一种基于多参量的隐框玻璃幕墙安全状态监测系统及方法

技术领域

本发明属于玻璃幕墙技术领域，尤其涉及一种基于多参量的隐框玻璃幕墙安全状态监测系统及方法。

背景技术

隐框玻璃幕墙的金属框是隐蔽在玻璃的背面，室外看不见金属框，仅仅是使用硅酮结构胶将玻璃粘接在铝框上。所以硅酮结构胶是玻璃幕墙的主要承力结构，玻璃自重、风荷载等荷载都由硅酮结构胶承受。而硅酮结构胶在受到外力的作用和环境的腐蚀下，必然会出现老化、松动等情况，从而使得玻璃无法牢固的粘结在铝框上，最终导致玻璃坠落而发生安全事故。近年来，随着玻璃幕墙的使用越来越多，幕墙玻璃高空脱落伤人的事件发生得逐渐多了起来，因此对玻璃幕墙的安全状态监测研究就具有十分重大的意义。

目前，如何预测到玻璃幕墙的玻璃可能发生松动、移动或者脱落，同时在松动、移动或者脱落过程中提供预警，目前现有技术不能很好的解决问题。

发明内容

本发明的目的在于提供一种基于多参量的隐框玻璃幕墙安全状态监测系统及方法，结构简单，通过光纤光栅加速度传感器与光纤光栅应变传感器进行实时监测，从而能够在玻璃幕墙出现安全风险时提前进行预警，进而提高玻璃幕墙的安全性能，减小周围人员和设施的安全隐患。

本发明是通过以下技术方案实现的：

一种基于多参量的隐框玻璃幕墙安全状态监测系统，用于监测玻璃幕墙，玻璃幕墙包括若干阵列连接的幕墙结构，幕墙结构包括支撑框、玻璃和结构胶，玻璃的四条侧边通过结构胶固定于支撑框上；基于多参量的隐框玻璃幕墙安全状态监测系统包括分别安装在若干幕墙结构上的若干传感器模块和与传感器模块连接的计算模块；

传感器模块包括若干光纤光栅加速度传感器和若干光纤光栅应变传感器，若干光纤光栅加速度传感器设置在支撑框上，若干光纤光栅应变传感器埋设在结构胶内；

计算模块用于对光纤光栅加速度传感器和光纤光栅应变传感器测量的波长数据进行处理分析，得到玻璃幕墙的安全状态，并将玻璃幕墙的安全状态进行展示。

进一步地，传感器模块包括两个光纤光栅加速度传感器和八个光纤光栅应变传感器，两个光纤光栅加速度传感器分别设置在支撑框相对的两内侧壁上，八个光纤光栅应变传感器两两一组分为四组，四组光纤光栅应变传感器分别设置在位于玻璃的四条侧边的结构胶内，同一组的两个光纤光栅应变传感器间隔设置。

进一步地，各传感器模块的八个光纤光栅应变传感器通过连接光纤依次连接形成第一传感器组，位于第一传感器组其中一端的光纤光栅应变传感器通过传输光缆与计算模块连接；

以四个阵列设置的幕墙结构组成一组，设置在同一组的四个幕墙结构上的光纤光栅加速度传感器通过连接光纤依次连接形成第二传感器组，位于第二传感器组其中一端的光纤光栅加速度传感器通过传输光缆与计算模块连接。

进一步地，光纤光栅应变传感器封装在毛细钢管内。

进一步地，光纤光栅加速度传感器通过基座固定在支撑框上，基座包括支座和柱体，支座通过螺栓连接支撑框，柱体的一端固定在支座上，其另一端与光纤光栅加速度传感器螺纹连接。

本发明还提供一种基于多参量的隐框玻璃幕墙安全状态监测方法，应用于如上所述的基于多参量的隐框玻璃幕墙安全状态监测系统，方法包括如下步骤：

获取光纤光栅加速度传感器测量的第一波长数据和获取光纤光栅应变传感器测量的第二波长数据，并对第一波长数据和第二波长数据进行预处理，然后将预处理后的第一波长数据转化为对应的频率数据和将预处理后的第二波长数据转化为对应的应变量数据；

