一种旋转机械振动信号阶比谱构造方法及装置与流程

1.本发明涉及旋转机械故障诊断技术领域，特别涉及一种旋转机械振动信号阶比谱构造方法及装置。


背景技术：

2.在工程实践中，旋转机械常在时变转速和时变负载条件下工作，导致振动信号具有复杂性和非平稳性，给状态监测和故障特征提取带来困难。阶比谱分析为识别时变特征提供了一种有效的方法。首先，通过测速装置获得瞬时转速。之后，根据瞬时转速对信号进行角域重采样。最后，对等角度采样信号进行傅里叶变换，得到阶比谱。阶比谱分析可以准确识别时变特征频率，因此在非平稳条件下的旋转机械故障诊断中得到了广泛的应用。
3.然而，常规阶比谱存在三个主要的固有缺陷。首先，精确的转速信息需要额外的测速装置。精确的转速是阶比谱分析的关键，是后续角域重采样的基础。转速信息通常由转速测量装置获得，如转速计或旋转编码器。然而，在实际应用中，额外安装转速计或编码器存在诸多不便和成本限制。申请号为cn 111780980a的中国专利申请公开了一种基于振动信号包络倒谱分析的柴油机转速提取方法。其对振动信号进行低通滤波后，对其包络信号进行倒频谱分析；将倒频谱的曲线通过时间与气缸工作频率相对应，计算出柴油机转速。虽然该方法直接从振动信号中提取了转速信息，但还需克服以下困难。首先，信号中存在多种谐波。其次，信号中包含机器结构共振响应。最后，实际信号还包含背景噪声。这些因素可能会导致瞬时转速提取错误，从而误导后续信号分析。
4.其次，常规的阶比谱存在和转速无关的频率干扰。实际信号中存在背景噪声甚至共振响应的干扰。申请号为cn 104700119 a的中国专利申请公开了一种基于卷积盲源分离的脑电信号独立分量提取方法，利用频域瞬时盲源分离模块对频域瞬时混合信号进行分离。该方法仅对不发生频域混叠的信号有效，而实际信号具有多分量、非线性时变的特点。在时变转速工况下，时频平面上的瞬时频率轨迹随时间变化。当将信号的时频结构向频率轴上投影时，会产生频域重叠现象。对于此类信号，在频域内直接进行滤波会造成信息丢失或混淆，无法得到完整单分量。此外，在没有信号先验知识的情况下，难以估计瞬时频率，无法辨识出与转速相关的分量。
5.第三，常规阶比谱存在能量泄漏。常规阶比谱通过角域重采样将等时间采样信号转换为等角度采样信号。对于时变工况下的信号，经过角域重采样后，幅值包络仍然时变，导致角域重采样信号的傅里叶变换出现能量泄漏。
6.针对上述问题，目前还未提出有效的解决方法。


技术实现要素：

7.本发明提供了一种旋转机械振动信号阶比谱构造方法及装置，以解决常规的阶比谱所存在的三大固有缺陷，即需要转速计/旋转编码器硬件、受与转速无关频率成分的干扰以及存在能量泄漏的技术问题。
8.为解决上述技术问题，本发明提供了如下技术方案：
9.一方面，本发明提供了一种旋转机械振动信号阶比谱构造方法，包括：
10.通过构造转速的概率密度函数从振动信号的时频分布中提取瞬时转速；
11.根据提取的瞬时转速构造各阶次分量的解调相位函数，并利用解调相位函数将时变频率分量映射为恒定频率分量，识别并提取与转速相关的各阶次分量；
12.计算所提取出的各阶次分量在时域内的幅值包络平均值，并利用计算出的每个阶次分量对应的幅值包络平均值代替其傅里叶变换幅值，从而构造阶比谱。
13.进一步地，所述通过构造转速的概率密度函数从振动信号的时频分布中提取瞬时转速，包括：
14.构造振动信号的时频分布，并进行预白化处理，生成信号的白化时频分布；
15.基于所述白化时频分布，根据转速及阶次范围，构造转速的概率密度函数；
16.基于先验连续性原理，对构造的概率密度函数进行平滑处理；
17.基于平滑处理后的概率密度函数，在每个时间步长内，提取各时刻概率密度最大值对应的频率，作为该时刻的瞬时转速。
18.进一步地，所述白化时频分布a(f,t)的表达式为：
[0019][0020]
其中，s(f,t)为信号的短时傅里叶变换谱，<>
t
表示平均算子，s
n
(f)表示在频率f处对所有时刻的s(f,t)进行升序排列后处于n％处的值。
[0021]
进一步地，基于所述白化时频分布，根据转速及阶次范围，构造转速的概率密度函数，包括：
[0022]
将a(f,t)的每一列视为每个时间步长的瞬时谱a(f)；考虑最大频率f
max
及多个潜在的阶次h
i
，对a(f)进行缩放，并将给定的最大转速ω
max
和最小转速ω
min
之间的值截取为一个概率密度函数[ω∣h
