• <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(xué)通報 2019年3期
    關(guān)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(fù)雜,管道相關(guān)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(guān)系進行線性化處理。C. Gong[10]在此基礎(chǔ)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(guān)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(guān)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(guān)輸出參數(shù)之間的非線性函數(shù)關(guān)系是提高可靠性評價效率及預(yù)測精度的關(guān)鍵。

    近年來人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)算法被廣泛應(yīng)用于影響管道可靠性的相關(guān)參數(shù)非線性關(guān)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(yīng)用神經(jīng)網(wǎng)絡(luò)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(xùn)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(luò)模型。文獻[13-14]結(jié)合實驗數(shù)據(jù),采用神經(jīng)網(wǎng)絡(luò)算法分別對管道裂紋擴展速率、極限抗拉強度與相關(guān)影響變量之間的非線性關(guān)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(luò)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(shè)計可靠度,訓(xùn)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(luò)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(luò)訓(xùn)練樣本,并將該方法應(yīng)用于核電水熱力系統(tǒng)的功能失效分析中。應(yīng)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(luò)模型預(yù)測精度,Giovanis D G[18]采用拉丁超立方抽樣方法擴展訓(xùn)練樣本的覆蓋范圍。LIU[19]采用遺傳算法對神經(jīng)網(wǎng)絡(luò)的權(quán)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(xué)習(xí)等方法對訓(xùn)練樣本輸入層數(shù)據(jù)進行處理。應(yīng)用上述方法在一定程度上能夠提高模型的預(yù)測精度。然而,模型訓(xùn)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(luò)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(luò)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(luò)建模過程中樣本空間的覆蓋性及網(wǎng)絡(luò)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(luò)建模流程,并對流程中涉及的關(guān)鍵環(huán)節(jié)進行了詳細介紹。結(jié)合管道基礎(chǔ)運行數(shù)據(jù)、管材性能數(shù)據(jù),應(yīng)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(luò)模型。在多種工況下對該模型可靠度預(yù)測結(jié)果與及傳統(tǒng)神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)模型建模原理與一次二階矩、響應(yīng)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(guān)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(guān)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(yīng)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(yīng)力極限狀態(tài)方程作為腐蝕缺陷狀態(tài)的判別關(guān)系式,具體表達式如下:

    其中:ra為管道失效時的環(huán)向應(yīng)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(luò)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(luò)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(xùn)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(guān)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(quán)向量;θ為閥值;f(?)為激活函數(shù)。

    1.2 神經(jīng)網(wǎng)絡(luò)模型整體建模流程

    輸入層、輸出層及訓(xùn)練樣本是神經(jīng)網(wǎng)絡(luò)模型的關(guān)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(luò)模型存的3個問題:(1)以隨機生成的方法產(chǎn)生的訓(xùn)練樣本空間覆蓋性不足;(2)神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)對模型預(yù)測效果有較大影響;(3)腐蝕缺陷可靠性衰減規(guī)律無法應(yīng)用到神經(jīng)網(wǎng)絡(luò)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(luò)參數(shù)優(yōu)化3個方面對神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)模型各部分構(gòu)建方法

    2.1 樣本集構(gòu)建

    神經(jīng)網(wǎng)絡(luò)模型中輸入層的參數(shù)數(shù)目直接影響模型的復(fù)雜程度進而影響可靠度的預(yù)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(luò)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(luò)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(yīng)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(xùn)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(luò)訓(xùn)練過程中存在多種不確定性因素影響模型預(yù)測結(jié)果,其中訓(xùn)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(luò)訓(xùn)練過程中往往按照一定比例隨機劃分訓(xùn)練集及測試集并對訓(xùn)練樣本進行隨機排序帶入模型進行訓(xùn)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(xùn)練樣本獲得的神經(jīng)網(wǎng)絡(luò)模型對測試集樣本的預(yù)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(luò)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(xùn)練樣本排列下獲得的ANN模型對測試集的預(yù)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(luò)可靠度預(yù)測值。

