关键设备的故障检测方法、装置、电子设备及存储介质与流程

文档序号:32438997发布日期:2022-12-06 20:37阅读:34来源:国知局
关键设备的故障检测方法、装置、电子设备及存储介质与流程

1.本技术涉及故障检测技术领域,尤其涉及一种关键设备的故障检测方法、装置、电子设备及存储介质。


背景技术:

2.关键设备的机械部件长时间运行后,机械部件的材料在应力作用下会发生变形与裂纹扩展,裂纹逐渐扩展恶化过程中会产生高频弹性波、异常振动、声音、高温等现象,影响关键设备的正常运转,例如,钢铁行业中,电动缸作为钢铁连铸产线电动非正弦振动平台的动力来源,其工作状态直接决定了钢坯能否顺利脱模、钢坯是否能形成均匀截面以及钢坯表面是否有振痕,影响钢坯的品质。
3.目前,相关技术中采用传感器长期监测此类现象的数据,以判断关键设备是否存在故障,避免非计划停机造成的重大经济损失。传统状态检测与故障诊断技术一般是采用振动测量分析技术、超声探伤技术、红外热像技术等。然而关键设备运行时,一般处于高温高背景噪声的环境,外部干扰非常大,导致无法判断关键设备是否存在故障。


技术实现要素:

4.本技术提供了一种关键设备的故障检测方法、装置、电子设备及存储介质,以解决相关技术中,无法判断关键设备是否存在故障的问题。
5.第一方面,本技术提供了一种关键设备的故障检测方法,所述关键设备的故障检测方法包括:采集关键设备在运行时的运行数据;对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;基于所述包络谱与基准数据确定所述关键设备是否存在故障。
6.在一些示例中,对所述运行数据进行处理,得到所述关键设备的包络谱进行处理,包括:对所述运行数据进行希尔伯特变换,以得到运行解析信号;计算所述运行解析信号的模,得到所述运行数据对应的包络;对所述包络进行快速傅里叶变换分析,得到所述运行数据对应的所述包络谱。
7.在一些示例中,对所述运行数据进行希尔伯特变换,以得到运行解析信号之前,所述方法还包括:确定所述运行数据的种类;根据所述运行数据的种类,对所述运行数据进行对应的小波降噪处理,以更新所述运行数据,其中,不同种类对应不同的小波降噪处理方式。
8.在一些示例中,基于所述包络谱与基准数据确定所述关键设备是否存在故障,包括:获取所述包络谱中频率与幅度的目标变化幅度,以及所述基准数据中频率与幅度的基准变化幅度;将所述目标变化幅度与所述基准变化幅度进行比较,当所述目标变化幅度与所述基准变化幅度的差异度超过目标差异度时,判定所述关键设备存在故障。
9.在一些示例中,判定所述关键设备存在故障之后,所述方法还包括:对所述包络谱的频率和幅度进行分析,确定所述关键设备的故障特征峰;基于所述故障特征峰对所述关
键设备的故障进行定位。
10.在一些示例中,采集关键设备在运行时的运行数据之前,所述方法还包括。设置所述关键设备的运行参数,使得所述关键设备在设定的运行参数下运行。
11.在一些示例中,采集关键设备在运行时的运行数据,包括:采集所述关键设备在不同的所述运行参数下的所述运行数据,以获取不同所述运行参数下的所述包络谱。
12.第二方面,本技术提供了一种关键设备的故障检测装置,所述关键设备的故障检测装置包括:采集模块,所述采集模块用于采集关键设备在运行时的运行数据;处理模块,所述处理模块用于对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;确定模块,所述确定模块用于基于所述包络谱与基准数据确定所述关键设备是否存在故障。
13.第三方面,提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
14.存储器,用于存放计算机程序;
15.处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的关键设备的故障检测方法的步骤。
16.第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的关键设备的故障检测方法的步骤。
17.本技术实施例提供的上述技术方案与现有技术相比具有如下优点:
18.本技术实施例提供的关键设备的故障检测方法包括:采集关键设备在运行时的运行数据;对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;基于所述包络谱与基准数据确定所述关键设备是否存在故障,其中,通过将运行数据转换为包络谱,基于包络谱排除运行数据中的外部干扰,并基于包络谱与基准数据对关键设备的故障进行准确定位,避免了外部干扰导致无法准确获取关键设备故障的问题,提升了关键设备故障检测的准确度。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
