局部放电模式识别系统及方法与流程
本申请涉及电气设备技术领域，特别是涉及一种局部放电模式识别系统及方法。
背景技术：
随着我国经济和科技的高速发展，人们对环境保护的越来越重视。电能作为一种清洁能源，俨然成为当今社会前进的重要推进器。随着电力需求量的增加，地下电力电缆输配电线路以其诸多优点逐步取代架空线路，成为城市输电的中流砥柱。在高压电缆线路中，电力电缆中间接头结构复杂且容易受人为因素等的影响，是发生绝缘故障的主要部位。而局部放电是电缆接头发生绝缘故障的早期重要表现形式。因此，通过对被测电缆接头局部放电进行在线监测，可以及时发现线路中的绝缘隐患。同时，在监测过程中采用自动识别技术既可提高在线监测系统区分被测信号中内部放电与外部脉冲性放电的能力，又能为内部放电的性质及绝缘劣化的程度评估提供支持。
然而，局部放电状态检测在复杂电磁环境干扰条件下，无法准确检测完整电缆系统中的局部放电信号且识别手段不足。主要的技术难点在于局部放电信号源自电缆或附件的绝缘内部，属于典型高频脉冲弱信号。而高频脉冲弱信号在高压电缆中传播时会产生明显的衰减现象，高频信号衰减尤为严重。因此，现场状态监、检测受限于电缆系统完整性与检测手段，从而难以对局部放电信号实现就近监、检测。此外，高压电缆系统对于放电信号的滤波与分流作用不仅会使得放电信号的幅值随着距离的增大而减小直至被现场干扰所掩盖，也会使得信号的频谱特征随着距离的增大而改变，继而造成放电信号的波形发生畸变。以上情况不仅会造成放电信号幅值的误判，从而无法对缺陷位置的放电严重程度进行准确评估，还增加现场局部放电信号判别的难度，同时使得后续数据分析结果可信度降低，给放电类型识别及电缆状态评价工作带来困难。
技术实现要素：
基于此，有必要针对局部放电信号传输过程中产生的信号衰减和畸变的问题，提供一种局部放电模式识别系统及方法。
一种局部放电模式识别系统，包括：
内置传感器，所述内置传感器包括电极，所述电极套设于被测电缆的外半导电层，所述电极用于获取局部放电信号；
信号处理器，与所述内置传感器电连接，用于接收所述内置传感器采集的数据并进行处理；以及
模式识别装置，与所述信号处理器电连接，用于接收所述信号处理器处理后的波形数据，并匹配所述波形数据和局部放电相位特征图谱数据。
在所述局部放电模式识别系统中，通过将所述内置传感器的所述电极套设于被测电缆的所述外半导电层上，所述电极和被测电缆的线芯可以作为耦合电容，从而实现对局部放电信号的耦合。所述电极距离局部放射源较近，能够有效解决由于高频局部放电信号随距离衰减而造成的局部放电检出能力不足的问题，可以有效提升所述局部放电模式识别系统对局部放电信号检测的灵敏度和准确度。所述信号处理器和所述模式识别装置可以对检测到的局部放电信号进行处理，完成局部放电信号的检测过程。
在其中一个实施例中，所述内置传感器还包括：
橡胶层，套设于所述电极，用于隔热和缓冲；以及
屏蔽壳，套设于所述橡胶层，用于电磁屏蔽。
在其中一个实施例中，所述信号处理器包括：
信号调理模块，与所述内置传感器电连接，用于接收所述内置传感器发送的信号并进行放大、滤波和模数转换处理；以及
信号采集模块，与所述信号调理模块电连接，用于采集所述信号调理模块发送的数据。
在其中一个实施例中，所述信号调理模块包括：
放大器，与所述内置传感器电连接；
滤波器，与所述放大器电连接；以及
数模转换器，分别与所述滤波器和所述信号采集模块电连接。
在其中一个实施例中，所述信号处理器还包括：
电源管理模块，分别与所述信号调理模块和所述信号采集模块电连接，用于为所述信号调理模块和所述信号采集模块供电。
一种局部放电模式识别方法，包括：
内置传感器进行带电校正；
所述内置传感器获取局部放电信号，并传输给信号处理器；
所述信号处理器对所述局部放电信号进行处理，得到所述局部放电信号的相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置；
