粮食钢板筒仓结构安全监测方法与流程

1.本技术属于安全监测技术领域，具体涉及一种粮食钢板筒仓结构安全监测方法。


背景技术：

2.粮食钢板筒仓是贮存散装粮食的仓库，筒仓的运用能缩短物料的装卸流程，降低运行和维修费用，有利于机械化、自动化作业。钢板筒仓是一种薄壁圆柱壳体结构，其受力及破坏机理相当复杂，尤其是筒仓壳体钢结构部分，在受到各种自然或人为因素的影响时，极易造成壳体局部应变集中，健康状况发生突然恶化，继而产生开裂破坏，使得筒仓的正常和安全使用受到严重威胁。
3.传统的钢结构应力检测是在钢结构上的关键受力部位上安装检测点。检测过程中，多点同测，但在判断每个测试点的应力状态时，各检测点的数据独立判断，多点之间彼此独立，并不相互依赖。每个检测点都只进行一维线性评估，即根据被检钢结构设施设备的材料设定一个固定阈值与测量值进行对比，从而确定该检测点是否正常。检测结果只能反映被检钢结构的“绝对”结果，即是否已经发生破坏，无法对被检钢结构的破坏趋势进行深层次的分析，也无法对被检钢结构的破坏进行事前预警。


技术实现要素：

4.(一)要解决的技术问题
5.鉴于现有技术的上述缺点、不足，本技术提供一种粮食钢板筒仓结构安全监测方法。
6.(二)技术方案
7.为达到上述目的，本技术采用如下技术方案：
8.本技术实施例提供一种粮食钢板筒仓结构安全监测方法，该方法包括：
9.s10、获取通过三维数据采集设备定期采集的原始点云数据，通过超声波探伤检测设备检测得到的螺栓长度和裂纹检测结果，以及通过应变采集装置实时采集的粮食钢板筒仓上预设点位的应变数据；
10.s20、基于所述原始点云数据确定所述粮食钢板筒仓的结构数据，所述结构数据包括垂直度、圆度、空仓状态和满仓状态下的仓体形变量；
11.s30、基于所述结构数据、所述螺栓长度、裂纹检测结果和所述应变数据进行所述粮食钢板筒仓安全监测，生成监测信息。
12.可选地，s30中包括：
13.根据预先建立的钢板筒仓钢结构计算模型确定各检测点间的结构关系，基于所述应变数据确定各检测点的应力数据；
14.基于所述粮食钢板筒仓在空载、加载荷载、满载荷载工况下各检测点的应变数据和应力数据和理论分析数据之间的耦合关系，生成结构安全预测信息。
15.可选地，s10中，采集应变数据的同时还采集粮食钢板筒仓周围的环境数据；则，
s30中还包括：
16.基于所述环境数据和所述应变数据对粮食钢板筒仓结构进行安全监测。
17.可选地，基于所述环境数据和所述应变数据对粮食钢板筒仓结构进行安全监测，包括：
18.根据所述结构关系确定各检测点的应力数据的耦合关系，基于所述环境数据和所述应力数据确定环境数据与所述应力数据的关联关系；
19.基于所述耦合关系和所述关联关系评估钢板筒仓结构的安全性，生成评估结果。
20.可选地，s10中还包括：采集所述粮食钢板筒仓的振动数据，则，s30中还包括：
21.基于所述振动数据和实时采集的应变数据，对振动引起的粮食钢板筒仓的应力变化进行监测。
22.可选地，该方法还包括：
23.基于所述应力数据与预先获取的应力设计基础数据进行钢板筒仓结构的安全性进行评估，生成评估结果。
24.可选地，该方法还包括：
25.接受用户访问指令，在显示终端显示被监测筒仓的实时状态，以及基于时间区间、受检设施设备编号进行监测数据的查询与统计，并显示查询与统计结果。
26.可选地，该方法还包括：
27.基于所述应变数据和所述结构数据，通过预设的专家知识库分析所述粮食钢板筒仓的结构破坏原因及易破坏的薄弱部位；
28.将所述应变数据和所述结构数据输入到训练好的风险预测模型中，生成所述粮食钢板筒仓的风险类别和风险等级；其中，所述风险预测模型为基于深度神经网络建立的分类模型。
29.可选地，基于所述原始点云数据确定所述粮食钢板筒仓的垂直度，包括：
30.基于所述原始点云数据，通过不同标高位置切片的点云数据拟合得到不同标高位置的圆心；
