• <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ConvLSTM網(wǎng)絡的電力時序數(shù)據(jù)異常檢測模型

    2024-09-15 00:00:00張飛黃劉松呂家偉
    電腦知識與技術 2024年24期

    摘要:隨著電廠智能化的升級改造,生產(chǎn)系統(tǒng)產(chǎn)生了大量的時序數(shù)據(jù)。然而,在數(shù)據(jù)采集、傳輸和存儲等過程中,海量時序數(shù)據(jù)可能會出現(xiàn)異常,影響企業(yè)的后續(xù)分析和決策。針對電廠時序數(shù)據(jù)中常見的異常問題,受自注意機制的啟發(fā),文章設計了一種基于循環(huán)卷積和長短期記憶網(wǎng)絡的體系結(jié)構,用于識別和檢測多維度電力時序數(shù)據(jù)的異常。在基于電廠實際運行中產(chǎn)生的時序數(shù)據(jù)集進行的大量實驗中,驗證了ConvLSTM網(wǎng)絡在電力時序數(shù)據(jù)異常檢測方面的有效性和準確性。

    關鍵詞:時序數(shù)據(jù);數(shù)據(jù)異常;注意力機制

    中圖分類號:TP391 文獻標識碼:A

    文章編號:1009-3044(2024)24-0040-03

    開放科學(資源服務)標識碼(OSID)

    0 引言

    近年來,隨著電廠智能化改造升級,工業(yè)生產(chǎn)過程中產(chǎn)生了大量時間序列數(shù)據(jù)。這些時序數(shù)據(jù)主要用于監(jiān)控機器設備運行狀態(tài)。異常檢測是時間序列分析的重要任務之一,它可以發(fā)現(xiàn)機器運行過程中的故障缺陷,防止?jié)撛谖:Α?/p>

    目前,國內(nèi)外學者針對時序異常數(shù)據(jù)檢測方法,主要分為傳統(tǒng)的基于統(tǒng)計方法和基于深度學習的方法。傳統(tǒng)方法通常假設數(shù)據(jù)服從特定分布,但實際的電力時序數(shù)據(jù)往往具有復雜的非線性結(jié)構和時序依賴性。因此,基于傳統(tǒng)統(tǒng)計方法無法準確捕捉電力時序數(shù)據(jù)中的異常,異常檢測模型在處理電力時序數(shù)據(jù)時存在一些局限性。隨著深度學習的發(fā)展,基于深度學習的方法被應用到時序數(shù)據(jù)異常檢測工作中。例如,Hundman等[1]采用RNN循環(huán)神經(jīng)網(wǎng)絡來處理多變量時序數(shù)據(jù)。Vaswani等[2]嘗試采用圖表或Transformer架構來關注變量和數(shù)據(jù)點之間的關系,這些方法考慮了數(shù)據(jù)的時間特性,成功地將深度神經(jīng)網(wǎng)絡應用于時間序列分析領域。然而,大多數(shù)數(shù)據(jù)集并未為該領域的訓練集提供真實數(shù)據(jù)標簽。換言之,一個點在訓練集中是否異常是未知的。因此,以往研究已經(jīng)發(fā)展出了用于異常檢測的無監(jiān)督學習方法。Goodfellow等[3]在其模型中引入了自動編碼器或?qū)咕W(wǎng)絡,以有效理解數(shù)據(jù)分布。國內(nèi),沙朝鋒等[4]設計了基于長短期記憶網(wǎng)絡的電力時間序列數(shù)據(jù)異常檢測方法。張仁斌等[5]提出了一種基于多模態(tài)生成對抗網(wǎng)絡的多元時序數(shù)據(jù)異常檢測方法并進行了驗證。Yang等[6]提出了一種自適應的時序數(shù)據(jù)恢復方法,王子馨等[7]提出了一種基于LSTM的電力時序數(shù)據(jù)恢復方法,并驗證了算法的有效性。然而,在無監(jiān)督情況下,從時間背景中檢測異常仍然是一個困難的問題。

    正常情況下,火電廠多傳感器之間相互影響,呈現(xiàn)某種特定形式的關聯(lián)性。因此,在某一時刻發(fā)生異常時,必然會導致某些傳感器發(fā)生突變(有些可能不變),這種異??赡軙憩F(xiàn)在不同傳感器之間的關系上。而當前現(xiàn)有方案多數(shù)針對單傳感器、單時刻點的數(shù)據(jù)異常,未考慮多傳感器數(shù)據(jù)相關性和時間關聯(lián)性。同時,由于火電機組數(shù)據(jù)量較大,通常數(shù)據(jù)缺少異常標記。因此,缺乏一種在數(shù)據(jù)未標記、無監(jiān)督情況下,針對不同工況的多變量時間序列數(shù)據(jù)異常判斷算法模型。

