预测部件的预防性更换时间的方法和设备与流程

文档序号:11153021阅读:987来源:国知局
预测部件的预防性更换时间的方法和设备与制造工艺

本发明总体说来涉及电力电子设备部件优化维护领域,更具体地讲,涉及一种预测部件的预防性更换时间的方法和设备。



背景技术:

随着风力发电机组运行时间的增加,风力发电设备不可避免地会发生老化失效,给风力发电企业带来了安全隐患甚至经济损失。目前,传统的为降低安全隐患并减少经济损失的处理方法是对风力发电设备的部件进行预防性更换,具体方式为:以反映部件退化过程的状态量为触发参考量,利用退化过程建模的方法来进行可靠性建模,从而对部件进行预防性更换预测。这种方式对部件失效预测的能力较强,但是,在风里发电设备的实际运行中,反映部件退化过程的状态量有时会受到很多环境因素影响,往往不能较为客观地反映部件退化过程,因此,采用退化过程进行建模的方法就很难实现准确的对部件失效时间的预测。

因此,现有的对风力发电设备的部件进行预防性检测和更换的方式无法满足风力发电企业既节约更换费用又尽量减少浪费部件剩余寿命的需求。



技术实现要素:

本发明的示例性实施例在于提供一种预测部件的预防性更换时间的方法,其能够实现对部件的更换时间的预测。

根据本发明的示例性实施例的一方面,提供一种预测部件的预防性更换时间的方法,包括:获取目标部件的当前退化状态量,其中,所述退化状态量指示目标部件退化程度的状态量;建立目标部件在不同退化状态量下的剩余寿命分布模型;获取所述目标部件的更换单台总成本;基于所述目标部件在不同退化状态量下的剩余寿命分布模型和更换单台总成本建立费用率模型,其中,所述费用率模型表示目标部件的预防性更换时间与费用率的关系;基于所述费用率模型得到当前退化状态量下所述目标部件的最优预防性更换时间。

可选地,获取目标部件的当前退化状态量的步骤包括:确定目标部件的类型;基于目标部件的类型对目标部件的当前原始退化状态量进行转化,以获取目标部件的当前退化状态量。

可选地,建立目标部件在不同退化状态量下的剩余寿命分布模型的步骤包括:统计与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命;基于所述与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命,建立目标部件在不同退化状态量下的剩余寿命分布模型。

可选地,所述方法还包括:针对所述目标部件进行计时跟踪,判断是否已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

可选地,所述根据判断结果更换所述目标部件的步骤包括:当已到达所述最优预防性更换时间时,将所述目标部件进行更换;当未到达所述最优预防性更换时间时,每隔预定时间确定是否获取到所述目标部件的新的退化状态量,其中,当获取到新的退化状态量时,确定所述新的退化状态量的值相对于之前确定的当前退化状态量的值是否变大,当所述新的退化状态量的值相对于之前确定的当前退化状态量的值变大时,将所述新的退化状态量作为当前的退化状态量,重新基于所述费用率模型得到当前退化状态量下的最优预防性更换时间;当所述新的退化状态量的值相对于之前确定的当前退化状态量的值未变大时,继续针对所述目标部件进行计时跟踪,判断是否已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

可选地,所述基于所述费用率模型得到当前退化状态量下所述目标部件的最优预防性更换时间的步骤包括:将从小于阈值的目标部件的费用率中所选择的离阈值最近的费用率所对应的预防性更换时间作为所述目标部件的最优预防性更换时间。

可选地,所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和/或损坏性更换单台总成本。

根据本发明示例性实施例的另一方面,提供一种预测部件的预防性更换时间的设备,包括:退化状态量获取单元,获取目标部件的当前退化状态量,其中,所述退化状态量指示目标部件退化程度的状态量;剩余寿命分布模型建立单元,建立目标部件在不同退化状态量下的剩余寿命分布模型;总成本获取单元,获取所述目标部件的更换单台总成本;费用率模型建立单元,基于所述目标部件在不同退化状态量下的剩余寿命分布模型和更换单台总成本建立费用率模型,其中,所述费用率模型表示目标部件的预防性更换时间与费用率的关系;更换时间预测单元,基于所述费用率模型得到当前退化状态量下所述目标部件的最优预防性更换时间。

