• <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 ?

    基于多種智能算法的腐蝕天然氣管道可靠性評價方法

    2019-10-14 01:34:54何蕾溫凱吳長春宮敬
    石油科學通報 2019年3期
    關鍵詞:方法模型

    何蕾,溫凱,吳長春,宮敬

    0 前言

    隨著全球天然的消費量逐年攀升[1],未來天然氣管道的總公里數(shù)將大幅增加,由此所帶來的天然氣管道運行安全問題也日益凸顯。2010年至2016年美國[2]天然氣長輸管道事故578起,管道本體事故277起,占總經(jīng)濟損失的86%。1970年—2013年歐洲[3]14.3萬公里管道中事故1309起,其中由于管道體積缺陷引發(fā)的事故占40%。俄羅斯[4]天然氣管道系統(tǒng)中腐蝕引起的管道事故占到了50%。上述統(tǒng)計數(shù)據(jù)表明管道腐蝕所帶來的管道安全事故所占的比重較大,因此對含腐蝕缺陷的天然氣管道可靠性進行評價具有重要的工程意義。

    天然氣管道作為連接天然氣資源與消費市場的重要紐帶,空間跨度大、沿線地理環(huán)境復雜,管道相關參數(shù)存在不確定性。為定量描述不確定性的影響,文獻[5-8]結(jié)合管道內(nèi)檢測數(shù)據(jù)采用蒙特卡羅法對管道的結(jié)構(gòu)可靠性隨運行時間的變化規(guī)律進行計算。然而管道失效在時間和空間維度上屬于小概率事件。根據(jù)PHMSA[2]的統(tǒng)計美國天然氣管道的平均無故障運行時間53年,全國49萬公里的輸氣管道中平均受影響長度僅為18公里,采用傳統(tǒng)的蒙特卡羅計算方法模擬管道失效十分耗時。為提高腐蝕管道可靠性評價效率,S. Zhang[9]采用一次二階矩法對管道腐蝕速率、內(nèi)部壓力及缺陷橫向擴展速率與缺陷可靠度之間的非線性關系進行線性化處理。C. Gong[10]在此基礎上考慮透壁及塑性失穩(wěn)兩種失效形式,將管道系統(tǒng)中多個缺陷的相互影響關系考慮在內(nèi)。然而該方法的精確度主要取決于線性化后的管道極限狀態(tài)方程與原函數(shù)之間的偏差及相關參數(shù)等效正態(tài)化的近似程度。因此構(gòu)建腐蝕缺陷可靠度與相關輸出參數(shù)之間的非線性函數(shù)關系是提高可靠性評價效率及預測精度的關鍵。

    近年來人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)算法被廣泛應用于影響管道可靠性的相關參數(shù)非線性關系的構(gòu)建中。El-Abbasy M S[11]考慮影響管道安全的13個因素,應用神經(jīng)網(wǎng)絡算法對不同工況下管道的運行安全展開定性評價。在定量計算方面,W Z. Xu[12]利用有限元分析軟件產(chǎn)生訓練樣本,構(gòu)建缺陷幾何尺寸與管道爆裂壓力之間的神經(jīng)網(wǎng)絡模型。文獻[13-14]結(jié)合實驗數(shù)據(jù),采用神經(jīng)網(wǎng)絡算法分別對管道裂紋擴展速率、極限抗拉強度與相關影響變量之間的非線性關系進行建模。上述研究僅針對影響管道結(jié)構(gòu)的部分參數(shù)進行神經(jīng)網(wǎng)絡建模,因而無法通過模型直接獲得管道結(jié)構(gòu)可靠度。天然氣管道具有較高的設計可靠度,訓練樣本數(shù)據(jù)量不足使得管道結(jié)構(gòu)參數(shù)與可靠度之間的神經(jīng)網(wǎng)絡模型難以構(gòu)建。為解決這一問題E. Zio[15-16]采用蒙特卡羅模擬(Monte Carlo Simulation,MCS)方法構(gòu)造人工神經(jīng)網(wǎng)絡訓練樣本,并將該方法應用于核電水熱力系統(tǒng)的功能失效分析中。應用該方法文獻[17]根據(jù)樣本點到失效面的距離對MCS產(chǎn)生的樣本進行篩選,對加筋板極限強度可靠性進行評價。為提高神經(jīng)網(wǎng)絡模型預測精度,Giovanis D G[18]采用拉丁超立方抽樣方法擴展訓練樣本的覆蓋范圍。LIU[19]采用遺傳算法對神經(jīng)網(wǎng)絡的權值進行優(yōu)化。文獻[20-22]分別采用頻譜分析法、小波分析、深度學習等方法對訓練樣本輸入層數(shù)據(jù)進行處理。應用上述方法在一定程度上能夠提高模型的預測精度。然而,模型訓練過程中無法將先驗知識融入到模型建模過程中,使得數(shù)據(jù)處理過程的可解釋性不強。

    為解決這一問題,本文提出模擬退火算法與基于蒙特卡羅模擬的神經(jīng)網(wǎng)絡算法相結(jié)合的處理方法。將多種工況下腐蝕缺陷可靠性的變化規(guī)律融入到神經(jīng)網(wǎng)絡模型的構(gòu)建過程中。同時結(jié)合拉丁超立方抽樣方法、遺傳算法分別對傳統(tǒng)神經(jīng)網(wǎng)絡建模過程中樣本空間的覆蓋性及網(wǎng)絡結(jié)構(gòu)參數(shù)進行優(yōu)化。建立了適用于腐蝕缺陷可靠性評價的神經(jīng)網(wǎng)絡建模流程,并對流程中涉及的關鍵環(huán)節(jié)進行了詳細介紹。結(jié)合管道基礎運行數(shù)據(jù)、管材性能數(shù)據(jù),應用本文提出的方法建立多輸入變量與腐蝕缺陷可靠度之間的神經(jīng)網(wǎng)絡模型。在多種工況下對該模型可靠度預測結(jié)果與及傳統(tǒng)神經(jīng)網(wǎng)絡模型進行對比,進而對模型的有效性進行驗證。