所述模式识别装置依据所述相位特征三维图谱判断所述局部放电信号的类型。
在其中一个实施例中，在所述模式识别装置依据所述相位特征三维图谱判断所述局部放电信号的类型的步骤之前，包括：
所述模式识别装置通过前向后向算法对已知各类放电信号进行迭代训练，得到所述各类放电信号的隐马尔科夫模型。
在其中一个实施例中，所述模式识别装置依据所述相位特征三维图谱判断所述局部放电信号的类型的步骤，包括：
所述模式识别装置提取所述相位特征三维图谱的特征量；
所述模式识别装置将所述特征量代入所述各类放电信号的隐马尔科夫模型；
所述模式识别装置通过前向算法计算所述各类放电信号的隐马尔科夫模型的概率；
依据所述概率的大小，所述模式识别装置判断所述局部放电信号的放电类型。
在其中一个实施例中，所述模式识别装置提取所述相位特征三维图谱的特征量的步骤中，采用统计特征参数法提取所述相位特征三维图谱的特征量。
在其中一个实施例中，所述模式识别装置提取所述相位特征三维图谱的特征量的步骤中，所述特征量包括平均值、方差、偏斜度、陡峭度、放电不对称度和相位不对称度。
在其中一个实施例中，所述依据所述概率的大小，所述模式识别装置判断所述局部放电信号的放电类型的步骤中，所述概率最大的所述隐马尔科夫模型对应的放电类型即为所述局部放电信号的放电类型。
在其中一个实施例中，所述信号处理器对所述局部放电信号进行处理，得到所述局部放电信号的相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置的步骤，包括：
信号调理模块接收所述内置传感器发送的所述局部放电信号，并对所述局部放电信号进行放大、滤波和模数转换处理；
所述信号调理模块将处理后的数据发送给信号采集模块；
所述信号采集模块对所述信号调理模块发送的数据进行波形采样；
所述信号采集模块对采样波形进行处理，得到所述相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置。
在其中一个实施例中，所述信号采集模块对采样波形进行处理，得到所述相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置的步骤，包括：
所述信号采集模块对采样波形进行处理，得到实时波形数据，通过所述实时波形数据进行多周期不同相位累积统计得到所述局部放电信号的所述相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置。
在其中一个实施例中，在所述通过所述实时波形数据进行多周期不同相位累积统计得到所述局部放电信号的所述相位特征三维图谱的步骤之前，包括：区间划分所述实时波形数据的放电相位以及放电量幅值，得到工频相位、放电次数和放电量幅值之间的关系。
在其中一个实施例中，在所述信号采集模块对所述信号调理模块发送的数据进行波形采样的步骤中，所述波形采样得到的波形数据使用队列缓冲数据进行存储。
上述实施例提供的所述局部放电模式识别系统及方法，通过设置所述橡胶层，可以对所述电极进行保护。所述屏蔽层可以恢复被测电缆的电磁屏蔽。所述信号调理模块和所述信号采集模块可以精确划分所述信号处理器的功能，提高所述信号处理器的数据处理效率。所述局部放电模式识别方法利用隐马尔科夫模型，可以提升局部放电检测的灵敏度和有效检出缺陷的能力。并通过对所述局部放电检测数据的积累，不断提升检测准确率。
附图说明
图1为本申请实施例提供的一种局部放电模式识别系统电连接关系示意图；
图2为本申请实施例提供的一种局部放电模式识别系统使用结构示意图；
图3为本申请实施例提供的另一种局部放电模式识别系统电连接关系示意图；
图4为本申请实施例提供的一种局部放电模式识别方法流程图；
图5为本申请实施例提供的另一种局部放电模式识别方法流程图；
