本发明涉及电子分析仪器领域，具体而言，特别涉及一种电子鼻系统及其在仓储中的气源鉴别及定位方法。
背景技术：
电子鼻系统是利用气体传感器阵列的响应来识别气味的电子系统。它是由选择性的电化学传感器阵列和适当的识别方法组成的仪器，能识别气味，可得到与人的感官品评相一致的结果。
随着物流业快速发展，仓储由单一储存功能发展为承担多项功能的仓储中心，如订单处理、分拣、包装、二次加工、生产制造等。仓储中心内存储的货物数量与种类都越来越多、参与作业的工作人员也越来越多。仓储内存在多种潜在污染源，直接影响货物的品质和寿命，影响仓储作业人员的身体健康。
在利用电子鼻系统进行仓储环境监控时，存在传感器测量的“广谱性”以及“交叉敏感性”问题，以及仓储环境中的气体混杂测量精确度不高等问题。
技术实现要素：
本发明旨在至少在一定程度上解决现有技术中的上述技术问题之一。有鉴于此，本发明需要提供一种电子鼻系统，增加了气体筛选过滤装置，降低来自环境中混杂气体干扰成分使系统滤除干扰。进一步的，发明提供了一种电子鼻系统在仓储中气源定位方法，该方法用于对气体种类分析与鉴别，增加了检测准确性，并且能够对气源进行定位，消除污染和泄漏源头。
本发明的一方面提供一种电子鼻系统，包括：进气及过滤组件，所述进气及过滤组件对待测仓库气体进行取样，在对取样气体预过滤后将所述取样气体存储；faims气体过滤器，所述faims气体过滤器与所述进气及过滤组件相连，以用于接收所述进气及过滤组件存储的所述采样气体，所述faims气体过滤器通过faims传感器对所述采样气体进行离子过滤；气体传感器阵列，所述气体传感器阵列与所述faims气体过滤器相连，所述气体传感器阵列响应经过离子过滤的所述采样气体产生的电阻变化，通过信号采集电路及a/d转换产生相应的传感器阵列信号；数据处理器，所述数据处理器与所述气体传感器阵列相连，以根据所述传感器阵列信号提取传感器阵列信息主成分，根据提取的传感器阵列信号主成分，建立神经网络，运用数据库的大量数据对其进行训练，并确定神经网络模型和参数后对仓储环境中待测样品气体进行模式判别。
根据本发明的实施例的电子鼻系统，增加了气体筛选过滤装置，降低来自环境中混杂气体干扰成分使系统滤除干扰，可以提高仓储环境中气体检测的精度，同时，增加了检测准确性，并且能够对气源进行定位，消除污染和泄漏源头。
另外，根据本发明上述实施例的电子鼻系统还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述进气及过滤组件包括：抽气泵，所述抽气泵用于抽取所述取样气体；过滤装置，所述过滤装置的入口与所述抽气泵的出口相连；检测装置，所述检测装置的入口与所述过滤装置的出口相连，所述检测装置包括压力计、流量计和温度计，以对所述过滤装置流出的所述取样气体的压力、流速及温度进行计量；气体存储装置，所述气体存储装置与所述检测装置的出口连接；控制模块，所述控制模块分别与所述抽气泵和所述过滤装置连接。
根据本发明的一个实施例，在所述抽气泵与所述过滤装置之间设有第一阀门，在所述检测装置与所述气体存储装置之间设有第二阀门，在所述气体存储装置的出口处设有第三阀门，所述第一阀门、所述第二阀门和所述第三阀门均与所述控制模块相连。
根据本发明的一个实施例，所述过滤装置包括：依次排布的活性炭层、硅橡胶颗粒层和分子筛层。
根据本发明的一个实施例，faims气体过滤器包括：faims漂移管；离子源，所述离子源设在所述faims漂移管的离化区，所述取样气体与所述离子源产生的反应离子相互作用形成产物离子；
外围电路模块，所述外围电路模块作用在所述产物离子上，所述外围电路模块用于产生补偿电场和非对称电场，以实现对所述产物离子的不同种类离子分离。
根据本发明的一个实施例，所述外围电路模块包括与faims漂移管匹配的非对称波形发生电路、补偿电压发生电路、离子电流放大电路以及辅助电极电路。
根据本发明的一个实施例，所述外围电路模块进一步包括与所述离子电流放大电路连接的数据处理显示单元。
根据本发明的一个实施例，所述气体传感器阵列包括：质量流量控制器，所述质量流量控制器用于对所述取样气体的流量进行控制。
