基于局部放电光学信号的GIL局部放电源定位方法和系统与流程

本发明涉及一种定位方法和系统，尤其涉及一种局部放电源定位方法和系统。

背景技术：

在气体绝缘金属封闭输电线路(gil)的运行过程中，局部放电的产生是其绝缘状态劣化的主要原因之一。因此，需要对gil进行局部放电(partialdischarge,pd)的定位，以确定其内部绝缘的故障位置和劣化情况，从而及时地制定检修维护策略，保证设备的安全稳定运行。

目前，局部放电(pd)主要可以基于特高频信号、超声波信号、电气信号、光学信号等方法实现定位。基于特高频信号的定位大多采用基于到达时间差(timedifferenceofarrival,tdoa)的非线性定位方程组求解的方式，但是由于特高频信号传播速度快、易受电磁干扰，对其检测系统的响应速度和抗干扰性能要求较高，在实际检测中容易因此引入系统误差，并且非线性方程组的迭代求解过程较为敏感和复杂，测量和系统误差均可能造成方程无解，从而导致错误的定位结果。

相应地，基于超声波信号的定位主要是采用阵列传感器和声电联合tdoa定位方法，但是超声波在空间中的衰减速度快，波速容易受到气压、温度、机械振动和介质等因素的影响，只适用于小范围内的准确定位。

而基于电气信号的定位只能给出局部放电的电气位置，不能指导检修过程中对故障空间位置的确定，所以很难被现场推广使用。

近年来，基于光学信号的pd检测是一种较为新兴的研究领域，其可以有效检测gil中局部放电的发生。需要说明的是，基于光学信号的pd检测具有抗电磁与机械振动干扰、灵敏度高、响应速度快等优势，其具有广泛的发展前景和应用价值。

但需要注意的是，目前基于光学信号的定位研究相对较少，只有针对小范围的光纤阵列定位技术和需要大量现场试验的指纹识别定位技术，并且该技术只能定位特定位置的局部放电源，适用性较差。

为了解决上述问题，期望获得一种新的基于局部放电光学信号的gil局部放电源定位方法，其可以扩大光学定位的适用范围，有效提高局部放电源定位的精度。

技术实现要素：

本发明的目的之一是提供一种基于局部放电光学信号的gil局部放电源定位方法，该定位方法的稳定性较高，定位精确且效果优良，其可以将局部放电的光学仿真数据与实测局部放电光学数据结合，通过仿真减少了现场操作的工作量，并且提升了局部放电源的指纹定位库的分辨率，从而提高了定位的精度。

采用本发明的基于局部放电光学信号的gil局部放电源定位方法，可以准确有效的定位气体绝缘金属封闭输电线路(gil)中的局部放电源位置，有利于电力设备的运维检修，保障电网安全稳定运行。

根据上述发明目的，本发明提出一种基于局部放电光学信号的gil局部放电源定位方法，其包括步骤：

(1)建立光学定位仿真指纹库：建立与实际gil尺寸完全相同的仿真模型，并对所述仿真模型的局部放电源进行光学信号仿真，以构建局部放电源的光学定位仿真指纹库；

(2)采用光学传感器采集实际gil发生局部放电时发出的光信号，以得到实际局部放电源所对应的实际局部放电的光学指纹ψj^detect；

(3)构建pso-kelm网络模型；

(4)采用pso-kelm网络模型将实际局部放电的光学指纹ψj^detect与所述光学定位仿真指纹库中的光学指纹进行匹配，以确定gil上的实际局部放电源的位置。

在本发明所述的技术方案中，本发明提出了一种基于三维光信号强度指纹(threedimensional-opticalsignalstrengthfingerprint,3d-ossf)和非线性粒子群-采用核函数的极限学习机(particleswarmoptimization–kernelextremelearningmachine,pso-kelm)的局部放电源定位方法。在本发明中，发明人创造性地将光学仿真数据引入到局部定位当中，有效解决了无法从现场设备上获取数据库的难题。

