• <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
    亚洲国产色片| 免费高清视频大片| 日本 av在线| 美女大奶头视频| 亚洲精品在线观看二区| 国产高清视频在线播放一区| 免费在线观看影片大全网站| 国产精品一区二区性色av| 亚洲精品一卡2卡三卡4卡5卡| 亚洲性久久影院| 中文资源天堂在线| 国产精品不卡视频一区二区| 日韩大尺度精品在线看网址| av黄色大香蕉| 国产黄色小视频在线观看| 亚洲精品国产成人久久av| 乱人视频在线观看| 欧美精品国产亚洲| 国产高清激情床上av| 美女大奶头视频| 国产一区二区在线观看日韩| 成人国产麻豆网| 九九久久精品国产亚洲av麻豆| 美女大奶头视频| 日韩欧美三级三区| 日韩精品有码人妻一区| 久久国产乱子免费精品| 91麻豆精品激情在线观看国产| 国产成年人精品一区二区| av天堂在线播放| 少妇丰满av| 日日啪夜夜撸| 亚洲成人精品中文字幕电影| 12—13女人毛片做爰片一| 国产精品1区2区在线观看.| 婷婷亚洲欧美| 不卡视频在线观看欧美| 国产一级毛片七仙女欲春2| 亚洲中文日韩欧美视频| 韩国av一区二区三区四区| 熟妇人妻久久中文字幕3abv| 可以在线观看毛片的网站| 国产高清三级在线| 一级av片app| 男人和女人高潮做爰伦理| 国产高清有码在线观看视频| 美女xxoo啪啪120秒动态图| 欧美性猛交黑人性爽| 欧美黑人欧美精品刺激| 免费不卡的大黄色大毛片视频在线观看 | 日本 av在线| 99九九线精品视频在线观看视频| 天天躁日日操中文字幕| 床上黄色一级片| 男女做爰动态图高潮gif福利片| 亚洲自拍偷在线| 悠悠久久av| 国产白丝娇喘喷水9色精品| 国产激情偷乱视频一区二区| a级一级毛片免费在线观看| 欧洲精品卡2卡3卡4卡5卡区| 欧洲精品卡2卡3卡4卡5卡区| 热99re8久久精品国产| 禁无遮挡网站| 日本免费a在线| a级毛片a级免费在线| 国产成人福利小说| 国产精品一区二区三区四区久久| x7x7x7水蜜桃| 麻豆av噜噜一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 成人一区二区视频在线观看| 日本熟妇午夜| 999久久久精品免费观看国产| 亚洲电影在线观看av| 在线观看66精品国产| 欧美日韩综合久久久久久 | 日本与韩国留学比较| 国产精品三级大全| 少妇裸体淫交视频免费看高清| 国模一区二区三区四区视频| 欧美丝袜亚洲另类 | 久久久久久久久久黄片| 免费看美女性在线毛片视频| 九九久久精品国产亚洲av麻豆| 久久久午夜欧美精品| 国产高清不卡午夜福利| 91久久精品电影网| 国产三级中文精品| 3wmmmm亚洲av在线观看| 国产精品久久久久久av不卡| 内地一区二区视频在线| 动漫黄色视频在线观看| 久久久久久国产a免费观看| 能在线免费观看的黄片| 日日夜夜操网爽| 国产免费一级a男人的天堂| 高清日韩中文字幕在线| 亚洲欧美清纯卡通| 美女被艹到高潮喷水动态| 久久久久久九九精品二区国产| 长腿黑丝高跟| 精品人妻熟女av久视频| 国产免费男女视频| 国产免费av片在线观看野外av| 男女视频在线观看网站免费| 成年女人毛片免费观看观看9| 伊人久久精品亚洲午夜| 色综合亚洲欧美另类图片| 最近最新免费中文字幕在线| 99热这里只有是精品50| 国产熟女欧美一区二区| 色在线成人网| av视频在线观看入口| 成人亚洲精品av一区二区| 日日摸夜夜添夜夜添av毛片 | 国语自产精品视频在线第100页| 午夜免费男女啪啪视频观看 | 亚洲天堂国产精品一区在线| 中文在线观看免费www的网站| 男人狂女人下面高潮的视频| 国产淫片久久久久久久久| 色播亚洲综合网| 久久九九热精品免费| 国产日本99.