i
]；其中，[ω∣h
i
]表示为：
[0023][0024]
其中，ω表示频率值；ξ
i
为归一化因数，表示为：
[0025][0026]
将所有潜在阶次的概率密度函数相乘，得到组合概率密度函数ω，将组合概率密度函数ω作为转速的概率密度函数。
[0027]
进一步地，所述基于先验连续性原理，对构造的概率密度函数进行平滑处理，包括：
[0028]
基于先验连续性，通过将j k时刻处的概率密度函数与高斯函数进行卷积从而预测j时刻的概率密度函数，使得概率密度函数具有连续性；
[0029]
其中，j时刻的概率密度函数表示为：
[0030][0031]
其中，[ω
j
]
j k
表示由j k时刻处的概率密度函数所预测出的j时刻的概率密度函数；[ω
j k
]表示j k时刻的概率密度函数，[ω
j
∣ω
j k
]为高斯函数，表示为：
[0032][0033]
其中，σ
k
＝|γkδ
t
|，δ
t
为时频谱中的时间步长，表示均值为ω，方差为σ的正态分布，γ为瞬时转速的加速度；
[0034]
将所有相邻点预测出的j时刻概率密度函数进行相乘，得到平滑处理后的概率密度函数，表示为
[0035][0036]
其中，[ω
j
]
s
表示最终平滑处理后的概率密度函数；k为给定的预测j时刻概率密度函数的最大范围；k表示与j时刻相邻的时间步长数。
[0037]
进一步地，根据提取的瞬时转速构造各阶次分量的解调相位函数，并利用解调相位函数将时变频率分量映射为恒定频率分量，识别并提取与转速相关的各阶次分量，包括：
[0038]
根据提取的瞬时转速构造各阶次分量的解调相位函数，并根据解调相位函数将时变频率分量映射为恒定频率分量；
[0039]
通过带通滤波器分离出每个频率恒定的阶次分量，并构造逆解调相位函数，通过所述逆解调相位函数将分离出的各阶次分量恢复为原始阶次分量；
[0040]
对分离出的每个阶次分量进行相位随机化，生成多个相位随机化后的信号；对所述原始阶次分量与相位随机化后的信号分别进行熵值计算；
[0041]
通过对比所述原始阶次分量与相位随机化后的信号对应的熵值大小，辨识所提取出的原始阶次分量是否为真，为真则保留，为假则舍弃。
[0042]
进一步地，所述根据提取的瞬时转速构造各阶次分量的解调相位函数，并根据解调相位函数将时变频率分量映射为恒定频率分量，包括：
[0043]
根据已知的瞬时转速w(t)，计算第i阶的瞬时频率w
i
(t)＝w(t)*i；将第i阶时变频率分量x
i
(t)与解调函数exp[
‑
jv
i
(t)]相乘，将其映射为恒定频率分量u
i
(t)：
[0044]
u
i
(t)＝x(t)exp[
‑
jv
i
(t)]
[0045]
其中，v
i
(t)＝
‑
∫[w
i
(t)
‑
ω0]dt，ω0为恒定频率值；x(t)为原始时变频率分量。
[0046]
进一步地，熵值计算公式为：
[0047][0048]
其中，d[f(x)]表示信号熵值；f(x)为信号的功率谱；
[0049]
所述通过对比所述原始阶次分量与相位随机化后的信号对应的熵值大小，辨识所提取出的原始阶次分量是否为真，为真则保留，为假则舍弃，包括：
[0050]
若原始阶次分量的熵值大于95％的相位随机化后的信号的熵值，则确定该原始阶次分量为真，否则确定该原始阶次分量为假；为真则保留，为假则舍弃。
[0051]
进一步地，计算所提取出的各阶次分量在时域内的幅值包络平均值，并利用计算出的每个阶次分量对应的幅值包络平均值代替其傅里叶变换幅值，从而构造阶比谱，包括：
[0052]
对提取出的各阶次分量，通过下式计算其幅值包络：
[0053]
a
i
(t)＝|x
i
(t) jht[x
i
(t)]|
[0054]
其中，a
i
(t)表示各阶次分量的幅值包络；ht[
·
]表示希尔伯特变换；
[0055]
计算a
i
(t)的平均值m
i
，作为相应阶次分量的幅值；
[0056]
以阶次i为横坐标，相应的平均值m
i
为纵坐标，构建增强阶比谱。
[0057]
另一方面，本发明还提供了一种旋转机械振动信号阶比谱构造装置，包括：
[0058]
瞬时转速提取模块，用于通过构造转速的概率密度函数从振动信号的时频分布中提取瞬时转速；
[0059]
阶次分量提取模块，用于根据所述瞬时转速提取模块所提取的瞬时转速构造各阶次分量的解调相位函数，并利用解调相位函数将时变频率分量映射为恒定频率分量，识别并提取与转速相关的各阶次分量；
