基于CAE仿真技术的多材料智能选材方法、系统及电子设备

基于cae仿真技术的多材料智能选材方法、系统及电子设备
技术领域
1.本发明属于辅助工程仿真技术领域，尤其涉及到一种cae仿真技术的多材料智能选材方法、系统及电子设备。


背景技术：

2.以工程产品为汽车为例，生产一辆汽车的原材料费用占生产成本的53％，可见材料的合理选择、科学处理和精确设计直接关系到汽车产品的成本与质量。随着技术及相关产品的不断创新和发展，汽车产品的更新换代也更加频繁，结构也越发复杂，由此带来的材料选择也更加频繁和困难。传统选材方法是通过人工经验和实验手段不断的重复、验证和修改，造成较高的时间、能耗以及材料成本，且远远不能满足技术发展的要求。


技术实现要素：

3.本发明的目的在于提供一种基于cae仿真技术的多材料智能选材方法、系统及电子设备，以解决传统选材方法存在的上述技术问题。
4.基于上述目的，第一方面，本发明提供一种基于cae仿真技术的多材料智能选材方法，包括：
5.嵌入选材对象的初始cae模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；
6.根据预设优化参数、所述初始材料集和所述初始cae模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果；
7.根据所述优化结果构建cae模型集合，并根据所述cae模型集合包含的每个cae模型中的材料属性构建中间材料集；
8.根据所述cae模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集；
9.根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
10.优选地，所述预设优化参数包含优化约束和优化目标；所述根据预设优化参数、所述初始材料集和所述初始cae模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果，包括：
11.设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；
12.设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；
13.根据所述初始材料集修改所述初始cae模型中的材料属性，并根据所述优化约束和所述优化目标构建m个拓扑优化模型；
14.对各所述拓扑优化模型进行求解，获得对应的优化结果。
15.优选地，所述根据所述cae模型集合和所述中间材料集进行多维度指标评价，获取
含标记的目标材料集，包括：
16.构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；
17.基于所述cae模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；
18.对各维度指标的所述权重因子进行预处理；
19.将预处理后的所述权重因子标记至所述中间材料集合中，生成含标记的目标材料集。
20.优选地，所述根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案，包括：
21.根据所述目标材料集和各所述维度指标的指标因子构建单目标优化设计模型；
22.通过启发式优化算法对所述单目标优化设计模型进行求解，得到所述最优求解结果。
23.优选地，所述单目标优化设计模型为：
[0024][0025]
其中，ρ(x1,x2,
…
,x
n
)为单目标优化设计模型，β为光滑因子，g(y
i
)(i＝1,2,
…
,m)为设计目标的目标值与当前值的差值的绝对值，g(y
i
)为：
[0026]
g(y
i
)＝|v
i
‑
r
i
|，
[0027]
其中，v
i
为设计目标的目标值，r
i
为设计目标的当前值。
[0028]
优选地，所述启发式优化算法为粒子群优化算法；所述通过启发式优化算法对所述单目标优化设计模型进行求解，得到所述最优求解结果，包括：
[0029]
通过粒子群优化算法获取所述单目标优化设计模型中的最佳当前值；
[0030]
检测所述最佳当前值对应的选材方案是否为可满足方案；
[0031]
若为不满足方案，则获取所有不满足方案中的设计约束和设计目标，并获取最佳目标值；
[0032]
判断当前迭代次数是否小于或等于预设迭代阈值；
[0033]
若是，返回步骤：通过粒子群优化算法获取所述单目标优化设计模型中的最佳当前值；
[0034]
若否，确定无最优求解结果。
[0035]
第二方面，本发明提供一种基于cae仿真技术的多材料智能选材系统，包括：
[0036]
材料集生成模块，用于嵌入选材对象的初始cae模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；
[0037]
