技术领域
[0001] 本
发明涉及智能制造领域，具体涉及一种传感器融合采集切削信号的方法。
背景技术
[0002] 随着传感器技术和微
控制器硬件技术的发展，监测机床切削过程中的
传感器系统正朝着多传感器融合、高性能、高便携通用性且能够实时在线处理数据的方向发展。而智能制造正是未来制造业的发展趋势，其中搭建多传感器融合系统是实现智能化的有效途径。对机床的状态进行监测需要对机床状态信息进行有效测量，这些信息包括机床加工过程中的切削
力、刀具振动、声发射信号等，同时监测设备能够适应加工过程中的负载、振动和温升等极端加工条件，目前多传感器融合系统在实际使用时还存在诸多问题，大多数传感器融合系统只包含切削力和振动传感器，仅能对加工过程中主要物理量进行测量分析，国际期刊《Expert Systems with Application》2018年第107卷中公开说明了采用单一对应传感器采集数据的方法，通常会导致采集信息出现不精密和不确定性的问题，因此很难从这些数据中提取到有用的信息，当数据来源于多个传感器时，这个问题会变得更加突出。此外，虽然传感器技术发展很快，但高
精度传感器的体积依然比较庞大、造价昂贵，且只适合在条件较好的实验室进行科学研究而不能适用于工厂车间；另一方面，传感器的类型过于僵化，这会使其安装较为困难或者只能单独安装在同一机床，甚至改变机床结构来满足传感器的安装要求。这些因素严重地限制了多传感器融合监测切削信号发展的
进程，给监测过程带来不便。
发明内容
[0003] 本发明所要解决的技术问题是提出一种操作方便、适用范围广、测量准确的多传感器融合采集切削信号的方法。
[0004] 为解决以上技术问题，本发明采用如下的技术方案，本发明采用如下步骤：
[0005] ①建立传感器切削信号测量系统；
[0006] 所述传感器切削信号测量系统包括设置在机床床身的
电机、工控机、霍尔
电流传感器、采集盒、设置在三爪卡盘上的
工件、设置在刀杆上的车刀、封闭盒、六
角螺钉、刀架、振动传感器、第一柔性管、六角
螺栓、第二柔性管、压电式传感器、封闭圈、采集板和六角隔离柱；所述电机的输出端与三爪卡盘连接，所述的霍尔电流传感器设置在电机上，并与采集盒连通；所述采集盒设置在电机与三爪卡盘之间，所述采集盒一端与机床网口连接，另一端与工控机相连；所述封闭盒通过六角螺钉设置在刀架上，所述第一柔性管设置在第二柔性管上，并通过六角螺栓进行间隙配合；所述压电式传感器设置在第二柔性管上，所述第二柔性管与刀杆设置在刀架同一卡槽内；所述采集板通过六角隔离柱设置在封闭盒内，所述封闭圈粘结在封闭盒口处，所述振动传感器安装在刀杆的前端，所述压电式传感器、振动传感器和采集板通过
导线相连，所述采集板与工控机相连；
[0007] ②基于传感器切削信号测量系统，确定切削
主轴电机电流与功率的变化量；
[0008] 201建立电机的输出转矩表达式为：
[0009]
[0010] 式(一)中J为主轴驱动的
转动惯量常数，B为等效粘性阻尼系数，ω为主轴
电动机角速度，Te为
主轴电动机输出转矩，Tt为总的干扰转矩；当不考虑
转子绕组的损耗时，式(一)等效为：
[0011] Te＝KeIe (二)
[0012]
[0013] 式(二)中Ke为主轴电动机转矩常量，Ie为
三相电流的RMS值，式(三)中iab、iac、ibc为主轴电动机三相输入电流；
[0014] 202步骤201式(一)中机床加工时的主轴电机的总干扰转矩表达式为：
[0015] Tt＝Ta+Tfco+δTf+Tc (四)
[0016] 式(四)中Ta为主轴机械组件故障引起的转矩，Tfco为库仑
摩擦力引起的转矩，δTf为非线性摩擦转矩，且为Tc和ω的非线性函数，Tc为切削力引起的干扰转矩；当主轴恒速空载运转时，Tc＝0、δTf＝0、Jdω/dt＝0，则：Ta＝KeIe-Bω-Tf (五)。
[0017] ③基于传感器切削信号测量系统，搭建压电式传感器电桥
电路；
[0018] 301搭建电桥电路，构成A、B、C、D回路，当A、C两端输入
