• <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 ?

    汽輪機熱耗率多模型建模方法研究

    2015-08-10 10:10:19牛培峰李國強馬云飛陳貴林張先臣
    計量學(xué)報 2015年3期
    關(guān)鍵詞:熱耗率蛙跳汽輪機

    牛培峰, 劉 超, 李國強, 馬云飛, 陳貴林, 張先臣

    (1.燕山大學(xué)工業(yè)計算機控制工程河北省重點實驗室,河北秦皇島066004;2.國家冷軋板帶裝備及工藝工程技術(shù)研究中心,河北秦皇島066004)

    汽輪機熱耗率多模型建模方法研究

    牛培峰1,2, 劉 超1, 李國強1, 馬云飛1, 陳貴林1,2, 張先臣1,2

    (1.燕山大學(xué)工業(yè)計算機控制工程河北省重點實驗室,河北秦皇島066004;2.國家冷軋板帶裝備及工藝工程技術(shù)研究中心,河北秦皇島066004)

    針對汽輪機熱耗率難以準(zhǔn)確計算的問題,提出了核模糊c均值與混合蛙跳算法優(yōu)化最小二乘支持向量機(LS-SVM)的汽輪機熱耗率多模型建模方法,用來計算不同工況下的熱耗率。該方法利用核模糊c均值算法對熱耗率數(shù)據(jù)聚類,采用5折交叉驗證平均誤差作為LS-SVM參數(shù)選擇的適應(yīng)度值,利用混合蛙跳算法優(yōu)化參數(shù)并建立局部模型,采用開關(guān)切換得到模型輸出,以此實現(xiàn)熱耗率的多模型建模。與單一的LS-SVM模型和BP網(wǎng)絡(luò)熱耗率預(yù)測模型比較,結(jié)果表明該多模型方法有更高的預(yù)測精確和更好的泛化能力,能更準(zhǔn)確地計算汽輪機熱耗率。

    計量學(xué);汽輪機熱耗率;混合蛙跳算法;多模型建模;最小二乘支持向量機;核模糊c均值

    1 引 言

    汽輪機組的熱耗率是衡量火電機組運行經(jīng)濟性的重要技術(shù)指標(biāo),降低機組的熱耗率在建立發(fā)電廠安全、經(jīng)濟、可靠運行系統(tǒng)以及在電力市場化,競價上網(wǎng)的成本核算體系中有重要的指導(dǎo)作用。核心問題便是如何精確地計算機組熱耗率。一種可行辦法是利用回歸方法得到各個運行工況下熱耗率與有關(guān)熱力參數(shù)之間的關(guān)系模型,在運行中將某工況的有關(guān)參數(shù)代入已建立好的模型中,即可得到汽輪機熱耗率的實時計算值[1]。

    回歸建模方法主要有神經(jīng)網(wǎng)絡(luò)、支持向量機等。人工神經(jīng)網(wǎng)絡(luò)[2,3]由于是基于經(jīng)驗風(fēng)險最小化,存在著難以克服的缺點,在缺少樣本的情況下,訓(xùn)練的模型泛化能力不強。而支持向量機(SVM)是建立在結(jié)構(gòu)風(fēng)險最小理論基礎(chǔ)上的學(xué)習(xí)機[4~6],相對神經(jīng)網(wǎng)絡(luò),SVM具有嚴(yán)格的理論和數(shù)學(xué)基礎(chǔ),能較好地解決小樣本等實際問題。最小二乘支持向量機(Least square support vector machine,LS-SVM)是標(biāo)準(zhǔn)SVM的一種變體[7],它將求解二次規(guī)劃問題轉(zhuǎn)化為求解線性方程以提高運算速度。采用混合蛙跳算法[8]調(diào)整LS-SVM的正規(guī)化參數(shù)和核參數(shù),可以提高模型預(yù)測精度。由于機組的負(fù)荷率有較大的動態(tài)變化范圍,采用單一LS-SVM模型難以精確描述熱耗率特性;而多模型建模時,各個子模型是相對獨立的,無論在模型精度還是預(yù)測精度均要優(yōu)于單模型[9]。

    根據(jù)上述分析,本文提出汽輪機熱耗率多模型建模方法。首先采用核模糊c均值對熱耗率樣本進行聚類劃分;然后,用蛙跳算法優(yōu)化的LS-SVM對各子類分別建立局部模型;最后,采用開關(guān)切換得到模型輸出。仿真實驗表明,該方法能有效預(yù)測汽輪機熱耗率。

    2 核模糊c均值

    模糊c均值是一種廣泛應(yīng)用的聚類算法,由于其對邊緣點和對非線性問題處理不是很理想,計算過程易陷入局部最優(yōu),本文采用核模糊c均值對熱耗率數(shù)據(jù)在高維空間進行聚類劃分。

    假設(shè)數(shù)據(jù)樣本{(x1,y1),…,(xn,yn)}?Rm× R,n為樣本數(shù)量。數(shù)據(jù)樣本通過一個非線性映射φ:x→F,將輸入空間Rm映射為高維特征空間F:(x∈Rm→φ(x)∈Rq,q>m),并在特征空間F內(nèi)進行模糊c均值聚類,把熱耗率數(shù)據(jù)聚類劃分成c類。

