核电厂用水系统泵管优化方法

1.本发明属于核电用水系统技术领域，尤其涉及一种核电厂用水系统泵管优化方法。


背景技术：

2.为核电智能运维的核心技术之一，核电重要厂用水系统个性化定制技术具有自动化程度高、劳动强度低、学习成本低、综合性好、可靠性强、个性化程度高，适用于设计对象较多、参数范围较大、决策目标维度较高的大型装备系统个性化快速精准设计。由于sec系统设计模型复杂，实际工程中系统流量、管道尺寸、泵组型号、水损件配置等参数变化都可能影响系统安全性和经济性，因此，核电重要厂用水系统个性化定制技术的竞争力亟待增强。
3.核电重要厂用水泵管参数决定了系统水力特性，所以对泵管参数的选择尤为重要。所谓的泵管参数设计是指考虑全寿期复杂工况变化，基于系统取水能力、设备可靠性和运行维护成本对sec泵型号和管道的直径、糙率进行优化。传统设计方法采用专家决策系统，通过随机试错的方式对参数进行优化，不仅效率较低、生成方案质量较差，而且对从业人员专业素养的要求极高。
4.在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。


技术实现要素：

5.本发明的目的是提供一种核电厂用水系统泵管优化方法，能够构造自适应阈值划分参数空间，进而匹配合适的遗传算子来满足不同的搜索能力需求，避免优化中出现“早熟”或不收敛问题。同时阈值构造能够在传统多目标优化算法框架下引入约束条件，使其适用于多目标约束优化问题，避免了通过随机试错方式确定泵管参数，从而可以有效的提高设计方案的综合性能。
6.为了实现上述目的，本发明提供如下技术方案：
7.本发明的一种核电厂用水系统泵管优化方法包括：
8.第一步骤，按照核电厂用水系统的水力特性和几何连接关系，构建构成管道网络的海水隧洞、拦污栅、泵前取水管道、泵房、sec泵、热交换器和泵后取水管道模型，模型输入包括管道网络布置和外海潮位两个变量，决策目标包括冷源安全、泵过热时间、运维成本、采购成本、土建成本五个维度，设计对象包括海水隧洞直径、泵前取水管道直径、泵后取水管道直径、泵前取水管道直径、泵前取水管道糙率、sec泵型号六个变量；
9.第二步骤，基于遗传算法求解全寿期多工况下的管道特性曲线、泵族流量-扬程曲线和泵族流量-效率曲线以分析泵管的运行状态。采用二进制编码随机生成位于[0，5000]的流量矩阵q作为初代种群；计算管道的平均流速vi、沿程水头损失hf和局部水头损失hj，
[0010][0011]
其中l、d表示管道长度和内径，λ表示沿程水头损失系数，ζ表示局部水头损失系数，
[0012]
构造适应度函数fit(x，q)＝|hf(x，q)+hj(x，q)-f
q-h
(x，q)|，
[0013]
其中x表示基于设计对象所生成的随机方案，f
q-h
表示泵体流量-扬程特性曲线，
[0014]
对适应度进行归一化和线性尺度变换处理，
[0015][0016]
其中c
mul
表示线性变化系数，f
avg
、f
max
、f
min
分别表示随机方案x在流量q对应的平均适应度、最大适应度和最小适应度。
[0017]
基于遗传算法对种群不断进行选择、交叉、变异直至满足终止条件后，求解sec全寿期多工况下的运行流量。采用三元竞标赛方法从流量矩阵中随机挑选出三个流量值，选择适应度较低的优秀个体作为父代，将被选择个体进行两两配对，按照交叉概率对其进行替换重组形成子代个体。对生成子代的部分码位按照变异概率进行突变，若变异后子代的适应度更好将会被保留下来，否则将会继续保存变异前的个体。最终，得到全寿期多工况下sec泵运行效率p
l
＝f
q-p
(x，q，l)，其中f
q-p
表示泵体流量-扬程特性曲线，l表示五种典型工况；
[0018]
第三步骤，基于所述运行状态，构建优化目标函数和设计约束函数并进行归一化和尺度变换处理，获得作为评价指标的适应度函数，其中，采购成本、土建成本、运行成本作为优化目标函数；
[0019][0020]
其中f1、f2、f3分别表示运行成本、采购成本和土建成本，p1、p2、p3分别表示低潮位、高频潮位、高潮位下sec泵运行功率，fre1、fre2、fre3分别表示低潮位、高频潮位、高潮位对应的潮位频率，f
电
、f
泵
、f
管
、f
土
、t
电
分别表示厂用电单价、泵功率造价、单位管道造价、土方单价和电厂寿期，l、d、h、ρ分别表示管道的长度、直径、厚度和材料密度，
[0021]
泵族电机保护要求和sec取水安全需求作为设计约束函数：
[0022]
c1(x)＝relu(f
流量-q1)，c2(x)＝relu(p
4-f
