一种确定智能电能表质量技术基础能力的方法和系统与流程

本发明涉及智能电能表生产领域,并且更具体地，涉及一种确定智能电能表质量技术基础能力的方法和系统。

背景技术：

随着我国经济发展方式的转变，输配电价改革也从根本上改变了电力公司的盈利模式和经营模式，这些外部形势要求国家电网公司进一步增强投资精准性，不断通过技术创新促进技术标准和创新的融合转化。智能电网是国内外电力系统创新发展的新方向，也是国家电网公司致力所在。如何对智能电能表厂商生产智能电能表的质量技术基础能力评测，反映电能来行业质量技术基础工作中存在的问题，就成为当前智能电能表生产领域急需解决的一个技术问题。

技术实现要素：

为了解决现有技术中缺乏对智能电能表厂商生产智能电能表的质量技术基础能力进行评测的方法的技术问题，本发明提供了一种确定智能电能表质量技术基础能力的方法，所述方法包括：

步骤1、选择n个智能电能表厂商作为样本，每个样本中包括tu个指标变量，对每个样本采集tu个指标变量的数据值，其中，u的初始值为1；

步骤2、建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵

步骤3、基于所述标准数据矩阵确定所述tu个指标变量的相关系数矩阵

步骤4、根据特征方程|r^u-λ|＝0确定所述方程的特征值以及所述特征值所对应的特征向量其中，

步骤5、基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵，其中，1≤k≤tu，1≤i≤k，所述新变量的方差为对应的特征值

步骤6、基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率，当所述累计方差贡献率不小于设置的第一阈值时，将所述m个主成分因子作为对样本进行主成分分析的m个子系统；

步骤7、对于子系统f1^u，按照所述因子载荷矩阵中f1^u与tu个指标变量的因子载荷系数从大到小的顺序，从所述tu个指标变量中提取tu+1个指标变量，令u＝u+1，当u≤u0时，返回步骤2，其中，u0为预先设置的迭代次数值；

步骤8、当u>u0时，根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其中，1≤i≤m；

步骤9、根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力。

进一步地，所述建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵包括：

基于初始数据矩阵中的指标值计算标准数据矩阵中每个元素x’ij的值，其计算公式为：

式中，1≤i≤n，1≤j≤tu，和σj分别是第j个变量的样本均值和标准差；

根据标准数据矩阵中每个元素x’ij的值生成标准数据矩阵x^u'。

进一步地，基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵包括：

将所述样本中的tu个指标变量进行综合，形成新变量其计算公式为：

按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，其中：

所述主成分因子fl^u满足预先设置的因子约束条件，所述因子约束条件包括：任意两个主成分因子不相关，且fl^u的方差大于的方差，且

将所述主成分因子fl^u中每个变量的系数作为元素组成矩阵，所述矩阵为样本的主成分的因子载荷矩阵；

将所述主成分因子fl^u中每个变量的系数除以特征值的开方作为元素组成矩阵，所述矩阵为样本主成分的得分系数矩阵。

进一步地，所述基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率包括：

计算第i个主成分因子的方差贡献率，其计算公式为：

式中，为第i个主成分因子的方差贡献率；

根据每个主成分因子的方差贡献率，确定从第1个到第m个主成分因子的累计方差贡献率是指将从第1个到第m个主成分因子的方差贡献率求和。

进一步地，所述根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分包括：

根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重其计算公式为：

根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其计算公式为：

式中，为第u0次迭代时第i个主成分因子中第i个指标变量的得分系数，为第u0次迭代时第i个主成分因子的方差贡献率，为第u0次迭代时第i个主成分因子中第i个指标变量的标准数据值。

进一步地，所述根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力包括：

根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，其计算公式为：

式中，a为智能电能表厂商生产电能表的质量技术基础能力得分值；

将所述n个样本的得分值按照从大到小的顺序，得分值越高的厂商，生产单相智能电能表的质量技术基础能力越强。

根据本发明的另一方面，本发明提供一种确定智能电能表质量技术基础能力的系统，所述系统包括：

样本选择单元，其用于选择n个智能电能表厂商作为样本，每个样本中包括tu个指标变量，对每个样本采集tu个指标变量的数据值，其中，u的初始值为1；

数据标准化单元，其用于建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵

相关系数单元，其用于基于所述标准数据矩阵确定所述tu个指标变量的相关系数矩阵以及根据特征方程|r^u-λ|＝0确定所述方程的特征值以及所述特征值所对应的特征向量其中，

