亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多目標系統(tǒng)最優(yōu)控制方法研究*

        2014-12-05 05:10:34杜振華諶海云石明江
        航天控制 2014年5期
        關(guān)鍵詞:最優(yōu)控制性能指標變異

        杜振華 諶海云 曾 歡 石明江

        1. 西南石油大學電氣信息學院,成都610500

        2. 中海油節(jié)能環(huán)保服務有限公司,天津300457

        多目標系統(tǒng)最優(yōu)控制主要研究存在多個目標泛函時,在給定的狀態(tài)約束條件下尋求最優(yōu)控制律并達到?jīng)Q策者所需的最優(yōu)。在工程實際中,多個指標之間往往相互沖突、相互矛盾,一方利益的獲得會導致另一方利益的受損。決策者則會通過自身的經(jīng)驗給予各個指標不同的權(quán)重。這種傳統(tǒng)的設(shè)計方法偏離了實際數(shù)值意義上的最優(yōu)。

        從上世紀90年代起,一些學者提出了針對二次性能指標的多目標最優(yōu)控制,諸如Khargnnekar 和Rotea 的凸優(yōu)化方法[1],Salukvadze 的向量值法[2],Shtessel 的比例損耗原理及我國學者張成科的小波逼近法[3]。這些傳統(tǒng)方法的數(shù)值計算十分復雜,且對問題性質(zhì)有著要求。

        進化計算的發(fā)展對復雜問題的尋優(yōu)提供了有效方法,本文將現(xiàn)代控制論與多目標進化算法結(jié)合,通過構(gòu)建免疫克隆選擇算法求解多目標情況下的最優(yōu)控制問題。并針對具有較多先驗知識的決策者,提出了一種用層次分析法分配多目標之間權(quán)重的方法。

        1 系統(tǒng)數(shù)學模型

        隨著空間技術(shù)的發(fā)展及最短時間問題的提出,最優(yōu)控制理論逐漸發(fā)展起來,其基本數(shù)學模型如下:

        一個被控系統(tǒng)可以用下式表征

        式中,x 描述被控對象的n個獨立變量,u 為控制量,f(x,u,t)是描述被控對象動態(tài)特征的n 維矢值函數(shù)。則存在一個容許控制ui(t),i = 1,2,…,r;ui(t)≤M,使得性能指標取極小。

        那么多目標的系統(tǒng)則表述為:

        尋求最優(yōu)控制律ui(t),i = 1,2,…,r,同時使得如下指標取極小值

        2 層次分析法

        層次分析法(Analytical Hierachy Process,AHP)是一種整理和綜合人們主觀判斷的客觀分析方法,也是一種定性與定量分析相結(jié)合的系統(tǒng)分析方法,它在經(jīng)濟學領(lǐng)域的應用較為普遍,但對于控制系統(tǒng)而言也可以借鑒這一方法。對于具有大量先驗經(jīng)驗的工程師而言,已經(jīng)對多個目標之間相互比對的重要程度有了主觀意見,就可以采用層次分析法客觀的確定主觀決策的權(quán)重大小。

        層次分析法的重點就是建立判斷矩陣并求解判斷矩陣的最大特征根λmax對應的歸一化特征向量W,然后對判斷矩陣進行一致性檢驗,如果檢驗通過,則該特征向量就是各目標的加權(quán)系數(shù)。下面以一個三性能指標的二階積分系統(tǒng)為例說明層次分析法在優(yōu)化控制中的使用方法。

        假設(shè)如下一個二階積分系統(tǒng)

        其性能指標為

        首先根據(jù)Saaty 教授提出的標度法(如表1 所示)對各目標相對于其他目標的兩兩比較重要性來確定判斷矩陣B。然后通過和積法(或方根法)求判斷矩陣B 的最大特征根λmax,再由式(8)和(9)求出一致性指標CI 和一致性比率CR,檢驗B 的一致性,最后求λmax的歸一化特征向量W。

        表1 標度法

        采用和積法求取判斷矩陣B 的最大特征根λmax及其歸一化特征向量W,其步驟如下:

        1) 將判斷矩陣B 的每一列元素作正規(guī)化處理

        2) 將每一列經(jīng)正規(guī)化后的判斷矩陣按行相加

        則W = (W1,W2,…,Wr)T即為B 的最大特征根λmax對應的歸一化特征向量。

        4) 計算判斷矩陣B 的最大特征根

        判斷矩陣B 的滿意一致性可用一致性比率CR檢驗

        稱CI 為判斷矩陣B 的一致性指標,CI 越小,B的最大特征根λmax越接近完全一致性判斷矩陣的最大特征根。當CR <0.1 時,則判斷矩陣B 具有滿意一致性。否則,判斷矩陣B 不具有滿意一致性,需要對判斷矩陣B 進行調(diào)整。

        按照上述方法對假設(shè)的二階積分系統(tǒng)的性能指標進行權(quán)值計算,首先根據(jù)3個指標重要性的兩兩比較來建立判斷矩陣B,如表2 所示。然后用和積法進行計算,可得λmax= 3.009 ,RI = 0.580 ,CI =0.005 ,CR = 0.09 <0.1 ,通過一致性檢驗,得到各目標的權(quán)值為W1= 0.540 ,W2= 0.163 ,W3=0.297 。

        表2 判斷矩陣

        則該二階積分系統(tǒng)的性能指標為

        3 交互式?jīng)Q策

        在一些工程實際中,工程師對各指標的重要程度不具有先驗經(jīng)驗或者各專家關(guān)于指標重要程度有分歧,則可通過交互式?jīng)Q策方法供決策者來協(xié)調(diào)多項指標。

        對于多目標優(yōu)化問題而言,目標解的好壞無法用傳統(tǒng)意義上的“好壞”來衡量,這意味著不能采用傳統(tǒng)的基于導數(shù)信息的優(yōu)化技術(shù)或傳統(tǒng)的啟發(fā)式隨機搜索方法(模擬退火、遺傳算法、人工免疫算法等)來求解該問題。因此,多目標優(yōu)化算法的提出是解決此類問題的關(guān)鍵,區(qū)別于傳統(tǒng)的計算方法,本文采用改進的免疫克隆選擇多目標優(yōu)化算法來求解這類問題。

        3.1 多目標優(yōu)化

        多目標優(yōu)化問題(MOP)可用如下數(shù)學表達式描述:

        給定決策向量X = (x1,x2,…,xn)∈Ω,它滿足下列約束

        設(shè)有r個優(yōu)化目標,且這r個優(yōu)化目標是相互矛盾的,一方收益會導致一方利益受損,則優(yōu)化目標可以表示為

        尋求X*= ()使得F(X*)最優(yōu),且滿足式(10)的2個約束條件。在此基礎(chǔ)上給出如下幾個重要定義。

        定義1 如果X 滿足約束條件(10),則稱X 為可行解。所有可行解組成的集合稱為可行解集合,記為Ω。

        定義2 設(shè)X 和X*是多目標優(yōu)化問題候選解集中的任意2個非等值個體,假定X*是非支配的(Pareto-占優(yōu)),則需要滿足如下條件:

        1)對于所有的子目標,X*不比X 差,即fk(X*)≤fk(X),(k = 1,2,…,r);

        2)至少存在一個子目標,使得X*比X 好,即?q ∈{1,2,…,r}, 至 少 有 一個 子 目 標 使fq(X*)<fq(X)。其中,r 為子目標的數(shù)量,此時可用“ >”表示兩者的關(guān)系,即X*>X。

        定義3 若X*∈Ω,且不存在其他的使得成立,且其中至少一個是嚴格不等式,則稱X*是minF(X)的Pareto最優(yōu)解

        定義4 Pareto 最優(yōu)解集在其目標函數(shù)空間中的表現(xiàn)形式稱為Pareto 邊界(或稱為Pareto front),Pareto 最優(yōu)邊界PF*定義為:

        3.2 免疫克隆選擇多目標優(yōu)化算法

        免疫是生物體的一種生理機能,生物依靠這種功能識別“自己”和“非己”成分,從而破壞和排斥進入人體的抗原物質(zhì),或人體本身所產(chǎn)生的損傷細胞和老化細胞等,以維持人體的健康。本文所用算法主要模仿了脊椎動物的免疫應答及免疫記憶過程。圖1 為人體免疫應答過程的一個簡化示意圖,為更清楚的描述這一過程與算法的對應關(guān)系,現(xiàn)給出以下定義。

        圖1 生物免疫應答過程

        抗原:抗原(antigen)是指能刺激機體免疫系統(tǒng)引發(fā)免疫應答而產(chǎn)生抗體和致敏淋巴細胞,并能與之發(fā)送特異性結(jié)合而產(chǎn)生免疫效應的物質(zhì)。在多目標優(yōu)化問題中,抗原定義為目標函數(shù)或目標函數(shù)的變換函數(shù)。

