网络故障发现方法、电子装置及计算机可读存储介质与流程

本申请涉及电子
技术领域：
，尤其涉及一种网络故障发现方法、电子装置及计算机可读存储介质。
背景技术：
目前通信网络主要通过告警监控、关键指标监测、收集用户投诉等手段及工具发现网络故障。随着网络复杂化、业务多元化、客户规模化及终端差异化，为用户提供高质量的网络服务，传统手段已无法满足快速发现网络问题、快速定位网络故障的维护要求。(一)告警监控告警监控及时性虽强，但准确性不高。一旦某台设备发生故障，网络维护人员从收到告警到查看告警再到确认告警需要的时间较长，特别是整个网络告警量突增时，维护员无法快速从海量告警信息中准确判断故障点及业务影响范围，且设备隐性故障无法触发告警，通过告警监控不能及时发现和处理。(二)关键指标监测性能指标具有较强的波动性，受用户行为、周末、节假日等外部因素影响较大。单纯制定统一的告警门限无法准确区分开指标的正常波动和网络性能劣化，只有当指标明显下降时，指标监控的告警才被触发短时的业务影响较难体现在指标的波动中，因此，通常性能指标监测只能识别长时间影响面较大的网络故障。(三)收集用户投诉通过用户投诉及时发现网络故障也是常用的手段之一，但通信运营商投诉流程耗时长，从投诉现象收集到网络维护人员分析处理经多个部门流转处理，不符合网络监控的主动性要求。而且用户反馈的投诉信息会参杂用户自身对异常现象的理解判断，容易对网络维护员发现故障和定位故障造成误导。在现有技术中，网络发生故障时，信令数据结构往往在短时间内发生明显变化，尤其标识业务失败的异常信令(简称为失败信令)数据变化更加明显。但大部分失败信令数据具有体量大、不固定性及波动性明显的特征，不易于进行监测。技术实现要素：本申请实施例提供一种网络故障发现方法、电子装置及计算机可读存储介质，用于基于信令大数据生成预警门限，依据该预警门限进行网络故障监测。本申请实施例第一方面提供一种网络故障发现方法，包括：根据数据记录(xdr，xdatarecording)信令生成失败数据表；根据所述失败数据表提取周期性波动数据，所述周期性波动数据作为时间序列分解模型的失败信令数据源；根据所述时间序列分解模型的数据要求对所述周期性波动数据进行数据规整；对数据规整后的周期性波动数据，基于所述时间序列分解模型进行时间序列分解，获得用于提示网络故障的预警门限；使用所述预警门限进行网络故障监测。可选的，所述失败数据表包括：失败信令详单表和失败业务汇聚表；所述根据数据记录xdr信令生成失败数据表，包括：根据数据记录xdr信令生成失败信令详单表，所述失败信令详单表包括：失败状态码；根据失败信令详单表中的业务失败标识和时间粒度生成失败业务汇聚表。可选的，所述根据所述时间序列分解模型的数据要求对所述周期性波动数据进行数据规整，包括以下至少一项以上的组合：按指定的时间区间对所述周期性波动数据进行数据截取；或，对所述周期性波动数据进行空值填充；或，对所述周期性波动数据进行节假日和工作日的类型区分。可选的，所述对数据规整后的周期性波动数据，基于所述时间序列分解模型进行时间序列分解，获得用于提示网络故障的预警门限，包括：基于所述时间序列分解模型将所述数据规整后的周期性波动数据进行首次时间序列分解，将所述数据规整后的周期性波动数据分解为长期趋势部分、季节波动部分和随机波动部分，获得首次分解的预警门限；根据所述首次分解的预警门限确定所述周期性波动数据中的异常值；在所述数据规整后的周期性波动数据中标记所述异常值，并对去除所述异常值影响后的周期性波动数据进行二次分解，得到所述用于提示网络故障的预警门限。可选的，所述使用所述预警门限进行网络故障监测，包括：根据预测时间粒度和预测周期长度设置网络故障分析结果文件的表头；将所述预警门限填充至所述网络故障分析结果文件的表头，并对所述网络故障分析结果文件进行实时监测。可选的，所述时间序列分解模型包括：乘法模型和加法模型；当所述季节波动部分和所述长期趋势部分，与时间成比例关系，则选择所述乘法模型；当所述季节波动部分和所述长期趋势部分，不随时间变化，则选择所述加法模型。可选的，所述乘法模型包括：y(t)＝t(t)×s(t)×r(t)；所述加法模型包括：y(t)＝t(t)+s(t)+r(t)；所述t表示所述长期趋势部分，所述s表示所述季节波动部分，所述r表示所述随机波动部分，所述t表示时间。