• <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
    99国产综合亚洲精品| 久久国产亚洲av麻豆专区| 激情在线观看视频在线高清| 丁香欧美五月| 51午夜福利影视在线观看| 亚洲色图 男人天堂 中文字幕| 久久精品国产99精品国产亚洲性色 | 色综合站精品国产| 午夜精品在线福利| av国产精品久久久久影院| 久久香蕉精品热| 一a级毛片在线观看| 午夜福利在线免费观看网站| 精品一区二区三区四区五区乱码| 韩国av一区二区三区四区| 精品电影一区二区在线| 90打野战视频偷拍视频| 国产亚洲欧美98| 91精品国产国语对白视频| 在线观看www视频免费| 少妇被粗大的猛进出69影院| 中亚洲国语对白在线视频| 色综合欧美亚洲国产小说| 精品久久久精品久久久| 久久国产精品男人的天堂亚洲| av在线天堂中文字幕 | 亚洲专区国产一区二区| 午夜福利欧美成人| 日韩人妻精品一区2区三区| 精品日产1卡2卡| 欧美乱色亚洲激情| 国产又色又爽无遮挡免费看| 交换朋友夫妻互换小说| 精品欧美一区二区三区在线| 欧美激情久久久久久爽电影 | 亚洲九九香蕉| 大码成人一级视频| 欧美激情久久久久久爽电影 | 久久国产精品男人的天堂亚洲| 精品乱码久久久久久99久播| 国产色视频综合| www.熟女人妻精品国产| 久久国产精品影院| 亚洲成av片中文字幕在线观看| 久久性视频一级片| 黄色毛片三级朝国网站| 男女午夜视频在线观看| 国产成人精品久久二区二区91| 女人被狂操c到高潮| 日韩免费高清中文字幕av| 婷婷精品国产亚洲av在线| 成人亚洲精品一区在线观看| 免费搜索国产男女视频| 成人黄色视频免费在线看| 夜夜夜夜夜久久久久| 亚洲国产中文字幕在线视频| 日日摸夜夜添夜夜添小说| 欧美乱色亚洲激情| 国产亚洲av高清不卡| 久久人人97超碰香蕉20202| 色在线成人网| 国产欧美日韩一区二区三| 免费高清视频大片| 午夜亚洲福利在线播放| 1024视频免费在线观看| 操出白浆在线播放| 成熟少妇高潮喷水视频| 黑人欧美特级aaaaaa片| 色婷婷久久久亚洲欧美| 色哟哟哟哟哟哟| 丁香欧美五月| 亚洲第一青青草原| 黑丝袜美女国产一区| 电影成人av| 亚洲色图 男人天堂 中文字幕| 桃色一区二区三区在线观看| 黄色丝袜av网址大全| 国产精品电影一区二区三区| 久久久久精品国产欧美久久久| 正在播放国产对白刺激| 精品卡一卡二卡四卡免费| 99国产精品一区二区三区| 欧美日韩黄片免| 色在线成人网| 欧美在线一区亚洲| 久久热在线av| 日韩欧美国产一区二区入口| 久久久久久久精品吃奶| 黄色怎么调成土黄色| 成人av一区二区三区在线看| 成人亚洲精品一区在线观看| 操美女的视频在线观看| 欧美 亚洲 国产 日韩一| 一级a爱片免费观看的视频| 满18在线观看网站| 制服人妻中文乱码| 成人av一区二区三区在线看| 天天添夜夜摸| 国内久久婷婷六月综合欲色啪| 黑人巨大精品欧美一区二区mp4| 深夜精品福利| 色婷婷av一区二区三区视频| 午夜福利影视在线免费观看| 欧美午夜高清在线| 美女 人体艺术 gogo| 一本综合久久免费| 另类亚洲欧美激情| 免费在线观看黄色视频的| 脱女人内裤的视频| 久久久国产欧美日韩av| 视频区欧美日本亚洲| 精品无人区乱码1区二区| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产毛片av蜜桃av| av超薄肉色丝袜交足视频| 成人影院久久| 国产深夜福利视频在线观看| 国内毛片毛片毛片毛片毛片| 校园春色视频在线观看| 夜夜看夜夜爽夜夜摸 | 十分钟在线观看高清视频www| 高清欧美精品videossex| 男人舔女人下体高潮全视频| 后天国语完整版免费观看| 国产精品电影一区二区三区| 亚洲国产看品久久| 成年人黄色毛片网站| 中文字幕av电影在线播放| www.