    1 可靠性神經(jīng)網(wǎng)絡模型構(gòu)建原理及整體流程

    1.1 建模原理

    腐蝕缺陷可靠性神經(jīng)網(wǎng)絡模型建模原理與一次二階矩、響應面法等可靠性快速評價方法相同,主要是通過近似的方法獲得腐蝕缺陷可靠性相關物理變量聯(lián)合概率密度函數(shù)在極限狀態(tài)空間下的近似解??煽慷扰c概率密度函數(shù)之間的關系式如下:

    式中:X為影響腐蝕缺→陷可靠性的主要參數(shù)X=[→X1,X→2,…Xm]T;g(X)為管道極限狀態(tài)方程;fX→(X)為X的聯(lián)合概率密度函數(shù)。

    管道極限狀態(tài)方程表征管道實際破裂壓力與管道所受內(nèi)壓的差值,是管道結(jié)構(gòu)可靠性的重要判據(jù)。文獻[23]應用ASME B31G、 RSTRENG、ASME B31G Modified、LPC、PCORRC和C-fer共6種不同規(guī)范標準中管道極限狀態(tài)方程對腐蝕管道運行狀態(tài)進行判別,指出C-fer模型計算精度最高。本文采用C-fer中推薦的體積型腐蝕缺陷失效應力極限狀態(tài)方程作為腐蝕缺陷狀態(tài)的判別關系式,具體表達式如下:

    其中:ra為管道失效時的環(huán)向應力,MPa;P為管道的內(nèi)壓,MPa;g為管道的極限狀態(tài),當g<0時管道發(fā)生失效;m為鼓脹系數(shù);l為缺陷長度,mm;D為管道直徑,mm;w為管道的壁厚,mm;σy為拉伸強度,MPa;σu為 屈 服 強 度,MPa;e1、e2、e3、e4為 模 型 誤差;da為平均腐蝕深度,mm。

    由管道極限狀態(tài)方程表達式可知,影響管道腐蝕缺陷可靠度的不確定性參數(shù)多達10個,不同參數(shù)的分布規(guī)律也有所不同。物理參數(shù)與腐蝕缺陷可靠度之間非線性程度較高,無法采用解析法求解方程(1)。神經(jīng)網(wǎng)絡模型旨在構(gòu)建腐蝕缺陷可靠度與物理參數(shù)之間的代理模型。神經(jīng)網(wǎng)絡模型由輸入層、隱含層及輸出層三部分構(gòu)成,每層中包含多個神經(jīng)元。通過樣本訓練獲得神經(jīng)元的特性及它們的連接方式,實現(xiàn)物理參數(shù)與腐蝕缺陷可靠度之間的非線性映射關系(式7)。

    其中:X為影響管道可靠性的主要參數(shù);W為神經(jīng)元之間的連接權向量;θ為閥值;f(?)為激活函數(shù)。

    1.2 神經(jīng)網(wǎng)絡模型整體建模流程

    輸入層、輸出層及訓練樣本是神經(jīng)網(wǎng)絡模型的關鍵組成部分。其中輸入層為影響管道可靠度的主要物理變量,輸出層為管道可靠度。針對直接構(gòu)建蒙特卡羅模擬的神經(jīng)網(wǎng)絡模型存的3個問題:(1)以隨機生成的方法產(chǎn)生的訓練樣本空間覆蓋性不足;(2)神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)對模型預測效果有較大影響;(3)腐蝕缺陷可靠性衰減規(guī)律無法應用到神經(jīng)網(wǎng)絡模型中。本文在樣本數(shù)據(jù)的選擇與構(gòu)建、樣本數(shù)據(jù)的處理及神經(jīng)網(wǎng)絡參數(shù)優(yōu)化3個方面對神經(jīng)網(wǎng)絡模型進行了改進,具體實現(xiàn)流程如圖1所示。

    圖1 腐蝕管道可靠性人工神經(jīng)網(wǎng)絡整體建模流程Fig. 1 The flow chart of corrosion pipeline reliability methodology based on ANN

    2 神經(jīng)網(wǎng)絡模型各部分構(gòu)建方法

    2.1 樣本集構(gòu)建

    神經(jīng)網(wǎng)絡模型中輸入層的參數(shù)數(shù)目直接影響模型的復雜程度進而影響可靠度的預測精度。為了避免模型出現(xiàn)過擬合和欠擬合問題,本文通過敏感性分析選取神經(jīng)網(wǎng)絡輸出層物理變量。采用敏感性分析的方法中Sobol全局敏感性指數(shù)[24]表征物理變量的不確定性對腐蝕缺陷可靠度的影響,進而確定神經(jīng)網(wǎng)絡模型的輸入層變量。

    其中:V[R]為管道狀態(tài)方程中所有輸入?yún)?shù)xj在相應的變化范圍內(nèi)抽樣所獲得的可靠度方差;E(Var(R|X~))由輸入?yún)?shù)xj不變,其余輸入變量在其變化范圍內(nèi)被抽樣時獲得的可靠度方差的期望;n為敏感性分析的變量數(shù)目。

    管道失效屬于小概率事件采用直接蒙特卡羅模擬構(gòu)建樣本輸出層,抽樣次數(shù)較高。為提高訓練樣本輸出層的構(gòu)建效率,本文采用拉丁超立方抽樣方法[25]進行樣本輸出可靠度計算。以文獻[8]中的數(shù)據(jù)為例,模擬次數(shù)取105次,分別采用直接蒙特卡羅和拉丁超立方抽樣方法對管道運行可靠度進行50組計算。兩種方法可靠度計算的標準差如圖2所示。從圖中可以看出在相同的抽樣次數(shù)下,拉丁超立方抽樣計算結(jié)果收斂程度優(yōu)于直接蒙特卡羅模擬。

    圖2 兩種抽樣方法可靠度標準差對比Fig. 2 The comparison of reliability standard deviation obtained by two different sampling methods

    2.2 樣本數(shù)據(jù)處理

    在神經(jīng)網(wǎng)絡訓練過程中存在多種不確定性因素影響模型預測結(jié)果,其中訓練樣本的排列順序是影響因素之一。在傳統(tǒng)的神經(jīng)網(wǎng)絡訓練過程中往往按照一定比例隨機劃分訓練集及測試集并對訓練樣本進行隨機排序帶入模型進行訓練。通過測試集決定系數(shù)(式9)對模型有效性進行驗證[14]。圖3對比了不同輸入順序下訓練樣本獲得的神經(jīng)網(wǎng)絡模型對測試集樣本的預測結(jié)果。第一種測試數(shù)據(jù)集輸入順序下獲得的神經(jīng)網(wǎng)絡模型對測試集樣本的決定系數(shù)為 0.988 31,第二種僅為0.174 01。

