专利名称：面向乘员约束系统性能分析的数据挖掘网格中间件系统的制作方法
技术领域：
本发明涉及一种计算机应用技术领域的系统，具体是一种面向乘员约束系统性能 分析的数据挖掘网格中间件系统。
背景技术：
随着计算机软、硬件技术的飞速发展以及市场对汽车被动安全性设计重视程度的 提高，在汽车的概念设计及详细设计阶段均产生了大量数据。这些数据包括整车的有 限元数字模型，以及相应于每个模型所产生的大量CAE仿真实验数据。这些数据构成 了一个海量数据源。除此之外，由于汽车行业全球化生产形式的普及，这些海量数据 可能分布在全球不同地区。因此，如何从这些分布的海量数据中获取信息，以便指导 汽车设计、改善汽车性能成为目前汽车行业关注的焦点之一。
经对现有技术的文献检索发现，JonB. Weissman等在Lecture Notes in Computer Science, 2007: 1222-1229上发表文章"DDDAS/ITR: A Data Mining and Exploration Middleware for Grid and Distributed Computing" ( "DDDAS/ITR系统， 一种基于 网格和分布式计算技术的数据挖掘中间件"，计算机科学讲义，2007: 1222-1229)， 该文综合应用网格技术与数据挖掘技术构建了一个数据挖掘中间件系统，但文中并未 涉及对汽车数字化模型的数据进行挖掘。经检索还发现，Annette Kuhlmarm等在 Lecture Notes in Computer Science, 2005: 558-569上发表文章"Data Mining on Crash Simulation Data"("对碰撞仿真数据的数据挖掘"，计算机科学讲义，2005: 558-569)该文通过从有限元数字模型中提取车辆各部件的几何信息，从而探求部件 几何形状与车辆碰撞性能之间的关系。该文虽涉及车辆有限元数字模型的处理，但强 调于几何关系的转化上，而且系统只能应用在数据集中地，而不支持位于广域网的分 布式数据的挖掘。
发明内容
本发明针对现有技术中存在的不足，提出一种面向乘员约束系统性能分析的数据
挖掘网格中间件系统，本发明为开发通用的面向乘员约束系统性能分析的系统提供了 基本的应用服务，解决了分布式海量乘员约束系统数据的挖掘问题。
本发明通过以下技术方案实现的，本发明包括乘员约束系统数据前处理模块、 乘员约束系统参数灵敏度分析模块、乘员约束系统性能优化模块、乘员约束系统性能 预测模块，其中
乘员约束系统数据前处理模块接收来自远程应用的服务请求信息，服务请求信息 包含数据源地址以及模型单位等信息，该模块自动对含有乘员约束系统的整车有限元 数字模型，以及经碰撞仿真试验获得的结果数据进行处理，利用JAVA语言从中提取 影响乘员约束系统性能的参数、假人伤害值参数，在此基础上得到评价假人伤害的加 权乘员伤害指标(Weighted Injury Criteria, WIC)，并对WIC进行离散化处理，然 后将提取出的参数转化为数据挖掘方法支持的数据库中的表格实体，最终将表格实体 传递给其他三个模块来进行数据挖掘操作；
乘员约束系统参数灵敏度分析模块负责縮减乘员约束系统的特征参数，并接收来 自远程应用的服务请求信息，信息包含乘员约束系统数据前处理模块所输出的表格的 地址信息，以及希望选择的参数的个数，表格中承载的是用来进行数据挖掘操作的离 散化数据，该模块应用数据挖掘的属性选择方法确定对乘员约束系统性能影响最大的 有限个参数，其输出为满足指定条件的乘员约束系统参数列表，并将该参数列表传输 给乘员约束系统性能优化模块和乘员约束系统性预测模块；
乘员约束系统性能优化模块接收来自乘员约束系统数据前处理模块及乘员约束 系统参数灵敏度分析模块的输出，采用数据挖掘的决策树分类方法处理后输出各个参 数对假人伤害的影响规则，根据此规则使用结构优化方法完成乘员约束系统的优化匹 配设计，以便获得合适的参数值，使得在碰撞仿真试验中的假人伤害尽可能的小；
