.013 9,1.022 7)建立算法分類模型,檢驗其在測試集中的分類準(zhǔn)確性,其結(jié)果為Accuracy=94.64%(212/224)。為了能直觀了解SVM對于各個故障類別判斷的準(zhǔn)確性,利用MATLAB將測試集算法識別結(jié)果進行可視化處理,得到的分類結(jié)果如圖2(a)所示。測試集預(yù)測分布基本與實際分布一致,只有12個局部放電故障樣本判斷錯誤,被誤判為電弧放電,這可能是因為本來電弧放電故障與局部放電故障之間的分類界限就較為模糊,使得局部放電與電弧放電的故障樣本數(shù)據(jù)接近,從而導(dǎo)致算法識別誤判。

    本文又采用標(biāo)準(zhǔn)參數(shù)的SVM與PSO-SVM算法進行對比分析,從而進一步驗證本文所提算法的優(yōu)越性。具體方法為:分別建立最優(yōu)參數(shù)SVM模型以及默認(rèn)參數(shù)SVM模型,用相同訓(xùn)練集訓(xùn)練,再用相同測試集驗證,比較兩種算法的準(zhǔn)確性。采用標(biāo)準(zhǔn)參數(shù)的SVM最優(yōu)測試結(jié)果如圖2(b)所示,其結(jié)果為Accuracy=88.83%(199/224),故障識別性能較之PSO-SVM差。

    圖2 PSO-SVM算法與標(biāo)準(zhǔn)SVM算法故障識別分類結(jié)果可視化對比

    3 結(jié)語

    本文采用改進PSO算法對SVM進行參數(shù)優(yōu)化,搭建了SVM多分類故障診斷模型,最終準(zhǔn)確率達到94.64%,實現(xiàn)了SVM故障分類準(zhǔn)確率的提升。同時,本文還對通過改進粒子群算法優(yōu)化的SVM算法和標(biāo)準(zhǔn)SVM算法進行了比較,基于標(biāo)準(zhǔn)數(shù)據(jù)集的分類測試結(jié)果表明,本文算法優(yōu)于標(biāo)準(zhǔn)SVM算法,顯著提高了故障診斷準(zhǔn)確率。利用粒子群算法尋優(yōu)可以大幅度提高分類準(zhǔn)確性,將改進PSO算法用于優(yōu)化SVM網(wǎng)絡(luò)中,降低了SVM網(wǎng)絡(luò)中(C,g)選擇的隨機性和人為因素對神經(jīng)網(wǎng)絡(luò)設(shè)計的影響,證明了本文算法的有效性和泛化性,說明PSO算法確為一種不錯的參數(shù)尋優(yōu)方法。

    不確定性與多樣性是變壓器故障特征信息的兩個主要特點,加強對變壓器故障的科學(xué)研判和分析對電網(wǎng)運行安全具有重要意義。傳統(tǒng)的故障診斷方法其結(jié)果往往存在一定的誤差,準(zhǔn)確度不高,但是隨著對PSO、SVM、SOM等算法研究的不斷深入,通過利用該類新型識別算法,可以快速發(fā)現(xiàn)和檢測出變壓器等設(shè)備在運行中出現(xiàn)的故障問題,防患于未然,提高設(shè)備故障診斷的科學(xué)性,延長變壓器等設(shè)備的使用壽命,從而保證供電的穩(wěn)定性和可靠性,也為工農(nóng)業(yè)安全生產(chǎn)等提供了有力的保障。

    猜你喜歡
    適應(yīng)度故障診斷向量
    改進的自適應(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
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    向量垂直在解析幾何中的應(yīng)用
    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
