基于行程曲线形态的隔离开关机械状态监测方法及系统与流程

1.本发明涉及隔离开关状态监测技术领域，特别是涉及一种基于行程曲线形态的gis设备隔离开关机械状态监测方法及系统。


背景技术：

2.gis(gas insulated switch gear，gis)是一种气体绝缘全密封型的开关装置，在现代电网中的应用十分广泛，其集隔离开关、断路器、互感器、接地装置、避雷器、电缆与母线、连接件和出线终端等于一体，具有体积小、重量轻、模块化设计集成诸多功能、可靠性高及维护工作量少等诸多优点。
3.隔离开关是一种起着隔离作用的开关设备，主要作用为隔离电路，是gis设备中的重要组成部分之一。近年来，因为隔离开关内部的缺陷而导致gis设备内部故障的问题不断出现，往往会导致大面积的停电事故，甚至导致整个变电站停电，从而引发上级电网停电的重大事故，给电力设备和用户带去较大的麻烦和损失。隔离开关的故障主要包括导电回路的故障、传动机构的故障、操作机构的故障、支柱绝缘子的故障和系统机械故障。此外，实际安装及运行工作过程中的各种人为或环境因素造成gis设备实际运行过程中相关的刀闸隔离开关无法有效合到位等问题时有发生，极大的影响了局部电网乃至整个电网的供电可靠性。
4.gis设备隔离开关主要由连杆机构、驱动电机、动静触头等部件组成，其动作过程为隔离开关根据接收到的信号判断分闸或合闸后，在电机的带动下，拐臂开始转动并带动动触头实现分闸或合闸，故通过测量拐臂转动并经一定的换算关系即可获取隔离开关的本体行程曲线，显然，本体行程曲线与gis设备隔离开关触头分合闸是否到位密切相关。此外，gis设备隔离开关的本体行程曲线可经装设在拐臂上的获取旋转轴头运动轨迹的旋转角位移传感器及其固定支架方便的获取，工序简单且精度高，有助于全面充分掌握gis设备隔离开关的实际运行情况，提高gis设备隔离开关的运行可靠性。实际应用中，如何根据gis设备隔离开关的本体行程曲线评判其机械状态、提高gis设备运维工作的针对性是研究难点。


技术实现要素：

5.本发明的目的是提供一种基于行程曲线形态的隔离开关机械状态监测方法及系统，通过对gis设备隔离开关分合闸过程中产生的本体行程曲线进行分析，即可高效、准确的判定gis设备隔离开关的机械状态。
6.为实现上述目的，本发明提供了如下方案：
7.一种基于行程曲线形态的隔离开关机械状态监测方法，所述监测方法包括如下步骤：
8.采集gis设备隔离开关分闸或者合闸过程中的本体行程曲线；
9.对所述本体行程曲线进行内积变换，得到变换矩阵；
10.基于拉格朗日算法迭代计算所述变换矩阵的基矩阵，并计算所述基矩阵的灰度共
生矩阵；
11.计算所述灰度共生矩阵的逆差矩，并根据所述逆差矩和历史逆差矩对所述gis设备隔离开关的机械状态进行判别；所述历史逆差矩为对历史本体行程曲线进行计算所得到的逆差矩。
12.一种基于行程曲线形态的隔离开关机械状态监测系统，所述监测系统包括：
13.采集模块，用于采集gis设备隔离开关分闸或者合闸过程中的本体行程曲线；
14.内积变换模块，用于对所述本体行程曲线进行内积变换，得到变换矩阵；
15.灰度共生矩阵计算模块，用于基于拉格朗日算法迭代计算所述变换矩阵的基矩阵，并计算所述基矩阵的灰度共生矩阵；
16.判别模块，用于计算所述灰度共生矩阵的逆差矩，并根据所述逆差矩和历史逆差矩对所述gis设备隔离开关的机械状态进行判别；所述历史逆差矩为对历史本体行程曲线进行计算所得到的逆差矩。
17.根据本发明提供的具体实施例，本发明公开了以下技术效果：