    為解決這個問題,本文提出了一種基于ConvLSTM網(wǎng)絡的電力時序數(shù)據(jù)異常檢測模型。ConvLSTM是一種結(jié)合了卷積神經(jīng)網(wǎng)絡和長短期記憶網(wǎng)絡的模型,能夠在無監(jiān)督情況下對火電廠多變量時間序列數(shù)據(jù)異常進行判斷識別,從而實現(xiàn)無監(jiān)督情況下的多變量時間序列數(shù)據(jù)異常檢測。通過仿真實驗證明了該模型的有效性和準確性。

    1機組工況

    本文提出了一種基于ConvLSTM網(wǎng)絡的電力時序數(shù)據(jù)異常檢測模型。ConvLSTM是一種結(jié)合了卷積神經(jīng)網(wǎng)絡和長短期記憶網(wǎng)絡的模型,能夠捕捉時序數(shù)據(jù)中的時序依賴關系。ConvLSTM網(wǎng)絡與傳統(tǒng)方法的不同之處在于,傳統(tǒng)方法僅考慮單變量(傳感器)的時序異常檢測(單變量檢測偏離正常分布的情況)。而本文提出的方法引入了多傳感器之間的相關性概念,通過相關性來進行異常檢測。同時,為了保留數(shù)據(jù)的時序特征,我們計算某一時刻多個傳感器之間的相似度,并引入該時刻點之前的某段時間,計算這段時間的相似程度。結(jié)合來自火電機組傳感器采集到的負荷、環(huán)境溫度、主蒸汽溫度、主蒸汽壓力、排煙溫度、氧量、再熱蒸汽溫度、給水溫度、背壓等時序傳感數(shù)據(jù),驗證了模型的有效性。

    由于電廠機組存在不同的工況穩(wěn)態(tài)和動態(tài),因此量測數(shù)據(jù)可能處于系統(tǒng)不同的運行狀態(tài)下。不同狀態(tài)下的數(shù)據(jù)時序特性不同,所需ConvLSTM網(wǎng)絡模型參數(shù)也不同。因此,針對不同工況構建不同的ConvLSTM網(wǎng)絡,但構建方法與原理相同。其數(shù)據(jù)如圖1所示。

    2 ConvLSTM網(wǎng)絡

    以機組穩(wěn)態(tài)為例,定義傳感器i和j時間步長為w的時間序列分別為[xwi=(xt-wi,xt-w-1i,...,xti)] [xwj=(xt-wj,xt-w-1j,...,xtj)] ,則相似度矩陣可定義為: [mtij=δ=0w xt-δixt-δjκ] ,其中k是縮放因子k=w。使用一個全卷積編碼器來編碼多傳感器間的相似度矩陣Mt。具體過程為:首先,將Mt展開為張量[Xt,l∈Rn×n×s]將其作為輸入傳入卷積層。經(jīng)過多層卷積,則當前層的輸出可用公式表示為:[Xt,l=f(Wl*Xt,l-1+bl)],其中*表示卷積操作,f表示激活函數(shù)(本模型采用SELU作為激活函數(shù)),[Wl]表示卷積核。步長為1×1、2×2、2×2、2×2進行4次卷積操作,將原有的30個傳感器數(shù)據(jù)結(jié)構為30×30×3(其中3表示不同時間步長)的原始輸入變?yōu)樾碌模?×4×256)結(jié)構。

    ConvLSTM網(wǎng)絡主要包含如下3個模塊:輸入、記憶、 輸出,網(wǎng)絡結(jié)構[8-9],如圖2所示。

    其公式可表示為:

    [zt,l=σ(WlXZ*Xt,l+WlHZ*Ht-1,l+WkCZ°Ct-1,l+blZ) (1)]

    [rt,l=σ(WlXR*Xt,l+WlHR*Ht-1,l+WlCR°Ct-1,l+blR) (2)]

    [Ct,l=zt,l°tanh (WlXC*Xt,l+WlHC*Ht-1,l+blC)+rt,l°Ct-1,l (3)]

    [ot,l=σ(WlXO*Xt,l+WHO*Ht-1,l+WCO°Ct,l+blO) (4)]

    [Ht,l=ot,l°tanh (Ct,l) (5)]

    式中:[zt,l]為輸入門,[rt,l]為遺忘門,[ot,l]為輸出門,其中[Ht,l]為主線隱藏特征輸出, *表示卷積操作,[σ]為sigmoid 函數(shù)運算,[°]為Hadamard乘積。