31.根据圆心之间的距离及位置偏差，计算筒仓的垂直度及倾斜方向。
32.可选地，基于所述原始点云数据确定所述粮食钢板筒仓的圆度，包括：
33.基于所述粮食钢板筒仓点云数据，通过不同标高位置切片的点云数据拟合最大圆和最小圆，基于拟合的最大圆和最小圆计算出筒仓的圆度指标。
34.(三)有益效果
35.本技术的有益效果是：本技术提出了一种粮食钢板筒仓结构安全监测方法，包括：s10、获取通过三维数据采集设备定期采集的原始点云数据，通过超声波探伤检测设备检测得到的螺栓长度和裂纹检测结果，以及通过应变采集装置实时采集的粮食钢板筒仓上预设点位的应变数据；s20、基于原始点云数据确定粮食钢板筒仓的结构数据，结构数据包括垂直度、圆度、空仓状态和满仓状态下的仓体形变量；s30、基于结构数据、螺栓长度、裂纹检测结果和应变数据进行粮食钢板筒仓安全监测，生成监测信息。该方法可对粮食钢板筒仓的结构安全实施有效监测，全面掌握筒仓壳体结构易破坏点的状态信息，有助于及早发现筒仓安全隐患，减少突发性安全事故。
附图说明
36.本技术借助于以下附图进行描述：
37.图1为本技术一个实施例中的粮食钢板筒仓结构安全监测方法流程示意图；
38.图2为本技术另一个实施例中的筒仓实时在线监测示例图；
39.图3为本技术另一个实施例中的数据在线分析界面示例图；
40.图4为本技术另一个实施例中的数据在线分析频谱示例图；
41.图5为本技术另一个实施例中的筒仓监测界面示例图；
42.图6为本技术又一个实施例中的三维激光扫描流程示意图；
43.图7为本技术又一个实施例中的站点布设示意图；
44.图8为本技术又一个实施例中的控制点布设示意图。
具体实施方式
45.为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。可以理解的是，以下所描述的具体的实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合；为了便于描述，附图中仅示出了与发明相关的部分。
46.实施例一
47.本技术提供了一种粮食钢板筒仓结构安全监测方法，可应用于安全监测服务器中。图1为本技术一个实施例中的粮食钢板筒仓结构安全监测方法流程示意图，如图1所示，该方法包括：
48.s10、获取通过三维数据采集设备定期采集的原始点云数据，通过超声波探伤检测设备检测得到的螺栓长度和裂纹检测结果，以及通过应变采集装置实时采集的粮食钢板筒仓上预设点位的应变数据；
49.s20、基于原始点云数据确定粮食钢板筒仓的结构数据，结构数据包括垂直度、圆度、空仓状态和满仓状态下的仓体形变量；
50.s30、基于结构数据、螺栓长度、裂纹检测结果和应变数据进行粮食钢板筒仓安全监测，生成监测信息。
51.本实施例的粮食钢板筒仓结构安全监测方法，可以对粮食钢板筒仓的结构安全实施有效的监测，全面掌握筒仓壳体结构易破坏点的状态信息，及早发现筒仓安全隐患，并及时采取必要的加固修复措施，极大提高了筒仓安全监测能力，有效提高了事故隐患排查的快速性和高效性，大大节省了人工监测成本。
52.为了更好地理解本发明，以下对本实施例中的各步骤进行展开说明。
53.本实施例中，预设点位包括：筒仓壁和加强筋支撑立柱等主要受力构件上的点位，人孔和维修门周围的点位、关键检测点。
54.考虑到筒仓沿高度方向上只有两种结构形式，下部为双层板，上部为单层板，且板加厚。故应选择同一高度在水平投影面上相互垂直的八个方向设8个测点，沿筒仓高度方向，共布设5周，合计测点数40个，足够反映结构的受力情况。还可以在每个人孔四周仓壁板设4个检测点，在关键检测点及双侧对称的位置设检测点，关键检测点可以是理论计算结果显示的应力较大处以及现场考察发现的危险点。
55.为了解在人孔位置仓壁板的受力情况，可在人孔、维修门四周仓壁板布置4个应变传感器。考虑到测点、线路的损坏将可能导致重要数据的缺失，部分关键测点可适当采用对称双侧点布设。