电压U时，B、D两端间的电压变化ΔU由下式表示：
[0019]
[0020] 式(六)中R1、R2、R3、R4分别代表各臂的
电阻值；
[0021] 302由步骤301中式(六)知，当R1R3＝R2R4时，电桥电路的
输出电压为0，应变片的电阻随切削力的不同而发生变化，电桥电阻R1、R2、R3、R4分别产生ΔR1、ΔR2、ΔR3、ΔR4的电
阻变化，则电桥的B、D端输出电压表达式变为：
[0022]
[0023] 采用等臂全桥测量电路，即R1＝R2＝R3＝R4，扩大电路输出范围，提升机床上测力仪的灵敏度，此时电桥输出电压为：
[0024] △U＝U/4R(△R1-△R2+△R3-△R4) (八)。
[0025] ④基于传感器切削信号测量系统，进行下位机模
块设计；
[0026] 所述
数据处理芯片为四通道
模数转换机，即PA0～PA15,PB0～PB15,PC0～PC15，
选定PA0、PA1、PA2和PA3四个IO口作为数据输入通道，所述压电式传感器的数量为三个，其引线分别与PA0,PA1,PA2相连，所述振动传感器引线与PA4相连，所述压电式传感器与振动传感器经过信号放大后与依次与PA0、PA1、PA2和PA3数据输入口相连；所述工控机与下位机通过USB线连接；所述AD转换模块和串口通信通过库函数进行配置，通过库函数依次对IO口、时钟、串口进行初始化配置，将霍尔电流传感器、振动传感器、压电式传感器采集的连续
模拟信号进行
采样并对其进行模数转换；滤波后设定数据长度，依次对数据长度的采样值求取均值，判断切削信号是否大于阙值10％，当逻辑运算满足(ADM[N+1]-ADM[N])/ADM[N]>10％时，蜂鸣器进行报警，然后将采样处理后的数据通过下位机的Usart串口传递到工控机。
[0027] ⑤基于传感器切削信号测量系统，对工控机分析模块数据进行
降维处理；
[0028] 501工控机中时间序列信号表示为T＝(t1,t2,t3...tN)，对其进行分段处理分析，分段处理过程为：
[0029]
[0030] Q＝L/W R＝L-Q×W (十)
[0031]
[0032] 式(九)中L为分段后的总数据量，N表示数据的总长度，Si表示分段后的第i段数据，W表示总的分段数，M表示段与段之间被重复的数据点个数，式(十)中Q和R均表示循环次数；
[0033] 502被分段后的数据为Si＝(ti1,ti1,...,tiLS)(i＝1,2...,W),计算Si的一阶和二阶数据差，其表达式为：
[0034]
[0035]
[0036] 503将Si和Si′、Si″形成一个三元组(Si,Si′,Si″)，对此三元组进行均值、熵值、混合熵的计算，其相应的表达式为：
[0037]
[0038] 式(十四)中 表示均值， 表示熵值，var(si)，var(s′i)，var(s″i)表示方差， 表示混合熵；
[0039] 504通过步骤501-503计算，对于数据量Si＝(ti1,ti1,...,tiLS)(i＝1,2...,W)，采用向量 表示，当采集到的时间序列数据被分为W段，得到W个向量，按照时间顺序对这W个向量前后连接，完成时间序列数据的降维分析处理。
[0040] ⑥基于传感器切削信号测量系统，基于标准化测量装置的参数标定与误差评定；
[0041] 601机床进行切削时，对AD采样值进行最小二乘拟合，得到切削力与AD采样变化量之间的关系为：F＝aX+b (十五)
[0042] 式(十五)中F为切削力大小，X为AD采样数据变化量，漂移量为b；
[0043] 由于夹紧力的影响，采样值的变化量与夹紧力作用下的采样值之和即为实时采样值，因此式(十五)改写为：F＝a(S-c)+b (十六)
[0044] 式(十六)中F为切削力大小，S为AD采样数据；
[0045] 602选取相同型号的不同磨损状态的两个车刀刀刃进行外圆
车削试验，测量
后刀面磨损分别为a1和a2，记录主切削力和切削电流的数值并绘制出柱状图。
