• <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K-means 聚類的kNN 故障檢測研究

    2013-11-12 06:58:38陳海彬郭金玉謝彥紅
    沈陽化工大學學報 2013年1期
    關鍵詞:子類聚類距離

    陳海彬,郭金玉,謝彥紅

    (沈陽化工大學 信息工程學院,遼寧 沈陽 110142)

    現(xiàn)代化工工業(yè)具有大規(guī)模、高危性、多變量的特點,隨著設備結構日趨復雜,其故障類別日益增多,反映故障狀態(tài)、特征的變量也相應增加.在實際檢測過程中,為了使檢測準確可靠,總要采集盡可能多的數(shù)據(jù)樣本,以獲得足夠多的信息.

    當前,對工業(yè)過程故障檢測的研究方法有3類[1-2]:基于數(shù)學模型的方法、基于人工智能的方法和基于數(shù)據(jù)驅動的方法.基于數(shù)據(jù)驅動的方法正成為故障檢測領域內的研究熱點.常用的是統(tǒng)計過程控制(Statistics Process Contol,SPC)方法.統(tǒng)計過程控制(SPC)的基本概念是通過判斷當前數(shù)據(jù)是否在正常數(shù)據(jù)附近來檢測故障,這種判斷是基于當前數(shù)據(jù)所在正常數(shù)據(jù)的概率密度基礎上的.通常估計多維空間的概率密度很困難.為了避免估計多維概率密度函數(shù)及處理過程的非線性和時變性,Peter He Q 提出了基于k 近鄰規(guī)則(k-Nearest Neighbor Rule,kNN)的故障檢測算法[3-4],這種方法簡單、直觀,不足之處是計算量較大,因為對每一個待分類的樣本都要計算它到全體已知樣本的距離,才能求得它的k 個最近鄰點.

    一條生產線在生產過程中往往會出現(xiàn)幾種不同工況,而對于采集到的數(shù)據(jù)樣本的分類邊界常常是不確定的.這種多工況的生產過程阻礙了kNN 故障檢測方法的在線應用.因為在數(shù)據(jù)工況不明了的情況下,不加區(qū)分地對其進行kNN 故障檢測很容易產生誤報或者漏檢情況.為了減少計算量,提高故障檢測準確性,本文研究基于改進K-means 理論的kNN 故障檢測方法.首先利用改進K-means 方法對仿真生成的青霉素數(shù)據(jù)進行聚類,然后利用kNN 方法進行故障檢測,并與未進行分類而直接進行kNN 故障檢測的方法進行了比較.

    1 基本方法研究

    1.1 改進K-means 基本理論

    J.B.MaeQueen 在1967 年提出的K-means 算法是一種應用非常廣泛的聚類算法.K-means 算法屬于聚類方法中一種典型的劃分方法,它是一種首先給出聚類類別數(shù)的聚類算法.1999 年Jian等對K-means 算法進行了改進,其基本操作是子類合并,通過定義兩個子類中心的最小距離的閾值θ,來獲得最優(yōu)的子類數(shù)量和子類中心.該算法實際上通過定義一個合適的θ,折中考慮了模型的準確性和復雜性[5].

    算法的輸入是待分類樣本{x1,x2,…,xn},以及兩個子類中心的最小距離閾值θ.算法的輸出是子類數(shù)量C,子類中心{W1,W2…Wc}.

    聚類算法的具體步驟為:

    (1)在空間內放置k 個數(shù)據(jù)點,這些數(shù)據(jù)點代表初始聚類的中心,一般是從樣本中均勻抽取的.

    (2)若兩個子類中心的距離小于預定的閾值θ,剔除其中一個聚類中心.

    (3)將每個對象分配到離它最近的中心聚類.

    (4)Inum次迭代后,若某子類中心沒有俘獲一定數(shù)量的樣本,則剔除該類.

    (5)當所有對象都分配之后,重新計算出k個中心點的位置.

    (6)如果算法滿足收斂條件則結束,否則返回步驟2.

    (收斂條件有:兩次迭代中的聚類中心距離的變化小于一個很小的數(shù)ε,或者每個子類中樣本到子類中心的距離平方和以及子類之間的距離平方和達到最小)

    改進K-means 算法是目前用于科學研究的聚類算法中極具影響的一種技術,它能夠很好地根據(jù)數(shù)據(jù)的特性將數(shù)據(jù)收斂為K 類.對于多工況數(shù)據(jù),由于不同工況的工作條件不同,采集到的數(shù)據(jù)特性也會有所不同,從而利用改進Kmeans 算法可以很好地將不同工況的數(shù)據(jù)分別聚為一類.同時,從以上過程可以看出:改進Kmeans 算法的主要優(yōu)點在于算法簡單、快速,且能有效處理大規(guī)模數(shù)據(jù),能夠很好地彌補kNN計算量大的缺點.

