一种基于约束多目标优化算法的无线传感器配置优化方法与流程

1.本发明涉及一种基于约束多目标优化算法的无线传感器配置优化方法，尤其适用于具有对称结构的大型航天器的无线传感器配置工作，属于结构健康监测，无线传感器配置，计算机技术等领域。


背景技术：

2.大型和复杂的航天器结构极易受到环境影响的损害，开发可靠的方法来监测其完整性和可持续性非常重要。目前，结构健康监测技术(structural health monitoring,shm)是一种最常见监测结构是否存在损坏和损坏程度的手段。传感器网络作为shm中获取响应信息的系统的关键组成部分，可以直接影响评估结果的可靠性和有效性。随着无线传感器技术的发展，相对于传统的有线传感器网络而言，它具有成本低、易于部署、安装时间短等优点，在shm中逐渐取代有线传感器网络。在shm系统中有限个无线传感器便足够评估整个结构，因此为提高数据采集的准确性，以及结构评估的可靠性，进行无线传感器配置优化(optimal wireless sensor placement,owsp)是必要的。
3.研究人员已经提出了一些经典的owsp方法来提高shm中的信息有效性。例如，旨在最大化线性独立性的有效独立性方法、旨在减少迭代过程复杂性的模态置信准则理论、基于所有可能位置最大能量的模态动能等。对于owsp，除了信息的有效性之外，还需要考虑更多的方面。大多数无线传感器由不可替代的电源或电池供能，能量耗尽便意味着无线传感器网络的生命周期的终结。因此，一方面，owsp要求在确保数据收集的准确性的同时减少能源消耗。另一方面，无线传感器配置需要满足所有无线传感器之间信息传输的要求。此外，一个可靠的无线传感器网络也是必要的。为了同时解决这些问题，对算法的性能有了新的挑战。传统的穷举搜索方法只适用于简单的结构，若用于解决复杂的结构则需要消耗大量计算资源且搜索效率较低。与传统方法相比，遗传算法的种群搜索策略和与梯度无关的计算方法在解决owsp上更具优势。
4.现有大多数的owsp中没有考虑汇聚节点的配置。除了无线传感器的配置外，汇聚节点作为收集数据的重要组成部分，它的位置也会影响无线传感器网络的能量消耗。因此，为了获得最低的能量消耗，有必要对无线传感器和汇聚节点的配置进行优化。与无线传感器是选择候选位置进行配置不同，汇聚节点优化的是可布置区域的坐标，属于连续优化。目前，大多数研究利用离散优化方法解决无线传感器配置优化，但是这种方法并不适用于汇聚节点的配置。面对无线传感器和汇聚节点的同时配置问题，现有方法通常只用离散或连续方法中的一种来解决，忽略了优化算法在解决不同类型的优化变量时具有明显不同的性能这一事实。因此，将owsp建模为混合整数规划问题是最恰当的。
5.大多数研究虽然考虑了网络连通性对owsp的影响，并将其建模为一个约束多目标优化问题，但是忽略了约束处理技术对搜索性能的影响。合适的约束处理技术可以有效地提高算法搜索可行方案的效率。常见的约束处理技术有面向可行性的方法、惩罚因子、随机排名、∈-约束方法、基于多目标优化的方法、混合方法和其他方法。因此，在owsp中引入最
先进的约束处理技术能有效地提高算法的性能。


技术实现要素：

6.本发明技术解决问题：为了克服上述问题，提供一种基于约束多目标优化算法的无线传感器配置优化方法，具有能够同时对无线传感器和汇聚节点配置，并解决混合整数规划约束多目标优化问题等优点。
7.本发明技术解决方案：一种基于约束多目标优化算法的无线传感器配置优化方法，所述方法采用改进的双种群约束多目标优化算法(dual-population constrained multi-objective optimization algorithm,dccmo)优化无线传感器配置方案，具体包括以下步骤：
8.步骤1：确定航天器结构用于布置无线传感器的候选位置数目m，待布置的无线传感器数目n以及所有候选位置采样的模态阶数目v，用于汇总所有无线传感器所采集信息的汇聚节点在航天器结构上布置的区域，最大迭代次数t
max
；
9.步骤2：计算出由所有布置传感器的候选位置的数目m组成的模态信息矩阵φ；