将频率数据与预设的第一阈值范围进行对比，以及将应变量数据与预设的第二阈值范围进行对比，以判断得出玻璃幕墙的安全状态；

将判断得出的玻璃幕墙的安全状态进行展示。

本发明还提供一种基于多参量的隐框玻璃幕墙安全状态监测方法，应用于如上所述的基于多参量的隐框玻璃幕墙安全状态监测系统，方法包括如下步骤：

获取光纤光栅加速度传感器测量的第一波长数据和获取光纤光栅应变传感器测量的第二波长数据，并对第一波长数据和第二波长数据进行预处理，然后将预处理后的第一波长数据转化为对应的频率数据和将预处理后的第二波长数据转化为对应的应变量数据；

根据每个传感器模块中若干光纤光栅加速度传感器对应的频率数据和若干光纤光栅应变传感器对应的应变量数据，构建二维数组，并将每个二维数组分别输入已构建的神经网络模型，得出各个幕墙结构的安全状态；

将得出的各个幕墙结构的安全状态进行展示。

相比于现有技术，本发明的有益效果为：

(1)通过使用到了光纤光栅加速度传感器与光纤光栅应变传感器两种传感器，能够测量频率与应变量等物理量，根据采集到的监测数据来判断玻璃幕墙的安全状态，从而能够提前进行预警，避免出现安全事故；

(2)通过光纤光栅加速度传感器与光纤光栅应变传感器测量到的频率与应变两种物理量，将两者分别进行分析，针对结果对比分析，综合得到结果，使得结果更加准确，从而防止出现漏报情况；

(3)光纤光栅传感器之间组串简单，且可以使用到波分复用方式，形成大规模光纤光栅传感网络，不仅能同时采集多个传感器的数据，还能准确知道传感器具体位置，从而实现快速查找问题处的位置，以便后续检查与维修，节省人力并降低成本；

(4)光纤光栅应变传感器体积小，设置在结构胶内不会影响幕墙结构整体结构的安全性，同时光纤光栅应变传感器直接接触结构胶，能够更加精确的感受结构胶的脱胶程度；

(5)光纤光栅加速度传感器设置在支撑框上，不与玻璃直接接触，从而在测量过程中不会因与玻璃直接接触而对玻璃产生损耗。

附图说明

图1为本发明基于多参量的隐框玻璃幕墙安全状态监测系统的结构示意图；

图2为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中在幕墙结构上安装光纤光栅应变传感器的示意图；

图3为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中光纤光栅加速度传感器的安装示意图；

图4为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中光纤光栅加速度传感器与基座的连接示意图；

图5为本发明一实施例的基于多参量的隐框玻璃幕墙安全状态监测方法的步骤流程图；

图6为本发明另一实施例的基于多参量的隐框玻璃幕墙安全状态监测方法的步骤流程图。

图中，1-光纤光栅加速度传感器，2-光纤光栅应变传感器，3-计算模块，4-连接光纤，5-传输光缆，6-基座，61-支座，62-柱体，7-幕墙结构，71-支撑框，72-玻璃，73-结构胶。

具体实施方式

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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

