• <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 ?

    基于粒子群優(yōu)化的SVM供水管道泄漏診斷方法

    2018-04-04 09:10:16王學(xué)淵陳志剛鐘新榮盧寧
    現(xiàn)代電子技術(shù) 2018年7期

    王學(xué)淵 陳志剛 鐘新榮 盧寧

    摘 要: 供水管道泄漏會(huì)造成水資源浪費(fèi)和經(jīng)濟(jì)損失,傳統(tǒng)支持向量機(jī)泄漏診斷模型中存在參數(shù)選擇不確定的問題,導(dǎo)致其分類結(jié)果不穩(wěn)定。提出將粒子群進(jìn)化算法應(yīng)用于泄漏診斷支持向量機(jī)模型中的參數(shù)優(yōu)化選擇,利用粒子群群體智能優(yōu)化搜索從全局迅速地迭代出合理的支持向量機(jī)的懲罰參數(shù)以及核參數(shù),使建立的PSO?SVM管道泄漏診斷模型達(dá)到最優(yōu)。實(shí)驗(yàn)測(cè)試表明,通過(guò)結(jié)合粒子群算法全局搜索收斂速度快的優(yōu)點(diǎn),有效地解決了支持向量機(jī)模型中兩個(gè)重要參數(shù)優(yōu)化選擇的問題,提升了支持向量機(jī)分類的準(zhǔn)確率和效率。

    關(guān)鍵詞: 供水管道; 泄漏診斷; 支持向量機(jī); 粒子群算法; 參數(shù)優(yōu)化; PSO?SVM

    中圖分類號(hào): TN911.1?34; TP274.2 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2018)07?0156?04

    PSO?SVM based leakage diagnosis method of water supply pipeline

    WANG Xueyuan1, 2, CHEN Zhigang1, 2, ZHONG Xinrong3, LU Ning1, 2

    (1. School of Mechanical?electronic and Vehicle Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044, China;

    2. Beijing Engineering Research Center of Monitoring for Construction Safety, Beijing 100044, China;

    3. Changqing Downhole Technology Company, Xian 710000, China)

    Abstract: The leakage of water supply pipeline will cause the water resource waste and economic losses. The traditional leakage diagnosis model based on support vector machine (SVM) has the problem of uncertain parameter selection, which may cause the unstable classification result. The particle swarm optimization (PSO) algorithm is proposed for parameter optimization selection in leakage diagnosis model based on SVM. The particle swarm intelligent optimization search is used to quickly iterate the reasonable penalty parameter and kernel parameter of SVM in the overall situation, so as to make the pipeline leakage diagnosis model based on PSO?SVM optimal. The experimental results show that, in combination with the fast convergence speed of PSO global search, the method can solve the two important parameters optimization selection problem in SVM model, and improve the accuracy and efficiency of SVM classification.

    Keywords: water supply pipeline; leakage diagnosis; SVM; PSO; parameter optimization; PSO?SVM

    0 引 言

    隨著我國(guó)城市化水平不斷提高,供水管道長(zhǎng)度呈現(xiàn)加速增長(zhǎng)趨勢(shì),但供水管網(wǎng)道的漏損現(xiàn)象卻十分普遍。對(duì)于城市供水管道的漏失診斷,如何從復(fù)雜干擾中識(shí)別泄漏是整個(gè)技術(shù)的關(guān)鍵難點(diǎn)[1]。針對(duì)這一關(guān)鍵點(diǎn),文獻(xiàn)[2]提出基于神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測(cè)識(shí)別方法,很大程度上提升了泄漏檢測(cè)的準(zhǔn)確率。但是,神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練樣本需求多、收斂速度慢等問題,文獻(xiàn)[3]提出基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的SVM理論應(yīng)用于管道泄漏診斷領(lǐng)域,它在小樣本及非線性的情形下有獨(dú)特優(yōu)勢(shì),可以實(shí)現(xiàn)對(duì)管道泄漏進(jìn)行比較精確的診斷。但有研究表明,在成熟的條件下核函數(shù)對(duì)SVM識(shí)別性能的影響不大,其中對(duì)SVM性能起到關(guān)鍵作用的因素[4]是核參數(shù)和懲罰因子[C。]常規(guī)支持向量機(jī)核參數(shù)和懲罰因子的選擇一般采用試湊法、經(jīng)驗(yàn)法或單目標(biāo)優(yōu)化法,上述方法不能達(dá)到全局優(yōu)化的效果,而且耗費(fèi)時(shí)間。

    本文提出將粒子群進(jìn)化算法應(yīng)用于支持向量機(jī)的核參數(shù)和懲罰因子的選擇中。粒子群優(yōu)化算法在每次迭代中都考慮了全局搜索和局部搜索,與支持向量機(jī)結(jié)合后可獲得診斷效果更佳的PSO?SVM模型,提高了供水管道工況識(shí)別的準(zhǔn)確率。

    1 支持向量機(jī)

    1.1 支持向量機(jī)的基本原理

    支持向量機(jī)是一種實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的分類學(xué)習(xí)算法,它利用核函數(shù)把樣本映射到高維特征空間,然后在此空間中構(gòu)造分類間隔最大的線性分類超平面,因而向量機(jī)比較適合于小樣本數(shù)據(jù)的分類[5]。