        抗體:抗體是指免疫系統(tǒng)受到抗原刺激后,B 淋巴細胞轉(zhuǎn)化為漿細胞并產(chǎn)生能與抗原發(fā)生特異性結(jié)合的免疫球蛋白(immunoglobulin,Ig),該免疫球蛋白即為抗體。在人工免疫系統(tǒng)中一般指問題的候選解,與進化算法中的個體相似,抗體的集合稱為抗體群。

        設(shè)抗體a 代表一個候選解,a = (a1,a2,…,an),那么一個規(guī)模為N 的抗體群定義為:A = {a1,a2,…,aN}。

        抗體-抗原的親和力:抗體和抗原的作用是通過力或化學鍵實現(xiàn)的,抗體單個結(jié)合部位與單價抗原(或表位)的結(jié)合力稱為親和力(affinity)。反映整體抗體分子與抗原之間總的結(jié)合力稱為親合力(avidity)。在單目標的人工免疫系統(tǒng)一般是指抗原的適應度,在多目標情況下可以是抗體的支配與非支配情況或序值。

        抗體-抗體親和度:抗體與抗體間的結(jié)合能力稱之為抗體-抗體親和度。在人工免疫系統(tǒng)中,一般指候選解間的距離。

        克隆:克隆是指通過無性生殖而產(chǎn)生遺傳上均一的生物群,即具有完全相同的遺傳物質(zhì)組成的一群細胞或者生物個體。在多目標情況下克隆主要實現(xiàn)候選解的復制,克隆比通常取5 ~10。

        克隆操作Rcc 定義為:當對第it 代群體A(it)={a1(it),a2(it),…,aN(it)}進行克隆操作時,可以表示為:

        3.2.1 算法編程及測試

        (1)編碼

        對于連續(xù)變量而言,二進制編碼存在嚴重缺陷,傳統(tǒng)的二進制編碼,在處理個體擁擠距離時,通常是采用相似度函數(shù)進行判別。但是相似度函數(shù)的判別結(jié)果有時和實際情況大相徑庭。例如1000000000和0111111111 這2個個體,在表現(xiàn)型空間中是相鄰的點,具有最小的歐氏距離,但是在基因型空間中卻具有很大的Hamming 距離。因此本文采用實數(shù)編碼。

        對于函數(shù)優(yōu)化問題,實數(shù)編碼最為有效,并且已經(jīng)證實,在函數(shù)優(yōu)化和約束優(yōu)化領(lǐng)域,實數(shù)編碼比二進制和Gray 編碼更為有效。實數(shù)編碼的遺傳算子大體上有4 類:傳統(tǒng)算子、算數(shù)算子、基于方向的算子和隨機算子。本文采用傳統(tǒng)算子。

        (2)進化算子

        高斯變異(Gaussian Mutation)是改進算法對重點搜索區(qū)域大局部搜索性能的另一種變異操作方法。所謂高斯變異操作是指進行變異操作時,用符合均值為m,方差為δ2的正太分布的一個隨機數(shù)來替換原有基因值。高斯變異的具體操作過程是:

        1)每個染色體上都進行變異操作,變異的基因位選擇方式為

        2)對每一個變異點,以概率pm 從對應基因的取值范圍內(nèi)取一隨機數(shù)來取代原有基因值。新基因由下式計算得到:

        設(shè)xk為變異點,其取值范圍是,則令

        當問題的抗體約束范圍較廣時,高斯變異方法所得的Pareto 最優(yōu)解分布的均勻性會變差。因此,在這種情況可以使用均勻變異算子。均勻變異是用抗體約束范圍內(nèi)均勻分布的隨機數(shù)來取代變異基因位,其MATLAB 程序表述為如下:

        算法中,chrom 表示需要進行變異操作的抗體,pm 為變異概率,bound 為變異基因位的取值范圍,通常以矩陣形式描述。

        3)選擇算子

        克隆選擇操作是從抗體各自克隆增殖后的子代中選擇優(yōu)秀的個體,從而形成新的抗體群。一個抗體能否被選擇到下一代中,主要取決于其是否為非支配抗體。這樣就需要將抗體群劃分為支配抗體群和非支配抗體群,這也是算法的主要時間復雜度所在。本文采用擂臺法進行非支配操作,其時間復雜度為O(rmN)。

