成败型可靠性抽样检验方法、装置、设备及介质

技术领域

本申请涉及质量检验领域，尤其涉及一种成败型可靠性抽样检验方法、装置、设备及介质。

背景技术

在目前的生产制造行业，通过从总体中抽取一定数量的样本进行测试，并根据样本中成功和失败的数量来推断总体的可靠性，并为决策提供可靠性信息。但是现有技术采用双重循环遍历搜索抽样样本量和样本合格判断阈值的技术方案的计算复杂度为O(n

发明内容

本申请实施例提供一种成败型可靠性抽样检验方法、装置、计算机设备及存储介质，以解决传统技术确定产品验收方案计算复杂度高、确定产品验收方案耗时长的问题。

为解决上述技术问题，本申请实施方式采用的第一个技术方案是：提供一种成败型可靠性抽样检验方法，包括：设置样本检测失败阈值，获取生产者关联的第一可靠性概率和第一风险概率阈值、以及使用者关联的第二可靠性概率和第二风险概率阈值；根据所述样本检测失败阈值生成样本量取值范围，所述样本量取值范围包括样本量下限初始值和样本量上限初始值；根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量上限阈值；根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量下限阈值；判断所述样本量上限阈值是否大于所述样本量下限阈值，若否，则控制所述样本检测失败阈值自增预设步长值；循环所述根据所述样本检测失败阈值生成样本量取值范围至所述判断所述样本量上限阈值是否大于所述样本量下限阈值之间的步骤，直至所述样本量上限阈值大于所述样本量下限阈值，设置所述样本检测失败阈值作为目标抽样检验失败阈值、所述样本量下限阈值作为目标抽样检验样本量。

可选地，所述根据所述样本检测失败阈值生成样本量取值范围，所述样本量取值范围包括样本量下限初始值和样本量上限初始值的步骤，包括：设置所述样本检测失败阈值为所述样本量下限初始值，在预设随机范围获取随机自然数作为所述样本量上限初始值，其中，所述预设随机范围的上限大于所述样本检测失败阈值；根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率；若所述第一生产者风险概率小于所述第一风险概率阈值或者所述第一使用者风险概率大于所述第二风险概率阈值，则控制所述样本量上限初始值自增预设倍数，再重复所述根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率的步骤直至所述第一生产者风险概率不小于所述第一风险概率阈值且所述第一使用者风险概率不大于所述第二风险概率阈值。

可选地，所述根据所述样本量下限初始值和所述样本量上限初始值计算，得到样本量上限阈值的步骤，包括：计算所述样本量下限初始值和所述样本量上限初始值的第一平均值，并将所述第一平均值向下取整；根据所述第一可靠性概率、所述样本检测失败阈值、所述第一平均值和预设第三风险概率计算公式进行计算，得到第三风险概率；判断所述第三风险概率是否大于所述第一风险概率阈值，若是，则使用所述第一平均值更新所述样本量上限初始值，若否，则使用所述第一平均值更新所述样本量下限初始值；判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第一平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量下限初始值为所述样本量上限阈值。

可选地，所述根据所述样本量下限初始值和所述样本量上限初始值计算，得到样本量下限阈值的步骤，包括：计算所述样本量下限初始值和所述样本量上限初始值的第二平均值，并将所述第二平均值向下取整；根据所述第二可靠性概率、所述样本检测失败阈值、所述第二平均值和预设第四风险概率计算公式进行计算，得到第四风险概率；判断所述第四风险概率是否大于所述第二风险概率阈值，若是，则使用所述第二平均值更新所述样本量下限初始值，若否，则使用所述第二平均值更新所述样本量上限初始值；判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第二平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量上限初始值为所述样本量下限阈值。

可选地，所述预设第三风险概率计算公式为：

可选地，所述预设第四风险概率计算公式为：

可选地，初始化设置所述样本检测失败阈值为0。

为解决上述技术问题，本申请实施方式采用的第二个技术方案是：提供一种成败型可靠性抽样检验装置，包括：数据初始化模块，用于设置样本检测失败阈值，获取生产者关联的第一可靠性概率和第一风险概率阈值、以及使用者关联的第二可靠性概率和第二风险概率阈值；取值范围生成模块，用于根据所述样本检测失败阈值生成样本量取值范围，所述样本量取值范围包括样本量下限初始值和样本量上限初始值；第一数据计算模块，用于根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量上限阈值；第二数据计算模块，用于根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量下限阈值；数据自增控制模块，用于判断所述样本量上限阈值是否大于所述样本量下限阈值，若否，则控制所述样本检测失败阈值自增预设步长值；数据循环处理模块，用于循环所述根据所述样本检测失败阈值生成样本量取值范围至所述判断所述样本量上限阈值是否大于所述样本量下限阈值之间的步骤，直至所述样本量上限阈值大于所述样本量下限阈值，设置所述样本检测失败阈值作为目标抽样检验失败阈值、所述样本量下限阈值作为目标抽样检验样本量。