18.本发明用于提供一种基于行程曲线形态的隔离开关机械状态监测方法及系统，先采集gis设备隔离开关分闸或者合闸过程中的本体行程曲线。然后对本体行程曲线进行内积变换，得到变换矩阵，基于拉格朗日算法迭代计算变换矩阵的基矩阵，并计算基矩阵的灰度共生矩阵。最后计算灰度共生矩阵的逆差矩，并根据逆差矩和历史逆差矩对gis设备隔离开关的机械状态进行判别，进而通过对本体行程曲线进行分析以对gis设备隔离开关的机械状态进行诊断，能够高效、准确的判定gis设备隔离开关的机械状态是否发生变化，从而可对gis设备隔离开关及时采取有效措施，提高其运行可靠性。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。
20.图1为本发明实施例1所提供的监测方法的方法流程图；
21.图2为本发明实施例1所提供的监测方法的详细流程图；
22.图3为本发明实施例2所提供的监测系统的系统框图。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.本发明的目的是提供一种基于行程曲线形态的隔离开关机械状态监测方法及系统，通过对gis设备隔离开关分合闸过程中的行程信号进行实时监测和计算分析，能够实现gis设备隔离开关机械状态的高效、准确判断。
25.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实
施方式对本发明作进一步详细的说明。
26.实施例1：
27.本实施例用于提供一种基于行程曲线形态的隔离开关机械状态监测方法，如图1和图2所示，所述监测方法包括如下步骤：
28.s1：采集gis设备隔离开关分闸或者合闸过程中的本体行程曲线；
29.具体的，gis设备隔离开关根据接收到的信号判断分闸或合闸后，在电机的带动下，拐臂开始转动并带动动触头实现分闸或合闸，经装设在拐臂上的获取旋转轴头运动轨迹的旋转角位移传感器来获取拐臂转动的角位移，即可获取隔离开关的本体行程曲线，本体行程曲线即为角位移随时间的变化曲线。本实施例的监测方法同时适用于分闸过程中得到的本体行程曲线和合闸过程中得到的本体行程曲线，对分闸或者合闸过程中的本体行程曲线进行分析均可判断gis设备隔离开关的机械状态是否发生变化。
30.作为一种可选的实施方式，本实施例的监测方法还包括：对s1得到的本体行程曲线进行预处理，得到预处理后的本体行程曲线，并将预处理后的本体行程曲线作为新的本体行程曲线，执行s2。
31.其中，对本体行程曲线进行预处理，得到预处理后的本体行程曲线可以包括：
32.1)按照时间先后顺序将本体行程曲线分割为多段连续曲线；
33.即按照本体行程曲线中各个采样点的采样顺序，将本体行程曲线等分为若干段连续曲线，每一段连续曲线的时间段长度为δt，其长度为m0，即一段连续曲线共包括m0个数据点，第k条连续曲线即为在时间段[t
k-δt,tk]内所采样的曲线。
[0034]
2)分别计算以预设边长的正方形网格覆盖每一段连续曲线时所需的网格数，根据所有网格数确定曲线起始点和曲线结束点，并将曲线起始点和曲线结束点之间的曲线作为预处理后的本体行程曲线。
[0035]
对于每一连续曲线，网格数n(δ)表示以长度δ为边长的正方形网格覆盖该连续曲线时所需的网格数，其计算公式如下：
[0036][0037]
式(1)中，δ＝δt/m0；j＝1，2，...，m0；xj为该连续曲线的第j个数据点；x
j 1
为该连续曲线的第j 1个数据点。进而利用式(1)即可计算得到每一段连续曲线对应的网格数。
[0038]
其中，根据所有网格数确定曲线起始点和曲线结束点可以包括：
[0039]
