一種道岔故障識別方法與流程

本發明涉及軌道交通領域，具體涉及一種道岔故障識別方法。

背景技術：

道岔是列車從一股軌道轉入或越過另一股軌道時必不可少的線路設備，是鐵路軌道的一個重要組成部分，也是故障率最高的設備。一旦道岔發生故障，不能完成規定動作，輕則臨時停車數小時，延誤大量旅客的時間；重則車廂脫軌，造成人員傷亡。

目前，我國主要采用微機監測系統對道岔狀態進行監測，從現場的實際運用情況看，主要通過人工觀察微機監測系統所采集的道岔電流曲線來識別故障類型，需要大量的工作人員；其識別準確性主要依賴于相關人員的工作經驗是否豐富，這使得漏報和誤報現象時有出現；工作人員需要時間分析曲線特征并判斷故障類型，不能實時在線識別，效率較低。另外，鐵路部門為了進一步防止事故的發生，安排相關人員定期檢查并維修道岔，需要大量的人力和物力資源。這種道岔故障的診斷方式已不適應高速鐵路快速發展的要求，如何快速準確的判斷道岔故障類型是保證行車安全與乘客生命安全的重要舉措。

現有技術中，還無法自動識別道岔故障類型，也未提出快速有效的解決方案。

技術實現要素：

本發明提供了一種道岔故障識別方法，以至少解決現有技術中通過人工經驗判斷道岔故障類型，導致漏報和誤報的問題。

本發明提出的一種道岔故障識別方法，包括以下步驟：

(1)：采集道岔的每次道岔動作曲線；

(2)：將所獲取的每次道岔動作曲線分為正常曲線與故障曲線；

(3)：對于正常曲線與每一類故障曲線，分別選擇一條特征最具代表性的曲線為正常代表曲線與每一類故障代表曲線；

(4)：利用相似度算法計算待識別曲線與正常代表曲線的相似度1、待識別曲線與故障代表曲線的相似度2；相似度算法為動態時間規整算法或基于弗雷歇距離的算法；

所述相似度算法為動態時間規整算法，具體為：

(4a1)：待識別曲線可表示為t＝{t(1)，t(2)，……，t(n)，……，t(n)}，n為時間序列的時序標號，n＝1為時間序列起點，n＝n為時間序列終點，t(n)為所述時間序列的值；

(4b1)：正常代表曲線與故障代表曲線可表示為r＝{r(1)，r(2)，……，r(m)，……，r(m)}，m為時間序列的時序標號，m＝1為時間序列起點，m＝m為時間序列終點，r(m)為所述時間序列的值；

(4c1)：在橫軸標出待識別曲線時間序列的各個時序標號n，在縱軸標出代表曲線時間序列的各個時序標號m，通過這些時序標號的整數坐標畫出一些縱橫線可形成一個網絡，所有格點依次為(1，1)，……，(n，m)，……，(n，m)，搜索(1，1)到(n，m)的最優路徑；

(4d1)：路徑通過(n，m)后，下一個通過的格點只能是(n,m+1)、(n+1，m)、(n+1，m+1)，選擇(n，m)到下一格點的最小距離為最優路徑，計算(1，1)到(n，m)的積累最小距離；

(4e1)：計算待識別曲線時間序列t與代表曲線時間序列r之間的歐式距離；

(4f1)：起點(1，1)到終點(n，m)的總的積累距離為起點(1，1)到終點(n，m)的積累最小距離、待識別曲線時間序列t與代表曲線時間序列r之間的歐式距離之和；

(4g1)：對所述總的積累距離取反，表示待識別曲線與正常代表曲線或待識別曲線與故障代表曲線的相似度；

或者：所述相似度算法為基于弗雷歇距離的算法，具體為：

(4a2)：待識別曲線l1可表示為p＝{p(1)，p(2)，……，p(n)，……，p(n)}，p(n)＝(xn,yn)，n為曲線l1上的采樣點的序號，n＝1為起始采樣點，n＝n為末尾采樣點，xn為第n個采樣點的橫坐標，xn為第n個采樣點的縱坐標；

(4b2)：正常代表曲線或故障代表曲線l2可表示為p′＝{p′(1)，p′(2)，……，p′(m)，……，p′(m)}，p′(m)＝(x′0,y′m)，m為曲線l2上的采樣點的序號，m＝1為起始采樣點，m＝m為末尾采樣點，x’m為第m個采樣點的橫坐標，y’m為第m個采樣點的縱坐標；