可选地,所述退化状态量获取单元包括:类型确定单元,确定目标部件的类型;转化单元,基于目标部件的类型对目标部件的当前原始退化状态量进行转化,以获取目标部件的当前退化状态量。

可选地,所述剩余寿命分布模型建立单元包括:统计单元,统计与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命;建立单元,基于所述与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命,建立目标部件在不同退化状态量下的剩余寿命分布模型。

可选地,所述设备还包括:处理单元,针对所述目标部件进行计时跟踪,判断是否已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

可选地,当已到达所述最优预防性更换时间时,处理单元将所述目标部件进行更换;当未到达所述最优预防性更换时间时,处理单元每隔预定时间确定是否获取到所述目标部件的新的退化状态量,其中,当获取到新的退化状态量时,处理单元确定所述新的退化状态量的值相对于之前确定的当前退化状态量的值是否变大,当所述新的退化状态量的值相对于之前确定的当前退化状态量的值变大时,处理单元将所述新的退化状态量作为当前的退化状态量,发送给更换时间预测单元;当所述新的退化状态量的值相对于之前确定的当前退化状态量的值未变大时,处理单元继续针对所述目标部件进行计时跟踪,判断是否以已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

可选地,更换时间预测单元将从小于阈值的目标部件的费用率中所选择的离阈值最近的费用率所对应的预防性更换时间作为所述目标部件的最优预防性更换时间。

可选地,所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和/或损坏性更换单台总成本。

根据本发明示例性实施例的预测部件的预防性更换时间的方法和设备,能够快速、准确地对确定部件的最优更换时间,通过这种方式,不仅可以节省部件更换费用,还可以尽可能少地浪费部件的剩余寿命,从而最大程度上提高了运维的经济效益。

将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点,还有一部分通过描述将是清楚的,或者可以经过本发明总体构思的实施而得知。

附图说明

通过下面结合示例性地示出实施例的附图进行的描述,本发明示例性实施例的上述和其他目的和特点将会变得更加清楚,其中:

图1示出根据本发明示例性实施例的预测部件的预防性更换时间的方法的流程图;

图2示出根据本发明示例性实施例的获取目标部件的当前退化状态量的步骤的流程图;

图3示出根据本发明示例性实施例的建立目标部件在不同退化状态量下的剩余寿命分布模型的步骤的流程图;

图4示出根据本发明的另一示例性实施例的预测部件的预防性更换时间的方法的流程图;

图5示出根据本发明示例性实施例的预测部件的预防性更换时间的设备的框图;

图6示出根据本发明示例性实施例的退化状态量获取单元的框图;

图7示出根据本发明示例性实施例的剩余寿命分布模型建立单元的框图;

图8示出根据本发明的另一示例性实施例的预测部件的预防性更换时间的设备的框图。

具体实施方式

现将详细参照本发明的实施例,所述实施例的示例在附图中示出,其中,相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述实施例,以便解释本发明。

图1示出根据本发明示例性实施例的预测部件的预防性更换时间的方法的流程图。这里,作为示例,所述方法可由用于预测部件的预防性更换时间的设备来实现,也可以完全通过计算机程序来是实现。

如图1所示,在步骤S100,获取目标部件的当前退化状态量,其中,所述退化状态量指示目标部件退化程度的状态量。优选地,所述目标部件可以是风力发电设备中的寿命较长且价格较为昂贵的部件,此外,所述方法也适用于除了风力发电设备以外的其他设备部件,在此不作限制。

