一种重力坝非溢流断面优化方法、装置及电子设备与流程

1.本发明实施例涉及水电工程、参数化设计、重力坝优化设计等相关技术领域，尤其涉及一种重力坝非溢流断面优化方法、装置及电子设备。


背景技术：

2.混凝土重力坝的设计工作虽然有相关规定设计标准作为参考，但是标准只规定了一些设计参数的最安全取值，在实际设计过程中需要具体考虑具体的地形地质、经济性等因素对满足设计标准的设计参数进行进一步的调整和优化以达到工程实际需求。当前对于混凝土重力坝非溢流坝段的设计优化，大多数是转变为多约束条件下的非线性规划问题进行求解，采用的算法通常为结合最优准则法、数学规划法等人工手算求解的方式对设计参数进行最优化求解。
3.但上述方法存在以下问题：（1）大部分优化设计需要设计工作者手动进行迭代优化计算，费时费力。
4.（2）设计成果比较依赖于设计人员的设计水平和相关计算准确度，容错率较低。
5.（3）不能很好地保留当时做优化设计的实际设计变量和边界约束条件，优化设计结果和过程不够直观可见。
6.因此，如何能够更为直观快速便捷地对重力坝进行优化设计，从而减少设计人员的计算工作量，降低优化设计的难度，提升设计效率和设计质量，是设计工作者亟需解决的关键问题之一。


技术实现要素：

7.本发明提供了一种重力坝非溢流断面优化方法、装置及电子设备，用以解决当前混凝土重力坝非溢流坝段的优化设计大多依赖设计人员人工进行数学建模和迭代优化计算，费时费力，求解效率不高，求解精度和对实际工程的适用度有待提升的相关问题。
8.第一方面，本发明提供了一种重力坝非溢流断面优化方法，该方法包括：获取进行重力坝非溢流断面优化的设计变量；根据设计变量，确定目标函数表达式；获取与各个设计变量分别对应的约束条件；按照预设规则，获得符合预设要求的设计变量的参数值，作为样本数据；根据目标函数表达式，获取梯度表达式；根据样本数据，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。
9.在一个可能的实现方式中，获取进行重力坝非溢流断面优化的设计变量，具体包括：获取进行重力坝非溢流断面优化的第一设计变量；按照预设筛选规则，对第一设计变量进行筛选，获取第二设计变量，作为进行重力
坝非溢流断面优化的设计变量。
10.在一个可能的实现方式中，设计变量包括上游坡度、下游坡度、上游折坡点高度与坝高比值、及下游折坡点高度与坝高比值；根据设计变量，确定目标函数表达式，具体为：根据上游坡度、下游坡度、上游折坡点高度与坝高比值、及下游折坡点高度与坝高比值，确定目标函数表达式。
11.在一个可能的实现方式中，约束条件具体包括：上游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点距坝底高度不小于上游水位距坝底高度的0.9倍， 上游坡度取值范围在0～0.2之间，下游坡度取值范围在0.6～0.8之间，抗滑稳定安全系数大于3.0，坝踵不受拉应力及坝址压应力在混凝土材料允许压应力范围内。
12.在一个可能的实现方式中，根据目标函数表达式，获取梯度表达式，具体为：基于目标函数表达式，获取各设计变量最小的方向梯度。
13.在一个可能的实现方式中，根据样本数据，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值，具体包括：根据预设规则，确定各设计变量的学习率取值；基于梯度表达式，获取样本数据中各设计变量方向梯度的学习率调整系数；根据预设规则，基于学习率取值和学习率调整系数，对学习率进行缩减；根据预设规则和学习率的缩减情况，获取第n次迭代后各设计变量的取值；若获取的各设计变量的取值符合约束条件，结束迭代，获得最优化的设计变量的取值。
14.在一个可能的实现方式中，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值，具体包括：若设计变量的取值符合约束条件，则根据迭代的当前设计变量值计算目标函数的函数值；若两次函数值之差小于阈值，则结束迭代，获得最优化的设计变量的取值。
15.第二方面，本发明提供了一种重力坝非溢流断面优化装置，该装置包括：获取模块，用于获取进行重力坝非溢流断面优化的设计变量；目标函数模块，用于根据设计变量，确定目标函数表达式；约束条件模块，用于获取与各个设计变量分别对应的约束条件；样本数据模块，用于按照预设规则，获得符合预设要求的设计变量的参数值，作为样本数据；梯度模块，用于根据目标函数表达式，获取梯度表达式；优化模块，用于根据样本数据，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。
