• <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 ?

    基于動態(tài)結(jié)構(gòu)保持主元分析的故障檢測方法

    2013-07-07 15:39:16田學民蔡連芳
    關鍵詞:降維特征提取監(jiān)控

    張 妮,田學民,蔡連芳

    (中國石油大學信息與控制工程學院,山東青島 266580)

    基于動態(tài)結(jié)構(gòu)保持主元分析的故障檢測方法

    張 妮,田學民,蔡連芳

    (中國石油大學信息與控制工程學院,山東青島 266580)

    為充分利用表征過程運行工況的數(shù)據(jù)特征信息,提高化工過程的故障檢測性能,提出一種基于動態(tài)結(jié)構(gòu)保持主元分析(DSPPCA)的過程故障檢測方法。首先對原始數(shù)據(jù)采用變量相關性分析建立自回歸模型,構(gòu)建包含動態(tài)特征的數(shù)據(jù)集,進一步綜合考慮主元分析法(PCA)和局部線性嵌入(LLE)流形學習算法中數(shù)據(jù)點之間的近鄰關系,融合得出新的目標函數(shù),同時,運用局部線性回歸的方法獲得高維樣本的嵌入映射,特征提取后在特征空間和殘差空間分別構(gòu)造監(jiān)控統(tǒng)計量進行故障檢測。Swiss-roll數(shù)據(jù)集的降維結(jié)果及TE過程的仿真研究結(jié)果表明,DSPPCA算法可以取得較好的特征提取效果,具有較高的故障檢測性能。

    動態(tài)結(jié)構(gòu)保持主元分析;流形學習;相關性分析;特征提?。还收蠙z測

    基于數(shù)據(jù)分析的故障診斷技術(shù)中對高維數(shù)據(jù)進行有效特征的提取成為學術(shù)界和工業(yè)界極為關注的問題。各種降維方法[1-6]如主元分析法(PCA)、典型變量分析法(CVA)等已經(jīng)廣泛地用于工業(yè)過程監(jiān)控,得到特征空間和殘差空間并分別構(gòu)造監(jiān)控統(tǒng)計量實施故障檢測。近年來,流形學習的方法也用于故障檢測[7-10]。為了更為全面地獲取采集數(shù)據(jù)中隱含的特征信息,筆者采用相關性分析解決動態(tài)數(shù)據(jù)的自相關特性,進一步融合PCA和局部線性嵌入(LLE)流形學習方法提出一種基于動態(tài)結(jié)構(gòu)保持主元分析(DSPPCA)的故障檢測方法,在特征空間和殘差空間分別構(gòu)造監(jiān)控統(tǒng)計量進行故障檢測,并通過Swiss-roll數(shù)據(jù)和化工田納西-伊斯曼(TE)過程數(shù)據(jù)進行仿真驗證。

    1 特征提取算法

    1.1 局部線性嵌入法

    LLE是一種基于流形學習的非線性特征提取方法,觀測空間中的每一個點可以近似由其局部鄰域中的點加權(quán)平均表示,重建流形結(jié)構(gòu)時,低維空間中的該點由同樣大小的權(quán)值和近鄰點進行加權(quán)表示[11]。

    設高維數(shù)據(jù)集X=(x1,x2,…,xn),xi∈Rm,降維之后的低維坐標為Y=(y1,y2,…,yn),yi∈Rd。在高維空間中,算法通過下式計算基于最小重構(gòu)誤差的最優(yōu)權(quán)值矩陣W:

    添加一個低維坐標約束YYT=I,低維空間輸出值通過保持高維樣本點的局部重建權(quán)值矩陣和近鄰點進一步計算得出。

    可以看出,LLE算法從數(shù)據(jù)之間的近鄰關系和區(qū)域近鄰點局部線性的角度出發(fā),使得數(shù)據(jù)之間的近鄰結(jié)構(gòu)在降維后得以保持,然而該算法沒有考慮數(shù)據(jù)整體結(jié)構(gòu)信息,從而可能出現(xiàn)在降維投影后低維空間的整體結(jié)構(gòu)特征未能進一步與高維空間保持一致。

    1.2 主元分析法

    PCA算法通過正交變換將高維數(shù)據(jù)投影到低維空間,獲得不相關的降維輸出,解決了變量之間的線性相關問題,提取了數(shù)據(jù)變化的主要特征。

    PCA算法的目標函數(shù)可以寫為

    PCA算法最優(yōu)地保持了變量空間全局方差信息的變化,按獲取數(shù)據(jù)的變化度來說是最優(yōu)的。然而,與LLE算法相似,PCA未能考慮數(shù)據(jù)近鄰點之間的局部結(jié)構(gòu)信息的保持,可能造成數(shù)據(jù)部分結(jié)構(gòu)信息的丟失。

    1.3 結(jié)構(gòu)保持的特征提取算法

    兼顧數(shù)據(jù)近鄰局部結(jié)構(gòu)信息和全局信息變化的保持,將PCA和LLE算法的優(yōu)化函數(shù)進行融合,轉(zhuǎn)化為一個最大化目標函數(shù)的求解問題。構(gòu)造約束條件下新的目標函數(shù)為

    其中,Q=αI-(1-α)M,α為比例參數(shù),控制著兩種結(jié)構(gòu)保持算法的比例。利用拉格朗日乘數(shù)法,上述優(yōu)化問題可以轉(zhuǎn)化為下列特征方程的求解,即

    設y0,y1,…,yd-1是矩陣特征值分解后最大的d個特征值對應的特征向量,低維空間的d個正交向量等價于計算矩陣Q的d個最大的特征值對應的特征向量,從而,數(shù)據(jù)X的全局低維坐標可以表示為: Y=((y0)T,(y1)T,…,(yd-1)T)。