为解决上述技术问题，本申请实施方式采用的第三个技术方案是：提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的成败型可靠性抽样检验方法。

为解决上述技术问题，本申请实施方式采用的第四个技术方案是：提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被电子设备执行时，使所述电子设备执行如上所述的成败型可靠性抽样检验方法。

区别于相关技术的情况，上述成败型可靠性抽样检验方法、装置、电子设备及非易失性计算机可读存储介质，通过获取生产者关联的第一可靠性概率和第一风险概率阈值、使用者关联的第二可靠性概率和第二风险概率阈值；生成包括样本量下限初始值和样本量上限初始值的样本量取值范围；根据所述样本量下限初始值和所述样本量上限初始值计算得到样本量上限阈值和样本量下限阈值；判断所述样本量上限阈值是否大于所述样本量下限阈值，若否，则所述样本检测失败阈值自增预设步长值；循环调整所述样本量上限阈值和所述样本量下限阈值，直至所述样本量上限阈值大于所述样本量下限阈值，设置所述样本检测失败阈值作为目标抽样检验失败阈值，设置所述样本量下限阈值作为目标抽样检验样本量。该方法不仅减小了计算抽样检验样本量和抽样检验失败阈值的计算耗时过程，进一步减小了确定产品验收方案的耗时，更加方便生产者和使用者对产品验收方案进行调整。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例中提供的成败型可靠性抽样检验方法的一应用环境示意图；

图2是本申请一实施例中提供的成败型可靠性抽样检验方法的流程图；

图3是本申请一实施例中提供的成败型可靠性抽样检验装置的结构示意图；

图4是本申请一实施例中提供的成败型可靠性抽样检验方法的电子设备的硬件结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请提供的成败型可靠性抽样检验方法，可应用在如图1的应用环境中，其中，计算机设备可以但不限于各种个人计算机、笔记本电脑，计算机设备还可以是服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。可以理解的是图1中的计算机设备的数量仅仅是示意性的，可以根据实际需求进行任意数量的扩展。

在一实施例中，如图2所示，提供一种成败型可靠性抽样检验方法，以该方法应用在图1中的计算机设备为例进行说明，包括如下步骤：

S10、设置样本检测失败阈值，获取生产者关联的第一可靠性概率和第一风险概率阈值、以及使用者关联的第二可靠性概率和第二风险概率阈值。

具体地，生产者关联的第一可靠性概率是生产出来的目标产品是可接受质量的可靠性概率，生产者关联的第一风险概率阈值是生产者能接受的最大风险阈值，使用者关联的第二可靠性概率是生产出来的目标产品的极限质量的可靠性概率，使用者关联的第二风险概率阈值是使用者能接受的最大风险概率。

其中，在一更具体的实施例中，初始化设置该样本检测失败阈值为0。

S20、根据所述样本检测失败阈值生成样本量取值范围，所述样本量取值范围包括样本量下限初始值和样本量上限初始值。

具体地，首先，设置所述样本检测失败阈值为所述样本量下限初始值，在预设随机范围获取随机自然数作为所述样本量上限初始值，例如设置所述样本量上限初始值为1000，其中，所述预设随机范围的上限大于所述样本检测失败阈值。

然后，根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率，其中，计算第一生产者风险概率的公式为：

其中，x

其中，计算第一使用者风险概率的公式为：

其中，q

最后，若所述第一生产者风险概率小于所述第一风险概率阈值或者所述第一使用者风险概率大于所述第二风险概率阈值，则控制所述样本量上限初始值自增预设倍数，再重复所述根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率的步骤直至所述第一生产者风险概率不小于所述第一风险概率阈值且所述第一使用者风险概率不大于所述第二风险概率阈值。