自偷自拍.com| 中亚洲国语对白在线视频| 久久国产精品人妻蜜桃| 亚洲精品中文字幕在线视频| av在线天堂中文字幕 | 伊人久久大香线蕉亚洲五| av在线天堂中文字幕 | 免费看a级黄色片| а√天堂www在线а√下载| 久久伊人香网站| 激情视频va一区二区三区| 久久久久久久午夜电影 | 另类亚洲欧美激情| 欧美日韩福利视频一区二区| 国产精品乱码一区二三区的特点 | 国产精品久久视频播放| 夜夜躁狠狠躁天天躁| 韩国精品一区二区三区| 母亲3免费完整高清在线观看| 欧美大码av| 国产精品98久久久久久宅男小说| 99国产极品粉嫩在线观看| 成年人免费黄色播放视频| e午夜精品久久久久久久| 手机成人av网站| 99热只有精品国产| 欧美日韩视频精品一区| 淫妇啪啪啪对白视频| 天堂俺去俺来也www色官网| 午夜福利一区二区在线看| 亚洲aⅴ乱码一区二区在线播放 | √禁漫天堂资源中文www| 亚洲精品久久午夜乱码| 亚洲中文字幕日韩| 少妇被粗大的猛进出69影院| 露出奶头的视频| 91国产中文字幕| 热99re8久久精品国产| 久久久久精品国产欧美久久久| 久久精品亚洲熟妇少妇任你| 一进一出抽搐gif免费好疼 | 自拍欧美九色日韩亚洲蝌蚪91| 在线观看免费高清a一片| 亚洲三区欧美一区| 日韩欧美一区二区三区在线观看| 美女高潮到喷水免费观看| 男人操女人黄网站| 黄色怎么调成土黄色| 人人妻,人人澡人人爽秒播| cao死你这个sao货| 久久久久久久久中文| 丁香欧美五月| 超色免费av| 成人精品一区二区免费| 一a级毛片在线观看| 制服诱惑二区| 97人妻天天添夜夜摸| 久久精品影院6| 女人被狂操c到高潮| 一级黄色大片毛片| 精品国产乱码久久久久久男人| 亚洲男人的天堂狠狠| 欧美亚洲日本最大视频资源| 国产成人精品久久二区二区91| 人人澡人人妻人| 亚洲精品一区av在线观看| 欧美成人性av电影在线观看| 亚洲情色 制服丝袜| 精品人妻1区二区| 久久精品91无色码中文字幕| 日日摸夜夜添夜夜添小说| 亚洲国产看品久久| 日本vs欧美在线观看视频| 国产精品99久久99久久久不卡| 国产亚洲欧美在线一区二区| av网站在线播放免费| 亚洲一区二区三区色噜噜 | 国产精品一区二区免费欧美| 村上凉子中文字幕在线| 男人操女人黄网站| 亚洲五月色婷婷综合| 五月开心婷婷网| 校园春色视频在线观看| 最好的美女福利视频网| 别揉我奶头~嗯~啊~动态视频| 岛国在线观看网站| 国产成人精品在线电影| 国产精品一区二区免费欧美| av在线播放免费不卡| 69精品国产乱码久久久| 黑人巨大精品欧美一区二区mp4| 亚洲av电影在线进入| 国产av一区在线观看免费| www.自偷自拍.com| 国产黄色免费在线视频| 国产亚洲精品一区二区www| a级片在线免费高清观看视频| aaaaa片日本免费| 成年版毛片免费区| 大陆偷拍与自拍| 高清av免费在线| 伊人久久大香线蕉亚洲五| 亚洲五月天丁香| 亚洲av片天天在线观看| 日本精品一区二区三区蜜桃| 亚洲avbb在线观看| 午夜影院日韩av| 免费观看精品视频网站| 99re在线观看精品视频| 人人妻人人澡人人看| 久热爱精品视频在线9| 免费高清在线观看日韩| 精品国产乱子伦一区二区三区| 国产又爽黄色视频| 国产欧美日韩综合在线一区二区| 