    圖3 不同的訓練樣本排列下獲得的ANN模型對測試集的預測結(jié)果Fig. 3 Test sets reliability results by ANN models obtained under different training sample arrangements

    其中:r為決定系數(shù),N為測試集樣本數(shù);Ri為可靠度理想輸出值;R?i為神經(jīng)網(wǎng)絡可靠度預測值。

    然而,通過決定系數(shù)對模型的預測精度進行評價的方法僅具有統(tǒng)計意義,無法表征模型對可靠性變化規(guī)律的反映能力。圖4對比了測試集決定系數(shù)為0.986 27、0.973 45的兩種BP神經(jīng)網(wǎng)絡模型對不考慮維修影響的管道可靠度預測結(jié)果??梢钥闯鰷y試集決定系數(shù)較高的模型1無法反映管道可靠度隨時間的衰減規(guī)律。為解決這一問題,本文在進行神經(jīng)網(wǎng)絡建模前加入樣本數(shù)據(jù)處理環(huán)節(jié)。根據(jù)多種工況下腐蝕缺陷可靠性的衰減規(guī)律構(gòu)建驗證集。定義不滿足可靠性隨時間變化規(guī)律的預測點為異常點。以驗證集中神經(jīng)網(wǎng)絡模型預測的可靠度與理想輸出值之間的偏差及異常點個數(shù)最小化為優(yōu)化目標,對訓練樣本數(shù)據(jù)的排列順序進行優(yōu)化。

    圖4 不同的BP神經(jīng)網(wǎng)絡模型對管道可靠度預測結(jié)果Fig. 4 Pipeline reliability assessment results based on different BP neural network models

    對于訓練樣本的輸入順序?qū)?yōu)問題本文采用模擬退火算法。模擬退火基于金屬退火過程找到最優(yōu)解,被廣泛應用于最佳排列問題的求解過程[26-27]。其中參數(shù)初始化、代價函數(shù)的構(gòu)建以及解集更新是該優(yōu)化過程的三大關鍵要素。本文將訓練樣本集合T1的初始排列順序進行編號作為初始解S1。對該序列下的訓練集應用神經(jīng)網(wǎng)絡算法進行訓練,應用訓練后的神經(jīng)網(wǎng)絡模型對測試集1的可靠度進行預測。將神經(jīng)網(wǎng)絡模型預測結(jié)果與蒙特卡羅模擬結(jié)果的誤差平方和作為代價函數(shù)。通過調(diào)整T1中任意兩變量的位置獲得新的解S2,利用S2序列訓練獲得新的神經(jīng)網(wǎng)絡模型及代價函數(shù)計算結(jié)果。將新的樣本排序集合與原樣本排序集合計算的兩組代價函數(shù)數(shù)值進行插值得到df。為避免算法陷入局部最優(yōu)解,本文應用Metropolis準則以的概率確定新解S2是否取代S1,并更新迭代次數(shù)及當前溫度數(shù)值,當達到終了溫度或多次迭代無新解產(chǎn)生算法終止,輸出訓練樣本最優(yōu)排列順序S1。優(yōu)化過程的流程圖如圖5所示。

    圖5 基于模擬退火算法與極限學習機算法的訓練集樣本順序優(yōu)化Fig. 5 Training samples sequence optimization based on Simulated Annealing algorithm and Extreme Learning Machine algorithm training samples

    為加速優(yōu)化過程,應用極限學習機作為優(yōu)化過程神經(jīng)網(wǎng)絡訓練算法。該算法不同于BP這種前饋型神經(jīng)網(wǎng)絡,極限學習機輸入節(jié)點與隱含層之間的連接權值隨機產(chǎn)生,且在訓練過程中不再進行調(diào)整,隱含層與輸入層之間的連接權值由式(10)~(13)計算獲得。文獻[28]表明極限學習機算法能夠在較短時間內(nèi)快速訓練并產(chǎn)生與BP相近似的訓練效果。因此本文在訓練過程中采用該方法作為優(yōu)化過程的神經(jīng)網(wǎng)絡算法。

    其中:β為隱含層與輸出層之間的連接權值;m和l分別為輸出節(jié)點和隱含層節(jié)點數(shù)目;Q是訓練樣本數(shù)目;g(?)為激活函數(shù);wi為第i個隱含層與第i個輸入層樣本xi之間的連接權值;bi為第i個隱含層的偏差。

    2.3 模型訓練及優(yōu)化

    為建立多輸入變量與腐蝕缺陷可靠度之間的非線性模型,應選用有監(jiān)督學習功能的網(wǎng)絡進行訓練。文獻[29]對比了不同類型神經(jīng)網(wǎng)絡模型的預測準確度,指出 BP 神經(jīng)網(wǎng)絡的預測效果最佳,因此本文采用 BP神經(jīng)網(wǎng)絡作為模型的主要訓練方法。訓練樣本按照模擬退火算法優(yōu)化順序帶入神經(jīng)網(wǎng)絡模型進行訓練。在每次訓練過程中變量由輸入層經(jīng)隱含層傳向輸出層,每層神經(jīng)元的狀態(tài)都對應著一個作用函數(shù)和閥值。設定可靠度的預測結(jié)果與蒙特卡羅模擬獲得的可靠度理想輸出值之間的可接受誤差,當在輸出層得到的計算結(jié)果高于設定誤差,則轉(zhuǎn)入反向傳播將誤差信號沿原來通路返回。通過修改各層神經(jīng)元的權值,使輸出層的誤差達到設定要求。

    在神經(jīng)網(wǎng)絡訓練過程中,初始權值和閾值以隨機生成的方式產(chǎn)生,存在一定的不確定性。本文采用遺傳算法對神經(jīng)網(wǎng)絡模型的初始權值和閾值進行優(yōu)選。首先通過對神經(jīng)網(wǎng)絡進行拓撲結(jié)構(gòu)分析構(gòu)建染色體矩陣,具體表達式如下。

    式中:S為染色體矩陣列數(shù),n、m分別為神經(jīng)網(wǎng)絡輸入層、輸出層神經(jīng)元個數(shù);Q為隱含層神經(jīng)元個數(shù)。