[0060]
阶比谱构造模块，用于计算所述阶次分量提取模块所提取出的各阶次分量在时域内的幅值包络平均值，并利用计算出的每个阶次分量对应的幅值包络平均值代替其傅里叶变换幅值，从而构造阶比谱。
[0061]
再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0062]
又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0063]
本发明提供的技术方案带来的有益效果至少包括：
[0064]
(1)本发明从振动信号中直接提取瞬时转速信息，无需转速计/编码器，解决了硬件安装不便和成本限制问题。
[0065]
(2)本发明有效消除了和转速无关频率的干扰，提高了阶比谱的可读性。
[0066]
(3)本发明有效避免了傅里叶变换导致的能量泄漏，增强了分辨率和幅值精度。
[0067]
(4)本发明提供的阶比谱构造方法，在揭示振动信号频率结构方面具有较高的适应性，适用于具有高度非平稳性和复杂性的旋转机械振动信号分析。
附图说明
[0068]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他
的附图。
[0069]
图1是本发明实施例提供的旋转机械振动信号阶比谱构造方法的流程图；
[0070]
图2是某风场行星齿轮箱齿圈磨损信号的波形示意图；
[0071]
图3是某风场行星齿轮箱齿圈磨损信号的傅里叶频谱示意图；
[0072]
图4是某风场行星齿轮箱齿圈磨损信号的时频分布示意图；
[0073]
图5是某风场行星齿轮箱齿圈磨损信号的常规阶比谱示意图；
[0074]
图6是通过本发明实施例提供的旋转机械振动信号阶比谱构造方法从某风场行星齿轮箱时频分布中提取出的转速曲线示意图；
[0075]
图7是通过本发明实施例提供的旋转机械振动信号阶比谱构造方法构造的某风场行星齿轮箱增强阶比谱示意图。
具体实施方式
[0076]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0077]
第一实施例
[0078]
本实施例提供了一种适用于时变转速工况的旋转机械振动信号阶比谱构造方法，用于构造增强阶比谱，该方法可以由电子设备实现，该电子设备可以是终端或者服务器。该方法的执行流程如图1所示，包括以下步骤：
[0079]
s1，通过构造转速的概率密度函数从振动信号的时频分布中提取瞬时转速；
[0080]
s2，根据提取的瞬时转速构造各阶次分量的解调相位函数，利用解调相位函数将时变频率分量映射为恒定频率分量，识别并提取与转速相关的各阶次分量；
[0081]
s3，计算提取的各阶次分量在时域内的幅值包络平均值，并利用计算出的每个阶次分量对应的幅值包络平均值代替其傅里叶变换幅值，从而构造阶比谱。
[0082]
进一步地，在本实施例中，上述s1包括以下步骤：
[0083]
s11，构造振动信号的时频分布，并对构造的振动信号的时频分布进行预白化处理，生成信号的白化时频分布a(f,t)，以去除结构响应；a(f,t)表示为：
[0084][0085]
其中，s(f,t)为信号的短时傅里叶变换谱，<>
t
表示平均算子，s
n
(f)表示在频率f处对所有时刻的s(f,t)进行升序排列后处于n％处的值。
[0086]
s12，基于a(f,t)，根据转速及阶次范围，构造瞬时转速的概率密度函数；
[0087]
具体地，在本实施例中，上述s12的实现过程具体如下：
[0088]
将时频分布a(f,t)的每一列视为每个时间步长的瞬时谱a(f)；考虑最大频率f
max
及多个潜在的阶次h
i
，对a(f)进行缩放，并将给定的最大转速ω
max
和最小转速ω
min
之间的值截取为一个概率密度函数[ω∣h
i
]；其中，[ω∣h
i
]表示为：
[0089][0090]
其中，ω表示频率值。
[0091]
ξ
i
为归一化因数，表示为：
[0092][0093]
将所有潜在阶次的概率密度函数相乘，得到组合概率密度函数ω，表示为：
[0094][0095]
其中，[ω]表示组合概率密度函数。
[0096]
组合概率密度函数ω即为转速的概率密度函数。
[0097]
s13，基于先验连续性原理，对构造的概率密度函数进行平滑处理，从而避免转速产生阶跃变化；
[0098]
具体地，在本实施例中，上述s13的实现过程具体如下：