    支持向量機(jī)方法的最優(yōu)分類面是在線性可分的情況下提出的。圖1為最優(yōu)分類界限,圖中的[H]為兩種樣本的分類線,[H1,H2]分別為各類中離分類線最近且平行的直線,[H1,H2]之間的距離稱為分類間隔。最優(yōu)分類線即為分類間隔最大的分類線,使兩類樣本正確分離。

    在線性不可分的情況下,圖1所示的最優(yōu)分類面在實(shí)際應(yīng)用中可能存在某些樣本不能被超平面正確分類的情況,超平面約束條件為:

    式中:[b]為閾值;[ω]為分類面的法向量。對(duì)于非線性最優(yōu)分類面的求解需要引入拉格朗日乘子,廣義最優(yōu)分類面問題可以轉(zhuǎn)化為在約束條件下的最小化[iaii,jaiajxixjyiyj,]其中約束為[0≤ai≤C;][iaiyi=0;]懲罰參數(shù)[C]為非負(fù)常數(shù)。

    對(duì)于支持向量機(jī)的非線性劃分,可通過(guò)非線性變換將其轉(zhuǎn)換為高維空間中的線性劃分。這里只需要將原來(lái)空間的函數(shù)在高維特征空間通過(guò)內(nèi)積運(yùn)算的方式引入核函數(shù),并且采用適當(dāng)?shù)膬?nèi)積核函數(shù)[Kxi,yi]使核函數(shù)滿足Mercer條件,就可實(shí)現(xiàn)此非線性變換,并且算法的復(fù)雜程度也不會(huì)有所增加,此時(shí)分類函數(shù)為:

    其中,影響識(shí)別準(zhǔn)確率的兩個(gè)重要因素為:

    1) 核參數(shù)

    核參數(shù)的改變本質(zhì)上是映射函數(shù)的改變,從而改變了空間樣本集分布的復(fù)雜程度。所以,只有使用適合的核函數(shù)以及核參數(shù)才能夠?qū)颖緮?shù)據(jù)映射到適合的特征空間。即選擇機(jī)器學(xué)習(xí)實(shí)際風(fēng)險(xiǎn)最小的特征空間,才可以獲得泛化能力優(yōu)秀的支持向量機(jī)分類器。

    常用的核函數(shù)有徑向基函數(shù)(其中函數(shù)寬度為核參數(shù))、多項(xiàng)式核函數(shù)(其中多項(xiàng)式系數(shù)為核參數(shù))以及Sigmoid核函數(shù)(其中尺度和衰減系數(shù)為核參數(shù))。

    2) 懲罰因子

    懲罰因子[C]的數(shù)值表示對(duì)經(jīng)驗(yàn)誤差的敏感程度,懲罰因子與SVM的復(fù)雜度成正比,而與經(jīng)驗(yàn)風(fēng)險(xiǎn)成反比。在確定的數(shù)據(jù)子空間內(nèi)至少存在一個(gè)適合的懲罰因子使得SVM的泛化能力達(dá)到最好。

    1.2 多元支持向量機(jī)

    支持向量機(jī)是兩類分類器,而現(xiàn)實(shí)中管道泄漏診斷結(jié)果的分類通常是多個(gè)種類,如正常輸送、調(diào)閥、停泵和泄漏。常用構(gòu)建多元支持向量機(jī)的方法有一對(duì)一、一對(duì)多以及采用決策樹的支持向量機(jī)。

    在少量的工況分類情況下,三種方法效果相當(dāng),但考慮到擴(kuò)增工況識(shí)別的可能,本文采用文獻(xiàn)[6]中的決策樹方法構(gòu)建多元支持向量機(jī)用以判別管道泄漏和各種工況操作。其訓(xùn)練效果與一對(duì)一多元支持向量機(jī)相當(dāng),但學(xué)習(xí)訓(xùn)練和測(cè)試用時(shí)方面比常規(guī)支持向量機(jī)更短,隨著分類數(shù)量的增加,效果更加明顯,效率更高。多元支持向量機(jī)分類器的構(gòu)建如圖2所示。

    2 粒子群算法優(yōu)化支持向量機(jī)

    2.1 粒子群優(yōu)化算法

    粒子群優(yōu)化算法的基本思想為:需要被優(yōu)化問題的潛在解就是在空間中搜索最優(yōu)粒子,將PSO算法隨機(jī)初始化為隨機(jī)粒子群,每個(gè)單獨(dú)粒子都有一個(gè)函數(shù)決定它所對(duì)應(yīng)的適應(yīng)度,并且還有一個(gè)決定它們運(yùn)行軌跡的速度向量,然后粒子群會(huì)依據(jù)當(dāng)前的最優(yōu)粒子在空間中進(jìn)行搜索,直到通過(guò)迭代尋優(yōu)找到最優(yōu)解[7]。

    粒子群優(yōu)化算法核心迭代公式如下:

    式中:[vk+1i]表示第[i]個(gè)粒子在第[k+1]代時(shí)的飛行速度;[xk+1i]表示第[i]個(gè)粒子在第[k+1]代時(shí)的位置;[pki]表示第[i]個(gè)粒子到第[k]代為止所找到的最優(yōu)位置;[pkg]表示當(dāng)前種群到目前為止所找到的最優(yōu)位置;[pki-xki]表示個(gè)體認(rèn)知;[pkg-xki]表示社會(huì)認(rèn)知;[ω]為慣性系數(shù),表示相信自己的程度;學(xué)習(xí)因子[c1,c2]為非負(fù)常數(shù),前者表示對(duì)經(jīng)驗(yàn)的信服程度,后者表示對(duì)周圍個(gè)體的信服程度;[r1,r2]表示[(0,1)]的隨機(jī)數(shù)。