    然而,通過決定系數(shù)對模型的預(yù)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(luò)模型對不考慮維修影響的管道可靠度預(yù)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(luò)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(yù)測點為異常點。以驗證集中神經(jīng)網(wǎng)絡(luò)模型預(yù)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(xùn)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(luò)模型對管道可靠度預(yù)測結(jié)果Fig. 4 Pipeline reliability assessment results based on different BP neural network models

    對于訓(xùn)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(yīng)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(guān)鍵要素。本文將訓(xùn)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(xùn)練集應(yīng)用神經(jīng)網(wǎng)絡(luò)算法進行訓(xùn)練,應(yīng)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對測試集1的可靠度進行預(yù)測。將神經(jīng)網(wǎng)絡(luò)模型預(yù)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(xùn)練獲得新的神經(jīng)網(wǎng)絡(luò)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(yīng)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(xùn)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(xué)習(xí)機算法的訓(xùn)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(yīng)用極限學(xué)習(xí)機作為優(yōu)化過程神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。該算法不同于BP這種前饋型神經(jīng)網(wǎng)絡(luò),極限學(xué)習(xí)機輸入節(jié)點與隱含層之間的連接權(quán)值隨機產(chǎn)生,且在訓(xùn)練過程中不再進行調(diào)整,隱含層與輸入層之間的連接權(quán)值由式(10)~(13)計算獲得。文獻[28]表明極限學(xué)習(xí)機算法能夠在較短時間內(nèi)快速訓(xùn)練并產(chǎn)生與BP相近似的訓(xùn)練效果。因此本文在訓(xùn)練過程中采用該方法作為優(yōu)化過程的神經(jīng)網(wǎng)絡(luò)算法。

    其中:β為隱含層與輸出層之間的連接權(quán)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(xùn)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(quán)值;bi為第i個隱含層的偏差。

    2.3 模型訓(xùn)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(yīng)選用有監(jiān)督學(xué)習(xí)功能的網(wǎng)絡(luò)進行訓(xùn)練。文獻[29]對比了不同類型神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準確度,指出 BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測效果最佳,因此本文采用 BP神經(jīng)網(wǎng)絡(luò)作為模型的主要訓(xùn)練方法。訓(xùn)練樣本按照模擬退火算法優(yōu)化順序帶入神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。在每次訓(xùn)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(yīng)著一個作用函數(shù)和閥值。設(shè)定可靠度的預(yù)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(shè)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(quán)值,使輸出層的誤差達到設(shè)定要求。

    在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,初始權(quán)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(luò)模型的初始權(quán)值和閾值進行優(yōu)選。首先通過對神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)模型中。輸入樣本訓(xùn)練模型,將測試集樣本帶入訓(xùn)練后的模型進行可靠度預(yù)測。以可靠度預(yù)測結(jié)果與蒙特卡羅模擬結(jié)果的誤差平方和為適應(yīng)度函數(shù)(式(14)~(15))。根據(jù)種群的適應(yīng)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(fù)應(yīng)用突變、交叉、反演和選擇算子,獲得神經(jīng)網(wǎng)絡(luò)的最佳權(quán)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(yù)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(yīng)度函數(shù)。

    在神經(jīng)網(wǎng)絡(luò)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(yù)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(luò)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(shè)計壓力12 MPa,管道外徑1219 mm,壁厚18.4 mm,相關(guān)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(guān)參數(shù)分布規(guī)律Table 1 The distribution model of pipeline parameters