乘员约束系统性能预测模块负责在乘员约束系统的概念设计阶段预测乘员的被 动安全性，从乘员约束系统性能优化模块的输出中获得参数对假人伤害的影响规则， 基于数据挖掘的预测方法，对设计的乘员约束系统参数预测其工作性能，判断所设计 的乘员约束系统是否能满足碰撞仿真试验的要求。
所述乘员约束系统数据前处理模块，包括三个子模块乘员约束系统特征参数提 取子模块、假人伤害值的提取及计算子模块、WIC值离散化子模块，其中
乘员约束系统特征参数提取子模块利用JAVA语言，对模型数据、结果数据等ASCII (美国信息互换标准代码)形式的文件进行字符流操作，字符流操作是指根据模型数 据、结果数据所处的文件系统以及所提取参数的关键字，从这些文件中寻找满足关键 字的项，从包含乘员约束系统模型的整车有限元数字模型中提取出特征参数值；
假人伤害值的提取及计算子模块利用JAVA语言，从碰撞仿真结果数据中根据处于 人体关键部位的力学、运动学传感器标识，获得各个伤害值，然后根据人体头部伤害 标准(Head Injury Criterion, HIC)及加权乘员伤害指标公式，利用JAVA语言的数 学库计算得到WIC值，用以评价乘员约束系统对乘员的保护性能；
WIC值的离散化模块负责对前处理所得的数据进行分类操作，将采用等区间法对 连续的WIC值进行离散化，即在WIC取值范围内将其等间距离散为有限段，依据WIC所 处的段将其进行分类。
所述乘员约束系统优化匹配模块，从源数据表中抽取由灵敏度分析得到的参数与 WIC值所组成的新表，使用C4.5决策树分类方法对以上获得的数据进行数据挖掘，得 到决策树分类结果，该结果表现为树形图像，或转化为文本形式的分类规则，同时， 该模块还将以文本与表格的形式给出此分类的评估结果，用来说明所获得规则的误差 情况，分类结果表明了在整车碰撞仿真试验条件下假人的综合伤害指标WIC取得较小 值时，乘员约束系统关键参数的取值规则。
所述乘员约束系统性能预测模块，其基于乘员约束系统数据前处理模块输出的经 离散化处理的数据集，以及乘员约束系统优化匹配模块输出的分类规则，获得参数对 假人伤害的影响规则，此规则实质上构成了一个分类器，基于此分类器应用数据挖掘 的预测方法，得到WIC的可能取值范围，根据所得的值判断设计所采用的乘员约束系 统参数是否能够有效的保护乘员的被动安全，最终指导设计人员的设计。
所述乘员约束系统数据前处理模块、乘员约束系统参数灵敏度分析模块，其接收 的服务请求信息均通过具有XML (可扩展标识语言)编码格式的SOAP (简单对象访问 协议)信息传输。
所述乘员约束系统数据前处理模块、乘员约束系统性能优化模块，均为经Web Service (网络服务)技术的封装，通过API接口供应用系统连接。
所述乘员约束系统参数灵敏度分析模块，其经Web Service技术的封装，通过API
接口供应用系统连接，支持乘员约束系统的优化设计等应用，具有一定的通用性。
本发明在应用布署时，乘员约束系统数据前处理模块通过HTTP文件传输协议从 远程磁盘文件系统获取源数据，经处理输出供数据挖掘方法操作的表格数据。乘员约 束系统数据前处理模块的输出是其他三个模块的输入。乘员约束系统性能优化模块与 乘员约束系统性能预测模块可以基于乘员约束系统参数灵敏度分析模块的输出结果。 并且，执行时乘员约束系统性能预测模块必须基于乘员约束系统性能优化模块所输出 的参数规则。它们之间通过各模块提供的API接口互相连接，与外界应用通过XML格 式的SOAP信息来连接。也可以由远程应用通过SOAP信息单独调用某个服务模块，以 完成某一方面的应用。
本发明运行于S0A(面向服务架构)的网格体系中，基础中间件系统必须具有OGSA (开放网格服务体系)或WSRF (Web服务资源框架)的网格体系结构，以服务的形式 为网格应用中间件系统及网格应用系统提供服务接口，例如以上提及的文件传输协 议。服务的形式可以是网格服务或Web服务。集成环境下的底层操作系统需具有HTTP 协议的网络操作系统，支持局域网与广域网运行环境。 与现有技术相比，本发明具有如下有益效果
本发明的乘员约束系统数据前处理模块支持多种常用安全气囊模型，支持三套常 用单位制，具有一定的通用性。乘员约束系统性能优化模块与乘员约束系统性能预测