根据本发明的另一方面提供了一种电子鼻系统在仓储中的气源鉴别及定位方法，包括：以下步骤：气体采样，对待测仓库气体进行取样、预过滤并进行储存；气体过滤，采样后的气体通过faims气体过滤器进行离子过滤；气体检测，将过滤后的气体通入电子鼻，提取有用的传感器信息；特征提取，归一化，对提取的特征进行降维，提取传感器阵列信息主成分；模式识别，根据提取的传感器阵列信号主成分，建立神经网络，运用数据库的大量数据对其进行训练，确定神经网络模型、参数；对仓储环境中待测样品气体进行模式判别。
根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法，降低来自环境中混杂气体干扰成分使系统滤除干扰，可以提高仓储环境中气体检测的精度，同时，增加了检测准确性，并且能够对气源进行定位，消除污染和泄漏源头。
根据本发明的一个实施例，在进行模式识别时，按照以下步骤进行：由电子鼻采集到的数据存储在传感器阵列数据库中，从该数据库中提取出若干样本的传感器数据，将其作为待分析数据；将其转换成一个行为样本，列为传感器读数的m行n列样本矩阵；计算出样本矩阵的协方差矩阵和均值；求出协方差矩阵的特征值及其对应的特征向量；将特征向量按对应特征值的从大到小排序，取前k个特征值对应的特征向量；将其作为传感器阵列信号主成分，从数据库提取传感器阵列信号数据，建立bp-神经网络，导入样品数据对神经网络模型及参数进行优化，最后进行检验。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是根据本发明的实施例的电子鼻系统的结构示意图。
图2是根据本发明的实施例的电子鼻系统工作流程示意图。
图3是根据本发明的实施例的电子鼻系统的进气及过滤组件的结构示意图。
图4是根据本发明的实施例的电子鼻系统的faims气体过滤器的结构框图。
图5是根据本发明的实施例的电子鼻系统的气体传感器阵列的结构框图。
图6是根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法流程图。
图7是根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法中模式识别构建流程图。
图8是根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法中主成分分析流程图。
图9是根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法的bp神经网络构建流程图。
图10是根据本发明的实施例的电子鼻系统在仓储中布置的位置示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
如图1所示，根据本发明的实施例的电子鼻系统100，包括：进气及过滤组件10、faims气体过滤器20、气体传感器阵列30和数据处理器40。
具体而言，进气及过滤组件10可以对待测仓库气体进行取样，在对取样气体预过滤后将取样气体存储，例如可以使用钢瓶存储取样气体。
faims气体过滤器20与进气及过滤组件10相连，以用于接收进气及过滤组件10存储的采样气体，faims气体过滤器20通过faims传感器对采样气体进行离子过滤。
气体传感器阵列30与faims气体过滤器20相连，气体传感器阵列30响应经过离子过滤的采样气体产生的电阻变化，通过信号采集电路及a/d转换产生相应的传感器阵列信号。
数据处理器40与气体传感器阵列30相连，以根据传感器阵列信号提取传感器阵列信息主成分，根据提取的传感器阵列信号主成分，建立神经网络，运用数据库的大量数据对其进行训练，并确定神经网络模型和参数后对仓储环境中待测样品气体进行模式判别。
根据本发明的实施例的电子鼻系统100，增加了气体筛选过滤装置，降低来自环境中混杂气体干扰成分使系统滤除干扰，可以提高仓储环境中气体检测的精度，同时，增加了检测准确性，并且能够对气源进行定位，消除污染和泄漏源头。
参见图2，可以理解的是，根据本发明的实施例，电子鼻系统100工作过程可以大体如下：
1.气体采样，对待测仓库气体进行取样、预过滤并进行储存。
2.气体过滤，采样后的气体通过faims传感器进行离子过滤。
3.气体检测，将过滤后的气体通入电子鼻，提取有用的传感器信息。
4.特征提取，归一化。对提取的特征进行降维，提取传感器阵列信息主成分。
5.模式识别，根据提取的传感器阵列信号主成分，建立神经网络，运用数据库的大量数据对其进行训练，确定神经网络模型、参数。