    1.4 輸入輸出數(shù)據(jù)集映射

    結(jié)構(gòu)保持主元分析(SPPCA)算法僅建立了點對點之間的映射關系,無法推廣到獨立于訓練集的數(shù)據(jù)。從而,如何獲得原始空間到降維空間的映射關系是流形學習算法需要解決的關鍵問題。基于潛在流形局部線性的假設,建立線性投影來近似高維數(shù)據(jù)空間到低維嵌入空間的映射關系,在最小二乘意義下求取映射矩陣A:

    其中,A=[a1,a2,…,ad]∈Rm×d。每一個基向量a1,a2,…,ad通過求解線性最小二乘回歸獲得

    在矩陣X滿秩時,投影基向量aj(j=1,2,…,d)的求解可以根據(jù)下式得出:

    2 基于DSPPCA的故障檢測算法

    2.1 加權(quán)動態(tài)多變量自回歸模型

    數(shù)據(jù)的動態(tài)性在化工過程是普遍存在的,Ku提出動態(tài)過程監(jiān)控處理方法[12],考慮滯后階次的影響采用時滯增廣矩陣將數(shù)據(jù)擴展成如下形式:

    然而在實際應用中,數(shù)據(jù)維數(shù)較高、規(guī)模較大時,增廣矩陣的出現(xiàn)造成了龐大的計算量,造成建模時間的顯著增加,為了克服原有數(shù)據(jù)處理的盲目性,充分考慮數(shù)據(jù)動態(tài)性的事實,引入變量相關性分析來考慮每個變量的時間序列相關性。

    設X(t)=[x1(t)x2(t)…xm(t)]∈Rn×m為原采樣數(shù)據(jù),變量的自相關系數(shù)計算如下:

    其中,b為滯后步長,矩陣擴展后樣本數(shù)據(jù)減少到nb;X′(t)為加權(quán)之后的采樣矩陣;t為采樣時刻;ρ為變量的相關系數(shù)。根據(jù)求出的自相關系數(shù),對變量的時間序列實現(xiàn)了自適應遞歸,使得過程數(shù)據(jù)的動態(tài)信息得以完整保留,更加有利于故障檢測的實施。

    2.2 故障檢測步驟

    運用SPPCA算法降維得到主特征空間和殘差空間,算法性能監(jiān)控統(tǒng)計量的確定類似于PCA算法中兩監(jiān)控統(tǒng)計量的確定方法,在降維子空間以及殘差空間分別構(gòu)造監(jiān)控統(tǒng)計量。本文中采用T2統(tǒng)計量監(jiān)控降維子空間內(nèi)部的波動,

    其中,Λ為樣本的協(xié)方差矩陣。

    平方預測誤差(SPE)也稱為Q統(tǒng)計量,用于測量殘差空間的信息變化,該統(tǒng)計量計算式如下:

    (1)對正常工況數(shù)據(jù)進行離線建模。運用變量的均值和方差將正常工況訓練數(shù)據(jù)進行標準化處理后,對數(shù)據(jù)建立自回歸統(tǒng)計模型,之后運用SPPCA算法降維獲得輸出并進一步求取輸入輸出數(shù)據(jù)之間的近似投影關系,在殘差空間和降維子流形空間分別構(gòu)造監(jiān)控統(tǒng)計量實施監(jiān)控,通過核密度估計分別獲得兩監(jiān)控統(tǒng)計量的控制限。

    (2)對實時采集數(shù)據(jù)進行在線監(jiān)控。采集新的過程觀測數(shù)據(jù)并根據(jù)離線正常工況數(shù)據(jù)進行歸一化處理,基于離線模型求取的投影映射進行特征提取,隨后分別計算測試數(shù)據(jù)的監(jiān)控統(tǒng)計量,如果統(tǒng)計量超出控制限,則表明監(jiān)控過程可能有故障發(fā)生。

    3 實例仿真

    3.1 Swiss-roll數(shù)值仿真

    圖1 Swiss-roll數(shù)據(jù)集及不同方法的降維投影結(jié)果Fig.1 Swiss-roll data sets and projection results of different methods

    Swiss-roll數(shù)據(jù)是人工合成的數(shù)據(jù)集,已經(jīng)被廣泛地用來比較不同算法的降維效果[13]。在Swiss-roll的3維曲面上隨機采集2000個數(shù)據(jù)點,運用文中降維算法提取該3維數(shù)據(jù)的內(nèi)在特征,對算法性能進行比較驗證。結(jié)果見圖1。對SPPCA及DSSPCA算法,文中交叉驗證得到參數(shù)α取值為0.60。從3維Swiss-roll數(shù)據(jù)降維的結(jié)果可以看出,采用PCA降維方法無法提供好的降維效果,而SPPCA以及DSSPCA方法皆可以在降維的同時較好地保存原有數(shù)據(jù)的幾何結(jié)構(gòu)特征,從而可以采用DSPPCA方法進行降維特征提取后進一步建立故障檢測模型。

    3.2田納西伊斯曼過程

    3.2.1 過程簡介

    田納西-伊斯曼(TE)過程多年來一直被廣泛用于驗證各種過程控制以及故障診斷方法[14]。TE過程由連續(xù)攪拌式反應釜、分凝器、氣液分離塔、汽提塔、再沸器等多個操作單元組成,過程機制復雜,變量具有非線性、強耦合等顯著特點,是一個典型的復雜工業(yè)過程。TE過程共有41個測量變量和12個操控變量,并人為地設定了21種故障工況[1]。樣本的采樣間隔為3 min,過程仿真運行時間為48 h,以正常工況的960個樣本點作為訓練集,采集不同故障的960個樣本點作為測試集,其中故障在過程運行8 h之后加入。