请参阅图1和图2，图1为本发明基于多参量的隐框玻璃幕墙安全状态监测系统的结构示意图，图2为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中在幕墙结构上安装光纤光栅应变传感器的示意图。一种基于多参量的隐框玻璃幕墙安全状态监测系统，用于监测玻璃幕墙，玻璃幕墙包括若干阵列连接的幕墙结构7，幕墙结构7包括支撑框71、玻璃72和结构胶73，玻璃72的四条侧边通过结构胶73固定于支撑框71上；基于多参量的隐框玻璃幕墙安全状态监测系统包括分别安装在若干幕墙结构7上的若干传感器模块和与传感器模块连接的计算模块3；传感器模块包括若干光纤光栅加速度传感器1和若干光纤光栅应变传感器2，若干光纤光栅加速度传感器1设置在支撑框71上，用于测量幕墙结构7的频率的波长数据，若干光纤光栅应变传感器2埋设在结构胶73内，用于测量幕墙结构7的应变量的波长数据；计算模块3用于对光纤光栅加速度传感器1测量的波长数据和光纤光栅应变传感器2测量的波长数据进行处理分析，得到玻璃幕墙的安全状态，并将玻璃幕墙的安全状态进行展示。

在本实施例中，将光纤光栅加速度传感器1设置在支撑框71上，且不与玻璃72直接接触，因此在测量过程中不会因与玻璃72直接接触而对玻璃72产生损耗，光纤光栅加速度传感器1通过测量支撑框71的频率的波长数据从而得到幕墙结构7的频率的波长数据，记为第一波长数据；并将光纤光栅应变传感器2设置在结构胶73内，光纤光栅应变传感器2直接接触结构胶73，能够更加精确的感受结构胶73的脱胶程度，而且光纤光栅应变传感器2体积小，因此不会影响幕墙结构7整体结构的安全性。由于结构胶73与玻璃72紧密连接在一起，光纤光栅应变传感器2可测量玻璃72的应变量的波长数据从而得到幕墙结构7的应变量的波长数据，记为第二波长数据。计算模块3通过获取光纤光栅加速度传感器1测量幕墙结构7的第一波长数据和通过光纤光栅应变传感器2测量幕墙结构7的第二波长数据，然后对获取到的第一波长数据和第二波长数据进行处理分析，并针对结果对比分析，以此来判断玻璃幕墙的安全状态，从而能够在玻璃幕墙出现安全风险时提前进行预警并检修，避免出现安全事故。具体地，计算模块3将光纤光栅加速度传感器1测量的第一波长数据和将光纤光栅应变传感器2测量的第二波长数据进行预处理，然后对预处理后的第一波长数据进行转化处理，将预处理后的第一波长数据转化为频率数据，以及对预处理后的第二波长数据进行转化处理，将预处理后的第二波长数据转化为应变量数据；将频率数据与预设的第一阈值范围进行对比以及将应变量数据与预设的第二阈值范围进行对比，以判断得出玻璃幕墙的安全状态；最后将判断得出的玻璃幕墙的安全状态进行展示。或者，计算模块3在得到频率数据和应变量数据之后，根据每个传感器模块中若干光纤光栅加速度传感器1测量的第一波长数据对应的频率数据和若干光纤光栅应变传感器2测量的第二波长数据对应的应变量数据，构建二维数组，并将每个二维数组分别输入已构建的神经网络模型，得出各个幕墙结构的安全状态；最后将得出的各个幕墙结构的安全状态进行展示。

为便于采用复用技术将所有传感器形成大规模光纤光栅传感网络，在一实施例中，传感器模块包括两个光纤光栅加速度传感器1和八个光纤光栅应变传感器2，两个光纤光栅加速度传感器1分别设置在支撑框71相对的两内侧壁上，八个光纤光栅应变传感器2两两一组分为四组，四组光纤光栅应变传感器2分别设置在位于玻璃72的四条侧边的结构胶73内，同一组的两个光纤光栅应变传感器2间隔设置。在一实施例中，各传感器模块的八个光纤光栅应变传感器2通过连接光纤4依次连接形成第一传感器组，位于第一传感器组其中一端的光纤光栅应变传感器2通过传输光缆5与计算模块3连接；以四个阵列设置的幕墙结构7组成一组，设置在同一组的四个幕墙结构7上的光纤光栅加速度传感器1通过连接光纤4依次连接形成第二传感器组，位于第二传感器组其中一端的光纤光栅加速度传感器1通过传输光缆5与计算模块3连接。光纤光栅加速度传感器1和光纤光栅应变传感器2可以采用复用技术，形成大规模光纤光栅传感网络。以四个阵列设置的幕墙结构7组成一组，在每个幕墙结构7上安装八个光纤光栅应变传感器2和两个光纤光栅加速度传感器1，则一组幕墙结构7中共计有三十二个光纤光栅应变传感器2和八个光纤光栅加速度传感器1，利用波分复用技术将八个传感器接到同一个通道，总共使用到了五个通道，而常用的解调仪有八通道和十六通道。并且根据波分复用技术，每个传感器的初始中心波长是不一样的，在确定的一个通道中根据初始化波长数据不同可以得到该数据是属于八个传感器中的哪一个传感器。然后做好标签记录，便可以准确定位传感器的具体位置，不仅能同时采集多个传感器的数据，还能准确知道传感器的具体位置。