免费观看| 91狼人影院| 午夜福利18| 91在线精品国自产拍蜜月| 欧美另类亚洲清纯唯美| 黄色日韩在线| 亚洲国产欧洲综合997久久,| 午夜精品在线福利| 在线播放无遮挡| 亚洲美女黄片视频| 天天躁日日操中文字幕| 日日夜夜操网爽| 日韩欧美国产一区二区入口| 制服丝袜大香蕉在线| 老司机午夜福利在线观看视频| 天天一区二区日本电影三级| 久久中文看片网| 久久国内精品自在自线图片| 国产伦精品一区二区三区四那| 日韩一本色道免费dvd| 乱人视频在线观看| 亚洲第一电影网av| 日本黄大片高清| 国产黄a三级三级三级人| 可以在线观看的亚洲视频| 久久久久久久久中文| av中文乱码字幕在线| 在线观看美女被高潮喷水网站| 成人鲁丝片一二三区免费| 欧美+日韩+精品| avwww免费| 亚洲精华国产精华精| 国产av一区在线观看免费| 动漫黄色视频在线观看| 亚洲精品国产成人久久av| 国产视频内射| 国产毛片a区久久久久| 草草在线视频免费看| 国模一区二区三区四区视频| 天堂av国产一区二区熟女人妻| 日韩一本色道免费dvd| 国产精品女同一区二区软件 | 国产精品国产三级国产av玫瑰| 久久久国产成人免费| 色综合婷婷激情| 一级a爱片免费观看的视频| 亚洲五月天丁香| 日本一本二区三区精品| 最好的美女福利视频网| 国产成人影院久久av| 国产精品电影一区二区三区| 色噜噜av男人的天堂激情| 亚洲五月天丁香| 久久精品国产亚洲av天美| 午夜日韩欧美国产| 一个人看的www免费观看视频| 日本黄色视频三级网站网址| 亚洲国产高清在线一区二区三| 一进一出抽搐gif免费好疼| av天堂在线播放| 黄片wwwwww| 亚洲av日韩精品久久久久久密| 国产欧美日韩精品亚洲av| 综合色av麻豆| 俺也久久电影网| a在线观看视频网站| 麻豆精品久久久久久蜜桃| 如何舔出高潮| 免费观看精品视频网站| .国产精品久久| 精品久久久久久久久亚洲 | 国产精品永久免费网站| 免费在线观看日本一区| 女同久久另类99精品国产91| 人人妻人人澡欧美一区二区| 国产黄a三级三级三级人| 最近中文字幕高清免费大全6 | av在线老鸭窝| 日韩一区二区视频免费看| 少妇高潮的动态图| 亚洲精品粉嫩美女一区| 校园春色视频在线观看| 一区二区三区高清视频在线| 成人午夜高清在线视频| 啦啦啦观看免费观看视频高清| 神马国产精品三级电影在线观看| 免费搜索国产男女视频| 亚洲精华国产精华液的使用体验 | 日韩欧美 国产精品| 噜噜噜噜噜久久久久久91| 精品日产1卡2卡| 亚洲电影在线观看av| 国产一区二区三区在线臀色熟女| 在线看三级毛片| 亚洲av成人精品一区久久| 亚洲欧美日韩东京热| 91午夜精品亚洲一区二区三区 | 亚洲av成人精品一区久久| 白带黄色成豆腐渣| 国产精品av视频在线免费观看| 极品教师在线免费播放| 精品人妻熟女av久视频| 国产精品一区二区免费欧美| 一区二区三区激情视频| 亚洲av成人av| 毛片女人毛片| 真人做人爱边吃奶动态| 99国产极品粉嫩在线观看| 他把我摸到了高潮在线观看| 好男人在线观看高清免费视频| 亚洲在线自拍视频| 亚洲 国产 在线| 欧美精品国产亚洲| 美女 人体艺术 gogo| 免费人成在线观看视频色| 国产三级在线视频| 99精品久久久久人妻精品| 一个人看的www免费观看视频| a级毛片a级免费在线| 国产大屁股一区二区在线视频| 