        擂臺法構(gòu)造進化群體的Pareto 最優(yōu)解集時,每一輪從構(gòu)造集中選一個解作為擂臺主,其余個體依次打擂臺,失敗者則被淘汰出局,勝者成為新的擂臺主,并繼續(xù)該輪比較。一輪比較后,最后的擂臺主即為非支配個體。按這種方法進行下一輪的比較,直到構(gòu)造集中的被支配個體都被淘汰出局。算法的時間復雜度為O(rmN),式中r 為目標數(shù),m 為非支配個體數(shù),N 為群體大小,比起NSGA-II 算法的復雜度(O(rN2))有所降低。

        4)種群修剪

        為保持種群良好的分布性和均勻性,需要對種群進行修剪。其重要思想是:計算抗體之間的聚集距離,并以此分配適應值,兩端個體分配無窮大適應值,以此來選取非支配且聚集距離大的個體產(chǎn)生新的種群。這樣還能保證抗體規(guī)模維持在設(shè)定范圍內(nèi),而不至于過渡繁殖。

        5)依概率免疫記憶

        對抗原進行進化操作時,按概率保留一定的非支配抗原作為精英,以此為算法必然收斂的前提。為驗證算法的性能,選取了kur,MOP5 和MOP7 三個標準測試函數(shù)。圖2 為免疫克隆選擇多目標優(yōu)化算法的算法流程圖。圖3(a)~(c)分別為免疫克隆選擇多目標優(yōu)化算法的kur,MOP5 和MOP7 函數(shù)測試結(jié)果。圖3(d)為NSGA-II 算法的MOP5 測試結(jié)果。相比而言,由于算法省去了二進制到十進制的轉(zhuǎn)換及交叉等操作,比起NSGA -II 的執(zhí)行時間更短。由圖3(c)和(d)比較可見針對3個目標的測試結(jié)果,免疫克隆選擇多目標優(yōu)化算法的Pareto 最優(yōu)解分布更廣泛,要優(yōu)于NSGA-II。

        3.3 基于Pareto 最優(yōu)的多目標系統(tǒng)最優(yōu)控制方法

        用交互式?jīng)Q策方法來求解多目標系統(tǒng)最優(yōu)控制問題需要將算法與模型仿真相結(jié)合。在Matlab 環(huán)境下建立算法的M 文件,并通過語句assignin(ws,‘var’,val)和[t,x,y]= sim(model,timespan)建立多目標免疫優(yōu)化算法與需求解問題的Simulink 仿真模型之間的聯(lián)系。為說明交互式?jīng)Q策法及免疫克隆選擇多目標優(yōu)化算法在求解實際問題時的有效性,本文以飛機增穩(wěn)控制器的設(shè)計為例進行說明。

        3.3.1 示例

        圖2 免疫克隆選擇多目標優(yōu)化算法流程

        圖3 算法測試結(jié)果

        高性能飛機的飛行包線范圍很廣,要滿足高空高速,低空低速的要求,且在受到自然環(huán)境影響(如自然風)下仍能保證較好的穩(wěn)定度,僅依靠飛機的氣動外形設(shè)計很難實現(xiàn),因此需要在飛機中加入增穩(wěn)系統(tǒng),以提高飛機的穩(wěn)定性和操縱性。這類為增加和改善飛機穩(wěn)定性的控制系統(tǒng)稱為增穩(wěn)系統(tǒng)(Stability Augmentation Systems,簡稱SAS)。由于本文只為說明免疫算法對多目標系統(tǒng)的優(yōu)化控制方法,故對SAS 這一多輸入多輸出系統(tǒng)做以下簡化:1)飛機模型采用縱向小擾動線性化模型,其線性化平衡點處于飛行包線內(nèi)低空高速區(qū)域;2)將問題簡化為狀態(tài)調(diào)節(jié)器,不考慮指令輸入;3)僅考慮垂直風干擾,迎角的初始條件為5°的偏轉(zhuǎn)。使用王青在文獻[4]中提供的數(shù)據(jù),建立以下狀態(tài)空間模型

        圖4 免疫克隆選擇多目標優(yōu)化算法求解LQR 控制器

        式中,狀態(tài)向量x = [υ,α,q,θ]T,各元素分別代表速度的變化百分比、迎角、俯仰角速率、俯仰角;u =[ξp,ξT]T,各元素分別代表升降舵的偏轉(zhuǎn)和油門桿的位置。LQR 全狀態(tài)反饋最優(yōu)調(diào)節(jié)器的性能指標選取如下:

        對于該問題的性能給出3個指標,分別為:升降舵控制輸入的最大值max(u)、迎角輸出的峰值時間tp和超調(diào)量σ 以及估計誤差的ITAE。如圖4 所示,為免疫克隆選擇算法結(jié)合多指標飛機增穩(wěn)LQR控制器設(shè)計的流程圖。算法得到的抗原經(jīng)計算得到LQR 的反饋陣參數(shù)并賦給Simulink 環(huán)境下的控制器。用模型進行仿真,將仿真后得到的性能指標參數(shù)又返回給多目標免疫算法,算法根據(jù)這一數(shù)值進行免疫操作。整個計算過程以此循環(huán),直到算法滿足終止條件。

        圖5 為3個性能指標的Pareto 最優(yōu)邊界。表3為從非支配集中任意選出的5 組抗體得到的控制器參數(shù)。圖7 為系統(tǒng)的Simulink 仿真模型。圖6 為從表3 中選取的第1 組控制參數(shù)和第5 組參數(shù)進行仿真所獲得的迎角輸出曲線,由曲線可知,同樣獲得飛機增穩(wěn)控制的同時,系統(tǒng)的性能指標的極小值取值有所不同,如圖6(a)對應的控制器系統(tǒng)穩(wěn)定性及穩(wěn)定時間均劣于圖6(b)對應的控制器,但是圖6(a)對應的控制器所消耗的控制能量卻小于后者。因此,決策者可根據(jù)計算所得的控制器參數(shù)來協(xié)調(diào)多項系統(tǒng)指標以達到最優(yōu)控制。

        圖5 Parcto最優(yōu)邊界

        表3 控制器可選參數(shù)

        圖6 系統(tǒng)迎角仿真曲線

        4 結(jié)論

        圖7 增穩(wěn)系統(tǒng)的Simulink 仿真模型

        對多目標系統(tǒng)的最優(yōu)控制方法進行了深入研究,并根據(jù)設(shè)計者先驗知識的多少提出了2 種新的解決方法:層次分析法和交互式?jīng)Q策法。不同于以往解決方法,交互式?jīng)Q策法的數(shù)值計算難度小,且不依賴或很少依賴求解問題。不論是線性或非線性、連續(xù)或非連續(xù)問題均能夠求解其最優(yōu)控制參數(shù),還能兼顧多項性能指標。在所采用的算法方面,本文針對現(xiàn)有算法的不足,設(shè)計了免疫克隆選擇多目標優(yōu)化算法來求解多目標問題,通過測試表明算法性能良好,能夠用于多目標系統(tǒng)最優(yōu)控制參數(shù)的求解。本文所提方法不僅可以應用在多指標情況下的LQR 設(shè)計,還可以應用在多指標要求下的油田最優(yōu)采收率、煉油過程中的換熱和加催化等的控制以及直升機懸??刂频戎T多方面。

        [1]Khargonekar P P,Rotea M A. Multiple Objective Optimal Control of Linear System:The Quadratic Norm Case[J]. IEEE Trans. Automatic Control,1991,36(1):14-24.

        [2]Salukvadze M E. Vector-valued Optimization Problem in Control Theory[M]. Academic,New York,1979.

        [3]張成科.多目標最優(yōu)控制的小波逼近解[J]. 數(shù)學的實踐與認知,2006,36(8):176-183.(Zhang C K.Ap proximation Solution for Multiple Criteria Optimum Control Problem Via Wavelet[J]. Mathematics in Practice and Theory,2006,36(8):176-183.)

        [4]王青,陳宇,張穎昕,侯硯澤. 最優(yōu)控制—理論、方法與應用[M].北京:高等教育出版社,2011.(Wang Q,Chen Y,Zhang Y X,Hou Y Z. Optimal Control—Theory,Methods and Applications[M].Beijing:Higher Education Press,2011.)

        [5]Shtessel Y B. Principle of Proportional Damages in a Multiple Criteria LQR Problem[J]. IEEE Trans. Automatic Control,1996,41(3):461-464.