图2示出根据本发明示例性实施例的获取目标部件的当前退化状态量的步骤的流程图。

如图2所示,在步骤S110,确定目标部件的类型。

在步骤S120,基于目标部件的类型对目标部件的当前原始退化状态量进行转化,以获取目标部件的当前退化状态量。

这里,所述原始退化状态量可以是通过部件可以直接获取的反映部件退化程度的状态量。通常,对于不同的部件,部件的原始退化状态量与部件的退化程度的关系有时是不同的,例如,对于机械部件来说,原始退化状态量(例如机械部件的磨损量)越大,反映机械部件的退化程度越高,而对于汽车发动机来说,原始退化状态量(汽车发动机的有效功率)越小,反映汽车发动机的退化程度越高,由此可见,部件的原始退化状态量与部件的退化程度的关系并没有一个统一的变化对应关系,为了解决这一问题,方便后续对部件的预防性更换时间进行监控,需要对部件的原始退化状态量进行变形,以获得能够反映所有类型的部件的退化程度与退化状态量一致的对应关系。这里,作为示例,经过转化得到的目标部件的退化状态量与目标部件的退化程度存在以下对应关系:随着目标部件的退化程度越高,目标部件的退化状态量的值越大。

具体说来,在步骤S120,可利用下面的等式(1-1)对部件A的原始退化状态量进行变形:

其中,r表示部件A的原始退化状态量,a表示部件A的原始退化状态量的技术预警值,d表示部件A的原始退化状态量经变形后得到的退化状态量。

可以看出,经过变形,可以将部件的退化状态量的变化与部件的退化程度的关系进行统一。例如,在部件A的原始退化状态量与退化程度成正比的情况下,根据等式(1-1),部件A的退化状态量d的值越大,反映部件A的退化程度越高;在部件A的原始退化状态量与可靠性成反比的情况下,根据等式(1-1),部件A的退化状态量的值d越大,反映部件A的退化程度越高。

再次返回参照图1,在步骤S200,建立目标部件在不同退化状态量下的剩余寿命分布模型。

作为示例,所述剩余寿命分布模型为以下项中的任意一项独立模型或者为以下任意多项模型组成的复合模型:威布尔模型、伽马分布模型、正态分布模型、指数分布模型或对数正态分布模型。下面,将结合图3来具体描述根据本发明示例性实施例的确定目标部件在不同退化状态量下的剩余寿命分布模型的步骤。

图3示出根据本发明示例性实施例的建立目标部件在不同退化状态量下的剩余寿命分布模型的步骤的流程图。

如图3所示,在步骤S210,统计与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命。

这里,由于可以存在与目标部件类型相同的多个部件,因此优选地,可分别统计与目标部件类型相同的每个部件在不同的退化状态量下的剩余寿命,例如,在部件A的原始退化状态量与可靠性成反比的情况下,所选取的退化状态量为

这时,可以测定每个部件分别在上述退化状态量下的剩余寿命,这里应注意,本领域技术人员可以采用现有技术中的任意可以通过退化状态量来获取剩余寿命的方法来确定剩余寿命,在此不作限制。

在步骤S220,基于所述与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命,建立目标部件在不同退化状态量下的剩余寿命分布模型。

具体说来,由于在步骤S220已经获取到与目标部件类型相同的每个部件在相应的退化状态量下的剩余寿命,因此,可将与目标部件类型相同的每个部件在相同退化状态量下的剩余寿命进行拟合,以获得在相同退化状态量下与目标部件类型相同的所有部件的剩余寿命分布模型,相应地,可将获取的剩余寿命分布模型作为目标部件在不同退化状态量下的剩余寿命分布模型。

再次返回参照图1,在步骤S300,获取所述目标部件的更换单台总成本。这里,所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和/或损坏性更换单台总成本。

作为示例,在所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和损坏性更换单台总成本的情况下,所述目标部件的预防性更换单台总成本可通过下面的等式(1-2)来确定:

Cp=CPP+CPT+CPL+CPG+CPO, 等式(1-2)

其中,Cp表示目标部件预防性更换单台总成本,CPP表示目标部件预防性更换引起的单台部件本身的损坏费用,CPT表示目标部件预防性更换引起的单台运输费用,CPL表示目标部件预防性更换引起的单台安装费用,CPG表示目标部件预防性更换引起的单台停机生产损失,CPO表示目标部件预防性更换引起的单台其他间接损失费。