久久欧美精品欧美久久欧美| 一本一本综合久久| 女同久久另类99精品国产91| 亚洲黑人精品在线| 欧美激情国产日韩精品一区| 久久久精品欧美日韩精品| 国产精品一区二区免费欧美| 日韩欧美一区二区三区在线观看| 在线看三级毛片| 精品一区二区三区视频在线观看免费| 久久精品影院6| 99在线视频只有这里精品首页| 久久国产精品人妻蜜桃| 成人国产综合亚洲| 99久久精品热视频| 麻豆成人午夜福利视频| 小蜜桃在线观看免费完整版高清| 成年女人看的毛片在线观看| 免费电影在线观看免费观看| 岛国在线免费视频观看| 在现免费观看毛片| 精品人妻一区二区三区麻豆 | 人妻久久中文字幕网| 亚洲性久久影院| 99国产极品粉嫩在线观看| av在线天堂中文字幕| 一本精品99久久精品77| 搡老岳熟女国产| 午夜爱爱视频在线播放| 永久网站在线| 俺也久久电影网| 欧美日韩瑟瑟在线播放| 观看美女的网站| 国产精品电影一区二区三区| 十八禁网站免费在线| 中文字幕免费在线视频6| 男女啪啪激烈高潮av片| 日本一二三区视频观看| 搡老熟女国产l中国老女人| 亚洲一级一片aⅴ在线观看| 一边摸一边抽搐一进一小说| 欧美激情久久久久久爽电影| 麻豆国产97在线/欧美| 久久久久精品国产欧美久久久| 人妻夜夜爽99麻豆av| 极品教师在线免费播放| 国产激情偷乱视频一区二区| 亚洲精品日韩av片在线观看| videossex国产| 亚洲欧美日韩东京热| 色综合亚洲欧美另类图片| 久久久久久九九精品二区国产| 欧美性猛交╳xxx乱大交人| 99在线视频只有这里精品首页| 国产aⅴ精品一区二区三区波| 国产探花极品一区二区| 国产精品久久久久久亚洲av鲁大| 日本精品一区二区三区蜜桃| 高清毛片免费观看视频网站| 日韩欧美在线二视频| 亚洲精华国产精华液的使用体验 | 国产极品精品免费视频能看的| 日韩人妻高清精品专区| 一a级毛片在线观看| 亚洲无线在线观看| 久久天躁狠狠躁夜夜2o2o| 欧美另类亚洲清纯唯美| 免费观看在线日韩| 国产亚洲av嫩草精品影院| 午夜日韩欧美国产| 国产成年人精品一区二区| 尤物成人国产欧美一区二区三区| 亚洲精品一区av在线观看| 欧美黑人巨大hd| 欧美精品啪啪一区二区三区| 少妇丰满av| 亚洲欧美清纯卡通| 在线a可以看的网站| 久久久久久国产a免费观看| 九九爱精品视频在线观看| 自拍偷自拍亚洲精品老妇| 97热精品久久久久久| 国产av麻豆久久久久久久| 免费不卡的大黄色大毛片视频在线观看 | 嫩草影院精品99| 国产一区二区三区在线臀色熟女| 国内精品宾馆在线| 亚洲久久久久久中文字幕| 午夜视频国产福利| 亚洲av五月六月丁香网| 国产高清视频在线播放一区| 久久精品国产清高在天天线| 国产伦人伦偷精品视频| 精品久久久久久久末码| 少妇人妻精品综合一区二区 | 亚洲av免费高清在线观看| 免费在线观看成人毛片| 国产在线精品亚洲第一网站| 亚洲欧美日韩东京热| 成人特级黄色片久久久久久久| 国产精品一及| 99久久无色码亚洲精品果冻| 久久精品国产99精品国产亚洲性色| 伊人久久精品亚洲午夜| 免费看a级黄色片| 99久久中文字幕三级久久日本| 精品久久久久久,| 99久久精品热视频| 亚洲一级一片aⅴ在线观看| 精品人妻熟女av久视频| 在线观看66精品国产| АⅤ资源中文在线天堂| 成人亚洲精品av一区二区| 亚洲国产精品合色在线| 欧美bdsm另类| 18禁在线播放成人免费| 给我免费播放毛片高清在线观看| 日本三级黄在线观看| 国产黄片美女视频| 村上凉子中文字幕在线| 欧美精品国产亚洲| 99久久无色码亚洲精品果冻| 