(4c2)：計算l2上各采樣點到l2上的各采樣點之間的距離，得到距離矩陣d如下：

1≤m≤m，1≤n≤n

上式中的表示曲線l2上的第m個采樣點到曲線l2上的第n個采樣點的距離；

(4d2)：選出距離矩陣d中的最大距離dmax＝max(d)以及最小距離dmin＝min(d)，初始化目標距離f＝dmin，并設置循環間隔

(4e2)：將距離矩陣d中小于或等于f的元素設置為1，大于f的元素設置為0，從而得到二值矩陣d′如下：

1≤m≤m，1≤n≤n

(4f2)：在二值矩陣d′中搜索一條滿足以下條件的路徑：路徑的起點為d’11，路徑的終點為d’mn，路徑在通過點d’mn后，其下一個通過點只能為d’m+1,n、d’m,n+1、d’m+1,n+1中的一個，路徑中所有點的值都必須為1；

(4g2)：若在步驟(4f2)中未找到滿足條件的路徑，則設置目標距離f＝f+res，之后重復步驟(4e2)和(4f2)，若在步驟(4f2)中找到滿足條件的路徑或者目標距離f＝dmax，則進入下一步；

(4h2)：待識別曲線與正常代表曲線或故障代表曲線之間的弗雷歇距離frechet＝f，表示待識別曲線與正常代表曲線或故障代表曲線的相似度；

(5)：比較計算步驟(4)所得相似度，如果相似度1大于相似度2，則該曲線為正常曲線，如果相似度1小于相似度2，則該曲線為故障曲線。

本發明中，步驟(1)中所述采集道岔每次動作曲線為微機監測系統中生成的道岔動作曲線數據或圖像，或為紙質文件中的道岔動作曲線數據或圖像。

本發明中，步驟(1)中所述采集道岔每次動作曲線為道岔動作電流曲線數據或圖像；或為道岔動作功率曲線數據或圖像。

本發明中，步驟(2)所述將所獲取的道岔動作曲線分為正常曲線與故障曲線，所述故障曲線具體分為：啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、轉轍機定子轉子混線曲線、自動開閉器動作不靈活曲線、轉轍機啟動延時曲線、鎖閉電流超標曲線及道岔動作電流呈鋸齒狀曲線；對于每一類故障曲線，分別選取一條特征最具代表性的曲線作為該類故障曲線的代表曲線；并分別計算待識別曲線與每一類故障代表曲線的相似度；相似度最高的那一類曲線類別即為待識別曲線的故障類別。

本發明中，在步驟(3)之前對所獲取道岔動作曲線進行預處理，包括以下步驟：

(1)：取彩色道岔動作曲線圖像中每個像素的r、g、b分量之間的均值作為該像素點的灰度值，將彩色道岔動作曲線圖像變換為灰度圖像；

(2)：設置一個閾值使得灰度值大于該閾值的像素點取值為1，灰度值小于該閾值的像素點取值為0，將灰度圖像變換為二值圖像；

(3)：找出坐標軸所圍成的目標區域，去除目標區域中游離孤立的像素點，并對曲線的邊緣進行平滑處理，去除噪聲；

(4)：使每一個時刻對應一個值，其像素點取值為0，對存在一列有多個像素點為0的情況進行細化處理；

(5)：通過函數變換，提取曲線上各點坐標；

(6)：將各點坐標按比例縮放，使各點橫縱坐標在同一范圍內。

本發明中，步驟(3)中，對于正常曲線，選擇任意一條曲線為正常代表曲線；對于每類故障曲線，選擇此類故障曲線中任意一條曲線為此類故障曲線的代表曲線。

綜上所示，本發明的有益效果在于：

(1)在微機監測系統中采集道岔每次動作曲線，無需額外安裝其他裝置就可識別道岔故障，經濟方便，實用性較強。

(2)對所獲取道岔動作曲線進行預處理，不僅可消除網格、噪聲等干擾，提高道岔故障識別準確性；還可對來自不同的微機監測系統、不同的鐵路局、不同的天氣的道岔動作曲線進行故障識別，使得本發明方法應用范圍廣，不局限于某些小范圍，適應性強。

(3)使用動態時間規整算法和基于弗雷歇距離算法，不需要大量的歷史數據和專家知識庫，只需任意選擇代表曲線，就可識別道岔故障類型，降低識別難度，減小了對相關專業人員的需求。

(4)實現了自動識別道岔故障，解決了通過人工經驗判斷道岔故障類型帶來的低效率和不可靠性，節約了大量人力物力，提高了判斷準確性。

附圖說明

為了更清楚地說明本發明具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施方式，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是根據本發明實施例的道岔故障識別方法流程圖；