    在整個(gè)粒子群的迭代中體現(xiàn)了粒子群優(yōu)化在尋找最優(yōu)解的過(guò)程中既保持了粒子自身的慣性,又利用個(gè)性以及社會(huì)性不斷修改和移動(dòng)自身方向,最終使群體朝著最優(yōu)解靠近,并且避免了復(fù)雜的遺傳操作。

    2.2 基于粒子群優(yōu)化的支持向量機(jī)

    根據(jù)粒子群優(yōu)化算法的全局搜索優(yōu)勢(shì)進(jìn)行支持向量機(jī)的改進(jìn),其步驟如下:

    步驟1:初始化。對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理并讀取樣本數(shù)據(jù)。設(shè)定參數(shù)運(yùn)動(dòng)范圍,設(shè)定學(xué)習(xí)因子[c1,c2、]進(jìn)化代數(shù)[(E)、]懲罰因子[C]和核參數(shù)[g](本文采用徑向基核函數(shù),其核參數(shù)為函數(shù)寬度[σ])。

    步驟2:適應(yīng)度評(píng)價(jià)。計(jì)算個(gè)體的適應(yīng)度值,初始化個(gè)體和全局最優(yōu)位置。

    步驟3:比較尋優(yōu)。根據(jù)式(3)更新粒子的速度和位置產(chǎn)生新種群,計(jì)算新種群的個(gè)體適應(yīng)度值。分別比較當(dāng)前參數(shù)[C]和[σ]的適應(yīng)值和自身歷史最優(yōu)值及種群最優(yōu)值,更新種群參數(shù)[C]和[σ]的全局最優(yōu)值。

    步驟4:檢查結(jié)束條件。尋優(yōu)達(dá)到最大進(jìn)化代數(shù),結(jié)束尋優(yōu),否則返回步驟2,輸出最佳參數(shù)[C]和[σ]。

    隨后將優(yōu)化的參數(shù)[C]和[σ]代入SVM模型并檢測(cè)SVM的建模精度。PSO?SVM工作流程如圖3所示。

    3 應(yīng) 用

    3.1 實(shí)驗(yàn)預(yù)處理

    在實(shí)際生產(chǎn)中,除了泄漏可能引起壓力波動(dòng)外,其他的一些工況操作,如啟停泵、調(diào)泵、閥門切換、調(diào)閥等同樣也會(huì)引起壓力波動(dòng)信號(hào),而且某些工況下的波動(dòng)信號(hào)與泄漏引發(fā)的波動(dòng)信號(hào)非常相似。

    從圖4中可以看出,信號(hào)中的背景十分嘈雜,波動(dòng)的特征被淹沒在噪聲中,不便于后期的機(jī)器學(xué)習(xí)分類。管道泄漏分析中必須對(duì)泄漏、停泵、調(diào)泵、調(diào)閥等引起的壓力波動(dòng)信號(hào)加以準(zhǔn)確區(qū)別。首先要對(duì)采集的信號(hào)進(jìn)行濾波,本文采用小波降噪方法進(jìn)行降噪處理,得到比較純凈的波形,以便于管道的泄漏診斷。

    其次,泄漏波形特征參數(shù)的選擇對(duì)泄漏診斷的準(zhǔn)確率和可靠性有一定的影響。文獻(xiàn)[8]中數(shù)據(jù)挖掘方法從描述供水管道壓力波動(dòng)的特征參數(shù)中選擇平均幅值、均方根、方根幅值、裕度因子和峭度作為支持向量機(jī)的輸入特征。輸入特征值如表1所示。

    3.2 參數(shù)的確定

    本文采用Matlab進(jìn)行模型的建造,其中核函數(shù)選擇在泄漏檢測(cè)領(lǐng)域支持向量機(jī)常用的RBF徑向基[9?10]核函數(shù):[K(x,y)=exp-x-y2σ2]。

    按照本文2.2節(jié)步驟建立PSO?SVM模型,核參數(shù)及懲罰參數(shù)的迭代如圖5所示。得出最優(yōu)參數(shù)為:函數(shù)寬度[σ=30,]懲罰參數(shù)[C=1.5。]

    由圖5可以看出,隨著粒子群算法迭代的進(jìn)行,模型的準(zhǔn)確率在87%~98%的區(qū)間內(nèi)震蕩,粒子群記錄下最優(yōu)的參數(shù)組合。相比以往的交叉驗(yàn)證和網(wǎng)格搜索,粒子群算法在搜索范圍及速度方面都有比較明顯的優(yōu)勢(shì)。