本申请实施例第二方面提供的一种电子装置，包括：数据表生成单元，用于根据数据记录xdr信令生成失败数据表；数据提取单元，用于根据所述失败数据表提取周期性波动数据，所述周期性波动数据作为时间序列分解模型的失败信令数据源；数据规整单元，用于根据所述时间序列分解模型的数据要求对所述周期性波动数据进行数据规整；门限生成单元，用于对数据规整后的周期性波动数据，基于所述时间序列分解模型进行时间序列分解，获得用于提示网络故障的预警门限；故障监测单元，用于使用所述预警门限进行网络故障监测。本申请实施例第三方面提供另一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述本申请实施例第一方面提供的网络故障发现方法。本申请实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述本申请实施例第一方面提供的网络故障发现方法。由上可见，本申请方案利用xdr信令数据的数据特征性，生成失败数据表，基于所述失败数据表提取周期性波动数据，通过时间序列分解模型中随机序列正态分布特征，预测下一个时间粒度该失败信令数据的正常波动范围，生成预警门限，达到网络故障监测的目的。和传统的网络故障发现手段相比，减少日志分类、收集、分析等定位流程，极大缩短故障发现和定位的时间，有效解决现有故障监控手段效率不高、准确性不强的问题，快速准确定位网络故障。附图说明图1-a为本申请实施例提供的网络故障发现方法的实现流程示意图；图1-b为本申请实施例中时间序列分解算法的示意图；图1-c为本申请实施例中应用例的示意图；图1-d为本申请实施例中时间序列分解后数据序列的示意图；图1-e为本申请实施例中失败信令数据的随机序列正态分布图的示意图；图2为本申请一实施例提供的电子装置结构示意图；图3为本申请另一实施例提供的电子装置硬件结构示意图。具体实施方式为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一本申请实施例提供一种网络故障发现方法，用于基于信令大数据生成预警门限，依据该预警门限进行网络故障监测，请参阅图1-a，该网络故障发现方法主要包括以下步骤：101、根据xdr信令生成失败数据表；在实际应用中，xdr信令是基于全量信令数据处理生成的、供信令监测平台和信令类应用使用的控制面和用户面基础流程记录，以用户会话为单位，一个会话形成一条xdr记录。若该会话未正常完成，在原始xdr信令中，均有标识业务发生异常的信令字段，如2g语音网络的拆线码、lte(longtermevolution，长期演进)网络的原因值及volte(voiceoverlte，lte语音)网络的sip(sessioninitiationprotocol会议启动协议)响应码。具体的，所述失败数据表可以包括：失败信令详单表和失败业务汇聚表。在本申请实施例中，为了准确监测业务影响的现象和范围，需将原始xdr信令按照不同的网络类型、业务流程及接口生成失败信令详单表，再通过所述失败信令详单表计算得到以业务失败标识为维度、按时间粒度汇聚的失败业务汇聚表。所述失败业务汇聚表中的“时间粒度”可根据不同网络类型和维护需求设置，为保证告警及时性，通常采用5分钟或15分钟，“失败量”为某一失败信令在该时间粒度内统计的数量。具体的，所述根据数据记录xdr信令生成失败数据表，包括：根据数据记录xdr信令生成失败信令详单表，所述失败信令详单表包括：失败状态码；根据失败信令详单表中的业务失败标识和时间粒度生成失败业务汇聚表。所述时间粒度可以理解为一段时间区间(如，5分钟)。102、根据所述失败数据表提取周期性波动数据；根据所述失败数据表提取周期性波动数据，所述周期性波动数据作为时间序列分解模型的失败信令数据源。示例性的，为保证计算结果的准确性，对失败数据表进行数据类型核对、业务类型汇总整合、数据完整性核查等数据预处理，提取具有周期性波动特点的数据，得到用于时间序列分解模型的失败信令数据源。103、根据所述时间序列分解模型的数据要求对所述周期性波动数据进行数据规整；具体的，所述数据要求可以根据实际周期性波动数据的数据状态而定，此处具体不作限定。示例性的，数据要求可以为“指定的时间区间”。示例性的，所述数据规整可以包括以下至少一项以上的组合：周期长度截取，完整性核查及空置处理，节假日模型区分。具体的，周期长度截取为按指定的时间区间对所述周期性波动数据进行数据截取。示例性的，本申请中使用的算法基于对历史数据的统计计算。时间序列分解算法采用滑动平均值，且使用时序标准差，过长的历史数据并不会提高模型精度，相反会使模型变得不灵敏，预测门限出现偏差。为保证模型精准度，截取一个月左右历史数据。具体的，完整性核查及空置处理为对所述周期性波动数据进行空值填充，示例性的，为解决历史数据出现空值导致无法适用算法问题，需对历史数据进行完整性核查，并进行空值填充。