56.通过在仓壁板、仓壁加强筋支撑立柱等主要受力构件上布置检测点，从而可以获得完整的钢板筒仓的受力特性数据。
57.本实施例中，应变采集装置可以是应变传感器，本实施例中，应变传感器可以是应变片，优选地，应变片可以是自我温度补偿型应变片。
58.本实施例中，基于原始点云数据确定粮食钢板筒仓的垂直度，包括：
59.基于原始点云数据，通过不同标高位置切片的点云数据拟合得到不同标高位置的圆心；
60.根据圆心之间的距离及位置偏差，计算筒仓的垂直度及倾斜方向。
61.本实施例中，基于原始点云数据确定粮食钢板筒仓的圆度，包括：
62.基于粮食钢板筒仓点云数据，通过不同标高位置切片的点云数据拟合最大圆和最小圆，基于拟合的最大圆和最小圆计算出筒仓的圆度指标。
63.本实施例中，监测信息可以包括：垂直度、圆度、空仓状态和满仓状态下的仓体形变量、螺栓长度、应变值与相应预设阈值比较的结果、基于时间区间、设备编号等进行数据统计的统计信息。
64.实施例二
65.本实施例在实施例一的基础上对粮食钢板筒仓结构安全监测方法进行进一步的说明。
66.本实施例中，s30中包括：
67.根据预先建立的钢板筒仓钢结构计算模型确定各检测点间的结构关系，基于应变数据确定各检测点的应力数据；
68.基于粮食钢板筒仓在空载、加载荷载、满载荷载工况下各检测点的应变数据和应力数据和理论分析数据之间的耦合关系，生成结构安全预测信息。
69.需要说明的是，应变采集装置在采集应变数据时，可以通过流量计获取筒仓在空载、加载荷载、满载荷载工况下的工况信息。
70.本实施例中，s10中，采集应变数据的同时还采集粮食钢板筒仓周围的环境数据；则，s30中还可以包括：
71.基于环境数据和应变数据对粮食钢板筒仓结构进行安全监测。具体地，包括：
72.根据结构关系确定各检测点的应力数据的耦合关系，基于环境数据和应力数据确定环境数据与应力数据的关联关系；
73.基于耦合关系和关联关系评估钢板筒仓结构的安全性，生成评估结果。
74.本实施例中，环境数据包括通过设置于筒仓顶部无遮挡处的气压传感器、风速风向传感器、温度传感器采集环境气候数据。
75.钢结构设施设备ansys计算模型与应力检测得到的应力数据进行动态映射，即通过将现场实测的数据和理论分析数据之间的耦合关系，发现未来发展趋势。具体方法为：基于传统的应力检测方法，将检测点之间根据ansys计算模型内的结构关系进行检测数据耦合计算判断，并且在检测现场布置局部气象站，将气象因素数据纳入结构计算模型。因此动
态映射应力检测法能够从检测点的绝对检测值、各检测点结构内联关系、气象等多个维度上进行综合结构应力检测。
76.动态映射检测法能够从测点的应力值、各检测点结构内联关系、气象等多个维度上进行综合检测和分析。从而能够更精准的判断钢板筒仓结构是否存在问题，并对存在的问题进行深层次的分析，从而指导筒仓的使用安全。
77.同时，应用ansys软件对钢板筒仓进行壳体结构实体的参数化建模，并进行静态、瞬态及模态分析，获得结构零点状态时的结构初始应力，分析筒仓储存粮食种类、料面偏心状态、壳体孔洞、筒仓内压力、温度、风载荷等因素对筒仓壳体结构应力应变的影响。同时还对钢板筒仓壳体结构破坏形式及原因分析，根据对粮食筒仓的调研结果，全面总结钢板筒仓使用状况和破坏形式，并依据壳体结构应力应变影响因素，重点分析结构破坏原因及易破坏的薄弱部位。
78.通过对钢板筒仓钢结构计算模型与应力检测系统进行动态映射方面的分析，即通过研究现场实测数据和理论分析数据之间的耦合关系，发现未来发展趋势。能够精准的判断钢板筒仓结构是否存在问题，并对存在的问题进行深层次的分析，从而指导筒仓的使用安全。
79.本实施例中，s10中还包括：采集粮食钢板筒仓的振动数据，则，s30中还可以包括：
