• <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K-L特征提取與支持向量機的油浸式變壓器故障診斷模型研究

    2012-12-05 03:24:10
    四川電力技術(shù) 2012年6期
    關(guān)鍵詞:特征提取分類器向量

    方 飚

    (四川省電力工業(yè)調(diào)整試驗所,四川成都 610072)

    變壓器是電力系統(tǒng)中的重要設(shè)備,其運行狀態(tài)直接影響到系統(tǒng)的安全性。油中溶解氣體分析(dissolved gas analysis,DGA)是目前診斷充油電氣設(shè)備故障的重要手段,已作為變壓器內(nèi)部潛伏性故障的主要試驗項目列于DL/T 596-1996變壓器試驗項目的首位[1]。DGA往往能夠較準確、可靠地發(fā)現(xiàn)逐步發(fā)展的潛伏性故障,防止由此引起重大事故。近年來的研究已將各種人工智能技術(shù)如神經(jīng)網(wǎng)絡(luò)、粗糙集、聚類算法、支持向量機等引入到變壓器的故障診斷當中。

    支持向量機算法[2-5]是在統(tǒng)計學(xué)理論基礎(chǔ)上發(fā)展起來的一種新的模式識別方法。它是由Vapnik等人于1995年提出的從統(tǒng)計學(xué)習(xí)理論發(fā)展出的一種模式識別方法,是目前較為流行的適用于小樣本訓(xùn)練的大邊緣分類器。

    K-L變換是經(jīng)典的傳統(tǒng)方法,適用于任何概率分布,它能保留原樣本中方差最大的數(shù)據(jù)分量,所以K-L變換起了減小相關(guān)性、突出差異性的效果,因此是在均方誤差最小的意義下獲得數(shù)據(jù)降維的最佳變換。

    這里針對變壓器的5種運行模式(4種故障模式與1種正常運行模式)提出了建立基于支持向量機與K-L特征提取技術(shù)的變壓器故障診斷模型。該模型的基本思想是在訓(xùn)練數(shù)據(jù)預(yù)選取階段采用基于Mercer核函數(shù)的歐式距離的查詢策略選取最能代表各類的樣本數(shù)據(jù),從而能夠更加準確地構(gòu)造SVM分類器,減少訓(xùn)練樣本數(shù)和縮短訓(xùn)練時間。同時利用K-L變換的特征提取技術(shù)在系統(tǒng)分類精度不降低的情況下將樣本數(shù)據(jù)由六維降到三維,提取了樣本數(shù)據(jù)集的特征值,同時通過三維圖表示了降為三維的樣本數(shù)據(jù),從而為進一步提高分類正確率奠定了基礎(chǔ)。

    1 支持向量機分類原理

    1.1 線性情況

    當訓(xùn)練樣本集線性可分時,分類超平面的描述為

    式(1)中,向量ω為分類超平面的權(quán)系數(shù);b是分類閾值。最優(yōu)分類超平面可通過解下面的凸二次優(yōu)化問題獲得。

    通過求解,得到最優(yōu)分類超平面的分類判別函數(shù)為

    其中,αi為拉氏乘子,拉氏乘子不為0的解向量為支持向量。

    1.2 非線性情況

    對于非線性問題,SVMs通過選擇適當?shù)姆蔷€性變換,將輸入空間X中的訓(xùn)練樣本映射到某個高維特征空間F,使得在目標高維空間中這些樣本線性可分。根據(jù)泛函的有關(guān)理論,若核函數(shù)K(x,xi)滿足Mercer條件,則對應(yīng)某一變換空間中的內(nèi)積〈φ(xi)·φ(x)〉,函數(shù)φ∶x→F是一個從非線性輸入空間X到高維特征空間F的映射,所以求映射φ∶x→F只要知道如何由輸入x、xi計算內(nèi)積〈φ(xi)·φ(x)〉即可,由

    將式(4)重寫,即可得到對應(yīng)高維空間的分類函數(shù)為

    2 核距離與K-L變換

    根據(jù)SVM分類原理,經(jīng)向量化處理的變壓器DGA數(shù)據(jù)可直接作為訓(xùn)練樣本數(shù)據(jù),但此方法使得SVM訓(xùn)練算法速度比較慢,這是因為訓(xùn)練樣本的數(shù)量決定了二次規(guī)劃問題目標函數(shù)中矩陣的維數(shù),使得求解規(guī)劃問題的速度與維數(shù)呈指數(shù)增長。為了提高訓(xùn)練速度,減少學(xué)習(xí)樣本數(shù),縮短訓(xùn)練時間,則采取主動選擇對于確立分類器最重要的新樣本進行訓(xùn)練,來進一步設(shè)計新的分類器,從而使得可以用盡可能少的標注樣本數(shù)來實現(xiàn)較高的分類精度。