S30、根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量上限阈值。

具体地，首先，计算所述样本量下限初始值和所述样本量上限初始值的第一平均值，并将所述第一平均值向下取整。

然后，根据所述第一可靠性概率、所述样本检测失败阈值、所述第一平均值和预设第三风险概率计算公式进行计算，得到第三风险概率。其中，所述预设第三风险概率计算公式为：

其中，c表示所述样本检测失败阈值，t

然后，判断所述第三风险概率是否大于所述第一风险概率阈值，若是，则使用所述第一平均值更新所述样本量上限初始值，若否，则使用所述第一平均值更新所述样本量下限初始值。

最后，判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第一平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量下限初始值为所述样本量上限阈值。

S40、根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量下限阈值。

具体地，首先，计算所述样本量下限初始值和所述样本量上限初始值的第二平均值，并将所述第二平均值向下取整。

然后，根据所述第二可靠性概率、所述样本检测失败阈值、所述第二平均值和预设第四风险概率计算公式进行计算，得到第四风险概率。其中，所述预设第四风险概率计算公式为：

其中，c表示所述样本检测失败阈值，t

然后，判断所述第四风险概率是否大于所述第二风险概率阈值，若是，则使用所述第二平均值更新所述样本量下限初始值，若否，则使用所述第二平均值更新所述样本量上限初始值；

最后，判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第二平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量上限初始值为所述样本量下限阈值。

其中，需要特殊说明的是步骤S30和步骤S40的序号大小并不意味着执行顺序的先后，不仅步骤S30和步骤S40的执行顺序可以互换，而且步骤S30和步骤S40还可以并行执行，进一步缩短本实施例中得到样本量上限阈值和样本量下限阈值的耗时，提高本实施例提供的成败型可靠性抽样检验方法的执行效率。

S50、判断所述样本量上限阈值是否大于所述样本量下限阈值。

若所述样本量上限阈值大于所述样本量下限阈值，则执行步骤S70，否则执行步骤S60。

S60、控制所述样本检测失败阈值自增预设步长值，然后跳转至执行步骤S20。

例如，在一更具体的实施例中，该预设步长值为1，则控制所述样本检测失败阈值自增1。需要特殊说明的是，更大的步长值虽然能够进一步缩短计算耗时，但也会损失一定程度的计算精度。

S70、设置所述样本检测失败阈值作为目标抽样检验失败阈值、所述样本量下限阈值作为目标抽样检验样本量。

进一步地，将所述目标抽样检验失败阈值和所述目标抽样检验样本量用于生成目标成败型可靠性抽样检验方案。

最后，通过前述计算步骤可知本申请提供的成败型可靠性抽样检验方法的计算复杂度为O(clog(n))，相比传统技术的计算复杂度O(n

本申请实施例提供的成败型可靠性抽样检验方法，通过获取生产者关联的第一可靠性概率和第一风险概率阈值、使用者关联的第二可靠性概率和第二风险概率阈值；生成包括样本量下限初始值和样本量上限初始值的样本量取值范围；根据所述样本量下限初始值和所述样本量上限初始值计算得到样本量上限阈值和样本量下限阈值；判断所述样本量上限阈值是否大于所述样本量下限阈值，若否，则所述样本检测失败阈值自增预设步长值；循环调整所述样本量上限阈值和所述样本量下限阈值，直至所述样本量上限阈值大于所述样本量下限阈值，设置所述样本检测失败阈值作为目标抽样检验失败阈值，设置所述样本量下限阈值作为目标抽样检验样本量。该方法不仅减小了计算抽样检验样本量和抽样检验失败阈值的计算耗时过程，进一步减小了确定产品验收方案的耗时，更加方便生产者和使用者对产品验收方案进行调整。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在一实施例中，提供一种成败型可靠性抽样检验装置，该成败型可靠性抽样检验装置与上述实施例中成败型可靠性抽样检验方法一一对应。如图3所示，该成败型可靠性抽样检验装置包括数据初始化模块11、取值范围生成模块12、第一数据计算模块13、第二数据计算模块14、数据自增控制模块15和数据循环处理模块16。各功能模块详细说明如下：

数据初始化模块11，用于设置样本检测失败阈值，获取生产者关联的第一可靠性概率和第一风险概率阈值、以及使用者关联的第二可靠性概率和第二风险概率阈值；

取值范围生成模块12，用于根据所述样本检测失败阈值生成样本量取值范围，所述样本量取值范围包括样本量下限初始值和样本量上限初始值；

第一数据计算模块13，用于根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量上限阈值；

第二数据计算模块14，用于根据所述样本量下限初始值和所述样本量上限初始值进行计算，得到样本量下限阈值；

数据自增控制模块15，用于判断所述样本量上限阈值是否大于所述样本量下限阈值，若否，则控制所述样本检测失败阈值自增预设步长值；

数据循环处理模块16，用于循环所述根据所述样本检测失败阈值生成样本量取值范围至所述判断所述样本量上限阈值是否大于所述样本量下限阈值之间的步骤，直至所述样本量上限阈值大于所述样本量下限阈值，设置所述样本检测失败阈值作为目标抽样检验失败阈值、所述样本量下限阈值作为目标抽样检验样本量。