    表2 管道相關(guān)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(luò)模型的輸入層。

    根據(jù)表1中相關(guān)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(luò)訓(xùn)練集和兩組驗證集。采用模擬退火算法對訓(xùn)練數(shù)據(jù)集進行重新排列。根據(jù)訓(xùn)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(luò)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(luò)模型及傳統(tǒng)方法構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)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(yù)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(luò)模型,采用本文提出的處理流程獲得的神經(jīng)網(wǎng)絡(luò)模型對5×5×5×21種工況下可靠度預(yù)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(yù)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(luò)模型異常點多達55個。在計算速度方面,神經(jīng)網(wǎng)絡(luò)模型對2625種工況下可靠度的預(yù)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(luò)模型可靠度預(yù)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(yù)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(luò)模型應(yīng)用

    應(yīng)用本文構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型結(jié)合水熱力計算對一段260 km,設(shè)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(yù)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(guān)參數(shù)Fig. 9 Defect points along the pipeline and related parameters

    圖10為神經(jīng)網(wǎng)絡(luò)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(luò)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(guān)鍵因素。考慮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(yīng)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(luò)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(guān)系。針對目前神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)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(luò)模型構(gòu)建到模型預(yù)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(guān)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(yīng)用模擬退火算法與極限學(xué)習(xí)機算法構(gòu)建與管道可靠性變化規(guī)律相關(guān)的代價函數(shù)。減小了樣本排列順序的不確定性對模型預(yù)測精度的影響,提高了模型的可解釋性。在神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方面,通過遺傳算法的應(yīng)用有效地減少了神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中神經(jīng)網(wǎng)絡(luò)模型初始權(quán)值和閾值隨機性對模型預(yù)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(yīng)用本文提出的神經(jīng)網(wǎng)絡(luò)模型對2526種工況下管道可靠度進行預(yù)測,預(yù)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(luò)模型,在可靠度變化規(guī)律的反映能力及預(yù)測準確性方面具有明顯優(yōu)勢。應(yīng)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(yù)測,尋找到管道中的薄弱點。預(yù)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(dǎo)。