圖2是根據本發明實施例1的道岔故障識別方法流程圖；

圖3是根據本發明實施例1中一條待識別曲線與各代表曲線的相似度直方圖；

圖4是根據本發明實施例2的道岔故障識別方法流程圖；

圖5是根據本發明實施例2中對所獲取道岔動作電流曲線進行預處理后選擇的正常代表曲線與8種故障代表曲線圖像；其中：(a)為正常曲線，(b)為啟動電路斷線曲線，(c)為道岔啟動后突然停止轉動曲線，(d)為道岔夾有異物曲線，(e)為轉轍機定子轉子混線曲線，(f)為自動開閉器動作不靈活曲線，(g)為轉轍機啟動延時曲線，(h)為鎖閉電流超標曲線，(i)為道岔動作電流呈鋸齒狀曲線；

圖6是根據本發明實施例2中一條待識別曲線與各代表曲線的相似度直方圖。

具體實施方式

下面將結合附圖對本發明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

在本發明的描述中，需要說明的是，術語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。

此外，下面所描述的本發明不同實施方式中所涉及的技術特征只要彼此之間未構成沖突就可以相互結合。

實施例1

在本實施例中提供了一種道岔故障識別方法，圖1是根據本發明實施例的道岔故障識別方法流程圖，如圖1所示，該流程圖包括如下步驟：

步驟s11：采集道岔每次動作曲線；

步驟s12：將所獲取的道岔動作曲線分為正常曲線與故障曲線；

步驟s13：對于正常曲線與故障曲線，選擇一條特征最具代表性的曲線為此類曲線的代表曲線；

步驟s14：利用相似度算法計算待識別曲線與正常代表曲線的相似度1、待識別曲線與故障代表曲線的相似度2；

步驟s15：比較計算所得相似度，如果相似度1大于相似度2，則該曲線為正常曲線，如果相似度1小于相似度2，則該曲線為故障曲線。

通過上述步驟，將自動識別采集到的道岔動作曲線故障類別，相比于現有技術中，通過人工經驗判斷道岔故障類型帶來的低效率和不可靠性，上述步驟解決了現有技術中，通過人工經驗判斷道岔故障類型，導致漏報和誤報的問題，從而實現了道岔自動識別故障類別，提高檢修效率及系統可靠性，保證行車安全。

圖2是根據本發明實施例1的道岔故障識別方法流程圖，如圖2所示，該方法包括如下步驟：在微機監測系統中采集道岔每次動作功率曲線；將所獲取的道岔動作功率曲線分類，可分為正常曲線和故障曲線，所述故障曲線可進一步分為：啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、自動開閉器動作不靈活曲線及鎖閉電流超標曲線；對于每一類道岔動作功率曲線，任意選擇一條此類道岔動作功率曲線為此類功率曲線的代表曲線；使用動態時間規整算法，計算待識別功率曲線與正常代表曲線及各類故障代表功率曲線的距離；對計算所得距離取反，表示待識別曲線與正常代表曲線及各類故障代表曲線的相似度；比較待識別曲線與正常代表曲線及各類故障代表曲線的相似度，相似度最高的那一類曲線類別即為待識別曲線的類別。

下面結合一個具體的可選實施例進行說明。

(一)：在微機監測系統中采集道岔每次動作功率曲線；

(二)：將所獲取的道岔動作功率曲線分類，可分為正常曲線和故障曲線，所述故障曲線可進一步分為：啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、自動開閉器動作不靈活曲線及鎖閉電流超標曲線；

(三)：對于每一類道岔動作功率曲線，任意選擇一條此類道岔動作功率曲線為此類功率曲線的代表曲線；

(四)：使用動態時間規整算法，計算待識別功率曲線與正常代表曲線及各類故障代表功率曲線的距離，步驟如下：

(1)取一待識別曲線，可表示為t＝{t(1)，t(2)，……，t(219)}，t(1)＝0，t(2)＝1.84684，……，t(219)＝2.29189；

(2)正常代表曲線可表示為r＝{r(1)，r(2)，……，r(144)}，r(1)＝0，r(2)＝5.435897，……，r(144)＝0.090598；

(3)在橫軸標出待識別曲線時間序列的各個時序標號219，在縱軸標出代表曲線時間序列的各個時序標號144，通過這些時序標號的整數坐標畫出一些縱橫線可形成一個網絡，所有格點依次為(1，1)，……，(219，144)，搜索(1，1)到(219，144)的最優路徑；