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    基于LCD和排列熵的滾動軸承故障診斷
    基于WPD-HHT的滾動軸承故障診斷
    機械與電子(2014年1期)2014-02-28 02:07:31
    高速泵的故障診斷
    河南科技(2014年3期)2014-02-27 14:05:48
    在线免费观看的www视频| 50天的宝宝边吃奶边哭怎么回事| 性少妇av在线| 精品一区二区三区四区五区乱码| 岛国毛片在线播放| 少妇粗大呻吟视频| 一级黄色大片毛片| 男男h啪啪无遮挡| 国产激情久久老熟女| 欧美黄色淫秽网站| 黄色怎么调成土黄色| 在线观看免费高清a一片| 亚洲精品国产区一区二| 亚洲精品美女久久av网站| 大型av网站在线播放| 高清黄色对白视频在线免费看| 一级作爱视频免费观看| 精品无人区乱码1区二区| 怎么达到女性高潮| 日韩中文字幕欧美一区二区| 精品久久久久久,| www.自偷自拍.com| 国产精品免费视频内射| 丝袜在线中文字幕| 亚洲精品中文字幕在线视频| 在线观看66精品国产| 黄色成人免费大全| 少妇粗大呻吟视频| 成人国产一区最新在线观看| 好男人电影高清在线观看| 新久久久久国产一级毛片| 麻豆乱淫一区二区| av福利片在线| 如日韩欧美国产精品一区二区三区| 精品午夜福利视频在线观看一区| av国产精品久久久久影院| 成年版毛片免费区| 十八禁高潮呻吟视频| 久久中文看片网| 他把我摸到了高潮在线观看| 91成年电影在线观看| 男人的好看免费观看在线视频 | 亚洲成人免费电影在线观看| www.自偷自拍.com| 91精品三级在线观看| 久久久久久久精品吃奶| 欧美日韩福利视频一区二区| xxx96com| 欧美日韩瑟瑟在线播放| 亚洲专区中文字幕在线| 天堂动漫精品| 老鸭窝网址在线观看| 热99re8久久精品国产| 国产精品永久免费网站| 亚洲专区字幕在线| 国产成人欧美| 在线永久观看黄色视频| 成在线人永久免费视频| 在线看a的网站| 男人操女人黄网站| 操美女的视频在线观看| 亚洲欧洲精品一区二区精品久久久| 精品久久久久久久久久免费视频 | 亚洲专区字幕在线| 日韩欧美一区视频在线观看| 青草久久国产| 夜夜躁狠狠躁天天躁| 777久久人妻少妇嫩草av网站| 一a级毛片在线观看| 大型av网站在线播放| 欧美另类亚洲清纯唯美| 国产精品国产高清国产av | 国产在线精品亚洲第一网站| 三上悠亚av全集在线观看| 成人免费观看视频高清| 少妇的丰满在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 又黄又爽又免费观看的视频| 午夜免费观看网址| 操出白浆在线播放| 9191精品国产免费久久| 男女午夜视频在线观看| 国产精品久久久久久人妻精品电影| 老司机福利观看| 亚洲一区中文字幕在线| 99国产精品免费福利视频| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜日韩欧美国产| 日韩欧美一区视频在线观看| 成人手机av| 亚洲欧美日韩高清在线视频| 婷婷精品国产亚洲av在线 | 亚洲专区国产一区二区| 国产精品免费一区二区三区在线 | 曰老女人黄片| 国产精品久久久人人做人人爽| 视频在线观看一区二区三区| 一级毛片女人18水好多| 伊人久久大香线蕉亚洲五| 午夜福利免费观看在线| 亚洲精品乱久久久久久| 黄色成人免费大全| 高清视频免费观看一区二区| 色婷婷av一区二区三区视频| 国产精品一区二区精品视频观看| 久久久久精品人妻al黑| 成人国语在线视频| 黄色成人免费大全| 成人免费观看视频高清| 法律面前人人平等表现在哪些方面| 