模块充分体现了对分布式数据的处理能力，综合考虑各存储地数据对整体数据挖掘的 影响，为分布式海量乘员约束系统数据的知识发现提供了一个可行的途径。
不同于传统的乘员约束系统设计方法，本发明充分利用汽车行业在设计过程中积 累的大量仿真试验数据，通过数据挖掘的方法从中获取乘员约束系统设计参数与其对 乘员保护性能之间的关系。传统的方法需要通过物理试验或是有针对性的重新设计仿 真试验进行考察，因此，本发明对于縮短乘员约束系统的开发周期、节约仿真计算资 源都有重要意义。
图l为本发明运行于SOA的网格体系的系统结构框图2为本发明实施例中包含乘员约束系统的整车有限元模型；
图3为本发明实施例中产生的决策分类树。
具体实施例方式
下面结合附图对本发明的实施例作详细说明本实施例在以本发明技术方案为前 提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限 于下述的实施例。
如图1所示，本实施例运行于SOA (面向服务架构)的网格体系中，基础中间件系 统必须具有OGSA (开放网格服务体系)或WSRF (Web服务资源框架)的网格体系结构， 以服务的形式为网格应用中间件系统及网格应用系统提供服务接口，例如以上提及的 文件传输协议。服务的形式可以是网格服务或Web服务。集成环境下的底层操作系统 需具有HTTP协议的网络操作系统，支持局域网与广域网运行环境。
本实施例以Windows XP Professional为底层操作系统，采用的基础网格中间件 为VEGA G0S (简称G0S)，基础网格中间件由中国科学院计算所在Globus Toolkit基 础上自主开发而成，使用基于SOA的OGSA网格体系结构，SOAP为分布式系统间的通讯 协议。应用系统为汽车乘员约束系统数据分析portal应用。
如图1所示，本实施例包括乘员约束系统数据前处理模块、乘员约束系统参数 灵敏度分析模块、乘员约束系统性能优化模块、乘员约束系统性能预测模块，其中-
乘员约束系统数据前处理模块接收来自远程应用的服务请求信息，服务请求信息 包含数据源地址以及模型单位等信息，该模块自动对含有乘员约束系统的整车有限元 数字模型，以及经碰撞仿真试验获得的结果数据进行处理，利用JAVA语言从中提取 影响乘员约束系统性能的参数、假人伤害值参数，在此基础上得到评价假人伤害的加 权乘员伤害指标(Weighted Injury Criteria, WIC)，并对WIC进行离散化处理，然 后将提取出的参数转化为数据挖掘方法支持的数据库中的表格实体，最终将表格实体 传递给其他三个模块来进行数据挖掘操作；
乘员约束系统参数灵敏度分析模块负责縮减乘员约束系统的特征参数，并接收来 自远程应用的服务请求信息，信息包含乘员约束系统数据前处理模块所输出的表格的 地址信息，以及希望选择的参数的个数，表格中承载的是用来进行数据挖掘操作的离 散化数据，该模块应用数据挖掘的属性选择方法确定对乘员约束系统性能影响最大的 有限个参数，其输出为满足指定条件的乘员约束系统参数列表，并将该参数列表传输 给乘员约束系统性能优化模块和乘员约束系统性预测模块；
乘员约束系统性能优化模块接收来自乘员约束系统数据前处理模块及乘员约束 系统参数灵敏度分析模块的输出，采用数据挖掘的决策树分类方法处理后输出各个参 数对假人伤害的影响规则，根据此规则使用结构优化方法完成乘员约束系统的优化匹 配设计，以便获得合适的参数值，使得在碰撞仿真试验中的假人伤害尽可能的小；
乘员约束系统性能预测模块负责在乘员约束系统的概念设计阶段预测乘员的被 动安全性，从乘员约束系统性能优化模块的输出中获得参数对假人伤害的影响规则， 基于数据挖掘的预测方法，对设计的乘员约束系统参数预测其工作性能，判断所设计 的乘员约束系统是否能满足碰撞仿真试验的要求。
如图2所示，是本实施例中含有乘员约束系统的整车有限元模型，所建立的假人 为50百分位的Hybrid III (Hybrid第三代)型前碰撞模型；所建立的安全带系统有限 元模型包括安全带单元、滑动环单元、预紧器、巻收器单元以及引发预紧器、巻收 器工作的传感器单元；所建立的气囊为膜单元的折叠安全气囊，其气体动力学模型由 Ls-dyna (显示动力学有限元求解器)中的"简单控制体积"公式确定；