20.为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
21.图1为本技术实施例提供的一种可选的关键设备的故障检测方法的基本流程示意图;
22.图2为本技术实施例提供的再一种可选的关键设备的故障检测方法的基本流程示意图;
23.图3a为本技术实施例提供的一种可选的加速度数据下工作频率150hz时1#正常电动缸的包络谱的基本示意图;
24.图3b为本技术实施例提供的一种可选的加速度数据下工作频率150hz时2#带缺陷
电动缸的包络谱的基本示意图;
25.图4a为本技术实施例提供的一种可选的加速度数据下工作频率200hz时1#正常电动缸的包络谱的基本示意图;
26.图4b为本技术实施例提供的一种可选的加速度数据下工作频率200hz时2#带缺陷电动缸的包络谱的基本示意图;
27.图5a为本技术实施例提供的一种可选的加速度数据下工作频率250hz时1#正常电动缸的包络谱的基本示意图;
28.图5b为本技术实施例提供的一种可选的加速度数据下工作频率250hz时2#带缺陷电动缸的包络谱的基本示意图;
29.图6为本技术实施例提供的一种可选的加速度频谱极值与特征频率的变化趋势的基本示意图;
30.图7a为本技术实施例提供的一种可选的声音数据下工作频率150hz时1#正常电动缸的包络谱的基本示意图;
31.图7b为本技术实施例提供的一种可选的声音数据下工作频率150hz时2#带缺陷电动缸的包络谱的基本示意图;
32.图8a为本技术实施例提供的一种可选的声音数据下工作频率200hz时1#正常电动缸的包络谱的基本示意图;
33.图8b为本技术实施例提供的一种可选的声音数据下工作频率200hz时2#带缺陷电动缸的包络谱的基本示意图;
34.图9a为本技术实施例提供的一种可选的声音数据下工作频率250hz时1#正常电动缸的包络谱的基本示意图;
35.图9b为本技术实施例提供的一种可选的声音数据下工作频率250hz时2#带缺陷电动缸的包络谱的基本示意图;
36.图10为本技术实施例提供的一种可选的声音频谱极值与特征频率的变化趋势的基本示意图;
37.图11为本技术实施例提供的一种可选的关键设备的故障检测装置的基本结构示意图;
38.图12为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
39.为使本技术实施例的目的、技术方案和优点更加清楚,下面将结合本技术实施例中的附图,对本技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本技术的一部分实施例,而不是全部的实施例。基于本技术中的实施例,本领域普通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他实施例,都属于本技术保护的范围。
40.为了解决相关技术中,无法判断关键设备是否存在故障的问题,请参见图1,图1为本实施例提供的一种关键设备的故障检测方法,其中,所述关键设备的故障检测方法包括:
41.s101、采集关键设备在运行时的运行数据;
42.s102、对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;
43.s103、基于所述包络谱与基准数据确定所述关键设备是否存在故障。
44.应当理解的是,本实施例提供的关键设备的故障检测方法应用于控制器,该控制器与检测系统连接,该检测系统用于采集关键设备在运行时的运行数据,关键设备包括但不限于:电动缸等大型重载设备;该运行数据包括但不限于:加速度数据、声音数据以及温度数据中的至少一个。以关键设备为电动缸为例,通过该检测系统,能够采集电动缸在运行时的加速度数据、声音数据以及温度数据等中的至少一个。
45.承接上例,其中,采集关键设备在运行是的运行数据为:在一段连续的时间内,采集关键设备在运行时的运行数据,进而使得运行数据为包含了一段时间的数据,在t时间段内,采集关键设备在运行时的运行数据,使得该运行数据包含了t时间段内的所有数据,例如,t时间段的加速度数据;再例如,t时间段内的声音数据。
46.应当理解的是,其中包络谱用于表征所述关键设备的运行状态,该基准数据为,基于无故障关键设备在运行时的运行数据所获取的包络谱,也即,该基准数据能够表征无故障关键设备的运行状态,进而使得基于包络谱与基准数据能够确定所述关键设备是否存在故障。