    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(quán)M-估計的漸近分布
    學(xué)習(xí)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
    亚洲国产中文字幕在线视频| 久久精品91蜜桃| 亚洲黑人精品在线| 1000部很黄的大片| 99久久精品国产亚洲精品| 国产一区二区在线av高清观看| 亚洲av美国av| 成人三级黄色视频| 99国产极品粉嫩在线观看| 不卡一级毛片| 欧美日韩精品网址| 熟妇人妻久久中文字幕3abv| 中文字幕久久专区| 欧洲精品卡2卡3卡4卡5卡区| 精品一区二区三区四区五区乱码| 欧美zozozo另类| 一二三四社区在线视频社区8| 精品国产三级普通话版| 999久久久国产精品视频| 亚洲电影在线观看av| 欧美不卡视频在线免费观看| 啦啦啦韩国在线观看视频| 国产人伦9x9x在线观看| 色尼玛亚洲综合影院| 欧美日韩亚洲国产一区二区在线观看| 精品熟女少妇八av免费久了| 99久久无色码亚洲精品果冻| 欧美日韩乱码在线| a级毛片a级免费在线| 久久精品国产清高在天天线| 国产一区在线观看成人免费| av中文乱码字幕在线| 两个人的视频大全免费| 欧美精品啪啪一区二区三区| 国产精品亚洲美女久久久| 韩国av一区二区三区四区| 免费一级毛片在线播放高清视频| 欧洲精品卡2卡3卡4卡5卡区| 人妻久久中文字幕网| av黄色大香蕉| 午夜激情欧美在线| 最近最新中文字幕大全免费视频| 伊人久久大香线蕉亚洲五| 日韩大尺度精品在线看网址| 免费观看的影片在线观看| 日本 av在线| 欧美绝顶高潮抽搐喷水| x7x7x7水蜜桃| 国产精品九九99| 日本黄大片高清| 高潮久久久久久久久久久不卡| 亚洲av第一区精品v没综合| 日韩成人在线观看一区二区三区| 无限看片的www在线观看| 欧美丝袜亚洲另类 | 两个人视频免费观看高清| 午夜视频精品福利| 免费在线观看日本一区| 精品一区二区三区视频在线 | 99热只有精品国产| 久久中文看片网| 18禁国产床啪视频网站| 十八禁网站免费在线| 男女床上黄色一级片免费看| 国产精品免费一区二区三区在线| 欧美午夜高清在线| 国产精品香港三级国产av潘金莲| 国产一区在线观看成人免费| 美女大奶头视频| 亚洲自拍偷在线| 亚洲乱码一区二区免费版| av天堂在线播放| 色哟哟哟哟哟哟| 三级国产精品欧美在线观看 | 嫩草影院入口| 中国美女看黄片| 亚洲黑人精品在线| 日本a在线网址| 噜噜噜噜噜久久久久久91| 女生性感内裤真人,穿戴方法视频| 免费高清视频大片| 中文字幕人妻丝袜一区二区| 97人妻精品一区二区三区麻豆| 国产爱豆传媒在线观看| 色哟哟哟哟哟哟| 亚洲成人免费电影在线观看| 一二三四在线观看免费中文在| 欧美日韩瑟瑟在线播放| 亚洲专区国产一区二区| 一区二区三区国产精品乱码| 久久久久久久久中文| 可以在线观看毛片的网站| 国内精品久久久久精免费| 欧美色欧美亚洲另类二区| 在线观看日韩欧美| 一级作爱视频免费观看| 两性夫妻黄色片| 成年人黄色毛片网站| 毛片女人毛片| 叶爱在线成人免费视频播放| 午夜福利免费观看在线| 制服丝袜大香蕉在线| 视频区欧美日本亚洲| 亚洲av日韩精品久久久久久密| 精品久久久久久久毛片微露脸| 十八禁网站免费在线| 女生性感内裤真人,穿戴方法视频| 日本精品一区二区三区蜜桃| 久久中文看片网| 亚洲av成人av| 90打野战视频偷拍视频| 国产真人三级小视频在线观看| 熟妇人妻久久中文字幕3abv| 在线免费观看不下载黄p国产 | aaaaa片日本免费| 视频区欧美日本亚洲| 成人国产一区最新在线观看| 国产成人精品久久二区二区免费| 欧美日韩一级在线毛片| 国产精品女同一区二区软件 | 性欧美人与动物交配| 少妇的丰满在线观看| 丰满人妻熟妇乱又伦精品不卡| 中出人妻视频一区二区| 国产精品久久电影中文字幕| 久久热在线av| 久久午夜综合久久蜜桃| 中文字幕av在线有码专区| 激情在线观看视频在线高清| 黑人巨大精品欧美一区二区mp4| 好男人电影高清在线观看| 日韩精品青青久久久久久| 搡老岳熟女国产| 丰满人妻一区二区三区视频av | 人妻夜夜爽99麻豆av| 国产av在哪里看| 国产免费av片在线观看野外av| 嫩草影院精品99| 亚洲五月天丁香| 一边摸一边抽搐一进一小说| 99在线视频只有这里精品首页| 又爽又黄无遮挡网站| 中文在线观看免费www的网站| 亚洲av中文字字幕乱码综合| 日韩精品中文字幕看吧| 两个人的视频大全免费| 国产一区在线观看成人免费| 色吧在线观看| 露出奶头的视频| 国产精品久久视频播放| 国产成人av教育| 国产激情久久老熟女| 淫妇啪啪啪对白视频| 国产亚洲精品av在线| 手机成人av网站| 999久久久精品免费观看国产| 美女大奶头视频| 波多野结衣高清作品| 欧美性猛交╳xxx乱大交人| 久久久国产精品麻豆| 黄片大片在线免费观看| 99热6这里只有精品| 国产久久久一区二区三区| 一级毛片精品| 国产毛片a区久久久久| 午夜福利高清视频| 亚洲国产精品999在线| 精品国产美女av久久久久小说| 国产精品日韩av在线免费观看| 丝袜人妻中文字幕| 成人av在线播放网站| 天天躁日日操中文字幕| 亚洲最大成人中文| 久久精品人妻少妇| 麻豆成人av在线观看| 在线免费观看不下载黄p国产 | 亚洲av日韩精品久久久久久密| 国产一区二区在线av高清观看| 亚洲黑人精品在线| 亚洲人成伊人成综合网2020| 亚洲第一电影网av| 高潮久久久久久久久久久不卡| 久久久久久久久中文| 成人高潮视频无遮挡免费网站| 亚洲中文字幕一区二区三区有码在线看 | 国产久久久一区二区三区| 一级毛片高清免费大全| 国产乱人伦免费视频| 久久精品人妻少妇| 色吧在线观看| 精品免费久久久久久久清纯| 成人无遮挡网站| 成人鲁丝片一二三区免费| 久久人妻av系列| 久久精品亚洲精品国产色婷小说| 亚洲一区二区三区色噜噜| 在线视频色国产色| 变态另类丝袜制服| 天天躁日日操中文字幕| 少妇的丰满在线观看| 国产激情偷乱视频一区二区| 精品不卡国产一区二区三区| 美女免费视频网站| 久久香蕉国产精品| 久久性视频一级片| 久久草成人影院| 国内精品久久久久精免费| 亚洲va日本ⅴa欧美va伊人久久| 欧美+亚洲+日韩+国产| 国产精品av视频在线免费观看| 嫩草影院精品99| 麻豆成人午夜福利视频| 国产精品 欧美亚洲| 特级一级黄色大片| 大型黄色视频在线免费观看| 国产免费av片在线观看野外av| 国产成人精品无人区| 在线免费观看不下载黄p国产 | 天堂av国产一区二区熟女人妻| 日本成人三级电影网站| 欧美av亚洲av综合av国产av| 亚洲无线在线观看| tocl精华| 欧美成人免费av一区二区三区| 精品国内亚洲2022精品成人| 欧美乱码精品一区二区三区| 悠悠久久av| 久久99热这里只有精品18| 俄罗斯特黄特色一大片| 真人一进一出gif抽搐免费| 亚洲国产精品久久男人天堂| 亚洲最大成人中文| 欧美av亚洲av综合av国产av| 舔av片在线| 操出白浆在线播放| 最近最新中文字幕大全电影3| 色老头精品视频在线观看| 12—13女人毛片做爰片一| 精华霜和精华液先用哪个| 亚洲av成人av| 亚洲欧美日韩高清专用| 国产综合懂色| 国产精品一区二区精品视频观看| 成人三级黄色视频| a级毛片a级免费在线| 欧美乱妇无乱码| 精品99又大又爽又粗少妇毛片 | 中文字幕高清在线视频| 一本综合久久免费| 日韩中文字幕欧美一区二区| www日本黄色视频网| 欧美日韩乱码在线| 国产日本99.