本发明所述的基于局部放电光学信号的gil局部放电源定位方法，通过tracepro软件中搭建与实际gil相同的仿真模型，模型上的探测点位置也与实际完全相同。通过探测点接收到的光信号来构建出包含局部放电源的坐标信息的光学定位仿真指纹库。然后运用上述的pso-kelm模型将各光学传感器实际检测到的局部放电的光学指纹与光学定位仿真指纹库中的数据进行模式匹配，最终能够有效获得局部放电源的空间坐标。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(1)中：先在所述仿真模型中选取若干个点模拟局部放电源的位置，并采用仿真探测点对每一个局部放电源的光辐照度进行采集；然后再针对每个仿真探测点，采用双调和样条插值法拟合出仿真模型的任意位置发生局部放电时，该仿真探测点接收到的光辐照度，以构建局部放电源的光学定位仿真指纹库ψ。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(1)中：对仿真探测点采集的光辐照度进行归一化处理。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(1)中：在获得光学定位仿真指纹库ψ后，等步长地对拟合后的光学定位仿真指纹库ψ进行采样，以得到最终的光学定位仿真指纹库ψ^final。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(3)中：采用最终的光学定位仿真指纹库ψj^detect对kelm网络进行训练，并采用pso算法优化kelm网络的初始参数，以得到pso-kelm网络模型。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(3)中：采用pso算法对kelm网络的核函数参数因子以及惩罚系数进行寻优，以优化kelm网络的初始参数。

进一步地，在本发明所述的gil局部放电源定位方法中，在所述步骤(4)中，若实际局部放电光学指纹ψj^detect匹配到了光学定位仿真指纹库ψ^final中的第j列指纹向量则该指纹向量所对应的仿真位置即为所述实际局部放电源在实际gil中的位置；其中m表示仿真探测点的个数。

进一步地，在本发明所述的gil局部放电源定位方法中，所述步骤(2)还包括：对光学传感器采集的实际gil发生局部放电时发出的光信号进行归一化处理。

相应地，本发明的另一目的在于提供一种基于局部放电光学信号的gil局部放电源定位系统，该gil局部放电源定位系统可以将局部放电光学仿真数据与实测局部放电光学数据结合，通过仿真减少了现场操作的工作量，并且提升了局部放电源的指纹定位库的分辨率，从而提高定位的精度，有利于电力设备的运维检修，保障电网安全稳定运行。

根据上述的发明目的，本发明提出了一种基于局部放电光学信号的gil局部放电源定位系统，其包括：

gil仿真模型；

光学传感器，其采集实际gil发生局部放电时发出的光信号；

处理模块，其执行下述步骤：

(1)基于对gil仿真模型的局部放电源进行的光学信号仿真，以构建局部放电源的光学定位仿真指纹库；

(2)基于光学传感器采集的实际gil发生局部放电时发出的光信号，以得到实际局部放电源所对应的实际局部放电的光学指纹ψj^detect；

(3)构建pso-kelm网络模型；

(4)采用pso-kelm网络模型将实际局部放电的光学指纹ψj^detect与所述光学定位仿真指纹库中的光学指纹进行匹配，以确定gil上的实际局部放电源的位置。

进一步地，在本发明所述的基于局部放电光学信号的gil局部放电源定位系统中，所述光学传感器包括荧光光纤。

本发明所述的基于局部放电光学信号的gil局部放电源定位方法和系统相较于现有技术具有如下所述的优点以及有益效果：

本发明所述的基于局部放电光学信号的gil局部放电源定位方法的定位稳定性较高，定位精确且效果优良，其可以将局部放电的光学仿真数据与实测局部放电的光学数据结合，通过仿真减少了现场操作的工作量，并且提升了局部放电源的指纹定位库的分辨率，从而提高了定位的精度。

采用本发明的基于局部放电光学信号的gil局部放电源定位方法，可以准确有效定位气体绝缘金属封闭输电线路(gil)中的局部放电源位置，有利于电力设备的运维检修，保障电网安全稳定运行。