10.步骤3：令迭代次数t＝1；将n个传感器布置的候选位置和1个汇聚节点在航天器结构上的位置坐标看成一个无线传感器配置方案，随机产生h个配置方案，作为父代配置方案集合。用z表示父代配置方案集合，具体如下：
11.z＝{z1,z2,
…
,zi,
…
,zh}
12.其中，zi表示当前种群中第i个个体，存放了第i组传感器和汇聚节点配置方案，表示如下：
13.zi＝{xi,pi}＝{{s1,s2,
…
,sn}i,(x,y)i}
14.其中，si＝{s1,s2,
…
,sn}i表示第i个配置方案所代表的n个传感器所放置的候选位置集合，pi＝(x,y)i表示第i个配置方案所代表的汇聚节点的位置坐标；
15.步骤4：基于步骤2中的模态信息矩阵φ，对步骤3中构建的父代配置方案集合z每个无线传感器配置方案，建立基于无线传感器和汇聚节点同步配置优化评价体系，所述优化评价体系包括信息有效性、能耗、网络连通性和网络可靠性4个指标，其中信息有效性和能耗是用于评价配置方案优劣的评价指标，网络连通性和网络可靠性是用于反映配置方案是否满足无线传感器配置的需求的判断指标。以第i个无线传感器配置方案zi为例，所述优化评价体系计算包括以下步骤：
16.(1)利用所述模态信息矩阵φ计算出si对应模态信息矩阵计算zi的信息有效性评估指标a：
[0017][0018]
其中，mse为平均平方误差和wcev为最坏情况误差方差，具体公式分布如下所示：
[0019][0020]
[0021]
其中，λ1≥λ2≥
…
≥λv是的特征值；σ2是噪声水平。
[0022]
本发明设计的新信息有效性评估指标a，通过线性加权法将mse和wcev这两个指标聚合，计算配置方案的信息有效性；
[0023]
(2)基于最小能耗传输路由协议，选择数据传输的路径，并计算zi的能耗e
sum
：
[0024][0025]
其中，e
l,sink
(k)是第l个无线传感器经过多跳传输，将k bit的信息传输到汇聚节点所需的能耗，其计算公式如下：
[0026][0027]
其中，q是第l个无线传感器传输到汇聚节点经过的无线传感器个数，d
q(q 1)
是第q个中转无线传感器与第q 1个之间的欧几里得距离，εr是传感器接收1bit数据所需能耗，ε
t
是无线传感器传输1bit数据所需能耗，μ
t
是将数据传输1m的距离损耗的能耗；
[0028]
(3)基于可达矩阵，计算每个zi的网络连通性，可达矩阵r服从布尔代数计算。在计算可达矩阵r过程中，需要将汇聚节点视为一个特殊的无线传感器，则计算公式如下：
[0029]
r＝i g g2 g3
…
gn＝(i g)n[0030]
其中，i是单位矩阵。g是(n 1)
×
(n 1)维的邻接矩阵，矩阵中的单个元素g
ab
代表两个不重复的无线传感器a和b是否直接通讯，若无线传感器a和b之间单跳通讯，则g
ab
＝1；否则，g
ab
＝0；
[0031]
因此，本发明中网络连接性的评价指标计算公式如下：
[0032][0033]
其中，r
ab
是可达矩阵r中的一个元素，反映无线传感器a和b经过多跳传输后的连通性，当b＝(n 1)2时，无线传感器网络是连通的，当b≠(n 1)2时，无线传感器网络中存在部分无线传感器无法通过多跳连接进行传输；
[0034]
(4)基于单点失效因子，计算zi的网络可靠性，单点失效因子计算公式如下：
[0035][0036]
其中，是无线传感器网络中在第a个传感器的功能失效后，仍能与汇聚节点有效通信的传感器数量；
[0037]
(5)通过步骤(3)和步骤(4)基于计算得到zi的网络连通性和网络可靠性；对zi计算适应度值，以判断该配置方案是否满足无线传感器配置的需求；
[0038]
fitness(zi)＝|min{b(zi)-(n 1)2,0}| |min{c(zi)-c0,0}|
[0039]
其中，c0是最大单点失效因子，fitness(zi)＝0时，个体是可行解，即对应的配置方案满足无线传感器配置需求；否则，个体为不可行解，fitness(zi)取值越大，则代表对应的配置方案越不满足无线传感器配置需求；
[0040]