主成分分析单元，其用于基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵，其中，1≤k≤tu，1≤i≤k，所述新变量的方差为对应的特征值

子系统单元，其用于基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率，当所述累计方差贡献率不小于设置的第一阈值时，将所述m个主成分因子作为对样本进行主成分分析的m个子系统；

变量提取单元，其用于对于子系统f1^u，按照所述因子载荷矩阵中f1^u与tu个指标变量的因子载荷系数从大到小的顺序，从所述tu个指标变量中提取tu+1个指标变量，令u＝u+1，当u≤u0时，返回数据标准化单元，其中，u0为预先设置的迭代次数值；

数据计算单元，其用于当u>u0时，根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其中，1≤i≤m；

结果输出单元，其用于根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力。

进一步地，所述数据标准化单元包括：

元素确定单元，其用于基于初始数据矩阵中的指标值计算标准数据矩阵中每个元素x’ij的值，其计算公式为：

式中，1≤i≤n，1≤j≤tu，和σj分别是第j个变量的样本均值和标准差；

矩阵生成单元，其用于根据标准数据矩阵中每个元素x’ij的值生成标准数据矩阵x^u'。

进一步地，所述主成分分析单元包括：

新变量单元，其用于将所述样本中的tu个指标变量进行综合，形成新变量其计算公式为：

主成分单元，其用于按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，其中：

所述主成分因子fl^u满足预先设置的因子约束条件，所述因子约束条件包括：任意两个主成分因子不相关，且fl^u的方差大于的方差，且

第一矩阵单元，其用于将所述主成分因子fl^u中每个变量的系数作为元素组成矩阵，所述矩阵为样本的主成分的因子载荷矩阵；

第二矩阵单元，其用于将所述主成分因子fl^u中每个变量的系数除以特征值的开方作为元素组成矩阵，所述矩阵为样本主成分的得分系数矩阵。

进一步地，所述子系统单元基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率包括：

计算第i个主成分因子的方差贡献率，其计算公式为：

式中，为第i个主成分因子的方差贡献率；

根据每个主成分因子的方差贡献率，确定从第1个到第m个主成分因子的累计方差贡献率是指将从第1个到第m个主成分因子的方差贡献率求和。

进一步地，所述数据计算单元包括：

权重计算单元，其用于根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重其计算公式为：

第一得分单元，其用于根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其计算公式为：

式中，为第u0次迭代时第i个主成分因子中第i个指标变量的得分系数，为第u0次迭代时第i个主成分因子的方差贡献率，为第u0次迭代时第i个主成分因子中第i个指标变量的标准数据值。

进一步地，所述结果输出单元包括：

第二得分单元，其用于根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，其计算公式为：

式中，a为智能电能表厂商生产电能表的质量技术基础能力得分值；

结果确定单元，其用于将所述n个样本的得分值按照从大到小的顺序，得分值越高的厂商，生产单相智能电能表的质量技术基础能力越强。

本发明技术方案提供的确定智能电能表质量技术基础能力的方法和系统采用改进的基于分层构权的主成分分析法对智能电能表质量技术基础能力进行评测。所述方法和系统选择智能电能表生产厂商样本，并采集指标的数据值，生成原始数据矩阵，并对所述原始数据矩阵进行归一化生成标准数据矩阵，通过主成分分析法，基于标准数据矩阵确定原始指标变量的主成分，并对所述主成分进行因子分析确定指标子系统，并对所述子系统进行主成分分析，确定子系统中每个主成分因子的权重和得分，最后根据每个样本全部主成分因子的权重和得分得到样本生产智能电能表质量技术基础能力的得分值，确定样本生产智能电能表质量技术基础能力。所述方法和系统通过对智能电能表行业质量技术基础能力指标进行分层构权的主成分分析法，充分对主成分信息进行了再次挖掘，大大提高了评价结果的准确度。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的确定智能电能表质量技术基础能力的方法的流程图；