80.基于振动数据和实时采集的应变数据，对振动引起的粮食钢板筒仓的应力变化进行监测。
81.振动数据可以由设置于筒仓底部承台和下部侧壁钢板上的加速度传感器采集。当钢板仓靠近铁路，当重载列车经过时，引起的地面震动较大，因此本实施例监测重载列车经过引起震动产生的应力的影响。当重载列车经过时，振动加速度传感器和应力传感器的数据同时采集，记录分空载静置、满载静置、进粮和出粮4种工况的数据。
82.本实施例中，该方法还可以包括：
83.基于应力数据与预先获取的应力设计基础数据进行钢板筒仓结构的安全性进行评估，生成评估结果。
84.具体地，应力数据包括：
85.a.筒仓空载工况下，24小时稳态监测数据测量，以分析钢板筒仓在满载情况下的应力水平状况；
86.b.对生产过程中，钢板筒仓的进仓流程主要加载荷载工况下，对其进行测量得到应力数据，以检测分析其在正常使用情况下钢板筒仓的受力性能状况。
87.c.筒仓满载荷载工况下，24小时～48小时稳态监测数据测量，以分析钢板筒仓在满载情况下的应力水平状况；
88.d.对生产过程中，钢板筒仓的卸料出仓流程主要减载荷载工况下，对其进行测量，以检测分析其在正常使用情况下钢板筒仓的受力性能状况；
89.e.对有台风工况下，对空载或满载的钢板筒仓进行测量，以检测分析其该风载荷工况下钢板筒仓结构的受力性能。
90.通过以上应力数据的采集，可以掌握钢板筒仓在正常使用情况(大风或台风工况、筒仓满载或空载工况)下的结构受力性能，即在正常生产过程中筒仓进料、卸料荷载工况下筒仓的内力分布。
91.应力设计基础数据可以是业主提供的钢板筒仓的仓壁板、仓壁加强筋支撑立柱等主要受力构件的应力设计基础数据，通过与检测实际获得数据进行对比分析，对钢板筒仓的结构及正常使用的安全性进行评估；通过对钢板筒仓检测结果与设计计算结果进行对比分析，确保钢板筒仓的结构安全及正常使用。
92.对钢板筒仓整体安全状况进行评估，评估报告内容包括但不限于以下内容：钢板仓的整体安全技术状况、钢板仓存在的问题或薄弱点、整改建议、使用要求、建议剩余使用寿命等。
93.本实施例中，该方法还包括：
94.接受用户访问指令，在显示终端显示被监测筒仓的实时状态，以及基于时间区间、受检设施设备编号进行监测数据的查询与统计，并显示查询与统计结果。
95.终端设备用于实时监控，进行受检设施设备的数据结果查询、展示、报告打印等工作。终端设备可以让用户从外网web直接登陆在线监测系统查看受检筒仓的实时状态。主要功能如下：
96.检测结果的动态查询与统计。终端显示模块能够基于时间区间、受检设施设备编号等信息，进行检测结果实现查询与统计功能。
97.数据监控与回看。终端显示模块能够与登陆云端服务器，实现基于web的现场检测数据观看，数据可以多种形式方式展示给用户，并能远程调取历史数据进行回看、回放。
98.检测结果发布。终端显示模块能够提供检测结果的网站和手机发布功能。
99.权限管理。终端显示模块能够实现基于角色和权限分责、分权操作管理，以实现安全性控制。
100.本实施例中，该方法还包括：
101.基于应变数据和结构数据，通过预设的专家知识库分析所述粮食钢板筒仓的结构破坏原因及易破坏的薄弱部位；
102.将应变数据和结构数据输入到训练好的风险预测模型中，生成粮食钢板筒仓的风险类别和风险等级；其中，风险预测模型为基于深度神经网络建立的分类模型。
103.图2为本技术另一个实施例中的筒仓实时在线监测示例图，图3为本技术另一个实施例中的数据在线分析界面示例图，图4为本技术另一个实施例中的数据在线分析频谱示例图，图5为本技术另一个实施例中的筒仓监测界面示例图。如图2所示，粮食钢板筒仓结构安全监测系统能够实时监测钢板筒仓壳体结构在不同服役工况下，各测点的应力—时间历程数据及应变—时间历程数据，在事故发生前预先发现局部变形。如图3所示，粮食钢板筒仓结构安全监测系统能够通过现场实测的数据和理论分析数据的耦合，预测未来发展趋势；如图4所示，通过对重载列车经过震动引起的额外应力进行分析，分析不同振动频率下应力与原有应力叠加对钢板仓的影响。如图5所示，图中基于传感器部署位置展示了各检测点的应力状态。