    在特征空間F中定義核函數(shù)K(x,y),文中核函數(shù)選用高斯核函數(shù)。則F空間中點積就用輸入空間的核K(x,y)函數(shù)來表示

    其K(x,x)=1,F(xiàn)空間的歐式距離為

    在F空間的聚類價值函數(shù)可以表示為

    式中,m∈[1,∞)為一個加權(quán)指數(shù);φ(xk)和φ(vi)為映射到高維空間的數(shù)據(jù)樣本和聚類中心;uik為第k個樣本屬于第i類的隸屬度,uik必須滿足

    在式(5)的約束下,令?Jm/?vi=0和?Jm/?ui(xk)=0,可得u、v的更新式

    3 最小二乘支持向量機

    支持向量機是建立在VC維理論和結(jié)構(gòu)風(fēng)險最小原理上的學(xué)習(xí)機,它能夠有效地抑制模型建立過程中欠學(xué)習(xí)和過學(xué)習(xí)現(xiàn)象。LS-SVM是標(biāo)準(zhǔn)SVM的一種變體,LS-SVM以等式約束代替?zhèn)鹘y(tǒng)支持向量機的不等式約束,將求解二次規(guī)劃問題轉(zhuǎn)化為求解線性方程組。LS-SVM優(yōu)化目標(biāo)可表示為

    式中,w為權(quán)向量;b為偏置;φ(x)為將輸入空間映射到高維特征空間的非線性映射。

    定義拉格朗日函數(shù)為

    式中,ai為Lagrange乘子。

    分別求L(w,b,a,ξ)對w,b,a,ξ的偏微分,可以得到式(10)的最優(yōu)條件

    優(yōu)化問題最終轉(zhuǎn)化為求解方程組

    式中,y=[y1,…,yn]T,I=[1,…,1]T,a=[a1,…,an]T,Z=[φ(x1),…,φ(xn)]T。

    解方程(11)可以得到最小二乘支持向量機系數(shù)w和b,進而得到LS-SVM回歸函數(shù)

    核函數(shù)的引入,巧妙地消除了高維空間直接求內(nèi)積的“維數(shù)災(zāi)難”的問題。本文選用RBF核函數(shù)

    由上可見,模型的精度和預(yù)測能力主要由參數(shù)C和核參數(shù)δ2決定。其中,C在于調(diào)節(jié)置信范圍和經(jīng)驗風(fēng)險的比例,核參數(shù)δ2主要影響樣本數(shù)據(jù)在高維特征空間中的分布復(fù)雜程度。

    4 混合蛙跳算法優(yōu)化LS-SVM

    LS-SVM參數(shù)選擇過程本質(zhì)上是一個優(yōu)化搜索過程,搜索空間的每個點均為最佳參數(shù)的一個潛在解。本文利用混合蛙跳算法強勁的全局搜索能力實現(xiàn)模型參數(shù)的優(yōu)化。

    4.1 蛙跳算法

    蛙跳算法(SFLA)是Eusuff和Lansey提出的一種全新的后啟發(fā)優(yōu)化算法[8]。局部搜索和全局信息交換使該算法具有高效的計算性能和優(yōu)良的全局搜索能力。假設(shè)由N個青蛙構(gòu)成的種群{Xi|Xi=(xi1,…,xis)},其中s為解空間的維數(shù)。根據(jù)式(14)計算適應(yīng)度f(xi)

    將個體按適應(yīng)度降序排序,然后將整個種群按式(15)劃分為m個子群,每個子群包含n=N/m只青蛙。

    然后,在每個子群中分別執(zhí)行局部搜索策略,按照式(16)和(17)更新子群中適應(yīng)度最差的個體。

    式中,Xb和Xw為適應(yīng)度最好和最差的個體;di為個體的調(diào)整矢量;dmax為允許青蛙個體最大步長。在迭代中,如果更改后的new Xw的適應(yīng)度比old Xw好,則其取代最差的個體;否則,用全局適應(yīng)度最好的個體Xg替換式(16)中的Xb,重新執(zhí)行式(16)、(17)。如果適應(yīng)度還未提高,則隨機產(chǎn)生一個個體。

    執(zhí)行完局部搜索后,將各子群個體混合在一起,更新全局最優(yōu)個體,并按照式(15)重新劃分,重復(fù)上述的局部進化搜索,直到終止條件滿足為止。

    4.2 SFLA優(yōu)化LS-SVM的參數(shù)

    SFLA算法采用實值編碼,本文選用5折交叉驗證平均誤差作為LS-SVM參數(shù)選擇的適應(yīng)度值。圖1為用混合蛙跳算法優(yōu)化LS-SVM參數(shù)的示意圖。

    (1)設(shè)置初始值:種群規(guī)模、迭代次數(shù)、終止條件、(C,δ2)取值范圍分別設(shè)為[0.1,1000]和[0.1,1000]。

    (2)將具有n個熱耗率訓(xùn)練樣本(xi,i=1,2,…,n),隨機分成5個數(shù)據(jù)集合S1,…,S5。

    (3)計算5折交叉驗證誤差:初始化i=1,取第i個集合Si作校驗集合,其余合并作訓(xùn)練集合,根據(jù)當(dāng)前的(C,δ2)訓(xùn)練LS-SVM,按式(18)計算泛化誤差

    圖1 混合蛙跳算法優(yōu)化LS-SVM的參數(shù)