    3.3 測(cè)試結(jié)果

    為了驗(yàn)證本文PSO?SVM分類模型的泛化能力,用經(jīng)過(guò)訓(xùn)練的PSO?SVM分類器對(duì)4種運(yùn)行工況下不同的樣本波形進(jìn)行識(shí)別分類的檢測(cè)實(shí)驗(yàn)。將待測(cè)試樣本的特征值列表按照規(guī)定的輸入格式輸入經(jīng)過(guò)PSO?SVM訓(xùn)練的模型進(jìn)行工況識(shí)別。為了體現(xiàn)基于粒子群算法的支持向量機(jī)的優(yōu)缺點(diǎn),建立BP神經(jīng)網(wǎng)絡(luò)以及傳統(tǒng)的SVM模型,并將他們與PSO?SVM進(jìn)行性能比較。測(cè)試結(jié)果如表2所示。

    由表2可以看出,PSO?SVM相對(duì)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和SVM不僅識(shí)別的準(zhǔn)確率有所提升,而且訓(xùn)練用時(shí)相對(duì)較少,并且管道工況識(shí)別準(zhǔn)確率分別提高了12%和3.5%。

    為了降低常規(guī)操作導(dǎo)致的供水管道泄漏檢測(cè)的錯(cuò)誤識(shí)別,采用SVM分類器從不同的工作環(huán)境中識(shí)別出泄漏的存在;采用PSO算法對(duì)模型參數(shù)進(jìn)行優(yōu)化,提高了SVM分類器的泄漏識(shí)別準(zhǔn)確率。試驗(yàn)結(jié)果表明,PSO比較適用于優(yōu)化SVM,PSO?SVM算法對(duì)供水管道工況識(shí)別具有很高的辨識(shí)精度,可以很好地應(yīng)用于相關(guān)的管道泄漏診斷中。

    4 結(jié) 論

    本文使用粒子群優(yōu)化算法的全局優(yōu)化特性優(yōu)化支持向量機(jī)的核參數(shù)和懲罰參數(shù),建立供水管道泄漏診斷模型。通過(guò)粒子群優(yōu)化算法的全局搜索優(yōu)勢(shì)對(duì)支持向量機(jī)進(jìn)行改進(jìn),使得支持向量機(jī)的參數(shù)選擇更加合理。實(shí)驗(yàn)表明,基于改進(jìn)的支持向量機(jī)的管道泄漏診斷模型在測(cè)試中準(zhǔn)確率相對(duì)于以往的支持向量機(jī)以及神經(jīng)網(wǎng)絡(luò)模型有較明顯提升,有效地解決了傳統(tǒng)支持向量機(jī)中參數(shù)選擇對(duì)檢測(cè)準(zhǔn)確率的影響,提升了對(duì)管道工況的辨識(shí)程度,同時(shí)也避免了復(fù)雜的遺傳操作,在訓(xùn)練時(shí)間上有可觀的改進(jìn)。

    注:本文通訊作者為陳志剛。

    參考文獻(xiàn)

    [1] 文玉梅,張雪園,文靜,等.依據(jù)聲信號(hào)頻率分布和復(fù)雜度的供水管道泄漏辨識(shí)[J].儀器儀表學(xué)報(bào),2014,35(6):1223?1229.

    WEN Y M, ZHANG X Y, WEN J, et al. Identification of water pipeline leakage based on acoustic signal frequency distribution and complexity [J]. Chinese journal of scientific instrument, 2014, 35(6): 1223?1229.

    [2] 唐秀家.管道系統(tǒng)泄漏檢測(cè)神經(jīng)網(wǎng)絡(luò)與模式識(shí)別方法[J].核科學(xué)與工程,1998(3):33?40.

    TANG X J. Fluid pipeline system leak detection based on neural network and pattern recognition [J]. Chinese journal of nuclearence & engineering, 1998(3): 33?40.

    [3] 陳志剛,張來(lái)斌,梁偉,等.復(fù)雜工況下熱油管道泄漏識(shí)別與定位方法研究[J].西南石油大學(xué)學(xué)報(bào),2008,30(6):157?160.

    CHEN Z G, ZHANG L B, LIANG W, et al. Leak detection and positioning for hot oil pipeline under complicated conditions [J]. Journal of Southwest Petroleum University, 2008, 30(6): 157?160.

    [4] VAPNIK V N. The nature of statistical learning theory [M]. 2nd ed. New York: Springer, 2000.

    [5] CHEN Peng, YUAN Lifen, HE Yigang, et al. An improved SVM classifier based on double chains quantum genetic algorithm and its application in analogue circuit diagnosis [J]. Neurocomputing, 2015, 211: 202?211.

    [6] 張亮,陳志剛,楊建偉,等.基于決策樹與多元支持向量機(jī)的齒輪箱早期故障診斷方法[J].計(jì)算機(jī)測(cè)量與控制,2016(1):12?15.

    ZHANG L, CHEN Z G, YANG J W, et al. Early fault diagnosis of gearbox based on multiclass support vector machine and decision tree [J]. Computer measurement & control, 2016(1): 12?15.

    [7] TUNGADIO D H, JORDAAN J A, SITI M W. Power system state estimation solution using modified models of PSO algorithm: comparative study [J]. Measurement, 2016, 92: 508?523.

    [8] 梁偉,張來(lái)斌,王朝暉.基于數(shù)據(jù)挖掘的負(fù)壓波特征參數(shù)優(yōu)化方法[J].石油機(jī)械,2008,36(12):38?42.

    LIANG W, ZHANG L B, WANG Z H. Study of optimization method of characteristic parameters of negative pressure wave based on data mining [J]. China petroleum machinery, 2008, 36(12): 38?42.

