基于数据中心的高热密度智能制冷方法及系统与流程

1.本技术涉及数据处理技术领域，具体而言，涉及基于数据中心的高热密度智能制冷方法及系统。


背景技术：

2.随着数据中心的功能不断的增加，数据中心里的功能设备不断的增加，这样就容易导致数据中心发热量过大，从而使功能设备发生故障的情况。所以急需一种制冷方法，以待解决数据中心过热的问题，从而能有效的保护功能设备安全工作，从而提高工作效率。


技术实现要素：

3.鉴于此，本技术提供了基于数据中心的高热密度智能制冷方法及系统。
4.第一方面，提供一种基于数据中心的高热密度智能制冷方法，包括：
5.获取待处理热度数据描述策略，以及获取所述待处理热度数据描述策略全局对应的描述温度特征向量，所述待处理热度数据描述策略是根据对象热度数据类别拆分得到的若干类别，所述描述温度特征向量是基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成的；
6.基于待描述热度数据包含的热度数据，生成热度数据温度特征向量；
7.基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略。
8.进一步地，所述获取所述待处理热度数据描述策略全局对应的描述温度特征向量，包括：
9.获取若干对象热度数据类别对应的重要温度特征向量，以及获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵；
10.将若干对象热度数据类别对应的重要温度特征向量进行拼接处理，生成对象特征分布制冷矩阵；
11.基于所述对象特征分布制冷矩阵以及所述投影分布制冷矩阵，生成所述待处理热度数据描述策略全局对应的描述温度特征向量。
12.进一步地，所述获取若干对象热度数据类别对应的重要温度特征向量，包括：
13.针对每个对象热度数据类别，分别获取包含所述对象热度数据类别的目标历史对象；
14.针对每个对象热度数据类别，分别对所述目标历史对象进行重要内容识别，得到所述目标历史对象对应的样本重要温度特征向量；
15.针对每个对象热度数据类别，基于所述目标历史对象对应的样本重要温度特征向量的标准识别指标，生成所述对象热度数据类别对应的重要温度特征向量。
16.进一步地，所述获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵，包括：
17.确定所述若干对象热度数据类别中每两个对象热度数据类别之间的关联性；
18.基于所述关联性，生成用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵。
19.进一步地，所述基于待描述热度数据包含的热度数据，生成热度数据温度特征向量，包括：
20.基于待描述热度数据包含的对象热度数据，生成所述对象热度数据对应的重要温度特征向量，以及基于待描述热度数据包含的重要热度数据，生成所述重要热度数据对应的重要温度特征向量；
21.对所述重要温度特征向量以及所述重要温度特征向量进行特征拼接，生成热度数据温度特征向量。
22.进一步地，通过预配置的训练线程来生成所述对象热度数据对应的重要温度特征向量，所述基于数据中心的高热密度智能制冷方法还包括：
23.获取包含所述待处理热度数据描述策略对应的对象热度数据类别的待处理对象；
24.对所述待处理对象进行挑选处理，生成挑选后的对象；基于所述挑选后的对象以及所述待处理对象，生成配置样本描述方式集，所述配置样本描述方式集中的每个样本描述方式包含历史对象以及所述历史对象所属的待处理热度数据描述策略；
25.基于所述配置样本描述方式集对待配置的训练线程进行配置，得到所述预配置的训练线程。
26.进一步地，所述基于待描述热度数据包含的重要热度数据，生成所述重要热度数据对应的重要温度特征向量，包括：
27.对所述待描述热度数据包含的重要热度数据进行识别处理，得到所述重要热度数据对应的识别结果以及所述识别结果所包含的每个描述方式在所述识别结果所处的模拟方式；
28.基于所述识别结果，生成所述每个描述方式对应的方式温度特征向量，以及基于所述识别结果所包含的每个描述方式在所述识别结果所处的模拟方式，生成方式温度特征向量；
29.基于所述方式温度特征向量对所述每个描述方式对应的方式温度特征向量进行拼接处理，生成包含全局模拟状态的重要温度特征向量。
30.进一步地，所述基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略，包括：
31.基于所述热度数据温度特征向量以及所述描述温度特征向量，判断所述待描述热度数据属于所述待处理热度数据描述策略时的描述判断重要程度；
32.基于所述描述判断重要程度，在所述待处理热度数据描述策略中选取描述判断重要程度最大的待处理热度数据描述策略；
33.若所选取的待处理热度数据描述策略对应的描述判断重要程度满足预设描述判断重要程度阈值，则将所选取的待处理热度数据描述策略作为所述待描述热度数据所属的热度数据描述策略。
34.进一步地，在所述基于所述热度数据温度特征向量以及所述描述温度特征向量，
在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略之后，所述基于数据中心的高热密度智能制冷方法还包括：
