一种信息‑物理‑社交融合空间下实现智能制造的S2sensor的制作方法

本发明属于制造系统与s²sensor领域，特别涉及一种信息-物理-社交融合空间下实现智能制造的s²sensor。

背景技术：

当前，新兴信息技术正步入泛在、智能、互联集成的新阶段，从感知、传输、处理与智能决策，泛在连接与普适计算无所不在。在计算机科学、信息通信技术和先进制造技术的并行驱动下，制造模式正发展为信息空间(cyber)、物理空间(physical)、社交空间(social)泛在融合空间下的智能制造。智能制造实现在生产制造过程中的高适应性(adaptability)，高柔性(flexibility)以及智能化(intelligence)，从而满足动态多变的市场和个性化的客户需求。

在一个智能制造环境下的生产车间，所有的加工设备、工件、运输小车、工业机器人等制造资源能够像社交网络中的人一样互相交流，并做出生产决策。加工设备能实时了解自身的“健康”状况、加工任务、加工能力和生产能力；智能工件自身携带如何被加工设备加工生产的工艺、质量等信息；运输小车知道何时何地运输何物去何地等车间物流信息。制造资源通过配置各种类型的传感器(振动、功率、噪声等)、rfid设备(读写器、天线、标签)、测量设备(粗糙度仪、数显卡尺等)、智能嵌入式控制设备、网络设备等，构造出一个具有工业4.0和智能制造特征的车间生产物理环境。在此环境下，对生产制造过程提出了新的要求，主要表现在：1)制造车间分布式的传感设备在车间生产运行过程中会产生大量的生产过程数据，传统的将爆炸式的信息传递到后端服务器进行集中处理的方式已满足不了当前大量分布式传感设备实时数据采集、融合、传输、分析与决策的需求；2)制造资源通过配置传感设备、智能嵌入式设备与智能决策算法的方式，转变为具有自我感知与决策功能的“生产个体”。生产个体根据制造任务自组织交互，构成车间自组织生产网络。作为车间生产网络中的一个节点，生产个体具有生产实时数据的采集与处理、信息/生产指令的共享与交互、生产过程自主交互与协同、生产过程智能决策与管控等功能需求。

鉴于以上分析，提出一种信息-物理-社交融合空间下实现智能制造的socialsenor(以下简称s²ensor)。本发明旨在实现信息-物理-社交融合空间下各生产个体之间的信息交互与协作，实现生产过程的自感知、自适应、自诊断、自决策等，最终实现从过去的“人脑分析判断+机器生产制造”的方式转变为“机器分析判断+机器生产制造”的方式，以达到高效、透明、智能化地完成生产任务的目标。

去中心化的s²ensor与传统中心化的车间生产控制系统可从两个方面进行区分，一是采集/传输的数据不同：传统的车间信息系统采集并传输物理世界的各种物理量；s²ensor采集、传输用于生产过程交互、协作、决策和管控的各类生产数据、交互信息、生产指令等。二是组织架构不同：传统的车间生产控制系统将采集到的传感数据上传至中央服务器存储、分析、决策等，缺乏实时性；s²enso具有存储、分析、决策与交互功能，除了能将采集到的各类生产信息上传至云服务器外，还可进行就近计算与决策，实现对生产过程实时反馈。

技术实现要素：

为克服传统车间集中式生产控制面临的柔性低、反馈不及时、可扩展性差等缺陷，并结合当前工业4.0和智能制造环境下的新需求，本发明的目的在于提供一种信息-物理-社交融合空间下实现智能制造的s²ensor，该发明是一种软硬件集成的，具有社交交互、智能感知、智能处理、自主决策的智能体。在一个离散制造车间，s²ensor的体现形式主要包括智能工件s²ensor、运输小车s²ensor、工位s²ensor、质量检测s²ensor等。智能工件s²ensor在运输小车的帮助下在车间内按照加工工序进行流动，分别与运输小车s²ensor、工位s²ensor和质量检测s²ensor进行感知交互，更新加工进度与加工质量信息，完成加工任务；运输小车s²ensor接收来自智能工件s²ensor、工位s²ensor以及云服务器的运输指令，协助运输小车将工件、刀具/夹具/量具运输至指定位置；工位s²ensor根据智能工件s²ensor广播的加工需求，评估所绑定的加工设备是否满足加工要求，并向智能工件s²ensor做出响应，另外工位s²ensor之间就加工任务进行匹配、谈判，均衡加工设备的生产负荷；质量s²ensor负责判断工件的加工质量是否满足要求，并向工件s²ensor发送质量检测信息。车间制造资源通过s²ensor进行机-机交互协作，实现生产过程的自感知、自适应、自诊断、自决策与自修复等智能制造方法。