此外，本发明所述的基于局部放电光学信号的gil局部放电源定位系统也同样具有上述的优点以及有益效果。

附图说明

图1为本发明所述的基于局部放电光学信号的gil局部放电源定位方法在一种实施方式下的步骤流程示意图。

图2显示了极限学习机网络结构的示意图。

图3为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的上部仿真探测点的光学仿真指纹图。

图4为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的中部仿真探测点的光学仿真指纹图。

图5为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的下部仿真探测点的光学仿真指纹图。

具体实施方式

下面将结合说明书附图和具体的实施例对本发明所述的基于局部放电光学信号的gil局部放电源定位方法和系统做进一步的解释和说明，然而该解释和说明并不对本发明的技术方案构成不当限定。

图1为本发明所述的基于局部放电光学信号的gil局部放电源定位方法在一种实施方式下的步骤流程示意图。

如图1所示，在本实施方式中，本发明所述的基于局部放电光学信号的gil局部放电源定位方法，包括如下步骤：

(1)建立光学定位仿真指纹库：建立与实际gil尺寸完全相同的仿真模型，并对所述仿真模型的局部放电源进行光学信号仿真，以构建局部放电源的光学定位仿真指纹库；

(2)采用光学传感器采集实际gil发生局部放电时发出的光信号；以得到实际局部放电源所对应的实际局部放电的光学指纹ψj^detect；

(3)构建pso-kelm网络模型；

(4)采用pso-kelm网络模型将实际局部放电的光学指纹ψj^detect与所述光学定位仿真指纹库中的光学指纹进行匹配，以确定gil上的实际局部放电源的位置。

其中，在步骤(1)中，需要先建立gil仿真模型，再在仿真模型中选取若干个点模拟局部放电源的位置，并采用仿真探测点对每一个局部放电源的光辐照度进行采集；然后可以针对每个仿真探测点，采用双调和样条插值法拟合出仿真模型的任意位置发生局部放电时，仿真探测点能够接收到的光辐照度，从而可以构建局部放电源的光学定位仿真指纹库ψ。

需要说明的是，在获得局部放电源的光学定位仿真指纹库ψ后，可以等步长地对拟合后光学定位仿真指纹库ψ进行采样，从而可以得到最终的光学定位仿真指纹库ψ^final。

此外，需要注意的是，在本发明所述的步骤(1)中，可以对上述仿真探测点采集的光辐照度进行归一化处理。相应地，在本发明所述的步骤(2)中，同样可以对光学传感器采集的实际gil发生局部放电时发出的光信号进行归一化处理。

在步骤(3)中，可以采用上述步骤中最终的光学定位仿真指纹库ψ^final对建立的kelm网络进行训练，并采用pso算法对kelm网络的核函数参数因子以及惩罚系数进行寻优，从而优化kelm网络的初始参数，以得到pso-kelm网络模型。

需要说明的是，pso算法可以通过迭代，粒子不断地更新其位置和速度，最终在解空间中实现个体的优化。在求解的过程中，粒子通过比较适应度值和极值来不断地进行迭代计算，即通过粒子的个体极值p^best和整个种群的全局极值g^best来更新自身的速度和位置，可表示为：

xi(t+1)＝xi(t)+λvi(t+1)(2)

在上述公式(1)和公式(2)中，ω表示为惯性权重；t为迭代次数；c1、c2为非负加速常数；r1、r2为均匀分布随机数；λ为收缩因子，为了限定粒子的速度范围；vi(t)表示第i个粒子在第t次迭代的速度；vi(t+1)表示第i个粒子在第t+1次迭代的速度；pi^best(t)为第i个粒子的历史最优位置；pg^best(t)为种群全局的历史最优位置；xi(t)为第i个粒子在第t次迭代的位置；xi(t+1)为第i个粒子在第t+1次迭代的位置。

此外，在步骤(4)中，实际局部放电的光学指纹ψj^detect与光学定位仿真指纹库中的光学指纹进行匹配时，若实际局部放电光学指纹ψj^detect匹配到了光学定位仿真指纹库ψ^final中的第j列指纹向量则该指纹向量所对应的仿真位置即为实际局部放电源在实际gil中的位置，其中m表示仿真探测点的个数。

图2显示了极限学习机网络结构的示意图。

如图2所示，需要说明的是，极限学习机(extremelearningmachine,elm)是一种新型的单隐层神经网络。在本发明中，通过将核函数引入到elm模型中，能够有效得到本发明的kelm算法。