    1.2 基于kNN 的故障檢測

    基于kNN 的故障檢測算法的思想是正常樣本的軌跡與訓練樣本的軌跡相似,而故障樣本的軌跡偏離訓練樣本的軌跡,故障樣本與最近鄰訓練樣本的距離大于正常樣本相應的距離.通過確定訓練樣本與最近鄰的訓練樣本距離的分布,就可以定義具有一定置信水平的閾值.如果未分類的樣本與最近鄰訓練樣本的距離小于閾值,則這個樣本是正常的;否則樣本是故障的[3-4].基于kNN 的故障檢測方法由兩部分構成:建立模型和故障檢測.

    (1)建立模型

    ①在訓練數(shù)據(jù)集合中找到每個樣本的k 個最近鄰.

    ②對每個樣本計算k 個最近鄰距離的平方和.第i 個樣本的k 個最近鄰距離的平方和定義為:

    ③確定進行故障檢測的閾值.由于D2i 的分布逼近非中心的χ2分布,可以確定具有置信水平α 的閾值確定閾值的另外一種常用方法是在正常操作條件下基于訓練數(shù)據(jù).

    (2)故障檢測

    對未分類的樣本X,故障檢測部分由3 步組成:

    ①從訓練集合中找到樣本X 的k 個近鄰.

    1.3 基于改進K-means 的kNN 故障檢測

    一條生產線在生產過程中往往會出現(xiàn)幾種不同工況,而對于采集到的數(shù)據(jù)樣本的分類邊界常常是不確定的,因此,需要對采集到的原始數(shù)據(jù)進行聚類.下面運用改進K-means 方法進行聚類,然后利用kNN 方法進行故障檢測,從而使故障診斷能夠更加精確.基于改進K-means 的kNN 方法綜合了兩種方法的優(yōu)點,由建立模型和故障檢測兩步組成.具體步驟為:

    (1)建立模型

    ①通過改進K-means 將原始建模數(shù)據(jù)分為C 個類,每一類的中心為Wc(c=1,2,…,C);

    ②利用kNN 方法,計算每類k 個鄰近距離平方和的閾值.建立模型過程如圖1 所示.

    圖1 基于改進K-means 的kNN 建模流程Fig.1 kNN modeling flow chart based on improved K-means

    (2)故障檢測

    ①對新的待檢測樣本,分別與每類的中心Wc求距離,將該樣本分配到離它最近的中心聚類;

    ②在該待檢測樣本所在的聚類中,通過kNN 方法進行故障檢測,判斷其是正常還是故障.具體過程如圖2 所示.

    圖2 基于改進K-means 的kNN 故障檢測流程Fig.2 kNN fault detection flow chart based on improved K-means method

    2 仿真研究

    2.1 青霉素數(shù)據(jù)

    青霉素作為一種抗生素,具有廣泛的臨床醫(yī)用價值,其生產過程是一個典型的非線性、動態(tài)、多階段間歇生產過程[6].文中運用的數(shù)據(jù)來自美國Illinois 州立理工學院AliCinar 領導的過程監(jiān)控與技術小組設計的青霉素生產仿真軟件Pensim 2.0.通過該軟件可以仿真不同初始條件下的青霉素生產過程的各個變量.影響青霉素發(fā)酵過程的可在線測量變量主要有空氣流量、攪拌功率、底物流加速度、溫度、反應體積等[7].

    選取3 種工況75 個正常批次,其中每批次18 個變量,采樣樣本400(每1 h 采樣1 次).3 種工況反應體積分別設為130、160 和190 L,每種工況各產生25 個批次.為驗證該方法對多工況故障診斷的效果,對應3 種工況,在200 h 對通風率和攪拌功率分別加入5 %、10 %的斜坡誤差,直到結束,每種工況各產生4 批故障數(shù)據(jù).

    2.2 數(shù)據(jù)預處理

    間歇過程數(shù)據(jù)是三維矩陣,在進行故障檢測前需要對數(shù)據(jù)進行預處理.將每一批次的二維數(shù)據(jù)按時間展開成一維數(shù)據(jù),如圖3 所示.