亚洲人成伊人成综合网2020| av在线亚洲专区| 午夜福利在线观看免费完整高清在 | 特级一级黄色大片| 日韩人妻高清精品专区| 色综合站精品国产| 国产成人aa在线观看| 国产伦精品一区二区三区四那| 12—13女人毛片做爰片一| 麻豆国产97在线/欧美| 午夜激情欧美在线| 成人永久免费在线观看视频| 五月玫瑰六月丁香| 两人在一起打扑克的视频| 亚洲成av人片在线播放无| 日本免费一区二区三区高清不卡| 哪里可以看免费的av片| 国内精品宾馆在线| 国产色婷婷99| 最好的美女福利视频网| 最新在线观看一区二区三区| 久久久久久九九精品二区国产| 午夜福利在线观看吧| 国产白丝娇喘喷水9色精品| a级毛片a级免费在线| 久久久久久久亚洲中文字幕| 久久国产乱子免费精品| 欧美3d第一页| 午夜免费成人在线视频| 91麻豆av在线| 色在线成人网| 狂野欧美白嫩少妇大欣赏| 男女啪啪激烈高潮av片| 在现免费观看毛片| 欧美区成人在线视频| 99久久精品国产国产毛片| 黄色配什么色好看| 亚洲性夜色夜夜综合| 老司机深夜福利视频在线观看| 国产黄a三级三级三级人| 欧美高清性xxxxhd video| 亚洲美女视频黄频| 夜夜夜夜夜久久久久| 日韩欧美 国产精品| 热99re8久久精品国产| 欧美日韩黄片免| 综合色av麻豆| 国产伦一二天堂av在线观看| 有码 亚洲区| 亚洲人成网站高清观看| 亚洲精品粉嫩美女一区| 成人综合一区亚洲| 日日撸夜夜添| 最近最新中文字幕大全电影3| 男人舔女人下体高潮全视频| 国产v大片淫在线免费观看| 3wmmmm亚洲av在线观看| 性欧美人与动物交配| 1000部很黄的大片| 一级黄片播放器| av在线蜜桃| 亚洲五月天丁香| 一区二区三区激情视频| 亚洲国产精品成人综合色| 中文资源天堂在线| 成人午夜高清在线视频| 搡老熟女国产l中国老女人| 国产成人福利小说| 尾随美女入室| 淫秽高清视频在线观看| 国产色婷婷99| 18禁在线播放成人免费| 久久久久久久久中文| 日韩欧美免费精品| 婷婷亚洲欧美| 春色校园在线视频观看| 日本黄大片高清| 3wmmmm亚洲av在线观看| 色精品久久人妻99蜜桃| 成年版毛片免费区| 丝袜美腿在线中文| 老司机深夜福利视频在线观看| 久久亚洲真实| 国产精品一区二区三区四区免费观看 | 成人国产一区最新在线观看| 深夜a级毛片| 91在线观看av| 一a级毛片在线观看| 欧美丝袜亚洲另类 | 热99在线观看视频| 午夜福利视频1000在线观看| 少妇的逼水好多| 一级a爱片免费观看的视频| 99久久精品国产国产毛片| 国内久久婷婷六月综合欲色啪| 国产精品一区二区性色av| 欧美性感艳星| 精品无人区乱码1区二区| 日韩欧美在线乱码| 国产91精品成人一区二区三区| bbb黄色大片| 国内精品一区二区在线观看| 丰满人妻一区二区三区视频av| 一进一出抽搐动态| 一个人看的www免费观看视频| 亚洲美女视频黄频| 最新在线观看一区二区三区| 国内精品一区二区在线观看| 99热网站在线观看| 三级毛片av免费| 欧美三级亚洲精品| 毛片一级片免费看久久久久 | 日韩,欧美,国产一区二区三区 | 日韩一区二区视频免费看| 国产高清激情床上av| 亚洲va在线va天堂va国产| 中文在线观看免费www的网站| 精品一区二区三区人妻视频| 亚洲av免费在线观看| 中亚洲国语对白在线视频| 特大巨黑吊av在线直播| 12—13女人毛片做爰片一| 男女视频在线观看网站免费| 成人欧美大片| 色噜噜av男人的天堂激情| 能在线免费观看的黄片| 熟妇人妻久久中文字幕3abv| 