对于每一网格数，判断该网格数是否大于第一预设阈值；若该网格数大于第一预设阈值，则记该网格数所对应的连续曲线为第一曲线；并判断该网格数是否大于第二预设阈值；若该网格数大于第二预设阈值，则记该网格数所对应的连续曲线为第二曲线。按照本体行程曲线采样时的先后顺序确定第一曲线和第二曲线的排列顺序，即按照第一曲线所对应时间段的起始时刻从小到大的顺序对第一曲线进行排列，按照第二曲线所对应时间段的起始时刻从小到大的顺序对第二曲线进行排列，并选取第一个第一曲线的起始点作为曲线起始点，选取最后一个第二曲线的结束点作为曲线结束点。第一预设阈值为ε1，第二预设阈值为ε2。
[0040]
本实施例基于网格分形对gis设备隔离开关的本体行程曲线进行预处理，有助于进一步获取反映gis设备隔离开关机械动作特性的行程数据，提高计算效率。
[0041]
s2：对所述本体行程曲线进行内积变换，得到变换矩阵；
[0042]
在以预处理后的本体行程曲线作为s2中的本体行程曲线时，对预处理后的本体行程曲线进行内积变换，即可构建得到维数为m
×
m的变换矩阵a。内积变换对应的计算公式如下：
[0043][0044]
式(2)中，t表示转置；s代表预处理后的本体行程曲线，预处理后的本体行程曲线共有m个数据点；表示由m个数据点组成的列向量；s1×m表示由m个数据点组成的行向量。
[0045]
本实施例将gis设备隔离开关本体行程曲线转换为矩阵形式，不仅可有效获取行程曲线的波动模式，还可以精确描述行程曲线的信息传递过程。
[0046]
作为一种可选的实施方式，本实施例的监测方法还包括：将变换矩阵按列进行归一化，得到归一化后的变换矩阵，并将归一化后的变换矩阵作为新的变换矩阵，执行s3。具体的，对变换矩阵am×m按列进行归一化处理，得到归一化后的变换矩阵bm×m，归一化的计算公式如下：
[0047][0048]
式(3)中，s
′
ij
为归一化后的变换矩阵bm×m中第i行第j列的元素值；s
ij
为变换矩阵a中第i行第j列的元素值；i＝1，2，...，m；j＝1，2，...，m。
[0049]
s3：基于拉格朗日算法迭代计算所述变换矩阵的基矩阵，并计算所述基矩阵的灰度共生矩阵；
[0050]
s3中，基于拉格朗日算法迭代计算变换矩阵的基矩阵可以包括：
[0051]
1)根据变换矩阵，建立基矩阵求解模型；
[0052]
先对基矩阵进行初始化，初始化基矩阵wm×m，将其主对角线上的元素设为1，其它元素均设为零。
[0053]
基矩阵求解模型为：
[0054][0055]
式(4)中：g为目标函数；||b-ww
t
b||f表示矩阵的frobenius范数；λ为正则化系数；||w||1表示基矩阵w的1范数；λ||w||1表示稀疏约束项，用于消除基矩阵w中的冗余项；w≥0,b≥0代表矩阵w和b的每个元素都是非负实数。
[0056]
2)对基矩阵求解模型进行变换，得到基矩阵求取函数；
[0057]
基矩阵求取函数l为：
[0058][0059]
式(5)中，tr表示矩阵的迹，指的是矩阵主对角线上各个元素之和；β为拉格朗日乘子。
[0060]
3)以基矩阵求取函数作为拉格朗日函数，并基于拉格朗日算法对拉格朗日函数进行迭代计算，直至满足kkt条件，得到变换矩阵的基矩阵。
[0061]
对拉格朗日函数l求偏导，有：
[0062][0063]
其karush-kuhn-tucker(kkt)条件为：
[0064]
(-bb
t
w ww
t
bb
t
w)
ijwij-β
ijwij-λw
ij
＝0；
ꢀꢀꢀꢀꢀ
(7)
[0065]
使用拉格朗日算法求解基矩阵w的最优解，对基矩阵w中的每个元素w
ij
和其对应的拉格朗日乘子β
ij
进行迭代计算，若满足kkt条件，则迭代结束，得到基矩阵w，其维数为m
×
r。
[0066]
利用上述方法，即可基于拉格朗日算法迭代计算稀疏约束下归一化后的变换矩阵的基矩阵w。
[0067]
s3中，计算基矩阵的灰度共生矩阵可以包括：
[0068]