16.第三方面，本发明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；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现如第一方面任一项的一种重力
坝非溢流断面优化方法的步骤。
17.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一项的一种重力坝非溢流断面优化方法的步骤。
18.本发明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：本发明实施例提供的重力坝非溢流断面优化方法，获取进行重力坝非溢流断面设计的设计变量。根据设计变量，确定目标函数表达式。获取与各个设计变量分别对应的约束条件。按照预设规则，获得符合预设要求的设计变量的参数值，作为样本数据。根据目标函数表达式，获取梯度表达式。基于样本数据和随机梯度下降算法，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。本发明提供的方法，将混凝土重力坝非溢流坝段的断面以参数化设计的方式提取了设计变量，并依据相关规范将设计变量与相关约束条件联动关联，并将优化设计模式与参数化设计结合起来，引入梯度随机下降(简称sgd)算法，大大简化了设计人员的设计工作开展难度、利用信息化手段实现在线优化设计、大大提升了设计效率和优化设计效率、保证了设计成果的质量。本方法步骤简单、可操作性强，在一定程度上提升了设计成果的经济性，从减轻设计工作者工作量出发，将计算工作移植到计算机上，只需要进行参数的输入即可自动设计产出设计成果，将参数化设计和优化技术更好地应用于水电工程重力坝设计领域。
附图说明
19.图1为本发明实施例提供的一种重力坝非溢流断面优化方法流程示意图；图2为获取进行重力坝非溢流断面优化的设计变量的流程示意图；图3为获取的进行重力坝非溢流断面优化的设计变量；图4为本发明提供的梯度表达式的迭代训练方法流程示意图；图5为初步拟定坝体断面参数录入界面；图6为优化后的坝体结构优化设计界面；图7为本发明实施例提供的一种重力坝非溢流断面优化装置结构示意图；图8为本发明实施例提供一种电子设备结构示意图。
具体实施方式
20.为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
21.为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
22.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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
23.针对背景技术中所提及的技术问题，本发明实施例提供了一种重力坝非溢流断面优化设计方法，图1为本发明实施例提供的一种重力坝非溢流断面优化设计方法流程示意图，如图1所示，该方法步骤包括：步骤110，获取进行重力坝非溢流断面优化的设计变量。
24.在一个示例中，图2是获取进行重力坝非溢流断面设计的设计变量的流程示意图，如图2所示，通过下列步骤获取所需设计变量：步骤210，获取进行重力坝非溢流断面优化的第一设计变量。
25.步骤220，按照预设筛选规则，对第一设计变量进行筛选，获取第二设计变量，作为进行重力坝非溢流断面优化的设计变量。
26.该过程是为了选定设计变量，具体的，参照相关水电工程标准规范，比如混凝土重力坝设计规范（sl 319-2018），选定进行重力坝非溢流坝断面设计的第一设计变量。而对于重力坝非溢流坝段的断面来说，其形状主要由坝高、坝顶宽度、上下游坡度以及上下游起坡点位置决定。根据实际需要和标准规范中的要求，从第一设计变量中筛选出可按照规范计算得出的固定值，比如坝高、坝顶宽度等。从第一设计变量中，刨除可计算得到的固定值，得到用于开展优化设计的关键变量，即按照预设筛选规则，对第一设计变量进行筛选，获取第二设计变量，作为进行重力坝非溢流断面设计的设计变量。本发明中，如图3所示，针对重力坝非溢流断面，通过筛选后，选定的设计变量分别是上游坡度、下游坡度、上游折坡点高度与坝高比值、下游折坡点高度与坝高比值。
27.步骤120，根据设计变量，确定目标函数表达式。
28.该过程主要是确定目标函数表达式，具体的，根据设计经济性考虑，基于对重力坝非溢流坝单坝段的断面进行优化设计，因此，选取断面面积作为优化目标，使其面积最小。