利用步骤4可为步骤3中的父代配置方案集合z中每个无线传感器配置方案建立基于无线传感器和汇聚节点同步配置优化评价体系并计算适应度值，用于评价配置方案的优劣以及是否满足无线传感器配置的需求。
[0041]
步骤5：对步骤4计算得到的父代配置方案集合进行dccmo算法中的交叉操作，针对离散变量设计了全新的交叉算子，基于模拟二进制交叉优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的交叉策略，提高算法的搜索效率，并利用现有的配置方案之间信息的交流，找到更优的配置方案。具体步骤为：
[0042]
(1)根据步骤4计算的适应度值，判断每个配置方案是否满足无线传感器配置的需求，并将所有的配置方案划分为两个集合；
[0043]
(2)从满足配置需求的方案集合中依次选择每个配置方案，与满足配置需求的方案集合中一个随机方案；
[0044]
(3)对比两个配置方案，保留相同的无线传感器位置；
[0045]
(4)再从两个配置方案中随机选择步骤(3)中未被选择的无线传感器位置，直至总个数等于n；
[0046]
(5)将步骤(3)和步骤(4)中选择出的无线传感器位置进行组合；
[0047]
(6)基于模拟二进制交叉更新汇聚节点位置；
[0048]
(7)将步骤(5)和步骤(6)中选择出的无线传感器位置和汇聚节点位置进行组合，作为新的配置方案；
[0049]
(8)若步骤(2)的满足配置需求的方案集合中所有配置方案均已更新完毕，则继续后续操作，否则重复步骤(2)至步骤(7)；
[0050]
(9)从不满足配置需求的方案集合中依次选择每个配置方案，与满足配置需求的方案中一个随机方案进行步骤(3)至步骤(7)的操作；
[0051]
(10)若步骤(9)的不满足配置需求的方案集合中所有配置方案均已更新完毕，则继续后续操作，否则重复步骤(9)；
[0052]
(11)最终输出步骤(8)和步骤(9)更新完毕的所有h个配置方案，组成1号子代种群。
[0053]
步骤6：对步骤4计算得到的父代配置方案集合进行dccmo算法中的变异操作，针对离散变量设计了全新的变异算子，基于多项式变异优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的变异策略，提高算法的搜索效率，并其目的在于分析现有配置方案中无线传感器的分布，替换部分无线传感器的位置，找到更优的配置方案。具体步骤为：
[0054]
(1)从步骤4的父代配置方案集合中依次选出一个配置方案。
[0055]
(2)按照无线传感器在航天器结构中分布的位置，将无线传感器分为两组；
[0056]
(3)比较两组无线传感器的数量，个数多的一组无线传感器删除部分无线传感器，个数少的一组从候选位置中的未选位置上随机选择部分位置放置无线传感器，直至两组无线传感器数量一致，均等于n/2；
[0057]
(4)基于多项式变异更新汇聚节点位置；
[0058]
(5)组合两组无线传感器位置和汇聚节点位置作为新的配置方案；若步骤4的父代配置方案集合中所有配置方案均已更新完毕，则完成变异操作，否则重复步骤(1)至步骤
(4)，最终输出更新后的h个配置方案，组成2号子代种群。
[0059]
步骤7：对步骤5生成的1号子代种群和步骤6生成的2号子代种群进行环境选择操作，截取h个配置方案作为新的父代配置方案集合。其目的在于通过两个不同操作生成的子代种群间的信息交互，对比不同配置方案的优劣，从中挑选出最优的h个配置方案，促成配置方案的更新，得到更优的配置方案。
[0060]
步骤8：若迭代次数t小于最大迭代次数t
max
，返回至步骤4～步骤7，更新父代配置方案集合，迭代次数t加1；否则，输出最新的父代配置方案集合作为最终得到优化后的h个无线传感器配置方案集合。其目的在于不断重复步骤4～步骤7，更新父代配置方案集合，输出最新的父代配置方案集合作为本发明最终得到优化后的h个无线传感器配置方案集合。
[0061]
所述步骤5到步骤8具体实现：利用双种群约束多目标优化算法对步骤4算得到的父代配置方案集合进行迭代优化，每次迭代更新得到的新的父代配置方案集合中的配置方案都优于之前迭代中出现过的。
[0062]
本发明与现有技术相比的优点在于：
[0063]