一区二区三区激情视频| 啪啪无遮挡十八禁网站| 欧美 亚洲 国产 日韩一| 久久久水蜜桃国产精品网| 欧美中文综合在线视频| 伊人久久大香线蕉亚洲五| 高清黄色对白视频在线免费看| 一级毛片精品| 88av欧美| 多毛熟女@视频| 久久精品91蜜桃| 中文字幕另类日韩欧美亚洲嫩草| 国产日韩一区二区三区精品不卡| 一a级毛片在线观看| 精品无人区乱码1区二区| 亚洲三区欧美一区| 麻豆av在线久日| 午夜福利影视在线免费观看| 露出奶头的视频| 黑人欧美特级aaaaaa片| 久久天堂一区二区三区四区| 多毛熟女@视频| 国产野战对白在线观看| 欧美日韩福利视频一区二区| 亚洲精品中文字幕在线视频| 中国美女看黄片| 国产精品久久久久成人av| 91精品三级在线观看| 成人三级做爰电影| 久久久国产欧美日韩av| 两人在一起打扑克的视频| 国产成人欧美| 交换朋友夫妻互换小说| 免费日韩欧美在线观看| 日本免费a在线| 一级毛片精品| 午夜福利,免费看| www.精华液| 亚洲成人精品中文字幕电影 | 黑人巨大精品欧美一区二区mp4| 午夜亚洲福利在线播放| av电影中文网址| 亚洲熟妇熟女久久| 黄片播放在线免费| 国产精品免费一区二区三区在线| 色尼玛亚洲综合影院| 日韩成人在线观看一区二区三区| 国产精品久久视频播放| 91老司机精品| 97碰自拍视频| 在线看a的网站| 99国产精品99久久久久| 欧美激情极品国产一区二区三区| 人妻丰满熟妇av一区二区三区| 久热这里只有精品99| 国产精品亚洲av一区麻豆| 一进一出抽搐gif免费好疼 | 欧美av亚洲av综合av国产av| 人人妻人人澡人人看| 国产一区二区三区视频了| 色精品久久人妻99蜜桃| 欧美日韩精品网址| 久久亚洲真实| 手机成人av网站| 中文字幕人妻丝袜制服| 国产精品电影一区二区三区| 搡老岳熟女国产| 高清毛片免费观看视频网站 | 18禁观看日本| 男女之事视频高清在线观看| 国产97色在线日韩免费| 亚洲午夜精品一区,二区,三区| av在线播放免费不卡| 国产亚洲精品久久久久5区| 欧美一级毛片孕妇| 国产精品1区2区在线观看.| 国产主播在线观看一区二区| 男人操女人黄网站| 久久久久久久久中文| 搡老岳熟女国产| 国产黄色免费在线视频| 亚洲精品久久午夜乱码| 99国产极品粉嫩在线观看| 国产三级黄色录像| 成年女人毛片免费观看观看9| 麻豆成人av在线观看| 18禁美女被吸乳视频| 韩国av一区二区三区四区| 视频区欧美日本亚洲| 久久热在线av| 午夜影院日韩av| 欧美成狂野欧美在线观看| 好看av亚洲va欧美ⅴa在| 十八禁网站免费在线| av天堂久久9| 两个人免费观看高清视频| 校园春色视频在线观看| 一区二区日韩欧美中文字幕| 黑人猛操日本美女一级片| 国产不卡一卡二| 欧美一级毛片孕妇| 亚洲国产精品999在线| 国产区一区二久久| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲欧美98| 国产av在哪里看| 极品人妻少妇av视频| 999久久久国产精品视频| 亚洲一卡2卡3卡4卡5卡精品中文| 日本免费一区二区三区高清不卡 | 亚洲在线自拍视频| 黄片小视频在线播放| 级片在线观看| 日本精品一区二区三区蜜桃| 国产99久久九九免费精品| 国产精品一区二区三区四区久久 | 制服诱惑二区| 老熟妇仑乱视频hdxx| 中文字幕人妻熟女乱码| 悠悠久久av| 国产av又大| 成人特级黄色片久久久久久久| 久久久久九九精品影院| 999精品在线视频| 制服诱惑二区| 大型黄色视频在线免费观看| 日本撒尿小便嘘嘘汇集6| 久久久久亚洲av毛片大全| 国产成人av教育| www.