一种基于复合翼无人机的智能高速边防巡检系统的制作方法

1.本发明涉及边防巡检领域，具体而言，涉及一种基于复合翼无人机的智能高速边防巡检系统。


背景技术：

2.针对我国边境线出入境人流量大，走私偷渡、侵犯边境安全等犯罪活动严重的情况，客观上要求边防部门执行任务时反应速度快。传统的边防监控多以人工监控的方式进行、比如站岗、了望、巡逻等。但由于边防区域地理位置复杂，且与监控中心距离较远，造成有线网络利用上的不便，使得传统监控一直未能很好地满足边境监控的需求。无人机技术的快速发展，使边防监控系统科技化、智能化发展成为可能。传统的无人机巡检由于需要巡检的范围大，所以一般需要多辆无人机组成的机组进行各自不同的任务进行巡检，而在批量无人机进行巡检过程中，由于其任务分配和路径的不合理性，往往导致了无人机易损毁，造成成本增加和巡检任务失败的缺点。鉴于此，我们提出一种基于复合翼无人机的智能高速边防巡检系统。


技术实现要素：

3.本发明的主要目的在于提供一种基于复合翼无人机的智能高速边防巡检系统，以解决相关技术中的问题。
4.为了实现上述目的，根据本发明的一个方面，提供了一种基于复合翼无人机的智能高速边防巡检系统，包括边防信息录入单元、任务规划单元、优化学习单元和数据反馈单元，所述边防信息录入单元、所述任务规划单元、所述优化学习单元和所述数据反馈单元依次通过以太网通信连接，所述边防信息录入单元用于录入经卫星实时获取的边防地区地域信息，所述任务规划单元用于根据所述边防地区地域信息进行无人机的任务规划，协同无人机进行巡检任务，所述无人机进行巡检任务时，获取边防实时路径数据和异常数据，所述优化学习单元用于根据无人机获取的路径数据和异常数据对任务边防信息录入单元和任务规划单元进行更新优化，所述数据反馈单元用于将无人机获取的路径数据和异常数据传输至基站；
5.所述边防信息录入单元包括卫星云图获取模块、云图数据分析模块、地形模型生成模块和地形模型导入模块；
6.所述任务规划单元包括无人机位置获取模块、任务路径生成模块、无人机匹配模块和任务派发模块；
7.所述优化学习单元包括路径优化模块、飞行高度优化模块、采集视角优化模块和任务优化模块；
8.所述数据反馈单元包括数据分类模块、数据传输模块、信号质量检测模块和信号切换模块。
9.进一步地，所述卫星云图获取模块、所述云图数据分析模块、所述地形模型生成模
块和所述地形模型导入模块依次通过以太网通信连接，所述卫星云图获取模块用于实时获取卫星云图文件，所述云图数据分析模块用于根据卫星云图文件提取图形数据和图形参数数据，所述地形模型生成模块用于根据所述图形数据和图形参数数据生成地形模型，所述地形模型导入模块用于将地形模型转换成所述任务规划单元能够识别的格式并传输至任务规划单元。
10.进一步地，所述无人机位置获取模块、所述任务路径生成模块、所述无人机匹配模块和所述任务派发模块依次通过以太网通信连接，所述无人机位置获取模块用于获取各个无人机的实时位置信息，所述任务路径生成模块用于根据所述地形模型生成无人机任务路径，所述无人机匹配模块用于根据任务路径和无人机的实时位置信息匹配状态完好的无人机，所述任务派发模块用于将任务路径传输至执行任务的无人机上。
11.进一步地，所述路径优化模块、所述飞行高度优化模块、所述采集视角优化模块和所述任务优化模块依次通过以太网通信连接，所述路径优化模块用于根据无人机执行任务时的路径异常数据对路径进行优化，所述飞行高度优化模块用于根据无人机执行任务时的高度异常数据对飞行高度进行优化，所述采集视角优化模块用于根据无人机执行任务时拍摄到的图像进行采集视角优化，所述任务优化模块用于根据无人机执行任务时的剩余电量情况和任务完成情况对无人机匹配进行优化。
12.进一步地，所述数据分类模块、数据传输模块、信号质量检测模块和信号切换模块依次通过以太网通信连接，所述数据分类模块用于将无人机执行任务获取的数据进行分类，所述数据传输模块用于将分类后的信息通过网络信号传输至基站，所述信号质量检测模块用于检测所述网络信号的实时强度，所述信号切换模块用于在所述网络信号的实时强度低于设定阈值时，切换网络信道。
13.进一步地，所述路径优化模块采用深度学习算法进行优化，具体包括：
14.输入：训练样本数据队((x
(1)
,y),(x
(2)
,y),
…
,(x
(m)
,y))；
15.输出：权重矩阵w＝[w1，w2，
…
，w
l
]；
[0016]
s1：选择一个权重系数矩阵w的初始值和一个学习率μ值；
[0017]
s2：依据公式由初始权重和训练样本求解各层神经元其中，γ是一个设置好的正数，m表示为样本中数据的数量，w是权重参数，其中，γ是一个设置好的正数，m表示为样本中数据的数量，w是权重参数，为损失函数，a为节点，y为向量；