    3.2.2 仿真結(jié)果分析

    在離線建模階段,根據(jù)采集的960個正常數(shù)據(jù)分別建立PCA、SPPCA以及DSPPCA的統(tǒng)計分析模型來比較相應的故障檢測性能。嵌入空間維數(shù)通過方差累積貢獻率法獲取,根據(jù)85%的方差累積貢獻率確定主元個數(shù)。故障檢測統(tǒng)計量的閾值均設為95%的控制限,同時,故障檢測時刻定義為連續(xù)3個樣本點超過其控制限。

    參數(shù)α取值決定了數(shù)據(jù)非線性特征提取的差異,為了分析α對故障特征提取以及故障檢測性能的影響,對其進行一定范圍的取值比較。故障4涉及反應器冷卻水入口溫度的一個階躍變化,在故障發(fā)生后,其他50個測量變量和控制變量仍然保持穩(wěn)定。故障4與正常運行條件下相比,每個變量的均值和標準差的變化很小,特征提取的任務更加具有挑戰(zhàn)性。圖2所示為α取值與T2檢測率的多次統(tǒng)計關系,由仿真結(jié)果可知,α取0.85可以取得較好的故障檢測效果。

    同樣以TE過程故障4為例,基于PCA、SPPCA以及DSSPCA3種方法的T2和Q統(tǒng)計量對于故障4的靈敏程度可以分別在圖3中進行檢驗,定量的故障檢測結(jié)果在后續(xù)的列表中給出。在PCA的監(jiān)控圖中,運用Q統(tǒng)計量的故障檢測時刻為161,自故障發(fā)生時刻便可以一直明顯地檢測到超過閾值。其T2統(tǒng)計量的故障檢測相對較為滯后,在189個采樣點檢測到故障發(fā)生,雖可以檢測到故障但是卻不具有統(tǒng)計量檢測的持續(xù)性?;赟PPCA的故障檢測方法中,T2統(tǒng)計量可以一直有效地檢測到異常發(fā)生,然而其Q監(jiān)控量卻具有一定的漏檢率。而DSSPCA方法的兩個監(jiān)控統(tǒng)計量T2和Q皆在故障發(fā)生的初期檢測到故障,其故障檢測時刻分別為161和162,檢測效果有了明顯的改善。另一方面, DSSPCA方法的Q統(tǒng)計量在大幅值超出閾值方面的表現(xiàn)優(yōu)于SPPCA的Q統(tǒng)計量,這進一步表明,考慮自變量動態(tài)序列相關性實施故障檢測是有效的。

    圖2 α對T2統(tǒng)計量檢測性能的影響(f4)Fig.2 Fault detection performance of T2with different α value(f4)

    圖3 故障4的監(jiān)控圖比較Fig.3 Comparison of monitoring charts(f4)

    故障10不是幅值較大的階躍變化,故障檢測的實施有一定的困難,由圖4可以看出,PCA方法的T2監(jiān)控統(tǒng)計量的故障檢測時刻為205,采用結(jié)構(gòu)保持主元提取技術(shù)后,基于SPPCA方法的T2統(tǒng)計量在第182個采樣時刻檢測到故障,進一步考慮過程變量的時序動態(tài)特性,基于DSSPCA的相應T2統(tǒng)計量可以在第179個采樣時刻發(fā)現(xiàn)故障,反應較為靈敏。進一步比較3種算法對該故障的檢測率,即故障發(fā)生后超出閾值的樣本數(shù)目與實際故障樣本總和的比值,3種方法PCA、SPPCA以及DSSPCA的Q統(tǒng)計量的故障檢測率分別為62.38%、56.63%和62.88%,3種方法相應的T2統(tǒng)計量故障檢測率分別為24.75%、93.75%和96.13%,由此亦可看出考慮變量自相關的特征提取算法能更為有效地檢測出故障。

    圖4 監(jiān)控圖比較(f10)Fig.4 Comparison of monitoring charts(f10)

    表1為3種故障檢測方法在TE過程21種不同故障發(fā)生時的故障檢出率。由表可以看出,對于故障(3)、(9)、(15),如同其他數(shù)據(jù)驅(qū)動的故障檢測方法, 3種方法皆無法提供較好的監(jiān)控效果。對于故障(4)、(5)、(10)、(11)、(16)、(17)、(19),DSPPCA方法明顯地改善了故障檢測效果,監(jiān)控性能大大提高。雖然DSPPCA的故障檢測率有略低于其他方法的情況,但并不影響其對大部分故障與正常樣本之間差異性的捕捉。從而進一步說明,DSPPCA方法能夠綜合考慮數(shù)據(jù)樣本結(jié)構(gòu)特征的提取,使得數(shù)據(jù)的特征信息得以充分的利用,建立的監(jiān)控模型可以更為精確地描述過程運行工況,從而不僅在縮短故障檢測的延遲時刻而且在提高故障檢測率方面相對原有的PCA方法有了一定的改善和提高。

    表1 不同方法的故障檢測率Table 1 Comparison of fault detection rate by different methods

    與表1類似,表2所示為3種方法在TE過程不同類型代表性故障發(fā)生時的故障檢出樣本序號。由表2可見,DSPPCA方法能夠明顯地縮短故障檢測的延遲時間,故障檢測的靈敏度較高。這進一步可以說明,基于DSPPCA的故障檢測方法可以更為有效地獲取故障特征,得到更為全面的數(shù)據(jù)特征信息,從而可以在一定程度上縮短故障檢出的延遲時間。