1)利用预设宽度的矩形窗分别对基矩阵的每一行进行截取，每一行均截取得到多个窗口，构建小波系数矩阵；所述小波系数矩阵的行数等于基矩阵的行数，列数等于每一行截取得到的窗口数；
[0069]
具体的，用预设宽度为的矩形窗从基矩阵w的每一行起始位置开始进行顺序截取，此处，表示向下取整，每一行可截取得到c2个窗口。举例而言，如果r等于10，c2等于4，那么c1等于2，此时一行中会有两个元素不计入窗口内，这种情况直接忽略剩余的两个元素，则第一个窗口包括一行中的前4个元素，第二个窗口包括一行中的第5、6、7、8个元素，一行中的第9、10个元素则忽略不计。
[0070]
在窗口截取完成后，根据基矩阵的元素值计算每一行每一个窗口的均值，以构建小波系数矩阵。记第j行第p个窗口内小波系数的均值为h'i(j,p)，并将第j行第p个窗口内小波系数的均值作为小波系数矩阵第j行第p列的元素值，由此可组成新的小波系数矩阵h'i，其维数为m
×
c2。第j行第p个窗口内小波系数的均值h'i(j,p)的计算公式为：
[0071][0072]
式(8)中，wi(j,k)为基矩阵中第j行第k列的元素值；j＝1，2，...m；p＝1，2，...c2。
[0073]
2)基于小波系数矩阵计算声信号特征向量灰度图像中各个像素点的灰度值；
[0074]
根据小波系数矩阵中第j行第p个窗口内小波系数的均值h'i(j,p)计算声信号特征向量灰度图像中第j行第p列的像素点的灰度值gi(j,p)，计算公式为：
[0075][0076]
式(9)中，ceil函数表示向上取整，q为灰度图位深。
[0077]
3)按照预设步长和预设角度对声信号特征向量灰度图像中的所有像素点进行遍历，得到灰度共生矩阵。
[0078]
具体的，按照灰度图像像素对之间的距离步长d(即预设步长)和像素对之间的相邻角度θ(即预设角度)，对声信号特征向量灰度图像中的所有像素点进行遍历，得到声信号特征向量灰度图像的灰度共生矩阵。灰度共生矩阵第i行第j列的元素值p(i,j|d,θ)的计算公式为：
[0079]
p(i,j|d,θ)＝{(x,y)|f(x,y)＝i,f(x dx,y dy)＝j}；
ꢀꢀꢀꢀ
(10)
[0080]
式(10)中，i,j分别为灰度图像对(x,y)和(x dx，y dy)对应的灰度值；dx,dy分别表示水平方向和垂直方向的偏移量，且有dx＝d cosθ和dy＝d sinθ；d＝1，θ＝135
°
。
[0081]
作为一种可选的实施方式，在按照预设步长和预设角度对声信号特征向量灰度图像中的所有像素点进行遍历时，本实施例的监测方法还包括：对于遍历到的每一个像素点，对该像素点在声信号特征向量灰度图像中的灰度值进行阈值化，得到阈值化后灰度值，并以阈值化后灰度值作为像素点的新的灰度值，即以阈值化后灰度值作为式(10)中的灰度值，以计算灰度共生矩阵。
[0082]
更为具体的，对像素点在声信号特征向量灰度图像中的灰度值进行阈值化可以包括：
[0083]
a)在声信号特征向量灰度图像中定义一个c
×
c的像素窗口；该像素点即为像素窗口的中心像素点；
[0084]
b)将wc和w
ci
进行比较，根据比较结果得到8位二进制数；wc为像素窗口中心像素点的灰度值，也即中心像素点在声信号特征向量灰度图像中的灰度值；w
ci
为中心像素点的第i个相邻像素点的灰度值，也即相邻像素点在声信号特征向量灰度图像中的灰度值；i＝1，2，...，8；
[0085]
具体的，将wc与w
ci
依次进行比较，得到一个8位二进制数k
lb
＝{l1，l2，...，l8}，得到比较结果所用的公式为：
[0086][0087]
c)将所述8位二进制数转换为十进制数，所述十进制数即为像素点的阈值化后灰度值。
[0088]