[0018]
s3：repeat：满足近似条件；
[0019]
s4：由公式对初始权重矩阵进行调优,其中，为参数矩阵，
[0020][0021]
s5：输出w＝[w1，w2，
…
，w
l
]。
[0022]
进一步地，所述采用深度学习算法进行优化后，对权重矩阵w进一步调优，其具体为：
[0023]
输入：无标签训练数据{x
(1)
,x
(2)
,
…
,x
(m)
}；
[0024]
输出：权重矩阵[w1，w2，
…
，w
l
]；
[0025]
s6：将无标签的训练数据{x
(1)
,x
(2)
,
…
,x
(m)
}作为dbntf模型的输入层；
[0026]
s7：依据公式求得有标签的训练数据队(x(i),y(i))，其中，v
t
表示无人机的平均速度，v
max
表示无人机的最大速度，cn表示受到的平均风阻，cn
max
表示受到的最大风阻，为等级值可调参数；
[0027]
s8：将dbn模型的输出层作为softmax分类器的输入，带标签的数据队(x(i),y(i))为输出，完成softmax分类器的求解；
[0028]
s9：用误差的反向传播算法对权重[w1，w2，
…
，w
l
]全局调优；
[0029]
s10：输出最终的权重矩阵[w1，w2，
…
，w
l
]。
[0030]
进一步地，所述根据无人机执行任务时的高度异常数据对飞行高度进行优化包括：通过无人机底部的红外传感器测量飞行过程中离地距离，并根据预设离地距离调整各路径上的无人机飞行高度。
[0031]
进一步地，所述根据无人机执行任务时拍摄到的图像进行采集视角优化包括：将无人机在任务过程中各采集点拍摄的图像进行组合，检测组合图像完整性，若组合图像不完整，则调整无人机在改点的拍摄角度。
[0032]
进一步地，所述根据无人机执行任务时的剩余电量情况和任务完成情况对无人机匹配进行优化：在各无人机任务结束降落时判定其任务完成情况和剩余电量，若无人机降落时任务未完成和/或无人机剩余电量小于设定阈值，则在下次该任务中匹配更高型号的无人机。
[0033]
进一步地，无人机包括机体和机体外围的螺旋桨组件，在所述机体的底部开有与机体内部连通的开口，在开口内设有坠落防护装置，所述坠落防护装置可开合的多个弹力板、带动弹力板开合的传动组件和为传动组件提供动力的驱动组件，所述弹力板在合起时收缩在机体内部，多个所述弹力板在张开时在所述机体下方围成一个半球状结构。
[0034]
进一步地，传动组件包括支撑柱，所述支撑柱的顶端固定有立杆，所述支撑柱的底部圆周外壁上呈圆周等间距设有若干铰座，所述铰座上铰接有摆臂，所述弹力板的一端内壁安装有固定座，所述摆臂的一端与所述固定座固定连接，所述摆臂的远离所述支撑柱的一侧安装有配重块，所述弹力板的一端固定有连接环，所述驱动组件安装在驱动盒内部，所述驱动盒为底部开口的中空结构，且其底部通过底板密封，所述驱动组件包括固定在驱动盒内的伺服电机，所述伺服电机的输出轴端部同轴固定有主动齿轮，所述主动齿轮的外围呈圆周等间距设有若干从动齿轮，所述主动齿轮与各个从动齿轮啮合，所述从动齿轮底部同轴固定有收卷筒，所述收卷筒的圆周外壁固定有拉绳，所述拉绳从底板上的绳孔内穿过，且所述拉绳的末端固定在对应的所述连接环上。
[0035]
与现有技术相比，本发明具有以下有益效果：
[0036]
1、本发明通过防信息录入单元录入经卫星实时获取的边防地区地域信息，根据边防地区地域信息进行无人机的任务规划，协同无人机进行巡检任务，无人机进行巡检任务时，获取边防实时路径数据和异常数据。通过实时获取的卫星云图，再根据其生成地形模型，能够确保每次任务过程中的后续路径规划和任务分配差错最小，因边防地区一般地形复杂，在此方法下能够极大减少差错，避免无人机损毁。
[0037]
2、本发明通过任务规划单元获取各个无人机的实时位置信息，并根据地形模型生成无人机任务路径，并根据任务路径和无人机的实时位置信息匹配状态完好的无人机来派发任务，能够自动匹配适合完成该次任务的无人机，自动完成巡检任务下发。以此来选择合适续航和路程最优的无人机参与任务，提高完成任务的效率。
[0038]
3、本发明通过优化学习单元基于深度学习完善任务过程中各项参数，根据其风阻，速度，障碍物等影响重新优化路径，确保下次任务时的路径更优、避免无人机由于地形波澜起伏因离地高度过低而造成的损毁、确保无人机每次任务时能够拍摄到边防地区的全景，避免有漏拍现象的发生以及能够更加合理的分配大功率和小功率无人机执行其最适合的任务。
[0039]
4、本发明通过数据反馈单元能够实时将无人机任务过程中获取的数据反馈到基站，确保边防情况能够实时被边防人员检测，有异常情况时能够及时做出反应，并且能够实时检测网络信号的优劣，在网络信号不佳时及时切换信号，确保数据的实时传输。