功率
)，
[0023]
其中relu表示激活函数，其对负数输出绝对值，而对正数输出0，q1、p4分
[0024]
别表示sec泵低潮位下流量和最高潮位功率，f
流量
、f
功率
分别表示单泵最小流量和最大功率，按照维度对约束函数进行归一化处理，计算方案的约束违反度：
[0025][0026]
按照维度对目标函数进行归一化和线性适应度变换，
[0027][0028]
其中c
mult
表示线性变化系数，f
imax
、f
iavg
、f
imin
分别表示方案集在第i维目标的最大目标函数值、最小目标函数值和平均目标函数值，f
′i(x)表示归一化后目标函数值，f
″i(x)表示线性尺度变化后目标函数值；
[0029]
第四步骤，采用改进的增强型快速非支配排序算法，对方案进行类别和层次的划分，求解不同层方案的非支配等级和同层方案的拥挤度距离，其中，
[0030]
根据当前优化代数，计算当前的约束容忍度ε；
[0031][0032]
采用二存档策略，将种群划分可行域n0和不可行域n1；
[0033][0034]
基于特定维度的目标函数值对方案进行降序排列，再逐一判断相邻方案的非支配等级，求解公式如下；
[0035][0036]
其中n0表示降序排列后的可行域方案序列，η表示其对应的非支配等级序列，fj(x)表示其对应的各维度目标函数值，
[0037]
基于约束违反度对方案进行降序排列，再逐一判断相邻方案的非支配等级，求解公式如下；
[0038][0039]
其中n1表示降序排列后的不可行方案序列，η
′
表示其对应的非支配等级序列，c
(x)表示方案的约束违反度，
[0040]
按照目标维度数，分别对方案进行升序排序，对排序边缘上具有选择优势的个体设其拥挤度为1，对排序中间的个体按照公式计算拥挤度，最后总和不同维度上个体的拥挤度作为同层方案优劣性的评价依据，公式如下；
[0041][0042]
第五步骤，对可行域方案和不可行域方案分别采用moga算法和de算法，通过选择、交叉、变异操作，各自对参数进行迭代优化，采用精英保留策略将两种算法的优化结果进行合并，得到最优方案。
[0043]
所述的一种核电厂用水系统泵管优化方法中，第五步骤中，可行域方案采用mode算法得到全局最优解，其中，
[0044]
采用三元竞标赛方法从待优化方案中随机挑选出三个对象，先比较个体的非劣级别，级别最低的个体优先被选择，如果级别相同则比较拥挤度，拥挤距度大的个体优先被选择，
[0045]
将被选择个体进行两两配对，按照交叉概率对其进行替换重组形成子代个体，
[0046]
将生成子代的部分码位按照变异概率进行突变，若变异后子代的非支配等级和拥挤度更好将会被保留下来，否则将会继续保存变异前的个体。
[0047]
所述的一种核电厂用水系统泵管优化方法中，替换重组形成子代个体中采用模拟二进制交叉算子，选定分布系数η＝1，生成随机数uj，根据公式生成新个体，
[0048][0049]
所述的一种核电厂用水系统泵管优化方法中，突变时，采用多项式变异的方法，选定分布指数w＝11，生成随机数qj，根据公式进行操作：
[0050][0051]
所述的一种核电厂用水系统泵管优化方法中，第五步骤中，不可行域方案采用de算法得到局部最优解，其中，采用差分策略实现个体变异，从种群中随机选择两个不同的个体，计算其向量差并由差分放缩因子f处理，最终与待变异个体进行向量合成，得到子代个体，
[0052]hi
(g+1)＝x
p1
(g)+f*(x
p2
(g)-x
p3
(g))，
[0053]
其中x
p1
(g)、x
p2
(g)、x
p3
(g)表示第g代优化过程中随机选择的待优化个体，将被选择个体进行两两配对，按照交叉概率对其进行替换重组形成子代个体，
[0054]
采用贪婪策略形成下一代种群，每次交叉和变异后，比较父代个体和子代个体的非支配等级与拥挤度，保留最优个体进入下一代种群，
[0055][0056]
其中vi(g)、xi(g)，分别表示第i次选择中随机抽取的子代个体和父代个体，xi(g+1)表示生成的下一代个体，η(x)表示个体的非支配等级，
[0057]
引入精英保留策略：构建记录器t储存优化进程中的最优解，最优解为非支配等级为0的可行方案和非支配等级为k的不可行方案，每次参数优化完成后，重新对优化结果和t中个体进行步骤四中的改进增强型快速非支配排序，保留较优解形成子代种群，并更新记录器t，重复操作逐步对方案参数进行优化。
[0058]