在一实施例中，光纤光栅应变传感器2封装在毛细钢管内。该设置可以增加光纤光栅应变传感器2的机械强度，防止损伤。

请参阅图3和图4，图3为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中光纤光栅加速度传感器的安装示意图，图4为本发明基于多参量的隐框玻璃幕墙安全状态监测系统中光纤光栅加速度传感器与基座的连接示意图。在一实施例中，光纤光栅加速度传感器1通过基座6固定在支撑框71上，基座6包括支座61和柱体62，支座61通过螺栓连接支撑框71，柱体62的一端固定在支座61上，其另一端与光纤光栅加速度传感器1螺纹连接。采用该设置便于将光纤光栅加速度传感器1安装在支撑框71上。优选地，在支座61的四角处设置有第一螺孔，支撑框71上设有与第一螺孔一一对应的第二螺孔，通过螺栓螺纹连接对应的第一螺孔和第二螺孔，从而将支座61安装在支撑框71上。在一实施例中，支撑框71为铝框。

请参阅图5，图5为本发明一实施例的基于多参量的隐框玻璃幕墙安全状态监测方法的步骤流程图。本发明还提供一种基于多参量的隐框玻璃幕墙安全状态监测方法，应用于基于多参量的隐框玻璃幕墙安全状态监测系统，方法包括如下步骤：

S1、获取光纤光栅加速度传感器1测量的第一波长数据和获取光纤光栅应变传感器2测量的第二波长数据，并对第一波长数据和第二波长数据进行预处理，然后将预处理后的第一波长数据转化为对应的频率数据和将预处理后的第二波长数据转化为对应的应变量数据；

S2、将频率数据与预设的第一阈值范围进行对比，以及将应变量数据与预设的第二阈值范围进行对比，以判断得出玻璃幕墙的安全状态；

S3、将判断得出的所述玻璃幕墙的安全状态进行展示。

在上述步骤S1中，光纤光栅加速度传感器1测量的是幕墙结构7的频率的第一波长数据和光纤光栅应变传感器2测量的是幕墙结构7的应变量的第二波长数据，由于第一波长数据和第二波长数据为实测数据，实测数据通常都会有噪声影响，因此需要对第一波长数据和第二波长数据进行预处理，具体预处理的方法可以采用现有的方式，例如预处理过程包括三个：第一，提取包含重要信息的信号，将无用的数据剔除；第二，信号滤波去噪，使用常用平滑函数平滑数据，常用平滑函数如smooth函数；第三，信号平滑处理，使用平滑函数平滑一下数据波形上的毛刺，使波形更好完整平滑。在对第一波长数据和第二波长数据预处理后，通过第一波长数据与频率的对应关系和通过第二波长数据与应变量的对应关系，将预处理后的第一波长数据和第二波长数据进行转化处理，从而得到第一波长数据对应的频率数据和第二波长数据对应的应变量数据，即得到幕墙结构的频率数据和玻璃的应变量数据，得到频率数据和应变量数据是数字量数据。另外，在设置传感器后对传感器做好标签记录，以准确定位各个传感器的具体位置