[0040]
5、本发明通过坠落防护装置，在发生故障或是撞击到障碍物坠落时，机体内部的加速度传感器会检测到加速度异常型号，同时通过无人机的主控控制伺服电机开启，弹力板在合起时收缩在机体内部，多个弹力板在张开时在所述机体下方围成一个半球状结构，无人机在坠落到地面或者岩石等坚硬物上时，弹力板合成的半球状薄壁结构会率先落地，并吸收和缓冲落地带来的动能，极大程度地避免了无人机及其内部元件损坏。
附图说明
[0041]
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，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其它的附图。
[0042]
本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
[0043]
图1为本发明优选实施例中的整体系统示意图；
[0044]
图2为本发明优选实施例中局部模块示意图之一；
[0045]
图3为本发明优选实施例中局部模块示意图之二；
[0046]
图4为本发明优选实施例中局部模块示意图之三；
[0047]
图5为本发明优选实施例中局部模块示意图之四；
[0048]
图6为本发明优选实施例中无人机的结构示意图之一；
[0049]
图7为本发明优选实施例中无人机的结构示意图之二；
[0050]
图8为本发明优选实施例中坠落防护装置合起状态的结构示意图；
[0051]
图9为本发明优选实施例中坠落防护装置的局部结构示意图；
[0052]
图10为本发明优选实施例中坠落防护装置的结构张开状态示意图；
[0053]
图11为本发明优选实施例中驱动组件的结构示意图。
[0054]
图示说明：100、边防信息录入单元；101、卫星云图获取模块；102、云图数据分析模
块；103、地形模型生成模块；104、地形模型导入模块；200、任务规划单元；201、无人机位置获取模块；202、任务路径生成模块；203、无人机匹配模块；204、任务派发模块；300、优化学习单元；301、路径优化模块；302、飞行高度优化模块；303、采集视角优化模块；304、任务优化模块；400、数据反馈单元；401、数据分类模块；402、数据传输模块；403、信号质量检测模块；404、信号切换模块；1、机体；2、螺旋桨组件；3、坠落防护装置；31、传动组件；311、支撑柱；312、立杆；313、铰座；314、摆臂；315、配重块；32、弹力板；321、固定座；322、连接环；33、驱动盒；34、驱动组件；341、主动齿轮；342、伺服电机；343、从动齿轮；344、收卷筒；345、拉绳；35、底板；351、绳孔。
具体实施方式
[0055]
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
[0056]
在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。需要说明的是，当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。
[0057]
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
[0058]
一种基于复合翼无人机的智能高速边防巡检系统，请参阅图1-5，包括边防信息录入单元100、任务规划单元200、优化学习单元300和数据反馈单元400，边防信息录入单元100、任务规划单元200、优化学习单元300和数据反馈单元400依次通过以太网通信连接，边防信息录入单元100用于录入经卫星实时获取的边防地区地域信息，任务规划单元200用于根据边防地区地域信息进行无人机的任务规划，协同无人机进行巡检任务，无人机进行巡检任务时，获取边防实时路径数据和异常数据，优化学习单元300用于根据无人机获取的路径数据和异常数据对任务边防信息录入单元100和任务规划单元200进行更新优化，数据反馈单元400用于将无人机获取的路径数据和异常数据传输至基站；
[0059]
边防信息录入单元100包括卫星云图获取模块101、云图数据分析模块102、地形模型生成模块103和地形模型导入模块104；
[0060]
任务规划单元200包括无人机位置获取模块201、任务路径生成模块202、无人机匹配模块203和任务派发模块204；
[0061]
优化学习单元300包括路径优化模块301、飞行高度优化模块302、采集视角优化模块303和任务优化模块304；