[0046] 所述霍尔电流传感器采用的型号为KXK-7，所述车刀型号为DNMG-150408-FP，振动传感器所用的型号为CT1050L ICP/IEPE，所述压电式传感器所用的型号为Flexiforce 100lbs，多传感器融合系统中的下位机型号为STM32F103精英版。
[0047] 本发明的积极效果如下：本发明利用霍尔电流传感器、振动传感器、压电式传感器与采集板搭建了一套基于多传感器融合切削信号测量装置，所用传感器体型小、便于携带及安装；本发明利用工控机进行信号集成，扩展了信号的采集途径，摆脱了单一信号引发的不确定性；本发明利用采集板采集切削过程中，由刀具部分传导出的切削力和振动信号，并将连接传感器和采集板的导线穿过互相连接的两个柔性管，避免导线受到
切削液污染以及被切屑划伤，解决了适用范围小和传感器安装困难的问题；本发明在采集切削力和振动信号的
基础上，进一步采集了主轴
扭矩和主轴电流信号，实现了多种切削信号的采集和评估，有效提升了测量精度；本发明对主轴电机的输出扭矩进行了建模，研究了输出扭矩与机床状态的关系，能够通过主轴电机的输出扭矩的变化来判断加工主轴的机械组件是否发生了故障，有效保证采集信号的来源；本发明下位机对采集到的数据实现了模数转换与ADC滤波处理，并在模块中设定了蜂鸣器，当切削信号超过阙值，便会自动触发报警装置，便于及时调整采集状况和加工参数，保证了采集的切削信号的有效性，之后通过串口将采集到的切削数据发送到工控机；本发明在工控机分析模块中采用了数据降维
算法，能有效解决采集到的数据量庞大的问题，便于后续数据处理以及
数据挖掘分析；本发明基于搭建的测量系统对其进行标定，得到系统处理数据的精度和准确度，便于后续分析。
附图说明
[0048] 图1为机床总体装夹结构示意图；
[0049] 图2为刀架和采集板装夹装置结构示意图；
[0050] 图3为采集板装夹装置结构示意图；
[0051] 图4为电阻应变片组成的测量电桥原理图；
[0053] 图6下位机电路连接图；
[0054] 图7为工控机模块工作流程图；
[0055] 图8为AD采样值时域图；
[0056] 图9为切削力与采样值的最小二乘拟合曲线；
[0057] 图10为AD采样力和实测切削力数据对比图；
[0058] 图11为不同切削参数下切削力和主轴电流的数据对比图；
[0059] 图12为不同切削参数下传感器所采切削信号数据。
[0060] 在图中：1霍尔电流传感器、2电机、3采集盒、4三爪卡盘、5工件、6车刀、7刀杆、8封闭盒、9六角螺钉、10刀架、11振动传感器、12第一柔性管、13六角螺栓、14第二柔性管、15压电式传感器、16封闭圈、17采集板、18六角隔离柱。
具体实施方式
[0061] 下面结合附图和具体的切削实例对本发明进行详细说明，如图5所示，本发明中切削信号的采集方法步骤如下：
[0062] ①建立传感器切削信号测量系统；
[0063] 所述传感器切削信号测量系统包括设置在机床床身的电机2、工控机、霍尔电流传感器1、采集盒3、设置在三爪卡盘4上的工件5、设置在刀杆7上的车刀6、封闭盒8、六角螺钉9、刀架10、振动传感器11、第一柔性管12、六角螺栓13、第二柔性管14、压电式传感器15、封闭圈16、采集板17和六角隔离柱18；如图1所示，所述电机2的输出端与三爪卡盘4连接，所述霍尔电流传感器1设置在电机2上，并与采集盒3连通；所述采集盒3设置在电机2与三爪卡盘
4之间，所述采集盒3一端与机床网口连接，另一端与工控机相连；如图2所示，所述封闭盒8通过六角螺钉9设置在刀架10上，所述第一柔性管12设置在第二柔性管14上，并通过六角螺栓13进行间隙配合；作为替代方案，第一柔性管12与第二柔性管14铰接。所述压电式传感器
15设置在第二柔性管14上，所述第二柔性管14与刀杆7设置在刀架10同一卡槽内；所述第二柔性管14的前端设有三个薄壁，所述的压电式传感器15粘贴在薄壁上，第二柔性管14的薄壁端设置在刀架10的卡槽内，所述的刀杆7设置在刀架10的同一卡槽内。工件5与车刀6之间的相互作用力可以反映到刀杆7上，压电式传感器15受到刀杆7的压力，便可以采集切削力。