6.对仓储环境中待测样品气体进行模式判别，判断果品品质。
如图3所示，根据本发明的实施例的电子鼻系统100，进气及过滤组件10包括：
抽气泵11、过滤装置12、检测装置13、气体存储装置14和控制模块15。
具体地，抽气泵11用于抽取取样气体。过滤装置12的入口与抽气泵11的出口相连。检测装置13的入口与过滤装置12的出口相连，检测装置13可以包括压力计、流量计和温度计，以对过滤装置12流出的取样气体的压力、流速及温度进行计量。进一步地，气体存储装置14可以与检测装置13的出口连接。控制模块15分别与抽气泵11和过滤装置12连接，以实现对抽气泵11和过滤装置12的控制。
可以理解的是，为了便于控制，在抽气泵11与过滤装置12之间设有第一阀门16，在检测装置13与气体存储装置14之间设有第二阀门17，在气体存储装置14的出口处设有第三阀门18，第一阀门16、第二阀门17和第三阀门18均与控制模块15相连。
需要说明的是，进气及过滤组件10用于仓储环境中的气体收集，其主要包括抽气泵11、过滤装置12、检测装置13、气体存储装置14和控制模块15，其中抽气泵11用于仓储环境中的气体抽取。过滤装置12为过滤器，包括依次排布的活性炭层、硅橡胶颗粒层和分子筛层，用于预过滤气体中的杂质。检测装置13包括压力计、流量计及温度计，用于计量抽气泵排出气体的压力、流速及温度。气体存储装置14可以为钢瓶，用于最终收集到的样品气体储存。
其中，抽气泵11与过滤装置12之间设有第一阀门16，检测装置13与储存装置之间设有第二阀门17，气体存储装置14设有进气口和出气口，出气口处设有第三阀门18，控制模块15可以用于控制抽气泵的开关，功率，以及第一阀门16、第二阀门17和第三阀门18的开关。
下面将进气及过滤组件10采样步骤简单介绍如下：
采样前，采样的导管内壁要除去润滑剂、油脂、固体渣粒和其他污染物。同时还要除去管道内的残留气体和痕量湿气，防止表面发生化学反应，产生吸附和被残留气体污染。
(1)表面的处理可用化学方法(酸洗、碱洗、钝化或用其他类似的化学表面活性剂处理)或机械方法(如超声波方法)进行净化。对金属导管进行抛光处理，对玻璃导管用硅烷化试剂处理等都可以减少其吸附性。
(2)清洗导管的清洗方法随气体存在的量、压力而定。一般用10倍以上体积的气体清洗。
减压器、阀和导管都有一定的死体积，使用简单清洗操作并不是很有效，因为残留气体和痕量湿气在死体积中停留并缓慢扩散进入被输送的气体中，采用反复增减压的清洗操作效果会更好。
(3)试漏导管清洗后应对系统进行试漏。分段试漏是行之有效的好方法。试漏方法一般如下。
①将系统加压或减压，然后关闭出口，观察压力计(或流量计)的变化。当压力计在0.5h内下降不超过0.1mpa时或者流量计浮于下降为零时即为不漏气。
②将系统加压，用表面活性剂(如十二烷摹硫酸钠水溶液)涂抹所有连接点，产生气泡者即为漏气点。
采样点选择，本实验收集气体为果品仓库中的气体，收集点选在怀疑区域。
3.采样，打开第一阀门16、第二阀门17和第三阀门18，启动抽气泵11便开始气体样品采集，当压力计显示值达到6mpa时停止采集气体，关闭抽气泵11，并依次关闭第三阀门18、第二阀门17、第一阀门阀门。断开钢瓶与过滤装置12的连接，关紧进出气口阀门，完成气体收集。
如图4所示，根据本发明的一个实施例，电子鼻系统100的faims气体过滤器20包括：
faims漂移管21、离子源22和外围电路板模块23。
具体而言，离子源22可以设在faims漂移管21的离化区，取样气体与离子源22产生的反应离子相互作用形成产物离子。外围电路模块23作用在产物离子上，外围电路模块23可以用于产生补偿电场和非对称电场，以实现对所述产物离子的不同种类离子分离。
需要说明的是，高场非对称波形离子迁移率谱(highfieldasymmetricionmobilityspectrometry,faims)是一种工作在大气压环境下，利用气相离子在高电场中的非线性运动来进行痕量物质探测与分离的技术。
faims气体过滤模块系统包括离子源、漂移管以及外围电路三部分，其中：
漂移管是faims的核心部件，离子将在漂移管中分离和检测。
离子源是faims重要部分，离子源将待测气体电离成离子并注入漂移管。离子源的性能对响应灵敏度以及分辨率都有很大的影响，并且离化源具有一定选择性。
