冲击地压的预警方法及装置、电子设备和存储介质与流程

1.本公开涉及数据处理技术领域，具体涉及一种冲击地压的预警方法、装置、电子设备和存储介质。


背景技术：

2.煤矿冲击地压也称煤爆，是指煤矿井巷或工作面周围煤体由于弹性变形能的瞬时释放而产生的突然、剧烈破坏的动力现象，常伴有煤体瞬间位移、抛出、巨响及气浪等现象，其具有很大的破坏性，是煤矿重大灾害之一。随着矿井的开采强度和开采深度不断增加，冲击地压、煤与瓦斯突出、顶板冒落、巷道变形等煤岩动力灾害发生的频率和强度也不断增大，严重威胁着矿井的安全生产。其中冲击地压以其发生的突然性、急剧性及对巷道围岩迅猛的破坏作用给矿井安全生产轻则带来严重威胁，重则造成严重的经济损失和重大的人员伤亡。
3.目前，针对煤矿冲击地压危险预测，主要有两大解决途径：第一是基于力学知识通过实验手段研究冲击地压发生机理，结合岩石状态与力学行为来进行危险预测；第二是基于当代先进的计算机技术，结合人工智能算法从监测数据中挖掘冲击地压的危险信息。
4.发明人在实施上述两种解决方案时发现，虽然能够对冲击地压进行一定的预警，但是，其预警的精准度不高。


技术实现要素：

5.本公开提供了一种基于微震时序数据的冲击地压危险预测算法的方法、装置、电子设备和存储介质。
6.根据本公开的第一方面，提供了一种冲击地压的预警方法，包括：
7.获取待检测的微震时序数据，并对所述微震时序数据进行分段，得到微震时序数据子段；
8.将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，以并根据所述特征信息得到输出不同微震时序数据子段所对应的安全属性信息；
9.根据所述安全属性信息进行冲击地压的预警。
10.可选的，所述微震时序数据中包含冲击地压的指标信息；
11.所述对所述微震时序数据进行分段包括：
12.对所述微震时序数据中的所述指标信息进行格式归一化处理；
13.根据预设时间间隔对归一化处理后的微震时序数据进行分段，得到所述微震时序数据子段。
14.可选的，在将所有微震时序数据子段依次输入预设预警模型之前，所述方法还包括：
15.基于预设数量分类器对样本微震时序数据子段的安全属性信息进行第一标注；其
中，所述安全属性信息由每个分类器分别对同一样本微震时序数据子段进行标注得到，所述安全属性信息包括：危险属性和安全属性；
16.选取全部数量的第一样本微震时序数据子段，以及预设数量的第二样本微震时序数据子段，其中，所述第一样本微震时序数据子段为所述安全属性信息为危险属性的样本微震时序数据子段，所述第二样本微震时序数据子段为所述安全属性信息为安全属性的样本微震时序数据子段；
17.根据所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练，以生成所述预设预警模型，所述预设预警模型中包含所述危险属性对应的特征信息和所述安全属性对应的特征信息。
18.可选的，所述方法还包括：
19.基于预设日志文件对测试微震时序数据子段进行安全属性信息的第二标注；所述测试微震时序数据子段为按照时间间隔对测试微震时序数据进行分段得到；
20.将所述测试微震时序数据子段输入所述预设预警模型，以根据所述预设预警模型的输出结果及所述第二标注对所述预设预警模型进行测试。
21.可选的，所述根据所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练包括：
22.基于k-medoids聚类算法对所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练。
23.根据本公开的第二方面，提供了一种冲击地压的预警装置包括：
24.获取单元，用于获取待检测的微震时序数据；
25.分段单元，用于对所述微震时序数据进行分段，得到微震时序数据子段；
26.输入单元，用于将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，并根据所述特征信息输出对应的安全属性信息；
27.预警单元，用于根据所述安全属性信息进行冲击地压的预警。
28.可选的，所述微震时序数据中包含冲击地压的指标信息；
29.所述分段单元包括：
30.处理模块，用于对所述微震时序数据中的所述指标信息进行格式归一化处理；
31.分段模块，用于根据预设时间间隔对归一化处理后的微震时序数据进行分段，得到所述微震时序数据子段。