47.在本实施例的一些示例中,对所述运行数据进行处理,得到所述关键设备的包络谱进行处理,包括:对所述运行数据进行希尔伯特变换,以得到运行解析信号;计算所述运行解析信号的模,得到所述运行数据对应的包络;对所述包络进行快速傅里叶变换分析,得到所述运行数据对应的所述包络谱。其中,通过对运行数据进行希尔伯特变换,进而使得一个实信号(运行数据)可以表示成一个解析信号,该解析信号可分为2部分,其实部位信号(运行数据)本身,模即为信号包络,由此可以根据该解析信号计算出运行数据的包络,然后在对所述包括进行傅里叶变换分析,即可得到运行数据的包络谱;
48.承接上例,具体的,将采集的运行数据为x(t),则对运行数据作希尔伯特变换为:
[0049][0050]
实信号x(t)与其hi lbert变换组成解析信号z(t):
[0051][0052]
得到信号x(t)的包络为:
[0053][0054]
最后在对该包络进行快速傅里叶变换(fft)分析,即可得到包络谱。
[0055]
在本实施例的一些示例中,对所述运行数据进行希尔伯特变换,以得到运行解析信号之前,所述方法还包括:确定所述运行数据的种类;根据所述运行数据的种类,对所述运行数据进行对应的小波降噪处理,以更新所述运行数据,其中,不同种类对应不同的小波降噪处理方式。其中,为了避免对运行数据进行处理得到的包络谱受到现场环境的低频段干扰噪声信号低频噪声的影响,在对运行数据进行处理前先进行降噪处理,以消除噪声干扰。
[0056]
具体的,本示例以小波降噪为例,其中小波降噪是将时间频率相平面换为时间尺度平面,且时窗函数为可变特性窗,在高频段时窗长度较短,低频段时窗长度较长。其中运
行数据x(t)的小波变换为
[0057][0058]
其中,a,b和t是常数,ψ(t)是基小波或母小波,ψ
a,b
(t)是将基本函数ψ(t)先做移位再做伸缩后得到的函数,也被称为小波函数或小波基。小波降噪的过程为:将运行数据x(t)进行小波变换,得到小波系数,并且噪声的小波系数小于信号的小波系数。设定一个适当的阈值,将大于阈值的小波系数认为是由信号产生而保留,小于阈值的小波系数认为是由噪声产生而将其置零,从而达到去噪的目的。
[0059]
承接上例,本实施例根据运行数据的种类,确定与运行数据的对应的小波降噪处理方式,不同种类对应不同的小波降噪处理方式,例如,当运行数据为加速度数据时,采用db10小波3层分解提取d3层实现降噪;在例如,当运行数据为声音数据时,采用db10小波6层分解提取d6层实现降噪;通过根据运行数据的种类,确定与运行数据的对应的小波降噪处理方式,进而提高对运行数据的降噪。
[0060]
在本实施例的一些示例中,基于所述包络谱与基准数据确定所述关键设备是否存在故障,包括:获取所述包络谱中频率与幅度的目标变化幅度,以及所述基准数据中频率与幅度的基准变化幅度;将所述目标变化幅度与所述基准变化幅度进行比较,当所述目标变化幅度与所述基准变化幅度的差异度超过目标差异度时,判定所述关键设备存在故障。也即,通过将关键设备的包络谱与基准数据进行比较,当关键设备的包络谱与基准数据的差异度超过目标差异度时,判定所述关键设备存在故障,其中,该目标差异度可以由相关人员灵活设置。
[0061]
承接上例,例如,以运动数据为加速度数据为例,基准数据得到的加速度频谱较为光滑,杂波较少,能量集中在较窄范围的低频频段内;而根据关键设备的运动数据获取的包络谱频率与幅度的目标变化幅度中,频谱杂峰较多,且在一些示例中,关键设备的包络谱在高频段也能形成了多个较大的杂峰,同频率下关键设备的包络谱的极值峰值明显大于基准数据,峰值基本提升了30%以上,说明关键设备的故障随着频率的增加持续扩展,导致了极值的增大。
[0062]
在本实施例的一些示例中,判定所述关键设备存在故障之后,所述方法还包括:对所述包络谱的频率和幅度进行分析,确定所述关键设备的故障特征峰;基于所述故障特征峰对所述关键设备的故障进行定位。其中,通过与基准数据进行比较,能够确定关键设备的故障特征峰,根据该故障特征峰能够定位关键设备的故障,不同的故障特征峰对应不同的故障;
[0063]
承接上例,例如,与基准数据相比,关键数据的包络谱具有较大的0.5次和2次谐波,无明显的高次谐波,则确定该关键设备存在磨损导致内部有卡阻或是由于内部间隙大产生的故障。在例如,关键设备的包络谱有不同程度的低次谐波和较多的高次谐波且关键设备的包络谱能量峰值较高,则确定该关键设备存在内部零件润滑不良或磨损导致的其他故障。
[0064]
在本实施例的一些示例中,采集关键设备在运行时的运行数据之前,所述方法还包括。设置所述关键设备的运行参数,使得所述关键设备在设定的运行参数下运行,其中,该运行参数包括但不限于:频率、振程等,通过控制关键设备的运行参数,进而避免关键设
备无规律的运行。
[0065]