    圖3 數(shù)據(jù)展開方法Fig.3 Data unfold method

    圖3 中I 表示采樣批次,J 表示變量,K 表示采樣時刻.對于每一批次,將每一個采樣時刻所有變量的數(shù)據(jù)橫向展開可得到一個1 ×(400 ×18)的矩陣,所有建模數(shù)據(jù)展開后得到一個75 ×(400 ×18)的二維矩陣,所有故障數(shù)據(jù)展開后得到一個12 ×(400 ×18)的二維矩陣.

    2.3 改進K-means 對青霉素數(shù)據(jù)聚類

    圖4 為通過改進K-means 對75 批次的正常數(shù)據(jù)進行聚類的結果.其中75 批次數(shù)據(jù)分成了3 類,表明75 批次數(shù)據(jù)是在3 種不同工況下產生的,這與數(shù)據(jù)采集仿真時的設定一致.

    圖4 基于改進K-means 方法的青霉素數(shù)據(jù)聚類Fig.4 The penicillin data clustering based on improved K-means method

    為了驗證模型的有效性,現(xiàn)從3 種工況中各隨機抽取2 個批次作為校驗批次,加入故障數(shù)據(jù),從而得到新的建模數(shù)據(jù)為69 ×(400 ×18),新的待檢測數(shù)據(jù)為(12 +6)×(400 ×18).

    2.4 仿真結果與分析

    在傳統(tǒng)kNN 故障檢測方法中k 的取值為3,如圖5 所示前12 個批次為故障批次,后6 個批次為校驗批次.圖中虛線對應95 %的控制限.從圖5 中可以看出:傳統(tǒng)kNN 故障檢測方法可以檢測到所有的12 個故障批次,但是對第1 個工況的1 個校驗批次產生了誤報情況.對于產生這種結果有兩種原因:(1)控制限設置為95 %,允許5 %的誤差出現(xiàn),造成了1 個校驗批次的誤報;(2)3 種不同工況的數(shù)據(jù)統(tǒng)一處理,將會把整體數(shù)據(jù)的控制限向下拉低,使平均距離較大工況的數(shù)據(jù)更容易超出控制限,產生誤報.

    圖5 傳統(tǒng)kNN 的故障檢測Fig.5 The traditional kNN fault detection

    基于改進k-means 的kNN 故障檢測算法首先對3 種工況進行建模,對待檢測的批次進行工況歸屬判斷,然后通過對應工況的kNN 故障檢測模型進行檢測,其中k 取值為3.檢測結果如圖6 所示.圖中虛線對應95 %的控制限.

    圖6 基于改進K-means 的kNN 故障檢測Fig.6 kNN fault detection based on improved K-means method

    從圖6 可以看出:基于改進K-means 的kNN 故障檢測不但完全檢測出了所有的12 個故障批次,而且對6 個校驗批次沒有產生誤報,提高了準確性.同時,可以確定在傳統(tǒng)kNN 的故障檢測中,第1 工況產生的1 個校驗批次誤報情況,不是由正常的5 %誤差引起的,而是由數(shù)據(jù)分類不精確造成.

    由于各工況的χ2分布不同會引起各工況控制限的不同,通過先分類再進行故障檢測的方法,可以精確地計算出每種工況的95 %控制限,而不是將所有樣本混為一談.同時,通過先分類再建模,對校驗批次進行kNN 故障檢測時,待測批次不需要與全部的69 個建模批次求歐式距離,只需要先與3 個聚類中心求距離,判斷該待測批次的工況歸屬后,再與所在工況的23 個建模批次求歐式距離,大大縮減了故障檢測時間.

    通過對比可以看出:基于改進K-means 的kNN 故障檢測算法對于多工況特性的生產過程故障檢測可以取得較好的效果.但對于單一工況生產過程,采集到的數(shù)據(jù)特性全都相似,利用改進K-means 聚類最終會收斂為一類,此時改進K-means 的kNN 故障檢測方法與傳統(tǒng)的kNN故障檢測方法檢測效果一致,但計算量卻增大,有待進一步改進.

    3 結論

    間歇生產過程復雜的非線性和多工況特性,使傳統(tǒng)的kNN 單一模型進行故障檢測的難度加大.基于改進K-means 聚類kNN 故障檢測方法對間歇過程分工況建模,能夠更好地描述各工況的機理特性,大大提高了故障檢測的準確性.將該方法應用于青霉素批次過程的故障檢測中,通過和傳統(tǒng)的kNN 故障檢測結果相比較,表明改進K-means 聚類kNN 故障檢測方法提高了故障檢測的準確性和實時性.在實際生產中有重要的指導意義.

    [1]劉強,柴天佑,秦泗釗,等.基于數(shù)據(jù)和知識的工業(yè)過程監(jiān)視及故障診斷綜述[J].控制與決策,2010,25(6):801-807.