32.可选的，所述装置还包括：
33.第一标注单元，用于在所述输入单元将所有微震时序数据子段依次输入预设预警模型之前，基于预设数量分类器对样本微震时序数据子段的安全属性信息进行第一标注；其中，所述安全属性信息由每个分类器分别对同一样本微震时序数据子段进行标注得到，所述安全属性信息包括：危险属性和安全属性；
34.选取单元，用于选取全部数量的第一样本微震时序数据子段，以及预设数量的第二样本微震时序数据子段，其中，所述第一样本微震时序数据子段为所述安全属性信息为危险属性的样本微震时序数据子段，所述第二样本微震时序数据子段为所述安全属性信息为安全属性的样本微震时序数据子段；
35.训练单元，用于根据所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练，以生成所述预设预警模型，所述预设预警模型中包含所述危险属性对应的特征信息和所述安全属性对应的特征信息。
36.可选的，所述装置还包括：
37.第二标注单元，用于基于预设日志文件对测试微震时序数据子段进行安全属性信息的第二标注；所述测试微震时序数据子段为按照时间间隔对测试微震时序数据进行分段得到；
38.测试单元，用于将所述测试微震时序数据子段输入所述预设预警模型，以根据所述预设预警模型的输出结果及所述第二标注对所述预设预警模型进行测试。
39.可选的，所述训练单元，还用于基于k-medoids聚类算法对所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练。
40.根据本公开的第三方面，提供了一种电子设备，包括：
41.至少一个处理器；以及
42.与所述至少一个处理器通信连接的存储器；其中，
43.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
44.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
45.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如第一方面所述的方法。
46.本公开提供的冲击地压的预测方法、装置、电子设备和存储介质，通过获取待检测的微震时序数据，并对所述微震时序数据进行分段，得到微震时序数据子段，将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，并根据所述特征信息输出对应的安全属性信息；根据安全属性信息进行冲击地压的预警。与相关技术相比，本技术实施例基于预设预警模型能够准确识别出微震时序数据子段中的特征信息，以输出每个特征信息对应不同的安全属性信息，基于该安全属性信息实现对冲击地压的危险预警。
47.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
48.附图用于更好地理解本方案，不构成对本公开的限定。其中：
49.图1为本公开实施例所提供的一种冲击地压的预测方法的流程示意图；
50.图2为本技术实施例提供一种对微震时序数据分段的方法的流程示意图；
51.图3为本公开实施例提供的一种构建预设预警模型的方法的流程示意图；
52.图4为本公开实施例提供的一种冲击地压的预警装置的结构示意图；
53.图5为本公开实施例提供的另一种冲击地压的预警装置的结构示意图；
54.图6为本公开实施例提供的示例电子设备600的示意性框图。
具体实施方式
55.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
56.下面参考附图描述本公开实施例的冲击地压的预测方法、装置、电子设备和存储介质。
57.图1为本公开实施例所提供的一种冲击地压的预测方法的流程示意图。
58.如图1所示，该方法包含以下步骤：
59.步骤101、获取待检测的微震时序数据，并对所述微震时序数据进行分段，得到微震时序数据子段。
60.在实际应用过程中，可以通过微震监测设备对微震事件进行采集、解析，最终可得到微震时序数据，微震时序数据包括微震发生时间、坐标与能量3个指标，实际应用中微震时序数据还可以包含煤岩体破裂时间、空间以及强度等指标等等，但是，在实施本实施例时，采用的是对微震发生时间、坐标与能量3个指标的分析方式，并非意在限定具体的指标。