    對染色體矩陣中的每一個元素進行轉(zhuǎn)譯處理,將處理后的神經(jīng)元分組到神經(jīng)網(wǎng)絡模型中。輸入樣本訓練模型,將測試集樣本帶入訓練后的模型進行可靠度預測。以可靠度預測結(jié)果與蒙特卡羅模擬結(jié)果的誤差平方和為適應度函數(shù)(式(14)~(15))。根據(jù)種群的適應度計算結(jié)果,采用競爭選擇機制確定下一代獲得遺傳的雙親。通過交叉、變異操作產(chǎn)生新的個體。反復應用突變、交叉、反演和選擇算子,獲得神經(jīng)網(wǎng)絡的最佳權重和閾值。

    其中:dp和dr分別為測試集中每個個體i的可靠性預測值與理想輸出值;e(i)為測試集樣本中每一個個體i的誤差平方和;Q為隱含層神經(jīng)元個數(shù);F為適應度函數(shù)。

    在神經(jīng)網(wǎng)絡模型有效性驗證方面,采用異于2.2中的驗證集數(shù)據(jù),從多種工況的模型預測結(jié)果,對可靠性變化規(guī)律的反映能力及與理想輸出值之間的誤差兩個角度對模型進行評價。

    3 算例

    3.1 神經(jīng)網(wǎng)絡模型構(gòu)建

    本文以某含腐蝕缺陷的X80管段為例,采用本文提出的方法進行可靠性評價。該管道設計壓力12 MPa,管道外徑1219 mm,壁厚18.4 mm,相關參數(shù)及分布類型如表1所示。在不同的拉丁超立方抽樣次數(shù)下,對管道運行30年后的可靠度進行100次計算。采用箱型圖對不同抽樣次數(shù)下可靠度計算結(jié)果及平均運算時間的進行對比如圖6所示。計算結(jié)果表明,抽樣次數(shù)達到106次后腐蝕缺陷的可靠度計算結(jié)果趨于穩(wěn)定,隨著抽樣次數(shù)的提高模擬時間大幅上升。綜合考慮計算結(jié)果的穩(wěn)定性和計算效率,本算例中蒙特卡羅模擬次數(shù)取106次。

    圖6 拉丁超立方抽樣結(jié)果穩(wěn)定性及計算效率分析Fig. 6 The stability and efficiency analysis of Latin Hypercube sampling method

    表1 管道相關參數(shù)分布規(guī)律Table 1 The distribution model of pipeline parameters

    表2 管道相關參數(shù)Sobol全局敏感性指數(shù)Table 2 The Sobol global sensitivity index of pipeline related parameters

    參考文獻[33]中管道敏感性分析結(jié)果及管段運行特點,選取管段初始缺陷深度(1.54~3.95 mm)、腐蝕深度增長速率(0.05~0.2 mm/a)、腐蝕長度增長速率(3~6 mm/a)、初始缺陷長度(35~50 mm)、運 行壓力 (8~12 MPa)、屈服強度(558~690 MPa)、抗拉強度(703~728 MPa)8個物理變量,采用Sobol全局敏感指數(shù)進行敏感性分析,計算結(jié)果如表2所示。根據(jù)Sobol全局敏感指數(shù)計算結(jié)果可知初始缺陷深度、腐蝕深度增長速率、運行壓力及運行時間4個變量的Sobol指數(shù)總和占所有變量的99.4%,因此針對該管道選取上述4個變量作為神經(jīng)網(wǎng)絡模型的輸入層。

    根據(jù)表1中相關參數(shù)的分布特點,采用拉丁超立方抽樣構(gòu)建神經(jīng)網(wǎng)絡訓練集和兩組驗證集。采用模擬退火算法對訓練數(shù)據(jù)集進行重新排列。根據(jù)訓練數(shù)據(jù)的排列順序,取后10組作為測試集,采用遺傳算法對BP神經(jīng)網(wǎng)絡的初始參數(shù)進行優(yōu)化,優(yōu)化過程如圖7所示。

    圖7 優(yōu)化迭代過程Fig. 7 The process of optimized iterative

    分別采用本文提出的方法構(gòu)建的神經(jīng)網(wǎng)絡模型及傳統(tǒng)方法構(gòu)建的BP神經(jīng)網(wǎng)絡模型對第2組測試集中的數(shù)據(jù)進行可靠度計算。分別將兩種模型預測結(jié)果與蒙特卡羅模擬結(jié)果進行對比(圖8、表3)。相比于傳統(tǒng)方法構(gòu)建的神經(jīng)網(wǎng)絡模型,采用本文提出的處理流程獲得的神經(jīng)網(wǎng)絡模型對5×5×5×21種工況下可靠度預測結(jié)果與蒙特卡羅模擬結(jié)果的誤差平方和從之前的0.0023降低到0.000 17。采用本文提出的方法構(gòu)建的模型對測試集可靠度預測結(jié)果無異常點產(chǎn)生,而傳統(tǒng)的方法構(gòu)建的BP神經(jīng)網(wǎng)絡模型異常點多達55個。在計算速度方面,神經(jīng)網(wǎng)絡模型對2625種工況下可靠度的預測時間僅為39.19s,而對相同工況點采用拉丁超立方抽樣方法進行106次蒙特卡羅模擬所需時間長達29 076.026s。

    圖8 兩種方法獲得的神經(jīng)網(wǎng)絡模型可靠度預測結(jié)果對比Fig. 8 The comparison of reliability assessment results obtained by ANN models established by two different methods

    表3 多種工況下兩種模型預測結(jié)果對比Table 3 The comparison of reliability assessment results of two models under various operation conditions

    3.2 神經(jīng)網(wǎng)絡模型應用

    應用本文構(gòu)建的神經(jīng)網(wǎng)絡模型結(jié)合水熱力計算對一段260 km,設計壓力為12 MPa,管徑Φ1219×18.4 mm的管段沿線腐蝕缺陷點的可靠度隨管道運行時間的變化情況進行預測。該管道沿線各腐蝕缺陷參數(shù)如圖9所示。

    圖9 管道沿線缺陷點及相關參數(shù)Fig. 9 Defect points along the pipeline and related parameters