图2为根据本发明优选实施方式的确定智能电能表质量技术基础能力的系统的结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明优选实施方式的确定智能电能表质量技术基础能力的方法的流程图。如图1所示，本优选实施方式所述的确定智能电能表质量技术基础能力的方法100从步骤101开始。

在步骤101，选择n个智能电能表厂商作为样本，每个样本中包括tu个指标变量，对每个样本采集tu个指标变量的数据值，其中，u的初始值为1。

在步骤102，建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵

由于不同指标之间存在不同量纲，因此在计算之间通过归一化，能够很好地消除量纲的影响，将指标变量的数据标准化。

在步骤103，基于所述标准数据矩阵确定所述tu个指标变量的相关系数矩阵

在步骤104，根据特征方程|r^u-λ|＝0确定所述方程的特征值以及所述特征值所对应的特征向量其中，

在步骤105，基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵，其中，1≤k≤tu，1≤i≤k，所述新变量的方差为对应的特征值

在步骤106，基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率，当所述累计方差贡献率不小于设置的第一阈值时，将所述m个主成分因子作为对样本进行主成分分析的m个子系统。

在步骤107，对于子系统f1^u，按照所述因子载荷矩阵中f1^u与tu个指标变量的因子载荷系数从大到小的顺序，从所述tu个指标变量中提取tu+1个指标变量，令u＝u+1，当u≤u0时，返回步骤102，其中，u0为预先设置的迭代次数值。

进行主成分分析时，当所述指标变量满足因子约束条件时，变换得到的新随机变量彼此之间互不相关，并且方差顺次递减。由于f1^u在总方差中所占比例最大，它综合概括原始指标变量的能力最强，因此，当所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率不小于设置的第一阈值时，确定所述主成分能够概括原始指标变量，从而选取主成分因子中的f1^u进行再次主成分分析，对所述指标变量进行了充分的挖掘，从而提高了评测智能电能表质量技术基础能力的准确度。

在步骤108、当u>u0时，根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其中，1≤i≤m。

在步骤109，根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力。

优选地，所述建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵包括：

基于初始数据矩阵中的指标值计算标准数据矩阵中每个元素x’ij的值，其计算公式为：

式中，1≤i≤n，1≤j≤tu，和σj分别是第j个变量的样本均值和标准差；

根据标准数据矩阵中每个元素x’ij的值生成标准数据矩阵x^u'。

优选地，，基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵包括：

将所述样本中的tu个指标变量进行综合，形成新变量其计算公式为：

按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，其中：

所述主成分因子fl^u满足预先设置的因子约束条件，所述因子约束条件包括：任意两个主成分因子不相关，且fl^u的方差大于的方差，且

将所述主成分因子fl^u中每个变量的系数作为元素组成矩阵，所述矩阵为样本的主成分的因子载荷矩阵；

将所述主成分因子fl^u中每个变量的系数除以特征值的开方作为元素组成矩阵，所述矩阵为样本主成分的得分系数矩阵。

优选地，所述基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率包括：

计算第i个主成分因子的方差贡献率，其计算公式为：

式中，为第i个主成分因子的方差贡献率；

根据每个主成分因子的方差贡献率，确定从第1个到第m个主成分因子的累计方差贡献率是指将从第1个到第m个主成分因子的方差贡献率求和。

优选地，所述根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分包括：

根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重其计算公式为：

根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其计算公式为：

式中，为第u0次迭代时第i个主成分因子中第i个指标变量的得分系数，为第u0次迭代时第i个主成分因子的方差贡献率，为第u0次迭代时第i个主成分因子中第i个指标变量的标准数据值。

优选地，所述根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力包括：

根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，其计算公式为：

式中，a为智能电能表厂商生产电能表的质量技术基础能力得分值；

将所述n个样本的得分值按照从大到小的顺序，得分值越高的厂商，生产单相智能电能表的质量技术基础能力越强。

图2为根据本发明优选实施方式的确定智能电能表质量技术基础能力的系统的结构示意图。如图2所示，本优选实施方式所述的确定智能电能表质量技术基础能力的系统200包括：

样本选择单元201，其用于选择n个智能电能表厂商作为样本，每个样本中包括tu个指标变量，对每个样本采集tu个指标变量的数据值，其中，u的初始值为1。

数据标准化单元202，其用于建立初始数据矩阵并对所述初始数据矩阵x的元素进行归一化，生成标准数据矩阵

相关系数单元203，其用于基于所述标准数据矩阵确定所述tu个指标变量的相关系数矩阵以及根据特征方程|r^u-λ|＝0确定所述方程的特征值以及所述特征值所对应的特征向量其中，