    支持向量機學(xué)習(xí)算法包括兩個獨立的部分<c,f>,c是一個SVM多類分類器,f是一個查詢函數(shù),決定應(yīng)從候選集中選擇哪些樣本進行訓(xùn)練。由于檢測變壓器運行模式是一個多分類的模式識別問題,因此在這里SVM分類器采用的是1-a-r方法。這里通過引λ類質(zhì)心和基于Mercer核函數(shù)的歐式距離等概念來定義查詢函數(shù)f。其查詢策略是通過調(diào)節(jié)基于Mercer核函數(shù)歐式距離的選擇范圍來選擇最能代表各類的樣本數(shù)據(jù)。這種策略最大程度地縮減了訓(xùn)練樣本數(shù)據(jù),降低了算法的運算量。

    2.1 基于Mercer核函數(shù)的歐式距離

    Mercer核函數(shù)的原理是將輸入樣本數(shù)據(jù)空間非線性映射到新的特征空間。

    蘆曉飛表示,有機農(nóng)業(yè)替代化學(xué)農(nóng)業(yè)成為當前農(nóng)業(yè)轉(zhuǎn)型升級的主要出路,利用土壤微生物技術(shù)是當前撬動我國農(nóng)業(yè)可持續(xù)發(fā)展、提高農(nóng)產(chǎn)品質(zhì)量的有力杠桿。奧特奇具備技術(shù)優(yōu)勢主要體現(xiàn)在以下三個方面:一是獨一無二的酶制劑保障土壤健康;二是領(lǐng)先的有機礦物元素技術(shù)為植物提供充足的營養(yǎng);三是獨特的微生物提取物和植物抗誘劑技術(shù)促進農(nóng)作物健康生長,重建土壤健康生態(tài)。

    樣本數(shù)據(jù)空間中的歐式距離在新的特征空間H里可以表示為

    根據(jù)Mercer核映射φ的性質(zhì),輸入空間的點積在新的特征空間H中可以用Mercer核函數(shù)來表示,即

    由式(7)和式(8)可以表示為

    2.2 基于K-L變換的特征提取

    K-L特征提取[6]是通過映射(或變換)的方法把高維特征向量變換為低維特征向量。通過特征提取獲得的特征是原始特征集的某種組合,即A∶Y→X,可見,新的特征中包含了原有全體特征的信息。特征提取的關(guān)鍵問題是求出最佳變換矩陣,使得變換后的m維模式空間中,類別可分性準則值最大。

    設(shè)x為n維隨機向量,x可以用n個正交基向量的加權(quán)和來表示為

    式中,αi為加權(quán)系數(shù);φi為正交基向量,滿足

    從n個特征向量中取出m個組成變換矩陣A,即 A=(φ1,φ2,…,φm)(m < n),這時,A 是一個 n ×m維矩陣,x為n維向量,經(jīng)過ATx變換,得到降維為m的新向量。通過選取m個特征向量構(gòu)成變換矩陣A,使降維的新向量在最小均方誤差準則下接近原來的向量x。

    對于式(12)現(xiàn)在只取m項,對略去的項用預(yù)先選定的常數(shù)bj來代替,這時對x的估計值為

    由此產(chǎn)生的誤差為

    均方誤差為

    式中,λj是x的自相關(guān)矩陣R的第j個特征值;φj是與λj對應(yīng)的特征向量。顯然所選的λj值越小,均方誤差也越小。

    綜上所述,基于K-L變換的特征提取的步驟如下[6]:(1)平移坐標系,將模式總體的均值向量作為新坐標系的原點;(2)求出自相關(guān)矩陣R;(3)求出R的特征值λ1,λ2,…λn及其對應(yīng)的特征向量φ1,φ2,…,φn;(4)將特征值從大到小排序,如 λ1≥λ2≥…≥λm≥…≥λn,取前m個大的特征值所對應(yīng)的特征向量構(gòu)成變換矩陣 A=(φ1,φ2,…,φm);(5)將n維的原向量變換成m維的新向量y=ATx。