此外,所述目标部件的损坏性更换单台总成本可通过下面的等式(1-3)来确定:

CF=CFP+CFT+CFL+CFG+CFO, 等式(1-3)

其中,CF表示目标部件损坏性更换单台总成本,CFP表示目标部件损坏性更换引起的单台部件本身的损坏费用,CFT表示目标部件损坏性更换引起的单台运输费用,CFL表示目标部件损坏性更换引起的单台安装费用,CFG表示目标部件损坏性更换引起的单台停机生产损失,CFO表示目标部件损坏性更换引起的单台其他间接损失费。

在步骤S400,基于所述目标部件在不同退化状态量下的剩余寿命分布模型和更换单台总成本建立费用率模型,其中,所述费用率模型表示目标部件的预防性更换时间与费用率的关系。

这里,所述费用率模型可用下面的等式(1-4)表示:

其中,J表示目标部件的费用率(即目标部件单台单位时间的更换成本),CF表示目标部件的损坏性更换单台的总成本,CP表示目标部件预防性更换单台的总成本,T表示目标设备的预防性更换时间,R(T)表示可靠度函数,其中,R(T)=1-F(T),其中,F(T)表示目标部件在当前状态量下的剩余寿命分布模型(即,目标部件在当前退化状态量下的剩余寿命的累积分布函数),f(t)表示目标部件在当前状态量下的剩余寿命的概率密度分布函数,具体地,f(t)可通过在[0T]区间上对的剩余寿命分布模型F(T)进行求导来获取。

在步骤S500,基于所述费用率模型得到当前退化状态量下所述目标部件的最优预防性更换时间。

具体说来,可对所述费用率模型进行优化求解,从而得到当前退化状态量下所述目标部件的最优预防性更换时间,例如,将从小于阈值的目标部件的费用率中所选择的离阈值最近的费用率所对应的预防性更换时间作为所述目标部件的最优预防性更换时间。

例如,可利用仿真的方式确定所述目标部件在当前退化状态量下的最优预防性更换时间。例如,假设所述目标部件的理论寿命为L年,这里,可通过计算机仿真的方式将目标部件的寿命区间(0 L)进行1000等分,因此得到1000个寿命值T,然后将这1000个寿命值T代入费用率模型中,每个寿命值T对应一个目标部件单台单位时间的更换成本J,寻找这些J中的最小值,并将最小的J值所对应的T作为在当前退化状态量d下的最优预防性更换时间。

通过上述方式,可以准确地确定目标部件的最优预防性更换时间,从而有效地节省部件更换费用,此外还可以尽可能少地浪费部件的剩余寿命。

图4示出根据本发明的另一示例性实施例的预测部件的预防性更换时间的方法的流程图。

参照图4,步骤S100-S500可参照如图1描述的方式来进行操作,将在此不再赘述。

此外,在步骤S500之后,还可包括用于跟踪并更新目标部件的最优预防性更换时间的步骤,作为示例,在步骤S601,针对所述目标部件进行计时跟踪。在步骤S602,判断是否以达到所述最优预防性更换时间,并根据判断结果更换所述目标部件。

具体说来,当到达所述最优预防性更换时间时,在步骤S603,将所述目标部件进行更换。当未到达所述最优预防性更换时间时,在步骤S604,每隔预定时间确定是否获取到所述目标部件的新的退化状态量,当获取到新的退化状态量时,在步骤S605,确定所述新的退化状态量的值相对于之前确定的当前退化状态量的值是否变大,当所述新的退化状态量的值相对于之前确定的退化状态量的值变大时,在步骤S606,将所述新的退化状态量作为当前的退化状态量,返回执行步骤S500,重新确定目标部件的最优预防性更换时间。当所述新的退化状态量的值相对于之前确定的当前退化状态量的值未变大时,返回重新执行步骤S601。此外,当未获取到新的退化状态量时,返回执行步骤S601。