欧美激情久久久久久爽电影 | 亚洲欧美色中文字幕在线| 高清黄色对白视频在线免费看| 色尼玛亚洲综合影院| 动漫黄色视频在线观看| 亚洲av日韩精品久久久久久密| 亚洲免费av在线视频| 免费在线观看视频国产中文字幕亚洲| 18禁观看日本| 91av网站免费观看| 国产在线精品亚洲第一网站| 自线自在国产av| 极品教师在线免费播放| 国产精品永久免费网站| ponron亚洲| 黑丝袜美女国产一区| 自拍欧美九色日韩亚洲蝌蚪91| 老熟妇乱子伦视频在线观看| 国产一区二区激情短视频| 久久久久久亚洲精品国产蜜桃av| 9热在线视频观看99| 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| 老鸭窝网址在线观看| 淫妇啪啪啪对白视频| 麻豆乱淫一区二区| 久久中文字幕一级| 国产精品永久免费网站| 国产精品影院久久| 最新的欧美精品一区二区| 人人妻人人添人人爽欧美一区卜| 久久人人97超碰香蕉20202| 欧美日韩亚洲综合一区二区三区_| 久久草成人影院| 侵犯人妻中文字幕一二三四区| 老汉色av国产亚洲站长工具| 欧美一级毛片孕妇| 建设人人有责人人尽责人人享有的| 捣出白浆h1v1| 成人三级做爰电影| 天天躁夜夜躁狠狠躁躁| 亚洲精华国产精华精| 亚洲在线自拍视频| 亚洲第一av免费看| 如日韩欧美国产精品一区二区三区| 王馨瑶露胸无遮挡在线观看| 国产又色又爽无遮挡免费看| 一级作爱视频免费观看| 成年版毛片免费区| 一个人免费在线观看的高清视频| 在线视频色国产色| 黑丝袜美女国产一区| www.精华液| 亚洲精品av麻豆狂野| 99国产极品粉嫩在线观看| а√天堂www在线а√下载 | 成人亚洲精品一区在线观看| 国产人伦9x9x在线观看| 波多野结衣av一区二区av| 久久天躁狠狠躁夜夜2o2o| 精品少妇久久久久久888优播| 亚洲美女黄片视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品99久久99久久久不卡| 老汉色av国产亚洲站长工具| 国产成人啪精品午夜网站| 每晚都被弄得嗷嗷叫到高潮| 亚洲av第一区精品v没综合| 久久国产精品人妻蜜桃| 啦啦啦免费观看视频1| 久久99一区二区三区| 中文字幕人妻熟女乱码| 午夜免费鲁丝| 久久香蕉精品热| 91麻豆精品激情在线观看国产 | 久久久国产成人免费| 亚洲精品av麻豆狂野| 12—13女人毛片做爰片一| 亚洲精品一二三| 亚洲黑人精品在线| 狂野欧美激情性xxxx| 女人爽到高潮嗷嗷叫在线视频| 老熟女久久久| av超薄肉色丝袜交足视频| 窝窝影院91人妻| 亚洲第一av免费看| 国产麻豆69| 老司机在亚洲福利影院| 国产av精品麻豆| 黄色丝袜av网址大全| 好男人电影高清在线观看| 亚洲av欧美aⅴ国产| 中文字幕av电影在线播放| 国产真人三级小视频在线观看| 久久性视频一级片| 国产精品99久久99久久久不卡| 大香蕉久久网| www.精华液| 大型黄色视频在线免费观看| 亚洲国产欧美一区二区综合| 国产亚洲精品一区二区www | 欧美国产精品va在线观看不卡| 99精品欧美一区二区三区四区| 国产亚洲欧美98| 黑人巨大精品欧美一区二区mp4| 久久国产精品大桥未久av| 国产片内射在线| 黑人巨大精品欧美一区二区蜜桃| 亚洲九九香蕉| 大片电影免费在线观看免费| 在线观看免费视频日本深夜| 国产高清激情床上av| 亚洲国产欧美一区二区综合| av一本久久久久| 亚洲五月色婷婷综合| a级片在线免费高清观看视频| 在线观看免费日韩欧美大片| 久久午夜综合久久蜜桃| 一二三四在线观看免费中文在| 国产在线一区二区三区精| 黄频高清免费视频| 高清av免费在线| 国产亚洲精品久久久久久毛片 | 国产单亲对白刺激| 超碰成人久久| 成年动漫av网址| 一夜夜www| 人妻久久中文字幕网| 欧美日韩精品网址| 热99久久久久精品小说推荐| 国产av又大| 老司机亚洲免费影院| 久久久久精品人妻al黑| 欧美另类亚洲清纯唯美| 亚洲国产精品sss在线观看 | 大码成人一级视频| av天堂在线播放| 国产精品偷伦视频观看了| 免费日韩欧美在线观看| 久久人妻福利社区极品人妻图片| 91老司机精品| 一进一出好大好爽视频| 亚洲精品国产一区二区精华液| av线在线观看网站| 国产欧美日韩综合在线一区二区| 亚洲五月色婷婷综合| 久久人妻熟女aⅴ| 啦啦啦视频在线资源免费观看| 他把我摸到了高潮在线观看| 国产成人啪精品午夜网站| 亚洲少妇的诱惑av| 久久久精品国产亚洲av高清涩受| 欧美日韩黄片免| 亚洲av熟女| 色综合婷婷激情| 99热只有精品国产| 男女高潮啪啪啪动态图| 国产日韩欧美亚洲二区| 久久香蕉激情| 精品国产亚洲在线| 欧美日韩成人在线一区二区| 麻豆成人av在线观看| 黄频高清免费视频| 成人永久免费在线观看视频| 老司机影院毛片| 人人澡人人妻人| av欧美777| 99久久国产精品久久久| 国产高清视频在线播放一区| 国产精品成人在线| 精品福利观看| 满18在线观看网站| 国产精品久久久久成人av| 美女高潮到喷水免费观看| 欧美精品av麻豆av| 黄色女人牲交| √禁漫天堂资源中文www| 国产男靠女视频免费网站| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区精品视频观看| 精品免费久久久久久久清纯 | 一级片免费观看大全| 欧美日韩国产mv在线观看视频| 久久久久精品人妻al黑| 人妻丰满熟妇av一区二区三区 | 久久精品国产99精品国产亚洲性色 | 日韩一卡2卡3卡4卡2021年| 黄色 视频免费看| 18在线观看网站| 下体分泌物呈黄色| 午夜亚洲福利在线播放| 搡老熟女国产l中国老女人| 国产精品九九99| 亚洲在线自拍视频| 亚洲成av片中文字幕在线观看| 国产片内射在线| 久久精品熟女亚洲av麻豆精品| 国产亚洲欧美98| 嫩草影视91久久| 午夜精品在线福利| 身体一侧抽搐| 国产av又大| 亚洲欧美激情在线| av超薄肉色丝袜交足视频| 天天操日日干夜夜撸| 高清欧美精品videossex| 亚洲av日韩精品久久久久久密| 夜夜躁狠狠躁天天躁| 久久精品国产清高在天天线| 成人18禁在线播放| 久久亚洲精品不卡| 久久草成人影院| av中文乱码字幕在线| 久99久视频精品免费| 国产精品久久久久久精品古装| 免费看十八禁软件| 侵犯人妻中文字幕一二三四区| 亚洲一码二码三码区别大吗| 一边摸一边抽搐一进一出视频| 久久中文字幕人妻熟女| 咕卡用的链子| 少妇裸体淫交视频免费看高清 | www日本在线高清视频| 久久国产精品大桥未久av| 国产1区2区3区精品| 日本精品一区二区三区蜜桃| 国产成人av激情在线播放| 黄片小视频在线播放| 成人18禁在线播放| 91麻豆精品激情在线观看国产 | 国产亚洲精品久久久久久毛片 | 男人舔女人的私密视频| 国产成人av教育| ponron亚洲| 后天国语完整版免费观看| 激情视频va一区二区三区| 高清毛片免费观看视频网站 | 999久久久国产精品视频| 别揉我奶头~嗯~啊~动态视频| 国产精品久久久久久精品古装| 在线观看免费日韩欧美大片| 老汉色∧v一级毛片| 国产精品成人在线| 12—13女人毛片做爰片一| 亚洲熟女精品中文字幕| 午夜精品国产一区二区电影| 日本wwww免费看| 纯流量卡能插随身wifi吗| 在线观看日韩欧美| av线在线观看网站| 成人国语在线视频| 日韩 欧美 亚洲 中文字幕| 精品欧美一区二区三区在线| 