    式中,yj和fj分別為真實值和預(yù)測值;m為校驗集中數(shù)據(jù)樣本的個數(shù)。令i=i+1,重復(fù)直至i=5。

    (4)5次泛化誤差的平均值作為混合蛙跳算法的適應(yīng)度值J(xi),然后利用SFLA搜索更好的(C,δ2)。

    5 汽輪機熱耗率多模型建模

    5.1 熱耗率多模型思路

    熱耗率多模型建??傮w結(jié)構(gòu)見圖2。算法分為3層:第1層把采集到的汽輪機熱耗率數(shù)據(jù)用核模糊c均值算法聚類,得到聚類中心v和隸屬度U,然后再按照各個樣本的隸屬度大小將數(shù)據(jù)劃分成c個子類樣本;第2層用混合蛙跳算法優(yōu)化的LS-SVM對各個子類建立局部模型;第3層根據(jù)開關(guān)切換準(zhǔn)則得到最終模型的輸出。在對測試集預(yù)測時,首先在n維空間中定義測試樣本點與聚類中心v的歐式距離

    式中,Dij為測試樣本xj與聚類中心vi的歐式距離。

    按式(19)計算測試樣本與聚類中心的歐式距離,根據(jù)最小歐式距離判別各個測試樣本所屬類。最后將測試樣本點送到所屬類對應(yīng)的局部模型預(yù)測輸出。

    圖2 開關(guān)切換方式的熱耗率多模型結(jié)構(gòu)

    5.2 熱耗率多模型預(yù)測實例及精度驗證

    5.2.1 多模型的輸入與輸出

    汽輪機熱耗率及影響熱耗率的參數(shù)之間存在著強非線性關(guān)系。文獻[10]指出了超臨界凝汽式汽輪機組熱耗率計算公式,式中焓值可以通過介質(zhì)的壓力和溫度求解,故根據(jù)該公式確定熱力參數(shù)。根據(jù)這個原則選擇:Pe(發(fā)電機輸出功率,MW)和P0,T0,D0,Pzl,Tzl,Dzl,Pzr,Tzr,Dzr,Pfw,Tfw,Dfw,Pgl,Tgl,Dgl,Pzj,Tzj,Dzj等19個參數(shù)作為輸入,下標(biāo)0、zl、zr、fw、gl、zj分別表示主蒸汽、再熱蒸汽入口、再熱蒸汽出口、給水、過熱減溫水、再熱減溫水的壓力 P/Mpa、溫度T/℃、流量D/t·h-1。輸出則為汽輪機熱耗率RH/kJ·(kW·h)-1。

    5.2.2 熱耗率預(yù)測實例分析

    表1 為在多工況下采集的某火電廠超臨界汽輪機組(CLN600-24.2/566/566 MW)的289組原始數(shù)據(jù),將其中的217組數(shù)據(jù)用來訓(xùn)練模型,72組數(shù)據(jù)用來預(yù)測模型,建立多模型預(yù)測模型。核模糊聚類個數(shù)c為5,局部模型最優(yōu)的參數(shù)對見表2。為了驗證多模型的性能,與單一LS-SVM模型和BP網(wǎng)絡(luò)模型進行比較。BP網(wǎng)絡(luò)采用3層網(wǎng)絡(luò)結(jié)構(gòu):第1層19個輸入,第3層1個輸出,含有14個神經(jīng)元的隱層,訓(xùn)練函數(shù)為traingdm。具體各預(yù)測模型預(yù)測結(jié)果與精度分析見圖3、圖4、圖5和表3。精度指標(biāo)定義為

    表1 某火電廠超臨界汽輪機組運行參數(shù)

    表2 參數(shù)選擇結(jié)果

    表3 各模型預(yù)測結(jié)果精度分析

    圖3~圖5為各模型對測試集的預(yù)測結(jié)果,由圖可以發(fā)現(xiàn),多模型方法的預(yù)測精度高于單模型和BP網(wǎng)絡(luò)。圖6為測試集的各模型預(yù)測誤差曲線,由圖可以看出,多模型預(yù)測誤差明顯小于單模型預(yù)測誤差和BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差。表3數(shù)據(jù)顯示,無論對訓(xùn)練樣本還是測試樣本,文中提出的方法的emax、emean和es均優(yōu)于單一LS-SVM和BP網(wǎng)絡(luò)。尤其是es指標(biāo),表明多模型預(yù)測誤差波動范圍小,更能適合工況范圍大的建模。實驗結(jié)果表明,文中提出的多模型建模方法能進一步提高軟測量模型的精度,能較好地預(yù)測熱耗率。

    圖3 單LS-SVM模型預(yù)測結(jié)果

    圖4 BP網(wǎng)絡(luò)模型預(yù)測結(jié)果

    圖5 多模型預(yù)測結(jié)果

    6 結(jié) 論

    熱耗率與影響它的因素之間是一種高度非線性關(guān)系,其工況變換范圍較大,基于核模糊c均值和SFLA優(yōu)化的LS-SVM的熱耗率多模型能根據(jù)測試樣本所屬類進行對測試數(shù)據(jù)的輸出預(yù)測,并且多模型可以為各個工況建立子模型,這樣提高了整體的預(yù)測精度。仿真實驗充分表明:該方法能更加有效、精確地描述熱耗率特性,能夠滿足工業(yè)生產(chǎn)的需求,具有很好的推廣價值。

    [1] 王雷,張欣剛,王洪躍,等.基于支持向量回歸算法的汽輪機熱耗率模型[J].動力工程,2007,27(1):19-23.