    [9] YIN Shen, YIN Jiapeng. Tuning kernel parameters for SVM based on expected square distance ratio [J]. Information sciences, 2016(2): 370?371.

    [10] LIU Chao, YIN Shiqun, ZHANG Miao, et al. An improved grid search algorithm for parameters optimization on SVM [J]. Applied mechanics and materials, 2014, 644: 2216?2219.

    欧美亚洲 丝袜 人妻 在线| 国产精品 国内视频| 免费不卡的大黄色大毛片视频在线观看| 免费观看在线日韩| 纯流量卡能插随身wifi吗| 国产精品国产三级国产av玫瑰| 国产探花极品一区二区| 亚洲精品成人av观看孕妇| 大陆偷拍与自拍| 久久精品国产a三级三级三级| 春色校园在线视频观看| 日本免费在线观看一区| 99久久综合免费| 午夜av观看不卡| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 免费黄频网站在线观看国产| 熟女人妻精品中文字幕| 青青草视频在线视频观看| 亚洲精品日韩av片在线观看| 欧美+日韩+精品| 成人国产麻豆网| 成年美女黄网站色视频大全免费 | 母亲3免费完整高清在线观看 | 免费观看av网站的网址| 一边摸一边做爽爽视频免费| 人人澡人人妻人| 欧美日韩成人在线一区二区| 亚洲av日韩在线播放| 精品酒店卫生间| 高清毛片免费看| 成年人午夜在线观看视频| 午夜福利影视在线免费观看| 精品一区二区三卡| 精品国产乱码久久久久久小说| 欧美精品人与动牲交sv欧美| 成人毛片60女人毛片免费| 精品国产一区二区三区久久久樱花| 亚洲三级黄色毛片| 午夜激情av网站| 久久久精品94久久精品| 王馨瑶露胸无遮挡在线观看| 亚洲av免费高清在线观看| 五月玫瑰六月丁香| 只有这里有精品99| 波野结衣二区三区在线| 国产免费又黄又爽又色| 麻豆精品久久久久久蜜桃| 在线观看免费高清a一片| 欧美精品国产亚洲| 国产黄频视频在线观看| 午夜福利在线观看免费完整高清在| 国产精品蜜桃在线观看| 男女国产视频网站| 精品一区二区免费观看| 精品一区二区免费观看| 女性生殖器流出的白浆| 中文字幕久久专区| 中文字幕av电影在线播放| 97超视频在线观看视频| 成人国语在线视频| 麻豆成人av视频| 亚洲av在线观看美女高潮| 久久精品久久久久久久性| 亚洲精品第二区| 青青草视频在线视频观看| kizo精华| 丰满少妇做爰视频| 久久久久人妻精品一区果冻| 97在线视频观看| 桃花免费在线播放| 婷婷色麻豆天堂久久| 日本黄大片高清| 色5月婷婷丁香| 精品人妻在线不人妻| 亚洲欧美色中文字幕在线| 国产日韩欧美亚洲二区| 一本一本综合久久| 亚洲内射少妇av| 在线观看免费日韩欧美大片 | 国产精品.久久久| 一级毛片aaaaaa免费看小| 欧美成人午夜免费资源| 啦啦啦啦在线视频资源| 九色亚洲精品在线播放| 色婷婷久久久亚洲欧美| 美女福利国产在线| 欧美日韩视频精品一区| 日本与韩国留学比较| a级片在线免费高清观看视频| 蜜桃久久精品国产亚洲av| 精品一区二区三区视频在线| xxxhd国产人妻xxx| 伦理电影免费视频| 欧美精品国产亚洲| 亚洲av男天堂| 日本与韩国留学比较| 亚洲一区二区三区欧美精品| 国产又色又爽无遮挡免| 老熟女久久久| 精品亚洲成国产av| 美女cb高潮喷水在线观看| 高清不卡的av网站| 国产一区二区在线观看av| 一区在线观看完整版| 亚洲欧美成人综合另类久久久| 熟女电影av网| 中文字幕人妻熟人妻熟丝袜美| 精品国产国语对白av| 26uuu在线亚洲综合色| 亚洲av欧美aⅴ国产| 一个人看视频在线观看www免费| 久久久国产精品麻豆| 国产免费福利视频在线观看| 久久99精品国语久久久| 欧美亚洲 丝袜 人妻 在线| 人人妻人人澡人人爽人人夜夜| 丁香六月天网| 黑人巨大精品欧美一区二区蜜桃 | 少妇的逼好多水| 777米奇影视久久| 精品久久国产蜜桃| 亚洲美女视频黄频| 国产精品.