图6为本申请实施例提供的一种模式识别装置判断局部放电信号类型的方法流程图；
图7为本申请实施例提供的一种信号处理器对所述局部放电信号进行处理的方法流程图；
图8为本申请实施例提供的另一种信号处理器对所述局部放电信号进行处理的方法流程图。
附图标记说明
100局部放电模式识别系统
10内置传感器
110电极
120橡胶层
130屏蔽壳
20信号处理器
210信号调理模块
211放大器
212滤波器
213数模转换器
220信号采集模块
230电源管理模块
30模式识别装置
410外护套
420外半导电层
430绝缘层
440内半导电层
450线芯
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1-图2，本申请提供一种局部放电模式识别系统100。所述局部放电模式识别系统100包括内置传感器10、信号处理器20和模式识别装置30。所述内置传感器10包括电极110。所述电极110套设于被测电缆的外半导电层420，所述电极110用于获取局部放电信号。所述信号处理器20与所述内置传感器10电连接，用于接收所述内置传感器10采集的数据并进行处理。所述模式识别装置30与所述信号处理器20电连接，用于接收所述信号处理器20处理后的波形数据，并匹配所述波形数据和局部放电相位特征图谱数据。
所述内置传感器10为内置电容耦合传感器，可以对被测电缆的接头处的局部放电信号进行耦合。所述内置传感器10的所述电极110在安装时需要切开被测电缆的外护套410，所述外护套410可以包括皱纹金属屏蔽层。所述电极110紧绕在被测电缆的外半导电层420。在一个实施例中，所述内置传感器10通过将所述电极110绕包在被测电缆接头内部的预制橡胶应力锥尾部和被测电缆本体所述外护套410的被切开断口处的所述外半导电层420上。可以理解，所述电极110可以作为电容的一个电极，被测电缆本体的导体线芯450作为电容的另一个电极。所述内置传感器10利用形成的电容来耦合被测电缆接头的局部放电信号。
在工频电压下，由于所述外半导电层420和内半导电层440的电阻率远小于被测电缆的绝缘层430的电阻率。在较高频率下，所述外半导电层420和所述内半导电层440的阻抗增大至可以与所述绝缘层430的阻抗近似，从而使得所述电极110耦合到被测电缆中的局部放电信号。由于所述内置传感器10在被测电缆接头的内部，更加靠近局部放电源，故更有利于局部放电信号有效完整的检出，从而减少了高频局部放电信号因传播距离导致的信号畸变。可以理解，所述内置传感器10可以有效检测局部信号的高频分量，可以使得检测到的局部放电信号频谱更丰富。在一个实施例中，所述电极110可以为铜箔。所述电极110上耦合到的信号可以通过同轴电缆信号线输出。
所述信号处理器20可以对所述内置传感器10采集到的数据进行处理和匹配。其中，处理步骤包括采用统计特征参数法对局部放电信号的相位特征图谱进行特征量提取。所述特征量包括平均值、方差、偏斜度、陡峭度、放电不对称度以及相位不对称度。匹配步骤包括对已知放电类型的各类局部放电信号数据分别进行前向后向算法迭代训练，从而得到各类局部放电信号对应的隐马尔科夫模型。并通过前向算法对各类局部放电信号的隐马尔科夫模型进行概率评估，评估概率最大的隐马尔科夫模型即为检测到的局部放电信号所对应的放电类型。可以理解，所述局部放电模式识别系统100还包括壳体。所述壳体设置有容纳腔。所述内置传感器10设置在所述容纳腔外，用于采集被测电缆的局部放电信号。所述信号处理器20设置于所述容纳腔内。
所述模式识别装置30可以为数据处理设备。在一个实施例中，所述模式识别装置30可以为笔记本电脑，所述笔记本电脑内部装有局部放电模式识别模块。所述局部放电模式识别模块可以用于对测量过程中的实时波形数据和局部放电相位特征图谱数据进行处理匹配，从而实现局部放电信号的类型识别。其中，所述实时波形数据是通过编程控制采集得到的局部放电脉冲波形数据。所述局部放电的相位特征图谱数据是对实时波形数据进行多周期不同相位累积统计得出的特征图谱，可用于反映局部放电的特征属性。