在上述技术方案中，本发明提供的一种核电厂用水系统泵管优化方法，具有以下有益效果：本发明构建sec多目标优化模型，包括对系统布置、工况条件、决策目标的简化分析；预测全寿期复杂工况下sec泵的运行状态，求解方案的目标适应度和约束违反度，进行归一化和尺度变化处理；提出了改进的增强型快速非支配排序方法，基于自适应的安全冗余度评价多维目标下方案优劣性；最终根据提出的启发式混合智能算法，按照方案特点选择搜索能力与之相匹配的智能算法进行参数优化。本发明针对多目标优化算法不适用于约束优化的问题，提出了基于改进增强型快速非支配排序方法的约束优化算法框架，无需对传统方法进行任何改动即可求解约束优化问题，适用性极强；针对传统多目标优化方法搜索能力单一，容易出现
‘
早熟’或不收敛缺陷，提出了一种启发式混合智能方法，有效提升了算法的效率和收敛性。同时，本发明为sec的多目标优化设计提供了快速智能方法，为后续sec冷源安全和岸滩淤积分析提供目标导向。
附图说明
[0059]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0060]
图1为本发明中核电厂用水系统泵管优化方法的流程示意图；
[0061]
图2为基于国际标准测试函数osy所提方法和moga、de方法的优化结果对比图；
[0062]
图3为基于国际标准测试函数osy所提方法和moga、de方法的性能指标对比图；
[0063]
图4为本发明中核电厂用水系统泵管优化方法的一个实施例的管路特性求解示意图；
[0064]
图5为本发明中核电厂用水系统泵管优化方法的一个实施例的基于管路特性求解泵功率的误差变化曲线示意图；
[0065]
图6为本发明中核电厂用水系统泵管优化方法的一个实施例的hv变化曲线示意图。
具体实施方式
[0066]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术
人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0067]
因此，以下对在附图图1至图6中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0068]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0069]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0070]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0071]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0072]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0073]
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。如图1至图6所示，一种核电厂用水系统泵管优化方法包括，
[0074]
步骤一：根据系统的水力特性和几何连接关系，构建简化数学模型，确定设计输入、输出和优化对象，基于工艺条件确定优化对象的取值范围和步长。
[0075]
步骤二：基于《水力计算手册》和遗传算法，求解全寿期多工况下的管道特性曲线、泵族流量—扬程曲线和泵族流量—效率曲线，精准分析泵管的运行状态；
[0076]
步骤三：基于运行状态，构建优化目标函数和设计约束函数，并进行归一化和尺度变换处理，获得作为评价指标的适应度函数；
[0077]
步骤四：采用改进的增强型快速非支配排序算法，对方案进行类别和层次的划分，求解不同层方案的非支配等级和同层方案的拥挤度距离，评价多维目标下方案的优劣性；
[0078]
步骤五：采用启发式混合智能算法，对可行域方案和不可行域方案分别采用多目
标遗传算法和差分进化，通过选择、交叉、变异操作，各自对参数进行迭代优化。最终，采用精英保留策略将两种算法的优化结果进行合并，得到最优方案。
[0079]
步骤一所述的简化数学模型和相关参数步骤如下：
[0080]
数学模型包括对sec布置简化和全寿期工况简化。按照系统的水力特性和几何连接关系，简化sec为七种关键设备：海水隧洞、拦污栅、泵前取水管道、泵房、sec泵、热交换器，各对象通过局部水损件相连接，构成管道网络；按照专家经验，简化全寿期内复杂变工况为五种典型工况，包括高频潮位、高潮位、低潮位、最低潮位、最高潮位。
[0081]