与传统的bp神经网络相比，elm网络不需要进行反复迭代计算网络参数，只需确定隐含层的节点数，即可计算出网络的输出权值，从而得到整个网络的参数，减少了计算量，提高了网络的非线性拟合能力和计算效率。

继续参阅图2，可以对图2所示elm网络进行说明和计算。

假设有d个训练样本其中xj＝[xj1,xj2,l,xjn]^t∈rⁿ为网络的输入数据，式中tj＝[tj1,tj2,l,tjm]^t∈r^m为网络的目标输出数据。当具有k个隐藏节点时，则激励函数为gk(xk)的elm网络模型可以表示为：

式中，gk(ωkxj+bk)为第k个隐藏层节点的激励函数；其中ωk＝[ω1k,ω2k,…,ωnk]表示第k个隐藏层节点与输入层各节点之间的权值；βk＝[β1k,β2k,…,βmk]表示第k个隐藏层节点与输出层各节点之间的权值；bk表示第k个隐藏层的偏置；yj∈r^m表示为网络的目标输出值。

当激励函数可以0误差地逼近任意d个样本时，即：

则可以推导出：

由此可见，上述公式(5)可以表示为矩阵形式为：

hβ＝t(6)

在上述公式(6)和公式(7)中，h为隐含层输出矩阵；t为期望输出的向量，β为各节点输出权值组成的向量。则最优输出权值β*可通过最小二乘法求解式公式(6)得到。根据广义逆理论，最优输出权值β*为：

β^*＝h⁺t(8)

在上述公式(8)中，h⁺为隐含层输出矩阵的摩尔-彭罗斯(moore-penrose)广义逆。

elm模型能够以0误差逼近其学习样本的前提是：隐含层节点数和样本数相等。但是，需要注意的是，在实际情况下，隐含层的节点数一般都会小于训练样本数，会产生复共线性问题。所以由于复共线性问题的存在，会导致elm在每次建模的过程中都会产生不同的h⁺，从而会使最优输出权值β*也不同，最终会导致算法的波动性增强，影响匹配的效果，降低算法的稳定性和泛化能力。

针对elm存在的上述复共线性的问题，为了提高elm的可靠性和泛化能力，在本发明所述的gil局部放电源定位方法中，通过将核函数引入到elm模型当中，从而可以得到kelm算法，具体方式如下：

1)核矩阵定义：

其中，函数h(x)为隐含层节点的输出函数，xi和xj分别表示不同的输入样本；应用mercer’s条件对核矩阵进行定义，用核矩阵ωelm替代elm中的随机矩阵hh^t，再通过核函数将所有n维输入空间样本映射到高维隐含层特征空间中。

在本发明中，核函数k(x,xi)可以选取为径向基(rbf)核函数：

在上述公式(10)中，x表示样本集中任意一个样本，xi为样本中第i个样本，需要说明的是，σ表示为核函数参数因子。

2)添加参数

为了提高elm模型的稳定性和泛化能力，且保证hh^t的特征根不等于0。在kelm模型中添加了参数i/c到单位对角阵hht中的主对角线上，再求解最优输出权值β*。由此，elm模型的最优输出权值β*可表示为：

β^*＝h^t(i/c+hh^t)^-1t(11)

在上述公式(11)中，i表示对角矩阵；c表示惩罚系数；hh^t是利用核函数映射后的输入样本空间。

由此，可以推导得出kelm的输出为：

其中，h(x)表示隐含层节点的输出函数，kelm模型的输出权值表示为：

β＝(i/c+ωelm)^-1t(13)

因此，根据kelm模型的架构，在计算的过程中只需给出核函数k(x,xi)的具体形式，而不用具体给出隐含层各节点的特征映射函数h(x)。并且由于核函数的内积形式，在求解过程中不需要设置隐含层节点的数量，可有效避免隐含层初始权重和偏置带来的不稳定性。

图3为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的上部仿真探测点的光学仿真指纹图。

图4为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的中部仿真探测点的光学仿真指纹图。

图5为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在一种实施方式下的下部仿真探测点的光学仿真指纹图。