104.由此可见，通过本实施例的监测方法，利用采集获得的数据进行安全评估，不仅能够实时监测设备的使用状况，也可以预测分析设备的性能趋势，一旦有问题发生可以适时报警，或提前预知设备的安全状况提醒用户，做好维修保养工作。如突发情况出现安全事故，也可以根据采集的数据，对事故进行精准分析，找到事故的原因，可以连续的记录、监测和分析实时采集的数据，给筒仓安全生产提供了良好的技术保障。
105.实施例三
106.以下针对本技术方法中的通过三维数据采集设备定期采集的原始点云数据和通过超声波探伤检测设备检测得到的螺栓长度和裂纹检测的过程进行具体说明。
107.图6为本技术又一个实施例中的三维激光扫描流程示意图，如图6所示，通过三维数据采集设备对钢板筒仓进行三维激光扫描、定期采集的原始点云数据，包括：
108.s1、现场踏勘。
109.对扫描现场进行踏勘，做出扫描环境评估，着重考虑扫描的重点区域部位，合理规划扫描站点。主要原则如下：
110.(1)扫描视野最大化。架站位置对扫描区域的视野尽量开阔，保证单站能尽量多的采集到筒仓的点云数据。同时又要避开入射角太小的点位；
111.(2)站点之间通视情况良好，数据重叠率30％以上；
112.(3)被扫描物体数据完整无遗漏；
113.(4)架站位置稳定无震动。
114.图7为本技术又一个实施例中的站点布设示意图，如图7所示，根据筒仓的形状特征，站点分布主要呈圆形，围绕整个筒仓一周，架站位置离筒仓仓壁直线距离大于15米为宜。站点之间间距约为10-15米。
115.s2、控制网布设
116.考虑到需要对筒仓的空仓状态和满仓状态的变形量进行对比分析，所以需要在筒仓周围布设基准控制点。该基准点坐标系可自由设定，主要目的是为了实现多次扫描数据的坐标系统一。图8为本技术又一个实施例中的控制点布设示意图，如图8所示，为保证整体控制精度，控制点需布设四个，位置平均分布在筒仓的东西南北四个方位，控制点点位到筒仓仓壁的直线距离大于35米。
117.需要说明的是，上述扫描站点的选择和控制点的选择仅为示意图，具体现场实施过程中，可根据现场实际环境进行微调。
118.s3、外业三维激光扫描。
119.根据前期勘察设计好的站点，详细扫描待扫描区域，扫描过程中，合理设置三维激光扫描仪的数据分辨率和质量以保证数据的可靠性。扫描过程中需注意，作为控制点布设的用于坐标统一的球形标靶要能够清晰的识别。
120.s4、数据拼接处理。
121.通过faro scene点云数据处理分析软件，对获取到的数据进行整体的拼接去噪，坐标统一，整体采样等操作。拼接过程中需反复检核数据的整体拼接精度，保证最终的拼接精度优于3mm。最后按照各软件兼容的格式将数据转换输出。
122.三维激光扫描仪型号为faro focus s150或faro focus s350。
123.通过三维激光扫描的方式获取钢板筒仓完整的三维点云模型数据，进而对筒仓的垂直度，变形，椭圆度等核心指标进行全面的检测和数据分析，同时作为一项数据档案进行阶段性数据存档，利于以后进行数据的比较分析。
124.以下对通过超声波探伤检测设备检测得到的螺栓长度和裂纹检测进行说明。
125.根据粮食码头调研结果，总结钢板筒仓使用状况和破坏形式，分析结构破坏原因及易破坏的薄弱部位，发现筒仓在破坏前总是会出现螺栓先破坏情况，故从使用的角度分
析，螺栓连接是整个钢板仓的最薄弱的环节。因此，对仓体与砼基础联结的锚栓，以及仓壁和加强筋联结螺栓的检测，对确保筒仓的使用安全是非常重要的。
126.以下以筒仓仓壁螺栓检测为例进行说明。