通过上述方式,可以实现目标部件的跟踪和更新,使得在目标部件的退化状态量随着外部因素变化时,可以及时更新目标部件的最优更换时间。

图5示出根据本发明示例性实施例的预测部件的预防性更换时间的设备的框图。

如图5所示,根据本发明示例性实施例的预测部件的预防性更换时间的设备包括:退化状态量获取单元100、剩余寿命分布模型建立单元200、总成本获取单元300、费用率模型建立单元400和更换时间预测单元500。所述单元可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现,也可通过专用芯片等专用硬件处理器来实现,还可完全通过计算机程序来以软件方式实现。

具体说来,退化状态量获取单元100获取目标部件的当前退化状态量,其中,所述退化状态量指示目标部件退化程度的状态量。优选地,所述目标部件可以是风力发电设备中的寿命较长且价格较为昂贵的部件,此外,所述方法也适用于除了风力发电设备以外的其他设备部件,在此不作限制。

图6示出根据本发明示例性实施例的退化状态量获取单元100的框图。

如图6所示,退化状态量获取单元100包括类型确定单元110和转化单元120。

类型确定单元110确定目标部件的类型。

转化单元120基于目标部件的类型对目标部件的当前原始退化状态量进行转化,以获取目标部件的当前退化状态量。

这里,所述原始退化状态量可以是通过部件可以直接获取的反映部件退化程度的状态量。通常,对于不同的部件,部件的原始退化状态量与部件的退化程度的关系有时是不同的,例如,对于机械部件来说,原始退化状态量(例如机械部件的磨损量)越大,反映机械部件的退化程度越高,而对于汽车发动机来说,原始退化状态量(汽车发动机的有效功率)越小,反映汽车发动机的退化程度越高,由此可见,部件的原始退化状态量与部件的退化程度的关系并没有一个统一的变化对应关系,为了解决这一问题,方便后续对部件的预防性更换时间进行监控,需要对部件的原始退化状态量进行变形,以获得能够反映所有类型的部件的退化程度与退化状态量一致的对应关系。这里,作为示例,经过转化得到的目标部件的退化状态量与目标部件的退化程度存在以下对应关系:随着目标部件的退化程度越高,目标部件的退化状态量的值越大。

具体说来,转化单元120可利用上述等式(1-1)对部件的原始退化状态量进行变形,由于变形的过程前述已描述,在此将不再赘述。

再次返回参照图5,剩余寿命分布模型建立单元200建立目标部件在不同退化状态量下的剩余寿命分布模型。

作为示例,所述剩余寿命分布模型为以下项中的任意一项独立模型或者为以下任意多项模型组成的复合模型:威布尔模型、伽马分布模型、正态分布模型、指数分布模型或对数正态分布模型。下面,将结合图6来具体描述根据本发明示例性实施例的剩余寿命分布模型建立单元200的框图。

图7示出根据本发明示例性实施例的剩余寿命分布模型建立单元200的框图。这里,所述剩余寿命分布模型建立单元200包括:统计单元210和建立单元220。

如图7所示,统计单元210统计与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命。

建立单元220基于所述与目标部件类型相同的每个部件在不同退化状态量下的剩余寿命,建立目标部件在不同退化状态量下的剩余寿命分布模型。

具体说来,由于建立单元220已经获取到与目标部件类型相同的每个部件在相应的退化状态量下的剩余寿命,因此,可将与目标部件类型相同的每个部件在相同退化状态量下的剩余寿命进行拟合,以获得在相同退化状态量下与目标部件类型相同的所有部件的剩余寿命分布模型,相应地,建立单元220可将获取的剩余寿命分布模型作为目标部件在不同退化状态量下的剩余寿命分布模型。

再次返回参照图5,总成本获取单元300获取所述目标部件的更换单台总成本。这里,所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和/或损坏性更换单台总成本。