在本发明中，本发明所述的基于局部放电光学信号的gil局部放电源定位系统可以用于执行本发明所述的基于局部放电光学信号的gil局部放电源定位方法。

需要说明的是，本发明所述的基于局部放电光学信号的gil局部放电源定位系统可以包括：gil仿真模型、光学传感器和处理模块。其中，光学传感器可以用于采集实际gil发生局部放电时发出的光信号，而处理模块可以用于执行下述步骤：

(1)基于对gil仿真模型的局部放电源进行的光学信号仿真，以构建局部放电源的光学定位仿真指纹库；

(2)基于光学传感器采集的实际gil发生局部放电时发出的光信号，以得到实际局部放电源所对应的实际局部放电的光学指纹ψj^detect；

(3)构建pso-kelm网络模型；

(4)采用pso-kelm网络模型将实际局部放电的光学指纹ψj^detect与所述光学定位仿真指纹库中的光学指纹进行匹配，以确定gil上的实际局部放电源的位置。

结合图3、图4和图5可以看出，图3、图4和图5为本发明所述的基于局部放电光学信号的gil局部放电源定位系统在本实施方式下的上部、中部和下部仿真探测点的光学仿真指纹图。

在本实施方式中，本发明搭建了适用于实验室验证的罐体gil仿真模型。并对应于在tracepro中搭建完全相同的gil模型，罐体gil内部高度为310mm，内半径为90mm，壁厚10mm，轴心内导体半径为25mm。轴心导体柱与一个可以360°转动且径向长度可调的针板缺陷模型相连，针板间距始终保持6mm，针尖的长度为25mm，针尖头部横截面的角度为30°，下方接地圆盘的半径为10mm。通过在仿真过程中改变针板缺陷模型的高度、距离轴心的径向距离、旋转的角度，即可仿真得到罐体gil仿真模型中各个位置发生局部放电时的光信号信息。

在gil仿真模型上设置有光信号探测点，在仿真中该探测点为完全透射的。在实际gil模型中，可以采用荧光光纤作为光学传感器进行探测。

在本实施方式中，本发明将局部放电光源设置为球形点光源，放置在针板缺陷的正下方，并假设其在空间上各个方向发出的光线均匀分布，且垂直于表面。仿真中，设置局部放电源发出的总光线数量为250000条，总光辐射通量为100瓦。设置gil中sf6的光折射率为1.000783，并且sf6的吸收光谱主要集中在中红外波段，对局部放电的光信号的传播影响极小，可忽略不计。另外，由于sf6中的局部放电光辐射波长主要集中在500nm左右，所以设置局部放电光源的辐射光可以为绿光(波长为546.1nm)。

为了表示光学传感器接收到的光信号强度，本发明中引入光辐照度ee的概念：

ee＝dpe/ds(1)

上式中，pe表示光学传感器接收到的光辐射通量，s表示光学传感器的接收面积。ee表示为单位面积接收到的光辐射通量。

需要说明的是，因为仿真模型中设置的点光源与实际局部放电产生的光信号并不完全相同，所以上述ee是一个相对值，ee并不代表实际光信号辐照度。本发明所述的gil局部放电源定位方法是基于不同传感器间的光学信号分布规律来实现的，相对辐照度即可充分表示光信号在各传感器间的分布差异。

此外，在本发明所述的gil局部放电源定位方法中，在仿真软件中采用的表面材料漫反射模型为一种双向反射分布函数模型。需要说明的是，在本实施方式中，罐体gil仿真模型的内部材料设置为抛光并氧化的中等光滑铝材，其α＝30％，r＝20％，t＝50％。

在本实施方式中，以上述罐体gil仿真模型为基础，在罐体内部每隔10mm选取一个横截面，共计27个。在每个横截面上用半径按照每30°进行划分，总共为12条半径。然后在每条半径上分别选取距圆心长度为0mm、24mm、44mm、64mm、84mm的点作为局部放电源的仿真位置，依次通过仿真探测点进行局部放电光学仿真实验。

以本发明所述的gil局部放电源定位方法为基础，根据光学仿真指纹库的建立方法，在本实施方式中，对仿真实验中9个仿真探测点采集到的光辐照度值进行归一化处理，再由归一化的列向量构成光学仿真指纹库ψ，其中每个仿真局部放电源对应的光学指纹为