[0064] 如图3所示，所述采集板17通过六角隔离柱18与封闭圈16设置在封闭盒8内，所述振动传感器11安装在刀杆7的前端，所述压电式传感器15、振动传感器11和采集板17通过导线相连，所述采集板17与工控机相连，通过工控机读取切削力和振动数值大小；用于连接的导线穿过所述的第一柔性管12和第二柔性管14，有效避免导线受到切削液的污染以及被加工过程中的切屑划伤。
[0065] ②基于传感器切削信号测量系统，确定切削主轴电机2电流与功率的变化量；
[0066] 201为研究电流与机床状态的关系，对主轴电机的输出转矩建模如下式：
[0067]
[0068] 式(一)中J为主轴驱动的转动惯量常数；B为等效粘性阻尼系数；ω为主轴电动机角速度；Te为主轴电动机输出转矩；Tt为总的干扰转矩；当不考虑转子绕组的损耗时，式(一)等效为：
[0069] Te＝KeIe (二)
[0070]
[0071] 式(二)中Ke为主轴电动机转矩常量，Ie为三相电流的RMS值，式(三)中iab、iac、ibc为主轴电动机三相输入电流；
[0072] 202步骤201式(一)中机床加工时的主轴电机的总干扰转矩表达式为：
[0073] Tt＝Ta+Tfco+δTf+Tc (四)
[0074] 式(四)中Ta为主轴机械组件故障引起的转矩，Tfco为库仑摩擦力引起的转矩，δTf为非线性摩擦转矩，且为Tc和ω的非线性函数，Tc为切削力引起的干扰转矩；当主轴恒速空载运转时，Tc＝0、δTf＝0、Jdω/dt＝0，则：Ta＝KeIe-Bω-Tf (五)。
[0075] ③基于传感器切削信号测量系统，搭建压电式传感器电桥电路；
[0076] 301由于压电式传感器测量误差小，测量准确，同时考虑到精度、灵敏度、成本和安装等方面的因素最后选用压电式力传感器即压电式传感器15，压电式力传感器实现的基本原理是利用金属的电阻效应，首先搭建电桥电路，电桥电路中电阻的变化将表现为电压的变化，通过
放大器可将该变化放大至能被测量的程度进行测量，如图4所示，为接入应变片的测量电桥，其中R1、R2、R3、R4分别代表各臂的电阻值。当A、C两端输入一定电压U时，B、D两端间的电压ΔU可由下式表示：
[0077]
[0078] 302步骤301中式(六)知，当R1R3＝R2R4时，该电桥电路的输出电压为0。因此该类型传感器在进行
应力测量前，可以利用此特性对电桥进行调节，使电桥处于平衡状态，确保测量的准确性。应变片的电阻随切削力的不同而发生变化，各电桥电阻R1、R2、R3、R4分别产生ΔR1、ΔR2、ΔR3、ΔR4的电阻变化，则电桥的B、D端输出电压表达式变为：
[0079]
[0080] 由式(七)看出，当ΔR1与ΔR2、ΔR3与ΔR4的符号相同时，电桥输出电压结果较小。因此，在保证电路导通的基础上使相邻电桥的电阻变化趋势相反而相对电桥的电阻变化趋势相同，这也是应变式测力仪的布片原则。
[0081] 303为了尽量提高测力仪的灵敏度，也就是为使电桥输出范围变大，在设计测力仪时采用等臂全桥测量电路(电桥由四个桥臂组成，且有R1＝R2＝R3＝R4)，此时电桥的输出电压为：
[0082] △U＝U/4R(△R1-△R2+△R3-△R4) (八)
[0083] 当ΔR1＝ΔR3＝+ΔR；ΔR2＝ΔR4＝－ΔR时，电桥的输出电压为：ΔU＝UΔR/R。
[0084] ④基于传感器切削信号测量系统，进行下位机模块设计；
[0085] 如图6、图7所示，下位机模块包括数据处理芯片、AD转换模块和串口通信模块；所述数据处理芯片为四通道模数转换机，即PA0～PA15,PB0～PB15,PC0～PC15。选定PA0、PA1、PA2和PA3四个IO口作为数据输入通道，接线方面三个压电式传感器15的引线分别与PA0,PA1,PA2相连，振动传感器11的引线与PA4相连。各传感器经过放大板放大信号之后与四个数据输入口相连；所述工控机与下位机通过USB线连接，完成数据传递。