61.由于微震发生的时间不确定，导致其采集到的微震时序数据的时间间隔不均匀，因此，为了更能够实现对微震监测的准确性，需要基于不同时间间隔的微震时序数据进行分段操作。基于时间间隔不均匀的特性，在分段时可以采用但不局限于以下方式，例如：通过固定窗口长度对微震时序数据进行分段、通过固定间隔时长对微震时序数据进行分段，或者其他任意形式的分段方式。后续实施例中，本技术实施例采用固定窗口长度的方式对微震时序数据进行分段，但是，需要说明的是，该种实现方式并非是对分段手段的具体限定。
62.需要说明的是，分段时间间隔虽然是预设的，但其不是一成不变的，其可以根据实际需求进行灵活变动，将微震时序数据分割成不同数量的子段，本技术实施例对一个微震时序数据可以分割成子段的数量不做限定。
63.步骤102、将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，并根据所述特征信息输出对应的安全属性信息。
64.基于研究数据可得到下述两种实践结果，第一种：当前微震与上一次微震发生时间间隔越大，此次微震突发性越大，且受上一次微震的影响越小；第二种：每次突发微震将带动附近微震，距离微震发生点越近受到的影响越大。本技术实施例中根据上述两种实践结果提出针对微震时序数据特殊性的解决方案：即构建一种预设预警模型，所述预设预警模型能够识别所有微震时序数据子段中的特征信息，并根据所述特征信息输出对应的安全属性信息，所述安全属性信息包括：危险属性和安全属性。
65.在实际应用中，只需要将所有微震时序数据子段输入预设预警模型即可，便可得到预设预警模型输出的针对微震时序数据子段所对应的安全属性信息，该种实现方式简单易操作。
66.步骤103、根据所述安全属性信息进行冲击地压的预警。
67.根据微震时序数据子段所对应的安全属性信息，对具有危险属性的微震时序数据
子段进行预警。在实际应用过程中，预警可以采用以下方式实现：触发警报进行预警、通过警示灯闪烁进行预警等等。具体的，本技术实施例对预警方式不进行限定。
68.本公开实施例提供的冲击地压的预测方法，通过获取待检测的微震时序数据，并对所述微震时序数据进行分段，得到微震时序数据子段，将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，并根据所述特征信息得到输出不同微震时序数据子段所对应的安全属性信息；根据安全属性信息进行冲击地压的预警。与相关技术相比，本技术实施例基于预设预警模型能够准确识别出微震时序数据子段中的特征信息，以输出每个特征信息对应不同的安全属性信息，基于该安全属性信息实现对冲击地压的危险预警。
69.作为对上述实施例的细化，在步骤101执行对所述微震时序数据进行分段时，可以采用下述方式，如图2所示，图2为本技术实施例提供一种对微震时序数据分段的方法的流程图，如图2所示，所述方法包括：
70.步骤201、对所述微震时序数据中的所述指标信息进行格式归一化处理。
71.所述格式归一化处理是将所述微震时序数据中的所述指标信息中的坐标与能量归一化处理为0-1之间的数值；进行所述格式归一化其目的在于，便于后续数据处理。
72.步骤202、根据预设时间间隔对归一化处理后的微震时序数据进行分段，得到所述微震时序数据子段。
73.为了便于理解，以分段方式为固定窗口长度为进行说明，在具体实施时，分别对坐标指标与能量指标归一化处理为0-1之间的数值，分段时，可基于实际需求设定预设时间间隔，该预设时间间隔即为固定窗口的长度，例如预设时间间隔为一小时、或者半小时，或者一天等等，本技术实施例对预设时间间隔的设置不进行限定。
74.本技术实施例还提供一种构建预设预警模型的方法，如图3所示，所述方法包括：
75.步骤301、输入样本微震时序数据。在实际应用过程中，可以通过微震监测设备对微震事件进行采集、解析，最终可得到样本微震时序数据，对以往监测得到的微震时序数据进行汇总、整理，即可得到所述样本微震时序数据。
76.步骤302、按照预设时间间隔将所述样本微震时序数据分段，得到样本微震时序数据子段。
77.需要说明的是，步骤302的执行过程可以参见上一实施例步骤202的执行过程，原理相同，在此不再赘述。
78.步骤303、基于预设数量分类器对样本微震时序数据子段的安全属性信息进行第一标注；其中，所述安全属性信息由每个分类器分别对同一样本微震时序数据子段进行标注得到，所述安全属性信息包括：危险属性和安全属性。