在本实施例的一些示例中,采集关键设备在运行时的运行数据,包括:采集所述关键设备在不同的所述运行参数下的所述运行数据,以获取不同所述运行参数下的所述包络谱,例如,以关键设备为电动缸为例,设置电动缸分别在150/200/250hz、8cm振程条件下进行运行,分别采集电动杆在[150hz、8cm振程]、[200hz、8cm振程]、[250hz、8cm振程]条件下的运行参数,然后分别根据获取的运行参数对应的包络谱,并根据分别获取的包络谱与对应的基准数据确定所述关键设备是否存在故障,避免仅获取一个运行参数下,对故障判断错误的情况,提升故障判断的准确性。应当理解的是,不同运行参数下获取的包络谱对应不同的基准参数,例如,运行参数为[150hz、8cm振程]的包络谱对应运行参数为[150hz、8cm振程]的基准参数;运行参数为[250hz、8cm振程]的包络谱对应运行参数为[250hz、8cm振程]的基准参数。
[0066]
本技术实施例提供的关键设备的故障检测方法包括:采集关键设备在运行时的运行数据;对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;基于所述包络谱与基准数据确定所述关键设备是否存在故障,其中,通过将运行数据转换为包络谱,基于包络谱排除运行数据中的外部干扰,并基于包络谱与基准数据对关键设备的故障进行准确定位,避免了外部干扰导致无法准确获取关键设备故障的问题,提升了关键设备故障检测的准确度。
[0067]
为了更好的理解本发明,本实施例提供一种更为具体的示例对本发明进行说明;
[0068]
以关键设备为电动缸为例进行说明,在钢铁工厂非正弦车间搭建了电动缸故障测试平台,采用本检测系统对正常电动缸和3个异常电动缸(其中1#为正常电动缸,2-4#为异常电动缸,将1#对应的包络谱作为基准数据,2-4#作为关键设备),分别为每一个设置150/200/250hz、8cm振程条件,得到其加速度和声音数据,进行小波降噪和希尔伯特变换,得到频谱包络。对采集的数据进行分析对比,寻找故障的特征规律。
[0069]
其中,小波降噪是将时间频率相平面换为时间尺度平面,且时窗函数为可变特性窗,在高频段时窗长度较短,低频段时窗长度较长。其中运行数据x(t)的小波变换为
[0070][0071]
其中,a,b和t是常数,ψ(t)是基小波或母小波,ψa,b(l)是将基本函数ψ(t)先做移位再做伸缩后得到的函数,也被称为小波函数或小波基。小波降噪的过程为:将运行数据x(t)进行小波变换,得到小波系数,并且噪声的小波系数小于信号的小波系数。设定一个适当的阈值,将大于阈值的小波系数认为是由信号产生而保留,小于阈值的小波系数认为是由噪声产生而将其置零,从而达到去噪的目的。
[0072]
其中,通过对运行数据进行希尔伯特变换,进而使得一个实信号(运行数据)可以表示成一个解析信号,该解析信号可分为2部分,其实部位信号(运行数据)本身,模即为信号包络,由此可以根据该解析信号计算出运行数据的包络,然后在对所述包括进行傅里叶变换分析,即可得到运行数据的包络谱;
[0073]
承接上例,具体的,将采集的运行数据为x(t),则对运行数据作希尔伯特变换为:
[0074][0075]
实信号x(t)与其hi lbert变换组成解析信号z(t):
[0076][0077]
得到信号x(t)的包络为:
[0078][0079]
最后在对该包络进行快速傅里叶变换(fft)分析,即可得到包络谱。
[0080]
承接上例,实际进行运行数据处理时,对传感器采集的加速度数据采用db10小波3层分解提取d3层实现降噪,声音数据采用db10小波6层分解提取d6层实现降噪,对降噪后的加速度和声音数据进行希尔伯特(hi lber)变换和快速傅里叶变换(fft)后得到0-200hz低频段包络谱,过程如图2所示。通过小波降噪、希尔伯特变换和快速傅里叶变换相结合,能滤除现场环境的低频段干扰噪声信号,对干扰较少的较高频段信号进行处理得到低频段包络谱,可获得更高的信噪比,并且包络谱以电动缸工作频率作为基准频率,较为直观。
[0081]
承接上例,分别采集150/200/350hz工作频率下1-2#电动缸的加速度数据;
[0082]
其中,以工作频率150hz时正常电动缸的包络谱如图3a所示,带缺陷电动缸(2#)的包络谱分别如图3b所示,
[0083]
其中,以工作频率200hz时正常电动缸的基准数据如图4a所示,带缺陷电动缸(2#)的包络谱分别如图4b所示;
[0084]
其中,以工作频率250hz时正常电动缸的基准数据如图5a所示,带缺陷电动缸(2#)的包络谱分别如图5b所示;
[0085]