[0099]
基于先验连续性，通过将j k时刻处的概率密度函数与高斯函数进行卷积从而预测j时刻的概率密度函数，使得概率密度函数具有连续性。其中，k表示与j时刻相邻的时间步长数，k∈[
‑
k,k]。k值可根据需求自定义选取，k值越大，概率密度函数连续性越好，同时计算量亦增大；
[0100]
其中，j时刻的概率密度函数表示为：
[0101][0102]
其中，[ω
j
]
j k
表示由j k时刻处的概率密度函数所预测出的j时刻的概率密度函数。
[0103]
[ω
j k
]表示j k时刻的概率密度函数，[ω
j
∣ω
j k
]为高斯函数，表示为：
[0104][0105]
其中，σ
k
＝|γkδ
t
|，δ
t
为时频谱中的时间步长，表示均值为ω，方差为σ的正态分布，γ为瞬时转速的加速度；ω
j k
表示j k时刻的概率密度函数。
[0106]
将所有相邻点预测出的j时刻概率密度函数进行相乘，得到最终的平滑处理后的概率密度函数，表示为
[0107][0108]
其中，k为给定的预测j时刻概率密度函数的最大范围。[ω
j
]
s
表示最终平滑处理后的概率密度函数。
[0109]
s14，基于平滑处理后的概率密度函数，提取各时刻概率密度最大值对应的频率，作为该时刻的瞬时转速。
[0110]
具体地，在本实施例中，上述s14的实现过程具体如下：
[0111]
在每个时间步长内提取概率密度函数最大值处的频率，作为瞬时转速w(t)。
[0112]
进一步地，在本实施例中，上述s2包括以下步骤：
[0113]
s21，根据提取的瞬时转速构造各阶次分量的解调相位函数，并根据解调相位函数将时变频率分量映射为恒定频率分量；
[0114]
具体地，在本实施例中，上述s21的实现过程具体如下：
[0115]
根据已知的瞬时转速w(t)，计算第i阶的瞬时频率w
i
(t)＝w(t)*i；将第i阶时变频率分量x
i
(t)与解调函数exp[
‑
jv
i
(t)]相乘，将其映射为恒定频率分量u
i
(t)：
[0116]
u
i
(t)＝x(t)exp[
‑
jv
i
(t)]
[0117]
其中，v
i
(t)＝
‑
∫[w
i
(t)
‑
ω0]dt，ω0为恒定频率值。x(t)表示原始信号。
[0118]
s22，通过带通滤波器分离每个频率恒定的阶次分量u
i
(t)，并构造逆解调相位函数，通过逆解调相位函数将分离出的各阶次分量恢复为原始阶次分量x
i
(t)：
[0119]
x
i
(t)＝u
i
(t)exp[jv
i
(t)]
[0120]
其中，exp[jv
i
(t)]为逆解调函数。
[0121]
s23，对分离出的每个阶次分量进行相位随机化，生成多个相位随机化后的信号s
i
(t)；对原始阶次分量x
i
(t)与相位随机化后的信号s
i
(t)分别进行熵值计算；
[0122]
其中，熵值计算公式可表示为：
[0123][0124]
其中，f(x)为信号的功率谱。d[f(x)]表示信号熵值。
[0125]
s24，通过对比原始阶次分量与相位随机化后的信号对应的熵值大小，辨识所提取出的原始阶次分量是否为真，为真则保留，为假则舍弃。
[0126]
具体地，在本实施例中，上述s24的实现过程具体如下：
[0127]
若原始阶次分量的熵值大于95％的相位随机化后的信号的熵值，则确定该原始阶次分量为真，否则确定该原始阶次分量为假；为真则保留，为假则舍弃。
[0128]
s25，对其他目标阶次分量重复步骤s21
‑
s24，获取所有真实的阶次分量。
[0129]
进一步地，在本实施例中，上述s3包括以下步骤：
[0130]
s31，对提取出的各阶次分量，通过下式计算其幅值包络：
[0131]
a
i
(t)＝|x
i
(t) jht[x
i
(t)]|
[0132]
其中，ht[
·
]表示希尔伯特变换；a
i
(t)表示各阶次分量的幅值包络。
[0133]
s32，计算a
i
(t)的平均值m
i
，作为相应阶次分量的幅值；
[0134]
s33，以阶次i为横坐标，相应的平均值m
i
为纵坐标，构建增强阶比谱。
[0135]
下面，结合图2至图7，通过一个应用实例对本发明方法进行详细的阐述。其中，图2和图3是某风场行星齿轮箱齿圈磨损信号的波形和傅里叶频谱。图4是齿圈磨损信号的时频分布，可以看出，由于行星齿轮箱的转速随时间变化，各频率分量产生频域重叠。图5是常规阶比谱的分析结果，可以看出，由于和转速无关频率的干扰及能量泄漏的问题，各阶次分量混叠严重，难以清晰地展示信号的阶次组成。对此，采用本发明的方法构造增强阶比谱，步骤如下：