在上述步骤S2中，频率分析中，基于频率数据，利用频域变化得到频域波形，由频域波形得到频率变化，从频率变化来得知隐框玻璃幕墙受力振动时的频率变化从而分析隐框玻璃幕墙的状态。当玻璃72状态良好时，玻璃幕墙振动时玻璃72的固有频率应当是一定范围内的，同时玻璃72在四侧边牢固的粘贴在支撑框71上时的固有频率最大，由光纤光栅加速度传感器1测量得到的频率数据在一定范围内波动，因此将幕墙结构7完好时的频率数据的波动范围记为第一阈值范围。如果光纤光栅加速度传感器测得的频率数据低于预设的第一阈值范围，即光纤光栅加速度传感器1测得的频率数据出现较大变化，说明玻璃幕墙的状态发生了改变，出现异常数据的光纤光栅加速度传感器1所在的幕墙结构7的玻璃72出现松弛情况，即由于玻璃72出现松弛情况而导致玻璃72的固有频率也会随之降低，从而出现光纤光栅加速度传感器1测得的频率数据低于预设的第一阈值范围，因此可判断玻璃幕墙的安全状态为存在安全隐患，并能根据传感器的具体位置得到玻璃幕墙存在安全隐患的具体位置。

在应变分析中，可以从应变变化量的变化情况来得知隐框玻璃幕墙的结构胶73的受力情况从而分析隐框玻璃幕墙的状态。当玻璃72状态良好时，玻璃幕墙振动时的应变变化量是在一定范围内的，由埋入结构胶73中的光纤光栅应变传感器2测量得到的应变量数据是在一定范围内波动的，因此将幕墙结构7完好时的应变量数据的波动范围记为第二阈值范围。如果光纤光栅应变传感器2测量得到的应变量数据低于第二阈值范围，即光纤光栅应变传感器2测量得到的应变量数据出现较大变化时，说明玻璃幕墙的状态出现改变，出现异常数据的光纤光栅应变传感器2附近的结构胶73出现损伤，即由于结构胶73损伤导致应变监测变得不够灵敏，从而导致光纤光栅应变传感器2测得的应变量数据低于预设的第二阈值范围，因此可判断玻璃幕墙的安全状态为存在安全隐患，并能根据传感器的具体位置得到玻璃幕墙存在安全隐患的具体位置。

在上述步骤S3中，将步骤S2得出的玻璃幕墙的安全状态进行展示，以便于用户直观的了解玻璃幕墙的安全状态，达到预警的目的。

请参阅图6，图6为本发明另一实施例的基于多参量的隐框玻璃幕墙安全状态监测方法的步骤流程图。进一步地，为了能够更加准确的判断隐框玻璃幕墙的状态变化，选择使用神经网络模型进行分析。本发明还提供一种基于多参量的隐框玻璃幕墙安全状态监测方法，应用于基于多参量的隐框玻璃幕墙安全状态监测系统，方法包括如下步骤：

S4、获取光纤光栅加速度传感器1测量的第一波长数据和获取光纤光栅应变传感器2测量的第二波长数据，并对第一波长数据和第二波长数据进行预处理，然后将预处理后的第一波长数据转化为对应的频率数据和将预处理后的第二波长数据转化为对应的应变量数据；

S5、根据每个传感器模块中若干光纤光栅加速度传感器1测量的第一波长数据对应的频率数据和若干光纤光栅应变传感器2测量的第二波长数据对应的应变量数据，构建二维数组，并将每个二维数组分别输入已构建的神经网络模型，得出各个幕墙结构的安全状态；