    [2]萬福才,鄂佳.統(tǒng)計過程監(jiān)控綜述[J].沈陽大學學報,2009,21(3):101-103.

    [3]He P Q,Wang Jin.Principal component based knearest-neighbor rule for semiconductor process fault detection[C]//American Control Conference,June 11-13,2008.Seattle:conference Publications,2008:1606-1611.

    [4]He P Q,Wang Jin.Fault Detection Using the k-nearest Neighbor Rule for Semiconductor Manufacturing Processes[J].IEEE Transactions on Semiconductor Manufacturing,2007,20(4):345-354.

    [5]曹文平.一種有效k-均值聚類中心的選取方法[J].計算機與現(xiàn)代化,2008,15(3):95-97.

    [6]劉世成,王海青,李平.青霉素生產過程的在線統(tǒng)計檢測與產品的質量控制[J].計算機與應用化學,2006,23(3):227-232.

    [7]Birol G,Cinar A.A Modular Simulation Package for Fed-batch Fermentation:Penicillin Production[J].Computers &Chemical Engineering,2002,26(11):1553-1565.

    猜你喜歡
    子類聚類距離
    卷入Hohlov算子的某解析雙單葉函數(shù)子類的系數(shù)估計
    算距離
    關于對稱共軛點的倒星象函數(shù)某些子類的系數(shù)估計
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    每次失敗都會距離成功更近一步
    山東青年(2016年3期)2016-02-28 14:25:55
    基于改進的遺傳算法的模糊聚類算法
    愛的距離
    母子健康(2015年1期)2015-02-28 11:21:33
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    距離有多遠
    自適應確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    久久av网站| 爱豆传媒免费全集在线观看| 在线永久观看黄色视频| 曰老女人黄片| 亚洲 欧美一区二区三区| 一本色道久久久久久精品综合| 色精品久久人妻99蜜桃| 精品少妇黑人巨大在线播放| 自线自在国产av| 侵犯人妻中文字幕一二三四区| 国产成+人综合+亚洲专区| 欧美中文综合在线视频| 欧美日韩福利视频一区二区| 成在线人永久免费视频| 国产又爽黄色视频| 麻豆乱淫一区二区| 少妇猛男粗大的猛烈进出视频| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产欧美一区二区综合| 人人妻人人爽人人添夜夜欢视频| av在线app专区| 美女视频免费永久观看网站| 又黄又粗又硬又大视频| 夫妻午夜视频| 最黄视频免费看| 久久精品人人爽人人爽视色| 国产欧美日韩一区二区三 | 欧美乱码精品一区二区三区| 国产一区二区在线观看av| 人人妻人人爽人人添夜夜欢视频| 免费黄频网站在线观看国产| 久久久久精品国产欧美久久久 | 天堂中文最新版在线下载| 亚洲精品一二三| 国产亚洲av片在线观看秒播厂| 啦啦啦啦在线视频资源| 两性午夜刺激爽爽歪歪视频在线观看 | 又大又爽又粗| 亚洲av电影在线进入| 一本一本久久a久久精品综合妖精| 精品亚洲成a人片在线观看| 麻豆乱淫一区二区| 我要看黄色一级片免费的| 黄片播放在线免费| 久久久精品94久久精品| 2018国产大陆天天弄谢| 