主成分分析单元204，其用于基于所述特征值和特征向量建立新变量并按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，以及所述样本fl^u的因子载荷矩阵和得分系数矩阵，其中，1≤k≤tu，1≤i≤k，所述新变量的方差为对应的特征值

子系统单元205，其用于基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率，当所述累计方差贡献率不小于设置的第一阈值时，将所述m个主成分因子作为对样本进行主成分分析的m个子系统。

变量提取单元206，其用于对于子系统f1^u，按照所述因子载荷矩阵中f1^u与tu个指标变量的因子载荷系数从大到小的顺序，从所述tu个指标变量中提取tu+1个指标变量，令u＝u+1，当u≤u0时，返回数据标准化单元，其中，u0为预先设置的迭代次数值。

数据计算单元207，其用于当u>u0时，根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重以及根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其中，1≤i≤m。

结果输出单元208，其用于根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，并根据每个样本得分值的大小确定其生产电能表的质量技术基础能力。

优选地，所述数据标准化单元202包括：

元素确定单元221，其用于基于初始数据矩阵中的指标值计算标准数据矩阵中每个元素x’ij的值，其计算公式为：

式中，1≤i≤n，1≤j≤tu，和σj分别是第j个变量的样本均值和标准差；

矩阵生成单元222，其用于根据标准数据矩阵中每个元素x’ij的值生成标准数据矩阵x^u'。

优选地，所述主成分分析单元204包括：

新变量单元241，其用于将所述样本中的tu个指标变量进行综合，形成新变量其计算公式为：

主成分单元242，其用于按照预先设置的因子约束条件和新变量确定所述样本的主成分因子fl^u，其中：

所述主成分因子fl^u满足预先设置的因子约束条件，所述因子约束条件包括：任意两个主成分因子不相关，且fl^u的方差大于的方差，且

第一矩阵单元243，其用于将所述主成分因子fl^u中每个变量的系数作为元素组成矩阵，所述矩阵为样本的主成分的因子载荷矩阵；

第二矩阵单元244，其用于将所述主成分因子fl^u中每个变量的系数除以特征值的开方作为元素组成矩阵，所述矩阵为样本主成分的得分系数矩阵。

优选地，所述子系统单元205基于所述主成分因子fl^u的方差值计算从第1个到第m个主成分因子的累计方差贡献率包括：

计算第i个主成分因子的方差贡献率，其计算公式为：

式中，为第i个主成分因子的方差贡献率；

根据每个主成分因子的方差贡献率，确定从第1个到第m个主成分因子的累计方差贡献率是指将从第1个到第m个主成分因子的方差贡献率求和。

优选地，所述数据计算单元207包括：

权重计算单元271，其用于根据主成分因子的方差贡献率和tu0个指标变量的得分系数，确定主成分的权重其计算公式为：

第一得分单元272，其用于根据每个主成分中tu-1个指标变量的得分系数和指标变量的标准数据值确定主成分得分其计算公式为：

式中，为第u0次迭代时第i个主成分因子中第i个指标变量的得分系数，为第u0次迭代时第i个主成分因子的方差贡献率，为第u0次迭代时第i个主成分因子中第i个指标变量的标准数据值。

优选地，所述结果输出单元208包括：

第二得分单元281，其用于根据所述主成分的权重和主成分得分确定智能电能表厂商生产电能表的质量技术基础能力得分值，其计算公式为：

式中，a为智能电能表厂商生产电能表的质量技术基础能力得分值；

结果确定单元282，其用于将所述n个样本的得分值按照从大到小的顺序，得分值越高的厂商，生产单相智能电能表的质量技术基础能力越强。

本发明所述确定智能电能表质量技术基础能力的系统对智能电能表质量技术基础能力进行评测的方法与本发明所述确定智能电能表质量技术基础能力的方法的步骤相同，并且达到的技术效果也相同，此处不再赘述。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。