35.若对象的描述热度特征中不存在与所述待描述热度数据所属的热度数据描述策略匹配的特征，则将所述待描述热度数据加载至拒绝向所述对象进行实施的热度数据主要方式；
36.若对象的描述热度特征中存在与所述待描述热度数据所属的热度数据描述策略匹配的特征，则将所述待描述热度数据加载为向所述对象进行实施的热度数据次要方式。
37.第二方面，提供一种基于数据中心的高热密度智能制冷系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
38.本技术实施例所提供的基于数据中心的高热密度智能制冷方法及系统，通过基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成待处理热度数据描述策略全局对应的描述温度特征向量，并通过待描述热度数据包含的热度数据生成热度数据温度特征向量，由于热度数据温度特征向量反映了待描述热度数据所具有的特征信息描述，而温度特征向量是对不同描述方式进行表征的一种特征信息，通过描述温度特征向量和热度数据温度特征向量可以实现对待描述热度数据进行更加精确地描述识别，有效提高了对待描述热度数据进行热度数据描述的准确度，从而提高制冷效果。
附图说明
39.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
40.图1为本技术实施例所提供的一种基于数据中心的高热密度智能制冷方法的流程图。
41.图2为本技术实施例所提供的一种基于数据中心的高热密度智能制冷装置的框图。
42.图3为本技术实施例所提供的一种基于数据中心的高热密度智能制冷系统的架构图。
具体实施方式
43.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
44.请参阅图1，示出了一种基于数据中心的高热密度智能制冷方法，该方法可以包括以下步骤100-步骤300所描述的技术方案。
45.步骤100，获取待处理热度数据描述策略，以及获取所述待处理热度数据描述策略
全局对应的描述温度特征向量，所述待处理热度数据描述策略是根据对象热度数据类别拆分得到的若干类别，所述描述温度特征向量是基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成的。
46.举例而言，待处理热度数据描述策略表示需要描述的相关数据。
47.步骤200，基于待描述热度数据包含的热度数据，生成热度数据温度特征向量。
48.举例而言，热度数据温度特征向量表示相关数据对应单一描述的方式。
49.步骤300，基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略。
50.举例而言，热度数据描述策略表示对应的描述方式。
51.可以理解，在执行上述步骤100-步骤300所描述的技术方案时，通过基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成待处理热度数据描述策略全局对应的描述温度特征向量，并通过待描述热度数据包含的热度数据生成热度数据温度特征向量，由于热度数据温度特征向量反映了待描述热度数据所具有的特征信息描述，而温度特征向量是对不同描述方式进行表征的一种特征信息，通过描述温度特征向量和热度数据温度特征向量可以实现对待描述热度数据进行更加精确地描述识别，有效提高了对待描述热度数据进行热度数据描述的准确度，从而提高制冷效果。
52.在一种可替换的实施例中，发明人发现，获取所述待处理热度数据描述策略全局对应的描述温度特征向量时，存在重要温度特征向量不准确的问题，从而难以准确地获取所述待处理热度数据描述策略全局对应的描述温度特征向量，为了改善上述技术问题，步骤100所描述的获取所述待处理热度数据描述策略全局对应的描述温度特征向量的步骤，具体可以包括以下步骤q1-步骤q3所描述的技术方案。
53.步骤q1，获取若干对象热度数据类别对应的重要温度特征向量，以及获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵。
54.步骤q2，将若干对象热度数据类别对应的重要温度特征向量进行拼接处理，生成对象特征分布制冷矩阵。
55.步骤q3，基于所述对象特征分布制冷矩阵以及所述投影分布制冷矩阵，生成所述待处理热度数据描述策略全局对应的描述温度特征向量。
56.可以理解，在执行上述步骤q1-步骤q3所描述的技术方案时，获取所述待处理热度数据描述策略全局对应的描述温度特征向量时，避免重要温度特征向量不准确的问题，从而能够准确地获取所述待处理热度数据描述策略全局对应的描述温度特征向量。
57.在一种可替换的实施例中，发明人发现，获取若干对象热度数据类别对应的重要温度特征向量，存在每个对象热度数据类别不准确的问题，从而难以准确地获取若干对象热度数据类别对应的重要温度特征向量，为了改善上述技术问题，步骤q1所描述的获取若干对象热度数据类别对应的重要温度特征向量的步骤，具体可以包括以下步骤q1a1-步骤q1a3所描述的技术方案。
58.步骤q1a1，针对每个对象热度数据类别，分别获取包含所述对象热度数据类别的目标历史对象。
59.步骤q1a2，针对每个对象热度数据类别，分别对所述目标历史对象进行重要内容
识别，得到所述目标历史对象对应的样本重要温度特征向量。