    [2] 陳鴻偉,劉煥志,李曉偉,等.雙循環(huán)流化床顆粒循環(huán)流率試驗與BP神經(jīng)網(wǎng)絡(luò)預(yù)測[J].中國電機工程學(xué)報,2010,30(32):25-29.

    [3] 李巖,王東風(fēng),焦嵩鳴,等.采用微分進化算法和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的熱工過程模型辨識[J].中國電機工程學(xué)報,2010,30(8):110-116.

    [4] Vapnik V.The nature of statistical learning theory[M].New York:Springer,1995.

    [5] 葉林,劉鵬.基于經(jīng)驗?zāi)B(tài)分解和支持向量機的短期風(fēng)電功率組合預(yù)測模型[J].中國電機工程學(xué)報,2011,31(31):102-108.

    [6] Liu G H,Zhou DW,Xu H X,etal.Model optimization of SVM for a fermentation soft sensor[J].Expert Systems with Applications,2010,37(4):2708-2713.

    [7] Wang P,Tian J W,Gao C Q.Infrared small target detection using directional highpass filters based on LSSVM[J].Electronics Letters,2009,45(3):156-158.

    [8] Eusuff M,Lansey K,Pasha F.Shuffled frog-leaping algorithm:a memetic meta-heuristic for discrete optimization[J].Engineering Optimization,2006,38(2):129-54.

    [9] 王洋課.基于聚類的多模型軟測量技術(shù)的研究[D].南京:東南大學(xué),2010.

    [10] Niu P F,Zhang W P.Model of turbine optimal initial pressure under off-design operation based on SVR and GA[J].Neurocomputing,2012,78(1):64-71.

    Investigation on Multi-modelModeling Method of Steam Turbine Heat Rate

    NIU Pei-feng1,2, LIU Chao1, LIGuo-qiang1, MA Yun-fei1, CHEN Gui-lin1,2, ZHANG Xian-chen1,2
    (1.Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University,Qinhuangdao,Hebei066004,China;2.National Engineering Research Center for Equipment and Technology of Cold Strip Rolling,Qinhuangdao,Hebei066004,China)

    Taking into account the problem that the heat rate of steam turbine is difficult to accurately calculate,a novel heat rate multi-model soft measurement methodology based on kernel fuzzy c-means and shuffled frog-leaping algorithm optimized least squares support vectormachine(LS-SVM is proposed),which is employed to calculate the heat rate under differentworking conditions.Thismethod applies kernel fuzzy c-means algorithm clustering heat rate data.Taking themean error of5-fold cross-validation as fitness value of parameters selection for LS-SVM,LS-SVM based on SFLA is trained and established localmodel for each cluster,and then themodel output is obtained by the switch way,so as to realize the heat ratemulti-modelmethod.Compared with the single LS-SVM model and BP network heat rate prediction model,the multimodel has a higher prediction accuracy and better generalization ability.

    Metrology;Heat rate of steam turbine;Shuffled frog-leaping algorithm;Multi-model modeling;Least square support vectormachine;Kernel fuzzy c-means algorithm

    TP941

    :A

    :1000-1158(2015)03-0251-05

    10.3969/j.issn.1000-1158.2015.03.07

    2012-08-25;

    :2015-02-13

    國家自然科學(xué)基金(60774028);河北省自然科學(xué)基金(F2010001318)

    牛培峰(1958-),男,吉林舒蘭人,燕山大學(xué)教授,博士生導(dǎo)師,主要研究方向為復(fù)雜工業(yè)系統(tǒng)的智能建模與智能控制及流程工業(yè)綜合自動化。npf882000@163.com