外围电路包括faims工作所需的高频高压非对称电场及补偿电场产生电路。
faims工作过程如下：
经过第一级过滤系统过滤后的气体进入faims漂移管。
样品气在经过离化区时，与离子源产生的反应离子相互作用形成产物离子，然后进入有非对称电场和补偿电场的过滤区，在补偿电场与非对称电场的共同作用下实现不同种类离子分离。
分离后的样品离子到达检测区，在偏转电压的作用下离子被检测电极中和后变成中性气体，然后通入传感器阵列。
通过调整非对称电场和补偿电场的参数，能够设定带宽选择分子量在20-200范围有选择性的通过气体通过，使得进入传感器阵列气体种类减少，降低系统分析难度。
进一步地，根据本发明的一个实施例，外围电路模块包括与faims漂移管匹配的非对称波形发生电路、补偿电压发生电路、离子电流放大电路以及辅助电极电路。优选地，外围电路模块23可以进一步包括与所述离子电流放大电路连接的数据处理显示单元。
优选地，根据本发明的一个实施例，气体传感器阵列30可以包括：质量流量控制器，质量流量控制器用于对所述取样气体的流量进行控制。
如图5所示，根据本发明的一个实施例，样品气体为经过faims过滤器过滤后的气体，经过faims过滤后，样品气体成分复杂性降低，有利于对其进行定性、定量分析。
经过faims过滤后的样品气体导入气体传感器阵列中，传感器响应气体产生电阻变化，通过信号采集电路及a/d转换产生时间域的响应信号(传感器阵列信号)。该信号进行预处理后，在进行模式识别前，在电子鼻系统中对传感器信号进行适当的预处理。
流量控制模块为质量流量控制器(mfc)，通过mfc控制气体流量，从而控制进入测试腔的被测气体浓度，定制被测气体。
传感器阵列，采用分立气体传感器阵列，用于对样品气体成分进行检测。
以水果存储为例，由于水果存储过程中主要气体成分有酯类、醇类、醛类、乙烯、以及因腐败产生的硫化氢、烷烃、氨类等气体。该传感器阵列所选用传感器见下表：
信号调理电路模块，信号调理电路将传感器的响应信号进行初步调理，然后送入数据采集卡进行模数转换，在计算机中实现显示和存储。
数据采集卡选用ni公司的niusb-6366数据采集卡，具有2ms/s通道下8路同步模拟输入，16位分辨率，其作用是将模拟量转换为数字量，并将数据送入计算机进行存储。
传感器阵列信号预处理，每个传感器与被测气体发生反应时会产生一个与时间相关的响应曲线，由于数据量的关系，为了简化后续模式识别过程，常用的做法是取传感器的稳态响应进行分析和处理。信号预处理的目的有滤波、基线处理、漂移补偿、信息压缩及归一化等。常用处理方法有分数比值法，小波变换技术在基线漂移抑制领域有很好的效果、分式差动法、相对差分法可以补偿传感器的温度效应。
工作过程描述，气体进样：首先，向测试腔注入纯净空气2min，排除腔内残存气体对实验的干扰，创造洁净的实验环境。然后向测试腔内通入经过faims过滤后的样品气体，通过mfc对通入气体的浓度进行控制。信号采集：系统开始运行时，调用niusb-6366数据采集卡的动态链接并通过数据采集卡子程序开始数据采集。温度调制及信号调理，通过温度调制系统，控制合适的温度以使传感器对不同气体的响应区别明显。通过信号调理电路对信号进行放大，去燥，被测信号经过a/d转换为电压值。采集结束及数据存储，当程序设定的采集时间结束或外部用户单机面板上的“停止”按钮时退出程序，采集结束。采集结束，数据存储在指定文件中。
参见图6，根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法，包括：以下步骤：
气体采样，对待测仓库气体进行取样、预过滤并进行储存。
气体过滤，采样后的气体通过faims气体过滤器进行离子过滤。
气体检测，将过滤后的气体通入电子鼻，提取有用的传感器信息。
特征提取，归一化，对提取的特征进行降维，提取传感器阵列信息主成分。
模式识别，根据提取的传感器阵列信号主成分，建立神经网络，运用数据库的大量数据对其进行训练，确定神经网络模型、参数。
对仓储环境中待测样品气体进行模式判别。
根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法，降低来自环境中混杂气体干扰成分使系统滤除干扰，可以提高仓储环境中气体检测的精度，同时，增加了检测准确性，并且能够对气源进行定位，消除污染和泄漏源头。