    圖10為神經(jīng)網(wǎng)絡模型計算的管道各缺陷位置30年內(nèi)可靠度的變化趨勢。神經(jīng)網(wǎng)絡模型對于整條管段可靠度的評價時間僅為33.69 s,大幅地提高了管段結(jié)構(gòu)可靠度的評價效率。圖11為該管段薄弱點的結(jié)構(gòu)可靠度隨管道運行年限的變化趨勢。評價結(jié)果表明該管道腐蝕缺陷薄弱環(huán)節(jié)出現(xiàn)在107km處的高腐蝕地區(qū)。

    圖10 管道沿線各缺陷點可靠度隨運行時間變化Fig. 10 The variation of each defect point reliability with operation time

    圖11 管道薄弱環(huán)節(jié)可靠度隨運行時間變化Fig. 11 The variation of pipeline vulnerable point reliability with operation time

    4 總結(jié)

    本文通過對國外天然氣管道事故數(shù)據(jù)庫的調(diào)研分析,認為腐蝕缺陷是影響管道運行安全的關鍵因素??紤]到天然氣管道具有里程數(shù)大、缺陷數(shù)目多、失效率低的特點,逐點進行蒙特卡羅模擬確定對應的可靠度存在計算時間長、效率低的問題。本文利用蒙特卡羅模擬與神經(jīng)網(wǎng)絡模型相結(jié)合的方法構(gòu)建管道物理變量與可靠度之間的非線性關系。針對目前神經(jīng)網(wǎng)絡模型僅具有統(tǒng)計意義的問題,本文采用模擬退火算法與神經(jīng)網(wǎng)絡算法相結(jié)合的處理方法,將腐蝕管道可靠度變化規(guī)律融入到神經(jīng)網(wǎng)絡建模過程中。并建立了從樣本輸入變量的選擇、數(shù)據(jù)生成、數(shù)據(jù)處理、神經(jīng)網(wǎng)絡模型構(gòu)建到模型預測結(jié)果評價一體化建模方法。在樣本輸入樣本的選擇方面,通過Sobol全局敏感性指數(shù)對影響管道結(jié)構(gòu)可靠度的8個變量進行敏感性分析,結(jié)果表明對于規(guī)格及管材確定的管道,運行時間、內(nèi)部壓力、腐蝕速率及初始缺陷深度是影響管道結(jié)構(gòu)可靠性的關鍵因素。在樣本數(shù)據(jù)的生成方面,選用拉丁超立方抽樣方法取代傳統(tǒng)的蒙特卡羅模擬,提高了樣本生成的覆蓋范圍。在樣本數(shù)據(jù)處理方面,應用模擬退火算法與極限學習機算法構(gòu)建與管道可靠性變化規(guī)律相關的代價函數(shù)。減小了樣本排列順序的不確定性對模型預測精度的影響,提高了模型的可解釋性。在神經(jīng)網(wǎng)絡模型的構(gòu)建方面,通過遺傳算法的應用有效地減少了神經(jīng)網(wǎng)絡訓練過程中神經(jīng)網(wǎng)絡模型初始權值和閾值隨機性對模型預測精度的影響。通過驗證集及異常點的引入增強了模型結(jié)果驗證的合理性。

    應用本文提出的神經(jīng)網(wǎng)絡模型對2526種工況下管道可靠度進行預測,預測結(jié)果表明本文提出的方法能夠在較短的時間內(nèi)獲得與蒙特卡羅模擬近似程度較高的結(jié)果。利用該方法建立的模型相比于傳統(tǒng)的神經(jīng)網(wǎng)絡模型,在可靠度變化規(guī)律的反映能力及預測準確性方面具有明顯優(yōu)勢。應用該模型對一段實際管道結(jié)構(gòu)可靠性進行評價,評價結(jié)果表明該方法能夠結(jié)合管道的工藝運行參數(shù)、缺陷幾何尺寸及管道所在地區(qū)地質(zhì)特征,對管道中各腐蝕缺陷可靠度隨運行時間的變化過程進行快速預測,尋找到管道中的薄弱點。預測結(jié)果能夠為管道腐蝕防護、維檢修計劃的制定、結(jié)構(gòu)失效的高發(fā)地帶的初步確定等提供理論指導。