    表2 不同方法的故障檢測時刻Table 2 Comparison of fault detection timeby different methods

    4 結(jié)束語

    提出了一種基于DSPPCA的化工過程故障檢測方法,該方法首先考慮變量自身的序列相關性建立多變量自回歸統(tǒng)計模型,隨后運用LLE算法局部結(jié)構(gòu)保持的優(yōu)勢,融合傳統(tǒng)的PCA和LLE算法,在PCA全局特征提取的同時保存數(shù)據(jù)點之間的局部近鄰關系,同時,運用局部線性回歸的方法逼近高維采樣點與其對應低維嵌入的映射關系,最后在嵌入空間構(gòu)造合理的監(jiān)控統(tǒng)計量實施故障檢測。運用Swiss-roll數(shù)據(jù)、TE過程的正常工況以及不同故障工況數(shù)據(jù)進一步驗證算法,結(jié)果表明,相對于原有的PCA方法,提出的方法可以更為有效地獲取高維數(shù)據(jù)的結(jié)構(gòu)特征,故障檢測的靈敏性較高,縮短故障檢測時間的同時其相應的故障檢測率有了一定程度的提高,可以更為有效地改善故障檢測系統(tǒng)的性能。

    [1] RUSSELL L H,BRAATZ R D.Fault detection and diagnosis in industrial system[M].London:Springer Verlag Press,2001:31-94.

    [2] LEE J M,YOO C K,CHOI S W,et al.Nonlinear process monitoring using kernel principal component analysis[J].Chemical Engineering Science,2004,59 (1):223-224.

    [3] YIN S,DING S X,HAGHANI A,et al.A comparison study of basic data-driven fault diagnosis and process monitoring mehods on the benchmark Tennessee Eastman process[J].Journal of Process Control,2012,12(9): 1567-1581.

    [4] 鄧曉剛,田學民.生產(chǎn)過程故障診斷方法研究現(xiàn)狀及展望[J].石油大學學報:自然科學版,2005,29(6): 157-163.

    DENG Xiao-gang,TIAN Xue-min.Present situation and prospect of process fault diagnosis technique[J].Journal of the University of Petroleum,China(Edition of Natural Science),2005,29(6):157-163.

    [5] ODIOWEI P P,CAO Y.State-space independent component analysis for nonlinear dynamic process monitoring [J].Chemometrics and Intelligent Laboratory Systems, 2010,103(1):59-65.

    [6] 鄧曉剛,田學民.基于動態(tài)獨立成分的單類支持向量機方法及其在故障診斷中的應用[J].中國石油大學學報:自然科學版,2012,36(3):187-191.

    DENG Xiao-gang,TIAN Xue-min.One-class support vector machine based on dynamic independentcomponent and its application to fault diagnosis[J].Journal of China University of Petroleum(Edition of Natural Science), 2012,36(3):187-191.

    [7] SHAO Ji-dong,RONG Gang.Nonlinear process monitoring based on maximum variance unfolding projection [J].Expert Systems with Applications,2009,36(8): 11332-11340.

    [8] ZHANG Mu-guang,GE Zhi-qiang,SONG Zhi-huan,et al.Global local structure analysis model and its application for fault detection and identification[J].Industrial &Engineering Chemistry Research,2011,50(11):6837-6848.

    [9] 張妮,田學民.基于等距離映射的非線性動態(tài)故障檢測方法[J].上海交通大學學報,2011,45(8):1202-1206.

    ZHANG Ni,TIAN Xue-min.Nonlinear dynamic fault detection method based on isometric mapping[J].Journal of Shanghai Jiaotong University,2011,45(8):1202-1206.

    [10] LI Ben-wei,ZHANG Yun.Supervised locally linear embedding projection(SLLEP)for machinery fault diagnosis[J].Mechanical Systems and Signal Processing, 2011,25(8):3125-3134.

    [11] 曾憲華.流形學習的譜方法相關問題研究[D].北京:北京交通大學,2009.

    ZENG Xian-hua.Study on several issues of spectral method for manifold learning[D].Beijing:Beijing Jiaotong University,2009.

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

    [13] SAUL L K,ROWEIS S T.Think globally,fit locally: unsupervised learning of low dimensional manifolds[J]. The Journal of Machine Learning Research,2003,4 (4):119-155.

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

    (編輯 修榮榮)

    Fault detection method based on dynamic structure preservation principal component analysis

    ZHANG Ni,TIAN Xue-min,CAI Lian-fang
    (College of Information and Control Engineering in China University of Petroleum,Qingdao 266580,China)

    In order to make full use of the feature information of data in the chemical process,a fault detection method based on dynamic structure preservation principal component analysis was proposed to improve the performance and efficiency for fault detection.It firstly established auto-regression model through correlation analysis so that the dynamic feature sets could be obtained to characterize the original data.Furtherly,principal component analysis and locally linear embedding were fused together to obtain a new objective function.Besides,locally linear embedding algorithm could preserve the neighbor relationship between data collected.At the same time,local linear regression was used to find the projection that best approximated the mapping from high-dimensional samples to the embedding for on-line application furtherly.Statistics were constructed in the two spaces for process monitoring after feature extraction respectively.Simulation results of Tennessee Eastman process and Swiss-roll data show that DSPPCA-based method is more effective for feature extraction and process monitoring.

    dynamic structure preservation principal component analysis;manifold learning;correlation analysis;feature extraction;fault detection

