一种基于AFE的高压充电控制系统及控制方法与流程

本发明属于高压充电领域，尤其涉及一种基于afe的高压充电控制系统及控制方法。

背景技术：

直流充电桩,俗称“快充”，顾名思义，就是可以快速地对电动汽车充电。直流充电桩分为一体式直流充电桩和分体式直流充电桩两类，目前在这两类结构中mosfet模块占据市场主导地位，但采用在高压电控制方面存在如下问题：模块转换效率低，模块寿命有限，模块故障率高，安全性不足。

综上所述，现有技术存在的问题是：

现有技术中，模块转换效率低，模块寿命有限，模块故障率高，安全性不足。

还存在电网的功率因数低，电网污染高；

对新能源汽车充电的稳定性和安全性差。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于afe的高压充电控制系统及控制方法。

本发明是这样实现的，

一种基于afe的高压充电的控制方法，所述基于afe的高压充电的控制方法包括：

afe模块采用共直流母线微网系统对不同的电流进行统一转化；

afe模块中滤波模块对电流进行滤波，afe模块将电流信息反馈到bms系统，bms系统通过智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整；

进一步，所述基于afe的高压充电的控制方法还包括：

通过bms系统控制驱动模块进行工作，由交流电输入模块、其他电流输入模块提供电力，经过输出电流检测模块反馈到bms系统；

当出现故障时，保护模块与报警模块进行保护。

进一步，共直流母线微网系统对不同的电流进行统一转化中，需先对不同电流的相位噪声信号进行处理，得到正确相位噪声测量结果后，进行电流网络群间负载平衡，具体包括：

通过振荡器信号的功率谱模型，利用信号功率谱测量数据，采用非线性最小二乘法进行曲线拟合，得到功率谱模型中的参数初值，并编写正则方程组对参数进行修正，最终得到满足既定要求的参数；再根据信号功率谱与其相位噪声幂律模型的关系，将求得的参数代入相位噪声幂律模型中，进而得到被测信号的相位噪声测量结果；再进行电流网络群间负载平衡；

采用非线性最小二乘法确定参数初值的方法具体包括：

依据式采用非线性最小二乘法，确定参数的初值，取(β＝0,1,2,3,4)，即需要选择aβ的初值，将式表示为如下的矩阵形式：

fa＝s；

其中：

a＝[a0a1…a4]^ts＝[s0s1…s4]^t；

矩阵f中所要用的数据点是从n个{(fi,si)}i＝1,2,…,n中选取五个频率点，选取的数值应保证矩阵f是满秩可逆；

由此得表示参数aβ初值的矩阵a的初值为：

以为初始值进行迭代对矩阵a的值进行估计，l表示迭代次数，此时l＝0；

参数估计的误差由以下方程估算：

其中系数和为：

其中sk表示频率fk处的功率谱测量值，表示频率fk处对应的功率谱的第l次迭代值，即：

噪声模型参数估计的判断方法为：

判断如不满足误差要求，令：

l＝l+1；

并将修正后的和对应的功率谱测量数据代入正则方程组进行求解，得到各参数的修正值β＝0,1,···4，重新判断直至误差满足测量要求或达到设定的迭代次数。

满足误差要求，则将参数值作为(β＝0,1,2,3,4)的值代入式中，即得到被测信号的相位噪声，并由此绘制相位噪声曲线；

电流网络群间负载平衡的方法包括：

步骤1，电流群a的超级节点s随机地向周围k·log2n个群发送群负载请求消息，获取所述k·log2n个群的负载信息，并通过计算这k·log2n个群的负载平均值来估算出当前整个网络的群平均负载loadavg，其中k是一个在区间[1,n/log2n]取值的整数，n为网络中群的数目；

步骤2，若电流群a当前负载load＞γ·loadavg，且群分裂成的两个小群中节点数目均大于网络群节点数目下限，则将该群分裂成两个群，其中γ是一个大于1的实数，网络群间负载平衡的方法本次执行结束；否则转至步骤3；