自偷自拍.com| 在线av久久热| av在线播放免费不卡| 欧美一级毛片孕妇| 久久精品国产亚洲av香蕉五月| 久久久国产一区二区| 国产又色又爽无遮挡免费看| 国产精品 欧美亚洲| 国产免费av片在线观看野外av| 国产成人啪精品午夜网站| 久久亚洲精品不卡| 国产日韩一区二区三区精品不卡| 日韩欧美三级三区| 精品国内亚洲2022精品成人| 国产精品爽爽va在线观看网站 | 精品一区二区三区四区五区乱码| 亚洲成人免费av在线播放| e午夜精品久久久久久久| 色在线成人网| 国产激情久久老熟女| 久久精品国产亚洲av香蕉五月| www.熟女人妻精品国产| 99热只有精品国产| 日日爽夜夜爽网站| 黑丝袜美女国产一区| 成人永久免费在线观看视频| 大型av网站在线播放| 老司机在亚洲福利影院| 亚洲五月天丁香| 欧美成人午夜精品| 午夜精品在线福利| 日韩精品青青久久久久久| 老司机午夜十八禁免费视频| 亚洲欧美日韩无卡精品| 欧美另类亚洲清纯唯美| 国产精品免费一区二区三区在线| 国产精品电影一区二区三区| 欧美日本中文国产一区发布| 级片在线观看| 丁香欧美五月| 精品熟女少妇八av免费久了| 亚洲午夜精品一区,二区,三区| 亚洲精品国产精品久久久不卡| 精品日产1卡2卡| 国产亚洲av高清不卡| 亚洲中文av在线| 久久久国产一区二区| 久久婷婷成人综合色麻豆| 久久亚洲真实| 欧美日韩国产mv在线观看视频| 日韩精品免费视频一区二区三区| 18禁裸乳无遮挡免费网站照片 | 精品人妻在线不人妻| tocl精华| 国产精品99久久99久久久不卡| 黄频高清免费视频| 精品国产国语对白av| 亚洲成av片中文字幕在线观看| 久久久国产一区二区| 99国产极品粉嫩在线观看| 欧美中文日本在线观看视频| 午夜福利一区二区在线看| 最近最新中文字幕大全电影3 | 色哟哟哟哟哟哟| 99久久国产精品久久久| 成人三级黄色视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲男人天堂网一区| 国产精品野战在线观看 | 黄色成人免费大全| 亚洲色图 男人天堂 中文字幕| 好男人电影高清在线观看| 欧美丝袜亚洲另类 | 亚洲精品中文字幕一二三四区| 97人妻天天添夜夜摸| 久久性视频一级片| 久久人人97超碰香蕉20202| 首页视频小说图片口味搜索| 少妇被粗大的猛进出69影院| 窝窝影院91人妻| 黄色视频,在线免费观看| 亚洲国产精品合色在线| 久久性视频一级片| 久久久久亚洲av毛片大全| 91麻豆av在线| 国产成人啪精品午夜网站| 亚洲片人在线观看| 久久午夜综合久久蜜桃| 欧美黑人精品巨大| 91麻豆av在线| 涩涩av久久男人的天堂| 国产精品美女特级片免费视频播放器 | 黄片大片在线免费观看| 亚洲av五月六月丁香网| 久久人妻福利社区极品人妻图片| 怎么达到女性高潮| 欧美老熟妇乱子伦牲交| 欧洲精品卡2卡3卡4卡5卡区| 巨乳人妻的诱惑在线观看| 国产区一区二久久| 国产精品影院久久| 热99re8久久精品国产| 欧美一区二区精品小视频在线| 香蕉国产在线看| 精品一区二区三区视频在线观看免费 | 高清毛片免费观看视频网站 | 国产精品免费一区二区三区在线| 成人18禁在线播放| 国产主播在线观看一区二区| 校园春色视频在线观看| 国产一区在线观看成人免费| 亚洲第一欧美日韩一区二区三区| 久久久国产欧美日韩av| 十分钟在线观看高清视频www| 亚洲自拍偷在线| 性欧美人与动物交配| 亚洲自拍偷在线| 精品欧美一区二区三区在线| 国产真人三级小视频在线观看| 