79.预设数量分类器用于对样本微震时序数据子段的安全属性进行分类，每个分类器分别对同一样本微震时序数据子段进行分类。为了便于理解以下以示例形式进行说明，假设，预设分类器的数量为10个，所有分类器可同时，或者按顺序对同一样本微震时序数据子段进行分类，若有一个分类器对上述样本微震时序数据子段标注危险属性，则在该样本微震时序数据子段上标注危险概率为0.1，若有两个分类器对上述样本微震时序数据子段标注危险属性，则由两个分类器分别在该样本微震时序数据子段上标注危险概率为0.1，即此时该样本微震时序数据子段的危险概率为0.2。依次类推。
80.步骤304、选取全部数量的第一样本微震时序数据子段，以及预设数量的第二样本微震时序数据子段，其中，所述第一样本微震时序数据子段为所述安全属性信息为危险属性的样本微震时序数据子段，所述第二样本微震时序数据子段为所述安全属性信息为安全属性的样本微震时序数据子段。
81.选取全部数量的第一样本微震时序数据子段的目的在于：使下一步的训练能够识别出危险属性的全部特征信息。在实际应用中，第一样本微震时序数据子段的数量可能远远小于第二样本微震时序数据子段，因此，需要从第二样本微震时序数据子段中随机选取预设数量的第二样本微震时序数据子段，其目的在于，减少第二样本微震时序数据子段的获取数量，以便能够更好的对第一样本微震时序数据子段进行学习训练。预设数量为一经验值，但是其在设置过程中，需要小于第一样本微震时序数据子段的数量，其目的在于增大第一样本微震时序数据子段在所有选取的微震时序数据中的占比，其目的是能够更准确的识别出危险属性所对应的特征信息，进而提高预测的精确度。
82.步骤305、根据所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练，以生成所述预设预警模型。
83.对所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练，识别出危险属性对应的特征信息和安全属性对应的特征信息，基于此，生成预设预警模型。
84.在具体实施过程中，由于样本微震时序数据子段数据长度不等的特征，在训练时可基于k-medoids聚类算法对所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练。上述k-medoids聚类算法仅为示例性的说明，在具体实施过程中可以参阅相关技术中的任意实现方式，本技术实施例对此不进行限定。
85.上述步骤301至步骤305为生成预设预警模型的具体实施过程，为了确保预设预警模型识别的准确性，本步骤中对已生成的预设预警模型进行校验。
86.步骤306、基于预设日志文件对测试微震时序数据子段进行安全属性信息的第二标注。
87.预设日志文件中记载的是已确认发生危险的测试微震时序数据子段，在对该测试微震时序数据子段进行安全属性信息(危险属性)的第二标注后进行检验，进一步提高预设预警模型的准确性。
88.本技术实施例对预设日志文件对测试微震时序数据子段的数量不进行限定。
89.步骤307、将所述测试微震时序数据子段输入所述预设预警模型，以根据所述预设预警模型的输出结果及所述第二标注对所述预设预警模型进行测试。
90.比对安全属性为危险属性的第一标注与安全属性为危险属性的第二标注是否一致，对所述预设预警模型进行精度测试。
91.综上所述，本技术实施例提供的冲击地压的预警方法，能够实现下述效果：
92.(1)预设预警模型的输入数据微震时序数据，其获取简便，实验运行成本低；
93.(2)充分考虑了微震时序数据的特殊性(发生时间间隔不均匀)，使得通过预设预警模型的预测正确率大大提升；
94.(3)通过集成学习预设预警模型降低了算法误报率。
95.与上述图1提供的冲击地压的预警方法相对应，本公开还提供一种冲击地压的预
警装置，由于本公开实施例提供的冲击地压的预警装置与上述图1实施例提供的冲击地压的预警方法相对应，因此在冲击地压的预警方法的实施方式也适用于本公开实施例提供的冲击地压的预警装置，在本公开实施例中不再详细描述。
96.图4为本技术实施例提供的一种冲击地压的预警的调控装置，如图4所示，所述装置包括：
97.获取单元41，用于获取待检测的微震时序数据。
98.分段单元42，用于将微震时序数据按照预设时间间隔进行分段，得到微震时序数据子段。
99.输入单元43，用于将所有微震时序数据子段依次输入预设预警模型，以便所述预设预警模型识别所有微震时序数据子段中的特征信息，并根据所述特征信息输出对应的安全属性信息。