作为示例,在所述目标部件的更换单台总成本包括目标部件的预防性更换单台总成本和损坏性更换单台总成本的情况下,所述目标部件的预防性更换单台总成本可通过上述的等式(1-2)来确定,此外,所述目标部件的损坏性更换单台总成本可通过上述的等式(1-3)来确定,由于所述目标部件的预防性更换单台总成本和损坏性更换单台总成本的确定过程前述已描述,在此将不再赘述。

目标函数建立单元300基于所述目标部件在不同退化状态量下的剩余寿命分布模型、预防性更换单台总成本和损坏性更换单台总成本建立关于所述目标部件单台单位时间的更换成本和预防性更换时间的目标函数。

费用率模型建立单元400基于所述目标部件在不同退化状态量下的剩余寿命分布模型和更换单台总成本建立费用率模型,其中,所述费用率模型表示目标部件的预防性更换时间与费用率的关系。

所述费用率模型可通过上述的等式(1-4)来确定,由于费用率模型前述已描述,在此将不再赘述。

更换时间预测单元500基于所述费用率模型得到当前退化状态量下所述目标部件的最优预防性更换时间。

具体说来,更换时间预测单元500可对所述费用率模型进行优化求解,从而得到当前退化状态量下所述目标部件的最优预防性更换时间,例如,更换时间预测单元500可将从小于阈值的目标部件的费用率中所选择的离阈值最近的费用率所对应的预防性更换时间作为所述目标部件的最优预防性更换时间。

例如,更换时间预测单元500可利用仿真的方式确定所述目标部件在当前退化状态量下的最优预防性更换时间。例如,假设所述目标部件的理论寿命为L年,这里,更换时间预测单元500可通过计算机仿真的方式将目标部件的寿命区间(0 L)进行1000等分,因此得到1000个寿命值T,然后将这1000个寿命值T代入费用率模型中,每个寿命值T对应一个目标部件单台单位时间的更换成本J,寻找这些J中的最小值,并将最小的J值所对应的T作为在当前退化状态量d下的最优预防性更换时间。

通过上述方式,可以准确地确定目标部件的最优预防性更换时间,从而有效地节省部件更换费用,此外还可以尽可能少地浪费部件的剩余寿命。

图8示出根据本发明的另一示例性实施例的预测部件的预防性更换时间的设备的框图。

参照图8,化状态量获取单元100、剩余寿命分布模型建立单元200、总成本获取单元300、费用率模型建立单元400和更换时间预测单元500可参照如图5描述的方式来进行操作,将在此不再赘述。

此外,所述设备还可包括用于跟踪并更新目标部件的最优预防性更换时间的单元,作为示例,所述设备可还包括处理单元600。

这里,处理单元600针对所述目标部件进行计时跟踪,判断是否以已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

作为示例,当已到达所述最优预防性更换时间时,处理单元600将所述目标部件进行更换;当未到达所述最优预防性更换时间时,处理单元600每隔预定时间确定是否获取到所述目标部件的新的退化状态量,其中,当获取到新的退化状态量时,处理单元600确定所述新的退化状态量的值相对于之前确定的当前退化状态量的值是否变大,当所述新的退化状态量的值相对于之前确定的当前退化状态量的值变大时,处理单元600将所述新的退化状态量作为当前的退化状态量,发送给更换时间预测单元;当所述新的退化状态量的值相对于之前确定的当前退化状态量的值未变大时,处理单元600继续针对所述目标部件进行计时跟踪,判断是否以已到达所述最优预防性更换时间,并根据判断结果更换所述目标部件。

通过上述方式,可以实现目标部件的跟踪和更新,使得在目标部件的退化状态量随着外部因素变化时,可以及时更新目标部件的最优更换时间。

综上所述,在根据本发明示例性实施例的预测部件的预防性更换时间的方法中,能够快速、准确地对确定部件的最优更换时间,通过这种方式,不仅可以节省部件更换费用,还可以尽可能少地浪费部件的剩余寿命,从而最大程度上提高了运维的经济效益。

本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。

虽然已表示和描述了本发明的一些示例性实施例,但本领域技术人员应该理解,在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下,可以对这些实施例进行修改。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1