所述局部放电模式识别系统100通过将所述内置传感器10的所述电极110套设于被测电缆的所述外半导电层420上，所述电极110和被测电缆的所述线芯450可以作为耦合电容，从而实现对局部放电信号的耦合。所述电极110距离局部放射源较近，能够有效解决由于高频局部放电信号随距离衰减而造成的局部放电检出能力不足的问题，可以有效提升所述局部放电模式识别系统100对局部放电信号检测的灵敏度和准确度。所述信号处理器20和所述模式识别装置30可以对检测到的局部放电信号进行处理，完成局部放电信号的检测过程。综上所述，所述局部放电模式识别系统100可以有效提升局部放电检测的灵敏度与有效检出缺陷的能力，具有测量灵敏度高、放电类型识别有效性好的优点。
在一个实施例中，所述内置传感器10还包括橡胶层120和屏蔽层130。所述橡胶层120套设于所述电极110，用于隔热和缓冲。所述屏蔽壳130套设于所述橡胶层120，用于电磁屏蔽。可以理解，所述橡胶层120可以起到隔热和缓冲的作用，从而对所述电极110进行保护。所述屏蔽壳130的形状不作限定。在一个实施例中，所述屏蔽层130可以为空心半圆柱形。通过将两个半圆柱形的所述屏蔽壳130相扣，可以跨接被切开电缆的所述外护套410时产生的金属断层。所述屏蔽壳130可以与所述外护套410紧邻，从而实现两者在物理上的连接。所述屏蔽壳130跨接于剥开的所述外护套410，可以恢复被测电缆的电磁屏蔽，故置入的所述电极110不会对电缆正常运行产生影响。可以理解，所述屏蔽壳130可以采用铝制作。
请一并参见图3，在一个实施例中，所述信号处理器20包括信号调理模块210和信号采集模块220。所述信号调理模块210与所述内置传感器10电连接，用于接收所述内置传感器10发送的信号并进行放大、滤波和模数转换处理。所述信号采集模块220与所述信号调理模块210电连接，用于采集所述信号调理模块210发送的数据。在一个实施例中，所述信号处理器20还包括电源管理模块230。所述电源管理模块230分别与所述信号调理模块210和所述信号采集模块220电连接，用于为所述信号调理模块210和所述信号采集模块220供电。
所述信号调理模块210接收来自所述内置传感器10发送的信号，并将信号进行放大、滤波和模数转换处理后发送给所述信号采集模块220。所述信号采集模块220可以获取实时波形数据。可以理解，所述实时波形数据是通过对所述信号采集模块220进行编程控制，从而采集得到的局部放电脉冲波形数据。所述信号采集模块220与所述模式识别装置30电连接。通过所述模式识别装置30对测量过程中的实时波形数据和局部放电相位特征图谱数据进行处理匹配，即可实现对局部放电信号的类型识别。所述信号采集模块210通过工频同步电压信号进行触发，从而完成对局部放电脉冲信号和工频同步电压信号的模拟信号处理。可以理解，所述工频同步电压信号可以通过电流传感器耦合得到。在一个实施例中，所述信号调理模块210的型号可以为tpe。所述信号采集模块220的型号可以为by-daq。
所述电源管理模块230分别与所述信号调理模块210、所述信号采集模块220电连接并供电。在一个实施例中，所述电源管理模块230的型号可以为by-pm。可以理解，所述信号调理模块210、所述信号采集模块220和所述电源管理模块230均置于所述壳体的所述容纳腔内。通过设置所述壳体，可以使所述信号处理器20方便携带。
在一个实施例中，所述信号调理模块210包括放大器211、滤波器212和数模转换器213。所述放大器211与所述内置传感器10电连接。所述滤波器212与所述放大器211电连接。所述数模转换器213分别与所述滤波器212和所述信号采集模块220电连接。可以理解，所述放大器211、所述滤波器212和所述数模转换器213可以通过同轴信号线进行连接。同时，所述信号调理模块210可以包括阻抗匹配巴伦。