人妻久久中文字幕网| 日韩精品免费视频一区二区三区| 免费久久久久久久精品成人欧美视频| 久久亚洲精品不卡| 久久久久精品国产欧美久久久| a级片在线免费高清观看视频| 亚洲中文日韩欧美视频| 电影成人av| 午夜视频精品福利| 人妻久久中文字幕网| 男女床上黄色一级片免费看| 一本综合久久免费| 嫁个100分男人电影在线观看| 成人国产一区最新在线观看| 亚洲国产中文字幕在线视频| 久久香蕉国产精品| 欧美不卡视频在线免费观看 | 大型黄色视频在线免费观看| 亚洲精品国产一区二区精华液| 国产精品二区激情视频| 国产伦一二天堂av在线观看| 99riav亚洲国产免费| 国产精品影院久久| 日本三级黄在线观看| 丰满的人妻完整版| 国产日韩一区二区三区精品不卡| 精品乱码久久久久久99久播| 精品第一国产精品| 免费高清视频大片| 日日摸夜夜添夜夜添小说| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品国产高清国产av| 欧美成人性av电影在线观看| 国产av一区在线观看免费| 欧美午夜高清在线| 国产在线精品亚洲第一网站| 在线天堂中文资源库| 亚洲国产欧美网| 国产一区二区三区在线臀色熟女 | 老汉色av国产亚洲站长工具| 窝窝影院91人妻| 精品久久久久久久毛片微露脸| 亚洲专区字幕在线| 在线看a的网站| 黄色成人免费大全| 国产精品成人在线| 老熟妇仑乱视频hdxx| 操美女的视频在线观看| 成人三级黄色视频| 亚洲国产中文字幕在线视频| 午夜免费观看网址| 精品国产乱子伦一区二区三区| 国产三级黄色录像| 国产熟女xx| 交换朋友夫妻互换小说| 一级黄色大片毛片| 如日韩欧美国产精品一区二区三区| 色哟哟哟哟哟哟| 国产成人av教育| 无遮挡黄片免费观看| 国产成人啪精品午夜网站| 国产91精品成人一区二区三区| 夜夜躁狠狠躁天天躁| 色综合站精品国产| av电影中文网址| 精品福利永久在线观看| 亚洲人成网站在线播放欧美日韩| 18禁美女被吸乳视频| a级毛片黄视频| 18禁裸乳无遮挡免费网站照片 | 午夜免费激情av| 亚洲成人久久性| 性少妇av在线| 巨乳人妻的诱惑在线观看| 国产精品 欧美亚洲| 88av欧美| 美女福利国产在线| 中文字幕另类日韩欧美亚洲嫩草| 老熟妇乱子伦视频在线观看| 久久精品成人免费网站| 黄色 视频免费看| 精品一区二区三区四区五区乱码| 日韩成人在线观看一区二区三区| 高清av免费在线| a级片在线免费高清观看视频| 日日夜夜操网爽| 少妇裸体淫交视频免费看高清 | 每晚都被弄得嗷嗷叫到高潮| 黄色片一级片一级黄色片| 亚洲欧美日韩无卡精品| 国内久久婷婷六月综合欲色啪| 国产精品一区二区三区四区久久 | 在线天堂中文资源库| 亚洲精品av麻豆狂野| 国产又爽黄色视频| www.熟女人妻精品国产| 日韩欧美三级三区| 精品高清国产在线一区| 久久中文字幕一级| 国产乱人伦免费视频| 国产精品偷伦视频观看了| 999久久久国产精品视频| 极品人妻少妇av视频| 国产真人三级小视频在线观看| 国产精品一区二区在线不卡| 亚洲久久久国产精品| 国产亚洲精品综合一区在线观看 | www国产在线视频色| 少妇被粗大的猛进出69影院| 亚洲 欧美一区二区三区| 免费女性裸体啪啪无遮挡网站| 亚洲欧美精品综合一区二区三区| tocl精华| 亚洲欧美日韩无卡精品| 国产片内射在线| 亚洲精品美女久久av网站| 色综合婷婷激情| 久久久久久久精品吃奶| 久久久久久免费高清国产稀缺| 很黄的视频免费| 久久亚洲精品不卡| 一级毛片女人18水好多| 香蕉丝袜av| 亚洲五月色婷婷综合|