本实施例中的碰撞仿真试验的类型为100%正面刚性墙碰撞，所应用的有限元求解 器为SMP (Symmetric Multi Processing,对称多处理系统)版本的显式动力学有限 元求解器Ls-dyna，针对86个不同的乘员约束系统参数组合分别求解，得到86组仿真 结果，由这些结果以及对应的有限元数字模型组成了源数据。
所述乘员约束系统的参变量，包括如下安全带材料、预紧器收缩速度、预紧器 时间延迟、巻收器载荷曲线、安全气囊点火时刻、气体质量流曲线、气囊泄漏孔面积、 气囊材料、气囊内气体温度。
本实施例所用到的数据挖掘基本方法来自开源的数据挖掘工具WEKA (Waikato Environment for Knowledge Analysis)。
本实施例中含有乘员约束系统的整车有限元模型以及碰撞仿真试验结果数据均 以文件的形式保存在存储设备中，并且模型与其对应的结果处于同一文件夹。因此， 最初的数据源就表现为存储设备中的有限个文件夹，每一个文件夹包含整车有限元模 型文件以及经碰撞仿真求解所得到的结果文件。对于本实施例，存在86个这样的文件 夹。
所述乘员约束系统数据前处理模块，包括三个子模块乘员约束系统特征参数提
取子模块、假人伤害值的提取及计算子模块、WIC值离散化子模块，其中
乘员约束系统特征参数提取子模块其对源数据进行操作，从整车有限元模型文件 中提取参数，分别为sb—mat_E (安全带材料)、sb—pull—rate (预紧器收縮速度)、 sb—pre—delay (预紧器时间延迟)、sb—loader (巻收器载荷曲线)、ab—fire—time (安全气囊点火时刻)、ab—mass_flow (气体质量流曲线)、ab_vent_area (气囊泄 漏孔面积)、ab—mat_E (气囊材料)、ab—air_T (气囊内气体温度)，其中，安全带 材料指材料的杨氏模量，预紧器收縮速度指预紧阶段单位时间内安全带长度的变化， 巻收器载荷曲线及气体质量流曲线项应填入曲线与横轴之间所围面积，气囊材料为材 料的杨氏模量；
假人伤害值的提取及计算子模块从仿真结果文件中根据各个测量点的标识号提 取假人所受伤害值，包括从NODOUT结果文件中提取假人头部、胸部加速度值；从 DEFORC结果文件中提取胸部最大变形、大腿轴向力，然后根据这些基本元素以及WIC
公式求《导wic值，wic公式为TOC = o.6f_^￡)+0.35[^w+_^^)/2.0+。.05(f/r"r+F/errV20.。'
1 1000」(600.0762 I 、 7
其中，HIC表示头部伤害准则的数值，"^:M^
、2.5
;q则表示胸部3ms
准则的数值，单位g ; "。^表示胸部压縮量，单位m; 表示左大腿骨最大轴向力，
单位kN; ^柳表示右大腿骨最大轴向力，单位kN。
WIC值离散化子模块对连续的WIC值进行离散化，所使用的是WEKA的离散化过滤 器Discretize，将WIC离散为3段，分别为(-inf-O. 777134];
; [1.210312- inf) 。 WIC处于(-inf-O. 777134]可以接受。
所述乘员约束系统参数灵敏度分析模块，其以从由乘员约束系统数据前处理模块 所得到的数据集为基础，首先进行灵敏度分析，以便得到对假人伤害影响最大的参数， 灵敏度分析通过数据挖掘的属性选择方法实现，具体的属性评估使用 SVMAttributeEval方法(递归属性排除及线性向量机)，搜索方法为Ranker (按照属 性的评估进行逐一排序)；经过计算，对假人伤害大小影响的参数依次为 ab—fire—time; sb_loader; ab—mass_flow; ab—vent—area; sb—pre—delay; ab—air_T; ab一mat—E; sb—mat—E; sb—pull—rate.由此，选择前5个对假人伤害值WIC影响最大的
参数作为今后分类及预测的可变参数。