S6、将得出的各个幕墙结构的安全状态进行展示。

在上述步骤S4中，步骤S4的内容与步骤S1的内容相同，在此不再赘述。

在上述步骤S5中，将频率与应变量两种物理量数据整理成一个二维数组，作为神经网络模型的输入，再根据训练好的神经网络模型得到各个幕墙结构7的安全状态，最终得到玻璃幕墙的安全状态。将两种物理量整合到一起，从而能够得到比单一物理量分析结果更高的精确率。其中，二维数组中第一行为传感器模块中若干光纤光栅加速度传感器对应的频率数据，二维数组中第二行为传感器模块中若干光纤光栅应变传感器2对应的应变量数据，这里需要说明的是，如在一实施例中，每个传感器模块中包括两个光纤光栅加速度传感器1和八个光纤光栅应变传感器2，则每个传感器模块会得到对应的两个频率数据和八个应变量数字数据，将每个传感器模块的所有数据以光纤光栅加速度传感器1对应的频率数据为一行，光纤光栅应变传感器2对应的应变量数据为一行，组成2×8的二维数组，且空余处用0补充，即二维数组的第一行为两个频率数据和六个0。进一步地，各个幕墙结构7的安全状态可以是预设的安全分类，预设的安全分类是以半边破损递进的方式分类的，例如将安全分类分为六类，分别为四边完整，有半边破损，有一边破损，有一边半破损，有两边破损，有两边半破损。将每个幕墙结构7对应的二维数组输入神经网络模型中，得到每个幕墙结构7的安全分类。神经网络模型训练将采集到的已知安全分类的频率和应变量两种物理量数据整理成二维数组，作为神经网络模型的输入。神经网络根据输入的数据以及提供的已知安全分类结果计算后，将另外一组已知结果的数据再次输入，得到此神经网络模型的精确度，并通过调整神经网络模型中的函数参数来提高精确度，直到精确度满足训练要求时便完成了神经网络模型的训练。

在一实施例中，神经网络模型选取卷积神经网络。卷积神经网络包含卷积层，池化层，激活函数层，全连接层。卷积层用于特征提取，激活函数层用于加入非线性因素，池化层用于特征压缩，提取主要特征并减少数据量简化计算。全连接层用于将连接所有特征，提供给分类器分类。

在一实施例中，卷积神经网络构建三层卷积层，三层池化层以及一层全连接层。当输入数据经过卷积神经网络的多层卷积层与多层池化层后，提取出不同特征，最后到全连接层将特征分类，得到输入数据的类别，与预设好的安全分类对照，便可以得到各个幕墙结构7的安全分类。

在上述步骤S6中，将步骤S5得出的各个幕墙结构7的安全分类进行展示，各个幕墙结构7的安全分类即为整个玻璃幕墙的安全状态，以便于用户直观的了解每个幕墙结构7的安全分类，达到预警的目的。

相比于现有技术，本发明的有益效果为：

(1)通过使用到了光纤光栅加速度传感器与光纤光栅应变传感器两种传感器，能够测量频率与应变量等物理量，根据采集到的监测数据来判断玻璃幕墙的安全状态，从而能够提前进行预警，避免出现安全事故；

(2)通过光纤光栅加速度传感器与光纤光栅应变传感器测量到的频率与应变两种物理量，将两者分别进行分析，针对结果对比分析，综合得到结果，使得结果更加准确，从而防止出现漏报情况；

(3)光纤光栅传感器之间组串简单，且可以使用到波分复用方式，形成大规模光纤光栅传感网络，不仅能同时采集多个传感器的数据，还能准确知道传感器具体位置，从而实现快速查找问题处的位置，以便后续检查与维修，节省人力并降低成本；

(4)光纤光栅应变传感器体积小，设置在结构胶内不会影响幕墙结构整体结构的安全性，同时光纤光栅应变传感器直接接触结构胶，能够更加精确的感受结构胶的脱胶程度；

(5)光纤光栅加速度传感器设置在支撑框上，不与玻璃直接接触，从而在测量过程中不会因与玻璃直接接触而对玻璃产生损耗。

以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，故凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。