[0086] 所述AD转换模块和串口通信通过库函数进行配置，通过库函数依次对IO口、时钟、串口进行初始化配置，将霍尔电流传感器1、振动传感器11、压电式传感器15采集的连续模拟信号进行采样并对其进行模数转换。利用均值函数进行滤波，设定数据长度，依次对规定数据长度的采样值求取均值，判断切削信号是否大于阙值10％，当(ADM[N+1]-ADM[N])/ADM[N]>10％，则进行蜂鸣器报警，最后采样处理后的数据通过STM32的Usart串口传递到工控机；
[0087] ⑤基于传感器切削信号测量系统，对工控机分析模块数据进行降维处理；
[0088] 501由于采集到的切削信号均属于时间序列信号，数据量庞大，为了便于以后的工业
大数据分析和数据挖掘处理，在工控机中进行据降维处理。对于时间序列信号表示为T＝(t1,t2,t3...tN)，对其进行分段处理分析，分段处理过程为：
[0089]
[0090] Q＝L/W R＝L-Q×W (十)
[0091]
[0092] 式(九)中L为分段后的总数据量，N表示数据的总长度，Si表示分段后的第i段数据，W表示总的分段数，M表示段与段之间被重复的数据点个数，式(十)中Q和R均表示循环次数。
[0093] 502被分段后的数据为Si＝(ti1,ti1,...,tiLS)(i＝1,2...,W),计算Si的一阶和二阶数据差，其表达式为：
[0094]
[0095]
[0096] 503将Si和Si′、Si″形成一个3元组(Si,Si′,Si″),对这个三元组进行均值、熵值、混合熵的计算，其相应的表达式为：
[0097]
[0098] 式(十四)中 表示均值， 表示熵值，var(si)，var(s′i)，var(s″i)表示方差， 表示混合熵。
[0099] 504通过步骤501-503计算，对于数据量Si＝(ti1,ti1,...,tiLS)(i＝1,2...,W)，采用向量 表示，当采集到的时间序列数据其被分为W段，那么将会得到W个这样的向量，按照时间顺序对这W个向量前后连接，从而在保证数据信息不缺失的前提下完成了时间序列数据的降维分析处理。
[0100] ⑥基于传感器切削信号测量系统，基于标准化测量装置的参数标定与误差评定[0101] 601机床进行切削时，当AD采样值发生明显增大并稳定在一个值附近
波动，即采样值的上升斜率大于1时，判定为明显增大，AD值波动范围的绝对值在200以内，判定为波动；经过最小二乘拟合，得到切削力与AD采样变化量之间的关系为：
[0102] F＝aX+b (十五)
[0103] 式(十五)中F为切削力大小，X为AD采样数据变化量，漂移量为b；
[0104] 由于夹紧力的影响，采样值的变化量与夹紧力作用下的采样值之和即为实时采样值，因此式(十五)改写为：
[0105] F＝a(S-c)+b (十六)
[0106] 式(十六)中F为切削力大小，S为AD采样数据；
[0107] 602选取相同型号的不同磨损状态的两个车刀6刀刃进行外圆车削试验，测量后刀面磨损分别为a1和a2，记录主切削力和切削电流的数值并绘制出柱状图。
[0108] 本发明所述霍尔电流传感器1采用的型号为KXK-7，所述车刀6型号为DNMG-150408-FP，振动传感器11所用的型号为CT1050L ICP/IEPE，所述压电式传感器15所用的型号为Flexiforce 100lbs，传感器融合系统中的下位机型号为STM32F103精英版。
[0110] 因振动传感器和电流传感器的灵敏度系数皆已知，能直接将测得的电压信号除以该灵敏度系数。由于压电式为人工安装在刀架10上，其安装