[0136]
(1)构造振动信号的时频分布，并进行预白化处理；
[0137]
(2)根据转速及其阶比范围，构造转速的概率密度函数；
[0138]
(3)基于先验连续性原理，对概率密度函数进行平滑处理，避免转速产生阶跃变化。
[0139]
(4)提取各时刻概率密度最大值对应的频率，作为该时刻的瞬时转速。
[0140]
其中，图6是采用本发明的方法直接从时频分布中提取出的瞬时转速曲线，从图6可以看出，本发明提取出的瞬时转速曲线揭示了转速随时间的变化规律。
[0141]
(5)根据瞬时转速构造各阶次分量的解调相位函数，并根据解调相位函数将时变频率分量映射为恒定频率分量；
[0142]
(6)应用带通滤波器分离出各阶次分量，并通过逆解调相位函数将其恢复为原始的阶次分量；
[0143]
(7)通过对比相位随机化后的熵值大小辨识所提取的各阶次分量是否为真，为真则保留，为假则舍弃。
[0144]
(8)计算各阶次分量的幅值包络平均值，作为各阶次的幅值；
[0145]
(9)以阶次为横坐标，相应的幅值为纵坐标，构造增强阶比谱。
[0146]
其中，图7是采用本发明的方法构建的增强阶比谱，可以看出，本发明的方法消除了和转速无关频率的干扰且避免了能量泄漏，从而清晰地展示了信号的阶次组成以及它们的幅值。在图7中的第二级啮合频带f
m2
附近找到了与齿圈故障特征频率f
r2
相关的边带，成功诊断了齿轮故障。
[0147]
综上可知，本发明提出的旋转机械振动信号阶比谱构造方法辨识并提取各阶次分量，消除和转速无关频率的干扰，无需进行角域重采样，利用各阶次分量时域内的平均幅值包络代替其傅里叶变换幅值，避免了对幅值时变信号傅里叶变换所固有的能量泄漏问题，从而清晰地展示了信号的阶次组成及其幅值。
[0148]
第二实施例
[0149]
本实施例提供了一种旋转机械振动信号阶比谱构造装置，该装置包括：
[0150]
瞬时转速提取模块，用于通过构造转速的概率密度函数从振动信号的时频分布中提取瞬时转速；
[0151]
阶次分量提取模块，用于根据所述瞬时转速提取模块所提取的瞬时转速构造各阶次分量的解调相位函数，并利用解调相位函数将时变频率分量映射为恒定频率分量，识别并提取与转速相关的各阶次分量；
[0152]
阶比谱构造模块，用于计算所述阶次分量提取模块所提取出的各阶次分量在时域内的幅值包络平均值，并利用计算出的每个阶次分量对应的幅值包络平均值代替其傅里叶变换幅值，从而构造阶比谱。
[0153]
本实施例的旋转机械振动信号阶比谱构造装置与上述第一实施例的旋转机械振动信号阶比谱构造方法相对应；其中，本实施例的旋转机械振动信号阶比谱构造装置中的各功能模块所实现的功能与上述第一实施例的旋转机械振动信号阶比谱构造方法中的各流程步骤一一对应；故，在此不再赘述。
[0154]
第三实施例
[0155]
本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。
[0156]
该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。
[0157]
第四实施例
[0158]
本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd
‑
rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0159]
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
[0160]
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0161]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0162]
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排
除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0163]
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。