    TP 277

    A

    1673-5005(2013)02-0170-06

    10.3969/j.issn.1673-5005.2013.02.028

    2012-04-17

    國家自然科學基金項目(61273160);山東省自科學基金項目(ZR2011FM014);中央高?;究蒲袠I(yè)務費專項(12CX06071A; 10CX04046A);山東省優(yōu)秀中青年科學家科研獎勵基金項目(BS2012ZZ011)

    張妮(1983-),女,博士研究生,研究方向為化工過程故障檢測與診斷。E-mail:117zhangni@163.com。

    猜你喜歡
    降維特征提取監(jiān)控
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    The Great Barrier Reef shows coral comeback
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    你被監(jiān)控了嗎?
    Zabbix在ATS系統(tǒng)集中監(jiān)控中的應用
    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
    看監(jiān)控攝像機的4K之道
    Bagging RCSP腦電特征提取算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    国产精品久久久人人做人人爽| 国产欧美日韩精品亚洲av| 九色亚洲精品在线播放| 成年女人毛片免费观看观看9 | 脱女人内裤的视频| 欧美日韩视频精品一区| 五月开心婷婷网| 精品亚洲成a人片在线观看| 我要看黄色一级片免费的| 国产亚洲欧美精品永久| 久久久亚洲精品成人影院| 亚洲精品一二三| 亚洲国产成人一精品久久久| 亚洲精品av麻豆狂野| 久久久精品国产亚洲av高清涩受| 久久国产精品大桥未久av| 欧美97在线视频| 97精品久久久久久久久久精品| 久久人人爽av亚洲精品天堂| 亚洲欧洲国产日韩| 日韩熟女老妇一区二区性免费视频| 晚上一个人看的免费电影| 91精品伊人久久大香线蕉| av网站在线播放免费| 只有这里有精品99| 黄色一级大片看看| 青春草视频在线免费观看| 99久久99久久久精品蜜桃| 成年人黄色毛片网站| 亚洲第一青青草原| 啦啦啦视频在线资源免费观看| 国产熟女欧美一区二区| 亚洲专区中文字幕在线| 国产精品秋霞免费鲁丝片| 婷婷色综合www| 免费在线观看黄色视频的| 久9热在线精品视频| 黄色片一级片一级黄色片| 国产午夜精品一二区理论片| 成人国产一区最新在线观看 | 国产男女超爽视频在线观看| 人妻 亚洲 视频| 91精品国产国语对白视频| 女性生殖器流出的白浆| 色婷婷久久久亚洲欧美| 亚洲国产av影院在线观看| 老鸭窝网址在线观看| 精品久久久久久久毛片微露脸 | 色播在线永久视频| 男男h啪啪无遮挡| 免费一级毛片在线播放高清视频 | 亚洲av美国av| 精品亚洲乱码少妇综合久久| 亚洲中文日韩欧美视频| 大片电影免费在线观看免费| 首页视频小说图片口味搜索 | 久久人人爽人人片av| 亚洲精品乱久久久久久| 一级毛片 在线播放| 欧美亚洲 丝袜 人妻 在线| 亚洲av日韩在线播放| 90打野战视频偷拍视频| 女人久久www免费人成看片| 国产精品av久久久久免费| 日本91视频免费播放| 亚洲av成人不卡在线观看播放网 | 亚洲欧美一区二区三区久久| 国产一区二区在线观看av| 成在线人永久免费视频| 欧美日本中文国产一区发布| 黄片小视频在线播放| 欧美精品高潮呻吟av久久| 晚上一个人看的免费电影| 久久久久久人人人人人| 亚洲国产欧美日韩在线播放| 美女视频免费永久观看网站| 天天躁夜夜躁狠狠躁躁| 美女视频免费永久观看网站| 涩涩av久久男人的天堂| 欧美av亚洲av综合av国产av| 老熟女久久久| 国产亚洲av高清不卡| 国产片特级美女逼逼视频| 青春草亚洲视频在线观看| 午夜久久久在线观看| 国产黄色免费在线视频| 久久亚洲精品不卡| 亚洲中文字幕日韩| 免费在线观看视频国产中文字幕亚洲 | 啦啦啦啦在线视频资源| 99国产精品一区二区三区| 黄色毛片三级朝国网站| av网站在线播放免费| 免费高清在线观看视频在线观看| 大话2 男鬼变身卡| 人体艺术视频欧美日本| 日本欧美视频一区| 亚洲av片天天在线观看| bbb黄色大片| 老司机影院毛片| 亚洲精品美女久久久久99蜜臀 | 欧美日韩福利视频一区二区| 欧美日韩一级在线毛片| 久久久精品国产亚洲av高清涩受| 亚洲国产av新网站| 91麻豆av在线| svipshipincom国产片| 777米奇影视久久| 一区二区三区精品91| 亚洲七黄色美女视频| 午夜福利在线免费观看网站| 黄色视频不卡| 国产精品国产av在线观看| 下体分泌物呈黄色| 午夜福利影视在线免费观看| 人妻人人澡人人爽人人| 久久99热这里只频精品6学生| 久久久精品94久久精品| 一本—道久久a久久精品蜜桃钙片| 亚洲欧美成人综合另类久久久| 国产精品成人在线| 天天躁夜夜躁狠狠久久av| 男女下面插进去视频免费观看| 肉色欧美久久久久久久蜜桃| 色94色欧美一区二区| 精品人妻熟女毛片av久久网站| 欧美激情 高清一区二区三区| 亚洲,欧美精品.