所述乘员约束系统性能优化模块，其在灵敏度分析的基础上进行分类操作，具体 使用WEKA的J48决策树分类方法，其结果如图3所示。由此图可以得到分类规则，其中 所关心的是WIC取值在( 0. 777134)时，各个参数应满足的取值规则，这些有价值 的规则分别为
(1) ab—fire—time <= 0.05 AND ab—fire—time <= 0.04 AND ab_vent_area 〉 0.0003 AND ab_mass—flow 〉 0.015611: (-inf-0. 777134] (37.0/2.0)
(2) ab—fire—time <= 0.05 AND sb—loader > 2219.2002: (—inf—0. 777134] (10.0/1.0)
(3) ab—vent—area <= 0.001 AND ab—vent—area <= 0.0004 AND ab_vent_area 〉0.0001:(—inf—0. 777134] (4.0/1.0)
(4) ab—vent—area 〈= 0. 001 AND sb—pre—delay 〉 0. 025: (_inf-0. 777134] (4. 0) 所述乘员约束系统性能预测模块，根据分类操作所得到的分类器，进行WIC值的
预测，具体是将待预测的乘员约束系统参数传递给乘员约束系统性能优化模块所产生 的J48决策树分类器，分类器根据其分类规则，得到相应WIC值的范围，待预测的乘员 约束系统参数为sb—mat_E =2000000000; sb—pull—rate =6. 6; sb_pre_delay =0. 05; sb—loader =748; ab—fire—time =0. 03; ab—mass—flow=0. 06; ab—vent—area=0. 0005; ab—mat_E=150000000; ab_air—T =700，所得到的预测结果为(-inf-0. 777133]。
本实施例将数据挖掘方法应用于乘员约束系统设计，通过对分布式的海量整车有 限元数据及碰撞仿真结果数据的知识发现，确定影响乘员被动安全性的主要结构参 数、对乘员约束系统进行匹配设计、对乘员约束系统性能进行预测。本实施例可以部 署在任何SOA架构的网格体系中，满足对乘员约束系统数据进行数据挖掘的需要，以 支持乘员约束系统的设计。
权利要求
1、一种面向乘员约束系统性能分析的数据挖掘网格中间件系统，其特征在于，包括乘员约束系统数据前处理模块、乘员约束系统参数灵敏度分析模块、乘员约束系统性能优化模块、乘员约束系统性能预测模块，其中乘员约束系统数据前处理模块接收来自远程应用的服务请求信息，服务请求信息包含数据源地址以及模型单位信息，该模块自动对含有乘员约束系统的整车有限元数字模型，以及经碰撞仿真试验获得的结果数据进行处理，利用JAVA语言从中提取影响乘员约束系统性能的参数、假人伤害值参数，在此基础上得到评价假人伤害的WIC，并对WIC进行离散化处理，然后将提取出的参数转化为数据挖掘方法支持的数据库中的表格实体，最终将表格实体传递给其他三个模块来进行数据挖掘操作；乘员约束系统参数灵敏度分析模块负责缩减乘员约束系统的特征参数，并接收来自远程应用的服务请求信息，信息包含乘员约束系统数据前处理模块所输出的表格的地址信息，以及希望选择的参数的个数，表格中承载的是用来进行数据挖掘操作的离散化数据，该模块应用数据挖掘的属性选择方法确定对乘员约束系统性能影响最大的有限个参数，其输出为满足指定条件的乘员约束系统参数列表，并将该参数列表传输给乘员约束系统性能优化模块和乘员约束系统性预测模块；乘员约束系统性能优化模块接收来自乘员约束系统数据前处理模块及乘员约束系统参数灵敏度分析模块的输出，采用数据挖掘的决策树分类方法处理后输出各个参数对假人伤害的影响规则，根据此规则使用结构优化方法完成乘员约束系统的优化匹配设计，获得使得在碰撞仿真试验中的假人伤害尽可能小的参数值；乘员约束系统性能预测模块负责在乘员约束系统的概念设计阶段预测乘员的被动安全性，从乘员约束系统性能优化模块的输出中获得参数对假人伤害的影响规则，基于数据挖掘的预测方法，对设计的乘员约束系统参数预测其工作性能，判断所设计的乘员约束系统是否能满足碰撞仿真试验的要求。