    利用K-L變換方法完成了對輸入樣本的特征值提取,降低了輸入樣本維數(shù),使SVM能夠快速分類。

    3 故障診斷流程

    (3)對得到的每類基于核函數(shù)的歐拉距離按一定序列排序。如低溫過熱故障所得的基于核函數(shù)的歐拉距離采用降序排列;而高溫過熱故障所得的基于核函數(shù)的歐拉距離采用升序排列。

    (5)得到的5類數(shù)據(jù)集即可作為訓(xùn)練集。

    (6)通過K-L變換對所選取的訓(xùn)練集進行特征提取,將其降為三維以降低運算量。

    (7)將測試數(shù)據(jù)代入訓(xùn)練好的分類器中進行試驗,如果測試誤差較大,返回步驟(3)。

    (8)達到精度即可作為故障分類器。

    4 變壓器故障診斷及分析

    通過所提學(xué)習(xí)方法選取29例正常模式、12例低能放電模式、8例低溫過熱模式、9例高溫過熱模式和20例高能放電模式訓(xùn)練樣本組成訓(xùn)練集。同時與通過傳統(tǒng)學(xué)習(xí)方法隨機選擇等量的樣本數(shù)據(jù)作為訓(xùn)練集進行比較,測試數(shù)據(jù)如表1所示。

    圖1是訓(xùn)練集的相對位置關(guān)系圖。圖中實線表示正常運行模式,虛線表示高能放電模式,星號表示低能放電模式,加號表示高溫過熱模式,棱形表示低溫過熱模式。從圖中可知,所得的訓(xùn)練集的三維圖正確地反映了油浸式變壓器實際的運行模式。高能放電模式樣本數(shù)據(jù)與低能放電模式樣本數(shù)據(jù)位置緊密但較易區(qū)分;而高溫過熱模式樣本數(shù)據(jù)與低溫過熱模式樣本數(shù)據(jù)混淆嚴重,由此推斷,這兩種故障模式較難區(qū)分。表1顯示了兩種方法訓(xùn)練的分類器對測試數(shù)據(jù)正確診斷率的仿真結(jié)果。同時為檢驗參數(shù)尋優(yōu)對分類結(jié)果的影響,對基于經(jīng)驗選取參數(shù)(p1=0.1,C=100)的多類SVM模型與基于最優(yōu)參數(shù)的多類SVM模型的分類結(jié)果進行了對比。

    表1 兩種方法診斷的結(jié)果對比

    圖1 訓(xùn)練集三維圖

    從表1對測試樣本的檢測率可知,通過所提方法獲得的訓(xùn)練集構(gòu)造的分類器比傳統(tǒng)方法構(gòu)造的分類器更精確。因此故障診斷正確率更高。同時可知通過尋優(yōu)所得的基于最優(yōu)參數(shù)的故障診斷模型比基于經(jīng)驗的參數(shù)模型具有更高的檢測正確率。

    通過對變壓器油中氣體容量(×10-6)的現(xiàn)場測試,具體值為:φ(H2)=127,φ(CH4)=107,φ(C2H2)=244,φ(C2H4)=154,φ(C2H6)=11,φ(CO)=174.通過所提方法建立的診斷模型,診斷結(jié)果為高能放電。通過實際的檢測,故障是由于次級線圈放電從而造成整個線圈的損壞。

    5 結(jié)論

    提出了將支持向量機學(xué)習(xí)算法與基于K-L特征提取技術(shù)應(yīng)用于變壓器故障診斷模型的新算法。通過主動選擇各類數(shù)據(jù)集中能正確代表各類相對關(guān)系的樣本數(shù)據(jù)來訓(xùn)練分類器,因此提出的主動學(xué)習(xí)方法能夠在縮減訓(xùn)練樣本和計算量的情況下仍能達到傳統(tǒng)方法的檢測精度。同時引入了基于K-L變換的特征提取技術(shù),使能夠?qū)崿F(xiàn)樣本數(shù)據(jù)從六維降到三維,并通過Matlab作圖將其顯示在三維圖中。實驗表明,采用所提方法相對于傳統(tǒng)方法具有更高的故障診斷率。在仿真實驗中,分類的準確度與核函數(shù)類型的選擇和相應(yīng)參數(shù)的選取密切相關(guān),因此下一步工作是從SVM的分類機理出發(fā)對模型的參數(shù)選擇與精確度的提高可以展開進一步的研究。

    [1]DL/T 596-1996,電力設(shè)備預(yù)防性試驗規(guī)程[S].

    [2]Warmuth M K,Liao J,Ratsch G et a1.Active Learning with Support Vector Machines in the Drug Discovery Process[J].Journal of Chemical Information and Computer Sciences,2003,43(2):667 -673.