    本文采用注意力機制的ConvLSTM網(wǎng)絡結(jié)構,如圖3所示:

    引入注意力機制,對每個時刻和該時刻前5個時刻點計算注意力權重系數(shù),其公式如下:

    [Ht,l=i∈(t-h,t) αiHi,l,αi=exp {Vec(Ht,l)TVec(Hi,l)χ}i∈(t-h,t) exp {Vec(Hi,l)TVec(Hi,l)χ}] (6)

    為了對上一步得到的特征映射進行解碼,得到重構后的特征矩陣,設計了一個卷積解碼器,其表達式為:

    [χt,l-1={f(Wt,l?Ht,l+bt,l),l=4f(Wt,l?[Ht,l⊕Xt,l]+bt,l),l=3,2,1 ] (7)

    其編碼解碼過程和計算損失函數(shù)的過程如圖 4 所示。

    定義如下的損失函數(shù):

    [L=t c=1s Xt,0:,:,c-Xt,0:,:,c2F] (8)

    其中,[Xt,0:,:,c∈ Rn×n ],采用小批量隨機梯度下降法和Adam優(yōu)化器來最小化上述損失。在足夠的訓練時間后,利用學習到的神經(jīng)網(wǎng)絡參數(shù)來推斷驗證和測試數(shù)據(jù)的重構特征矩陣。最后,基于殘差特征矩陣進行異常檢測和診斷。

    3 仿真數(shù)據(jù)測試

    實驗數(shù)據(jù)分析處理的機器環(huán)境:CPU為Core i7-9700k,主頻為3.6 GHz,內(nèi)存為32 GB,GPU為NVIDIA GTX 2080TI,編程平臺為Python 3.8。選擇某電廠機組的數(shù)據(jù):負荷、環(huán)境溫度、主蒸汽溫度、主蒸汽壓力、排煙溫度、氧量、再熱蒸汽溫度、給水溫度、背壓、煤耗等各3組,采集周期為60 s。穩(wěn)態(tài)共20 000組數(shù)據(jù)(已標記工況)。將0~8 000設置為訓練集,8 001~10 000設置為驗證集,10 001~20 000設置為測試集,測試集中包含10組異常值。動態(tài)共2000組數(shù)據(jù)(已標記工況)。將0~800設置為訓練集,801~1 000設置為驗證集,1 001~2 000設置為測試集,測試集包含10組異常值。

    在不同工況下,為了驗證本文所提方法的有效性,基于數(shù)據(jù)集的時間序列特性,引入時間序列模型算法作為對比試驗,分別是傳統(tǒng)的ARMA算法模型、基于深度學習的LSTM-ED算法[10]模型和本文所提出的注意力機制的ConvLSTM網(wǎng)絡模型。其對比試驗結(jié)果見表1:

    由于電廠兩種工況均為連續(xù)時間序列,因此在完成工況識別后,可分為穩(wěn)態(tài)和動態(tài)兩種情況分別計算不同算法的準確率和召回率。從表1可以看出,在動態(tài)和穩(wěn)態(tài)兩種情況下LSTM-ED的性能均優(yōu)于ARMA,表明深度學習模型比傳統(tǒng)方法更能捕獲電廠數(shù)據(jù)中的復雜關系。注意力機制的ConvLSTM算法在所有算法中表現(xiàn)最好,因為它可以有效地模擬多變量時間序列的傳感器間相關性和時序性。本文所提出的注意力機制的ConvLSTM算法,在機組穩(wěn)態(tài)、動態(tài)的準確率分別為0.90和0.85,召回率為0.83和0.80,均優(yōu)于傳統(tǒng)的ARMA算法和LSTM-ED,結(jié)果表明了模型的有效性。

    4 結(jié)束語

    本文提出了一種新的電力時序數(shù)據(jù)異常檢測方法——基于ConvLSTM網(wǎng)絡的電力時序數(shù)據(jù)異常檢測模型。該模型針對電廠不同工況,考慮到多傳感器數(shù)據(jù)相關性和時間關聯(lián)性,采用基于注意力機制的ConvLSTM網(wǎng)絡在無監(jiān)督情況下實現(xiàn)了對多傳感器數(shù)據(jù)的異常檢測。通過仿真實驗在指定電廠的數(shù)據(jù)集上完成了算法模型的驗證,實驗證明了我們提出方法的有效性。本文對于異常值閾值的選擇更多還是依賴于經(jīng)驗值。因此,未來可以在閾值的選擇上進行深入研究,這將是下一步研究工作的重點。

    參考文獻:

    [1] HUNDMAN K,CONSTANTINOU V,LAPORTE C,et al.Detecting spacecraft anomalies using LSTMs and nonparametric dynamic thresholding[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.London United Kingdom.ACM,2018:387-395.