设置sametime/pad/mean三种填充策略，分别代表“取每周同时间数据的平均值填充”、“使用前后数值的线性插值填充”、“使用平均值填充”，对数据源进行空值处理。具体的，节假日模型区分为对所述周期性波动数据进行节假日和工作日的类型区分。示例性的，在通信网络中，节假日与工作日用户分布范围与通信行为差别较大，导致数据呈现出非平稳的周期性特点。若不进行数据区分，导致预测门限结果不准确。在该模块中，对数据进行节假日属性标注。104、对数据规整后的周期性波动数据，基于所述时间序列分解模型进行时间序列分解，获得用于提示网络故障的预警门限；本申请中使用的时间序列分析(timeseriesanalysis)是一种根据动态数据揭示系统动态结构和规律的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律以用于解决实际问题，适用于周期性和无标签数据分析。运用时间序列分解模型将时间序列分解为三部分：长期趋势部分，用t(trend)表示；季节波动部分，用s(seasonal)表示；随机波动部分，用r(residue)表示。如图1-b所示。时间序列的分解方法有两种：当季节波动部分和长期趋势部分与时间(t)成比例关系时，选择乘法模型：y(t)＝t(t)×s(t)×r(t)；当季节波动部分和长期趋势部分的量级不随时间(t)变化时，选择加法模型：y(t)＝t(t)+s(t)+r(t)。示例性的，失败信令数据适用于乘法模型。在本申请实施例中，认为随机序列符合正态分布特征，若随机变量服从数学期望为μ、方差为σ2的正态分布，记为n(μ，σ2)。其中标准差决定了分布的幅度，-3σ/+3σ或-4σ/+4σ区间内包含了随机序列99％以上的数据。在告警分析中，认为超出或-3σ/+3σ或-4σ/+4σ的数据是序列中无法由长期趋势(t)和季节趋势(s)进行解释的数据,可能由其他突发因素引起，代表网络中失败信令数据发生故障，应该予以告警。105、使用所述预警门限进行网络故障监测。本申请方案利用xdr信令数据的数据特征性，生成失败数据表，基于所述失败数据表提取周期性波动数据，通过时间序列分解模型中随机序列正态分布特征，预测下一个时间粒度该失败信令数据的正常波动范围，生成预警门限，达到网络故障监测的目的。和传统的网络故障发现手段相比，减少日志分类、收集、分析等定位流程，极大缩短故障发现和定位的时间，有效解决现有故障监控手段效率不高、准确性不强的问题，快速准确定位网络故障。实施例二为了更加直观的理解本申请实施例中的网络故障发现方法，本申请提供了一个实际的应用例进行说明，请参阅图1-c，具体包括：1、失败详单表&汇聚表为了准确监测业务影响的现象和范围，需将原始xdr信令按照不同的网络类型、业务流程及接口生成失败信令详单表，再通过所述失败信令详单表计算得到以业务失败标识为维度、按时间粒度汇聚的失败业务汇聚表。所述失败业务汇聚表中的“时间粒度”可根据不同网络类型和维护需求设置，为保证告警及时性，通常采用5分钟或15分钟，“失败量”为某一失败信令在该时间粒度内统计的数量。以4g语音网络volte为例，关键业务流程有语音业务的注册流程、接通流程、切换流程及短信业务流程，分别从各流程的原始xdr信令中提取关键字段，生成以失败状态码为主要字段的失败信令详单表及按时间粒度统计的异常状态码数量的失败业务汇聚表。示例性的，以下表1至表4示例的是各种业务类型的关键字段；表5，表7和表9示例的是各种业务类型的失败信令详单表；表6，表8和表10示例的是表5，表7和表9对应的失败业务汇聚表。表1注册流程关键字段表2接通流程关键字段表3切换流程关键字段表4短消息流程关键字段表5注册失败详单表：表6注册失败汇聚表字段类型说明sdatedate时间粒度statuscodenumber首拆状态码warningvarchar2(100)首拆warning值fail_numbernumber失败量表7接通失败详单表字段类型说明sdatedate时间粒度imsinumber(19)国际移动用户识别码msisdnnumber(19)手机号码imeinumber(19)终端号码cinumber(19)小区识别码ts_startnumber通话流程的开始时间ts_endnumber通话流程的结束时间msisdn_callernumber(19)请求from头域msisdn_calleenumber(19)请求to头域dirnumber(3)主叫：1被叫：2statuscodenumber(5)首