    猜你喜歡
    熱耗率蛙跳汽輪機
    “三層七法”:提高初中生三級蛙跳能力的實踐研究
    320MW抽凝供熱機組蝶閥開度調(diào)整試驗與仿真研究
    機電信息(2021年5期)2021-02-22 06:47:26
    東汽百萬等級汽輪機低壓軸承偏載治理研究
    能源工程(2020年5期)2021-01-04 01:29:00
    降低燃?xì)獍l(fā)電機組煤耗方法探討
    魅力中國(2016年52期)2017-09-01 12:02:09
    娃娃畫報(2016年5期)2016-08-03 19:25:40
    淺析給水泵汽輪機跳閘回路改造
    廣西電力(2016年4期)2016-07-10 10:23:38
    汽輪機排汽缸噴水量計算
    1000 MW超超臨界機組等效熱降計算
    科技資訊(2014年1期)2014-11-10 21:24:52
    135MW汽輪機組滑壓運行經(jīng)濟性分析
    河南科技(2014年11期)2014-02-27 14:09:55
    一種改進的混合蛙跳算法及其在水浴牽伸控制中的應(yīng)用
    成人三级做爰电影| 无人区码免费观看不卡| 欧美av亚洲av综合av国产av| 日韩欧美在线二视频 | 最新的欧美精品一区二区| 久久久水蜜桃国产精品网| av欧美777| 超碰成人久久| 757午夜福利合集在线观看| 人妻丰满熟妇av一区二区三区 | 国产激情欧美一区二区| 一级毛片高清免费大全| 亚洲av片天天在线观看| 老司机深夜福利视频在线观看| 老熟妇乱子伦视频在线观看| 欧美日韩亚洲高清精品| 日本五十路高清| 亚洲色图av天堂| 亚洲熟女毛片儿| 亚洲精品国产区一区二| 亚洲 国产 在线| 亚洲欧美一区二区三区久久| 国产一区二区激情短视频| 精品久久久久久久毛片微露脸| 91av网站免费观看| 麻豆av在线久日| 亚洲av熟女| 亚洲精品美女久久av网站| 男女床上黄色一级片免费看| 91成年电影在线观看| 免费女性裸体啪啪无遮挡网站| 高清黄色对白视频在线免费看| 电影成人av| 波多野结衣一区麻豆| 欧美精品一区二区免费开放| 久久精品国产99精品国产亚洲性色 | 视频在线观看一区二区三区| 麻豆国产av国片精品| 美女 人体艺术 gogo| 久久精品国产99精品国产亚洲性色 | 免费观看精品视频网站| 精品国产乱子伦一区二区三区| 日日摸夜夜添夜夜添小说| 美国免费a级毛片| 亚洲熟女毛片儿| av线在线观看网站| 欧美在线黄色| 亚洲精品粉嫩美女一区| 亚洲七黄色美女视频| 亚洲一区二区三区欧美精品| 免费不卡黄色视频| 自拍欧美九色日韩亚洲蝌蚪91| av天堂久久9| 久久国产亚洲av麻豆专区| 一本综合久久免费| 国产精品偷伦视频观看了| 一进一出抽搐gif免费好疼 | 国产精品一区二区免费欧美| 黑人巨大精品欧美一区二区蜜桃| 欧美精品一区二区免费开放| 精品国产超薄肉色丝袜足j| 亚洲专区国产一区二区| 999精品在线视频| 亚洲欧美精品综合一区二区三区| 夜夜爽天天搞| 1024视频免费在线观看| videos熟女内射| 波多野结衣一区麻豆| 99精品久久久久人妻精品| 久久久久国产一级毛片高清牌| 亚洲精品国产一区二区精华液| 成人18禁在线播放| 脱女人内裤的视频| 国产在视频线精品| 美国免费a级毛片| 国产精品一区二区精品视频观看| 91字幕亚洲| 巨乳人妻的诱惑在线观看| 人妻 亚洲 视频| 久久久水蜜桃国产精品网| 91av网站免费观看| 久久午夜亚洲精品久久| 成人国语在线视频| 精品久久久久久久久久免费视频 | 午夜福利,免费看| 国产免费现黄频在线看| 国产成人精品久久二区二区91| 午夜精品在线福利| x7x7x7水蜜桃| 人人澡人人妻人| 一本综合久久免费| 国产成人精品久久二区二区免费| 一区二区三区激情视频| av线在线观看网站| 亚洲aⅴ乱码一区二区在线播放 | 亚洲一卡2卡3卡4卡5卡精品中文| 欧美日韩亚洲国产一区二区在线观看 | aaaaa片日本免费| 国产精品美女特级片免费视频播放器 | 国产xxxxx性猛交| 午夜福利免费观看在线| 国产欧美日韩综合在线一区二区| 国产1区2区3区精品| 身体一侧抽搐| 亚洲精品美女久久av网站| 制服诱惑二区| 人妻丰满熟妇av一区二区三区 | 久久人妻福利社区极品人妻图片| 亚洲七黄色美女视频| 久久午夜亚洲精品久久| 色综合欧美亚洲国产小说| 精品一区二区三区av网在线观看| 色老头精品视频在线观看| 妹子高潮喷水视频| 日本欧美视频一区| 男女午夜视频在线观看| 一进一出好大好爽视频| 色94色欧美一区二区| 在线看a的网站| 国产精品久久久久久人妻精品电影| 国产视频一区二区在线看| 黄片大片在线免费观看| 又紧又爽又黄一区二区| 99久久国产精品久久久| 