拓扑优化模块，用于根据预设优化参数、所述初始材料集和所述初始cae模型构建拓扑优化模型，并对拓扑优化模型进行求解获得优化结果；
[0038]
材料集处理模块，用于根据所述优化结果构建cae模型集合，并根据所述cae模型集合包含的每个cae模型中的材料属性构建中间材料集；
[0039]
多维度评价模块，用于根据所述cae模型集合和所述中间材料集，通过所述cae模型进行多维度指标评价，获取含标记的目标材料集；
[0040]
方案生成模块，用于根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
[0041]
优选地，所述拓扑优化模块包括：
[0042]
约束单元，用于设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；
[0043]
目标单元，用于设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；
[0044]
拓扑优化单元，根据所述初始材料集修改所述初始cae模型中的材料属性，并根据所述优化约束和所述优化目标构建m个拓扑优化模型；
[0045]
拓扑优化求解单元，对各所述拓扑优化模型进行求解，获得对应的优化结果。
[0046]
优选地，所述多维度评价模块包括：
[0047]
体系构建单元，用于构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；
[0048]
评价单元，用于基于所述cae模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；
[0049]
预处理单元，用于对各维度指标的所述权重因子进行预处理；
[0050]
标记单元，用于将预处理后的所述权重因子标记至所述中间材料集合中，生成含标记的目标材料集。
[0051]
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任意一项所述的基于cae仿真技术的多材料智能选材方法。
[0052]
本发明的基于cae仿真技术的多材料智能选材方法、系统及电子设备，首先嵌入cae模型，并从材料数据库智能选取材料构建材料集，然后结合cae求解器和拓扑优化模型，获得优化后的cae模型，进一步地基于优化后的cae模型进行多维度指标评价，并构建含标记的材料集，最后通过单目标优化设计模型进行可满足性求解，得到选材方案。本发明将材料数据库技术与cae仿真技术进行结合，构建多维度指标评价体系，能够实现选材过程的程序化、定量化、数据化和智能化，同时构建单目标优化设计模型，能够实现工程产品选材方案的智能生成，并且提高了选材效率，降低了选材成本，能够满足前期设计需求。
附图说明
[0053]
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，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
[0054]
图1为本发明一实施例中基于cae仿真技术的多材料智能选材方法的流程图；
[0055]
图2为本发明一实施例中基于cae仿真技术的多材料智能选材方法的步骤s20的流程图；
[0056]
图3为本发明一实施例中基于cae仿真技术的多材料智能选材方法的步骤s40的流程图；
[0057]
图4为本发明一实施例中基于cae仿真技术的多材料智能选材方法的步骤s50的流程图；
[0058]
图5为本发明一实施例中基于cae仿真技术的多材料智能选材系统的原理框图；
[0059]
图6为本发明一实施例中基于cae仿真技术的多材料智能选材系统的拓扑优化模块的原理框图；
[0060]
图7为本发明一实施例中基于cae仿真技术的多材料智能选材系统的多维度评价模块的原理框图；
[0061]
图8为本发明一实施例中的电子设备的示意图。
具体实施方式
[0062]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0063]
在一实施例中，如图1所示，提供一种基于cae仿真技术的多材料智能选材方法，包括如下步骤：
[0064]
步骤s10，嵌入选材对象的初始cae模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集a。
[0065]
在本实施例中，目标材料性能参数包括但不限于材料常规性能和使用性能等。
[0066]
在材料集生成过程中，嵌入选材对象的初始cae(computer aided engineering，计算机辅助工程)模型，该cae模型中包含材料属性，在获取到指定用户依据经验和竞品特性任意设置的目标材料性能参数之后，通过预设材料数据库的检索功能自动筛选出满足常规性能和使用性能等性能参数的备选材料，从而由所有备选材料组合构成待评价的初始材料集a。其中，指定用户可以是产品设计工程师。