为达到上述目的，本发明的技术方案为：

一种信息-物理-社交融合空间下实现智能制造的s²ensor，s²ensor的体系架构分为物理资源层、信息聚合层、决策交互层；

所述的物理资源层主要功能是为s²ensor提供物理硬件层面的支持，用于实现异构传感设备的互联与物理集成、生产过程事件感知与实时状态监测、生产数据采集与传输；物理资源层包括三类物理资源：用于感知车间生产过程各个方面的物理传感设备、用于集成与控制所有传感设备的集成/控制模块和用于s²ensor交互的各种网络连接模块。

所述的物理传感设备包括用于感知车间生产环境的噪声、温湿度、光照强度的传感设备，用于感知生产设备(如机床、运输小车)运行状态的功率、加速度、力的传感设备，用于监控工件位置、工件状体、加工进度的rfid设备、感知工件尺寸的激光位移、测量工件质量的粗糙度仪和数显卡尺的传感设备；所述的用于集成与控制所有传感设备的集成/控制模块包括plc控制器、嵌入式微型电脑主板；所述的网络连接模块包括用于传感设备和集成/控制模块之间、s²ensor之间、s²ensor与云服务器之间通讯连接的intranet/internet、wifi、zigbee、路由模块等。

所述的信息聚合层是连接物理资源层与决策交互层的纽带，一方面，基于预定义的生产事件，信息聚合层为下层的物理资源层传递生产指令/数据采集指令；另一方面，基于数据预处理与集成方法，信息聚合层为上层的决策交互层提供统一的数据访问接口；该层的构成部分包括资源描述模型、数据采集触发条件集、虚拟化封装模板集、数据预处理方法集、数据组织模型与接口。

所述的资源描述模型用于对物理传感设备和嵌入式开发板的形式化描述；所述的数据采集触发条件集为预定义的数据采集与上传的生产事件触发条件模型，用于决定何时采集传感数据、何时将采集的数据预处理后上传至决策交互层或者云服务器；所述的虚拟化封装模板用于对传感设备进行描述与封装，实现物理空间向虚拟空间的映射；所述的数据预处理方法集包含所有的传感数据预处理方法，用于实现清洗、去噪、滤波的功能；所述的数据组织模型与接口用于对预处理之后的多源异构传感数据按照一定的数据格式进行聚合，并通过数据接口传输至决策交互层或者云服务器。

所述的决策交互层提供s²ensor之间、s²ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能；决策交互层包括决策环节与交互环节。

所述的决策环节是对历史/实时生产数据、交互信息进行分析、评估、预测的处理，进行生产过程的自主诊断与决策，使生产过程自适应；所述的交互环节是s²ensor根据决策结果，与其他s²ensor或云服务器进行信息交互，实现生产过程的协同，决策与交互两个环节构成一个机-机交互的闭环过程，实现了生产过程的自感知、自适应、自诊断、自决策与自修复。

考虑到s²ensor自身的存储与计算能力的有限，在s²ensor网络中增加一个云服务器，用于存储s²ensor采集到的各类原始数据、交互决策信息、生产反馈信息，同时也为s²ensor提供复杂的算力支持，并基于算力结果向s²ensor决策交互层传输生产指令。

本发明的有益效果是：

本发明构建了一种信息-物理-社交融合空间下实现智能制造的s²ensor，实现了车间内制造资源的机-机协作交互、生产过程自感知、自适应、自诊断、自决策与自修复。通过应用s²ensor，实现了车间生产过程的实时、智能管控。