(1)本发明提出的无线传感器配置优化问题，实际上是一个具有混合整数变量的约束多目标优化问题。现有的大多数优化方法都只适用于解决单一变量类型约束多目标优化问题，或将不同类型的变量转化为同类型变量进行处理，忽略了不同优化方法在解决不同类型变量问题上的适用性。因此，本发明设计了一种改进的双种群约束多目标优化算法dccmo，对不同类型的变量选用不同的交叉和变异算子，提高算法的搜索效率；并通过对相同父代配置方案集合进行不同的优化操作，生成两组不同的子代种群，两个子代种群之间进行信息交流，有效地提高了收敛速度以及最终得到的无线传感器配置方案集合的多样性。
[0064]
(2)在现有的无线传感器配置优化问题中，大多只聚焦在无线传感器的配置优化上，忽略了汇聚节点位置对无线传感器网络能耗的影响。因此，本发明考虑工程实际，将无线传感器配置优化问题建模拓展为无线传感器和汇聚节点的配置优化问题，有效提高了应用在工程中的准确性。
[0065]
(3)为建立更为完善的无线传感器配置优化评价体系，能够准确地反映无线传感器配置方案是否满足需求以及评价不同配置方案的优劣程度，因此，本发明将满足网络连通性和网络可靠性的配置方案视为可行方案，并将最低的网络能耗和最佳的信息有效性视为最优方案。本发明提出了利用平均平方误差和最坏情况误差方差的加权和，能更全面地评价无线传感器网络的信息有效性；设计了单点失效因子评估无线传感器网络的连通性；给出了新的无线传感器网络能耗的评价标准；利用图论中的可达矩阵来评估网络的连通性。因此，与传统评价指标相比，本发明建立了更为完善的无线传感器配置优化评价体系。
[0066]
(4)本发明的中，父代配置方案集合中每个配置方案依次执行改进的dccmo算法中的交叉操作，针对离散变量设计了全新的交叉算子，基于模拟二进制交叉优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的交叉策略，提高算法的搜索效率，并利用现有的配置方案之间信息的交流，找到更优的配置方案。针对离散变量设计了全新的变异算子，基于多项式变异优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的变异策略，提高算法的搜索效率，并其目的在于分析现有配置方案中无线传感器的分布，替换部分无线传感器的位置，找到更优的配置方案。
附图说明
[0067]
图1为本发明流程图；
[0068]
图2为简化航天器结构示意图。
具体实施方式
[0069]
下面结合附图及实施例对本发明进行详细说明。
[0070]
步骤1：确定如图2所示的简化航天器结构，其中无线传感器放置在左右两侧的长板结构上，用于汇总所有无线传感器所采集信息的汇聚节点布置在中心的立方体结构上。用于布置无线传感器的候选位置数目m＝120，待布置的无线传感器数目n＝10以及所有候选位置采样的模态阶数目v＝6，最大迭代次数t
max
＝100；
[0071]
步骤2：计算出由所有布置传感器的候选位置的数目m组成的模态信息矩阵φ；
[0072]
步骤3：令迭代次数t＝1；将n个传感器布置的候选位置和1个汇聚节点在航天器结构上的位置坐标看成一个无线传感器配置方案，随机产生h＝20个配置方案，作为父代配置方案集合。用z表示父代配置方案集合，具体如下：
[0073]
z＝{z1,z2,
…
,zi,
…
,zh}
[0074]
其中，zi表示当前种群中第i个个体，存放了第i组传感器和汇聚节点配置方案，表示如下：
[0075]
zi＝{si,pi}＝{{s1,s2,
…
,sn}i,(x,y)i}
[0076]
其中，si表示第i个个体所代表的n个传感器所放置的候选位置，pi表示第i个个体所代表的汇聚节点的位置坐标；
[0077]
为展示本说明的详细计算过程，现假设：
[0078]
zi＝{si,pi}＝{{76,118,75,71,106,66},(-19.75,54.86)}
[0079]