    猜你喜歡
    方法模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權M-估計的漸近分布
    學習方法
    可能是方法不對
    3D打印中的模型分割與打包
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢方法
    午夜激情av网站| 亚洲人成电影观看| 一区二区av电影网| 亚洲欧洲日产国产| 我要看黄色一级片免费的| 狠狠精品人妻久久久久久综合| 男人添女人高潮全过程视频| 叶爱在线成人免费视频播放| 黄色片一级片一级黄色片| 男女高潮啪啪啪动态图| 国产精品一区二区精品视频观看| 国产亚洲精品第一综合不卡| 欧美日韩亚洲综合一区二区三区_| 黄片大片在线免费观看| 中国国产av一级| 超碰成人久久| 免费黄频网站在线观看国产| 黄色 视频免费看| 久久毛片免费看一区二区三区| 精品国产乱码久久久久久男人| 欧美成狂野欧美在线观看| 国产片内射在线| 777久久人妻少妇嫩草av网站| 人人妻,人人澡人人爽秒播| 黄色视频不卡| 欧美人与性动交α欧美精品济南到| 国产亚洲午夜精品一区二区久久| 欧美 亚洲 国产 日韩一| 亚洲伊人色综图| 国产精品九九99| 后天国语完整版免费观看| 国产人伦9x9x在线观看| 性色av一级| av欧美777| 久久99一区二区三区| 爱豆传媒免费全集在线观看| 午夜福利影视在线免费观看| 精品亚洲成国产av| 亚洲九九香蕉| 国产精品免费大片| 国产亚洲av高清不卡| av视频免费观看在线观看| 欧美在线一区亚洲| av天堂久久9| 岛国在线观看网站| 久久天堂一区二区三区四区| 香蕉国产在线看| 国产精品一区二区免费欧美 | 久久天躁狠狠躁夜夜2o2o| 人妻久久中文字幕网| 国产在视频线精品| 天天影视国产精品| 丝袜人妻中文字幕| 久久久久久久久免费视频了| 亚洲专区中文字幕在线| 久久久久精品人妻al黑| 老司机午夜十八禁免费视频| 99国产精品一区二区三区| 国产在线观看jvid| 男女下面插进去视频免费观看| 五月开心婷婷网| 人妻人人澡人人爽人人| 国产精品熟女久久久久浪| a 毛片基地| 国产亚洲av高清不卡| 日韩制服丝袜自拍偷拍| 国产淫语在线视频| 久久av网站| 久久人妻福利社区极品人妻图片| 高清黄色对白视频在线免费看| 国产黄色免费在线视频| 亚洲天堂av无毛| 精品久久久久久电影网| 自拍欧美九色日韩亚洲蝌蚪91| 丰满人妻熟妇乱又伦精品不卡| 黄色毛片三级朝国网站| 一个人免费看片子| 亚洲精华国产精华精| www.熟女人妻精品国产| 久久久久久人人人人人| 91av网站免费观看| 国产激情久久老熟女| 午夜激情av网站| 日韩电影二区| 性高湖久久久久久久久免费观看| 久久人妻福利社区极品人妻图片| 精品免费久久久久久久清纯 | 免费日韩欧美在线观看| 国产无遮挡羞羞视频在线观看| 久久精品国产a三级三级三级| 欧美在线黄色| 99re6热这里在线精品视频| 一个人免费在线观看的高清视频 | 欧美精品av麻豆av| 欧美日韩国产mv在线观看视频| 成年人午夜在线观看视频| 国产视频一区二区在线看| 18禁观看日本| 欧美精品高潮呻吟av久久| 精品视频人人做人人爽| 老熟女久久久| 国产野战对白在线观看| 精品人妻一区二区三区麻豆| 久久精品熟女亚洲av麻豆精品| 国产不卡av网站在线观看| 亚洲七黄色美女视频| 亚洲avbb在线观看| 亚洲精品中文字幕在线视频| 俄罗斯特黄特色一大片| 男女高潮啪啪啪动态图| 久久人人97超碰香蕉20202| 亚洲九九香蕉| 中文字幕最新亚洲高清| 黑人巨大精品欧美一区二区蜜桃| 黄频高清免费视频| 亚洲情色 制服丝袜| 亚洲国产欧美日韩在线播放| 免费观看人在逋| 一级片'在线观看视频| 女性被躁到高潮视频| 一区福利在线观看| 欧美人与性动交α欧美精品济南到| 国产99久久九九免费精品| 欧美+亚洲+日韩+国产| 俄罗斯特黄特色一大片| 搡老乐熟女国产| 亚洲成人免费电影在线观看| 国产男女超爽视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 美女国产高潮福利片在线看| 黄色视频不卡| 可以免费在线观看a视频的电影网站| 91九色精品人成在线观看| 免费av中文字幕在线| 欧美成人午夜精品| av有码第一页| 多毛熟女@视频| 婷婷色av中文字幕| 免费高清在线观看日韩| 亚洲国产欧美在线一区| 国产精品免费视频内射| 久久精品人人爽人人爽视色| 自拍欧美九色日韩亚洲蝌蚪91| 男人爽女人下面视频在线观看| 日韩精品免费视频一区二区三区| 一区二区三区精品91| 色视频在线一区二区三区| 午夜激情av网站| 婷婷色av中文字幕| 欧美另类亚洲清纯唯美| 中文字幕高清在线视频| a级毛片黄视频| 欧美av亚洲av综合av国产av| www.999成人在线观看| 1024视频免费在线观看| 最新在线观看一区二区三区| 精品少妇内射三级| 少妇粗大呻吟视频| 亚洲,欧美精品.| av网站免费在线观看视频| 亚洲国产av新网站| 亚洲国产精品一区三区| 九色亚洲精品在线播放| 国产xxxxx性猛交| 最近中文字幕2019免费版| 亚洲熟女精品中文字幕| 久久久国产成人免费| 久久ye,这里只有精品| 两性午夜刺激爽爽歪歪视频在线观看 | 97在线人人人人妻| 人妻 亚洲 视频| 人人妻人人澡人人爽人人夜夜| 91麻豆精品激情在线观看国产 | 1024香蕉在线观看| 俄罗斯特黄特色一大片| 91国产中文字幕| 黑人猛操日本美女一级片| 99国产精品一区二区三区| 乱人伦中国视频| 大香蕉久久网| 波多野结衣一区麻豆| 制服人妻中文乱码| 9热在线视频观看99| 精品一区二区三卡| 99re6热这里在线精品视频| 亚洲黑人精品在线| 亚洲精品乱久久久久久| 国产1区2区3区精品| 妹子高潮喷水视频| 亚洲视频免费观看视频| 亚洲黑人精品在线| 欧美日韩亚洲国产一区二区在线观看 | 侵犯人妻中文字幕一二三四区| 亚洲av成人不卡在线观看播放网 | 国产精品一区二区免费欧美 | 人成视频在线观看免费观看| 精品久久蜜臀av无| 天天躁日日躁夜夜躁夜夜| 狠狠精品人妻久久久久久综合| 国产一卡二卡三卡精品| 欧美精品人与动牲交sv欧美| 免费不卡黄色视频| 丝袜美足系列| 丝瓜视频免费看黄片| 深夜精品福利| 中亚洲国语对白在线视频| 大片电影免费在线观看免费| 脱女人内裤的视频| 婷婷成人精品国产| 免费在线观看完整版高清| 啪啪无遮挡十八禁网站| av网站在线播放免费| 欧美 亚洲 国产 日韩一| 涩涩av久久男人的天堂| 成年人免费黄色播放视频| 日本av免费视频播放| 精品第一国产精品| 午夜两性在线视频| 日韩电影二区| 亚洲性夜色夜夜综合| 中文字幕人妻熟女乱码| 看免费av毛片| 亚洲精品在线美女| 亚洲国产精品999| 亚洲国产欧美一区二区综合| 大片电影免费在线观看免费| 一区二区三区乱码不卡18| 狠狠精品人妻久久久久久综合| 免费在线观看完整版高清| 国产精品偷伦视频观看了| 日本猛色少妇xxxxx猛交久久| 我要看黄色一级片免费的| 人人妻,人人澡人人爽秒播| 国产精品.久久久| 国产色视频综合| xxxhd国产人妻xxx| 超碰97精品在线观看| 美女中出高潮动态图| 国产成人精品久久二区二区91| 日韩大片免费观看网站| netflix在线观看网站| 97在线人人人人妻| 女人久久www免费人成看片| 不卡一级毛片| 久久中文看片网| 国产色视频综合| 亚洲 欧美一区二区三区| 成人av一区二区三区在线看 | 久久久久精品国产欧美久久久 | 蜜桃在线观看..| 亚洲精华国产精华精| 男女国产视频网站| 9热在线视频观看99| 宅男免费午夜| 免费观看a级毛片全部| 色视频在线一区二区三区| 啦啦啦啦在线视频资源| 国产一区二区三区综合在线观看| 在线观看免费日韩欧美大片| 欧美大码av| 国产一级毛片在线| 中文字幕人妻丝袜一区二区| 男人操女人黄网站| 丁香六月欧美| 99国产极品粉嫩在线观看| 丝袜美腿诱惑在线| 国产成人欧美在线观看 | 天天操日日干夜夜撸| 色婷婷av一区二区三区视频| 亚洲自偷自拍图片 自拍| 青春草视频在线免费观看| 一级片免费观看大全| 精品一区二区三区av网在线观看 | 男女国产视频网站| 亚洲五月色婷婷综合| 亚洲成av片中文字幕在线观看| 久久久国产成人免费| 欧美日韩国产mv在线观看视频| 亚洲少妇的诱惑av| 免费高清在线观看日韩| 少妇的丰满在线观看| 欧美日韩av久久| 1024香蕉在线观看| av福利片在线| 一本久久精品| 久久国产精品男人的天堂亚洲| 亚洲七黄色美女视频| 久久影院123| 久热爱精品视频在线9| 99国产精品免费福利视频| 一进一出抽搐动态| 午夜91福利影院| 一个人免费看片子| 亚洲国产精品一区二区三区在线| 777米奇影视久久| 国产精品久久久久久精品电影小说| 人妻 亚洲 视频| 欧美亚洲 丝袜 人妻 在线| 久久久久久久久免费视频了| 美女视频免费永久观看网站| 日韩三级视频一区二区三区| 99久久精品国产亚洲精品| 女性被躁到高潮视频| 国产91精品成人一区二区三区 | 日本一区二区免费在线视频| 日韩免费高清中文字幕av| 亚洲第一av免费看| 亚洲精品久久久久久婷婷小说| 久久国产精品人妻蜜桃| av线在线观看网站| 亚洲av电影在线进入| 自拍欧美九色日韩亚洲蝌蚪91| 丝袜脚勾引网站| 蜜桃在线观看..| 99久久国产精品久久久| 欧美人与性动交α欧美软件| 日韩欧美一区二区三区在线观看 | a 毛片基地| 十八禁网站网址无遮挡| 亚洲国产av影院在线观看| 国产老妇伦熟女老妇高清| 人妻 亚洲 视频| 国产成人影院久久av| av在线播放精品| 天天影视国产精品| 日本av免费视频播放| 一区二区三区乱码不卡18| 巨乳人妻的诱惑在线观看| 国产成人影院久久av| 91字幕亚洲| 1024香蕉在线观看| 国产精品秋霞免费鲁丝片| 91九色精品人成在线观看| 国产精品久久久人人做人人爽| 如日韩欧美国产精品一区二区三区| 久久 成人 亚洲| 欧美97在线视频| 亚洲人成电影观看| 国产成人免费无遮挡视频| 黄色 视频免费看| 日韩欧美免费精品| 正在播放国产对白刺激| 亚洲全国av大片| 国产成人精品无人区| 两个人看的免费小视频| 涩涩av久久男人的天堂| 亚洲黑人精品在线| 国产1区2区3区精品| 两个人免费观看高清视频| 美女主播在线视频| 91精品伊人久久大香线蕉| 少妇精品久久久久久久| 最近最新免费中文字幕在线| av在线播放精品| 日本91视频免费播放| 电影成人av| 欧美精品av麻豆av| 十八禁高潮呻吟视频| 18在线观看网站| 大片免费播放器 马上看| 亚洲欧美色中文字幕在线| 亚洲美女黄色视频免费看| 亚洲精品国产av成人精品| 国产主播在线观看一区二区| 亚洲人成电影免费在线| 亚洲一区中文字幕在线| 国产一区二区三区综合在线观看| 亚洲av男天堂| 日韩 亚洲 欧美在线| 亚洲人成77777在线视频| 黑人欧美特级aaaaaa片| 涩涩av久久男人的天堂| 国产成人精品久久二区二区91| 久久精品国产a三级三级三级| 男女之事视频高清在线观看| 亚洲情色 制服丝袜| 国产精品麻豆人妻色哟哟久久| 最近最新免费中文字幕在线| 99久久综合免费| 国产91精品成人一区二区三区 | 亚洲免费av在线视频| 热re99久久精品国产66热6| 美女脱内裤让男人舔精品视频| 男女高潮啪啪啪动态图| 无遮挡黄片免费观看| 久9热在线精品视频| 国产精品99久久99久久久不卡| 大香蕉久久网| 免费av中文字幕在线| 极品少妇高潮喷水抽搐| 在线观看免费日韩欧美大片| 国产成人欧美| 99精品久久久久人妻精品| 国产欧美日韩一区二区三区在线| 欧美日韩福利视频一区二区| 欧美日韩黄片免| 午夜福利在线观看吧| 91精品伊人久久大香线蕉| 亚洲少妇的诱惑av| 亚洲激情五月婷婷啪啪| av电影中文网址| 捣出白浆h1v1| av一本久久久久| 男人舔女人的私密视频| 久久免费观看电影| 一本久久精品| 欧美激情 高清一区二区三区| 