    [2] VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need[C]//Advances in Neural Information Processing Systems,2017:30.

    [3] GOODFELLOW I, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial nets[C]//Advances in Neural Information Processing Systems,2014:27.

    [4] 沙朝鋒,耿同欣,鄭偉杰.基于長短期記憶網(wǎng)絡的電力時間序列數(shù)據(jù)的異常檢測方法:CN112308402B[P].2022-04-12.

    [5] 張仁斌,左藝聰,周澤林,等.基于多模態(tài)生成對抗網(wǎng)絡的多元時序數(shù)據(jù)異常檢測[J].計算機科學,2023,50(5):355-362.

    [6] YANG Z W,LIU H,BI T S,et al.An adaptive PMU missing data recovery method[J].International Journal of Electrical Power & Energy Systems,2020,116:105577.

    [7] 王子馨,胡俊杰,劉寶柱.基于長短期記憶網(wǎng)絡的電力系統(tǒng)量測缺失數(shù)據(jù)恢復方法[J].電力建設,2021,42(5):1-8.

    [8] 金枝,張倩,李熙瑩.基于輕量化ConvLSTM的密集道路車輛檢測算法[J].計算機工程與應用,2023,59(8):89-96.

    [9] 何毅,姚圣,陳毅等.ConvLSTM神經(jīng)網(wǎng)絡的時序InSAR地面沉降時空預測[J/OL].武漢大學學報(信息科學版),2023:1-21[2023-07-24].https://doi.org/10.13203/j.whugis20220657.

    [10] CHO K,VAN MERRIENBOER B,GULCEHRE C,et al.Learning phrase representations using RNN encoder-decoder for statistical machine translation[EB/OL].[2024-01-20].https://arxiv.org/abs/1406.1078v3.