久久久| 另类亚洲欧美激情| 免费黄频网站在线观看国产| 亚洲精品国产av蜜桃| 中文字幕av电影在线播放| 国产综合精华液| 人人澡人人妻人| 啦啦啦中文免费视频观看日本| 天堂8中文在线网| 美女xxoo啪啪120秒动态图| 国产高清国产精品国产三级| 中国国产av一级| √禁漫天堂资源中文www| 97超视频在线观看视频| 亚洲色图 男人天堂 中文字幕 | 国产精品久久久久久久久免| 啦啦啦啦在线视频资源| 国产精品国产三级国产专区5o| 欧美日韩av久久| 99久国产av精品国产电影| 嫩草影院入口| 日本爱情动作片www.在线观看| 国产精品免费大片| 亚洲精品自拍成人| 人妻一区二区av| 欧美97在线视频| 乱码一卡2卡4卡精品| 精品亚洲乱码少妇综合久久| 内地一区二区视频在线| 免费黄网站久久成人精品| 国产成人精品一,二区| 亚洲国产精品成人久久小说| 一本久久精品| 日韩中文字幕视频在线看片| 日本av免费视频播放| 国产精品无大码| 久久99精品国语久久久| 交换朋友夫妻互换小说| 国产女主播在线喷水免费视频网站| 久久免费观看电影| av在线观看视频网站免费| 欧美激情国产日韩精品一区| 少妇精品久久久久久久| 蜜桃久久精品国产亚洲av| 一个人免费看片子| 日韩成人伦理影院| 肉色欧美久久久久久久蜜桃| 亚洲成色77777| 国产精品一区二区在线观看99| 高清午夜精品一区二区三区| 精品国产一区二区三区久久久樱花| 亚洲av二区三区四区| .国产精品久久| 精品熟女少妇av免费看| 精品酒店卫生间| 国产午夜精品一二区理论片| 精品人妻一区二区三区麻豆| 少妇精品久久久久久久| 热99久久久久精品小说推荐| 一级毛片aaaaaa免费看小| 赤兔流量卡办理| 国产成人一区二区在线| 看十八女毛片水多多多| 黄色欧美视频在线观看| 国产精品国产av在线观看| 一个人免费看片子| 欧美精品高潮呻吟av久久| 九九爱精品视频在线观看| 欧美成人精品欧美一级黄| 蜜桃久久精品国产亚洲av| 在线观看人妻少妇| 男人添女人高潮全过程视频| 亚洲人成网站在线观看播放| 国产精品不卡视频一区二区| 不卡视频在线观看欧美| 色94色欧美一区二区| 国产白丝娇喘喷水9色精品| 伦理电影大哥的女人| 99视频精品全部免费 在线| 永久免费av网站大全| 男女啪啪激烈高潮av片| 日本av免费视频播放| 少妇人妻 视频| 色婷婷av一区二区三区视频| 精品久久蜜臀av无| 一区二区三区乱码不卡18| 国产精品久久久久久久久免| 久久精品国产鲁丝片午夜精品| 亚洲少妇的诱惑av| 久久婷婷青草| 黄色配什么色好看| 交换朋友夫妻互换小说| 精品人妻偷拍中文字幕| 欧美日韩精品成人综合77777| 婷婷色综合大香蕉| 欧美国产精品一级二级三级| 一区二区三区乱码不卡18| 最后的刺客免费高清国语| 99久久精品国产国产毛片| 麻豆精品久久久久久蜜桃| 新久久久久国产一级毛片| 国产探花极品一区二区| 中文天堂在线官网| 日本wwww免费看| 国产精品三级大全| 久久午夜综合久久蜜桃| 免费观看的影片在线观看| 纯流量卡能插随身wifi吗| 久久久久久久久久成人| 在线看a的网站| 女人久久www免费人成看片| 大又大粗又爽又黄少妇毛片口| 亚洲国产成人一精品久久久| 成人综合一区亚洲| 欧美激情极品国产一区二区三区 | 亚洲第一av免费看| 午夜福利,免费看| 高清午夜精品一区二区三区| 亚洲一区二区三区欧美精品| 久久久久久伊人网av| 丰满迷人的少妇在线观看| 免费观看的影片在线观看| 如何舔出高潮| 自线自在国产av| 欧美一级a爱片免费观看看| 国产精品人妻久久久久久| 全区人妻精品视频| 中文欧美无线码| 色吧在线观看| 国产精品三级大全| 大片免费播放器 马上看| 麻豆乱淫一区二区| 国产色爽女视频免费观看| 99国产精品免费福利视频| 熟女电影av网| 亚洲熟女精品中文字幕| 国产亚洲午夜精品一区二区久久| 国产亚洲最大av| 亚洲四区av| 欧美成人午夜免费资源| 久久久久久久亚洲中文字幕| 国产伦理片在线播放av一区| videosex国产| 亚洲av中文av极速乱| 精品国产乱码久久久久久小说| 精品久久蜜臀av无| 久久青草综合色| 欧美日韩av久久| 高清毛片免费看| 另类亚洲欧美激情| 美女脱内裤让男人舔精品视频| 男女啪啪激烈高潮av片| 极品人妻少妇av视频| av天堂久久9| 高清不卡的av网站| 性色avwww在线观看| 国产成人aa在线观看| 久久久欧美国产精品| 天天躁夜夜躁狠狠久久av| av免费在线看不卡| 久久久久久伊人网av| 桃花免费在线播放| 爱豆传媒免费全集在线观看| 热re99久久国产66热| 欧美成人午夜免费资源| 亚洲精品一区蜜桃| 亚洲在久久综合| 免费人妻精品一区二区三区视频| a级毛片免费高清观看在线播放| 