    [3]Hsu C W,Chang C C,Lin C J.A Practical Guide to Support Vector Classification[Z].2003 - 07.http://www.csie.ntu.edu.tw/cjlin/papers/guide/guide.pdf.

    [4]Wang Liguo,Zhang Ye,GU Yanfeng.The Research of Simplification of Support of Structure of Multi-class Classifier Vector Machine[J].Journal of Image and Graphics,2005,10(5):572 -574.

    [5]Cortes C,Vapnik V.Support Vector Networks[J].Machine Learning,1995,20(1):273-297.

    [6]肖建華.智能模式識別方法[M].廣州:華南理工大學(xué)出版社,2006.

    [7]Wilson D R,Tony R M.Improved Heterogeneous Distance Functions[J].Journal of Artificial Intelligence Research,1997,6(1):1-34.

    [8]段丹青,陳松喬,楊衛(wèi)平.基于SVM主動學(xué)習(xí)的入侵檢測系統(tǒng)[J].計算機工程,2007,33(1):153-155.

    [9]Vapnik V.An Overview of Statistical Learning Theory[J].IEEE Transactions on Neural Networks,1999,10(5):988-999.

    [10]Cui Jiang,Wang You-ren.Analog Circuit Faults Diagnosis Based on Clustering Preprocess and SVM[J].Computer Applications,2006,26(8):1977 -1979.