100.预警单元44，用于根据所述安全属性信息进行冲击地压的预警。
101.本技术提出的冲击地压的预警装置，在获取到待检测的微震时序数据后，对所述微震时序数据子段进行分段，得到微震时序数据子段，将所有的微震时序数据子段依次输入到预设的预警模型中，以得到不同微震时序数据子段所对应的安全属性信息，并根据所述安全属性信息进行冲击地压的预警。与相关技术相比，本技术实施例基于对样本微震时序数据的特征挖掘，并对所述特征进行反复学习，从而能实现对冲击地压的预警，并显著提高预测的准确率。
102.进一步的，在本技术的另一种实现方式中，如图5所示，所述微震时序数据中包含冲击地压的指标信息；
103.所述分段单元42包括：
104.处理模块421，用于对所述微震时序数据中的所述指标信息进行格式归一化处理；
105.分段模块422，用于根据预设时间间隔对归一化处理后的微震时序数据进行分段，得到所述微震时序数据子段。
106.进一步的，在本技术的另一种实现方式中，如图5所示，所述装置还包括：
107.第一标注单元45，用于在所述输入单元43将所有微震时序数据子段依次输入预设预警模型之前，基于预设数量分类器对样本微震时序数据子段的安全属性信息进行第一标注；其中，所述安全属性信息由每个分类器分别对同一样本微震时序数据子段进行标注得到，所述安全属性信息包括：危险属性和安全属性；
108.选取单元46，用于选取全部数量的第一样本微震时序数据子段，以及预设数量的第二样本微震时序数据子段，其中，所述第一样本微震时序数据子段为所述安全属性信息为危险属性的样本微震时序数据子段，所述第二样本微震时序数据子段为所述安全属性信息为安全属性的样本微震时序数据子段；
109.训练单元47，用于根据所述第一样本微震时序数据子段以及所述第二样本微震时序数据子段进行训练，以生成所述预设预警模型，所述预设预警模型中包含所述危险属性对应的特征信息和所述安全属性对应的特征信息。
110.进一步的，在本技术的另一种实现方式中，如图5所示，所述装置还包括：
111.第二标注单元48，用于基于预设日志文件对样本微震时序数据子段进行安全属性信息的第二标注；所述样本微震时序数据子段为按照时间间隔对样本微震时序数据进行分
product，专用标准产品)、soc(system on chip，芯片上系统的系统)、cpld(complex programmable logic device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
120.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
121.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、ram、rom、eprom(electrically programmable read-only-memory，可擦除可编程只读存储器)或快闪存储器、光纤、cd-rom(compact disc read-only memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
122.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathode-ray tube，阴极射线管)或者lcd(liquid crystal display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
123.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：lan(local area network，局域网)、wan(wide area network，广域网)、互联网和区块链网络。
124.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服
务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
125.其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
126.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。