步骤4：基于步骤2中的模态信息矩阵φ，对步骤3中构建的父代配置方案集合z每个无线传感器配置方案，建立基于无线传感器和汇聚节点同步配置优化评价体系，所述优化评价体系包括信息有效性、能耗、网络连通性和网络可靠性4个指标，其中信息有效性和能耗是用于评价配置方案优劣的评价指标，网络连通性和网络可靠性是用于反映配置方案是否满足无线传感器配置的需求的判断指标。以第i个无线传感器配置方案zi为例，所述优化评价体系计算包括以下步骤：
[0080]
(1)利用所述模态信息矩阵φ计算出si对应模态信息矩阵
[0081][0082]
计算zi的信息有效性评估指标a：
[0083][0084]
(2)基于最小能耗传输路由协议，选择数据传输的路径，并计算zi的能耗e
sum
：
[0085][0086]
其中，e
l,sink
(k)是第l个无线传感器经过多跳传输，将k＝100bit的信息传输到汇聚节点所需的能耗。
[0087]
(3)基于可达矩阵，计算每个zi的网络连通性，即最多经过6次无线传感器传输，是否可以将数据汇总到汇聚节点。可达矩阵r服从布尔代数计算，在计算可达矩阵r过程中，需要将汇聚节点视为一个特殊的无线传感器，则计算公式如下：
[0088][0089]
其中，i是单位矩阵，g是邻接矩阵，反映两个无线传感器之间是否可通过单跳连通：
[0090][0091]
通过对比r与g可知，在配置方案zi中，原本部分单跳传输无法相互通信的无线传感器节点，通过最多不超过6次的多跳传输，变为可通信状态。
[0092]
因此，本发明中配置方案zi网络连接性的评价指标计算如下：
[0093][0094]
其中，r
ab
是可达矩阵r中的一个元素，反映无线传感器a和b经过多跳传输后的连通性，由结果b＝72可知，这表明配置方案zi所代表的无线传感器网络是连通的，所有的无线传感器都可以通过多跳传输将数据输送到汇聚节点中。
[0095]
(4)基于单点失效因子，计算配置方案zi的网络可靠性，在计算过程中，需要将汇聚节点视为一个特殊的无线传感器，单点失效因子计算如下：
[0096][0097]
其中，是无线传感器网络中在第a个传感器的功能失效后，仍能与汇聚节点有效通信的无线传感器数量；
[0098]
(5)通过步骤(3)和步骤(4)基于计算得到配置方案zi的网络连通性和网络可靠性；对zi计算适应度值，以判断该配置方案是否满足无线传感器配置的需求；
[0099]
fitness(zi)＝|min{b(zi)-72,0}| |min{c(zi)-0.5,0}|＝0.1944
[0100]
其中，fitness(zi)≠0为不可行解；
[0101]
利用步骤4可为步骤3中的父代配置方案集合z中每个无线传感器配置方案建立基于无线传感器和汇聚节点同步配置优化评价体系并计算适应度值，用于评价配置方案的优劣以及是否满足无线传感器配置的需求。
[0102]
步骤5：对步骤4计算得到的父代配置方案集合进行dccmo算法中的交叉操作，针对离散变量设计了全新的交叉算子，基于模拟二进制交叉优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的交叉策略，提高算法的搜索效率，并利用现有的配置方案之间信息的交流，找到更优的配置方案。
[0103]
介绍具体步骤如下：
[0104]
(1)根据步骤4计算的适应度值，判断每个配置方案是否满足无线传感器配置的需求，并将所有的配置方案划分为两个集合。
[0105]
(2)从满足配置需求的方案集合中依次选择每个配置方案，与满足配置需求的方案集合中一个随机方案。为详细介绍本发明设计的dccmo算法中的交叉操作，现以配置方案z
α
和配置方案z
β
为例，其中z
α
＝{{12,21,72,39,32,91},(13.99,22.38)}，z
β
＝{{75,116,79,39,54,3},(2.77,58.70)}；配置方案z
α
与配置方案z
β
适应度值均为0，即均为可行解。
[0106]
(3)对比两个配置方案，保留相同的无线传感器位置；则配置方案z
α
和配置方案z
β
中只有39号候选无线传感器配置位置相同，则保留{39}。
[0107]
(4)再从两个配置方案中随机选择步骤(3)中未被选择的无线传感器位置，直至总个数等于n；此时，对于配置方案z
α
和配置方案z
β
又随机选择了5个候选位置，即{3,116,21,75,12}。