[0067]
作为优选，可以采用不同类型的材料进行对比，并反复执行步骤s10的材料集生成过程，例如：竞品1为铝合金，则可生成一个铝合金评价集a1；竞品2为高强钢，则可再次生成一个高强钢评价集a2；若竞品3为复合材料，则可再次生成一个复合材料评价集a3，此时最终生成的待评价的初始材料集a，可以表示为：
[0068]
a＝a1+a2+a3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0069]
步骤s20，根据预设优化参数、初始材料集a和初始cae模型构建拓扑优化模型，并对拓扑优化模型进行求解获得优化结果。
[0070]
在本实施例中，预设优化参数包含优化约束和优化目标，此时，如图2所示，步骤s20包括以下步骤：
[0071]
步骤s201，设定优化约束，该优化约束包括选材对象的钢度约束、强度约束等性能约束。
[0072]
步骤s202，设定优化目标，该优化目标包括选材对象的体积最大、重量最轻、材料分布最佳等目标。
[0073]
步骤s203，根据初始材料集a修改初始cae模型中的材料属性，并根据优化约束和
优化目标构建m个拓扑优化模型。
[0074]
步骤s204，对各拓扑优化模型进行求解，获得对应的优化结果。
[0075]
在本实施例中，拓扑优化模型的数量m与初始材料集a中的备选材料数量n相同。
[0076]
在结构拓扑优化过程中，根据初始材料集a修改初始cae模型中的材料属性，结合优化约束和优化目标等衍生出与初始材料集a中备选材料数量匹配的拓扑优化模型，并对各拓扑优化模型进行优化求解，记录各拓扑优化模型对应的优化结果，此时从优化结果可以解析得到优化cae模型。
[0077]
步骤s30，根据优化结果构建cae模型集合m，并根据cae模型集合m包含的每个cae模型中的材料属性构建中间材料集b。
[0078]
在本实施例中，基于步骤s20获得的优化结果，确定k(k≥1)个待修改的初始cae模型，根据对应的优化cae模型对初始cae模型进行修改，进而k个修改的初始cae模型和n
‑
k(n为初始材料集a中的备选材料数量)个未修改的初始cae模型组合构成cae模型集合m，同时记录cae模型集合m包含的每个cae模型中的材料属性，得到中间材料集b。
[0079]
步骤s40，根据cae模型集合m和中间材料集b进行多维度指标评价，获取含标记的目标材料集a
′
。
[0080]
在多维度评价过程中，基于步骤s30中的cae模型集合m和中间材料集合b，分别调用cae模型集合m的cae模型对中间材料集b中的各备选材料进行多维度指标评价，获取各维度指标的权重因子，并将各维度指标对应的权重因子标记至中间材料集合b中，最终生成含标记的目标材料集a
′
。
[0081]
作为优选，如图3所示，步骤s40具体包括以下步骤：
[0082]
步骤s401，构建多维度指标体系，该多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标。
[0083]
步骤s402，基于cae模型和多维度指标体系，通过预设的指标分析接口对中间材料集合b中的各备选材料进行多维度指标评价，获得对应的权重因子r
i
。
[0084]
步骤s403，对各维度指标的权重因子r
i
进行预处理。其中，预处理包括正向化处理和无量纲化处理，用于将多样性、多量纲的权重因子r
i
处理为具有一致性、无量纲的标准权重因子。
[0085]
步骤s404，将预处理后的权重因子r
i
标记至中间材料集合b中，生成含标记的目标材料集a
′
。
[0086]
在本实施例中，预设的指标分析接口包括性能cae分析接口、成型cae分析接口、拓扑优化分析接口、成本分析接口、技术成熟度分析接口以及可扩展的其他指标分析接口。
[0087]
也即，对于中间材料集b中的每一个备选材料，调用对应的cae模型，并采用各指标分析接口对各维度指标评价，得到对应的权重因子r
i
，进而将各权重因子r
i
与各备选材料对应并标记至中间材料集b中，从而得到目标材料集a
′
。其中，每一个指标分析接口对应一项维度指标。
[0088]
进一步地，在一实施例中，为了初步筛选最合适材料，在步骤s404之后，可以包括以下步骤：
[0089]
首先，将含标记的目标材料集a
′
中各备选材料关联的各指标因子输入至预设选材评价模型中，并获取预设选材评价模型输出的综合指标权重；其中，预设选材评价模型可以
为：
[0090]
f＝∑r
i
*f
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0091]
公式(2)中，f为综合指标权重，r
i
(i＝1,2,
…
,i)为备选材料在各维度指标的指标因子，f
j
(j＝1,2,
…
,j)为备选材料特定性能的指标值。
[0092]
然后，根据综合指标权重f对目标材料集a
′
中各备选材料进行排序，并将综合指标权重f等于或大于权重阈值的备选材料确定为最合适材料。