| 91成人精品电影| 日本五十路高清| 亚洲精品国产区一区二| 亚洲精品国产区一区二| 一边摸一边做爽爽视频免费| 水蜜桃什么品种好| 午夜激情av网站| 亚洲欧美一区二区三区国产| 在现免费观看毛片| 我要看黄色一级片免费的| 一区二区三区乱码不卡18| 亚洲欧美清纯卡通| 精品少妇内射三级| 真人做人爱边吃奶动态| 国产1区2区3区精品| 国产成人a∨麻豆精品| 久久 成人 亚洲| 国产1区2区3区精品| av国产久精品久网站免费入址| av国产精品久久久久影院| 欧美少妇被猛烈插入视频| 久久国产亚洲av麻豆专区| 久久午夜综合久久蜜桃| 一级毛片电影观看| 国产亚洲午夜精品一区二区久久| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品亚洲av一区麻豆| 桃花免费在线播放| 日韩制服骚丝袜av| 国产麻豆69| 七月丁香在线播放| 国产精品亚洲av一区麻豆| 少妇的丰满在线观看| 亚洲欧美成人综合另类久久久| 国产成人一区二区三区免费视频网站 | 美女脱内裤让男人舔精品视频| 人人妻人人澡人人爽人人夜夜| 久久精品人人爽人人爽视色| 岛国毛片在线播放| 久久鲁丝午夜福利片| 女性生殖器流出的白浆| 国产三级黄色录像| 成人免费观看视频高清| 大陆偷拍与自拍| 日本a在线网址| 色网站视频免费| 国产有黄有色有爽视频| 欧美xxⅹ黑人| 日韩人妻精品一区2区三区| 伊人亚洲综合成人网| 亚洲精品日韩在线中文字幕| 久久精品亚洲av国产电影网| 亚洲av男天堂| 欧美日韩一级在线毛片| 青草久久国产| 亚洲精品日韩在线中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 精品国产一区二区三区久久久樱花| 成人亚洲精品一区在线观看| 男女床上黄色一级片免费看| 欧美老熟妇乱子伦牲交| 另类亚洲欧美激情| 两个人免费观看高清视频| 日韩,欧美,国产一区二区三区| 欧美在线一区亚洲| 交换朋友夫妻互换小说| 亚洲九九香蕉| 欧美日韩成人在线一区二区| 一本色道久久久久久精品综合| 亚洲av电影在线观看一区二区三区| av国产久精品久网站免费入址| 亚洲国产精品成人久久小说| 50天的宝宝边吃奶边哭怎么回事| 国产成人91sexporn| 国产精品秋霞免费鲁丝片| 久久这里只有精品19| 欧美日韩亚洲国产一区二区在线观看 | 国产又爽黄色视频| 国产一区二区激情短视频 | 日韩av不卡免费在线播放| 国产一区二区在线观看av| 久久国产亚洲av麻豆专区| 蜜桃国产av成人99| av在线app专区| 欧美av亚洲av综合av国产av| 久久亚洲精品不卡| a级片在线免费高清观看视频| 午夜福利,免费看| 欧美xxⅹ黑人| 一区二区av电影网| 欧美少妇被猛烈插入视频| xxxhd国产人妻xxx| 久久精品国产综合久久久| 亚洲精品中文字幕在线视频| 在线观看免费视频网站a站| 成人亚洲精品一区在线观看| 亚洲精品自拍成人| 成人国产av品久久久| 超碰成人久久| 久久久精品区二区三区| 国产午夜精品一二区理论片| 亚洲av在线观看美女高潮| 久久久精品免费免费高清| 亚洲欧美色中文字幕在线| 亚洲成av片中文字幕在线观看| 久久久欧美国产精品| a级片在线免费高清观看视频| 亚洲男人天堂网一区| 欧美激情极品国产一区二区三区| 国产精品一区二区在线观看99| 国产福利在线免费观看视频| 中文欧美无线码| 国产人伦9x9x在线观看| 久久精品亚洲熟妇少妇任你| 人人妻,人人澡人人爽秒播 | 丝袜人妻中文字幕| 欧美精品av麻豆av| 女性被躁到高潮视频| 精品人妻1区二区| 国产真人三级小视频在线观看| 久久久久精品人妻al黑| 欧美日韩视频精品一区| 国产精品欧美亚洲77777| 精品一区二区三区av网在线观看 | 丝袜在线中文字幕| 精品亚洲成国产av| 看免费成人av毛片| 岛国毛片在线播放| 国产免费福利视频在线观看| 一区二区三区精品91| 久久这里只有精品19| 久久久精品94久久精品| 国产成人精品久久二区二区免费| 手机成人av网站| 丝瓜视频免费看黄片| 久久狼人影院| 99re6热这里在线精品视频| 国产成人精品无人区| 狂野欧美激情性xxxx| 黄色怎么调成土黄色| 精品国产国语对白av| www日本在线高清视频| 丝袜脚勾引网站| 国产精品一二三区在线看| 91成人精品电影| 午夜免费男女啪啪视频观看| 午夜福利一区二区在线看| cao死你这个sao货| 国产男人的电影天堂91| 亚洲自偷自拍图片 自拍| 