精品午夜福利在线看| 日本黄色片子视频| av福利片在线观看| 深爱激情五月婷婷| 国产伦一二天堂av在线观看| 亚洲内射少妇av| 直男gayav资源| 精品一区二区免费观看| 99热这里只有是精品在线观看| 国产高清不卡午夜福利| 嫩草影院精品99| 真人做人爱边吃奶动态| 男女边吃奶边做爰视频| 国产在视频线在精品| 午夜福利欧美成人| xxxwww97欧美| 日韩精品青青久久久久久| 男人的好看免费观看在线视频| 老熟妇乱子伦视频在线观看| 99九九线精品视频在线观看视频| 国内久久婷婷六月综合欲色啪| 婷婷精品国产亚洲av| 欧美黑人欧美精品刺激| 蜜桃亚洲精品一区二区三区| 国产高清视频在线播放一区| 色哟哟·www| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品一区av在线观看| 午夜精品久久久久久毛片777| .国产精品久久| 久久久久九九精品影院| 免费看光身美女| 国产精品爽爽va在线观看网站| av专区在线播放| 色综合亚洲欧美另类图片| 韩国av在线不卡| 国产老妇女一区| 嫩草影院新地址| 真人做人爱边吃奶动态| 亚洲真实伦在线观看| 啪啪无遮挡十八禁网站| 日韩,欧美,国产一区二区三区 | 久久久久久久亚洲中文字幕| 99在线人妻在线中文字幕| 精品久久久久久成人av| 亚洲精品日韩av片在线观看| 日韩 亚洲 欧美在线| 国产精品亚洲一级av第二区| 欧美日韩乱码在线| 看黄色毛片网站| 久久久成人免费电影| 蜜桃亚洲精品一区二区三区| 日本黄色视频三级网站网址| 国产精品嫩草影院av在线观看 | 内射极品少妇av片p| 哪里可以看免费的av片| 国产 一区 欧美 日韩| 日韩中字成人| bbb黄色大片| 国内少妇人妻偷人精品xxx网站| 午夜激情福利司机影院| 麻豆成人av在线观看| 精品免费久久久久久久清纯| 国产精品人妻久久久久久| 男女下面进入的视频免费午夜| 啦啦啦啦在线视频资源| 久久欧美精品欧美久久欧美| 美女cb高潮喷水在线观看| 老司机深夜福利视频在线观看| 综合色av麻豆| 欧洲精品卡2卡3卡4卡5卡区| 又粗又爽又猛毛片免费看| 欧美xxxx黑人xx丫x性爽| 午夜日韩欧美国产| 99在线人妻在线中文字幕| 内地一区二区视频在线| 精品人妻1区二区| 日本欧美国产在线视频| 国产伦一二天堂av在线观看| 久久久久久久午夜电影| 精品久久久久久久久久免费视频| 波多野结衣高清无吗| 久久久久九九精品影院| 人妻制服诱惑在线中文字幕| 免费大片18禁| 大又大粗又爽又黄少妇毛片口| 国产高清激情床上av| 别揉我奶头 嗯啊视频| 五月玫瑰六月丁香| 天堂网av新在线| 天堂√8在线中文| 国产伦一二天堂av在线观看| 黄色视频,在线免费观看| 在线播放无遮挡| 精品午夜福利在线看| 成熟少妇高潮喷水视频| 国内少妇人妻偷人精品xxx网站| 俺也久久电影网| 三级国产精品欧美在线观看| 99在线人妻在线中文字幕| 中文字幕人妻熟人妻熟丝袜美| 一区二区三区高清视频在线| 成人无遮挡网站| 联通29元200g的流量卡| avwww免费| 欧美成人免费av一区二区三区| 亚洲第一区二区三区不卡| 欧美在线一区亚洲| 国产精品亚洲美女久久久| 国产伦人伦偷精品视频| 中文亚洲av片在线观看爽| 午夜福利在线观看吧| 在线天堂最新版资源| 欧美黑人巨大hd| 成年女人看的毛片在线观看| 精品久久久久久久末码| 99久久九九国产精品国产免费| 亚洲精品影视一区二区三区av| 色哟哟哟哟哟哟| av女优亚洲男人天堂| 午夜福利高清视频| 国产一区二区在线av高清观看|