[0093]
步骤s50，根据目标材料集a
′
构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
[0094]
作为优选，如图4所示，步骤s50包括以下步骤：
[0095]
步骤s501，根据目标材料集a
′
和各维度指标的指标因子构建单目标优化设计模型。其中，单目标优化模型可以为：
[0096][0097]
公式(3)中，ρ(x1,x2,
…
,x
n
)为单目标优化设计模型，β为光滑因子，g(y
i
)(i＝1,2,
…
,m)为设计目标的目标值与当前值的差值的绝对值，g(y
i
)可以表示为：
[0098]
g(y
i
)＝|v
i
‑
r
i
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0099]
公式(4)中，v
i
为设计目标的目标值，r
i
为设计目标的当前值。
[0100]
可理解的，单目标优化设计模型ρ(x1,x2,
…
,x
n
)中的设计变量x
i
为目标材料集a
′
中的备选材料，设计目标的当前值r
i
为备选材料在选定评价维度的权重因子。
[0101]
步骤s502，通过启发式优化算法对单目标优化设计模型进行求解，得到最优求解结果。
[0102]
在本实施例中，启发式优化算法为粒子群优化算法，步骤s502可以包括以下步骤：
[0103]
步骤一，通过粒子群优化算法获取单目标优化设计模型中的最佳当前值。
[0104]
步骤二，检测最佳当前值对应的选材方案是否为可满足方案。
[0105]
步骤三，若为不满足方案，则获取所有不满足方案中的设计约束和设计目标，并获取最佳目标值；否则，将可满足方案作为最优求解结果输出。
[0106]
步骤四，判断当前迭代次数是否小于或等于预设迭代阈值。
[0107]
步骤五，若是，返回步骤s5021，否则，确定无最优求解结果。
[0108]
在优化求解过程中，首先通过粒子群优化算法找到单目标优化设计模型中的最佳当前值r
best
，检测最佳当前值r
best
对应的选材方案的可满足性，在选材方案为可满足方案时，将可满足方案作为求解结果输出；在选材方案为不满足方案时，记录所有不满足方案中的设计约束和设计目标，并找到最佳目标值v
best
。
[0109]
然后判断当前迭代次数t是否小于或等于预设迭代阈值t
max
，在t≤t
max
时，返回步骤一，更新最佳当前值r
best
和最佳目标值v
best
；而在t＞t
max
时，则结束迭代过程。
[0110]
可理解的，每个维度指标对应一个单目标优化设计模型，采用粒子群优化算法对各单目标优化设计模型进行求解，可以得到一系列可满足方案，最终可以从一系列可满足方案中确定最终的选材方案。
[0111]
进一步的，步骤s502之后，还可以以下步骤包括：在无最优求解结果时，获取可满足求解结果，根据可满足求解结果确定选材方案。
[0112]
也即，当评价维度过大，或者权重因子设置不当时，可能会出现无最优求解结果或者优化求解时间过长，此时可以找到任一可满足求解结果，基于该可满足求解结果进行选材方案的创造式生成。
[0113]
上述实施例的基于cae仿真技术的多材料智能选材方法，首先嵌入cae模型，并从材料数据库智能选取材料构建材料集，然后结合cae求解器和拓扑优化模型，获得优化后的cae模型，进一步地基于优化后的cae模型进行多维度指标评价，并构建含标记的材料集，最后通过单目标优化设计模型进行可满足性求解，得到选材方案。上述实施例将材料数据库技术与cae仿真技术进行结合，构建多维度指标评价体系，能够实现选材过程的程序化、定量化、数据化和智能化，同时构建单目标优化设计模型，能够实现工程产品选材方案的智能生成，并且提高了选材效率，降低了选材成本，能够满足前期设计需求。
[0114]
在一实施例中，提供一种基于cae仿真技术的多材料智能选材系统，该基于cae仿真技术的多材料智能选材系统与上述实施例中的基于cae仿真技术的多材料智能选材方法一一对应。如图5所示，该基于cae仿真技术的多材料智能选材系统包括材料集生成模块110、拓扑优化模块120、材料集处理模块130、多维度评价模块140和方案生成模块150，各功能模块的详细说明如下：
[0115]
材料集生成模块110，用于嵌入选材对象的初始cae模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；
[0116]
拓扑优化模块120，用于根据预设优化参数，初始材料集和初始cae模型构建拓扑优化模型，并对拓扑优化模型进行求解获得优化结果；
[0117]
材料集处理模块130，用于根据优化结果构建cae模型集合，并根据cae模型集合包含的每个cae模型中的材料属性构建中间材料集；
[0118]
多维度评价模块140，用于根据cae模型集合和中间材料集进行多维度指标评价，获取含标记的目标材料集；