    猜你喜歡
    特征提取分類器向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    Bagging RCSP腦電特征提取算法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    国产av国产精品国产| 我的老师免费观看完整版| 国产激情偷乱视频一区二区| 熟女人妻精品中文字幕| 欧美性猛交╳xxx乱大交人| 男女啪啪激烈高潮av片| 国产成人精品久久久久久| 亚洲国产高清在线一区二区三| 日韩电影二区| 中国美白少妇内射xxxbb| 久久亚洲国产成人精品v| 美女高潮的动态| 国产精品精品国产色婷婷| 国产 一区精品| 成人欧美大片| 亚洲精品成人av观看孕妇| 国产视频首页在线观看| 人人妻人人澡欧美一区二区| 欧美激情国产日韩精品一区| 久久精品国产亚洲网站| 亚洲精品国产成人久久av| 久久久午夜欧美精品| 国产成人一区二区在线| 女人被狂操c到高潮| 国产高清有码在线观看视频| 男人舔女人下体高潮全视频| 黄色日韩在线| 国产成人精品一,二区| 欧美激情在线99| 亚洲精品亚洲一区二区| 日韩成人伦理影院| 午夜福利成人在线免费观看| 日韩欧美精品免费久久| 中文精品一卡2卡3卡4更新| 日本黄大片高清| 日韩欧美一区视频在线观看 | 成人特级av手机在线观看| 亚洲av国产av综合av卡| 18+在线观看网站| 麻豆乱淫一区二区| 欧美一区二区亚洲| 精华霜和精华液先用哪个| 亚洲成人av在线免费| 99热这里只有是精品50| 最近2019中文字幕mv第一页| a级毛片免费高清观看在线播放| 日日啪夜夜撸| 国内揄拍国产精品人妻在线| 成人特级av手机在线观看| 亚洲精品影视一区二区三区av| 大片免费播放器 马上看| 亚洲va在线va天堂va国产| 最近的中文字幕免费完整| 日本黄色片子视频| 国产乱来视频区| 久久久久网色| 成年人午夜在线观看视频 | 建设人人有责人人尽责人人享有的 | 亚洲熟女精品中文字幕| 国内少妇人妻偷人精品xxx网站| 一区二区三区高清视频在线| 日韩人妻高清精品专区| ponron亚洲| 中文字幕av成人在线电影| 久久久久久九九精品二区国产| 纵有疾风起免费观看全集完整版 | 热99在线观看视频| 国产一区二区在线观看日韩| 97人妻精品一区二区三区麻豆| 久久国产乱子免费精品| 美女主播在线视频| 三级男女做爰猛烈吃奶摸视频| 人人妻人人看人人澡| 久久精品熟女亚洲av麻豆精品 | 三级男女做爰猛烈吃奶摸视频| 欧美人与善性xxx| www.av在线官网国产| 一级毛片黄色毛片免费观看视频| 在线天堂最新版资源| 久久久亚洲精品成人影院| 国产真实伦视频高清在线观看| 欧美bdsm另类| 久久久国产一区二区| 美女国产视频在线观看| 国内揄拍国产精品人妻在线| 日本午夜av视频| 国产黄色免费在线视频| 天天躁夜夜躁狠狠久久av| 国产免费福利视频在线观看| 亚洲电影在线观看av| 亚洲精品乱码久久久久久按摩| 国产精品福利在线免费观看| 男女啪啪激烈高潮av片| av.在线天堂| 国产高清不卡午夜福利| 色综合色国产| 国内精品一区二区在线观看| 欧美变态另类bdsm刘玥| 成人欧美大片| 夜夜爽夜夜爽视频| 欧美一级a爱片免费观看看| 亚洲美女搞黄在线观看| 欧美日韩亚洲高清精品| 国产精品伦人一区二区| 久久99热6这里只有精品| 在线免费十八禁| 插阴视频在线观看视频| 欧美成人一区二区免费高清观看| 六月丁香七月| 久久午夜福利片| 嫩草影院入口| 色播亚洲综合网| 九色成人免费人妻av| 国产伦精品一区二区三区视频9| 哪个播放器可以免费观看大片| 久久99蜜桃精品久久| 成人一区二区视频在线观看| 久久久久久久久久久丰满| 久久久久久久久久久丰满| 国产91av在线免费观看| 秋霞在线观看毛片| 性色avwww在线观看| 一区二区三区四区激情视频| 777米奇影视久久| 日韩制服骚丝袜av| 精品人妻视频免费看| 男的添女的下面高潮视频| 国产成人精品福利久久| 在线播放无遮挡| 欧美97在线视频| 国产一区二区三区综合在线观看 | 免费看不卡的av| av在线亚洲专区| 不卡视频在线观看欧美| 亚洲成色77777| 国产午夜福利久久久久久| 亚洲激情五月婷婷啪啪| 精品人妻视频免费看| 亚洲国产av新网站| 高清av免费在线| 欧美一区二区亚洲| 欧美zozozo另类| 97热精品久久久久久| 久久久色成人| 