29.在一个示例中，由步骤110的描述可知，本发明选定的进行重力坝非溢流断面设计的设计变量包括上游坡度、下游坡度、上游折坡点高度与坝高比值、下游折坡点高度与坝高比值。具体的，根据上游坡度、下游坡度、上游折坡点高度与坝高比值、及下游折坡点高度与坝高比值，确定目标函数表达式。
30.具体的，目标函数的表达式为：其中，为非溢流坝断面面积，为坝体高度，为坝顶宽度，为上游坡度，为上游折坡点高度与坝高比值，为下游坡度，为下游折坡点高度与坝高比值。
31.步骤130，获取与各个设计变量分别对应的约束条件。
32.该步骤主要是确定与各个设计变量分别对应的约束条件，具体的，包括几何约束条件和应力约束条件：明确几何约束条件：根据设计规范和设计经验参数，划定优化设计变量的大致取值范围，并约束各个设计变量非负。
33.根据设计规范，编写应力约束条件：根据混凝土重力坝设计规范（sl 319-2018），混凝土重力坝的坝踵处正应力应小于等于混凝土材料的允许拉应力，坝址处正应力应小于等于混凝土材料的允许压应力；以及根据设计规范编写优化设计变量的抗滑稳定系数约束条件公式和明确抗滑稳定安全系数取值范围，具体的，根据坝基面抗滑稳定系数确定，如下表1所示：表1 坝基面抗滑稳定系数k’具体的，本发明中的约束条件具体包括：上游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点距坝底高度不小于上游水位距坝底高度的0.9倍，上游坡度取值范围在0～0.2之间，下游坡度取值范围在0.6～0.8之间，抗滑稳定安全系数大于3.0，坝踵不受拉应力及坝址压应力在混凝土材料允许压应力范围内。
34.下面步骤140-步骤160，主要是针嵌入sgd算法模型，具体的：步骤140，按照预设规则，获得符合要求的设计变量的参数值，作为样本数据。
35.根据设计规范和设计经验参数，初步给出各个设计变量的参数值，作为样本数据，进行后续的迭代训练。
36.根步骤150，据目标函数表达式，获取梯度表达式。
37.基于目标函数表达式，获取各设计变量最小的方向梯度，具体的，通过上述的描述可知，目标函数表达式为：其中，为坝高，为坝顶宽度，均为固定值，因此求断面面积最小值，可转化为求的最小值问题，可求得各参数变量的方向导数表达式分别为：式中，，，，，分别对应，，，变量对于所求最小值表达式的方向导数表达式，可得到梯度表达式为：sgd迭代计算表达式为：
其中，为学习率。
38.步骤160，基于样本数据和随机梯度下降算法，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。
39.在一个示例中，图4为本发明提供的梯度表达式的迭代训练方法流程示意图，如图4所示，包括以下步骤：步骤410，根据预设规则，确定各设计变量的学习率取值。
40.步骤420，基于梯度表达式，获取样本数据中各设计变量方向梯度的学习率调整系数。
41.步骤430，根据预设规则，基于学习率取值和学习率调整系数，对学习率进行缩减。
42.步骤440，根据预设规则和学习率的缩减情况，获取第n次迭代后各设计变量的取值。
43.步骤450，若获取的各设计变量的取值符合约束条件和预设的收敛条件，结束迭代，获得最优化的设计变量的取值。
44.具体的，采用不同参数变量取用不同学习率的策略，依照在斜率(方向导数)大的地方，使用小学习率，在斜率(方向导数)小的地方，使用大学习率的调整原则，分别对不同参数变量的学习率进行确定。同时随迭代次数的增加，对学习率进行缩减。
45.而变量的学习率，由两部分构成，第一部分是固定学习率0.0001，第二部分是根据迭代过程中的方向梯度变化大小，与其中的最小方向梯度做商取整，作为其学习率的调整系数。
46.根据设计人的经验，随迭代次数增加学习率的衰减规则为迭代计算次数超过1000次，则各变量参数的学习率缩减为原来的二分之一，超过两千次缩减为原来的四分之一。
47.对各参数变量的取值进行限定从而使得迭代计算提前终止，达到收敛条件，具体收敛条件限定包括一下六部分：（1）和取值范围在0～1之间；（2）下游折坡点距坝底高度不小于上游水位距坝底高度的0.9倍；（3）取值范围在0～0.2之间，取值范围在0.6～0.8之间；（4）抗滑稳定安全系数计算值大于3.0；（5）坝踵不受拉应力；（6）坝址压应力在混凝土材料允许压应力范围内。
48.在一个示例中，若设计变量的取值符合约束条件，则根据迭代的当前设计变量值计算目标函数的函数值；若两次函数值之差小于阈值，则迭代结束，获得最优化的设计变量的取值。
49.上面详细介绍了整个优化原理过程，在实际应用过程中，可直接利用python语言将针对重力坝的非溢流坝段断面优化设计而改进的sgd算法编写成脚本，并与javascript编写的前端控件进行数据交互，实现web端的在线分析计算，从而达到优化设计的目的。输