国产精品麻豆人妻色哟哟久久| 精品国产一区二区三区久久久樱花| 男人操女人黄网站| 9色porny在线观看| 欧美日韩黄片免| 深夜精品福利| 最近最新中文字幕大全免费视频 | 热re99久久国产66热| 亚洲精品第二区| 国产一区有黄有色的免费视频| 国产欧美日韩精品亚洲av| 亚洲国产精品一区二区三区在线| 精品熟女少妇八av免费久了| 欧美国产精品一级二级三级| 精品久久久精品久久久| 飞空精品影院首页| 午夜福利一区二区在线看| 欧美激情高清一区二区三区| 亚洲色图 男人天堂 中文字幕| 午夜久久久在线观看| 精品久久久精品久久久| 在线观看www视频免费| 亚洲国产看品久久| 老司机影院毛片| 亚洲熟女精品中文字幕| www.熟女人妻精品国产| 中文字幕精品免费在线观看视频| 国产高清视频在线播放一区 | 好男人电影高清在线观看| 考比视频在线观看| 国产精品av久久久久免费| 久久九九热精品免费| av网站在线播放免费| 女人爽到高潮嗷嗷叫在线视频| 在线观看www视频免费| 成年动漫av网址| 国产精品av久久久久免费| av福利片在线| 久久午夜综合久久蜜桃| 9热在线视频观看99| 精品亚洲成国产av| 国产精品九九99| 久久九九热精品免费| 久久久精品94久久精品| 黄色视频在线播放观看不卡| 在线观看人妻少妇| videosex国产| 亚洲一卡2卡3卡4卡5卡精品中文| 国产高清videossex| 国产精品久久久久久精品电影小说| 97在线人人人人妻| 国产欧美日韩精品亚洲av| 又大又爽又粗| xxx大片免费视频| 国产在视频线精品| 性色av一级| 免费看不卡的av| 老鸭窝网址在线观看| 久久久久国产一级毛片高清牌| 少妇猛男粗大的猛烈进出视频| 亚洲成人免费电影在线观看 | 精品一区二区三区四区五区乱码 | 国产精品久久久久久精品电影小说| 涩涩av久久男人的天堂| 国产免费现黄频在线看| 欧美日韩一级在线毛片| 欧美日韩视频高清一区二区三区二| 侵犯人妻中文字幕一二三四区| 精品国产一区二区三区四区第35| 中文字幕另类日韩欧美亚洲嫩草| 99热网站在线观看| 午夜日韩欧美国产| 好男人电影高清在线观看| 国产一区二区激情短视频 | 男女高潮啪啪啪动态图| 又粗又硬又长又爽又黄的视频| 亚洲国产最新在线播放| 男人添女人高潮全过程视频| 国产福利在线免费观看视频| 午夜久久久在线观看| 一级黄片播放器| 亚洲精品美女久久av网站| 日本一区二区免费在线视频| 精品国产国语对白av| 人人妻,人人澡人人爽秒播 | 国产av精品麻豆| 又大又爽又粗| 久久国产精品人妻蜜桃| a级毛片黄视频| 国产又色又爽无遮挡免| 最新的欧美精品一区二区| 精品少妇久久久久久888优播| 免费在线观看影片大全网站 | 久久中文字幕一级| av福利片在线| av电影中文网址| 日韩 欧美 亚洲 中文字幕| 国产黄色免费在线视频| 久久精品久久精品一区二区三区| 女人被躁到高潮嗷嗷叫费观| 黄色视频不卡| 十分钟在线观看高清视频www| 亚洲精品日本国产第一区| 国产不卡av网站在线观看| 免费观看a级毛片全部| 久久 成人 亚洲| 亚洲成人免费av在线播放| 久久久亚洲精品成人影院| 日本vs欧美在线观看视频| 欧美精品啪啪一区二区三区 | 国产亚洲午夜精品一区二区久久| 一区二区三区乱码不卡18| 天天躁狠狠躁夜夜躁狠狠躁| 国产一区二区激情短视频 | 久久精品国产亚洲av高清一级| 一本—道久久a久久精品蜜桃钙片| 一本综合久久免费| 波多野结衣av一区二区av| a级毛片在线看网站| xxxhd国产人妻xxx| 国产日韩欧美亚洲二区| 欧美精品人与动牲交sv欧美| 午夜激情久久久久久久| 又紧又爽又黄一区二区| 欧美激情极品国产一区二区三区| 国产精品人妻久久久影院| 日日夜夜操网爽| 人人妻,人人澡人人爽秒播 | 亚洲一码二码三码区别大吗| 午夜久久久在线观看| 亚洲av综合色区一区| 成年动漫av网址| 婷婷色麻豆天堂久久| 久久久久视频综合| netflix在线观看网站| 新久久久久国产一级毛片| 久久精品国产亚洲av高清一级| 日韩av免费高清视频| 一级黄色大片毛片| 亚洲久久久国产精品| 亚洲欧洲国产日韩| 咕卡用的链子| 成年动漫av网址| 大香蕉久久成人网| 久久 成人 亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 大话2 男鬼变身卡| 国产片内射在线| 久久久精品区二区三区| 国产免费现黄频在线看| 在线av久久热| 国产精品一区二区精品视频观看| 欧美变态另类bdsm刘玥| 一区二区三区精品91| 国产精品欧美亚洲77777| 一区二区三区激情视频| 国产精品av久久久久免费| 夫妻午夜视频| 久久人人97超碰香蕉20202| 国产色视频综合| 九色亚洲精品在线播放| 国产精品一国产av| 精品亚洲成国产av| 日韩av在线免费看完整版不卡| 精品一区二区三区av网在线观看 | 欧美黑人精品巨大| 