所述局部放电模式识别系统100可以用于被测电缆接头处的局部放电模式识别。可以解决现有技术中由于局部放电源传输至检测传感器的物理距离过大而导致局部放电信号衰减畸变的问题。所述局部放电模式识别系统100包括对被测电缆接头局部放电信号进行耦合的所述内置传感器10，对所述内置传感器10耦合的局部放电信号进行处理的所述信号处理器20，以及通过已测得的局部放电信号数据训练用于放电模式识别的隐马尔科夫模型的所述模式识别装置30。上述设置可以有效提升局部放电检测灵敏度与缺陷的有效检出能力，实现测量灵敏度高、识别放电类型准确性高的优点。
所述内置传感器10由于距离局部放电源较近，能够有效解决由于高频局部放电信号随距离衰减严重而造成的局部放电检出能力不足的问题。所述内置传感器10通过扫频可以具有较高的检测频率带宽，进而有效的抑制背景干扰噪声，使得检测到的电缆局部放电信号准确性高。而较高准确性的局部放电信号可以为所述模式识别装置30提供可靠的数据源供其进行模式数据训练，从而提高放电类型识别的有效性。所述局部放电模式识别系统100可以识别并排除检测到的干扰噪声，从而提高对局部放电信号检测的准确性。在一个实施例中，所述局部放电模式识别系统100的最小检测灵敏度能达到5pc，有效检测带宽为1mhz～300mhz，其有效性较高。
请一并参见图4，一种局部放电模式识别方法，包括：s10，内置传感器10进行带电校正。s20，所述内置传感器10获取局部放电信号，并传输给信号处理器20。s30，所述信号处理器20对所述局部放电信号进行处理，得到所述局部放电信号的相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置30。s40，所述模式识别装置30依据所述相位特征三维图谱判断所述局部放电信号的类型。
在所述步骤s10中，在局部放电检测前首先对所述内置传感器110进行带电校正。对所述内置传感器10进行校正是提升所述局部放电模式识别系统100的局部放电检测灵敏度和抑制系统干扰能力的关键环节。在所述步骤s20和所述步骤s30中，所述内置传感器10将耦合到的局部放电信号传输给所述信号处理器20。所述信号处理器20依据所述内置传感器10耦合到的局部放电信号可以得到局部放电信号的相位特征三维图谱。通过所述模式识别装置30可以提取所述相位特征三维图谱的特征量，并与已知的各类放电信号的隐马尔科夫模型进行匹配，从而完成局部放电信号的检测过程。所述局部放电模式识别方法可以提升局部放电检测的灵敏度和有效检出缺陷的能力。
请一并参见图5，在一个实施例中，在所述模式识别装置30依据所述相位特征三维图谱判断所述局部放电信号的类型的步骤之前，包括s402，所述模式识别装置30通过前向后向算法对已知各类放电信号进行迭代训练，得到所述各类放电信号的隐马尔科夫模型。
请一并参见图6，在一个实施例中，所述模式识别装置30依据所述相位特征三维图谱判断所述局部放电信号的类型的步骤，包括s410，所述模式识别装置30提取所述相位特征三维图谱的特征量。s420，所述模式识别装置30将所述特征量代入所述各类放电信号的隐马尔科夫模型。s430，所述模式识别装置30通过前向算法计算所述各类放电信号的隐马尔科夫模型的概率。s440，依据所述概率的大小，所述模式识别装置30判断所述局部放电信号的放电类型。在一个实施例中，所述依据所述概率的大小，所述模式识别装置30判断所述局部放电信号的放电类型的步骤中，所述概率最大的所述隐马尔科夫模型对应的放电类型即为所述局部放电信号的放电类型。