    【通聯(lián)編輯:唐一東】

    级片在线观看| 婷婷精品国产亚洲av| 中文字幕人妻熟女乱码| 美女大奶头视频| 午夜福利一区二区在线看| 12—13女人毛片做爰片一| 亚洲 国产 在线| 亚洲真实伦在线观看| 午夜a级毛片| 国产av一区二区精品久久| 亚洲国产欧洲综合997久久, | 欧美黄色片欧美黄色片| 日本精品一区二区三区蜜桃| 国产三级在线视频| www日本黄色视频网| 91麻豆精品激情在线观看国产| 日韩欧美国产一区二区入口| 婷婷六月久久综合丁香| 无遮挡黄片免费观看| 男女做爰动态图高潮gif福利片| 国内揄拍国产精品人妻在线 | 亚洲熟妇熟女久久| 亚洲av成人av| 美女高潮到喷水免费观看| 欧美激情高清一区二区三区| 啦啦啦免费观看视频1| 日本 av在线| 88av欧美| 在线永久观看黄色视频| 国产精品日韩av在线免费观看| 美女高潮到喷水免费观看| 亚洲av电影在线进入| 国产精品 国内视频| 久久九九热精品免费| 亚洲成人久久爱视频| 女警被强在线播放| 亚洲avbb在线观看| 级片在线观看| 免费看日本二区| 成人三级做爰电影| 欧美色欧美亚洲另类二区| 日本在线视频免费播放| 亚洲欧美日韩高清在线视频| 免费在线观看日本一区| 精品高清国产在线一区| 亚洲av中文字字幕乱码综合 | 岛国视频午夜一区免费看| 欧美 亚洲 国产 日韩一| 无限看片的www在线观看| 每晚都被弄得嗷嗷叫到高潮| 男女午夜视频在线观看| 99热只有精品国产| 欧美日韩乱码在线| av福利片在线| 熟女少妇亚洲综合色aaa.| 精品久久久久久久久久免费视频| 天天一区二区日本电影三级| 欧美亚洲日本最大视频资源| av在线播放免费不卡| 亚洲av成人av| 18禁美女被吸乳视频| 欧美日韩福利视频一区二区| 亚洲成a人片在线一区二区| 熟女少妇亚洲综合色aaa.| xxx96com| 一级毛片女人18水好多| 看片在线看免费视频| 色老头精品视频在线观看| 一区二区三区激情视频| 欧美+亚洲+日韩+国产| 日韩 欧美 亚洲 中文字幕| 男女床上黄色一级片免费看| 日本免费a在线| 高清毛片免费观看视频网站| 午夜精品久久久久久毛片777| 久久久久国产一级毛片高清牌| 亚洲天堂国产精品一区在线| 人妻丰满熟妇av一区二区三区| 91在线观看av| 午夜激情av网站| 亚洲精品在线美女| 国产高清激情床上av| 波多野结衣高清作品| 国产精品av久久久久免费| 欧美性猛交黑人性爽| 99在线人妻在线中文字幕| 国产高清有码在线观看视频 | 欧美黑人欧美精品刺激| 国产亚洲欧美在线一区二区| 国产精品久久视频播放| 久久久久久亚洲精品国产蜜桃av| 高潮久久久久久久久久久不卡| 曰老女人黄片| 国产av在哪里看| 国产欧美日韩一区二区三| 伦理电影免费视频| 一本综合久久免费| 黄色a级毛片大全视频| av免费在线观看网站| 国产野战对白在线观看| 国产精品av久久久久免费| 老鸭窝网址在线观看| 国产野战对白在线观看| 亚洲第一青青草原| 亚洲av成人av| 一级作爱视频免费观看| 亚洲天堂国产精品一区在线| 精品国产亚洲在线| 国内揄拍国产精品人妻在线 | 欧美黄色片欧美黄色片| 亚洲五月天丁香| 老司机午夜福利在线观看视频| 99riav亚洲国产免费| 国内精品久久久久久久电影| 国产99久久九九免费精品| 黄网站色视频无遮挡免费观看| 丰满的人妻完整版| 99riav亚洲国产免费| 99热6这里只有精品| 国产片内射在线| 亚洲人成电影免费在线| 亚洲第一欧美日韩一区二区三区| 老司机福利观看| 国产激情久久老熟女| 国产亚洲av高清不卡| 人人妻人人澡欧美一区二区| 黄色女人牲交| 一本久久中文字幕| 女警被强在线播放| 久久青草综合色| 国产伦在线观看视频一区| 国产精品免费视频内射| 国产高清视频在线播放一区| 嫩草影视91久久| 最好的美女福利视频网| 久久狼人影院| 久久久久久国产a免费观看| 别揉我奶头~嗯~啊~动态视频| 男女那种视频在线观看| 白带黄色成豆腐渣| 国产真人三级小视频在线观看| 国产精品久久久人人做人人爽| 亚洲精品粉嫩美女一区| 1024视频免费在线观看| 国产片内射在线| av电影中文网址| 亚洲成人免费电影在线观看| 又紧又爽又黄一区二区| 两个人免费观看高清视频| 禁无遮挡网站| 97超级碰碰碰精品色视频在线观看| 成人欧美大片| 不卡一级毛片| 在线天堂中文资源库| 少妇裸体淫交视频免费看高清 | 99久久综合精品五月天人人| 久久亚洲真实| 