[0062]
数据反馈单元400包括数据分类模块401、数据传输模块402、信号质量检测模块403和信号切换模块404。
[0063]
本实施例中，卫星云图获取模块101、云图数据分析模块102、地形模型生成模块103和地形模型导入模块104依次通过以太网通信连接，卫星云图获取模块101用于实时获
取卫星云图文件，云图数据分析模块102用于根据卫星云图文件提取图形数据和图形参数数据，地形模型生成模块103用于根据图形数据和图形参数数据生成地形模型，述地形模型导入模块104用于将地形模型转换成任务规划单元200能够识别的格式并传输至任务规划单元200。通过实时获取的卫星云图，再根据其生成地形模型，能够确保每次任务过程中的后续路径规划和任务分配差错最小，因边防地区一般地形复杂，在此方法下能够极大减少差错，避免无人机损毁。具体的，图形参数数据包括地形数据和地形的二维尺寸及三维尺寸。
[0064]
本实施例中，无人机位置获取模块201、任务路径生成模块202、无人机匹配模块203和任务派发模块204依次通过以太网通信连接，无人机位置获取模块201用于获取各个无人机的实时位置信息，任务路径生成模块202用于根据地形模型生成无人机任务路径，无人机匹配模块203用于根据任务路径和无人机的实时位置信息匹配状态完好的无人机，任务派发模块204用于将任务路径传输至执行任务的无人机上。其能够自动匹配适合完成该次任务的无人机，自动完成巡检任务下发。以此来选择合适续航和路程最优的无人机参与任务，提高完成任务的效率。
[0065]
本实施例中，路径优化模块301、飞行高度优化模块302、采集视角优化模块303和任务优化模块304依次通过以太网通信连接，路径优化模块301用于根据无人机执行任务时的路径异常数据对路径进行优化，飞行高度优化模块302用于根据无人机执行任务时的高度异常数据对飞行高度进行优化，采集视角优化模块303用于根据无人机执行任务时拍摄到的图像进行采集视角优化，任务优化模块304用于根据无人机执行任务时的剩余电量情况和任务完成情况对无人机匹配进行优化。
[0066]
本实施例中，数据分类模块401、数据传输模块402、信号质量检测模块403和信号切换模块404依次通过以太网通信连接，数据分类模块401用于将无人机执行任务获取的数据进行分类，数据传输模块402用于将分类后的信息通过网络信号传输至基站，信号质量检测模块403用于检测网络信号的实时强度，信号切换模块404用于在网络信号的实时强度低于设定阈值时，切换网络信道。能够实时将无人机任务过程中获取的数据反馈到基站，确保边防情况能够实时被边防人员检测，有异常情况时能够及时做出反应，并且能够实时检测网络信号的优劣，在网络信号不佳时及时切换信号，确保数据的实时传输。
[0067]
本实施例中，路径优化模块301采用深度学习算法进行优化，具体包括：
[0068]
输入：训练样本数据队((x
(1)
,y1),(x
(2)
,y2),
…
,(x
(m)
,ym))；
[0069]
输出：权重矩阵w＝[w1，w2，...，w
l
]；
[0070]
s1：选择一个权重系数矩阵w的初始值和一个学习率μ值；
[0071]
s2：依据公式由初始权重和训练样本求解各层神经元其中，γ是一个设置好的正数，m表示为样本中数据的数量，w是权重参数，其中，γ是一个设置好的正数，m表示为样本中数据的数量，w是权重参数，为损失函数，a为节点，y为向量；
[0072]
s3：repeat：满足近似条件；
[0073]
s4：由公式对初始权重矩阵进行调优,其中，为参数矩阵，
[0074][0075]
s5：输出w＝[w1，w2，...，w
l
]。
[0076]
本实施例中，采用深度学习算法进行优化后，对权重矩阵w进一步调优，其具体为：
[0077]
输入：无标签训练数据{x
(1)
,x
(2)
,
…
,x
(m)
}；
[0078]
输出：权重矩阵[w1，w2，...，w
l
]；
[0079]
s6：将无标签的训练数据{x
(1)
,x
(2)
,...,x
(m)
}作为dbntf模型的输入层；
[0080]
s7：依据公式求得有标签的训练数据队(x(i),y(i))，其中，v
t
表示无人机的平均速度，v
max
表示无人机的最大速度，cn表示受到的平均风阻，cn
max
表示受到的最大风阻，为等级值可调参数；
[0081]
s8：将dbn模型的输出层作为softmax分类器的输入，带标签的数据队(x(i),y(i))为输出，完成softmax分类器的求解；
[0082]
s9：用误差的反向传播算法对权重[w1，w2，
…
，w
l
]全局调优；
[0083]
s10：输出最终的权重矩阵[w1，w2，