热99久久久久精品小说推荐| 久热爱精品视频在线9| 亚洲avbb在线观看| 欧美乱妇无乱码| 五月开心婷婷网| 19禁男女啪啪无遮挡网站| 午夜福利视频在线观看免费| 亚洲精品成人av观看孕妇| 18禁裸乳无遮挡动漫免费视频| 国产成人免费观看mmmm| 国产亚洲精品久久久久5区| 亚洲中文日韩欧美视频| 精品国内亚洲2022精品成人 | 国产精品久久久久成人av| 国产一区二区三区视频了| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品一区二区在线观看99| 在线国产一区二区在线| 国产精品久久视频播放| a级片在线免费高清观看视频| 久热爱精品视频在线9| 国产av又大| 国产日韩欧美亚洲二区| 国产成人精品久久二区二区免费| 久久国产精品影院| 精品一品国产午夜福利视频| 亚洲av第一区精品v没综合| 午夜精品久久久久久毛片777| aaaaa片日本免费| www.精华液| 国内久久婷婷六月综合欲色啪| 久久 成人 亚洲| 精品国产超薄肉色丝袜足j| 国产av一区二区精品久久| 一夜夜www| 色婷婷av一区二区三区视频| 美女福利国产在线| 久热爱精品视频在线9| avwww免费| 黄频高清免费视频| 一区在线观看完整版| 国产日韩一区二区三区精品不卡| 欧美成人午夜精品| 精品人妻在线不人妻| 欧美精品人与动牲交sv欧美| 亚洲国产中文字幕在线视频| 国产精品免费视频内射| 人人妻,人人澡人人爽秒播| 久久香蕉国产精品| 国产欧美日韩一区二区精品| 中文字幕av电影在线播放| 妹子高潮喷水视频| 欧美黑人欧美精品刺激| 亚洲av美国av| 亚洲片人在线观看| tube8黄色片| 1024视频免费在线观看| 中文字幕人妻丝袜制服| 色在线成人网| 国产一区二区三区视频了| 午夜视频精品福利| 色婷婷久久久亚洲欧美| 真人做人爱边吃奶动态| 9色porny在线观看| 久久久久久久久免费视频了| 亚洲av成人一区二区三| 9色porny在线观看| 啦啦啦 在线观看视频| 久久香蕉国产精品| 后天国语完整版免费观看| 狂野欧美激情性xxxx| 一级毛片精品| 国产亚洲av高清不卡| av线在线观看网站| 久热这里只有精品99| 18禁美女被吸乳视频| 99久久国产精品久久久| 国产成人av激情在线播放| 久久久久国产精品人妻aⅴ院 | 精品久久久久久久毛片微露脸| 久99久视频精品免费| 久久午夜综合久久蜜桃| 又黄又粗又硬又大视频| 欧美黑人欧美精品刺激| 亚洲精品乱久久久久久| 国产99白浆流出| 久久中文字幕人妻熟女| 成熟少妇高潮喷水视频| 精品国内亚洲2022精品成人 | av有码第一页| 91麻豆av在线| 超碰成人久久| 老熟女久久久| 久久精品国产亚洲av香蕉五月 | 热99国产精品久久久久久7| 久久中文看片网| 免费在线观看黄色视频的| av不卡在线播放| 99国产精品免费福利视频| 国产麻豆69| 人妻丰满熟妇av一区二区三区 | 天堂√8在线中文| 亚洲欧美激情综合另类| 侵犯人妻中文字幕一二三四区| 国产精品.久久久| 大香蕉久久成人网| 国产成人av教育| 最近最新中文字幕大全电影3 | 免费在线观看视频国产中文字幕亚洲| 午夜91福利影院| 12—13女人毛片做爰片一| 亚洲七黄色美女视频| 人人妻人人添人人爽欧美一区卜| av欧美777| 国产成人一区二区三区免费视频网站| 999久久久精品免费观看国产| 18禁美女被吸乳视频| 99精品在免费线老司机午夜| 午夜福利欧美成人| 99热国产这里只有精品6| 欧美不卡视频在线免费观看 | 悠悠久久av| 日本黄色日本黄色录像| 国产成人一区二区三区免费视频网站| 国产99久久九九免费精品| 欧美日韩精品网址| 80岁老熟妇乱子伦牲交| 欧美丝袜亚洲另类 | 国产激情久久老熟女| 午夜精品国产一区二区电影| 国产伦人伦偷精品视频| 看免费av毛片| av在线播放免费不卡| 国产精品秋霞免费鲁丝片| 一级毛片精品| 天堂俺去俺来也www色官网| 18禁国产床啪视频网站| 亚洲精品自拍成人| 操美女的视频在线观看| 午夜日韩欧美国产| 美女视频免费永久观看网站| av网站免费在线观看视频| 啦啦啦在线免费观看视频4| 在线观看免费视频网站a站| 在线观看免费午夜福利视频| 热re99久久精品国产66热6| 亚洲七黄色美女视频| 国产高清国产精品国产三级| 日韩欧美一区视频在线观看| 成年女人毛片免费观看观看9 | 久久精品91无色码中文字幕| 欧美性长视频在线观看| av有码第一页| 国产精品电影一区二区三区 | 啦啦啦在线免费观看视频4| 丰满的人妻完整版| 亚洲成a人片在线一区二区| 热re99久久精品国产66热6| 欧美精品人与动牲交sv欧美| 亚洲国产精品合色在线| 亚洲精品中文字幕一二三四区| 9色porny在线观看| 成年动漫av网址| 国产麻豆69| 热re99久久精品国产66热6| 