步骤3，构建网络中chord环，电流群a向其前驱群和后继群发送负载请求消息，从而获取前驱群和后继群的当前负载情况，其中前驱群为网络chord环中离电流群a最近的前一个群，后继群为网络chord环中离电流群a最近的后一个群；

步骤4，如果电流群a当前负载load＞loadavg则转至步骤5，如果load＜loadavg则转至步骤8；否则网络群间负载平衡的方法执行结束；

步骤5，如果电流群a负载load≥loadlight/(1-2·β)，则将自身负载降低β，其中β是一个在区间(0,0.5)取值的实数，并转至步骤6；否则转至步骤8；其中loadlight为该群的前驱群和后继群中负载较小的群的负载；

步骤6，如果loadlight为电流群a的前驱群的负载，则电流群a通知其前驱群沿着chord环顺时针移动，移动的地址空间长度为(load-loadlight)×length/(2×load)，并将相应的元数据转移到前驱群中，网络群间负载平衡的方法本次执行结束，其中length为电流群a在chord环中所维护的地址空间长度；否则转至步骤7；

步骤7，loadlight为电流群a的后继群的负载，则该群沿着chord环逆时针移动，移动的地址空间长度为(load-loadlight)×length/(2×load)，并将相应的元数据转移到后继群中，而后网络群间负载平衡的方法本次执行结束；

步骤8，如果load≤(1-2·β)·loadheavy，并转至步骤9；其中loadheavy为该群的前驱群和后继群中负载较重群的负载，β是一个在区间(0,0.5)取值的实数，否则网络群间负载平衡方法执行结束；

步骤9，如果loadheavy为电流群a的前驱群的负载，则电流群a通知其前驱群沿着chord环逆时针移动，移动的地址空间长度为(loadheavy-load)×lengthpredecessor/(2×loadheavy)，并从前驱群获取相应的元数据，其中lengthpredecessor为前驱群在chord环中所维护的地址空间长度，而后网络群间负载平衡方法本次执行结束；否则转至步骤10；

步骤10，loadheavy为电流群a的后继群的负载，则电流群a沿着chord环顺时针移动，移动的地址空间长度为(loadheavy-load)×lengthsuccessor/(2×loadheavy)，并从后继群获取相应的元数据，其中lengthsuccessor为后继群在chord环中所维护的地址空间长度，此时网络群间负载平衡方法执行结束。

进一步，bms系统通过智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整，具体包括：

首先在bms系统集成的传感器节点上进行格拉布斯预处理，删除误差较大的数据，然后再利用自适应数据聚合算法向簇首节点进行聚合，最后簇首节点再以多跳的方式向基站进行数据传输，在非均匀成簇的基础上引入格拉布斯预处理来减少误差较大的数据的传输能耗，加入自适应数据聚合算法来降低簇首节点的能耗；

利用自适应数据聚合算法向簇首节点进行聚合具体包括：

步骤一，在面积为s＝l*l的部署区域内，随机分布n个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；

步骤二，非均匀成簇

sink节点位于部署区域的上方；首先部署区域x轴划分为s个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的id，最左端的泳道的id为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；a中含有s个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为id，表示第i个泳道有水平j；定义s个数组表示网格的长度，第v个数组hv表示第v个泳道中网格的长度，并且hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：

o_x+(i-1)×w＜x≤o_x+i×w

非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；

步骤三，格拉布斯预处理

传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：

根据顺序统计原理，计算格拉布斯统计量：

给定显著性水平α＝0.05之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；

步骤四，自适应聚合算法

通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；

某个簇中有个传感器节点，用维列向量d＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：

根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；

其中wi为相应的权值。

本发明的另一目的在于提供一种计算机程序，所述计算机程序运行所述的基于afe的高压充电的控制方法。

本发明的另一目的在于提供一种终端，所述终端至少搭载实现所述基于afe的高压充电的控制方法的控制器。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于afe的高压充电的控制方法。