127.筒仓仓壁螺栓直径小，部分螺栓长细比过大，螺栓现场检测的技术非常复杂。现有的国家能源局发布的电力行业标准dl/t694-2012《高温紧固螺栓超声检测技术导则》，规定了螺栓超声检测工艺方法和评定标准。在实施过程中，为了提高检测的精度，需要不断的更换不同种类和规格的探头，现场的工作量很大，检测工作非常繁琐。
128.本实施例通过筒仓侧壁螺栓的无损检测，解决筒仓螺栓在不拆解的情况下，完成高精度、高可靠性现场检测的难题。由于需要检测的螺栓数量庞大，又是高空作业，现场检测的工作量巨大。考虑现场施工条件和费用等问题，仓壁螺栓的检测只进行抽样检测。
129.具体地，从筒仓13环以下约4万多颗螺栓中，选择仓壁和加强筋处有代表性的5000颗螺栓进行检测。采用超声波探测技术，综合利用纵波直探头和小角度纵波斜探头进行探测，实现筒仓侧壁螺栓的无损检测，解决筒仓螺栓在不拆解的情况下，完成高精度、高可靠性的现场检测工作，参照设计规范和要求，指导更换不合格螺栓。
130.检测方法的选择。螺栓超声检测主要采用小角度纵波法、纵波直探头法和横波法。当螺栓两端均为平面，或一端为平面，另一端具有不小于5mm宽度的平面时，可采用小角度纵波法或纵波直探头法。本项目的螺栓两端均为平面，且平面的宽度均大于5mm，因此原则选择纵波直探头法进行检测。
131.检测仪器采用汕头超声仪器研究所生产的超声波探伤仪；探头采用汕头超声研究所生产的纵波直探头和olympus生产的纵波直探头。
132.缺陷指示长度的测定：采用半波高度(6db)法测定缺陷的指示长度：移动探头，找到缺陷最强反射波，将波调整到80％屏高，向左(或向右)移动探头，当波高降到40％屏高时，在探头中心线所对应的螺栓上做好标记，然后向右(或向左)移动探头，同样使波高降到40％屏高并做好标记，两标记间的距离即为缺陷的指示长度。
133.裂纹的判定：纵波直探头检测。低合金钢螺栓裂纹判定应符合下列规定：
134.a)无中心孔螺栓。缺陷信号位于本侧，其反射波幅不小于φ1mm-6db反射当量，且指示长度不小于6mm，应判定为裂纹。缺陷信号位于对侧，其反射波幅不小于φ1mm-16db反射当量，且指示长度不小于6mm，应判定为裂纹。
135.b)有中心孔螺栓。缺陷信号位于本侧，其反射波幅不小于φ1mm-12db反射当量，且指示长度不小于6mm，应判定为裂纹。
136.仓体与砼基础联结的地脚螺栓检测
137.筒仓仓体与砼基础联结的地脚螺栓长细比过大，依靠普通超声波探伤仪来进行现场检测存在很多不足。本实施例采用相控阵超声检测仪进行检测。
138.检测方法的选择。地脚螺栓露出承台端头为平面，其直径为φ24mm，长度为870mm，应采用相控阵检测法。地脚螺栓超声相控阵检测主要采用32晶相控阵探头。
139.检测仪器采用olympus生产的超声相控阵成像系统；探头采用olympus生产的32晶探头5l32-a11。
140.检测灵敏度的设置、缺陷指示长度的测定和裂纹的判定与筒仓仓壁螺栓检测中的方法相同，此处不再赘述。
141.经对几起筒仓坍塌事故的分析，发现在筒仓破坏前总是发生螺栓先破坏的情况，因此螺栓在钢板筒仓结构中是一个薄弱环节。对螺栓进行检测，通过检测数据对其使用安全性进行评估，及早发现筒仓安全隐患。
142.应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。
143.此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，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以及不同实施例或示例的特征进行结合和组合。
144.尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
145.显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。