老司机福利观看| 国产精品秋霞免费鲁丝片| 久久九九热精品免费| 久久精品亚洲av国产电影网| 国产福利在线免费观看视频| 美女高潮到喷水免费观看| 捣出白浆h1v1| 欧美午夜高清在线| 国产精品香港三级国产av潘金莲| 丝瓜视频免费看黄片| 纯流量卡能插随身wifi吗| 久久久久久人人人人人| 99久久人妻综合| 每晚都被弄得嗷嗷叫到高潮| 亚洲自偷自拍图片 自拍| 亚洲中文日韩欧美视频| 黄色毛片三级朝国网站| 成人18禁高潮啪啪吃奶动态图| 欧美国产精品一级二级三级| 亚洲综合色网址| 久久久国产一区二区| 精品欧美一区二区三区在线| 黄色片一级片一级黄色片| 最黄视频免费看| 亚洲人成电影免费在线| tocl精华| 国产色视频综合| 高清黄色对白视频在线免费看| 性色av乱码一区二区三区2| 国产一区二区三区在线臀色熟女 | av在线app专区| 一区二区三区激情视频| 在线十欧美十亚洲十日本专区| 国产av国产精品国产| 亚洲情色 制服丝袜| 91麻豆av在线| 国产麻豆69| 国产精品久久久人人做人人爽| 天天影视国产精品| 女人高潮潮喷娇喘18禁视频| 纯流量卡能插随身wifi吗| 老熟妇仑乱视频hdxx| 欧美亚洲日本最大视频资源| 国产日韩欧美视频二区| 日韩 亚洲 欧美在线| 一本综合久久免费| 免费在线观看日本一区| 欧美大码av| 国产一区二区 视频在线| 制服人妻中文乱码| 免费久久久久久久精品成人欧美视频| 在线观看免费午夜福利视频| 欧美亚洲 丝袜 人妻 在线| 午夜福利在线观看吧| 大型av网站在线播放| 最近最新中文字幕大全免费视频| 亚洲精品中文字幕一二三四区 | 美女高潮喷水抽搐中文字幕| 久久久久国产精品人妻一区二区| 久久精品aⅴ一区二区三区四区| 久久精品国产a三级三级三级| 老熟妇仑乱视频hdxx| 国产亚洲av高清不卡| 日韩中文字幕欧美一区二区| 一级黄色大片毛片| 亚洲三区欧美一区| 蜜桃国产av成人99| 精品少妇一区二区三区视频日本电影| 夜夜骑夜夜射夜夜干| 亚洲精品国产av成人精品| 老司机深夜福利视频在线观看 | 亚洲国产毛片av蜜桃av| 日本91视频免费播放| 免费少妇av软件| 久久狼人影院| 亚洲男人天堂网一区| 日韩,欧美,国产一区二区三区| 成人亚洲精品一区在线观看| 国产av精品麻豆| 精品福利永久在线观看| 亚洲精品自拍成人| 一级,二级,三级黄色视频| 一区二区三区精品91| 在线观看免费午夜福利视频| 国产区一区二久久| 午夜激情久久久久久久| av一本久久久久| 欧美久久黑人一区二区| 午夜福利视频精品| 大片免费播放器 马上看| 高清欧美精品videossex| 97精品久久久久久久久久精品| 少妇粗大呻吟视频| 成人av一区二区三区在线看 | 精品福利永久在线观看| 亚洲一区二区三区欧美精品| 美女主播在线视频| 欧美黄色淫秽网站| 亚洲国产中文字幕在线视频| 多毛熟女@视频| 久久热在线av| av电影中文网址| 老熟妇乱子伦视频在线观看 | 亚洲精品久久成人aⅴ小说| 久久精品aⅴ一区二区三区四区| 精品乱码久久久久久99久播| 一二三四社区在线视频社区8| 操出白浆在线播放| 日本撒尿小便嘘嘘汇集6| av又黄又爽大尺度在线免费看| 中国国产av一级| 精品国产国语对白av| 色老头精品视频在线观看| 999久久久精品免费观看国产| 国产高清视频在线播放一区 | 三级毛片av免费| 爱豆传媒免费全集在线观看| 免费av中文字幕在线| xxxhd国产人妻xxx| 我要看黄色一级片免费的| 黄网站色视频无遮挡免费观看| 韩国精品一区二区三区| tube8黄色片| 午夜免费观看性视频| 亚洲精品美女久久久久99蜜臀| 精品免费久久久久久久清纯 | 黄网站色视频无遮挡免费观看| 婷婷成人精品国产| 亚洲国产毛片av蜜桃av| 午夜福利,免费看| 国产精品av久久久久免费| 亚洲av欧美aⅴ国产| 欧美人与性动交α欧美精品济南到| 99久久国产精品久久久| 亚洲成国产人片在线观看| 黑人猛操日本美女一级片| 王馨瑶露胸无遮挡在线观看| 欧美日韩精品网址| 91字幕亚洲| 国产免费av片在线观看野外av| 亚洲人成77777在线视频| 