本实施例使用拉格朗日算法迭代计算稀疏约束下归一化后的变换矩阵的基矩阵，可有效抑制gis设备隔离开关本体行程曲线干扰分量的影响，同时采用局部二值模式获取灰度图像矩阵的灰度共生矩阵，有助于在准确获取灰度图像局部特征信息的同时不损失图像的灰度信息，提高计算效率和计算精度。
[0089]
s4：计算所述灰度共生矩阵的逆差矩，并根据所述逆差矩和历史逆差矩对所述gis设备隔离开关的机械状态进行判别；所述历史逆差矩为对历史本体行程曲线进行计算所得到的逆差矩。
[0090]
灰度共生矩阵的逆差矩i的计算公式为：
[0091][0092]
式(12)中，g为灰度共生矩阵的元素数量。
[0093]
其中，根据逆差矩和历史逆差矩对gis设备隔离开关的机械状态进行判别可以包
括：
[0094]
1)计算逆差矩相对于历史逆差矩的变化量；所述变化量等于逆差矩和历史逆差矩的差值与历史逆差矩的比值；
[0095]
2)判断变化量是否大于预设变化量；若是，则gis设备隔离开关的机械状态发生变化。
[0096]
本实施例给出了gis设备隔离开关机械状态的定量评判标准，为gis设备隔离开关的检修维护提供了依据，比较灰度共生矩阵的逆差矩与历史本体行程曲线的灰度共生矩阵的逆差矩，根据逆差矩的变化对gis设备隔离开关机械状态进行判别。当灰度共生矩阵的逆差矩的变化超过5％时，判定gis设备隔离开关的机械状态发生变化，此时需要及时进行检修处理，避免形成重大故障。
[0097]
本实施例所提供的监测方法，通过计算分析gis设备隔离开关分合闸过程中的本体行程曲线的变换矩阵的基矩阵的灰度共生矩阵的逆差矩的变化，从而对gis设备隔离开关的机械状态进行判别，可以通过gis设备隔离开关分合闸过程中的行程曲线实现其机械状态的准确监测，从而可以对gis设备隔离开关机械故障隐患进行有效识别，进而采取有效运维策略，避免形成重大故障。
[0098]
以下，以某2200kv的gis设备隔离开关为测试对象，对其分合闸过程中的本体行程曲线进行测试，据此说明gis设备隔离开关的机械状态监测方法。图2为本实例所述方法的详细流程示意图。
[0099]
如图2所示，其包括如下步骤：
[0100]
(1)在变电站现场，在gis设备隔离开关可调节万向拐臂上经固定支架、过渡螺钉安装旋转角位移传感器，使用过渡螺钉将旋转轴头的运动轨迹传输到旋转角位移传感器的轴芯上，并连接线接至信号采集与分析系统，采集得到gis设备隔离开关分合闸过程中的本体行程曲线x(n)，其长度为m0，此处，m0＝4000；
[0101]
(2)对本体行程曲线进行预处理，具体步骤如下：
[0102]
2a.计算不同时间段[t
k-δt,tk]下的本体行程曲线的网格数n(δ)，所述的网格数n(δ)表示在时间段[t
k-δt,tk]内以δ为边长的正方形网格覆盖本体行程曲线所需的网格数，其计算公式为：
[0103][0104]
式中，δ＝δt/m0。
[0105]
2b.分别将网格数n(δ)大于阈值ε1和ε2处作为行程曲线起始点和结束点，记预处理后的本体行程曲线为s(n)，其长度为m。
[0106]
(3)对预处理后的gis设备隔离开关本体行程曲线进行内积变换，构建维数为m
×
m的变换矩阵a，对应的计算公式为
[0107][0108]
式中：t表示转置；
[0109]
(4)对变换矩阵am×m按列进行归一化处理，得到归一化后的变换矩阵bm×m，所述的归一化计算公式为
[0110][0111]
(5)基于拉格朗日算法迭代计算稀疏约束下归一化后的变换矩阵的基矩阵w，具体过程如下：
[0112]
5a.初始化基矩阵wm×m，其主对角线上的元素为1，其它元素均为零；
[0113]
5b.建立基矩阵w求解模型，为
[0114][0115]
s.t.w≥0,b≥0
[0116]
式中：g为目标函数；||b-ww
t