免费观看| 欧美高清成人免费视频www| 我的老师免费观看完整版| 国产精品久久久人人做人人爽| 一个人免费在线观看电影 | 亚洲精品在线美女| 亚洲激情在线av| 亚洲精品中文字幕一二三四区| 久久久国产成人精品二区| 韩国av一区二区三区四区| 久久欧美精品欧美久久欧美| 久久久水蜜桃国产精品网| 欧美日韩乱码在线| 久99久视频精品免费| 国产精品 欧美亚洲| 变态另类成人亚洲欧美熟女| 久久精品夜夜夜夜夜久久蜜豆| 国产黄色小视频在线观看| 又爽又黄无遮挡网站| 99久久99久久久精品蜜桃| 精品国产亚洲在线| avwww免费| 免费人成视频x8x8入口观看| 精品一区二区三区四区五区乱码| 最新美女视频免费是黄的| 女同久久另类99精品国产91| 久久这里只有精品中国| 狠狠狠狠99中文字幕| 欧美日韩福利视频一区二区| 亚洲人成网站高清观看| 精品国产超薄肉色丝袜足j| 久久天堂一区二区三区四区| 天堂√8在线中文| 欧美一区二区国产精品久久精品| 两性夫妻黄色片| 观看免费一级毛片| 亚洲专区国产一区二区| 男女做爰动态图高潮gif福利片| 啪啪无遮挡十八禁网站| 久久久久性生活片| 久久久久免费精品人妻一区二区| 久久欧美精品欧美久久欧美| 久久久久久久午夜电影| 男女视频在线观看网站免费| 国产激情久久老熟女| 手机成人av网站| 九九久久精品国产亚洲av麻豆 | 国产日本99.免费观看| 黑人操中国人逼视频| 午夜免费成人在线视频| 欧美性猛交黑人性爽| 成人性生交大片免费视频hd| 国产精品一区二区免费欧美| 一区二区三区激情视频| 美女高潮喷水抽搐中文字幕| 十八禁人妻一区二区| 免费观看精品视频网站| 亚洲熟女毛片儿| 久久婷婷人人爽人人干人人爱| cao死你这个sao货| svipshipincom国产片| 国产精品一区二区精品视频观看| 欧美午夜高清在线| 国产亚洲精品久久久com| 欧美最黄视频在线播放免费| 91字幕亚洲| 黄色视频,在线免费观看| 欧美黄色淫秽网站| 黄色日韩在线| 日韩 欧美 亚洲 中文字幕| 51午夜福利影视在线观看| 午夜福利成人在线免费观看| 亚洲国产精品合色在线| 国产又色又爽无遮挡免费看| 成人午夜高清在线视频| 日本三级黄在线观看| 黑人巨大精品欧美一区二区mp4| 香蕉av资源在线| 久久久久国内视频| 亚洲av成人精品一区久久| 身体一侧抽搐| 色综合站精品国产| x7x7x7水蜜桃| 在线十欧美十亚洲十日本专区| 亚洲片人在线观看| 日本a在线网址| 欧洲精品卡2卡3卡4卡5卡区| 小说图片视频综合网站| 18禁国产床啪视频网站| 禁无遮挡网站| 国产精品一区二区免费欧美| 亚洲精品在线观看二区| 最近视频中文字幕2019在线8| 老司机午夜福利在线观看视频| 黄色日韩在线| 国产91精品成人一区二区三区| 久9热在线精品视频| 麻豆一二三区av精品| 免费在线观看影片大全网站| 一进一出好大好爽视频| 嫩草影院入口| 国产在线精品亚洲第一网站| 午夜福利高清视频| 制服丝袜大香蕉在线| 国产精品永久免费网站| 黄色日韩在线| 亚洲av免费在线观看| 久99久视频精品免费| 熟妇人妻久久中文字幕3abv| 国产精品香港三级国产av潘金莲| 性色avwww在线观看| 中文字幕久久专区| 