选择以管道网络布置和外海潮位记录为设计输入，选择以泵管工艺参数中六个变量为设计对象，包括海水隧洞直径、泵前取水管道直径、泵前取水管道糙率、泵后取水管道直径、泵后取水管道糙率和sec泵种类。选择以sec评价指标中五个变量为设计输出，包括土建成本、运营成本、采购成本、sec泵最高功率、sec泵最低效率。
[0082]
步骤二所述的基于全寿期多工况预测方案的运行状态步骤如下
[0083]
(1)采用二进制编码，设置有效位数为小数点后两位，随机生成位于[0，5000]的流量矩阵q作为初代种群；
[0084]
(2)求解管道过流断面的平均流速vi。按照达西-魏斯巴哈公式求解管道的沿程水头损失hf，按照《水力计算手册》中公式，求解局部水损件的局部水头损失。
[0085][0086]
其中l表示管道长度，d表示管道内径，λ表示沿程水头损失系数。ζ表示局部水头损失系数，可查阅《水力计算手册》进行确定。
[0087]
(3)构造适应度函数fit(x，q)：
[0088]
fit(x，q)＝|hf(x，q)+hj(x，q)-f
q-h
(x，q)|
[0089]
x表示基于设计对象所生成的随机方案，f
q-h
表示泵体流量-扬程特性曲线。
[0090]
(4)对适应度进行归一化和线性尺度变换处理，减少个体间差异性防止算法过早陷入局部最优解。
[0091][0092]
其中c
mult
表示线性变化系数，f
avg
、f
max
、f
min
分别表示方案x在流量q对应的平均适应度、最大适应度和最小适应度。
[0093]
(5)基于遗传算法对种群不断进行选择、交叉、变异直至满足终止条件后，精确求解sec全寿期多工况下的运行流量。
[0094]
①
选择：根据优胜劣汰机制，采用三元竞标赛方法从流量矩阵中随机挑选出三个流量值，选择适应度较低的优秀个体作为父代。
[0095]
②
交叉：将被选择个体进行两两配对，按照交叉概率pc＝0.6对其进行替换重组形
成子代个体。本专利采用单点交叉算子的方式，即随机产生1个交叉点进行基因的相互替代。
[0096][0097]
其中u表示取值在[0，1]的均匀分布，q[k]表示其第k个二进制码位。
[0098]
③
变异：将生成子代的部分码位按照变异概率pm＝0.2进行突变，若变异后子代的适应度更好将会被保留下来，否则将会继续保存变异前的个体。本专利采用单点制位翻转突变的方法，即随机产生一个变异点进行基因的数值翻转。变异方式如下：
[0099][0100]
其中u表示取值在[0，1]的均匀分布，q[n]表示其第n个二进制码位
[0101]
(6)基于泵族流量-效率特性曲线，求解全寿期多工况下sec泵运行效率。
[0102]
p
l
＝f
q-p
(x，q，l)
[0103]
其中f
q-p
表示泵体流量-扬程特性曲线，l表示2中的五种典型工况，
[0104]
步骤三所述的基于方案运行状态的预测分析，构造目标和约束函数，并进行归一化和线性尺度变化步骤如下：
[0105]
(1)选择方案评价指标中三个变量：采购成本、土建成本、运行成本，作为优化目标函数；
[0106][0107]
其中f1、f2、f3分别表示运行成本、采购成本和土建成本，p1、p2、p3分别表示低潮位、高频潮位、高潮位下sec泵运行功率，fre1、fre2、fre3分别表示低潮位、高频潮位、高潮位对应的潮位频率，f
电
、f
泵
、f
管
、f
土
、t
电
分别表示厂用电单价、泵功率造价、单位管道造价、土方单价和电厂寿期，l，d，h，ρ分别表示管道的长度、直径、厚度和材料密度。
[0108]
(2)选择方案评价指标中两个变量：泵族电机保护要求和sec取水安全需求作为设计约束函数：
[0109]
c1(x)＝relu(f
流量-q1)，c2(x)＝relu(p
4-f
功率
)
[0110]
其中relu表示激活函数，其对负数输出绝对值，而对正数输出0。q1、p4分别表示sec泵低潮位下流量和最高潮位功率，f
流量
、f
功率
分别表示单泵最小流量和最大功率。
[0111]
(3)按照维度对约束函数进行归一化处理，避免单一指标在方案评价中占支配地位，计算方案的约束违反度；
[0112][0113]
(4)按照维度对目标函数进行归一化和线性适应度变换，减少个体间差异，增强算法的全局搜索能力：
[0114][0115]
其中c
mult
表示线性变化系数，f
imax
、f
iavg
、f
imin
分别表示方案集在第i维目标的最大目标函数值、最小目标函数值和平均目标函数值，f
′i(x)表示归一化后目标函数值，f
″i(x)表示线性尺度变化后目标函数值。
[0116]
步骤四所述的基于改进增强型快速非支配排序算法评价方案优劣性的步骤如下：