夜夜爽天天搞| 久久久久国产精品人妻aⅴ院 | 在线观看舔阴道视频| 高清视频免费观看一区二区| 伦理电影免费视频| 亚洲第一av免费看| 操出白浆在线播放| 国产乱人伦免费视频| 国产精品二区激情视频| 亚洲一区二区三区欧美精品| 香蕉丝袜av| 欧美国产精品va在线观看不卡| 激情在线观看视频在线高清 | 国产午夜精品久久久久久| 亚洲一区二区三区欧美精品| 免费一级毛片在线播放高清视频 | 亚洲国产欧美日韩在线播放| 亚洲精品美女久久av网站| 后天国语完整版免费观看| 欧美日韩国产mv在线观看视频| 99在线人妻在线中文字幕 | 国产精品九九99| 成人18禁高潮啪啪吃奶动态图| 国产淫语在线视频| 亚洲免费av在线视频| 纯流量卡能插随身wifi吗| 国产精品成人在线| 999久久久精品免费观看国产| 麻豆av在线久日| 手机成人av网站| 精品国产乱码久久久久久男人| 热re99久久国产66热| 高清视频免费观看一区二区| 91老司机精品| 成年动漫av网址| 精品欧美一区二区三区在线| 国产又爽黄色视频| 国产区一区二久久| 人人妻,人人澡人人爽秒播| 操出白浆在线播放| 精品国产超薄肉色丝袜足j| 在线观看午夜福利视频| 国产亚洲精品久久久久久毛片 | 女人被躁到高潮嗷嗷叫费观| av福利片在线| 女人被躁到高潮嗷嗷叫费观| 亚洲人成电影免费在线| 悠悠久久av| 午夜精品在线福利| 动漫黄色视频在线观看| 亚洲五月婷婷丁香| 亚洲精品中文字幕在线视频| 日韩大码丰满熟妇| 国产激情欧美一区二区| 12—13女人毛片做爰片一| 中文字幕人妻丝袜制服| 美国免费a级毛片| 国产1区2区3区精品| 国产av一区二区精品久久| 熟女少妇亚洲综合色aaa.| 波多野结衣av一区二区av| 美女 人体艺术 gogo| 久久久久久免费高清国产稀缺| 午夜福利在线观看吧| 99国产精品一区二区三区| 人人妻人人澡人人爽人人夜夜| 欧美最黄视频在线播放免费 | 高清视频免费观看一区二区| 成人18禁高潮啪啪吃奶动态图| 国产欧美日韩一区二区三| 国产男女内射视频| 久热这里只有精品99| 国产成人啪精品午夜网站| avwww免费| 欧美日韩亚洲国产一区二区在线观看 | 色94色欧美一区二区| 国产成人免费无遮挡视频| 亚洲精品国产精品久久久不卡| av国产精品久久久久影院| 人妻一区二区av| 久久影院123| 午夜福利欧美成人| 国产精品久久电影中文字幕 | 十分钟在线观看高清视频www| 新久久久久国产一级毛片| 色婷婷av一区二区三区视频| 欧美av亚洲av综合av国产av| 大片电影免费在线观看免费| 少妇被粗大的猛进出69影院| 两个人看的免费小视频| 99精品欧美一区二区三区四区| 黄片播放在线免费| 一本一本久久a久久精品综合妖精| 久久影院123| 在线免费观看的www视频| 精品第一国产精品| 新久久久久国产一级毛片| 国产成人精品无人区| 窝窝影院91人妻| 欧美激情极品国产一区二区三区| 人人妻人人添人人爽欧美一区卜| 五月开心婷婷网| 男男h啪啪无遮挡| 精品久久久久久久毛片微露脸| 免费观看精品视频网站| 啦啦啦 在线观看视频| 久久久久久久久免费视频了| 日韩三级视频一区二区三区| 99久久99久久久精品蜜桃| 俄罗斯特黄特色一大片| 两性午夜刺激爽爽歪歪视频在线观看 | cao死你这个sao货| 少妇 在线观看| 中国美女看黄片| 成人特级黄色片久久久久久久| 亚洲一区二区三区欧美精品| 妹子高潮喷水视频| av福利片在线| 午夜影院日韩av| 欧美一级毛片孕妇| 国产精品香港三级国产av潘金莲| 丰满人妻熟妇乱又伦精品不卡| 国产不卡av网站在线观看| av天堂久久9| 亚洲成av片中文字幕在线观看| 免费在线观看日本一区| 国产精品九九99| 99久久99久久久精品蜜桃| 91av网站免费观看| 成年版毛片免费区| 亚洲精品自拍成人| 身体一侧抽搐| aaaaa片日本免费| 91成人精品电影| 成熟少妇高潮喷水视频| 国产欧美日韩一区二区三| 国产在线精品亚洲第一网站| 欧美日韩中文字幕国产精品一区二区三区 | 叶爱在线成人免费视频播放| 曰老女人黄片| 18禁裸乳无遮挡免费网站照片 | 午夜两性在线视频| 久久中文字幕人妻熟女| 国产激情久久老熟女| 精品国产超薄肉色丝袜足j| 亚洲熟妇中文字幕五十中出 | 制服人妻中文乱码| 老熟妇仑乱视频hdxx| 亚洲av熟女| 欧美最黄视频在线播放免费 | netflix在线观看网站| 日韩欧美一区二区三区在线观看 | 国产一区在线观看成人免费| 免费av中文字幕在线| 亚洲av美国av| 精品卡一卡二卡四卡免费| 少妇裸体淫交视频免费看高清 | 国产精品乱码一区二三区的特点 | 日韩视频一区二区在线观看| 久久国产乱子伦精品免费另类| 欧美乱妇无乱码| 自线自在国产av| 亚洲五月色婷婷综合| 中国美女看黄片| 