拆状态码warningvarchar2(200)首拆warning值reasonnumber(10)首拆状态码reason值interfacevarchar2(200)首拆接口ipvarchar2(200)首拆ipq850varchar2(200)首拆状q850表8接通失败汇聚表表9切换失败详单表表10切换失败汇聚表字段类型说明sdatedate时间粒度statuscodevarchar2(40)状态码fail_numbernumber失败量表11短消息失败详单表表12短消息失败汇聚表字段类型说明sdatedate时间粒度statuscodenumber首拆状态码warningvarchar2(100)首拆warning值fail_numbernumber失败量2、有效数据提取为保证计算结果的准确性，对失败数据表进行数据类型核对、业务类型汇总整合、数据完整性核查等数据预处理，提取具有周期性波动特点的数据，得到用于时间序列分解模型的失败信令数据源。3、数据规整3.1数据源周期长度截取本申请所述使用的算法基于对历史数据的统计计算。时间序列分解算法采用滑动平均值，且使用时序标准差，过长的历史数据并不会提高模型精度，相反会使模型变得不灵敏，预测门限出现偏差。为保证模型精准度，截取一个月左右历史数据。3.2完整性核查及空值处理为解决历史数据出现空值导致无法适用算法问题，需对历史数据进行完整性核查，并进行空值填充。设置sametime/pad/mean三种填充策略，分别代表“取每周同时间数据的平均值填充”、“使用前后数值的线性插值填充”、“使用平均值填充”，对数据源进行空值处理。3.3节假日模型区分在通信网络中，节假日与工作日用户分布范围与通信行为差别较大，导致数据呈现出非平稳的周期性特点。若不进行数据区分，导致预测门限结果不准确。在该模块中，对数据进行节假日属性标注。4、门限预测4.1首次时间序列分解时间序列分析(timeseriesanalysis)是一种根据动态数据揭示系统动态结构和规律的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律以用于解决实际问题，适用于周期性和无标签数据分析。运用时间序列分解模型将时间序列分解为三部分：长期趋势部分，用t(trend)表示；季节波动部分，用s(seasonal)表示；随机波动部分，用r(residue)表示。如图1-b和图1-d所示。时间序列的分解方法有两种：当季节波动部分和长期趋势部分与时间(t)成比例关系时，选择乘法模型：y(t)＝t(t)×s(t)×r(t)；当季节波动部分和长期趋势部分的量级不随时间(t)变化时，选择加法模型：y(t)＝t(t)+s(t)+r(t)。示例性的，失败信令数据适用于乘法模型。为使数据便于分析，乘法模型可通过取对数变为加法模型。取对数之后不会改变数据的性质和相关关系，但压缩了变量的尺度，数据更加平稳。同时，数值量级小对差异的敏感程度比数值量级大的更高。因此，在该算法中，采用改进的加法模型，对原数据先加偏置处理，再做对数运算。即：在本申请实施例中，认为随机序列符合正态分布特征(如图1-e所示)，若随机变量服从数学期望为μ、方差为σ2的正态分布，记为n(μ，σ2)。其中标准差决定了分布的幅度，-3σ/+3σ或-4σ/+4σ区间内包含了随机序列99％以上的数据。在首次进行时间序列分解之后，可以得到首次分解的预警门限，并可以确认所述首次分解的预警门限之外的数据为异常值，需剔除异常值，避免网络故障等原因致使的失败信令过多而影响最终的预测门限。需要说明的是，此处得到的首次分解的预警门限不是最终的预警门限，该首次分解的预警门限仅用于确定所述异常值。4.2二次时间序列分解首次时间序列分解获得异常值后，需剔除异常值，避免网络故障等原因致使的失败信令过多而影响最终的预测门限。具体的，可以在所述数据规整后的周期性波动数据中标记所述异常值，并对去除所述异常值影响后的周期性波动数据进行二次分解，得到所述用于提示网络故障的预警门限(即最终的预警门限)。示例性的，在实际应用中，在本申请的网络故障发现方法所实现的算法中，可以根据经验值设置配置文件，该为算法程序中存储各项参数的xml文件，用于计算最终的预警门限。设置配置文件的目的是使算法程序更加灵活，当需要调整算法中的各项参数时，只需要修改配置文件即可，而不需要修改算法程序。4.3根据设置的预测粒度生成结果字段读取配置文件中配置的预测时间粒度、预测周期长度及相关预测指标，设置网络故障分析结果文件的表头，用以后续填充预警门限。