从三种工作频率的加速度频谱图中可以看出,正常电动缸的加速度频谱较为光滑,杂波较少,能量集中在较窄范围的低频频段内,异常电动缸频谱杂峰较多,一些异常电动缸即使在高频段也能形成了多个较大的杂峰,且同频率下异常电动缸极值峰值明显大于正常电动缸,峰值基本提升了30%以上,说明异常电动缸的故障随着频率的增加持续扩展,导致了极值的增大。
[0086]
提取出加速度频谱极值与特征频率的变化趋势,其中,3#、4#分别为另外的带缺陷电动缸,如图6所示;从加速度频谱极值与特征频率的变化趋势可以看出,极值特征峰频率只与工作频率有关(特征峰频率事实上是工作频率变换得来,二者具有相同的物理意义)。相同工作频率的电动缸的极值特征峰频率相同。随着工作频率的增大,极值也变大,整体而言,1#的幅度远远小于其他几个的幅度。
[0087]
承接上例,分别采集150/200/300hz工作频率下1-2#电动缸的声音数据;
[0088]
其中,以工作频率150hz时正常电动缸的包络谱如图7a所示,带缺陷电动缸(2#)的包络谱分别如图7b所示,
[0089]
其中,以工作频率200hz时正常电动缸的基准数据如图8a所示,带缺陷电动缸(2#)的包络谱分别如图8b所示;
[0090]
其中,以工作频率250hz时正常电动缸的基准数据如图9a所示,带缺陷电动缸(2#)的包络谱分别如图9b所示;
[0091]
根据提取出包络谱极值的变化规律,可以得知,无论正常还是异常电动缸,极值特征峰值均随着工作频率的增加而增加,整体而言,1#的幅值明显小于其他几个,特征峰峰值几乎只有其他电动缸的一半甚至更少。
[0092]
提取出声音频谱极值与特征频率的变化趋势,其中,3#、4#分别为另外的带缺陷电动缸,如图10所示,同样可以看出,无论电动缸正常与否,随着工作频率的增大,特征频率对应的峰值也变大,正常电动缸的变化幅度较小,异常电动缸的变化幅度较大。
[0093]
对于给定的工作频率,正常工作电动缸的声音频谱极值较小,带缺陷的频谱极值均有一定程度的增加,工作频率越低,增加的幅度越大,从150hz到200hz,极值增加的幅度较大,从200hz到250hz,极值增加的幅度很小。
[0094]
总体可以看出:与1#的包络谱相比;2#具有较大的0.5次和2次谐波,无明显的高次谐波,因此定位2#是磨损导致内部有卡阻或是由于内部间隙大产生的故障。3#、4#电动缸的包络谱有不同程度的低次谐波和较多的高次谐波且4#电动缸包络谱能量峰值较高,因此定位3、4#内部零件润滑不良或磨损导致的其他故障特征。
[0095]
分别采用包络谱分析法采集了正常电动缸和电动缸带缺陷时的加速度和声音运行时频谱图。采用包络谱法分析加速度和声音时,加速度信号和声音信号均可检测到准确的工作频率作为判断故障的基准频率。结果表明:包络谱法可以用来实时监控电动缸异常运行状况,具有重要的实用价值。本方法可扩展到其他应用领域对重载低速的关键设备进行实时运行状态监测。
[0096]
基于相同的构思,本实施例提供一种关键设备的故障检测装置,如图11所示,所述关键设备的故障检测装置包括:
[0097]
采集模块1,所述采集模块1用于采集关键设备在运行时的运行数据;
[0098]
处理模块2,所述处理模块2用于对所述运行数据进行处理,得到所述关键设备的包络谱,所述包络谱用于表征所述关键设备的运行状态;
[0099]
确定模块3,所述确定模块3用于基于所述包络谱与基准数据确定所述关键设备是否存在故障。
[0100]
应当理解的是,本实施例提供的关键设备的故障检测装置的各个模块能够组合实现上述关键设备的故障检测方法的各个步骤,达到与上述键设备的故障检测方法的各个步骤相同的技术效果,在此不再赘述。
[0101]
如图12所示,本技术实施例提供了一种电子设备,包括处理器111、通信接口112、存储器113和通信总线114,其中,处理器111,通信接口112,存储器113通过通信总线114完成相互间的通信,
[0102]
存储器113,用于存放计算机程序;
[0103]
在本技术一个实施例中,处理器111,用于执行存储器113上所存放的程序时,实现前述任意一个方法实施例提供的电源控制方法的步骤。
[0104]
本技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的关键设备的故障检测方法的步骤。
[0105]
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之
间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个
……”
限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0106]
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1