国产精品国产三级国产专区5o| 久久久久久久大尺度免费视频| 精品人妻一区二区三区麻豆| 成人美女网站在线观看视频| 天堂av国产一区二区熟女人妻| 精品少妇黑人巨大在线播放| 亚洲av二区三区四区| 国产精品一区二区性色av| 免费看a级黄色片| 26uuu在线亚洲综合色| 免费电影在线观看免费观看| 亚洲国产欧美人成| 在线观看美女被高潮喷水网站| 欧美激情在线99| 免费观看的影片在线观看| 99热这里只有是精品在线观看| 高清在线视频一区二区三区| 97超碰精品成人国产| 内射极品少妇av片p| 欧美三级亚洲精品| 亚洲熟女精品中文字幕| 男女边吃奶边做爰视频| 亚洲18禁久久av| 日韩一本色道免费dvd| 国产真实伦视频高清在线观看| 边亲边吃奶的免费视频| 日本色播在线视频| 国产精品一及| 亚洲18禁久久av| 国产精品爽爽va在线观看网站| 少妇裸体淫交视频免费看高清| 国产高清有码在线观看视频| 嫩草影院入口| 男人和女人高潮做爰伦理| 少妇人妻精品综合一区二区| 国产69精品久久久久777片| 中文字幕亚洲精品专区| 午夜久久久久精精品| 亚洲在线自拍视频| a级一级毛片免费在线观看| 亚洲,欧美,日韩| av福利片在线观看| 三级国产精品欧美在线观看| 国产精品国产三级专区第一集| 日韩精品有码人妻一区| 久久综合国产亚洲精品| 免费观看的影片在线观看| 成年人午夜在线观看视频 | 国产在线一区二区三区精| 夜夜爽夜夜爽视频| 久久久久免费精品人妻一区二区| 一个人看视频在线观看www免费| 99久久九九国产精品国产免费| 成年女人看的毛片在线观看| 亚洲精品亚洲一区二区| 看非洲黑人一级黄片| 亚洲自偷自拍三级| 国产亚洲最大av| 一个人观看的视频www高清免费观看| 六月丁香七月| 午夜免费激情av| 日韩一区二区三区影片| 久久久久久久国产电影| 十八禁国产超污无遮挡网站| 精品久久久久久久人妻蜜臀av| 少妇熟女aⅴ在线视频| 亚洲精品,欧美精品| 18禁在线播放成人免费| 久热久热在线精品观看| 在线播放无遮挡| 免费看a级黄色片| 午夜亚洲福利在线播放| 亚洲欧美一区二区三区国产| 亚洲精品国产av成人精品| 色尼玛亚洲综合影院| 国产精品一区二区性色av| 国产亚洲最大av| 成人鲁丝片一二三区免费| 伦理电影大哥的女人| 在线免费观看的www视频| 99久久精品国产国产毛片| 国产成人午夜福利电影在线观看| av在线观看视频网站免费| 免费大片18禁| 久热久热在线精品观看| 日韩,欧美,国产一区二区三区| 国产一区二区在线观看日韩| 欧美激情在线99| 丝瓜视频免费看黄片| 国产熟女欧美一区二区| 2018国产大陆天天弄谢| 国产成人aa在线观看| 久久亚洲国产成人精品v| 看非洲黑人一级黄片| 最后的刺客免费高清国语| 亚洲精品乱码久久久v下载方式| 看免费成人av毛片| 日韩伦理黄色片| 一个人免费在线观看电影| 国产亚洲一区二区精品| 久久精品国产亚洲av涩爱| 欧美日韩在线观看h| 亚洲精品久久午夜乱码| 99热这里只有是精品在线观看| 免费观看精品视频网站| 国产午夜福利久久久久久| 777米奇影视久久| 春色校园在线视频观看| 青春草视频在线免费观看| 人妻夜夜爽99麻豆av| 日本wwww免费看| 能在线免费看毛片的网站| 极品少妇高潮喷水抽搐| 亚洲av日韩在线播放| 久久久久久国产a免费观看| 亚洲欧美中文字幕日韩二区| 黄片wwwwww| 久久久久国产网址| 一区二区三区高清视频在线| 日本免费a在线| 国产91av在线免费观看| 夜夜看夜夜爽夜夜摸| 夫妻午夜视频| 亚洲国产成人一精品久久久| 一个人看的www免费观看视频| 免费不卡的大黄色大毛片视频在线观看 | 国精品久久久久久国模美| 久久久久久久国产电影| 欧美三级亚洲精品| 青春草亚洲视频在线观看| 内地一区二区视频在线| 天天一区二区日本电影三级| 久久这里只有精品中国| 五月天丁香电影| 日韩成人伦理影院| 美女大奶头视频| 国产精品久久视频播放| 久久精品熟女亚洲av麻豆精品 | av一本久久久久| 国产69精品久久久久777片| 色综合色国产| 日韩欧美三级三区| 能在线免费观看的黄片| 国产精品不卡视频一区二区| 哪个播放器可以免费观看大片| 国产在视频线精品| 日韩视频在线欧美| 久久久久久九九精品二区国产| 国产av国产精品国产| 大又大粗又爽又黄少妇毛片口| 深夜a级毛片| 一区二区三区免费毛片| 国产成人精品一,二区| 亚洲精品久久久久久婷婷小说| 噜噜噜噜噜久久久久久91| 