其中，所述网络故障分析结果文件为本申请的网络故障发现方法所得到的分析结果文件，后续可以直接对该网络故障分析结果文件进行监测，以预警网络故障的发生。示例性的，所述时间粒度为监控时间粒度，比如5分钟统计一次，使用算法可以计算下一个5分钟的状态码的预警门限，或者15分钟，如果实时性要求高，可以设置成5分钟或15分钟，实时性要求不高，也可以设置成1小时；所述周期长度可以根据实际需求设置，可以预测未来一天或者一周的门限，一天或一周就是周期长度。5、生成最终预测结果将第二次时间序列分解后得到的门限值作为最终的预警门限填，并充至结果文件表，生成网络故障分析结果文件，并对所述网络故障分析结果文件进行监测。在本申请实施例中，首先，提供了一种基于信令数据分析及监测及时发现网络故障的方法，及时准确的定位网络问题，较传统的监测方法，故障发现效率得到提升。其次，提出了通过分析失败信令详单表，对网络流程失败状态码的波动进行阈值预测及监控，有效提高了对故障监控的及时性、敏感性和准确性。再次，运用时间序列分解算法对失败信令进行分析，预测网络异常的失败信令数据变化的门限区间，有效避免因用户自身行为、月初月末、上下班高峰期、节假日等外部因素对网络产生的影响。实施例三请参阅图2，为本申请实施例提供一种电子装置。该电子装置可用于实现上述图1-a所示实施例提供的网络故障发现方法。如图2所示，该电子装置主要包括：数据表生成单元201，用于根据数据记录xdr信令生成失败数据表；数据提取单元202，用于根据所述失败数据表提取周期性波动数据，所述周期性波动数据作为时间序列分解模型的失败信令数据源；数据规整单元203，用于根据所述时间序列分解模型的数据要求对所述周期性波动数据进行数据规整；门限生成单元204，用于对数据规整后的周期性波动数据，基于所述时间序列分解模型进行时间序列分解，获得用于提示网络故障的预警门限；故障监测单元205，用于使用所述预警门限进行网络故障监测。需要说明的是，以上图2示例的电子装置的实施方式中，各功能模块的划分仅是举例说明，实际应用中可以根据需要，例如相应硬件的配置要求或者软件的实现的便利考虑，而将上述功能分配由不同的功能模块完成，即将电子装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。而且，在实际应用中，本实施例中的相应的功能模块可以是由相应的硬件实现，也可以由相应的硬件执行相应的软件完成。本说明书提供的各个实施例都可应用上述描述原则，以下不再赘述。本实施例提供的电子装置中各功能模块实现各自功能的具体过程，请参见上述图1-a所示实施例中描述的具体内容，此处不再赘述。实施例四本申请实施例提供一种电子装置，请参阅图3，该电子装置包括：存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序，处理器302执行该计算机程序时，实现前述图1-a所示实施例中描述的网络故障发现方法。进一步的，该电子装置还包括：至少一个输入设备303以及至少一个输出设备304。上述存储器301、处理器302、输入设备303以及输出设备304，通过总线305连接。其中，输入设备303具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备304具体可为显示屏。存储器301可以是高速随机存取记忆体(ram，randomaccessmemory)存储器，也可为非不稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器301用于存储一组可执行程序代码，处理器302与存储器301耦合。进一步的，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电子装置中，该计算机可读存储介质可以是前述图3所示实施例中的存储器。该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现前述图1-a所示实施例中描述的网络故障发现方法。进一步的，该计算机可存储介质还可以是u盘、移动硬盘、只读存储器(rom，read-onlymemory)、ram、磁碟或者光盘等各种可以存储程序代码的介质。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。以上为对本申请所提供的网络故障发现方法、电子装置及计算机可读存储介质的描述，对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。当前第1页12