午夜激情福利司机影院| 国产激情偷乱视频一区二区| 男人舔女人的私密视频| 精品久久久久久久毛片微露脸| 日本撒尿小便嘘嘘汇集6| 热re99久久国产66热| 成年版毛片免费区| 亚洲激情在线av| 一边摸一边抽搐一进一小说| 日韩欧美国产在线观看| 国产精品99久久99久久久不卡| 日韩 欧美 亚洲 中文字幕| 亚洲狠狠婷婷综合久久图片| 免费在线观看黄色视频的| 国产亚洲欧美精品永久| 亚洲精品av麻豆狂野| 久久久久亚洲av毛片大全| av有码第一页| 老司机午夜十八禁免费视频| 看黄色毛片网站| 久久久久久免费高清国产稀缺| 长腿黑丝高跟| 免费搜索国产男女视频| 国产精品亚洲av一区麻豆| 老司机深夜福利视频在线观看| 99久久久亚洲精品蜜臀av| 国产又色又爽无遮挡免费看| 国产精品香港三级国产av潘金莲| 欧美激情 高清一区二区三区| 精品久久久久久久末码| 日韩欧美在线二视频| 亚洲av五月六月丁香网| 99re在线观看精品视频| 一夜夜www| av片东京热男人的天堂| 日日夜夜操网爽| 久久久久久九九精品二区国产 | 久久天堂一区二区三区四区| 久久人人精品亚洲av| 亚洲,欧美精品.| 欧美人与性动交α欧美精品济南到| 国产av一区在线观看免费| 欧美日韩精品网址| 午夜福利欧美成人| 麻豆av在线久日| 日韩欧美在线二视频| 午夜两性在线视频| 久久久久久久久久黄片| 国产色视频综合| 国产精品永久免费网站| 色播在线永久视频| 自线自在国产av| 一个人免费在线观看的高清视频| 99久久精品国产亚洲精品| 757午夜福利合集在线观看| 男人舔奶头视频| or卡值多少钱| 午夜久久久在线观看| 怎么达到女性高潮| 国产精品久久久久久亚洲av鲁大| 亚洲人成77777在线视频| 免费看日本二区| 欧美精品亚洲一区二区| 变态另类丝袜制服| 欧美中文日本在线观看视频| 中文字幕精品免费在线观看视频| 老熟妇仑乱视频hdxx| 国产精品免费一区二区三区在线| 给我免费播放毛片高清在线观看| 国产成人啪精品午夜网站| 757午夜福利合集在线观看| 国产不卡一卡二| 亚洲成av人片免费观看| 在线观看舔阴道视频| 中文字幕人成人乱码亚洲影| 久久精品国产亚洲av高清一级| 亚洲免费av在线视频| 中文字幕精品免费在线观看视频| 久久国产乱子伦精品免费另类| 中文字幕另类日韩欧美亚洲嫩草| 欧美黄色淫秽网站| av电影中文网址| 一区福利在线观看| 国产精品久久视频播放| 女人被狂操c到高潮| 又黄又粗又硬又大视频| 一区二区日韩欧美中文字幕| 欧美黑人巨大hd| 九色国产91popny在线| 国产成人欧美| 中文字幕另类日韩欧美亚洲嫩草| 丰满人妻熟妇乱又伦精品不卡| 国产黄片美女视频| 巨乳人妻的诱惑在线观看| 国产精品精品国产色婷婷| 亚洲人成电影免费在线| 免费在线观看日本一区| 老司机在亚洲福利影院| 欧美黑人精品巨大| 欧美色视频一区免费| 中文字幕av电影在线播放| 国产一区在线观看成人免费| 欧美日韩中文字幕国产精品一区二区三区| aaaaa片日本免费| www日本在线高清视频| 国产又色又爽无遮挡免费看| 桃红色精品国产亚洲av| 精品日产1卡2卡| 国内久久婷婷六月综合欲色啪| 亚洲电影在线观看av| 国产一区二区激情短视频| 最新在线观看一区二区三区| 亚洲自偷自拍图片 自拍| 国产主播在线观看一区二区| 麻豆国产av国片精品| 一本综合久久免费| 亚洲第一av免费看| 18禁美女被吸乳视频| 国内久久婷婷六月综合欲色啪| 欧美成人午夜精品| 国产主播在线观看一区二区| 国产精品久久视频播放| 亚洲精品国产一区二区精华液| 日本黄色视频三级网站网址| АⅤ资源中文在线天堂| 一级作爱视频免费观看| 亚洲色图av天堂| 欧美激情极品国产一区二区三区| 午夜精品在线福利| 国产精品二区激情视频| 亚洲欧美一区二区三区黑人| 人人澡人人妻人| 搡老岳熟女国产| 大型av网站在线播放| 成人欧美大片| 成人三级黄色视频| 黄片大片在线免费观看| 国产成+人综合+亚洲专区| 久久天堂一区二区三区四区| x7x7x7水蜜桃| 欧美大码av| 亚洲专区中文字幕在线| 日本免费a在线| 国产单亲对白刺激| 国产午夜福利久久久久久| 1024香蕉在线观看| 欧美丝袜亚洲另类 | 国产av在哪里看| 叶爱在线成人免费视频播放| 黑人欧美特级aaaaaa片| 一区二区三区高清视频在线| 亚洲第一青青草原| 桃色一区二区三区在线观看| 熟女电影av网| 丝袜美腿诱惑在线| 最新美女视频免费是黄的| 久久久久久人人人人人| 