(4)：路徑通過(1，1)后，下一個通過的格點只能是(1,2)、(2，1)、(2，2)，計算可得(1，1)到(219，144)的積累最小距離為85.78232；

(5)：計算可得待識別曲線時間序列t與正常代表曲線時間序列r之間的歐式距離為0.28344；

(6)：起點(1，1)到終點(219，144)的總的積累距離為86.06576；

計算待識別功率曲線與各類故障代表功率曲線的距離方法同上所述，所得待識別功率曲線與啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、自動開閉器動作不靈活曲線及鎖閉電流超標曲線的距離分別為：886.71484、87.18578、1.00232、103.44763、140.06902。

(五)：對待識別功率曲線與正常代表功率曲線與各類故障代表功率曲線的距離分別取反為0.01162、0.00112、0.01147、0.99769、0.00967、0.00714，表示待識別曲線與正常代表曲線、啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、自動開閉器動作不靈活曲線及鎖閉電流超標曲線的相似度分別為0.01162、0.00112、0.01147、0.99769、0.00967、0.00714；

(六)：比較待識別曲線與正常代表曲線及各類故障代表曲線的相似度，可得待識別曲線與道岔夾有異物曲線相似度最高，則待識別曲線類別為道岔夾有異物曲線。

圖3是根據本發明實施例1中一條待識別曲線與各代表曲線的相似度直方圖，從圖3中可以看出，利用動態時間規整算法，計算待識別曲線與正常曲線和5種故障曲線的相似度，待識別曲線與道岔夾有異物故障的相似度最高，故判斷出待識別曲線的故障類型為道岔夾有異物。經驗證，判斷結果正確。

實施例2

在本實施例中還提供一種道岔故障識別方法。

圖4是根據本發明實施例2的道岔故障識別方法流程圖，如圖4所示，該方法包括如下步驟：在微機監測系統中采集道岔每次動作電流曲線；將所獲取的道岔動作電流曲線分類，可分為正常曲線和故障曲線，所述故障曲線可進一步分為：啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、轉轍機定子轉子混線曲線、自動開閉器動作不靈活曲線、轉轍機啟動延時曲線、鎖閉電流超標曲線及道岔動作電流呈鋸齒狀曲線；取彩色道岔動作電流曲線圖像中每個像素的r、g、b分量之間的均值作為該像素點的灰度值，將彩色道岔動作電流曲線圖像變換為灰度圖像；設置一個閾值使得灰度值大于該閾值的像素點取值為1，灰度值小于該閾值的像素點取值為0，將灰度圖像變換為二值圖像；找出坐標軸所圍成的目標區域，去除目標區域中游離孤立的像素點，并對曲線的邊緣進行平滑處理，去除噪聲；使每一個時刻對應一個值，其像素點取值為0，對存在一列有多個像素點為0的情況進行細化處理；通過函數變換，提取曲線上各點坐標；將各點坐標按比例縮放，使各點橫縱坐標在同一范圍內；對于每一類道岔動作電流曲線，任意選擇一條此類道岔動作電流曲線為此類電流曲線的代表曲線；使用基于弗雷歇距離算法，計算待識別電流曲線與正常代表曲線及各類故障代表電流曲線的距離；對計算所得距離取反，表示待識別曲線與正常代表曲線及各類故障代表曲線的相似度；比較待識別曲線與正常代表曲線及各類故障代表曲線的相似度，相似度最高的那一類曲線類別即為待識別曲線的類別。

下面結合另一個具體的可選實施例進行說明。

(一)：在微機監測系統中采集道岔每次動作電流曲線；

(二)：將所獲取的道岔動作電流曲線分類，可分為正常曲線和故障曲線，所述故障曲線可進一步分為：啟動電路斷線曲線、道岔啟動后突然停止轉動曲線、道岔夾有異物曲線、轉轍機定子轉子混線曲線、自動開閉器動作不靈活曲線、轉轍機啟動延時曲線、鎖閉電流超標曲線及道岔動作電流呈鋸齒狀曲線；

(三)：取彩色道岔動作電流曲線圖像中每個像素的r、g、b分量之間的均值作為該像素點的灰度值，將彩色道岔動作電流曲線圖像變換為灰度圖像；

(四)：設置一個閾值使得灰度值大于該閾值的像素點取值為1，灰度值小于該閾值的像素點取值為0，將灰度圖像變換為二值圖像；

(五)：找出坐標軸所圍成的目標區域，去除目標區域中游離孤立的像素點，并對曲線的邊緣進行平滑處理，去除噪聲；

(六)：使每一個時刻對應一個值，其像素點取值為0，對存在一列有多個像素點為0的情況進行細化處理；

(七)：通過函數變換，提取曲線上各點坐標；

(八)：將各點坐標按比例縮放，使各點橫縱坐標在同一范圍內

(九)：對于每一類道岔動作功率曲線，任意選擇一條此類道岔動作電流曲線為此類電流曲線的代表曲線；

(十)：使用基于弗雷歇距離算法，計算待識別電流曲線與正常代表曲線及各類故障代表電流曲線的距離；

(1)取一張故障類型為啟動突然停止轉動的曲線作為待識別曲線l1可表示為p＝{p(1)，p(2)，……，p(97)}，p(1)＝(0,0)，p(1)＝(0.0104,1)，……，p(1)＝(1,0.0061)，p(1)為起始采樣點，p(97)為末尾采樣點；