免费看a级黄色片| 欧美成人性av电影在线观看| 午夜久久久久精精品| 身体一侧抽搐| 国产精品精品国产色婷婷| 免费在线观看亚洲国产| 在线观看舔阴道视频| 日韩 欧美 亚洲 中文字幕| 成人无遮挡网站| 淫妇啪啪啪对白视频| 日韩欧美国产一区二区入口| 搡老妇女老女人老熟妇| 久久久久精品国产欧美久久久| 中文亚洲av片在线观看爽| 亚洲熟妇熟女久久| 午夜激情欧美在线| 国产精品国产高清国产av| 少妇丰满av| 99久久无色码亚洲精品果冻| 日日夜夜操网爽| 精品久久久久久,| 日本 欧美在线| 免费在线观看日本一区| av中文乱码字幕在线| 色精品久久人妻99蜜桃| 午夜精品一区二区三区免费看| www.自偷自拍.com| 性色av乱码一区二区三区2| 伦理电影免费视频| 国产精品综合久久久久久久免费| 久久婷婷人人爽人人干人人爱| 国产成人aa在线观看| 不卡av一区二区三区| 久久天堂一区二区三区四区| 香蕉国产在线看| 两性午夜刺激爽爽歪歪视频在线观看| 一区福利在线观看| 日韩有码中文字幕| 手机成人av网站| 国产精品日韩av在线免费观看| 成人亚洲精品av一区二区| 身体一侧抽搐| 久久中文字幕人妻熟女| 午夜成年电影在线免费观看| 精品不卡国产一区二区三区| 久久香蕉国产精品| 亚洲一区高清亚洲精品| 欧美日韩精品网址| 久久久久久国产a免费观看| 美女扒开内裤让男人捅视频| 大型黄色视频在线免费观看| 日本免费a在线| svipshipincom国产片| 国内少妇人妻偷人精品xxx网站 | 高潮久久久久久久久久久不卡| 亚洲精品一区av在线观看| 欧美成人一区二区免费高清观看 | 国产精品,欧美在线| 欧美黄色淫秽网站| 99热只有精品国产| 亚洲人成伊人成综合网2020| 成人欧美大片| 黄色日韩在线| 日韩欧美一区二区三区在线观看| 在线观看美女被高潮喷水网站 | 国产亚洲精品综合一区在线观看| 啦啦啦免费观看视频1| 亚洲欧美日韩高清专用| 国产毛片a区久久久久| 长腿黑丝高跟| 亚洲av电影不卡..在线观看| 999精品在线视频| 欧美成人性av电影在线观看| 中文字幕久久专区| avwww免费| 久久久久性生活片| 国产亚洲av高清不卡| 淫秽高清视频在线观看| 中文字幕最新亚洲高清| 精品久久久久久,| a在线观看视频网站| 欧美乱色亚洲激情| 国产成年人精品一区二区| 亚洲第一欧美日韩一区二区三区| 国产亚洲精品一区二区www| 两人在一起打扑克的视频| 老司机在亚洲福利影院| a级毛片a级免费在线| 亚洲人成电影免费在线| 一个人看的www免费观看视频| 国产亚洲欧美在线一区二区| 伦理电影免费视频| 2021天堂中文幕一二区在线观| 99riav亚洲国产免费| 国产伦一二天堂av在线观看| 中文字幕人妻丝袜一区二区| 亚洲avbb在线观看| 神马国产精品三级电影在线观看| 国产精品久久视频播放| 国产精品亚洲美女久久久| 亚洲精品色激情综合| 成熟少妇高潮喷水视频| 国产三级在线视频| 国产亚洲精品久久久com| 国产精品国产高清国产av| 午夜福利免费观看在线| 国产aⅴ精品一区二区三区波| 天天躁狠狠躁夜夜躁狠狠躁| 午夜激情欧美在线| 不卡一级毛片| 99国产精品一区二区蜜桃av| 国产精品电影一区二区三区| 久久中文看片网| 亚洲avbb在线观看| 人人妻人人澡欧美一区二区| 欧美成狂野欧美在线观看| www日本在线高清视频| 极品教师在线免费播放| 国产欧美日韩精品一区二区| 少妇丰满av| 桃色一区二区三区在线观看| 黄色成人免费大全| 丰满人妻一区二区三区视频av | 激情在线观看视频在线高清| 午夜免费观看网址| 最近在线观看免费完整版| 