国产精品久久久久久人妻精品电影 | 丰满饥渴人妻一区二区三| 高清欧美精品videossex| 一级毛片女人18水好多| 自拍欧美九色日韩亚洲蝌蚪91| 99热国产这里只有精品6| 大型av网站在线播放| 亚洲精品美女久久av网站| 亚洲少妇的诱惑av| 国产亚洲一区二区精品| 丝袜美足系列| 国产高清国产精品国产三级| 大型av网站在线播放| 国产精品一区二区精品视频观看| 美女中出高潮动态图| a在线观看视频网站| 高潮久久久久久久久久久不卡| 久久久久网色| 国产福利在线免费观看视频| 欧美在线黄色| 黄色视频在线播放观看不卡| 另类精品久久| 自线自在国产av| 两个人免费观看高清视频| 国产精品九九99| 国产成人精品久久二区二区91| 一区在线观看完整版| 大码成人一级视频| 中国国产av一级| 一本综合久久免费| 国产无遮挡羞羞视频在线观看| 999久久久国产精品视频| 精品一品国产午夜福利视频| 亚洲成av片中文字幕在线观看| 视频区欧美日本亚洲| 亚洲一区二区三区欧美精品| 亚洲国产av新网站| 多毛熟女@视频| 91九色精品人成在线观看| 狂野欧美激情性bbbbbb| 热re99久久精品国产66热6| 少妇精品久久久久久久| 99re6热这里在线精品视频| 国产福利在线免费观看视频| 国产欧美日韩综合在线一区二区| 国产男人的电影天堂91| 丰满少妇做爰视频| 性色av一级| 青春草视频在线免费观看| 午夜福利在线免费观看网站| 最新的欧美精品一区二区| 桃花免费在线播放| 黑人欧美特级aaaaaa片| 日韩免费高清中文字幕av| 妹子高潮喷水视频| 亚洲成人免费av在线播放| 人妻一区二区av| 国产亚洲精品久久久久5区| 国产一区二区三区av在线| 操美女的视频在线观看| 伦理电影免费视频| 午夜福利影视在线免费观看| 蜜桃国产av成人99| 午夜免费观看性视频| 日韩欧美免费精品| 一区二区av电影网| 欧美日韩中文字幕国产精品一区二区三区 | 国产欧美日韩一区二区三区在线| 无遮挡黄片免费观看| 亚洲,欧美精品.| 精品福利永久在线观看| 热99re8久久精品国产| 黑人欧美特级aaaaaa片| 欧美精品啪啪一区二区三区 | 日本精品一区二区三区蜜桃| 欧美精品人与动牲交sv欧美| 夜夜夜夜夜久久久久| 免费一级毛片在线播放高清视频 | a级毛片在线看网站| 99热国产这里只有精品6| 免费久久久久久久精品成人欧美视频| 美女福利国产在线| 妹子高潮喷水视频| 国产又色又爽无遮挡免| 免费观看人在逋| 日本一区二区免费在线视频| 精品国产乱子伦一区二区三区 | 国产免费福利视频在线观看| 日本撒尿小便嘘嘘汇集6| 日日摸夜夜添夜夜添小说| av不卡在线播放| 又紧又爽又黄一区二区| 动漫黄色视频在线观看| 国产精品久久久人人做人人爽| 国产免费福利视频在线观看| 免费不卡黄色视频| 一本久久精品| 欧美+亚洲+日韩+国产| 亚洲精品美女久久久久99蜜臀| 一区二区三区精品91| 午夜成年电影在线免费观看| 亚洲自偷自拍图片 自拍| 黑人巨大精品欧美一区二区蜜桃| 久久久欧美国产精品| 交换朋友夫妻互换小说| 首页视频小说图片口味搜索| 9191精品国产免费久久| 久久久久久久大尺度免费视频| 国产一卡二卡三卡精品| 一级片免费观看大全| 国产精品欧美亚洲77777| 亚洲一区中文字幕在线| 国产成人系列免费观看| 精品国产乱码久久久久久男人| 国产97色在线日韩免费| 亚洲成人手机| 狠狠精品人妻久久久久久综合| 日韩熟女老妇一区二区性免费视频| 久久久国产成人免费| 我的亚洲天堂| 999精品在线视频| 亚洲成av片中文字幕在线观看| 欧美成狂野欧美在线观看| 亚洲av电影在线观看一区二区三区| 精品少妇一区二区三区视频日本电影| 久热这里只有精品99| 久久精品成人免费网站| 午夜精品久久久久久毛片777| 人人妻人人添人人爽欧美一区卜| 亚洲三区欧美一区| 亚洲,欧美精品.