位置不定，因此不能直接通过灵敏度测量，需通过数据标定确定。在本标定试验中，除了应用到本发明的采集装置外，还需采用Kistler测力仪构成标准化测量装置，以测量切削过程切削力用于标定力输出通道的数学模型。选取的工业材料为42CrMo,在HAWK TC-150加工中心进行切削，车刀型号为DNMG-150408-FP，其刀尖圆弧半径为0.8mm，主切削刃后角为0°，刀具形状为菱形，顶角为55°。因为切深对切削力的影响最大，而较大的变化量更利于推导转化公式，设计一组变切深单因素变量作为标定依据。进行切削时，AD采样值将会发生明显增大并稳定在一个值附近波动，切削加工过程结束后切削力迅速降低到无负载模式下的采样值附近，该变化过程的时域图如图8所示。可以看出，AD采样值的变化量体现了切削力的大小，且由物理知识可知该变化量与切削力大小成线性关系，将切削力大小与采样值的变化大小通过最小二乘法推导出最合适的数学模型。变切深标定试验数据如表1所示
[0111] 表1变切深标定试验数据
[0112]
[0113] 经过最小二乘拟合后，其拟合曲线如图9所示，可得到切削力与AD采样变化量之间的关系为：
[0114] F＝0.7518X+8.258 (十七)式(十七)中F为切削力大小，X为AD采样数据变化量，漂移量为8.258
[0115] 该公式体现了切削力与AD采样值变化量之间的关系，可进一步推导切削力与采样值之间的关系，考虑到夹紧力的影响，因此采样值的变化量加上夹紧力作用下的采样值即为实时采样值，因此模型可改写为：
[0116] F＝0.7518(S-1740)+8.258 (十八)式(十八)中F为切削力大小，S为AD采样数据。
[0117] 误差分析主要分为两个部分组成，首先是分析设计的系统测量值的准确性，通过设计一组切削试验，同时用该传感器系统和
测量传感器系统进行数据测量，对比两者之间的数据差值，分析本系统的测量准确度。其次设计一组参数变化幅度较小的切削对比实验，比较系统采集的数据的变化，以分析该系统自身对外界信号变化的敏感程度。
[0118] 测量准确度分析试验：本实验选取1Cr18Ni9Ti作为试验工件材料进行外圆车削试验，将所测得的切削力值和本发明系统测得的数据画入同一柱状图中，可直观分析结果误差如图10所示，计算每组误差可知在第五组误差结果最大为9.2％，精度要求小于10％，因此满足精度要求。
[0119] 调整切削参数实验：为研究该系统对信号数据的灵敏度，选取相同型号的不同磨损状态的两个车刀6刀刃进行外圆车削试验，车刀型号为DNMG-150408-FP，后刀面磨损分别为0.167mm和0.01mm。将得到的主切削力和切削电流的数值分别画出柱状图可进行直观分析。如图11所示，在相同刀刃切削实验中，切削参数越大，切削力和切削电流在该系统的测量值有明显增大；在相同切削参数下，使用严重磨损状态下的刀刃得到的数据较之无磨损的刀刃有少量的减少，该试验说明该系统在各信号发生微弱变化时也能准确进行反应。
[0120] 本部分主要基于上部分已验证准确性的传感器开展变切削参数单因素试验，分别研究各切削参数的变化。以42CrMo、45CrNiMoVA作为加工材料开展半精加工外圆车削试验，分别设计了变切深、变转速、变进给三方面的单因素试验，选用的车刀6型号为肯纳硬质
合金涂层车刀CNMG120408FP，通过刀杆MCLNL2020K-12固定于刀架10。试验平台为Cincinnati HAWKTC-150数控
车床，执行本发明步骤，采集切削力、切削电流以及切削扭矩的实时信号，其试验结果如表2、表3、表4、表5所示。
[0121] 表2 42CrMo变切削速度试验数据结果 表3 42CrMo变切深试验数据结果[0122]
[0123] 表4 42CrMo变进给试验数据结果 表5 45CrNiMoVA变切深试验数据结果[0124]
[0125] 针对以上的数据结果，为直观分析各参数的影响，将所测数据纳入折线图中进行分析，所绘制折线图如图12所示。分析前三幅图像，首先可以得出切削力与切削电流之间的相关性较大，切削力越大，切削电流也会越大，两者几乎呈线性增长关系，符合切削力与主轴电机的输出转矩呈线性相关，而转矩大小又线性影响电流大小的结论，验证了本发明方法的正确性。
[0126] 以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的
权利要求保护范围之内。