…
，w
l
]。
[0084]
使用该路径优化方法能够在每次无人机执行任务之后，根据其风阻，速度，障碍物等影响重新优化路径，确保下次任务时的路径更优。
[0085]
本实施例中，根据无人机执行任务时的高度异常数据对飞行高度进行优化包括：通过无人机底部的红外传感器测量飞行过程中离地距离，并根据预设离地距离调整各路径上的无人机飞行高度。能够避免无人机由于地形波澜起伏因离地高度过低而造成的损毁。
[0086]
本实施例中，根据无人机执行任务时拍摄到的图像进行采集视角优化包括：将无人机在任务过程中各采集点拍摄的图像进行组合，检测组合图像完整性，若组合图像不完整，则调整无人机在改点的拍摄角度。确保无人机每次任务时能够拍摄到边防地区的全景，避免有漏拍现象的发生。
[0087]
本实施例中，根据无人机执行任务时的剩余电量情况和任务完成情况对无人机匹配进行优化：在各无人机任务结束降落时判定其任务完成情况和剩余电量，若无人机降落时任务未完成和/或无人机剩余电量小于设定阈值，则在下次该任务中匹配更高型号的无人机。其能够更加合理的分配大功率和小功率无人机执行其最适合的任务。
[0088]
为了保证无人机在执行任务过程中以外坠落，发明人为减少巡检时的无人机损耗，想到在无人机底部安装弹性防护机构，但是若是安装普通的弹性防护机构，在无人机飞行时无疑会增大风阻，从而影响无人机飞行的稳定性且会增加能耗。基于此，如图6-11所示，无人机包括机体1和机体1外围的螺旋桨组件2，在机体1的底部开有与机体1内部连通的开口，在开口内设有坠落防护装置3，坠落防护装置3可开合的多个弹力板32、带动弹力板32开合的传动组件31和为传动组件31提供动力的驱动组件34，弹力板32在合起时收缩在机体1内部(如图8所示)，多个弹力板32在张开时在机体1下方围成一个半球状结构(如图10所示)。
[0089]
具体的，传动组件31包括支撑柱311，支撑柱311的顶端固定有立杆312，支撑柱311的底部圆周外壁上呈圆周等间距设有若干铰座313，铰座313上铰接有摆臂314，弹力板32的一端内壁安装有固定座321，摆臂314的一端与固定座321固定连接，摆臂314的远离支撑柱
311的一侧安装有配重块315，弹力板32的一端固定有连接环322，驱动组件34安装在驱动盒33内部，驱动盒33为底部开口的中空结构，且其底部通过底板35密封，驱动组件34包括固定在驱动盒33内的伺服电机342，伺服电机342的输出轴端部同轴固定有主动齿轮341，主动齿轮341的外围呈圆周等间距设有若干从动齿轮343，主动齿轮341与各个从动齿轮343啮合，从动齿轮343底部同轴固定有收卷筒344，收卷筒344的圆周外壁固定有拉绳345，拉绳345从底板35上的绳孔351内穿过，且拉绳345的末端固定在对应的连接环322上。在正常飞行过程中，坠落防护装置3如同图2所示的状态收缩在无人机的机体1内部，而无人机在发生故障或是撞击到障碍物坠落时，机体1内部的加速度传感器会检测到加速度异常型号，同时通过无人机的主控控制伺服电机342开启，伺服电机342开启后其输出轴快速旋转，通过主动齿轮341将转矩传递给各个从动齿轮343，从而带动各个收卷筒344快速转动，原本缠绕在收卷筒344圆周外壁的拉绳345会瞬间释放，此时，在摆臂314外侧的配重块315在重力作用下会带动摆臂314四散分开，从而使各个弹力板32落下并合成一个半球状薄壁结构，此时无人机在坠落到地面或者岩石等坚硬物上时，弹力板32合成的半球状薄壁结构会率先落地，并吸收和缓冲落地带来的动能，极大程度地避免了无人机及其内部元件损坏。具体的，弹力板32采用树脂材料制成，其本身具有弹性，且耐撞击能力强。
[0090]
为了便于描述，在这里可以使用空间相对术语，如“在
……
之上”、“在
……
上方”、“在
……
上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在
……
上方”可以包括“在
……
上方”和“在
……
下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
[0091]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0092]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施方式例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0093]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。