18禁美女被吸乳视频| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品中文字幕在线视频| 日本免费a在线| www国产在线视频色| 好看av亚洲va欧美ⅴa在| 国产精品二区激情视频| 亚洲国产中文字幕在线视频| 黄色 视频免费看| 啪啪无遮挡十八禁网站| 国产亚洲精品综合一区在线观看 | 亚洲精品国产精品久久久不卡| 99精品久久久久人妻精品| 天天一区二区日本电影三级| 免费在线观看完整版高清| av片东京热男人的天堂| 亚洲电影在线观看av| 国产成人精品久久二区二区91| 精品久久久久久久人妻蜜臀av| 精品国产一区二区三区四区第35| 久久性视频一级片| 无限看片的www在线观看| 19禁男女啪啪无遮挡网站| 精品午夜福利视频在线观看一区| 女性被躁到高潮视频| 在线观看一区二区三区| 视频在线观看一区二区三区| 成人一区二区视频在线观看| 久久人人精品亚洲av| 亚洲欧美一区二区三区黑人| 免费观看精品视频网站| 午夜福利一区二区在线看| 久久精品成人免费网站| 国产伦一二天堂av在线观看| 精品乱码久久久久久99久播| 亚洲一区高清亚洲精品| 丝袜在线中文字幕| 国产精品九九99| 99久久综合精品五月天人人| 一区二区三区激情视频| 久久久久久免费高清国产稀缺| 欧美性猛交╳xxx乱大交人| 黄片播放在线免费| 日韩精品免费视频一区二区三区| 久久久国产成人免费| 国产精品亚洲美女久久久| 久久亚洲精品不卡| 麻豆国产av国片精品| 少妇熟女aⅴ在线视频| 亚洲中文字幕一区二区三区有码在线看 | 国产精品久久久人人做人人爽| 国产日本99.免费观看| 老汉色∧v一级毛片| 香蕉丝袜av| 一区二区三区国产精品乱码| 日韩精品青青久久久久久| 国产精品久久视频播放| 亚洲一区二区三区不卡视频| 亚洲精品国产精品久久久不卡| 亚洲欧美精品综合久久99| 欧美一区二区精品小视频在线| 精品乱码久久久久久99久播| 人妻久久中文字幕网| 国产亚洲精品第一综合不卡| 男人操女人黄网站| 久热爱精品视频在线9| 免费女性裸体啪啪无遮挡网站| 国产精品电影一区二区三区| 精品国产美女av久久久久小说| 真人一进一出gif抽搐免费| 欧美绝顶高潮抽搐喷水| 99在线人妻在线中文字幕| 人妻久久中文字幕网| 熟女电影av网| 国产精品久久久久久人妻精品电影| 欧美 亚洲 国产 日韩一| 欧美性猛交黑人性爽| 一级毛片女人18水好多| 国产主播在线观看一区二区| 午夜激情福利司机影院| 国产精品1区2区在线观看.| а√天堂www在线а√下载| 一级毛片精品| 国产精品免费一区二区三区在线| 精品久久蜜臀av无| 亚洲成人久久性| 亚洲五月天丁香| 欧美绝顶高潮抽搐喷水| 视频区欧美日本亚洲| 观看免费一级毛片| 午夜福利一区二区在线看| 人妻久久中文字幕网| 亚洲美女黄片视频| 1024视频免费在线观看| 国产成人精品久久二区二区免费| 99在线人妻在线中文字幕| 久久久国产成人精品二区| 国产高清视频在线播放一区| 69av精品久久久久久| 在线国产一区二区在线| 久久精品影院6| 久久午夜综合久久蜜桃| 一区福利在线观看| 狂野欧美激情性xxxx| 人人妻人人澡欧美一区二区| 真人一进一出gif抽搐免费| 在线观看免费视频日本深夜| 免费观看人在逋| 91在线观看av| 国产精品日韩av在线免费观看| 日日摸夜夜添夜夜添小说| 在线天堂中文资源库| 亚洲 欧美一区二区三区| 久久精品影院6| 日本一本二区三区精品| 亚洲激情在线av| svipshipincom国产片| 亚洲国产精品sss在线观看| 白带黄色成豆腐渣| 视频区欧美日本亚洲| 99国产精品99久久久久| 一个人免费在线观看的高清视频| 一区二区三区国产精品乱码| 男女床上黄色一级片免费看| 国内久久婷婷六月综合欲色啪| avwww免费| 99热这里只有精品一区 | 国内精品久久久久久久电影| 欧美亚洲日本最大视频资源| 给我免费播放毛片高清在线观看| 国产精品99久久99久久久不卡| 狠狠狠狠99中文字幕| 热re99久久国产66热| 哪里可以看免费的av片| 亚洲第一电影网av| 国产主播在线观看一区二区| 搡老熟女国产l中国老女人| 午夜亚洲福利在线播放| 一级毛片高清免费大全| 老汉色av国产亚洲站长工具| 久久国产精品人妻蜜桃| 国产私拍福利视频在线观看| 91成年电影在线观看| 真人做人爱边吃奶动态| 1024香蕉在线观看| 午夜久久久在线观看| 亚洲国产毛片av蜜桃av| 