日日夜夜操网爽| 国产三级在线视频| 国产黄色小视频在线观看| 亚洲国产精品久久男人天堂| 熟女电影av网| 亚洲精品国产精品久久久不卡| 欧美色欧美亚洲另类二区| 亚洲一区二区三区不卡视频| 国产又色又爽无遮挡免费看| 久久久久国内视频| 精品久久久久久久久久免费视频| 国产一级毛片七仙女欲春2| 欧美日韩中文字幕国产精品一区二区三区| 老司机午夜十八禁免费视频| 国产精品乱码一区二三区的特点| 久久精品aⅴ一区二区三区四区| 久久久色成人| 国产成人精品久久二区二区免费| 97人妻精品一区二区三区麻豆| 亚洲黑人精品在线| 两个人看的免费小视频| 999久久久国产精品视频| 亚洲性夜色夜夜综合| 亚洲欧美精品综合久久99| 女同久久另类99精品国产91| 久久精品影院6| xxxwww97欧美| 国产精品1区2区在线观看.| 深夜精品福利| 成人亚洲精品av一区二区| 无遮挡黄片免费观看| 中文字幕精品亚洲无线码一区| 我的老师免费观看完整版| 毛片女人毛片| 国产精品久久久久久久电影 | 制服丝袜大香蕉在线| 91九色精品人成在线观看| 久久久国产精品麻豆| 看免费av毛片| 国产欧美日韩精品亚洲av| 久久人妻av系列| 在线永久观看黄色视频| 欧美另类亚洲清纯唯美| 啦啦啦免费观看视频1| 久久久国产成人精品二区| 亚洲精品一区av在线观看| 国产美女午夜福利| 老汉色∧v一级毛片| 欧美乱妇无乱码| 精品国产亚洲在线| 黄片大片在线免费观看| 亚洲人成网站在线播放欧美日韩| www.www免费av| 国产视频一区二区在线看| 中亚洲国语对白在线视频| h日本视频在线播放| 亚洲五月天丁香| h日本视频在线播放| 国产精品久久久久久人妻精品电影| 日韩国内少妇激情av| 欧美日韩乱码在线| 国产亚洲精品一区二区www| 亚洲av电影在线进入| 国产亚洲精品综合一区在线观看| 久久久国产精品麻豆| 婷婷精品国产亚洲av在线| 成人性生交大片免费视频hd| 午夜视频精品福利| 亚洲人成电影免费在线| 两个人的视频大全免费| 欧美成狂野欧美在线观看| 夜夜看夜夜爽夜夜摸| 午夜福利在线观看吧| 色老头精品视频在线观看| 亚洲欧美日韩卡通动漫| 欧美绝顶高潮抽搐喷水| 欧美日韩乱码在线| 好看av亚洲va欧美ⅴa在| 香蕉丝袜av| 亚洲国产欧美网| 国产一区二区三区在线臀色熟女| 99久久99久久久精品蜜桃| 亚洲狠狠婷婷综合久久图片| 看黄色毛片网站| 国产一区二区三区在线臀色熟女| 黑人操中国人逼视频| 欧美性猛交╳xxx乱大交人| 国产成+人综合+亚洲专区| 18禁美女被吸乳视频| 又黄又粗又硬又大视频| 国产精品自产拍在线观看55亚洲| 韩国av一区二区三区四区| 国产精品爽爽va在线观看网站| 久久久久久久久中文| 国产精品自产拍在线观看55亚洲| 久久精品国产综合久久久| 成在线人永久免费视频| 搞女人的毛片| 欧美zozozo另类| 变态另类成人亚洲欧美熟女| 一边摸一边抽搐一进一小说| 国产精品亚洲一级av第二区| 最近最新免费中文字幕在线| 欧美日韩综合久久久久久 | 少妇丰满av| 欧洲精品卡2卡3卡4卡5卡区| 黄色女人牲交| 久久伊人香网站| 久久精品国产清高在天天线| 亚洲av成人精品一区久久| 天堂动漫精品| 成人欧美大片| 国产精品日韩av在线免费观看| 欧美高清成人免费视频www| 精品国产乱码久久久久久男人| 757午夜福利合集在线观看| 久久亚洲真实| 亚洲人成网站在线播放欧美日韩| 男人和女人高潮做爰伦理| 精品电影一区二区在线| 日本撒尿小便嘘嘘汇集6| 美女免费视频网站| 国产av一区在线观看免费| 国产欧美日韩一区二区三| 久久人妻av系列|