        [6]Holland J H. Adaptation in Natural And Artificial Systems:An Introductory Analysis With Applications to Biology,Control,and Artificial Intelligence[M]. 1st Edition,Ann Arbor,MI:The University of Michigan Press,1975;2nd edition,Cambridge,MA:MIT Press,1992.

        [7]Schaffer J D. Multiple Objective Optimization With Vector Evaluated Genetic Algorithms[C]. Proceedings of 1st International Conference on Genetic Algorithms and Their Applications. Hillsdale:Lawrence Erlbaum Associates,Inc.,1985:93-100.

        [8]Deb K,Pratab A,Agarwal S,et al. A fast and Elitist Multi-objective Genetic Algorithm:NSGA-II[J]. IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.

        [9]Coello Coello C A,Cruz Cortés N. An Approach to Solve Multiobjective Optimization Problems Based on An Artificial Immune System[C]. Proceedings of 1st International Conference on Artificial Immune System,Canterbury,2002:212-221.

        [10]鄭金華.多目標進化算法及其應用[M]. 北京:科學出版社,2007.(Zheng J H. Multi-objective Evolutionary Algorithm and Application [M]. Beijing:Science Press,2007.)

        [11]Jiao L C,Gong M G,Shang R H,et al. Clonal Selection with Immune Dominance and Anergy Based Multiobjective Optimization[C]. Proceedings of 3rd International Conference on Evolutionary Multi-crite-rion Optimization,Berlin:Springer,2005:474-489.

        [12]焦李成,尚榮華,馬文萍,公茂果,李陽剛,劉芳.多目標優(yōu)化免疫算法、理論和應用[M]. 北京:科學出版社,2010. (Jiao Licheng,Shang Ronghua,Ma Wenping,Gong Maoguo,Li Yanggang,Liu Fang. The Theory and Application of Multi-objective Optimization Immune Algorithm[M].Beijing:Science Press,2010.)

        [13]Knowles J D,Corne D W,Deb K.Multiobjective Problem Solving form Nature[M].New York:Springer,2008.

        [14]Gong T,Cai Z X. Natural Computation of Immune Elearning System[C]//Proc. of 3rd Int’1 Conf. on Computational Intelligence,Robotics and Autonomous Systems,Singapore,2005:13-16.

        猜你喜歡
        最優(yōu)控制性能指標變異
        條件平均場隨機微分方程的最優(yōu)控制問題
        瀝青膠結(jié)料基本高溫性能指標相關(guān)性研究
        石油瀝青(2021年1期)2021-04-13 01:31:08
        變異危機
        變異
        帶跳躍平均場倒向隨機微分方程的線性二次最優(yōu)控制
        Timoshenko梁的邊界最優(yōu)控制
        儲熱水箱分層性能指標的研究進展
        WebGIS關(guān)鍵性能指標測試技術(shù)研究
        采用最優(yōu)控制無功STATCOM 功率流的解決方案
        變異的蚊子
        百科知識(2015年18期)2015-09-10 07:22:44
        中文资源在线一区二区三区av| 久久无码精品精品古装毛片| 无码a级毛片免费视频内谢| 中文字幕文字幕一区二区| 成年丰满熟妇午夜免费视频| 夜夜未满十八勿进的爽爽影院| 亚洲AV无码久久久一区二不卡| 丰满人妻被猛烈进入中文字幕护士 | 久久久久亚洲精品无码蜜桃| 久久久99精品免费视频| 国产成人精品久久一区二区三区| 日韩视频第二页| 在线视频一区二区观看| 国产亚洲av看码精品永久| 久久久g0g0午夜无码精品| 揄拍成人国产精品视频| 亚洲国内精品一区二区在线| 一本色道久久亚洲精品| 娜娜麻豆国产电影| 国模精品无码一区二区二区| 亚洲高清美女久久av| 国内自拍色第一页第二页| 在线高清理伦片a| 国产精品无码久久久久免费AV | 变态调教一区二区三区女同| 亚洲av无码一区二区三区人妖| 囯产精品无码一区二区三区| 国产精品一品二区三区| 国产精品乱码人妻一区二区三区| 大伊香蕉在线精品视频75| 欧美h久免费女| 亚洲美女自拍偷拍视频| 欧美放荡的少妇| 老色鬼永久精品网站| 亚洲av本道一本二本三区| 久久精品女人天堂av免费观看| 大地资源中文第三页| 日本少妇比比中文字幕| 男人天堂网2017| 欧美性xxxx狂欢老少配| 国产精品自拍首页在线观看|