入样本数据，和相关的约束条件值，点击优化按钮，即可自动进行sgd优化计算得出相应的最优设计变量值。即为，可利用软件，直接执行sgd算法，最终获得最优化的设计变量的取值。
50.下面详细介绍，如何将上述描述的优化方法，与计算机相结合：步骤一、确定设计变量。
51.步骤101，根据工程属性选定需要参考的设计规范。
52.步骤102，依照设计规范选定设计参数变量，并依照输入的设计变量开发参数初拟界面，提供录入这些变量的输入接口。
53.步骤103，查阅设计规范和结合实际工程勘测数据，确定需要根据规范计算确定的固定参数值。
54.步骤104，筛选出可优化调整的优化设计变量。
55.步骤二、确定目标函数表达式。
56.步骤201、将目标函数表达式的相关参数与参数输入界面的接口对应上，在后台利用python编写公式计算脚本。
57.步骤三、确定约束条件。
58.步骤301、查阅规范确定各个参数的取值范围，在参数录入界面对录入的设计变量参数进行阈值设定，设置超出阈值提醒。
59.步骤302、利用python结合输入参数编写应力应变约束的计算公式和约束条件。
60.步骤303、结合参数变量编写抗滑稳定安全系数计算公式脚本，依照规范限定安全系数的取值范围。
61.步骤四、对接sgd算法。
62.步骤401、根据目标函数表达式在后台编写梯度表达式python脚本。
63.步骤402、选定各个设计变量的学习率取值和根据迭代次数进行变化的表达式。
64.步骤403、依据工程实际需要在后台设定收敛条件，即停止迭代的条件。
65.步骤五、迭代计算与结果输出。
66.步骤501、在参数输入界面随机输入一组满足设计规范条件的设计参数以及约束条件值，在界面点击开始优化按钮。
67.步骤502、接收到初始参数调用后台的python公式脚本计算应力、抗滑稳定安全系数、sgd算法公式，不断在线地迭代计算。
68.步骤503、迭代计算停止，即可得到优化设计的结果参数和对应的应力值、抗滑稳定安全系数值以及断面面积值，具体的对比界面和参数优化前后对比表2及附图5-附图6：表2 坝体断面各设计参数及计算参数优化前后数据对比
在另一个示例中，本发明提供了对混凝土重力坝非溢流坝段断面设计优化方案变更，将优化方法与计算机相结合后，方便后续对参数进行修改变更，具体的实施方式如下：步骤一、原设计方案设计变量录入。
69.步骤101、根据之前进行优化设计的计算公式脚本和选取的设计变量输入界面，将当前优化后的设计变量输入到对应的参数录入界面中。
70.步骤102、将后续要调整的设计参数的取值范围限定在代码中进行相应的修改，将更改的约束条件值重新填写到参数录入界面中。
71.步骤二、后台python脚本修改。
72.步骤201、针对现有方案变更的约束条件变化，对python脚本编写的相关计算公式和迭代计算公式约束条件进行修改变更。
73.步骤三、重新迭代运算。
74.步骤301、调用重新更改后的python脚本，重新点击开始优化按钮，进行新设计变量和新的约束条件下的迭代计算。
75.步骤302、迭代计算停止后，即可得针对既有设计方案，做设计方案变更的优化设计结果。
76.本发明实施例提供的该方法，将混凝土重力坝非溢流坝段的断面以参数化设计的方式提取了设计变量，并依据相关规范将设计变量与相关约束条件联动关联，并将优化设计模式与参数化设计结合起来，引入sgd算法，大大简化了设计人员的设计工作开展难度、利用信息化手段实现在线优化设计、大大提升了设计效率和优化设计效率、保证了设计成果的质量。本方法步骤简单、可操作性强，在一定程度上提升了设计成果的经济性，从减轻设计工作者工作量出发，将计算工作移植到计算机上，只需要进行参数的输入即可自动设计产出设计成果，将参数化设计和优化技术更好地应用于水电工程重力坝设计领域。
77.以上，为本发明所提供的重力坝非溢流断面优化方法实施例，下文中则介绍说明本发明所提供的重力坝非溢流断面优化其他实施例，具体参见如下。
78.图7为本发明实施例提供的一种重力坝非溢流断面优化装置结构示意图，该装置包括：获取模块701、目标函数模块702、约束条件模块703、样本数据模块704、梯度模块705和优化模块706。
79.获取模块701，用于获取进行重力坝非溢流断面优化的设计变量；目标函数模块702，用于根据设计变量，确定目标函数表达式；约束条件模块703，用于获取与各个设计变量分别对应的约束条件；样本数据模块704，用于按照预设规则，获得符合预设要求的设计变量的参数值，