本发明的另一目的在于提供一种实施所述基于afe的高压充电的控制方法的基于afe的高压充电控制系统，所述基于afe的高压充电控制系统，设置有：

bms系统，所述bms系统连接驱动模块、输入电流检测模块、afe模块、保护模块、输出电流检测模块、操作系统；用于智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整；

驱动模块连接有交流电输入模块、其他电流输入模块、输入电流检测模块；，afe模块连接有保护模块，保护模块与电流输出模块连接。

进一步，所述afe模块包括igbt模块与滤波模块；igbt模块与滤波模块通过信号线连接；

bms系统连接有报警模块。

本发明的另一目的在于提供一种新能源车充电桩，所述新能源车充电桩至少搭载所述的基于afe的高压充电控制系统。

本发明的优点及积极效果为：

该发明设置有共直流母线微网系统，共直流母线技术用于部分充换电站系统，可以实现废旧电池的循环利用，做到削峰填谷。该发明设置有igbt模块，igbt特有的功率大、寿命长、效率高、成本低、故障率低的特点，提高了电网的功率因数，降低对电网污染；实现双向的能量流动，可实现公共电网与直流母线微网的连接。该发明设置有报警模块和保护模块，可以保证系统的安全性。

该发明可以率大、寿命长、效率高、成本低、故障率低的特点，提高新能源汽车充电的稳定性和安全性，极大的降低新能源汽车充电综合成本，增加新能源汽车充电站的经济效益。

本发明共直流母线微网系统对不同的电流进行统一转化中，需先对不同电流的相位噪声信号进行处理，得到正确相位噪声测量结果后，进行电流网络群间负载平衡，通过振荡器信号的功率谱模型，利用信号功率谱测量数据，采用非线性最小二乘法进行曲线拟合，得到功率谱模型中的参数初值，并编写正则方程组对参数进行修正，最终得到满足既定要求的参数；再根据信号功率谱与其相位噪声幂律模型的关系，将求得的参数代入相位噪声幂律模型中，进而得到被测信号的相位噪声测量结果；再进行电流网络群间负载平衡；可对不同的转化电流进行智能调整，满足不同电流的需求。

本发明bms系统通过智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整，首先在bms系统集成的传感器节点上进行格拉布斯预处理，删除误差较大的数据，然后再利用自适应数据聚合算法向簇首节点进行聚合，最后簇首节点再以多跳的方式向基站进行数据传输，在非均匀成簇的基础上引入格拉布斯预处理来减少误差较大的数据的传输能耗，加入自适应数据聚合算法来降低簇首节点的能耗；保证了智能调节控制电流实施，为设备正确运行提供保证。

附图说明

图1是本发明实施例提供的基于afe的高压充电控制系统示意图；

图中：1、驱动模块；2、交流电输入模块；3、输入电流检测模块；4、igbt模块；5、共直流母线微网系统；6、afe模块；7、滤波模块；8、保护模块；9、电流输出模块；10、输出电流检测模块；11、bms系统；12、操作系统；13、警报模块；14、其他电流输入模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图1详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的基于afe的高压充电控制系统，包括：驱动模块1、交流电输入模块2、输入电流检测模块3、igbt模块4、共直流母线微网系统5、afe模块6、滤波模块7、保护模块8、电流输出模块9、输出电流检测模块10、bms系统11、操作系统12、警报模块13、其他电流输入模块14。

所述bms系统11连接驱动模块1、输入电流检测模块3、afe模块6、保护模块8、输出电流检测模块10。bms系统11与操作系统12连接，受操作系统12控制；

驱动模块1后连接有交流电输入模块2、其他电流输入模块9，交流电输入模块2、其他电流输入模块9受输入电流检测模块检测3，afe模块6连接有保护模块8，保护模块8与电流输出模块9连接，电流输出模块9受输出电流检测模块10检测。