60.步骤q1a3，针对每个对象热度数据类别，基于所述目标历史对象对应的样本重要温度特征向量的标准识别指标，生成所述对象热度数据类别对应的重要温度特征向量。
61.可以理解，在执行上述步骤q1a1-步骤q1a3所描述的技术方案时，获取若干对象热度数据类别对应的重要温度特征向量，避免每个对象热度数据类别不准确的问题，从而能够准确地获取若干对象热度数据类别对应的重要温度特征向量。
62.在一种可替换的实施例中，发明人发现，获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵时，存在每两个对象热度数据类别之间的匹配不准确的问题，从而难以准确地获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵，为了改善上述技术问题，步骤q1所描述的获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵的步骤，具体可以包括以下步骤q1b1和步骤q1b2所描述的技术方案。
63.步骤q1b1，确定所述若干对象热度数据类别中每两个对象热度数据类别之间的关联性。
64.步骤q1b2，基于所述关联性，生成用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵。
65.可以理解，在执行上述步骤q1b1和步骤q1b2所描述的技术方案时，获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵时，避免每两个对象热度数据类别之间的匹配不准确的问题，从而能够准确地获取包含所述若干对象热度数据类别之间的投影关系的投影分布制冷矩阵。
66.在一种可替换的实施例中，发明人发现，基于待描述热度数据包含的热度数据时，存在重要温度特征向量不精确的问题，从而难以精确地生成热度数据温度特征向量，为了改善上述技术问题，步骤200所描述的基于待描述热度数据包含的热度数据，生成热度数据温度特征向量的步骤，具体可以包括以下步骤w1和步骤w2所描述的技术方案。
67.步骤w1，基于待描述热度数据包含的对象热度数据，生成所述对象热度数据对应的重要温度特征向量，以及基于待描述热度数据包含的重要热度数据，生成所述重要热度数据对应的重要温度特征向量。
68.步骤w2，对所述重要温度特征向量以及所述重要温度特征向量进行特征拼接，生成热度数据温度特征向量。
69.可以理解，在执行上述步骤w1和步骤w2所描述的技术方案时，基于待描述热度数据包含的热度数据时，避免重要温度特征向量不精确的问题，从而能够精确地生成热度数据温度特征向量。
70.基于上述基础，通过预配置的训练线程来生成所述对象热度数据对应的重要温度特征向量，还可以包括以下步骤e1-步骤e3所描述的技术方案。
71.步骤e1，获取包含所述待处理热度数据描述策略对应的对象热度数据类别的待处理对象。
72.步骤e2，对所述待处理对象进行挑选处理，生成挑选后的对象；基于所述挑选后的对象以及所述待处理对象，生成配置样本描述方式集，所述配置样本描述方式集中的每个样本描述方式包含历史对象以及所述历史对象所属的待处理热度数据描述策略。
73.步骤e3，基于所述配置样本描述方式集对待配置的训练线程进行配置，得到所述预配置的训练线程。
74.可以理解，在执行上述步骤e1-步骤e3所描述的技术方案时，通过精确地对待处理对象进行挑选处理，从而能够准确地得到预配置的训练线程。
75.在一种可替换的实施例中，发明人发现，基于待描述热度数据包含的重要热度数据，存在每个描述方式在所述识别结果所处的模拟方式不准确的问题，从而难以准确地生成所述重要热度数据对应的重要温度特征向量，为了改善上述技术问题，步骤w1所描述的基于待描述热度数据包含的重要热度数据，生成所述重要热度数据对应的重要温度特征向量的步骤，具体可以包括以下步骤w1a1-步骤w1a3所描述的技术方案。
76.步骤w1a1，对所述待描述热度数据包含的重要热度数据进行识别处理，得到所述重要热度数据对应的识别结果以及所述识别结果所包含的每个描述方式在所述识别结果所处的模拟方式。
77.步骤w1a2，基于所述识别结果，生成所述每个描述方式对应的方式温度特征向量，以及基于所述识别结果所包含的每个描述方式在所述识别结果所处的模拟方式，生成方式温度特征向量。
78.步骤w1a3，基于所述方式温度特征向量对所述每个描述方式对应的方式温度特征向量进行拼接处理，生成包含全局模拟状态的重要温度特征向量。
79.可以理解，在执行上述步骤w1a1-步骤w1a3所描述的技术方案时，基于待描述热度数据包含的重要热度数据，避免每个描述方式在所述识别结果所处的模拟方式不准确的问题，从而能够准确地生成所述重要热度数据对应的重要温度特征向量。
80.在一种可替换的实施例中，发明人发现，基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略时，存在描述重要程度不准确的问题，从而难以准确地判断所述待描述热度数据所属的热度数据描述策略，为了改善上述技术问题，步骤300所描述的基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略的步骤，具体可以包括以下步骤t1-步骤t3所描述的技术方案。
81.步骤t1，基于所述热度数据温度特征向量以及所述描述温度特征向量，判断所述待描述热度数据属于所述待处理热度数据描述策略时的描述判断重要程度。