[0119]
方案生成模块150，用于根据目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
[0120]
进一步地，如图6所示，所述拓扑优化模块120包括约束单元121、目标单元122、拓扑优化单元123和拓扑优化求解单元124，各功能单元的详细说明如下：
[0121]
约束单元121，用于设定优化约束；该优化约束包括选材对象的钢度约束、强度约束；
[0122]
目标单元122，用于设定优化目标；该优化目标包括选材对象的体积最大、重量最轻、材料分布最佳；
[0123]
拓扑优化单元123，根据初始材料集修改初始cae模型中的材料属性，并根据优化约束和优化目标构建m个拓扑优化模型；
[0124]
拓扑优化求解单元124，对各拓扑优化模型进行求解，获得对应的优化结果。
[0125]
进一步地，如图7所示，所述多维度评价模块140包括体系构建单元141、评价单元142、预处理单元143和标记单元144，各功能单元的详细说明如下：
[0126]
体系构建单元141，用于构建多维度指标体系；该多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；
[0127]
评价单元142，用于基于cae模型和多维度指标体系，通过预设的指标分析接口对
中间材料集合中的各备选材料进行多维度指标评价，获得对应的权重因子；
[0128]
预处理单元143，用于对各维度指标的权重因子进行预处理；
[0129]
标记单元144，用于将预处理后的权重因子标记至中间材料集合中，生成含标记的目标材料集。
[0130]
进一步地，所述方案生成模块150包括设计模型构建单元和设计模型求解单元，各功能单元的详细说明如下：
[0131]
设计模型构建单元，用于根据目标材料集和各维度指标的指标因子构建单目标优化设计模型；
[0132]
设计模型求解单元，用于通过启发式优化算法对单目标优化设计模型进行求解，得到最优求解结果。
[0133]
上述实施例的系统用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0134]
此外，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算计程序，所述处理器执行所述程序时实现上述任意一实施例所述的基于cae仿真技术的多材料智能选材方法。
[0135]
图8示出了本实施例中提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器100、存储器200、输入/输出接口300、通信接口400和总线500。其中处理器100、存储器200、输入/输出接口300与通信接口400、总线500实现彼此之间在设备内部的通信连接。
[0136]
处理器100可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本发明实施例所提供的技术方案。
[0137]
存储器200可以采用rom(read only memory，只读存储器)、ram(randomaccess memory，随机存取存储器)、静态存储设备、动态存储设备等形式实现。存储器200可以存储操作系统和其他应用程序，在通过软件或者固件来实现本发明实施例所提供的技术方案时，相关的程序代码保存在存储器200中，并由处理器100来调用执行。
[0138]
输入/输出接口300用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触控屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0139]
通信接口400用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)(实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0140]
总线500包括一通路，在设备的各个组件(例如处理器100、存储器200，输入/输出接口300和通信接口400)之间传输信息。
[0141]
需要说明的是，尽管上述设备仅示出了处理器100、存储器200、输入/输出接口300、通信接口400以及总线500，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0142]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明实施例的，不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0143]
本发明实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。