亚洲国产看品久久| 美女扒开内裤让男人捅视频| 国产精品国产av在线观看| av一本久久久久| 国产精品国产av在线观看| 久久久久国产一级毛片高清牌| 午夜精品国产一区二区电影| 一边摸一边抽搐一进一小说 | 久久国产精品大桥未久av| 成人影院久久| 精品亚洲成a人片在线观看| 欧美精品一区二区免费开放| 又黄又爽又免费观看的视频| 欧美日韩中文字幕国产精品一区二区三区 | 黑人操中国人逼视频| 久久中文看片网| 大码成人一级视频| 纯流量卡能插随身wifi吗| 母亲3免费完整高清在线观看| 夜夜躁狠狠躁天天躁| 99re6热这里在线精品视频| 精品一区二区三区av网在线观看| 亚洲熟妇中文字幕五十中出 | 999久久久国产精品视频| 热99re8久久精品国产| 久久精品国产a三级三级三级| aaaaa片日本免费| 午夜影院日韩av| 国产单亲对白刺激| 亚洲片人在线观看| 久久影院123| 黄片小视频在线播放| 国产成人av激情在线播放| 亚洲精品美女久久av网站| 国产1区2区3区精品| 精品久久久久久久毛片微露脸| 搡老熟女国产l中国老女人| 国产亚洲精品久久久久5区| 高清欧美精品videossex| 男女免费视频国产| 亚洲精品成人av观看孕妇| 久久性视频一级片| 男人舔女人的私密视频| 亚洲成国产人片在线观看| 国产在线观看jvid| av一本久久久久| 午夜福利,免费看| 国产99久久九九免费精品| 欧美激情极品国产一区二区三区| 欧美乱码精品一区二区三区| 亚洲欧美一区二区三区黑人| 国产精品一区二区精品视频观看| 两性夫妻黄色片| 身体一侧抽搐| 日韩有码中文字幕| 中文亚洲av片在线观看爽 | 激情在线观看视频在线高清 | 久久 成人 亚洲| 国产欧美日韩一区二区三| 色综合欧美亚洲国产小说| 99国产极品粉嫩在线观看| 免费观看a级毛片全部| 水蜜桃什么品种好| 国产伦人伦偷精品视频| 99久久99久久久精品蜜桃| 老司机影院毛片| 超碰成人久久| 又大又爽又粗| 久久久久久久国产电影| 久久久久视频综合| 国产蜜桃级精品一区二区三区 | 99国产综合亚洲精品| 超碰成人久久| 十八禁人妻一区二区| 身体一侧抽搐| 女人精品久久久久毛片| 两个人免费观看高清视频| 黑人欧美特级aaaaaa片| 国产成人精品在线电影| 免费日韩欧美在线观看| 一区二区三区精品91| 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 人妻 亚洲 视频| 最近最新中文字幕大全电影3 | 亚洲欧洲精品一区二区精品久久久| 日本精品一区二区三区蜜桃| 黑人操中国人逼视频| 亚洲国产精品一区二区三区在线| 亚洲中文字幕日韩| 久久这里只有精品19| 欧美国产精品一级二级三级| 涩涩av久久男人的天堂| 午夜久久久在线观看| 人妻一区二区av| 91精品国产国语对白视频| 少妇裸体淫交视频免费看高清 | 久久久久久久国产电影| 久久久久国产一级毛片高清牌| 国产精品久久久人人做人人爽| 亚洲欧美日韩高清在线视频| 精品国产一区二区三区久久久樱花| 老司机亚洲免费影院| 又大又爽又粗| 伊人久久大香线蕉亚洲五| 亚洲第一欧美日韩一区二区三区| 国产精品免费一区二区三区在线 | 美女高潮喷水抽搐中文字幕| 免费一级毛片在线播放高清视频 | 视频区欧美日本亚洲| 国产在视频线精品| 国产精品久久视频播放| 中文字幕制服av| 成人国语在线视频| 亚洲精品一二三| 在线观看免费高清a一片| 狠狠狠狠99中文字幕| 国产精品亚洲一级av第二区| 视频区图区小说| 啦啦啦免费观看视频1| 久久国产精品人妻蜜桃| 亚洲人成77777在线视频| 岛国在线观看网站| 欧美精品一区二区免费开放| 精品亚洲成a人片在线观看| 国产精品欧美亚洲77777| 