一级,二级,三级黄色视频| av国产精品久久久久影院| 亚洲成人免费av在线播放| 一级,二级,三级黄色视频| 一区二区三区四区激情视频| 精品人妻一区二区三区麻豆| 久久天躁狠狠躁夜夜2o2o | 国产又色又爽无遮挡免| 免费观看a级毛片全部| av电影中文网址| 热99久久久久精品小说推荐| 免费在线观看黄色视频的| 国产精品熟女久久久久浪| 免费看不卡的av| 女警被强在线播放| 亚洲自偷自拍图片 自拍| 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| 不卡av一区二区三区| 人人妻人人爽人人添夜夜欢视频| 操美女的视频在线观看| 一级黄片播放器| 亚洲av电影在线进入| 激情五月婷婷亚洲| www.自偷自拍.com| 老鸭窝网址在线观看| 免费一级毛片在线播放高清视频 | 亚洲国产毛片av蜜桃av| 嫁个100分男人电影在线观看 | 亚洲久久久国产精品| 久久久久久亚洲精品国产蜜桃av| 久久人人爽人人片av| 黑丝袜美女国产一区| 国产高清videossex| 国产深夜福利视频在线观看| 母亲3免费完整高清在线观看| 亚洲,一卡二卡三卡| 巨乳人妻的诱惑在线观看| 波多野结衣一区麻豆| www日本在线高清视频| 欧美日本中文国产一区发布| av网站在线播放免费| 欧美日韩亚洲高清精品| 人成视频在线观看免费观看| 亚洲精品av麻豆狂野| 日韩欧美一区视频在线观看| 一区二区av电影网| 国产视频一区二区在线看| 人体艺术视频欧美日本| 久久综合国产亚洲精品| 国产一区有黄有色的免费视频| 男人操女人黄网站| 美女国产高潮福利片在线看| 看十八女毛片水多多多| 久久午夜综合久久蜜桃| 波多野结衣av一区二区av| 中文欧美无线码| 欧美精品啪啪一区二区三区 | 麻豆乱淫一区二区| 中文字幕人妻丝袜制服| 亚洲 欧美一区二区三区| 日韩电影二区| 久久久精品国产亚洲av高清涩受| 亚洲五月色婷婷综合| 国产熟女欧美一区二区| 精品少妇久久久久久888优播| 国产淫语在线视频| 女警被强在线播放| 国产视频一区二区在线看| 性色av乱码一区二区三区2| 一区二区三区四区激情视频| 国产精品久久久人人做人人爽| 欧美黄色淫秽网站| 少妇粗大呻吟视频| 最新的欧美精品一区二区| 欧美性长视频在线观看| 大香蕉久久网| 亚洲av电影在线观看一区二区三区| av在线老鸭窝| bbb黄色大片| 亚洲三区欧美一区| 亚洲一码二码三码区别大吗| 色播在线永久视频| 男女床上黄色一级片免费看| 男女边吃奶边做爰视频| 亚洲国产毛片av蜜桃av| 国产欧美日韩综合在线一区二区| 日韩一区二区三区影片| 国产女主播在线喷水免费视频网站| 成年美女黄网站色视频大全免费| 成人影院久久| 国产又爽黄色视频| 99久久精品国产亚洲精品| 老汉色∧v一级毛片| 十八禁人妻一区二区| 欧美日韩精品网址| 免费观看av网站的网址| 国产成人a∨麻豆精品| 久久av网站| 国产成人啪精品午夜网站| 少妇精品久久久久久久| 又大又黄又爽视频免费| www.自偷自拍.com| 69精品国产乱码久久久| 日韩中文字幕欧美一区二区 | 亚洲成人手机| 日韩,欧美,国产一区二区三区| www.熟女人妻精品国产| 亚洲国产看品久久| 欧美黄色淫秽网站| 日本五十路高清| 别揉我奶头~嗯~啊~动态视频 | 成年人午夜在线观看视频| 精品国产乱码久久久久久男人| 亚洲成人手机| 亚洲成色77777| 日日夜夜操网爽| 99re6热这里在线精品视频| 精品第一国产精品| 18禁国产床啪视频网站| 午夜免费鲁丝| 成人免费观看视频高清| 亚洲欧美清纯卡通| 久久精品国产亚洲av高清一级| 超碰成人久久| 久久精品国产亚洲av高清一级| a 毛片基地| 中国美女看黄片| 色综合欧美亚洲国产小说| 丝袜在线中文字幕| 亚洲激情五月婷婷啪啪| 亚洲欧美精品综合一区二区三区| 美女大奶头黄色视频| 一二三四在线观看免费中文在| 母亲3免费完整高清在线观看| 九色亚洲精品在线播放| 一级,二级,三级黄色视频| 亚洲欧美一区二区三区国产| 亚洲国产欧美一区二区综合| 午夜激情av网站| 18在线观看网站| 亚洲五月色婷婷综合| 亚洲一区二区三区欧美精品| 国产老妇伦熟女老妇高清| 性色av乱码一区二区三区2| 国语对白做爰xxxⅹ性视频网站| 丝袜美腿诱惑在线| 亚洲午夜精品一区,二区,三区| 在线观看免费日韩欧美大片| 亚洲精品中文字幕在线视频| 最黄视频免费看| 久久久久久久国产电影| bbb黄色大片| 极品少妇高潮喷水抽搐| 操美女的视频在线观看| 少妇精品久久久久久久| 自拍欧美九色日韩亚洲蝌蚪91| 成年动漫av网址| 精品一区在线观看国产| 亚洲男人天堂网一区| 一级毛片女人18水好多 | xxx大片免费视频| 成年动漫av网址| 国产高清国产精品国产三级| 男女床上黄色一级片免费看| 男男h啪啪无遮挡| 国产伦人伦偷精品视频| 日韩 亚洲 欧美在线| 大香蕉久久成人网| 欧美 日韩 精品 国产| 日韩一卡2卡3卡4卡2021年|