| 最新的欧美精品一区二区| 制服人妻中文乱码| 岛国在线观看网站| 国产主播在线观看一区二区| 日韩人妻精品一区2区三区| 亚洲欧洲日产国产| 免费日韩欧美在线观看| h视频一区二区三区| 亚洲一区二区三区欧美精品| 搡老乐熟女国产| 亚洲精品中文字幕在线视频| 老汉色av国产亚洲站长工具| 一区在线观看完整版| 久久 成人 亚洲| 乱人伦中国视频| 久久国产精品大桥未久av| av片东京热男人的天堂| 欧美性长视频在线观看| 国产精品香港三级国产av潘金莲| 久久99一区二区三区| 亚洲国产中文字幕在线视频| 色老头精品视频在线观看| av视频免费观看在线观看| 亚洲黑人精品在线| 高清在线国产一区| 性色av一级| 日韩熟女老妇一区二区性免费视频| 老司机午夜十八禁免费视频| 女人爽到高潮嗷嗷叫在线视频| 国产在线观看jvid| 亚洲九九香蕉| 在线av久久热| 亚洲欧美清纯卡通| 午夜福利视频在线观看免费| 高清黄色对白视频在线免费看| 高清在线国产一区| 欧美成人午夜精品| 亚洲久久久国产精品| 精品熟女少妇八av免费久了| 日日摸夜夜添夜夜添小说| 精品人妻1区二区| 51午夜福利影视在线观看| 日韩有码中文字幕| 欧美大码av| 成年av动漫网址| 美女脱内裤让男人舔精品视频| 亚洲国产欧美在线一区| 久久国产精品影院| 日本精品一区二区三区蜜桃| 一区二区av电影网| 夜夜骑夜夜射夜夜干| 久久狼人影院| 久久九九热精品免费| 午夜免费鲁丝| 亚洲av成人不卡在线观看播放网 | 多毛熟女@视频| 国产无遮挡羞羞视频在线观看| 99国产精品免费福利视频| 日韩一卡2卡3卡4卡2021年| 一边摸一边抽搐一进一出视频| 美女中出高潮动态图| 香蕉国产在线看| 国产av国产精品国产| 涩涩av久久男人的天堂| 国产成人精品无人区| 久久影院123| 99久久人妻综合| 国产免费福利视频在线观看| 欧美大码av| 悠悠久久av| 欧美日韩亚洲综合一区二区三区_| 国产激情久久老熟女| 不卡一级毛片| 国产一区二区三区在线臀色熟女 | 久久影院123| 国产欧美日韩一区二区三区在线| 精品国产一区二区三区久久久樱花| 中文字幕色久视频| 建设人人有责人人尽责人人享有的| 一二三四社区在线视频社区8| 桃花免费在线播放| 九色亚洲精品在线播放| 国产欧美日韩精品亚洲av| 亚洲av男天堂| 麻豆乱淫一区二区| 美女高潮到喷水免费观看| 亚洲成国产人片在线观看| 国产精品国产三级国产专区5o| 久久久水蜜桃国产精品网| 一本色道久久久久久精品综合| 国产精品1区2区在线观看. | 日本vs欧美在线观看视频| 欧美日韩国产mv在线观看视频| av欧美777| 免费看十八禁软件| 日日摸夜夜添夜夜添小说| 午夜福利乱码中文字幕| 如日韩欧美国产精品一区二区三区| 超碰成人久久| 久久亚洲国产成人精品v| 99热国产这里只有精品6| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人精品在线电影| 91麻豆av在线| 另类精品久久| 欧美日韩亚洲综合一区二区三区_| 久久影院123| 国产一区有黄有色的免费视频| 青草久久国产| 男人爽女人下面视频在线观看| av有码第一页| 久久ye,这里只有精品| 在线观看一区二区三区激情| tocl精华| 亚洲精品国产av成人精品| 国产欧美日韩一区二区三 | 亚洲全国av大片| 国产日韩欧美视频二区| 国产91精品成人一区二区三区 | 久久九九热精品免费| 咕卡用的链子| 久热这里只有精品99| 精品国产乱码久久久久久小说| 国产精品99久久99久久久不卡| 国产三级黄色录像| 精品久久蜜臀av无| 亚洲成人免费电影在线观看| 国产免费现黄频在线看| 午夜久久久在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产伦人伦偷精品视频| 9色porny在线观看| 亚洲成人免费av在线播放| 久久性视频一级片| 国产精品熟女久久久久浪| 国产精品二区激情视频| 日韩中文字幕视频在线看片| 亚洲中文字幕日韩| 国产在线免费精品| 伦理电影免费视频| 国产亚洲精品第一综合不卡| 最近最新免费中文字幕在线| 日本av手机在线免费观看| 国产淫语在线视频| 国产av又大| 国产老妇伦熟女老妇高清| 国产三级黄色录像| www.