由于实际仿真次数的有限性，不能够单纯通过仿真来得到gil罐体中每个点发生局部放电时的情况。所以在本发明中，在本实施方式中，以仿真局部放电源的数据为插值点，以每个仿真探测点为单位，通过双调和样条插值法拟合得到gil中每个位置发生局部放电时仿真探测点i采集到的光信号辐照度由此，光学仿真指纹库ψ便包含了每个仿真探测点接收到的gil中所有局部放电源位置的光辐照度值。以其中一列仿真探测点(包括上部、中部、下部三个探测点)为例，得出罐体中每个位置发生局部放电时，各仿真探测点采集到的相对光辐照度值，以此记为该仿真探测点的局部放电的光学指纹图，如图3、图4和图5所示。其余两列仿真探测点的局部放电的光学指纹图分别围绕轴心旋转120°和240°即可得到。

但是，需要注意的是，在实际投入计算机进行计算时，指纹库的维度不可能为无穷大，并且指纹点过于密集也不利于算法的匹配效率。因此，在本实施方式中，本发明在保证匹配准确率的前提下，兼顾算法的运行效率，等步长地对拟合后的局部放电源的光学定位仿真指纹库ψ进行采样，可以得到维度为9×6750的光学仿真指纹库ψ^final。最后，用此光学仿真指纹库ψ^final对kelm网络进行训练，为后续在线阶段的模式匹配做好前期准备。

在本发明所述的gil局部放电源定位系统进行实验过程中，通过调节gil实验罐体中针板模型的高度、角度、横杆的径向长度，从而可以有效实现不同位置的局部放电。其中，针尖的位置可以记为局部放电源的实际位置。

在本实施方式中，本发明随机选取了16个不同位置的局部放电源进行实验，并采用光子计数器采集每个光学传感器采集到的光子数量。为了减小局部放电随机波动带来的影响，可以对每个传感器共采集60个门限的光子数，最后取60个门限的平均值，记为该传感器检测到的局部放电的光辐照度值然后将9个传感器的局部放电的光辐照度值进行归一化处理，便构成了某一位置的实际局部放电的光学指纹

在进行模式匹配前，首先运用pso算法对kelm模型的核函数参数因子σ和惩罚系数c进行寻优，能够得到kelm模型的核函数参数因子σ＝0.14225和惩罚系数c＝0.85435。

为了验证本发明的有效性，根据本发明所述的gil局部放电源定位方法，将本发明提出的pso-kelm模型与普通的kelm算法和神经网络(bpnn)算法相对比，得到的定位结果如表1所示。

表1.

由表1可以看出，本发明提出的采用pso-kelm网络模型的局部放电定位算法的平均定位精度小于1cm，并且误差标准差仅为4.69，其定位的稳定性较高，且定位效果优良。而其他两种算法的平均定位精度较低，且定位结果的波动性较大，可靠性较差。

综上所述可以看出，本发明所述的基于局部放电光学信号的gil局部放电源定位方法的定位稳定性较高，定位精确且效果优良，其可以将局部放电的光学仿真数据与实测局部放电的光学数据结合，通过仿真减少了现场操作的工作量，并且提升了局部放电源的指纹定位库的分辨率，从而提高了定位的精度。

采用本发明的基于局部放电光学信号的gil局部放电源定位方法，可以准确有效定位气体绝缘金属封闭输电线路(gil)中的局部放电源位置，有利于电力设备的运维检修，保障电网安全稳定运行。

此外，本发明所述的基于局部放电光学信号的gil局部放电源定位系统也同样具有上述的优点以及有益效果。

需要说明的是，本发明的保护范围中现有技术部分并不局限于本申请文件所给出的实施例，所有不与本发明的方案相矛盾的现有技术，包括但不局限于在先专利文献、在先公开出版物，在先公开使用等等，都可纳入本发明的保护范围。

此外，本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式，本案记载的所有技术特征可以以任何方式进行自由组合或结合，除非相互之间产生矛盾。

还需要注意的是，以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例，随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的，均应属于本发明的保护范围。