国产麻豆成人av免费视频| 中文字幕制服av| 国产淫语在线视频| 久久久久久久久久久免费av| 亚洲精品自拍成人| 亚洲欧美成人综合另类久久久| 免费电影在线观看免费观看| 国产麻豆成人av免费视频| 亚洲精品第二区| 亚洲人成网站在线播| 日日啪夜夜爽| 精品久久久噜噜| 秋霞伦理黄片| 久久久久国产网址| 亚洲av成人av| 国产中年淑女户外野战色| 国产午夜精品论理片| 蜜臀久久99精品久久宅男| 亚洲精品影视一区二区三区av| 成人综合一区亚洲| 亚洲精品,欧美精品| 亚洲最大成人av| 久久精品国产亚洲网站| 午夜免费男女啪啪视频观看| 成人毛片a级毛片在线播放| 97在线视频观看| 色尼玛亚洲综合影院| 国产乱人视频| 久久97久久精品| 真实男女啪啪啪动态图| 国产亚洲5aaaaa淫片| 久久久久久国产a免费观看| 欧美丝袜亚洲另类| 亚洲在久久综合| 五月伊人婷婷丁香| 久久午夜福利片| 国产又色又爽无遮挡免| 亚洲av中文av极速乱| 一区二区三区四区激情视频| 成年免费大片在线观看| 国产成人精品福利久久| 亚洲av免费在线观看| 国模一区二区三区四区视频| 国产不卡一卡二| 亚洲av电影在线观看一区二区三区 | 久久精品久久久久久久性| 观看免费一级毛片| 欧美日韩综合久久久久久| 成人国产麻豆网| 日日摸夜夜添夜夜爱| 国产单亲对白刺激| 91狼人影院| 亚洲精品,欧美精品| 国产视频首页在线观看| 精品人妻熟女av久视频| 久久这里有精品视频免费| 精品熟女少妇av免费看| 99久久中文字幕三级久久日本| 亚洲高清免费不卡视频| 亚洲久久久久久中文字幕| 国内精品一区二区在线观看| 美女大奶头视频| 精品一区二区三区视频在线| 久久久久久伊人网av| 久久韩国三级中文字幕| 欧美日韩亚洲高清精品| 久久久久国产网址| 哪个播放器可以免费观看大片| 免费看美女性在线毛片视频| 国产乱来视频区| 久久久久久久久中文| 神马国产精品三级电影在线观看| 国产精品日韩av在线免费观看| 久久久久精品性色| 一级毛片aaaaaa免费看小| 国产女主播在线喷水免费视频网站 | 97在线视频观看| 最近2019中文字幕mv第一页| 波多野结衣巨乳人妻| 2022亚洲国产成人精品| 久久久久久久午夜电影| 精品一区二区三区视频在线| 啦啦啦韩国在线观看视频| 1000部很黄的大片| 九色成人免费人妻av| 精品人妻熟女av久视频| 久久久精品免费免费高清| 91午夜精品亚洲一区二区三区| 色综合站精品国产| 精品人妻熟女av久视频| 久久久欧美国产精品| 国产极品天堂在线| 乱人视频在线观看| 一级av片app| 色综合色国产| 一级a做视频免费观看| 能在线免费看毛片的网站| 亚洲久久久久久中文字幕| 久久亚洲国产成人精品v| 国产免费福利视频在线观看| 在线观看一区二区三区| 偷拍熟女少妇极品色| 人妻少妇偷人精品九色| 色尼玛亚洲综合影院| 熟妇人妻久久中文字幕3abv| 午夜福利高清视频| 久久久久久伊人网av| 日日摸夜夜添夜夜爱| 成年免费大片在线观看| 一级毛片aaaaaa免费看小| 亚洲色图av天堂| 国产精品一区二区在线观看99 | 国产欧美另类精品又又久久亚洲欧美| 国产麻豆成人av免费视频| av在线亚洲专区| 男人舔女人下体高潮全视频| 最后的刺客免费高清国语| 欧美人与善性xxx| 亚洲国产欧美在线一区| 在线 av 中文字幕| 国产一区有黄有色的免费视频 | 日日啪夜夜撸| 日本猛色少妇xxxxx猛交久久| 能在线免费看毛片的网站| 成人亚洲精品av一区二区| 高清视频免费观看一区二区 | 久久6这里有精品| 日韩一区二区三区影片| a级一级毛片免费在线观看| 欧美xxⅹ黑人| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久久久国产网址| 亚洲成人精品中文字幕电影| 激情五月婷婷亚洲| 久久久久精品性色| 中文字幕久久专区| 国产午夜福利久久久久久| 亚洲综合色惰| 六月丁香七月| av线在线观看网站| 成年版毛片免费区| 3wmmmm亚洲av在线观看| 观看美女的网站| 三级国产精品片| 赤兔流量卡办理| 午夜福利网站1000一区二区三区| 国产 亚洲一区二区三区 | 亚洲欧美日韩卡通动漫| 免费看日本二区| 熟妇人妻久久中文字幕3abv| 久久99蜜桃精品久久| av在线天堂中文字幕| 国产视频内射| 国产伦在线观看视频一区| 亚洲精品,欧美精品| 欧美性猛交╳xxx乱大交人| 一级黄片播放器| 亚洲精品一二三| 