进一步地，所述取值范围生成模块12具体包括：

取值范围设置单元，用于设置所述样本检测失败阈值为所述样本量下限初始值，在预设随机范围获取随机自然数作为所述样本量上限初始值，其中，所述预设随机范围的上限大于所述样本检测失败阈值；

第一风险计算单元，用于根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率；

取值范围调整单元，用于若所述第一生产者风险概率小于所述第一风险概率阈值或者所述第一使用者风险概率大于所述第二风险概率阈值，则控制所述样本量上限初始值自增预设倍数，再重复所述根据所述样本量上限初始值计算第一生产者风险概率和第一使用者风险概率的步骤直至所述第一生产者风险概率不小于所述第一风险概率阈值且所述第一使用者风险概率不大于所述第二风险概率阈值。

进一步地，所述第一数据计算模块13具体包括：

第一平均值计算单元，用于计算所述样本量下限初始值和所述样本量上限初始值的第一平均值，并将所述第一平均值向下取整；

第三风险概率单元，用于根据所述第一可靠性概率、所述样本检测失败阈值、所述第一平均值和预设第三风险概率计算公式进行计算，得到第三风险概率；所述预设第三风险概率计算公式为：

其中，c表示所述样本检测失败阈值，t

第一可靠性判断单元，用于判断所述第三风险概率是否大于所述第一风险概率阈值，若是，则使用所述第一平均值更新所述样本量上限初始值，若否，则使用所述第一平均值更新所述样本量下限初始值；

第一范围调整单元，用于判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第一平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量下限初始值为所述样本量上限阈值。

进一步地，所述第二数据计算模块14具体包括：

第二平均值计算单元，用于计算所述样本量下限初始值和所述样本量上限初始值的第二平均值，并将所述第二平均值向下取整；

第四风险概率单元，用于根据所述第二可靠性概率、所述样本检测失败阈值、所述第二平均值和预设第四风险概率计算公式进行计算，得到第四风险概率；所述预设第四风险概率计算公式为：

其中，c表示所述样本检测失败阈值，t2表示所述第二平均值，q1表示所述第二可靠性概率，p4表示所述第四风险概率，

第二可靠性判断单元，用于判断所述第四风险概率是否大于所述第二风险概率阈值，若是，则使用所述第二平均值更新所述样本量下限初始值，若否，则使用所述第二平均值更新所述样本量上限初始值；

第二范围调整单元，用于判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1，若是，则重复所述计算所述样本量下限初始值和所述样本量上限初始值的第二平均值至所述判断所述样本量上限初始值与所述样本量下限初始值的差是否大于1之间的步骤，若否，则设置所述样本量上限初始值为所述样本量下限阈值。

进一步地，所述成败型可靠性抽样检验装置还包括：

初始化设置模块17，用于初始化设置所述样本检测失败阈值为0。

其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。

关于成败型可靠性抽样检验装置的具体限定可以参见上文中对于成败型可靠性抽样检验方法的限定，在此不再赘述。上述成败型可靠性抽样检验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

请参阅图4，图4是本申请实施例提供的执行成败型可靠性抽样检验方法的电子设备30的硬件结构示意图，如图4所示，该电子设备30包括：一个或多个处理器31以及存储器32，图4中以一个处理器31为例。

处理器31和存储器32可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器32作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的成败型可靠性抽样检验方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非易失性软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例成败型可靠性抽样检验方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据成败型可靠性抽样检验装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至成败型可靠性抽样检验装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器32中，当被所述一个或者多个处理器31执行时，执行上述任意方法实施例中的成败型可靠性抽样检验方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于：超移动个人计算机设备，这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。其他具有数据交互功能的电子装置。

本申请实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图4中的一个处理器31，可使得上述一个或多个处理器可执行上述任意方法实施例中的成败型可靠性抽样检验方法。

本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被所述电子设备执行时，使所述电子设备能够执行上述任意方法实施例中的成败型可靠性抽样检验方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，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申请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；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。