附图说明

图1是一种s²ensor的体系架构图。

图2是一种s²ensor的配置流程图。

图3是一种s²ensor的生产过程协作交互泳道图

具体实现方式

下面结合附图和实施例对本发明作详细说明。此处所说明的附图是本申请的一部分，用来对本发明进行进一步解释，但并不构成对本发明的限定。

如图1所示的一种信息-物理-社交融合空间下实现智能制造的s²ensor，其体系架构包括物理资源层、信息聚合层和决策交互层。所述s²ensor的配置与实现流程如图2所示，包括：

所述的物理资源层主要功能是为s²ensor提供物理硬件层面的支持，用于实现异构传感设备的互联与物理集成、生产过程事件感知与实时状态监测、生产数据采集与传输；物理资源层包括三类物理资源：用于感知车间生产过程各个方面的物理传感设备、用于集成与控制所有传感设备的集成/控制模块和用于s²ensor交互的各种网络连接模块。

物理资源层的配置

物理资源层根据车间加工任务与制造逻辑，为s²ensor配置三类物理资源。一是各类传感资源设备的配置，包括感知生产设备运行状态的加速度、功率等传感设备；感知工件位置、工件状态和加工进度等rfid设备；测量工件加工质量的粗糙度仪和数显卡尺等测量设备。二是对集成或控制各类传感设备的集成/控制模块的配置。考虑到各种类型的传感设备在通讯协议、组网类型、输出接口等方面的差异性，可配置智能嵌入式面板作为集成/控制模块。相比于普通开发板，智能嵌入式面板可扩展多种类型的通讯接口，具有有线/无线接入intranet/internet的能力，其较强的计算能力可进行传感数据的就近计算，实现生产数据的去中心化处理与决策，从而缓解了远程服务器集中式计算带来的数据传输与处理压力，同时提高了生产过程决策的实时性。因此，本发明将s²ensor的集成/控制模块称为智能聚合节点。三是对s²ensor网络连接模块的配置，包括两个层次的配置：第一层次为传感设备与智能聚合节点的网络互联配置，该层次的配置根据传感设备的通讯协议、输出接口、组网类型等配置合适合理的网络连接方式(intranet/internet、wifi、zigbee、bluetooth等)；第二层次为s²ensor与s²ensor之间、s²ensor与云服务器之间的互联配置，该层次的配置的网络连接方式为intranet、internet等。通过对所述的三类物理资源的配置，实现s²ensor的分布式异构传感设备互联、集成与集中控制。具体而言，对智能工件s²ensor配置rfid设备(有源式rfid标签、天线与读写器)；对运输小车配置rfid天线、读写器；对工位s²ensor配置rfid天线(入缓存、在加工、出缓存3个天线)、读写器、各类工况传感设备(功率、加速度、力、红外温度等传感器)；对质量检测s²ensor配置各类测量设备(数显卡尺、粗糙度仪)。所述的智能工件s²ensor携带有工件的状体信息、工艺信息、质量要求信息等，在运输小车的帮助下在车间内按照加工工序进行流动，分别与运输小车s²ensor、工位s²ensor和质量检测s²ensor进行感知交互，更新加工进度与加工质量信息，完成加工任务；所述的运输小车s²ensor接收来自智能工件s²ensor、工位s²ensor以及云服务器的运输指令，协助运输小车将工件、刀具/夹具/量具运输至指定位置；所述的工位s²ensor根据智能工件s²ensor广播的加工需求，评估所绑定的加工设备是否满足加工要求，并向智能工件s²ensor做出响应，另外工位s²ensor之间就加工任务进行匹配、谈判，均衡加工设备的生产负荷；所述的质量s²ensor负责判断工件的加工质量是否满足要求，并向工件s²ensor发送质量检测信息。

所述的智能工件s²ensor由配置在工件上的rfid设备(有源式rfid标签、天线与读写器)、智能嵌入式面板和网络连接设备组成。其中，所述的rfid设备用于感知工件位置、加工进度以及工件状态识别；所述的智能嵌入式面板用于异构设备的互联、集成与控制，同时对智能嵌入式面板配置基于rfid的“事件-时间-状态-位置”监控模型和基于auto-id的智能决策算法，实现智能工件s²ensor的自主交互与决策；所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、智能工件s²ensor与其他s²ensor之间、智能工件s²ensor与云服务器之间的intranet/internet、wifi、zigbee的互联。