所述afe模块6包括igbt模块4与滤波模块7。

所述igbt模块4使用共直流母线微网系统5。

所述bms系统11连接有报警模块13。

本发明实施例提供的基于afe的高压充电的控制方法，包括：

通过bms系统控制驱动模块进行工作，由交流电输入模块2、其他电流输入模块提供电力，经过输出电流检测模块反馈到bms系统；

afe模块采用共直流母线微网系统对不同的电流进行统一转化；

afe模块中滤波模块对电流进行滤波，afe模块将电流信息反馈到bms系统，bms系统通过智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测，将信息反馈到bms系统，bms系统进行调整；

当出现故障时，保护模块与报警模块进行保护。

本发明的工作原理：该发明通过bms系统11作为处理系统，控制驱动模块1进行工作，由交流电输入模块2、其他电流输入模块9提供电力经过输出电流检测模块3反馈到bms系统11，afe模块6采用共直流母线微网系统5实现对不同的电流进行统一转化，afe模块6中滤波模块7实现电流的滤波功能，afe模块6将电流信息反馈到bms系统11，bms系统11通过智能调节控制电流的输入与转化，并控制电流的输出模块9，输出电流检测模块10对输出电流进行检测，将信息反馈到bms系统11，bms系统11进行调整，操作系统12由工作人员进行操作；当出现故障时保护模块8与报警模块13提供保护。

下面结合具体分析对本发明作进一步描述。

本发明实施例提供的共直流母线微网系统对不同的电流进行统一转化中，需先对不同电流的相位噪声信号进行处理，得到正确相位噪声测量结果后，进行电流网络群间负载平衡，具体包括：

通过振荡器信号的功率谱模型，利用信号功率谱测量数据，采用非线性最小二乘法进行曲线拟合，得到功率谱模型中的参数初值，并编写正则方程组对参数进行修正，最终得到满足既定要求的参数；再根据信号功率谱与其相位噪声幂律模型的关系，将求得的参数代入相位噪声幂律模型中，进而得到被测信号的相位噪声测量结果；再进行电流网络群间负载平衡；

采用非线性最小二乘法确定参数初值的方法具体包括：

依据式采用非线性最小二乘法，确定参数的初值，取(β＝0,1,2,3,4)，即需要选择aβ的初值，将式表示为如下的矩阵形式：

fa＝s；

其中：

a＝[a0a1…a4]^ts＝[s0s1…s4]^t；

矩阵f中所要用的数据点是从n个{(fi,si)}i＝1,2,…,n中选取五个频率点，选取的数值应保证矩阵f是满秩可逆；

由此得表示参数aβ初值的矩阵a的初值为：

以为初始值进行迭代对矩阵a的值进行估计，l表示迭代次数，此时l＝0；

参数估计的误差由以下方程估算：

其中系数和为：

其中sk表示频率fk处的功率谱测量值，表示频率fk处对应的功率谱的第l次迭代值，即：

噪声模型参数估计的判断方法为：

判断如不满足误差要求，令：

l＝l+1；

并将修正后的和对应的功率谱测量数据代入正则方程组进行求解，得到各参数的修正值β＝0,1,···4，重新判断直至误差满足测量要求或达到设定的迭代次数。

满足误差要求，则将参数值作为(β＝0,1,2,3,4)的值代入式中，即得到被测信号的相位噪声，并由此绘制相位噪声曲线；

电流网络群间负载平衡的方法包括：

步骤1，电流群a的超级节点s随机地向周围k·log2n个群发送群负载请求消息，获取所述k·log2n个群的负载信息，并通过计算这k·log2n个群的负载平均值来估算出当前整个网络的群平均负载loadavg，其中k是一个在区间[1,n/log2n]取值的整数，n为网络中群的数目；