进一步地，根据本发明的一实施例，电子鼻系统在仓储中的气源鉴别及定位方法，在进行模式识别时，按照以下步骤进行：
由电子鼻采集到的数据存储在传感器阵列数据库中，从该数据库中提取出若干样本的传感器数据，将其作为待分析数据。
将其转换成一个行为样本，列为传感器读数的m行n列样本矩阵。
计算出样本矩阵的协方差矩阵和均值。
求出协方差矩阵的特征值及其对应的特征向量。
将特征向量按对应特征值的从大到小排序，取前k个特征值对应的特征向量。
参见图7-10，根据本发明的实施例的电子鼻系统在仓储中的气源鉴别及定位方法，在进行模式识别算法时，按照以下步骤进行：pca提取传感器阵列信号主成分，通常在模式识别前，将提取的过多特征参数进行降维，降低分析的复杂度，主成分分析(pca)是一种常用的数据压缩和特征提取的多变量统计分析技术，能够有效去除数据间的线性相关性，但忽略了数据间的非线性相关特征，因此采用nlpca，先对观测数据作非线性变换，引入高阶统计量，然后做主成分分析。
算法流程如下：
1.由电子鼻采集到的数据存储在传感器阵列数据库中，从该数据库中提取出若干样本的传感器数据，将其作为待分析数据
2.将其转换成一个行为样本，列为传感器读数的m行n列样本矩阵
3.计算出样本矩阵的协方差矩阵和均值
4.求出协方差矩阵的特征值及其对应的特征向量
5.将特征向量按对应特征值的从大到小排序，取前k个特征值对应的特征向量
成分分析部分得出的特征向量即为模式识别模块的输入，这些主要成分作为神经网路的输入，通过大量样本数据对神经网络进行训练，最终建立神经网络对样品气体进行模式识别
在进行bp神经网络模式识别时，其所使用的神经网络算法为bp(backpropagation)神经网络，即误差反传误差反向传播。算法的学习过程由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自前一级模糊隶属度函数的输出信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果ym。根据处理结果ym输出优化信息，采取不同的干预措施与手段。
bp神经网络的构建方法如下：将传感器阵列的经过pca处理过的特征向量xn作为人工神经网络的输入向量；所述xn作为所述bp神经网络的输入层的各神经元的输入数据，且中间层的各神经元为单隐层或多隐层结构，所述中间层的最后一个隐层传递到输出层各神经元的信息以进行一次学习的正向传播处理过程，且所述输出层输出信息处理结果为ym。用输出信息处理结果优化中间层参数。
具体而言，样品气体成分复杂，因此检测其中多种气体成分及浓度对仓储环境进行判别。选取样品气体传感器阵列数据对电子鼻系统进行模式识别校验，推断出处于未知混合气体条件下仓储环境气体成分与浓度。
下面简单描述气源定位算法，下面详细描述本发明的实施例，将本发明装置布置于仓库的若干位置，对仓库中的气体成分进行实时的监测。本检测装置首先需要一个辅助气源来确定一个参考位置，建立三维空间坐标系，以便对目标气源进行定位，同时也可以对仓库中的各个装置进行同步矫正。通过辅助气源完成监测系统的初始化，辅助气源为已知气体成分，根据各个装置检测到的气体浓度的大小判断装置距离辅助气源的位置，然后以辅助气源为原点建立一个三维的空间坐标系。进一步对需要检测目标气体进行监测，确定目标气源的位置。
监测装置工作的具体步骤包括：对设备上电进行参数初始化，然后开始进行气体采样。首先，调节faims离化区电压对已知辅助气源进行检测，所有装置通过通讯时钟进行同步采样，采集的数据通过数据采集卡上传至上位机进行数据处理，首先进行pca降维处理，让后将降维后的数据输入bp神经网络进行处理，将神经网络处理的输出结果与辅助气源的实际位置进行比较，直到输出结果在误差范围内。然后在空间建立三维坐标系，调节faims离化区电压对仓储气体进行实时检测，如果检测到有目标气体成分浓度变化，则按照前述步骤进行处理，最后确定气源位置。
将其作为传感器阵列信号主成分，从数据库提取传感器阵列信号数据，建立bp-神经网络，导入样品数据对神经网络模型及参数进行优化，最后进行检验。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。