[0108]
(5)将步骤(3)和步骤(4)中选择出的无线传感器位置进行组合；则，对于配置方案z
α
和配置方案z
β
而言，通过交叉算子，新生成的无线传感器配置为{39,3,116,21,75,12}。
[0109]
(6)基于模拟二进制交叉更新汇聚节点坐标，新坐标为(13.99,58.42)；
[0110]
(7)将步骤(5)和步骤(6)中选择出的无线传感器位置和汇聚节点位置进行组合，作为新的配置方案，即{{39,3,116,21,75,12},(13.99,58.42)}；
[0111]
(8)若步骤(2)的满足配置需求的方案集合中所有配置方案均已更新完毕，则继续后续操作，否则重复步骤(2)至步骤(7)；
[0112]
(9)从不满足配置需求的方案集合中依次选择每个配置方案，与满足配置需求的方案中一个随机方案进行步骤(3)至步骤(7)的操作；
[0113]
(10)若步骤(9)的不满足配置需求的方案集合中所有配置方案均已更新完毕，则继续后续操作，否则重复步骤(9)；
[0114]
(11)最终输出步骤(8)和步骤(9)更新完毕的所有h个配置方案，组成1号子代种群。
[0115]
步骤6：对步骤4计算得到的父代配置方案集合进行dccmo算法中的变异操作，针对离散变量设计了全新的变异算子，基于多项式变异优化连续变量，目的在于对混合整数规划中不同类型的变量采取不同的变异策略，提高算法的搜索效率，并其目的在于分析现有配置方案中无线传感器的分布，替换部分无线传感器的位置，找到更优的配置方案。具体步骤为：
[0116]
(1)从步骤4的父代配置方案集合中依次选出一个配置方案。为详细介绍本发明设计的改进的dccmo算法中的变异操作，现以配置方案z
γ
为例，其中z
γ
＝{{42,38,45,102,62,3},(-30.20,26.84)}；
[0117]
(2)按照无线传感器在航天器结构中分布的位置，将无线传感器分为两组，即{38,45,102,62}与{42,3}；
[0118]
(3)比较两组无线传感器的数量，个数多的一组无线传感器删除部分无线传感器，变为{38,45,62}；个数少的一组从候选位置中的未选位置上随机选择部分位置放置无线传感器，变为{42,3,59},。需要确保更新后的两组无线传感器数量一致，均等于n/2；
[0119]
(4)基于多项式变异更新汇聚节点坐标，新坐标为(-43.71,26.92)；
[0120]
(5)组合两组无线传感器位置和汇聚节点位置作为新的配置方案，即{{38,45,62,42,3,59},(-43.71,26.92)}；若步骤4的父代配置方案集合中所有配置方案均已更新完毕，则完成变异操作，否则重复步骤(1)至步骤(4)，最终输出更新后的h个配置方案，组成2号子代种群。
[0121]
步骤7：对步骤5生成的1号子代种群和步骤6生成的2号子代种群进行环境选择操作，截取h个配置方案作为新的父代配置方案集合。其目的在于通过两个不同操作生成的子代种群间的信息交互，对比不同配置方案的优劣，从中挑选出最优的h个配置方案，促成配置方案的更新，得到更优的配置方案。
[0122]
步骤8：若迭代次数t小于最大迭代次数t
max
，返回至步骤4～步骤7，更新父代配置方案集合，迭代次数t加1；否则，输出最新的父代配置方案集合作为最终得到优化后的h个无线传感器配置方案集合。其目的在于不断重复步骤4～步骤7，更新父代配置方案集合，输出最新的父代配置方案集合作为本发明最终得到优化后的h个无线传感器配置方案集合。
[0123]
步骤5到步骤8具体实现：对步骤4算得到的父代配置方案集合进行迭代优化，每次迭代更新得到的新的父代配置方案集合中的配置方案都优于之前迭代中出现过的。最终的h个无线传感器配置方案集合如下表所示：
[0124]
表1 最后一次迭代的无线传感器配置方案集合
[0125][0126]
以上虽然描述了本发明的具体实施方法，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明原理和实现的前提下，可以对这些实施方案做出多种变更或修改，因此，本发明的保护范围由所附权利要求书限定。