82.步骤t2，基于所述描述判断重要程度，在所述待处理热度数据描述策略中选取描述判断重要程度最大的待处理热度数据描述策略。
83.步骤t3，若所选取的待处理热度数据描述策略对应的描述判断重要程度满足预设描述判断重要程度阈值，则将所选取的待处理热度数据描述策略作为所述待描述热度数据所属的热度数据描述策略。
84.可以理解，在执行上述步骤t1-步骤t3所描述的技术方案时，基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略时，避免描述重要程度不准确的问题，从而能够准确地判断所述待描述热度数据所属的热度数据描述策略。
85.基于上述基础，，在所述基于所述热度数据温度特征向量以及所述描述温度特征
向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略之后，还可以包括以下步骤y1和步骤y2所描述的技术方案。
86.步骤y1，若对象的描述热度特征中不存在与所述待描述热度数据所属的热度数据描述策略匹配的特征，则将所述待描述热度数据加载至拒绝向所述对象进行实施的热度数据主要方式。
87.步骤y2，若对象的描述热度特征中存在与所述待描述热度数据所属的热度数据描述策略匹配的特征，则将所述待描述热度数据加载为向所述对象进行实施的热度数据次要方式。
88.可以理解，在执行上述步骤y1和步骤y2所描述的技术方案时，通过对描述热度特征进行精确地分析，这样能准确地对将所述待描述热度数据加载为向所述对象进行划分的热度数据次要方式。
89.在上述基础上，请结合参阅图2，提供了一种基于数据中心的高热密度智能制冷装置200，应用于数据终端，所述装置包括：
90.策略获取模块210，用于获取待处理热度数据描述策略，以及获取所述待处理热度数据描述策略全局对应的描述温度特征向量，所述待处理热度数据描述策略是根据对象热度数据类别拆分得到的若干类别，所述描述温度特征向量是基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成的；
91.特征生成模块220，用于基于待描述热度数据包含的热度数据，生成热度数据温度特征向量；
92.策略判断模块230，用于基于所述热度数据温度特征向量以及所述描述温度特征向量，在所述待处理热度数据描述策略中判断所述待描述热度数据所属的热度数据描述策略。
93.在上述基础上，请结合参阅图3，示出了一种基于数据中心的高热密度智能制冷系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
94.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
95.综上，基于上述方案，通过基于若干对象热度数据类别对应的重要温度特征向量以及用于表示对象热度数据类别之间的投影关系的投影分布制冷矩阵生成待处理热度数据描述策略全局对应的描述温度特征向量，并通过待描述热度数据包含的热度数据生成热度数据温度特征向量，由于热度数据温度特征向量反映了待描述热度数据所具有的特征信息描述，而温度特征向量是对不同描述方式进行表征的一种特征信息，通过描述温度特征向量和热度数据温度特征向量可以实现对待描述热度数据进行更加精确地描述识别，有效提高了对待描述热度数据进行热度数据描述的准确度，从而提高制冷效果。
96.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计
算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
97.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
98.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
99.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
100.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
101.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
102.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务
(saas)。
103.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
104.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
105.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
106.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
107.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
108.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。