步骤2，若电流群a当前负载load＞γ·loadavg，且群分裂成的两个小群中节点数目均大于网络群节点数目下限，则将该群分裂成两个群，其中γ是一个大于1的实数，网络群间负载平衡的方法本次执行结束；否则转至步骤3；

步骤3，构建网络中chord环，电流群a向其前驱群和后继群发送负载请求消息，从而获取前驱群和后继群的当前负载情况，其中前驱群为网络chord环中离电流群a最近的前一个群，后继群为网络chord环中离电流群a最近的后一个群；

步骤4，如果电流群a当前负载load＞loadavg则转至步骤5，如果load＜loadavg则转至步骤8；否则网络群间负载平衡的方法执行结束；

步骤5，如果电流群a负载load≥loadlight/(1-2·β)，则将自身负载降低β，其中β是一个在区间(0,0.5)取值的实数，并转至步骤6；否则转至步骤8；其中loadlight为该群的前驱群和后继群中负载较小的群的负载；

步骤6，如果loadlight为电流群a的前驱群的负载，则电流群a通知其前驱群沿着chord环顺时针移动，移动的地址空间长度为(load-loadlight)×length/(2×load)，并将相应的元数据转移到前驱群中，网络群间负载平衡的方法本次执行结束，其中length为电流群a在chord环中所维护的地址空间长度；否则转至步骤7；

步骤7，loadlight为电流群a的后继群的负载，则该群沿着chord环逆时针移动，移动的地址空间长度为(load-loadlight)×length/(2×load)，并将相应的元数据转移到后继群中，而后网络群间负载平衡的方法本次执行结束；

步骤8，如果load≤(1-2·β)·loadheavy，并转至步骤9；其中loadheavy为该群的前驱群和后继群中负载较重群的负载，β是一个在区间(0,0.5)取值的实数，否则网络群间负载平衡方法执行结束；

步骤9，如果loadheavy为电流群a的前驱群的负载，则电流群a通知其前驱群沿着chord环逆时针移动，移动的地址空间长度为(loadheavy-load)×lengthpredecessor/(2×loadheavy)，并从前驱群获取相应的元数据，其中lengthpredecessor为前驱群在chord环中所维护的地址空间长度，而后网络群间负载平衡方法本次执行结束；否则转至步骤10；

步骤10，loadheavy为电流群a的后继群的负载，则电流群a沿着chord环顺时针移动，移动的地址空间长度为(loadheavy-load)×lengthsuccessor/(2×loadheavy)，并从后继群获取相应的元数据，其中lengthsuccessor为后继群在chord环中所维护的地址空间长度，此时网络群间负载平衡方法执行结束。

bms系统通过智能调节控制电流的输入与转化，并控制电流的输出模块、输出电流检测模块对输出电流进行检测、调整，具体包括：

首先在bms系统集成的传感器节点上进行格拉布斯预处理，删除误差较大的数据，然后再利用自适应数据聚合算法向簇首节点进行聚合，最后簇首节点再以多跳的方式向基站进行数据传输，在非均匀成簇的基础上引入格拉布斯预处理来减少误差较大的数据的传输能耗，加入自适应数据聚合算法来降低簇首节点的能耗；

利用自适应数据聚合算法向簇首节点进行聚合具体包括：

步骤一，在面积为s＝l*l的部署区域内，随机分布n个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；

步骤二，非均匀成簇

sink节点位于部署区域的上方；首先部署区域x轴划分为s个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的id，最左端的泳道的id为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；a中含有s个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为id，表示第i个泳道有水平j；定义s个数组表示网格的长度，第v个数组hv表示第v个泳道中网格的长度，并且hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：

o_x+(i-1)×w＜x≤o_x+i×w

非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；

步骤三，格拉布斯预处理

传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：

根据顺序统计原理，计算格拉布斯统计量：

给定显著性水平α＝0.05之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；

步骤四，自适应聚合算法

通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；

某个簇中有个传感器节点，用维列向量d＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：

根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；

其中wi为相应的权值。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。