b||f表示矩阵的frobenius范数；w为基矩阵；λ为正则化系数；||w||1表示基矩阵w的1范数；λ||w||1表示稀疏约束项，用于消除基矩阵w中的冗余项；
[0117]
5c.使用拉格朗日算法求解基矩阵w的最优解，定义拉格朗日函数l为
[0118][0119]
式中：λ为拉格朗日乘子；tr表示矩阵的迹，指的是矩阵主对角线上各个元素之和；
[0120]
对拉格朗日函数l求偏导，有：
[0121][0122]
其karush-kuhn-tucker(kkt)条件为：
[0123]
(-bb
t
w ww
t
bb
t
w)
ijwij-β
ijwij-λw
ij
＝0
[0124]
对每个元素w
ij
和其对应的拉格朗日乘子λ
ij
进行迭代计算，若满足kkt条件，则迭代结束，得到基矩阵w，其维数为m
×
r；
[0125]
(6)计算基矩阵的灰度共生矩阵及其逆差矩，具体步骤如下：
[0126]
6a.用宽度为的矩形窗从矩阵h的每一行起始位置开始进行顺序截取，此处，表示向下取整，每一行可截取得到c2个窗口，记第j行第p个窗口内小波系数的均值为h'i(j,k)，由此可组成新的小波系数矩阵h'i，其维数为m
×
c2，所述的小波系数矩阵h'i的计算公式为
[0127][0128]
6b.根据小波系数矩阵h'i计算声信号特征向量灰度图像第j行第p列处像素点的灰度值gi(j,p)，为
[0129][0130]
式中，ceil函数表示向上取整，q为灰度图位深；
[0131]
6c.定义一个c
×
c的像素窗口，其中，像素窗口中心像素点的灰度值为wc，wc任意一个相邻对像素点的灰度值为w
ci
，i＝1，2，...，8；
[0132]
6d.将wc与w
ci
依次进行差值运算，得到一个8位二进制数k
lb
＝{l1，l2，...，l8}，所述的差值运算公式为
[0133][0134]
6e.取灰度图像像素对之间的距离步长d＝1和像素对之间的相邻角度θ＝135
°
，依据步骤6c和步骤6d所定义的局部二值模式对灰度图像矩阵的所有像素点进行遍历，得到灰度图像的灰度共生矩阵；
[0135]
6f.计算灰度共生矩阵的逆差矩，所述的灰度共生矩阵逆差矩的计算公式为
[0136][0137]
式中：g为灰度共生矩阵的元素数量；p表示灰度共生矩阵。
[0138]
(7)比较灰度共生矩阵的逆差矩与历史行程曲线灰度共生矩阵的逆差矩，根据逆差矩的变化对gis设备隔离开关机械状态进行判别：当灰度共生矩阵的逆差矩的变化超过5％时，判定隔离开关的机械状态发生变化，此时需要及时进行检修处理，避免形成重大故障。此处，gis设备隔离开关行程曲线灰度共生矩阵的逆差矩的变化为8％，经现场确认发现gis设备隔离开关传动机构出现了卡阻。
[0139]
实施例2：
[0140]
本实施例用于提供一种基于行程曲线形态的隔离开关机械状态监测系统，如图3所示，所述监测系统包括：
[0141]
采集模块m1，用于采集gis设备隔离开关分闸或者合闸过程中的本体行程曲线；
[0142]
内积变换模块m2，用于对所述本体行程曲线进行内积变换，得到变换矩阵；
[0143]
灰度共生矩阵计算模块m3，用于基于拉格朗日算法迭代计算所述变换矩阵的基矩阵，并计算所述基矩阵的灰度共生矩阵；
[0144]
判别模块m4，用于计算所述灰度共生矩阵的逆差矩，并根据所述逆差矩和历史逆差矩对所述gis设备隔离开关的机械状态进行判别；所述历史逆差矩为对历史本体行程曲线进行计算所得到的逆差矩。
[0145]
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0146]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。