色婷婷av一区二区三区视频| 久久久精品区二区三区| 亚洲精品中文字幕一二三四区 | 日日爽夜夜爽网站| 亚洲视频免费观看视频| 成人三级做爰电影| 新久久久久国产一级毛片| 桃红色精品国产亚洲av| 在线 av 中文字幕| 岛国毛片在线播放| 久久国产亚洲av麻豆专区| 亚洲人成77777在线视频| av电影中文网址| 亚洲七黄色美女视频| 午夜激情av网站| 亚洲人成电影观看| 久久久久久久国产电影| 国产成人av教育| 精品亚洲成国产av| 亚洲精品国产一区二区精华液| 国产淫语在线视频| 男女国产视频网站| 一本一本久久a久久精品综合妖精| 久久热在线av| 国产免费现黄频在线看| 老司机亚洲免费影院| 亚洲av欧美aⅴ国产| 欧美性长视频在线观看| 国产av精品麻豆| 国精品久久久久久国模美| 一个人免费看片子| 久久这里只有精品19| 国产精品一二三区在线看| cao死你这个sao货| 一本久久精品| 啦啦啦 在线观看视频| 久久国产精品人妻蜜桃| 久热这里只有精品99| 成人黄色视频免费在线看| 久久精品亚洲熟妇少妇任你| 国产精品.久久久| 亚洲精品国产色婷婷电影| 国产在线观看jvid| 日本wwww免费看| 欧美成人午夜精品| 天天操日日干夜夜撸| 不卡av一区二区三区| 一个人免费在线观看的高清视频 | 九色亚洲精品在线播放| 免费女性裸体啪啪无遮挡网站| 啦啦啦中文免费视频观看日本| 久久亚洲精品不卡| 日韩中文字幕视频在线看片| 精品亚洲乱码少妇综合久久| 91国产中文字幕| 亚洲专区国产一区二区| 国产av国产精品国产| 美女中出高潮动态图| 桃花免费在线播放| 天天躁夜夜躁狠狠躁躁| 国产熟女午夜一区二区三区| 久久久精品区二区三区| 亚洲精品日韩在线中文字幕| 美国免费a级毛片| 国产精品.久久久| 国产日韩一区二区三区精品不卡| 久久国产精品男人的天堂亚洲| 国产精品秋霞免费鲁丝片| 动漫黄色视频在线观看| 久久精品成人免费网站| 亚洲午夜精品一区,二区,三区| 久久久国产精品麻豆| 精品国内亚洲2022精品成人 | 久久久国产成人免费| 国产精品自产拍在线观看55亚洲 | 亚洲成人国产一区在线观看| 国产成人啪精品午夜网站| 国产日韩欧美在线精品| 一区二区av电影网| 蜜桃国产av成人99| 香蕉国产在线看| 国产视频一区二区在线看| 中亚洲国语对白在线视频| 老熟妇乱子伦视频在线观看 | 性少妇av在线| 国产深夜福利视频在线观看| 一进一出抽搐动态| 成人av一区二区三区在线看 | 日韩一区二区三区影片| 大陆偷拍与自拍| 窝窝影院91人妻| 久久久水蜜桃国产精品网| xxxhd国产人妻xxx| 91精品三级在线观看| 久久久久久久久免费视频了| 亚洲成人国产一区在线观看| 成人影院久久| 午夜福利乱码中文字幕| 大片电影免费在线观看免费| 新久久久久国产一级毛片| 国产极品粉嫩免费观看在线| 国产高清视频在线播放一区 | 侵犯人妻中文字幕一二三四区| 中文字幕另类日韩欧美亚洲嫩草| 美女福利国产在线| 亚洲av日韩精品久久久久久密| 国产成人av激情在线播放| 欧美变态另类bdsm刘玥| 亚洲国产中文字幕在线视频| av欧美777| 午夜成年电影在线免费观看| 日韩欧美一区视频在线观看| 夫妻午夜视频| 男女无遮挡免费网站观看| av又黄又爽大尺度在线免费看| 日韩欧美国产一区二区入口| 亚洲国产av影院在线观看| 国产在线一区二区三区精| 国产av又大| 婷婷色av中文字幕| 免费高清在线观看视频在线观看| 黄色视频在线播放观看不卡| 满18在线观看网站| 岛国在线观看网站| 国产精品久久久久久人妻精品电影 | 一区二区av电影网| 久久久久久久国产电影| 亚洲一卡2卡3卡4卡5卡精品中文| 激情视频va一区二区三区| 亚洲美女黄色视频免费看| 999精品在线视频| 别揉我奶头~嗯~啊~动态视频 | 国产精品 国内视频| 丝袜脚勾引网站| 久久99一区二区三区| 老熟妇乱子伦视频在线观看 | 亚洲国产中文字幕在线视频| 人妻 亚洲 视频| 国产精品欧美亚洲77777| 国产免费av片在线观看野外av| 自拍欧美九色日韩亚洲蝌蚪91| 午夜免费成人在线视频| 日韩大片免费观看网站| av天堂在线播放| e午夜精品久久久久久久| 国产成人系列免费观看| 午夜激情久久久久久久| 巨乳人妻的诱惑在线观看| 亚洲国产中文字幕在线视频| 他把我摸到了高潮在线观看 | 精品久久蜜臀av无| 国产亚洲av片在线观看秒播厂| 日本wwww免费看| 99久久人妻综合| 日韩一卡2卡3卡4卡2021年| av在线老鸭窝| 午夜激情久久久久久久| 精品视频人人做人人爽| 午夜久久久在线观看| av有码第一页| 一级黄色大片毛片| 成人国产av品久久久| 国产男女超爽视频在线观看| av免费在线观看网站| 亚洲国产av影院在线观看| 欧美老熟妇乱子伦牲交| 咕卡用的链子| 国产av又大| avwww免费| 亚洲中文日韩欧美视频| 免费人妻精品一区二区三区视频| 十八禁高潮呻吟视频| 久久久久久久久免费视频了| 最近最新中文字幕大全免费视频| 999精品在线视频| 熟女少妇亚洲综合色aaa.| 色94色欧美一区二区| 亚洲熟女毛片儿| av又黄又爽大尺度在线免费看| 人人妻人人爽人人添夜夜欢视频| 高清欧美精品videossex| 久久性视频一级片| 美女中出高潮动态图| 大片免费播放器 马上看| 1024视频免费在线观看| 午夜福利视频在线观看免费| av国产精品久久久久影院| 99国产精品一区二区蜜桃av | 国产精品一区二区精品视频观看| 18禁黄网站禁片午夜丰满| 国产精品国产av在线观看| 热re99久久国产66热| 国产精品成人在线| 亚洲欧美色中文字幕在线| 真人做人爱边吃奶动态| 嫁个100分男人电影在线观看| 涩涩av久久男人的天堂| avwww免费| 美女福利国产在线| 超色免费av| 精品国产一区二区三区四区第35| 日本av手机在线免费观看| 国产成人精品无人区| 午夜免费成人在线视频| 色视频在线一区二区三区| 亚洲一码二码三码区别大吗| 欧美+亚洲+日韩+国产| 久久综合国产亚洲精品|