2、 根据权利要求l所述的面向乘员约束系统性能分析的数据挖掘网格中间件系 统，其特征是，所述乘员约束系统数据前处理模块，包括三个子模块乘员约束系统 特征参数提取子模块、假人伤害值的提取及计算子模块、WIC值离散化子模块，其中 乘员约束系统特征参数提取子模块利用JAVA语言，对模型数据、结果数据ASCII形式的文件进行字符流操作，字符流操作是指根据模型数据、结果数据所处的文件系统以及所提取参数的关键字，从这些文件中寻找满足关键字的项，从包含乘员约束系统模型的整车有限元数字模型中提取出特征参数值；假人伤害值的提取及计算子模块利用JAVA语言，从碰撞仿真结果数据中根据处于人体关键部位的力学、运动学传感器标识，获得各个伤害值，然后根据人体头部伤害标准及加权乘员伤害指标公式，利用JAVA语言的数学库计算得到WIC值，用以评价乘员约束系统对乘员的保护性能；WIC值的离散化模块负责对前处理所得的数据进行分类操作，将采用等区间法对连续的WIC值进行离散化，即在WIC取值范围内将其等间距离散为有限段，依据WIC所处的段将其进行分类。
3、 根据权利要求l所述的面向乘员约束系统性能分析的数据挖掘网格中间件系 统，其特征是，所述乘员约束系统优化匹配模块，从源数据表中抽取由灵敏度分析得 到的参数与WIC值所组成的新表，使用C4. 5决策树分类方法对以上获得的数据进行数 据挖掘，得到决策树分类结果，该结果表现为树形图像，或转化为文本形式的分类规 则，同时，该模块还将以文本与表格的形式给出此分类的评估结果，用来说明所获得 规则的误差情况，分类结果表明了在整车碰撞仿真试验条件下假人的综合伤害指标 WIC取得较小值时，乘员约束系统关键参数的取值规则。
4、 根据权利要求l所述的面向乘员约束系统性能分析的数据挖掘网格中间件系 统，其特征是，所述乘员约束系统性能预测模块，其基于乘员约束系统数据前处理模 块输出的经离散化处理的数据集，以及乘员约束系统优化匹配模块输出的分类规则， 获得参数对假人伤害的影响规则，此规则实质上构成了一个分类器，基于此分类器应 用数据挖掘的预测方法，得到WIC的可能取值范围，根据所得的值判断设计所采用的 乘员约束系统参数是否能够有效的保护乘员的被动安全，最终指导设计人员的设计。
5、 根据权利要求1所述的面向乘员约束系统性能分析的数据挖掘网格中间件系 统，其特征是，所述乘员约束系统数据前处理模块、乘员约束系统性能优化模块，均 为经Web Service技术的封装，通过API接口供应用系统连接。
6、 根据权利要求1所述的面向乘员约束系统性能分析的数据挖掘网格中间件系 统，其特征是，所述乘员约束系统数据前处理模块、乘员约束系统参数灵敏度分析模 块，其接收的服务请求信息均通过具有XML编码格式的SOAP信息传输。
7、 根据权利要求1或6所述的面向乘员约束系统性能分析的数据挖掘网格中间 件系统，其特征是，所述乘员约束系统参数灵敏度分析模块，其经Web Service技术 的封装，通过API接口供应用系统连接，支持乘员约束系统的优化设计。
全文摘要
一种计算机应用技术领域的面向乘员约束系统性能分析的数据挖掘网格中间件系统，乘员约束系统数据前处理模块通过HTTP文件传输协议从远程磁盘文件系统获取源数据，经处理输出供数据挖掘方法操作的表格数据，乘员约束系统数据前处理模块的输出是其他三个模块的输入。乘员约束系统性能优化模块与乘员约束系统性能预测模块可以基于乘员约束系统参数灵敏度分析模块的输出结果。并且，执行时乘员约束系统性能预测模块必须基于乘员约束系统性能优化模块所输出的参数规则。本发明充分利用汽车行业在设计过程中积累的大量仿真试验数据。本发明对于缩短乘员约束系统的开发周期、节约仿真计算资源都有重要意义。
文档编号G06F17/50GK101354733SQ20081020003
公开日2009年1月28日 申请日期2008年9月18日 优先权日2008年9月18日
发明者源 曹, 王建炜, 赵志杰, 金先龙 申请人:上海交通大学