免费看a级黄色片| 免费看美女性在线毛片视频| 美女高潮的动态| 国产成人freesex在线| 黄片wwwwww| 性插视频无遮挡在线免费观看| 蜜桃久久精品国产亚洲av| 黄色日韩在线| 亚洲人成网站高清观看| 九草在线视频观看| 男女下面进入的视频免费午夜| 亚洲aⅴ乱码一区二区在线播放| 国产一级毛片在线| 黄色一级大片看看| 一级二级三级毛片免费看| 青春草视频在线免费观看| 亚洲自偷自拍三级| 一级黄片播放器| 国产伦在线观看视频一区| 亚洲熟女精品中文字幕| 亚洲aⅴ乱码一区二区在线播放| 欧美成人午夜免费资源| 老司机影院毛片| 久久久久久久久久黄片| 亚洲国产精品成人久久小说| a级一级毛片免费在线观看| 汤姆久久久久久久影院中文字幕 | 天天躁日日操中文字幕| 色尼玛亚洲综合影院| 免费观看av网站的网址| 高清av免费在线| 99热这里只有是精品在线观看| 成人高潮视频无遮挡免费网站| 国产精品av视频在线免费观看| 欧美成人一区二区免费高清观看| 日本一本二区三区精品| 亚洲精品aⅴ在线观看| 亚洲精品国产成人久久av| 亚洲成人一二三区av| h日本视频在线播放| 亚洲av免费在线观看| 欧美xxxx性猛交bbbb| 亚洲性久久影院| 国产精品av视频在线免费观看| 久久国内精品自在自线图片| 久久精品熟女亚洲av麻豆精品 | 久久久久久伊人网av| 男人爽女人下面视频在线观看| 欧美高清成人免费视频www| 婷婷色综合大香蕉| 国产在视频线精品| 精品久久久久久久人妻蜜臀av| 亚洲熟女精品中文字幕| 亚洲国产最新在线播放| 欧美潮喷喷水| 日本色播在线视频| 插阴视频在线观看视频| 波多野结衣巨乳人妻| 精品久久久久久久久亚洲| 午夜福利视频1000在线观看| 人人妻人人看人人澡| 日韩精品有码人妻一区| 老司机影院成人| 熟妇人妻久久中文字幕3abv| 日日撸夜夜添| 韩国av在线不卡| 99久久九九国产精品国产免费| 五月玫瑰六月丁香| 国产视频内射| 精品不卡国产一区二区三区| 精品久久国产蜜桃| 大香蕉97超碰在线| 人妻制服诱惑在线中文字幕| 久久久久久久午夜电影| 精品欧美国产一区二区三| 精品国内亚洲2022精品成人| 少妇人妻一区二区三区视频| 一本一本综合久久| 国产有黄有色有爽视频| 99久久精品国产国产毛片| 国产熟女欧美一区二区| 成人无遮挡网站| 大陆偷拍与自拍| 91精品伊人久久大香线蕉| 精品不卡国产一区二区三区| 高清欧美精品videossex| 永久免费av网站大全| 国产精品国产三级国产专区5o| 人人妻人人澡欧美一区二区| 水蜜桃什么品种好| 午夜日本视频在线| 99久久精品国产国产毛片| 我的老师免费观看完整版| 午夜激情福利司机影院| 日韩av在线免费看完整版不卡| 女人被狂操c到高潮| 草草在线视频免费看| 亚洲av在线观看美女高潮| 日韩欧美三级三区| 黄色欧美视频在线观看| 国产国拍精品亚洲av在线观看| 久久久久久久国产电影| 哪个播放器可以免费观看大片| 久久精品久久久久久久性| 国产黄频视频在线观看| 亚洲成人一二三区av| 欧美bdsm另类| 精品人妻一区二区三区麻豆| 日韩欧美三级三区| 天堂影院成人在线观看| 欧美人与善性xxx| 成人午夜高清在线视频| 亚洲经典国产精华液单| 大香蕉97超碰在线| 91久久精品电影网| 国产亚洲一区二区精品| 五月伊人婷婷丁香| 精品久久久久久久久久久久久| 少妇的逼好多水| 亚洲欧美成人精品一区二区| 欧美zozozo另类| 三级国产精品欧美在线观看| 干丝袜人妻中文字幕| 精品一区二区免费观看| 国产探花在线观看一区二区| 一级毛片电影观看| 91狼人影院| 久久97久久精品| 欧美日韩一区二区视频在线观看视频在线 | 中文字幕免费在线视频6| 九草在线视频观看| 好男人视频免费观看在线| av在线蜜桃| 国产精品国产三级国产专区5o| av免费观看日本| av黄色大香蕉| 精品久久久久久久久av| 91狼人影院| 在线观看免费高清a一片| 在线天堂最新版资源| 51国产日韩欧美| 黄片无遮挡物在线观看| 精品久久久久久成人av| 美女黄网站色视频| 舔av片在线| 久久亚洲国产成人精品v| 在线观看免费高清a一片| 国产精品一区二区性色av| 久久精品国产亚洲网站| 国内揄拍国产精品人妻在线| 午夜精品一区二区三区免费看| 日韩强制内射视频| 女人久久www免费人成看片| 老司机影院成人| 街头女战士在线观看网站| 精品久久久久久成人av| 国产亚洲91精品色在线| 中国美白少妇内射xxxbb|