(2)以正常曲線作為代表曲線l2可表示為p′＝{p′(1)，p′(2)，……，p′(m)}，p′(1)＝(0,0),p′(2)＝(0.0015,0.1372)，……，p′(654)＝(1，0.0020)，p′(1)為起始采樣點，p′(654)為末尾采樣點，；

(3)計算l1上各采樣點到l2上的各采樣點之間的距離，得到距離矩陣d如下：

1≤m≤654，1≤n≤97

上式中的表示曲線l2上的第m個采樣點到曲線l1上的第n個采樣點的距離。

(4)找出距離矩陣d中的最大距離dmax＝max(d)＝1.4054以及最小距離dmin＝min(d)＝0，初始化目標距離f＝dmin＝0，并設置循環間隔

(5)將距離矩陣d中小于或等于f的元素設置為1，大于f的元素設置為0，從而得到二值矩陣d′如下：

1≤m≤654，1≤n≤97

(6)在二值矩陣d′中搜索一條滿足以下條件的路徑：路徑的起點為d′11，路徑的終點為d′mn；路徑在通過點d′mn后，其下一個通過點只能為d′m+1，n、d′m，n+1、d′m+1，n+1中的一個；路徑中所有點的值都必須為1。

(7)若在步驟8f中未找到滿足條件的路徑，則設置目標距離f＝f+res＝f+0.0141，之后重復步驟8e和8f；若在步驟8f中找到滿足條件的路徑或者目標距f＝dm^x離，則進入下一步。

通過(5)、(6)、(7)三步的循環計算，在f＝0.5059的條件，我們在8f這步找到一個條滿足條件的路徑，然后跳出該循環進入步驟(8)。

(8)通過以上計算，我們可以得到待識別曲線與正常曲線之間的離散弗雷歇距離frechet＝f＝0.5059，則待識別曲線與正常曲線的相似度

通過相同的方法，我們可以得到待識別曲線與道岔啟動后突然停止轉動曲線、轉轍機定轉子混亂曲線、道岔加有異物曲線、啟動電路斷線曲線、鎖閉電流超標曲線、轉轍機道岔動作電流呈鋸齒狀曲線、轉轍機啟動延遲曲線、自動開閉器不靈活曲線的弗雷歇距離分別為0.1266、0.8278、0.9777、0.8406、0.4908、0.4907、0.5030、0.8416。待識別曲線與道岔啟動后突然停止轉動曲線、轉轍機定轉子混亂曲線、道岔加有異物曲線、啟動電路斷線曲線、鎖閉電流超標曲線、轉轍機道岔動作電流呈鋸齒狀曲線、轉轍機啟動延遲曲線、自動開閉器不靈活曲線的相似度分別為7.8963、1.2079、1.02277、1.1896、2.0372、2.0378、1.9878、1.1881。因此，待識別曲線與道岔啟動后突然停止轉動曲線的相似度最高，為7.8963，即該待識別曲線的故障類型為道岔啟動后突然停止轉動。

(十一)：對計算所得距離取反，表示待識別曲線與正常代表曲線及各類故障代表曲線的相似度；

(十二)：比較待識別曲線與正常代表曲線及各類故障代表曲線的相似度，相似度最高的那一類曲線類別即為待識別曲線的類別。

圖5是根據本發明實施例2中對所獲取道岔動作電流曲線進行預處理后選擇的正常代表曲線與8種故障代表曲線圖像。

圖6是根據本發明實施例2中一條待識別曲線與各代表曲線的相似度直方圖，從圖6中可以看出，利用基于弗雷歇距離算法，計算待識別曲線與正常曲線和8種故障曲線的相似度，待識別曲線與道岔啟動后突然停止轉動的相似度最高，故判斷出待識別曲線的故障類型為道岔啟動后突然停止轉動。經驗證，判斷結果正確。

本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或計算機程序產品。因此，本發明可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本發明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產品的形式。

本發明是參照根據本發明實施例的方法、設備(系統)、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上，

使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

顯然，上述實施例僅僅是為清楚地說明所作的舉例，而并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發明創造的保護范圍之中。