作为样本数据；梯度模块705，用于根据目标函数表达式，获取梯度表达式；优化模块706，用于根据样本数据，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。
80.可选地，获取模块701，具体用于获取进行重力坝非溢流断面优化的第一设计变量；按照预设筛选规则，对第一设计变量进行筛选，获取第二设计变量，作为进行重力坝非溢流断面优化的设计变量。
81.可选地，设计变量包括上游坡度、下游坡度、上游折坡点高度与坝高比值，及下游折坡点高度与坝高比值；目标函数模块702，具体用于根据上游坡度、下游坡度、上游折坡点高度与坝高比值、及下游折坡点高度与坝高比值，确定目标函数表达式。
82.可选地，约束条件具体包括：上游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点高度与坝高比值取值范围为0～1之间，下游折坡点距坝底高度不小于上游水位距坝底高度的0.9倍，上游坡度取值范围在0～0.2之间，下游坡度取值范围在0.6～0.8之间，抗滑稳定安全系数大于3.0，坝踵不受拉应力及坝址压应力在混凝土材料允许压应力范围内。
83.可选地，梯度模块705，具体用于基于目标函数表达式，获取各设计变量最小的方向梯度。
84.可选地，优化模块706，具有用于根据预设规则，确定各设计变量的学习率取值；基于梯度表达式，获取样本数据中各设计变量方向梯度的学习率调整系数；根据预设规则，基于学习率取值和学习率调整系数，对学习率进行缩减；根据预设规则和学习率的缩减情况，获取第n次迭代后各设计变量的取值；若获取的各设计变量的取值符合约束条件和预设的收敛条件，结束迭代，获得最优化的设计变量的取值。
85.可选地，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值，具体包括：若设计变量的取值符合约束条件，则根据迭代的当前设计变量值计算目标函数的函数值；若两次函数值之差小于阈值，则结束迭代，获得最优化的设计变量的取值。
86.本发明实施例提供的重力坝非溢流断面优化装置中各部件所执行的功能均已在上述任一方法实施例中做了详细的描述，因此这里不再赘述。
87.本发明实施例提供的一种重力坝非溢流断面优化装置，获取进行重力坝非溢流断面设计的设计变量。根据设计变量，确定目标函数表达式。获取与各个设计变量分别对应的约束条件。按照预设规则，获得符合预设要求的设计变量的参数值，作为样本数据。根据目标函数表达式，获取梯度表达式。基于样本数据和随机梯度下降算法，对梯度表达式进行迭代训练，当设计变量的取值符合约束条件和预设的收敛条件时，结束迭代，获得最优化的设计变量的取值。本发明提供的技术方案，将混凝土重力坝非溢流坝段的断面以参数化设计的方式提取了设计变量，并依据相关规范将设计变量与相关约束条件联动关联，并将优化设计模式与参数化设计结合起来，引入sgd算法，大大简化了设计人员的设计工作开展难度、利用信息化手段实现在线优化设计、大大提升了设计效率和优化设计效率、保证了设计成果的质量。本方法步骤简单、可操作性强，在一定程度上提升了设计成果的经济性，从减
轻设计工作者工作量出发，将计算工作移植到计算机上，只需要进行参数的输入即可自动设计产出设计成果，将参数化设计和优化技术更好地应用于水电工程重力坝设计领域。
88.如图8所示，本发明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。
89.存储器113，用于存放计算机程序；在本发明一个实施例中，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重力坝非溢流断面优化方法的步骤。
90.本发明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，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重力坝非溢流断面优化方法的步骤。
91.专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
92.结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（ram）、内存、只读存储器（rom）、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
93.以上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发明的原理和新颖特点相一致的最宽的范围。