所述的运输小车s²ensor由配置在运输小车上的rfid天线、读写器、智能嵌入式面板和网络连接设备组成。其中，所述的rfid天线与读写器用于感知识别工件位置与状态；所述的智能嵌入式面板用于异构设备的互联、集成与控制，同时对嵌入式面板配置基于rfid的“事件-时间-状态-位置”监控模型和基于auto-id的智能决策算法，实现运输小车s²ensor的自主交互与决策；所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、运输小车s²ensor与其他s²ensor之间、运输小车s²ensor与云服务器之间的intranet/internet、wifi、zigbee的互联。

所述的工位s²ensor由配置在运输小车上的rfid天线、读写器、各类工况传感设备(功率、加速度、力、红外温度等传感器)、智能嵌入式面板和网络连接设备组成。其中，所述的rfid天线与读写器用于感知识别工件位置与状态、工件加工进度；所述的工况传感设备用于感知加工设备的功率、主轴和刀塔的振动、主轴的力矩、刀具的切削温度等工况信息；所述的智能嵌入式面板用于异构设备的互联、集成与控制，同时对嵌入式面板配置基于rfid的“事件-时间-状态-位置”监控模型、生产事件触发机制、加工设备状态预测、刀具磨损预测等智能决策算法，实现工位s²ensor的自主交互与决策；所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、工位s²ensor与其他s²ensor之间、s²ensor与云服务器之间的intranet/internet、wifi、zigbee的互联。

所述的质量检测s²ensor由配置在质检台上的数显卡尺、粗糙度仪等质量检测设备、智能嵌入式面板和网络连接设备组成。其中，所述的数显卡尺、粗糙度仪用于检测工件的加工质量；所述的智能嵌入式面板用于异构设备的互联、集成与控制，同时对嵌入式面板配置质量控制算法，判断当前工序是否满足工件的质量要求；所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、质量检测s²ensor其他s²ensor之间、质量检测s²ensor与云服务器之间的intranet/internet、wifi、zigbee的互联。

所述的物理传感设备在智能聚合节点中的连接数目，优化配置具体为：根据车间生产过程中检测对象的精度、成本等要求建立量化的目标函数，根据相应的约束条件，确定配置方案中接入的传感设备节点数量，实现传感设备数目的合理分配。

目标函数：

约束：

式中：

num——s²ensor包含的传感设备的数量；

t——根据实际需求的传感设备最小更新周期；

tn——智能聚合节点在一个更新周期中的休眠时间；

ts——s²ensor中传感设备的平均响应时间；

tt——传感数据传到s²ensor缓存模块的传输时间；

c——num个传感设备的成本；

——第i个传感设备的成本；

——第i个传感设备的测量值；

——第i个传感设备的精度要求；

所述的公式(1)和(2)为目标函数，公式(3)和(4)为约束条件。公式(1)的物理意义为s²ensor能接入的传感设备数量必须不大于其智能聚合节点在一个唤醒周期内能访问到的传感设备数量，式中传感设备的平均响应时间ts和传感数据传到s²ensor缓存模块的传输时间tt根据传感设备通讯方式、传输类型、传输数据量大小的不同而不同。所述的公式(2)的物理意义为，通过给s²ensor配置num个传感设备，实现满足测量需求的k个测量值和满足每个传感设备的测量精度要求的目标下，使得配置的num个传感设备的总成本最小。

所述的信息聚合层是连接物理资源层与决策交互层的纽带，一方面，基于预定义的生产事件，信息聚合层为下层的物理资源层传递生产指令/数据采集指令；另一方面，基于数据预处理与集成方法，信息聚合层为上层的决策交互层提供统一的数据访问接口；该层的主要构成部分包括资源描述模型、数据采集触发条件集、虚拟化封装模板集、数据预处理方法集、数据组织模型与接口。

信息聚合层的配置

信息聚合层的配置主要是通过智能聚合节点从软件层面对多类型异构传感设备进行聚合，分成四个步骤，首先对s²ensor中的异构传感设备和智能聚合节点虚拟化，建立物理空间与信息空间的映射关系，明确信息空间中的资源模型的物理意义；然后根据不同传感设备虚拟化模型，创建包括传感设备与智能聚合节点在内的s²ensor虚拟化封装模板；接着，基于封装模板，获取多源异构传感数据并进行预处理；最后，将预处理之后的多源异构传感数据进行重新组织，并向决策交互层和云服务器提供数据接口。