变态另类成人亚洲欧美熟女 | 美女高潮到喷水免费观看| 搡老熟女国产l中国老女人| 51午夜福利影视在线观看| 老司机在亚洲福利影院| 亚洲熟女精品中文字幕| 午夜影院日韩av| 国产成人啪精品午夜网站| 一本一本久久a久久精品综合妖精| 91老司机精品| 精品国产美女av久久久久小说| 很黄的视频免费| 丝袜在线中文字幕| 国产精品美女特级片免费视频播放器 | 久久影院123| 大香蕉久久网| 精品少妇久久久久久888优播| 80岁老熟妇乱子伦牲交| 久久精品国产99精品国产亚洲性色 | 99国产极品粉嫩在线观看| 十八禁人妻一区二区| 在线十欧美十亚洲十日本专区| 国产免费现黄频在线看| 人人妻人人添人人爽欧美一区卜| 精品人妻在线不人妻| 欧洲精品卡2卡3卡4卡5卡区| 国产成人系列免费观看| 夜夜夜夜夜久久久久| 每晚都被弄得嗷嗷叫到高潮| 日韩大码丰满熟妇| 老熟妇乱子伦视频在线观看| 国产亚洲精品久久久久5区| 亚洲精品久久午夜乱码| 国产一卡二卡三卡精品| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品粉嫩美女一区| 热99国产精品久久久久久7| 桃红色精品国产亚洲av| 亚洲少妇的诱惑av| √禁漫天堂资源中文www| 精品人妻熟女毛片av久久网站| 国产亚洲精品一区二区www | 中文字幕制服av| 中文字幕色久视频| 深夜精品福利| av电影中文网址| 亚洲一区二区三区欧美精品| 日韩制服丝袜自拍偷拍| 国产精品欧美亚洲77777| 精品人妻熟女毛片av久久网站| 成人永久免费在线观看视频| 桃红色精品国产亚洲av| 国产日韩欧美亚洲二区| 国产aⅴ精品一区二区三区波| 亚洲中文av在线| 国产精品乱码一区二三区的特点 | 人成视频在线观看免费观看| 12—13女人毛片做爰片一| 精品久久蜜臀av无| 亚洲久久久国产精品| 成人永久免费在线观看视频| 国产精品偷伦视频观看了| 极品少妇高潮喷水抽搐| 高清在线国产一区| 精品久久久久久久毛片微露脸| 国产精品一区二区精品视频观看| 国产国语露脸激情在线看| 日韩精品免费视频一区二区三区| 我的亚洲天堂| 欧美激情高清一区二区三区| 激情视频va一区二区三区| 亚洲免费av在线视频| 亚洲成人国产一区在线观看| 色播在线永久视频| 日韩大码丰满熟妇| 午夜影院日韩av| 国产日韩一区二区三区精品不卡| 欧美日韩亚洲综合一区二区三区_| 一边摸一边做爽爽视频免费| 两人在一起打扑克的视频| 欧美午夜高清在线| 欧美乱码精品一区二区三区| 一边摸一边抽搐一进一小说 | 夫妻午夜视频| 午夜福利免费观看在线| 麻豆成人av在线观看| x7x7x7水蜜桃| 亚洲成人国产一区在线观看| 日韩免费高清中文字幕av| 国产精华一区二区三区| videos熟女内射| 9色porny在线观看| 18禁美女被吸乳视频| 亚洲国产欧美日韩在线播放| 熟女少妇亚洲综合色aaa.| 美女高潮到喷水免费观看| 国产乱人伦免费视频| 三级毛片av免费| 精品国产美女av久久久久小说| 午夜91福利影院| 亚洲五月婷婷丁香| 丁香欧美五月| 一级毛片精品| av超薄肉色丝袜交足视频| 大型黄色视频在线免费观看| 国产激情久久老熟女| 欧美老熟妇乱子伦牲交| 99精品在免费线老司机午夜| 午夜福利在线免费观看网站| 咕卡用的链子| 中国美女看黄片| 男女午夜视频在线观看| 夜夜躁狠狠躁天天躁| 国产成人精品久久二区二区91| 久久久久久久国产电影| 高清在线国产一区| 香蕉丝袜av| 丝袜在线中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 一个人免费在线观看的高清视频| 亚洲欧美激情在线| 亚洲第一欧美日韩一区二区三区| 黄色视频不卡| 少妇 在线观看| 亚洲免费av在线视频| 天堂动漫精品| 欧美日韩精品网址| 精品国产一区二区久久| 亚洲第一青青草原| 国产免费男女视频| 在线观看日韩欧美| 一区二区日韩欧美中文字幕| 韩国av一区二区三区四区| 香蕉国产在线看| 巨乳人妻的诱惑在线观看| 免费一级毛片在线播放高清视频 | 性色av乱码一区二区三区2| 少妇粗大呻吟视频| 欧美中文综合在线视频| 99精国产麻豆久久婷婷| 美女视频免费永久观看网站| 夫妻午夜视频| 香蕉丝袜av| 纯流量卡能插随身wifi吗| 亚洲精品国产色婷婷电影| 丝袜美腿诱惑在线| 成人av一区二区三区在线看| 黄色丝袜av网址大全| 天堂中文最新版在线下载| 亚洲专区中文字幕在线| 成人18禁高潮啪啪吃奶动态图| а√天堂www在线а√下载 | 午夜久久久在线观看| 国产男女超爽视频在线观看| 身体一侧抽搐| 成人18禁在线播放| 免费女性裸体啪啪无遮挡网站| 999久久久国产精品视频| 丰满迷人的少妇在线观看| 天天操日日干夜夜撸| 国产日韩欧美亚洲二区| 亚洲色图综合在线观看|