[0117]
本专利结合约束优化中经典的ε策略对传统增强型快速非支配排序算法进行改进，使其适用多目标约束优化问题，具体方法如下
[0118]
(1)根据当前优化代数，计算当前的约束容忍度ε；
[0119][0120]
(2)采用二存档策略，将种群划分可行域n0和不可行域n1；
[0121][0122]
(3)采用快速非支配排序法判断可行方案优劣性，首先基于特定维度的目标函数值对方案进行降序排列，再逐一判断相邻方案的非支配等级，求解公式如下；
[0123][0124]
其中n0表示降序排列后的可行域方案序列，η表示其对应的非支配等级序列，fj(x)表示其对应的各维度目标函数值。
[0125]
(4)采用约束占优排序法判断不可行域方案优劣性，首先基于约束违反度对方案进行降序排列，再逐一判断相邻方案的非支配等级，求解公式如下；
[0126][0127]
其中n1表示降序排列后的不可行方案序列，η
′
表示其对应的非支配等级序列，c(x)表示方案的约束违反度，。
[0128]
(5)基于拥挤度距离分析同非支配等级方案的优劣性。按照目标维度数，分别对方案进行升序排序，对排序边缘上具有选择优势的个体设其拥挤度为1，对排序中间的个体按
照公式计算拥挤度，最后总和不同维度上个体的拥挤度作为同层方案优劣性的评价依据，公式如下；
[0129][0130]
步骤五所述的采用启发式混合智能算法对不同类型的方案进行参数优化的步骤如下：
[0131]
(1)可行域方案采用mode算法，以强搜索能力充分求解全局最优解
[0132]
①
选择：根据优胜劣汰机制，采用三元竞标赛方法从待优化方案中随机挑选出三个对象，先比较个体的非劣级别，级别最低的个体优先被选择，如果级别相同则比较拥挤度，拥挤距度大的个体优先被选择。
[0133]
②
交叉：将被选择个体进行两两配对，按照交叉概率pc＝0.8对其进行替换重组形成子代个体。本专利采用模拟二进制交叉算子。选定分布系数η＝1，生成随机数uj，根据公式生成新个体
[0134][0135]
③
变异：将生成子代的部分码位按照变异概率pm＝0.2进行突变，若变异后子代的非支配等级和拥挤度更好将会被保留下来，否则将会继续保存变异前的个体。本专利采用多项式变异的方法，选定分布指数w＝11，生成随机数qj。
[0136]
根据公式进行操作：
[0137][0138]
(2)不可行域方案采用de算法，以强收敛能力充分求解局部最优解
[0139]
①
变异：采用差分策略实现个体变异。从种群中随机选择两个不同的个体，计算其向量差并由差分放缩因子f处理，最终与待变异个体进行向量合成，得到子代个体，即
[0140]hi
(g+1)＝x
p1
(g)+f*(x
p2
(g)-x
p3
(g))
[0141]
其中x
p1
(g)、x
p2
(g)、x
p3
(g)表示第g代优化过程中随机选择的待优化个体，取f＝0.8。
[0142]
②
交叉：将被选择个体进行两两配对，按照交叉概率cr＝0.4对其进行替换重组形成子代个体。本专利采用单点交叉算子的方式，即随机产生1个交叉点进行基因的相互替代。
[0143][0144]
其中j表示方案参数浮点数编码的第j个码位。
[0145]
③
选择：采用贪婪策略形成下一代种群，每次交叉和变异后，比较父代个体和子代个体的非支配等级与拥挤度，保留最优个体进入下一代种群，即
[0146][0147]
其中vi(g)、xi(g)，分别表示第i次选择中随机抽取的子代个体和父代个体，xi(g+1)表示生成的下一代个体，η(x)表示个体的非支配等级。
[0148]
(3)引入精英保留策略：构建记录器t，储存优化进程中的最优解，即非支配等级为0的可行方案和非支配等级为k的不可行方案。每次参数优化完成后，重新对优化结果和t中个体进行步骤四中的改进增强型快速非支配排序，保留较优解形成子代种群，并更新记录器t。这样在保证每代种群数目不变的情况下，保证了前一代优良的个体不会被交叉变异等操作而破坏，有利于优良的个体基因被进化。
[0149]
重复上述的选择、交叉、变异、融合操作，逐步对方案参数进行优化。达到终止条件后，获得经济性与安全性均较优的设计方案。
[0150]
最后应该说明的是：所描述的实施例仅是本技术一部分实施例，而不是全部的实施例，基于本技术中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本技术保护的范围。
[0151]
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。