久久久久国产精品人妻一区二区| 一个人免费看片子| 免费少妇av软件| 热99久久久久精品小说推荐| 五月开心婷婷网| 婷婷色综合大香蕉| 国产国拍精品亚洲av在线观看| 熟女人妻精品中文字幕| 亚洲三级黄色毛片| 中文天堂在线官网| 大片电影免费在线观看免费| 欧美 亚洲 国产 日韩一| 亚洲精品第二区| h视频一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 日本色播在线视频| 一本一本综合久久| 亚洲欧美一区二区三区国产| 精品人妻在线不人妻| 美女脱内裤让男人舔精品视频| 伊人亚洲综合成人网| 亚洲色图 男人天堂 中文字幕 | 成年人免费黄色播放视频| 26uuu在线亚洲综合色| 久久久久人妻精品一区果冻| 麻豆乱淫一区二区| av专区在线播放| 国产一区二区三区av在线| 成人国产麻豆网| 黑人高潮一二区| 精品久久久精品久久久| 高清毛片免费看| 五月开心婷婷网| 婷婷色综合大香蕉| 午夜免费鲁丝| 日韩一区二区三区影片| 久久亚洲国产成人精品v| 美女大奶头黄色视频| 国产精品无大码| 日本av手机在线免费观看| 大香蕉97超碰在线| 欧美成人午夜免费资源| 亚洲国产日韩一区二区| av播播在线观看一区| 日韩强制内射视频| a 毛片基地| 欧美一级a爱片免费观看看| 午夜免费男女啪啪视频观看| 国产av码专区亚洲av| 精品一区二区免费观看| 午夜老司机福利剧场| 亚洲少妇的诱惑av| 久久婷婷青草| 一级毛片黄色毛片免费观看视频| 精品国产乱码久久久久久小说| 久久久久视频综合| 狂野欧美激情性bbbbbb| 久久久久久久久久成人| 搡女人真爽免费视频火全软件| 能在线免费看毛片的网站| 蜜桃久久精品国产亚洲av| 免费看光身美女| 日韩精品有码人妻一区| 人妻人人澡人人爽人人| 久久精品熟女亚洲av麻豆精品| 男女啪啪激烈高潮av片| 各种免费的搞黄视频| 精品久久久久久电影网| 国产男女内射视频| 免费观看的影片在线观看| 晚上一个人看的免费电影| 欧美激情极品国产一区二区三区 | 高清午夜精品一区二区三区| 国产极品粉嫩免费观看在线 | 久久久久精品性色| 丝瓜视频免费看黄片| 人体艺术视频欧美日本| 国产欧美另类精品又又久久亚洲欧美| a 毛片基地| 欧美日本中文国产一区发布| 国产精品国产三级国产av玫瑰| 久久精品夜色国产| 一级爰片在线观看| 亚洲国产精品国产精品| 久久久精品区二区三区| 蜜桃在线观看..| 亚洲欧美一区二区三区黑人 | 日韩三级伦理在线观看| 99久久精品国产国产毛片| 欧美精品高潮呻吟av久久| 黑丝袜美女国产一区| 69精品国产乱码久久久| 日日摸夜夜添夜夜爱| av黄色大香蕉| 久久99一区二区三区| 欧美另类一区| 欧美丝袜亚洲另类| 亚洲av综合色区一区| 美女国产高潮福利片在线看| 中国美白少妇内射xxxbb| 日韩视频在线欧美| 高清黄色对白视频在线免费看| 十分钟在线观看高清视频www| 成人无遮挡网站| av在线老鸭窝| 久久人妻熟女aⅴ| 高清av免费在线| 午夜激情福利司机影院| 亚洲性久久影院| 看非洲黑人一级黄片| 国产免费一区二区三区四区乱码| 极品少妇高潮喷水抽搐| 日本免费在线观看一区| av免费在线看不卡| 久久久久网色| 蜜桃在线观看..| 免费观看a级毛片全部| 国产精品久久久久久av不卡| 极品少妇高潮喷水抽搐| 大话2 男鬼变身卡| 国产片内射在线| 91精品国产九色| 欧美最新免费一区二区三区| 日韩三级伦理在线观看| 熟女人妻精品中文字幕| 尾随美女入室| 国产欧美日韩综合在线一区二区| 人人澡人人妻人| 丝瓜视频免费看黄片| 亚洲久久久国产精品| 永久网站在线| 精品一区在线观看国产| 特大巨黑吊av在线直播| 国产成人精品久久久久久| 久久久久久久精品精品| 丝袜喷水一区| 欧美xxⅹ黑人| 国产视频首页在线观看| 天堂俺去俺来也www色官网| 国产精品蜜桃在线观看| 久久久久久久久久久免费av| 国国产精品蜜臀av免费| 蜜桃久久精品国产亚洲av| 母亲3免费完整高清在线观看 | 亚洲婷婷狠狠爱综合网| 秋霞伦理黄片| 日本wwww免费看| 久久精品国产亚洲网站| 国产成人精品在线电影| 免费播放大片免费观看视频在线观看| 有码 亚洲区| 2021少妇久久久久久久久久久| 91精品一卡2卡3卡4卡| 少妇丰满av| 亚洲国产色片| 免费看光身美女| 欧美亚洲 丝袜 人妻 在线| 能在线免费看毛片的网站| a级片在线免费高清观看视频| 亚洲av.av天堂| 麻豆乱淫一区二区| 欧美日韩一区二区视频在线观看视频在线| 亚洲国产av新网站| 