天堂动漫精品| 亚洲专区字幕在线| 一区二区三区精品91| 久久精品国产a三级三级三级| 亚洲avbb在线观看| 啦啦啦 在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看 | 一级作爱视频免费观看| 一级a爱片免费观看的视频| 最近最新中文字幕大全电影3 | 免费观看精品视频网站| 久久人妻熟女aⅴ| 黄网站色视频无遮挡免费观看| 久久这里只有精品19| 国产主播在线观看一区二区| 亚洲色图综合在线观看| 亚洲七黄色美女视频| 一级a爱视频在线免费观看| 欧美日韩福利视频一区二区| 精品久久久久久,| 首页视频小说图片口味搜索| 国产野战对白在线观看| 国产高清videossex| 欧美激情极品国产一区二区三区| 免费一级毛片在线播放高清视频 | 国产91精品成人一区二区三区| 中文字幕高清在线视频| 最近最新免费中文字幕在线| 男人舔女人的私密视频| 夫妻午夜视频| 美女高潮到喷水免费观看| 亚洲午夜精品一区,二区,三区| 一区在线观看完整版| 天天影视国产精品| 国产在线精品亚洲第一网站| 午夜亚洲福利在线播放| 不卡一级毛片| 精品欧美一区二区三区在线| 老汉色av国产亚洲站长工具| 又黄又爽又免费观看的视频| 精品熟女少妇八av免费久了| 美女午夜性视频免费| 国产成人av激情在线播放| 久久人妻熟女aⅴ| 亚洲精品国产区一区二| 精品午夜福利视频在线观看一区| 欧美日本中文国产一区发布| 亚洲午夜精品一区,二区,三区| 中文字幕人妻熟女乱码| 亚洲片人在线观看| xxxhd国产人妻xxx| 日韩视频一区二区在线观看| 又紧又爽又黄一区二区| 欧美乱妇无乱码| 免费看a级黄色片| www.精华液| 日本黄色日本黄色录像| 国产亚洲精品一区二区www | 国产在视频线精品| 国产亚洲精品久久久久5区| 又黄又粗又硬又大视频| 亚洲av电影在线进入| netflix在线观看网站| 精品亚洲成国产av| 亚洲精品乱久久久久久| av天堂在线播放| 美女 人体艺术 gogo| 老熟女久久久| 操出白浆在线播放| 老熟妇仑乱视频hdxx| 欧美人与性动交α欧美精品济南到| 日本黄色视频三级网站网址 | 亚洲专区字幕在线| 99精国产麻豆久久婷婷| 韩国av一区二区三区四区| 99精国产麻豆久久婷婷| 欧美 亚洲 国产 日韩一| 欧美激情高清一区二区三区| 欧美人与性动交α欧美软件| 大陆偷拍与自拍| 欧美乱色亚洲激情| 久久人妻熟女aⅴ| 午夜福利影视在线免费观看| 亚洲性夜色夜夜综合| 免费在线观看日本一区| 国产午夜精品久久久久久| av天堂久久9| 欧美黑人欧美精品刺激| 夜夜躁狠狠躁天天躁| 日韩三级视频一区二区三区| 精品卡一卡二卡四卡免费| 免费高清在线观看日韩| 咕卡用的链子| 亚洲欧美一区二区三区黑人| 精品福利观看| 一边摸一边抽搐一进一小说 | 满18在线观看网站| 手机成人av网站| 国产精品自产拍在线观看55亚洲 | 免费在线观看亚洲国产| 欧美+亚洲+日韩+国产| 亚洲成国产人片在线观看| 欧美黑人精品巨大| 黄片播放在线免费| 久久久国产精品麻豆| 两性午夜刺激爽爽歪歪视频在线观看 | 99久久国产精品久久久| 新久久久久国产一级毛片| 久99久视频精品免费| av中文乱码字幕在线| 老司机福利观看| 久久精品国产清高在天天线| 黄色怎么调成土黄色| 亚洲熟妇中文字幕五十中出 | 成人18禁高潮啪啪吃奶动态图| 宅男免费午夜| 精品久久久久久久久久免费视频 | 国产乱人伦免费视频| 亚洲人成电影观看| 国产无遮挡羞羞视频在线观看| 人人妻人人澡人人看| 亚洲av成人不卡在线观看播放网| 精品无人区乱码1区二区| 伊人久久大香线蕉亚洲五| 18禁裸乳无遮挡动漫免费视频| 在线视频色国产色|