(1)建立s²ensor形式化描述模型

为实现s²ensor与s²ensor之间的准入、互联、发现、数据交互与共享，首先对传感设备进行虚拟化，形式化描述如下：

sd::＝{uri,info,perf,config,data}(5)

式中：

uri——传感设备sd的统一资源定位符，定义了传感设备在s²ensor中的位置，用于区分不同s²ensor下的不同传感设备；

info——传感设备基本信息集合，包括传感设备的名称、型号、类别、生产厂家等；

perf——传感设备的性能指标集合，包括测量参数、范围、精度、响应时间等；

config——传感设备的配置信息集合，包括监测对象、采样频率、测量物理量等配置信息，通过配置不同的config参数，实现对异构传感设备的统一描述；

data——传感设备的感知数据，包括测量值、单位、采集时间等；

在对s²ensor中单个的传感设备描述的基础上，对s²ensor进行形式化描述：

s²ensor::＝{uri,sdlist,info,meth,data,cons}(6)

式中：

uri——s²ensor的统一资源定位符，定义了s²ensor在s²ensor网络中的位置；

sdlist——s²ensor包含的物理传感设备集合，以传感设备的uri作为唯一标识；

info——s²ensor基本信息集合，包括s²ensor的名称、基本描述信息、功能组件、绑定的加工设备等；

meth——s²ensor中传感数据的预处理方法集合，包括数据的清洗去噪、过滤、融合等方法；

data——s²ensor中经过预处理之后的多源异构传感数据；

cons——传感设备安全与权限约束条件；

(2)创建s²ensor虚拟化封装模板

在构建单个传感设备和s²ensor的形式化描述模型的基础上，采用可扩展的资源描述框架(resourcedescriptionframework，rdf)对s²ensor进行虚拟化封装，实现其元数据信息的表达与描述。根据所述的传感设备和s²ensor描述模型，利用rdf资源组件，通过三元组<资源-属性-值>对传感设备和s²ensor进行描述，然后将传感设备的各类信息填充到s²ensor的rdf-xml模板中，完成传感设备的虚拟化过程。

(3)获取多源异构传感数据与预处理

当传感设备实现虚拟化封装后，智能聚合节点会根据传感设备rdf-xml模板中定义的config元素集，找到传感设备在s²ensor中的网络位置，并周期性的监听s²ensor中所有的传感设备状态，将获得的传感数据值、状态等数据填充到data元素集中。考虑到传感设备的异质特性，s²ensor获取传感数据的方式分为数据拉取式和数据推送式两种类型。针对数据拉取方式，首先决策交互层向智能聚合节点下发数据请求，智能聚合节点寻址到目标传感设备，并配置请求所要求的采样频率，然后通过传感设备的rdf模板获取对应传感设备的基本信息、配置信息以及测量数据等；针对数据推送式方式，通过设定推送触发条件，只有满足条件的传感数据才被推送给智能聚合节点。推送触发条件包括数值型、字符串型、布尔型、图片型以及音/视频流型等类型，通过对不同类型触发条件设定条件阈值并进行模式化匹配，筛选出关键的生产过程、加工设备状态工序/工件质量等数据。

通过拉取式或推送式获取的原始生产数据含有异常、重复、乱序、遗漏、不完整等错误，因此在s²ensor的meth元素中接入各类型常用的滤波、数据清洗算法等，对传感数据进行预处理，提高数据采集的完整性、有效性和准确性。

(4)数据组织模型与接口的构建

当传感数据经过预处理之后，将大量的多源异构传感数据进行重新组织，形成半结构化、结构化的数据。考虑到信息聚合层与决策交互层、云服务器之间的数据传输对传输速率、大小等的不同需求，构建信息聚合层与决策交互层之间传输的结构化xml数据模型，信息聚合层和云服务器之间传输的半结构化json数据模型。然后在信息聚合层与决策交互层、信息聚合层与云服务器之间开发统一的数据传输接口，实现传感数据以xml格式或json格式发送至决策交互层或云服务器。

所述的决策交互层提供s²ensor之间、s²ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能；决策交互层包括决策环节与交互环节。