女人被狂操c到高潮| 色在线成人网| 首页视频小说图片口味搜索| 亚洲精品在线美女| 久久中文字幕一级| 9191精品国产免费久久| 日韩欧美免费精品| 欧美性长视频在线观看| 成人午夜高清在线视频 | 女生性感内裤真人,穿戴方法视频| 午夜久久久久精精品| 国产精品香港三级国产av潘金莲| 久久精品91无色码中文字幕| 欧美精品啪啪一区二区三区| 日韩av在线大香蕉| 日日摸夜夜添夜夜添小说| 美女高潮到喷水免费观看| 麻豆国产av国片精品| 亚洲 欧美 日韩 在线 免费| 久久性视频一级片| 麻豆成人av在线观看| 欧美日韩乱码在线| 国产成+人综合+亚洲专区| 亚洲精品美女久久久久99蜜臀| 日本在线视频免费播放| 在线永久观看黄色视频| 久久午夜综合久久蜜桃| 免费电影在线观看免费观看| 国产aⅴ精品一区二区三区波| 国产又色又爽无遮挡免费看| 狂野欧美激情性xxxx| 国产在线观看jvid| www国产在线视频色| 美女大奶头视频| 成人三级做爰电影| 精华霜和精华液先用哪个| 可以免费在线观看a视频的电影网站| 久久久国产欧美日韩av| 国产亚洲欧美98| 日韩成人在线观看一区二区三区| 国产视频内射| av中文乱码字幕在线| av片东京热男人的天堂| 2021天堂中文幕一二区在线观 | 午夜两性在线视频| 十八禁人妻一区二区| 黄网站色视频无遮挡免费观看| 青草久久国产| 悠悠久久av| 国产极品粉嫩免费观看在线| 91大片在线观看| 国产一区二区三区视频了| a在线观看视频网站| 一进一出抽搐动态| 国产男靠女视频免费网站| 午夜免费激情av| 国产伦在线观看视频一区| 亚洲七黄色美女视频| 国产精品 欧美亚洲| 亚洲国产欧美日韩在线播放| 国产欧美日韩一区二区精品| 国产亚洲av高清不卡| 听说在线观看完整版免费高清| 日日夜夜操网爽| 国产精品日韩av在线免费观看| 精品久久久久久久人妻蜜臀av| 视频区欧美日本亚洲| 午夜日韩欧美国产| 久久中文字幕一级| 亚洲最大成人中文| 啪啪无遮挡十八禁网站| 在线观看免费视频日本深夜| 嫁个100分男人电影在线观看| 欧美三级亚洲精品| 欧美色视频一区免费| 亚洲专区中文字幕在线| 亚洲欧美激情综合另类| 2021天堂中文幕一二区在线观 | 亚洲国产高清在线一区二区三 | 国产激情欧美一区二区| 久久久久久久午夜电影| 在线国产一区二区在线| av在线天堂中文字幕| 亚洲专区字幕在线| 国产成人精品久久二区二区91| 亚洲精品一卡2卡三卡4卡5卡| 久久精品成人免费网站| 日韩中文字幕欧美一区二区| 久久午夜亚洲精品久久| 亚洲专区中文字幕在线| 两人在一起打扑克的视频| 啦啦啦免费观看视频1| 欧美国产日韩亚洲一区| 亚洲,欧美精品.| 一级毛片女人18水好多| 听说在线观看完整版免费高清| 欧美性长视频在线观看| 亚洲国产欧美一区二区综合| 国内少妇人妻偷人精品xxx网站 | 91麻豆av在线| 亚洲精品美女久久av网站| 色婷婷久久久亚洲欧美| 一级作爱视频免费观看| 久热这里只有精品99| netflix在线观看网站| 十八禁人妻一区二区| 欧美av亚洲av综合av国产av| 我的亚洲天堂| 啪啪无遮挡十八禁网站| 日本五十路高清| 久久久久久久久免费视频了| а√天堂www在线а√下载| 国产精品综合久久久久久久免费| 亚洲国产精品久久男人天堂| 黄色视频,在线免费观看| 亚洲中文字幕一区二区三区有码在线看 | 国产精品影院久久| 欧美久久黑人一区二区| 一夜夜www| 精品电影一区二区在线| 日韩欧美国产在线观看| 一夜夜www| 大型黄色视频在线免费观看| 黄色丝袜av网址大全| 极品教师在线免费播放| 丝袜在线中文字幕| 国产精品永久免费网站| 欧美激情高清一区二区三区| 一区二区三区高清视频在线| 精品欧美一区二区三区在线| 成人免费观看视频高清| 成人国产综合亚洲| 日韩一卡2卡3卡4卡2021年| 宅男免费午夜| 757午夜福利合集在线观看| 午夜老司机福利片| 丰满的人妻完整版| 99国产精品一区二区三区| 国产极品粉嫩免费观看在线| 亚洲成人国产一区在线观看| 国产精品乱码一区二三区的特点| 日本一区二区免费在线视频| 国产精品免费一区二区三区在线| 欧美日韩瑟瑟在线播放| 热99re8久久精品国产| 国产精品免费一区二区三区在线| 女性被躁到高潮视频| 很黄的视频免费| 一二三四社区在线视频社区8| av免费在线观看网站| 桃色一区二区三区在线观看| 久久久水蜜桃国产精品网| 777久久人妻少妇嫩草av网站| 精品一区二区三区四区五区乱码|