精华液| 亚洲国产欧美日韩在线播放| 满18在线观看网站| 亚洲 欧美一区二区三区| 亚洲精品久久成人aⅴ小说| 中文字幕人妻熟女乱码| 亚洲五月色婷婷综合| 最近最新中文字幕大全免费视频| 热re99久久国产66热| 亚洲精品美女久久av网站| 亚洲国产av影院在线观看| 日本一区二区免费在线视频| 一本大道久久a久久精品| 无遮挡黄片免费观看| 免费看十八禁软件| 97人妻天天添夜夜摸| 亚洲,欧美精品.| 国产97色在线日韩免费| av在线老鸭窝| 女警被强在线播放| 亚洲午夜精品一区,二区,三区| 久久99一区二区三区| 国产精品久久久久成人av| 欧美黑人精品巨大| www.精华液| 亚洲视频免费观看视频| 国产色视频综合| 黄色视频在线播放观看不卡| 老鸭窝网址在线观看| 精品福利观看| 在线精品无人区一区二区三| 久久人人爽av亚洲精品天堂| av视频免费观看在线观看| 高清av免费在线| 午夜福利一区二区在线看| 欧美日韩亚洲国产一区二区在线观看 | 久久久国产欧美日韩av| 可以免费在线观看a视频的电影网站| 天天躁夜夜躁狠狠躁躁| 国产欧美日韩综合在线一区二区| 日韩欧美国产一区二区入口| 国产国语露脸激情在线看| 老汉色∧v一级毛片| 亚洲一卡2卡3卡4卡5卡精品中文| 超碰97精品在线观看| 69av精品久久久久久 | 水蜜桃什么品种好| 国产黄色免费在线视频| 亚洲精品第二区| 桃红色精品国产亚洲av| 久久久久久免费高清国产稀缺| 亚洲美女黄色视频免费看| 国产精品一二三区在线看| 一区在线观看完整版| 12—13女人毛片做爰片一| av福利片在线| 好男人电影高清在线观看| 国产黄色免费在线视频| 欧美精品啪啪一区二区三区 | 精品久久久久久电影网| 欧美+亚洲+日韩+国产| 国产极品粉嫩免费观看在线| 丝瓜视频免费看黄片| 成人黄色视频免费在线看| 丝袜在线中文字幕| 欧美日韩福利视频一区二区| 久久毛片免费看一区二区三区| 欧美黑人精品巨大| 亚洲视频免费观看视频| 亚洲第一欧美日韩一区二区三区 | 午夜激情久久久久久久| 国产亚洲精品第一综合不卡| 国产精品成人在线| 性色av一级| 中文欧美无线码| 一边摸一边抽搐一进一出视频| 久久免费观看电影| 久久精品亚洲熟妇少妇任你| www.av在线官网国产| 91老司机精品| 久久久欧美国产精品| 男女高潮啪啪啪动态图| 国产野战对白在线观看| 欧美成人午夜精品| 69av精品久久久久久 | 欧美黑人精品巨大| 国产精品秋霞免费鲁丝片| 又黄又粗又硬又大视频| 老司机影院毛片| 日日爽夜夜爽网站| 国产精品.久久久| 欧美一级毛片孕妇| 欧美 日韩 精品 国产| 久久久国产精品麻豆| 80岁老熟妇乱子伦牲交| 精品久久蜜臀av无| 97精品久久久久久久久久精品| 纵有疾风起免费观看全集完整版| 国产成人a∨麻豆精品| 久久中文看片网| a在线观看视频网站| 国产精品99久久99久久久不卡| 欧美 亚洲 国产 日韩一| 久久国产精品男人的天堂亚洲| 国产成人一区二区三区免费视频网站| 老汉色∧v一级毛片| 男女下面插进去视频免费观看| 一本久久精品| 久久久久精品人妻al黑| 看免费av毛片| 97在线人人人人妻| 久9热在线精品视频| 国产成人欧美在线观看 | 亚洲av成人一区二区三| 久久精品人人爽人人爽视色| 青春草亚洲视频在线观看| 免费少妇av软件| 一区在线观看完整版| 精品少妇久久久久久888优播| 午夜日韩欧美国产| 精品国产一区二区三区四区第35| 十分钟在线观看高清视频www| 国产亚洲一区二区精品| 亚洲国产欧美一区二区综合| 窝窝影院91人妻| 男人添女人高潮全过程视频| 国产在线免费精品| 丰满少妇做爰视频| 亚洲黑人精品在线| 男人爽女人下面视频在线观看| av网站免费在线观看视频| 91精品国产国语对白视频| 午夜福利免费观看在线| 高清欧美精品videossex| 国产精品九九99| 国精品久久久久久国模美| 叶爱在线成人免费视频播放| 欧美激情久久久久久爽电影 | 一区二区三区乱码不卡18| 久久中文字幕一级| 老司机亚洲免费影院| 午夜福利免费观看在线| 色婷婷久久久亚洲欧美| 久久免费观看电影| 侵犯人妻中文字幕一二三四区| 日本av免费视频播放| 男人舔女人的私密视频| 视频区图区小说| 免费黄频网站在线观看国产| 成人国语在线视频|