决策交互层的配置

决策交互层的配置分为决策环节的配置与交互环节的配置。决策环节的配置是将信息聚合层获取到的生产过程多源异构传感数据进行综合分析，得到决策结果，为s²ensor的协作交互提供支持。具体而言，对智能工件s²ensor和运输小车s²ensor的智能结合节点配置基于rfid的“事件-时间-状态-位置”监控模型和基于auto-id的智能决策算法，确定智能工件的位置、状态；对工位s²ensor的智能聚合节点配置基于rfid的“事件-时间-状态-位置”监控模型、生产事件触发机制、加工设备状态预测、刀具磨损预测等智能决策算法，判断智能工件额位置、状态、加工进度，预测加工设备和刀具的状态等；对质量检测s²ensor的智能聚合节点配置质量控制算法，判断当前工序是否满足工件的质量要求。交互环节的配置是s²ensor将决策阶段的分析结果与其他s²ensor、智能工件以及云服务器进行协作交互，完成工件的加工。以配置在工位上的s²ensor为例，在工序加工过程中，将获取到的机床主轴加速度、刀塔加速度、机床功率等传感数据进行分析，提取出偏离正常值较大的异常点，然后结合智能工件传过来的工序工艺信息、加工参数信息，综合判断生产过程是否异常，以便做进一步的处理；在工序加工完成后，s²ensor通过测量设备获取的质量信息与智能工件传过来的质量要求相结合，综合判断工序质量是否满足要求，以便做进一步的处理。另一方面，考虑到s²ensor的存储能力、计算能力有限，s²ensor还与云服务器交互，决策交互层将决策信息与生产反馈信息传输给云服务器以供复杂的分析处理，同时云服务器将分析结果以xml生产指令的形式发送给s²ensor。

以一个智能工件进入制造车间加工过程为例来说明s²ensor在去中心化生产过程中的协同交互流程，如图3所示：

(1)云服务器向运输小车s²ensor下达运输指令，运输小车将智能工件运送至制造车间；

(2)智能工件s²ensor向车间所有的机床s²ensor广播加工需求(工艺、质量、完工期等信息)，寻求合适的加工设备；

(3)所有的工位s²ensor接收到智能工件s²ensor广播的加工需求后，结合采集到的加工设备状态，以及云服务器传输过来的加工任务队列，机床s²ensor评估是否能满足加工能力和生产能力的需求，并响应智能工件，接受或拒绝此加工请求；

(5)当有多个工位s²ensor做出接受加工请求的响应后，则在云服务器的强大计算能力协助下匹配、谈判，从成本，完工时间等方面确定合适的工位；

(6)被确定的工位s²ensor向运输小车s²ensor发送运输指令，将智能工件运输至工位的入缓存处等待加工；

(7)在工序的加工过程中，工位s²ensor根据实际加工情况和预定义数据采集触发条件进行拉取式和推送式的数据采集，将各类传感数据以半结构化的json进行组织融合，上传至云服务器做较为复杂的处理；

(8)当工位s²ensor监测到采集的振动、功率等传感数据有偏离正常值较大的情况，分析异常来源，并试图自恢复，若自恢复成功，工序继续加工，如恢复不成功，工位s²ensor广播生产异常信息，一方面运输小车s²ensor收到广播信息后取消运输智能工件至该工位处；另一方面其他工位s²ensor收到广播信息后做出响应，是否承接该工序的后续加工。同时，工位s²ensor向云服务器上传生产异常信息或处理记录；

(9)在该工序加工完成后，质量检测s²ensor通过测量设备获取工序尺寸精度、表面粗糙度等质量信息，并与智能工件传过来的工序质量要求相结合，综合判断工序质量是否满足要求，若满足，则进入步骤(2)开始下一道工序的协作交互与加工；若质量不满足要求，则通知运输小车s²ensor将智能工件运往不合格品区由工人做后续处理。同时，工位s²ensor将质量检测结果写入智能工件中。

以上所述的具体实施方式，仅是对本发明的技术方案和有益效果的详细说明。应当指出，对于本技术领域的技术人员来说，在不脱离本发明原理的前提下，还可以进行改进并在其他实施例中实施，但这些改进应包含在本发明的保护范围之内。