熟女人妻精品中文字幕| 精品酒店卫生间| 国产高清国产精品国产三级| av线在线观看网站| 欧美xxⅹ黑人| 又粗又硬又长又爽又黄的视频| 蜜桃国产av成人99| 久久人妻熟女aⅴ| 国产高清有码在线观看视频| 男人添女人高潮全过程视频| 亚洲精品视频女| 精品久久国产蜜桃| 免费黄色在线免费观看| 日韩,欧美,国产一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 久久精品国产亚洲网站| 狠狠婷婷综合久久久久久88av| 国产亚洲最大av| 午夜福利视频精品| 久久久久久久久久久丰满| 天天操日日干夜夜撸| 美女福利国产在线| 午夜视频国产福利| 亚洲熟女精品中文字幕| 99久国产av精品国产电影| 久久人人爽av亚洲精品天堂| 免费观看的影片在线观看| 久久av网站| 亚洲av.av天堂| 少妇熟女欧美另类| 美女脱内裤让男人舔精品视频| 亚州av有码| 亚洲成人手机| 成年女人在线观看亚洲视频| 午夜av观看不卡| 亚洲四区av| 一级爰片在线观看| 精品熟女少妇av免费看| 国产高清国产精品国产三级| 国产精品一区www在线观看| 91精品一卡2卡3卡4卡| 黑人高潮一二区| 亚洲图色成人| 如日韩欧美国产精品一区二区三区 | 国产一区二区三区综合在线观看 | 日韩伦理黄色片| 亚洲人与动物交配视频| 一级毛片黄色毛片免费观看视频| 亚洲欧美日韩卡通动漫| 麻豆成人av视频| 午夜久久久在线观看| 涩涩av久久男人的天堂| 日本午夜av视频| 水蜜桃什么品种好| 人人妻人人澡人人爽人人夜夜| av天堂久久9| 一区二区日韩欧美中文字幕 | 免费观看av网站的网址| 91在线精品国自产拍蜜月| 国产精品人妻久久久久久| 九九久久精品国产亚洲av麻豆| 色婷婷久久久亚洲欧美| 欧美日本中文国产一区发布| 精品一区在线观看国产| 一级毛片aaaaaa免费看小| 在线观看三级黄色| 日本91视频免费播放| 国产国语露脸激情在线看| 亚洲av综合色区一区| 欧美亚洲 丝袜 人妻 在线| 久久精品夜色国产| 边亲边吃奶的免费视频| av国产久精品久网站免费入址| 不卡视频在线观看欧美| 男女高潮啪啪啪动态图| 日韩电影二区| 亚州av有码| 久久精品国产鲁丝片午夜精品| 亚洲天堂av无毛| 秋霞在线观看毛片| 午夜福利网站1000一区二区三区| 欧美日韩国产mv在线观看视频| 国产在线免费精品| 国产成人av激情在线播放 | 大陆偷拍与自拍| 日本爱情动作片www.在线观看| 另类亚洲欧美激情| 各种免费的搞黄视频| 丝瓜视频免费看黄片| 欧美日韩精品成人综合77777| a级毛色黄片| 18在线观看网站| 国产成人aa在线观看| 满18在线观看网站| 日本欧美国产在线视频| 国产精品.久久久| 啦啦啦中文免费视频观看日本| 国产精品人妻久久久久久| 国产国拍精品亚洲av在线观看| 精品人妻一区二区三区麻豆| 五月伊人婷婷丁香| 国产视频内射| 人成视频在线观看免费观看| 日韩一区二区三区影片| 交换朋友夫妻互换小说| 免费观看的影片在线观看| videosex国产| 少妇猛男粗大的猛烈进出视频| 亚洲在久久综合| 搡老乐熟女国产| 赤兔流量卡办理| 成人影院久久| 另类亚洲欧美激情| 色哟哟·www| 久久久久久久亚洲中文字幕| 少妇丰满av| 欧美亚洲日本最大视频资源| 亚洲av中文av极速乱| 亚洲精品日本国产第一区| 久久久久久久久久人人人人人人| 啦啦啦中文免费视频观看日本| 国产欧美亚洲国产| 亚洲精品av麻豆狂野| 亚洲经典国产精华液单| 亚洲婷婷狠狠爱综合网| 免费大片黄手机在线观看| 久久久久久久精品精品| 欧美激情国产日韩精品一区| 中文字幕最新亚洲高清| 日韩欧美一区视频在线观看| 亚州av有码| 午夜福利视频在线观看免费| 日韩制服骚丝袜av| 自线自在国产av| 26uuu在线亚洲综合色| 亚洲精品国产av蜜桃| 国产熟女午夜一区二区三区 | 国产高清不卡午夜福利| 午夜福利视频精品| av有码第一页| 亚洲精品av麻豆狂野| 岛国毛片在线播放| 午夜福利视频精品| 国产欧美亚洲国产| 在线观看美女被高潮喷水网站| 久久久久久久久久成人| 亚洲精品久久午夜乱码| 久久av网站| 天美传媒精品一区二区| 日韩,欧美,国产一区二区三区| 国产高清有码在线观看视频| 国产成人freesex在线| 久久97久久精品| 久久久久国产网址| 日日爽夜夜爽网站| 国产白丝娇喘喷水9色精品| 国产成人a∨麻豆精品| 最近中文字幕2019免费版| 最近手机中文字幕大全| 久久99一区二区三区| 老司机影院成人|