所述模式识别装置30首先对已知放电类型的各类放电缺陷信号数据分别进行前向后向算法迭代训练，从而得到满足迭代误差要求的隐马尔科夫模型。所述迭代误差可以预先进行设定。可以理解，所述隐马尔科夫模型即为已知的各类放电缺陷信号数据训练后对应的放电缺陷的模型。完成隐马尔科夫模式训练后，将所述相位特征三维图谱的特征量代入隐马尔科夫模型中，并通过前向算法计算各类隐马尔科夫模型的评估概率。比较各类隐马尔科夫模型的评估概率，最大评估概率所对应的隐马尔科夫模型便可达到模式识别的效果，相比于传统的峰值检测和同步相位算法，所述隐马尔科夫模型可以在局部放电检测过程中，积累数据，从而不断提高模式识别的准确率。可以理解，所述隐马尔科夫模型分类器相较于传统的反向传播神经网络分类器更容易进一步扩展。
在一个实施例中，所述模式识别装置30提取所述相位特征三维图谱的特征量的步骤中，采用统计特征参数法提取所述相位特征三维图谱的特征量。在一个实施例中，所述模式识别装置30提取所述相位特征三维图谱的特征量的步骤中，所述特征量包括平均值、方差、偏斜度、陡峭度、放电不对称度和相位不对称度。
所述特征量的有效提取是局部放电模式识别方法的核心处理过程，特征选择质量的优劣将直接影响最终的识别效果。采用统计特征参数法对得到的局部放电相位特征图谱进行特征量的提取中，所述特征量包括平均值、方差、偏斜度、陡峭度、放电不对称度以及相位不对称度，具体公式见下表：
其中，xi是各种分布所记录的横坐标的离散值。pi为xi出现的概率。偏斜度sk反映了谱图形状相对于正态分布的左右偏斜情况。陡峭度ku用来描述某种形状的分布对比于正态分布形状的突起程度。
请一并参见图7，在一个实施例中，所述信号处理器20对所述局部放电信号进行处理，得到所述局部放电信号的相位特征三维图谱，并将所述相位特征三维图谱传输给模式识别装置30的步骤，包括：s310，信号调理模块210接收所述内置传感器10发送的所述局部放电信号，并对所述局部放电信号进行放大、滤波和模数转换处理。s320，所述信号调理模块210将处理后的数据发送给信号采集模块220。s330，所述信号采集模块220对所述信号调理模块210发送的数据进行波形采样。s340，所述信号采集模块220对采样波形进行处理，得到所述相位特征三维图谱，并将所述相位特征三维图谱传输给所述模式识别装置30。
在一个实施例中，在所述信号采集模块220对所述信号调理模块210发送的数据进行波形采样的步骤中，所述波形采样得到的波形数据使用队列缓冲数据进行存储。可以理解，所述波形采集是通过对所述信号采集模块220的驱动编程，使用队列缓冲数据对波形进行存储。
请一并参见图8，在一个实施例中，所述信号采集模块220对采样波形进行处理，得到所述相位特征三维图谱，并将所述相位特征三维图谱传输给所述模式识别装置30的步骤，包括s341，所述信号采集模块220对采样波形进行处理，得到实时波形数据，通过所述实时波形数据进行多周期不同相位累积统计得到所述局部放电信号的所述相位特征三维图谱，并将所述相位特征三维图谱传输给所述模式识别装置30。可以理解，所述实时波形数据是局部放电时采集得到的局部放电脉冲波形数据。所述局部放电相位特征图谱数据可以用于反映局部放电的特征属性，是对实时波形数据进行多周期不同相位累积统计得出的特征图谱。
在一个实施例中，在所述通过所述实时波形数据进行多周期不同相位累积统计得到所述局部放电信号的所述相位特征三维图谱的步骤之前，包括：区间划分所述实时波形数据的放电相位以及放电量幅值，得到工频相位、放电次数和放电量幅值之间的关系。可以理解，所述信号采集模块220对采集到局部放电信号实时波形数据进行处理。具体的处理方式为对所述实时波形数据的放电相位以及放电量幅值进行区间划分处理，进而可以得到工频相位
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
- 还没有人留言评论。精彩留言会获得点赞！