一种新能源汽车充电方法及系统

技术领域

本发明涉及新能源电动汽车技术领域，特别涉及一种新能源汽车充电方法及系统。

背景技术

随着科技的进步以及生产力的快速发展，新能源电动汽车技术也日趋成熟，并且逐渐得到了人们的认可，已经在人们的日常生活中得到普及，极大的方便了人们的生活。

其中，现有的新能源汽车的充电方式主要有三种：传导充电、换电充电以及无线充电，具体的，传导充电主要是通过有线连接将充电桩与新能源汽车的电池直接电性连接在一起，以直接对电池充电，但充电的效率较低，换电充电主要是通过直接更换新能源汽车的内部电池的方式来完成新能源汽车的充电，虽然充电效率较高，但换电的成本也较高，另外，无线充电主要是通过无线电磁感应或者无线微波等方式将电能从充电桩传输至车辆的电池内，虽然充电成本较低，但充电的时间较长。

因此，针对现有技术的不足，提供一种低成本、高效率的新能源汽车充电方法很有必要。

发明内容

基于此，本发明的目的是提供一种新能源汽车充电方法及系统，以提供一种具有低成本、高效率的新能源汽车充电方法。

本发明实施例第一方面提出了：

一种新能源汽车充电方法，其中，所述方法包括以下步骤：

当检测到充电桩时，启用设置在车辆内部的第一量子通信模块，并通过所述第一量子通信模块激活所述充电桩内部的第二量子通信模块，以建立所述第一量子通信模块与所述第二量子通信模块之间的无线通信连接；

通过所述车辆内部的预设量子传感器实时采集动力电池包的理论状态参数，并通过所述第一量子通信模块将所述理论状态参数发送至所述第二量子通信模块；

通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型，并通过所述预设量子传感器采集所述动力电池包的实际状态参数；

通过所述充电模型根据所述实际状态参数生成对应的最优充电参数，以根据所述最优充电参数向所述动力电池包充电。

本发明的有益效果是：通过实时建立第一量子通信模块与第二量子通信模块之间的通信连接，能够简单、快速的实现车辆与充电桩两者之间的信息交互，基于此，再根据实时采集到的动力电池包的理论状态参数构建出对应的充电模型，进一步的，只需要将实时采集到的动力电池包的实际状态参数输入至上述充电模型中，就能够使当前充电模型对应输出最优充电参数，从而能够大幅提升动力电池包的充电效率，同时提升了用户的使用体验。

进一步的所述通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型的步骤包括：

当获取到所述理论状态参数时，对所述理论状态参数进行归一化处理，并将归一化处理后的理论状态参数生成对应的模型数据集；

基于预设规则将所述模型数据集拆分成对应的训练集以及验证集，并将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型。

进一步的所述基于预设规则将所述模型数据集拆分成对应的训练集以及验证集的步骤包括：

当获取到所述模型数据集时，提取出所述模型数据集中包含的若干数据子集，每一所述数据子集分别包含一种参数；

获取与所述充电桩对应的硬件配置参数，并基于所述硬件配置参数对每一所述数据子集分别添加对应的目标权重；

根据所述目标权重在若干所述数据子集中提取出对应的若干目标数据集，并根据若干所述目标数据集分别生成所述训练集以及所述验证集，所述目标数据集具有唯一性。

进一步的所述将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型的步骤包括：

当获取到所述训练集时，将所述训练集输入至所述编码层中的Transformer编码器中，以将所述训练集编码成对应的训练代码；

将所述训练代码输入至所述解析层中，以通过所述解析层中的解析算法将所述训练代码解析成对应的若干特征值；

将若干所述特征值输入至所述学习层中的学习网络中，并通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型。

进一步的所述通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型的步骤包括：

检测出所述学习网络中包含的若干网络节点，并从每一所述网络节点中分别提取出若干所述初始网络参数；

逐一检测出每一所述初始网络参数分别对应的参数类型，并根据所述参数类型将若干所述特征值分别映射至每一所述学习节点中，以在每一所述学习节点中将所述初始网络参数替换成所述特征值，所述特征值具有唯一性。

进一步的所述通过所述充电模型根据所述实际状态参数生成对应的最优充电参数的步骤包括：

当获取到所述实际状态参数时，通过所述充电模型根据所述实际状态参数确定出所述动力电池包的充电等级，并在预设数据库中确定出与所述充电等级对应的充电系数；

根据所述实际状态参数以及所述充电系数对应计算出所述最优充电参数。

进一步的所述方法还包括：

当检测到所述动力电池包充电完成时，在所述车辆内部的仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

本发明实施例第二方面提出了：

一种新能源汽车充电系统，其中，所述系统包括：

检测模块，用于当检测到充电桩时，启用设置在车辆内部的第一量子通信模块，并通过所述第一量子通信模块激活所述充电桩内部的第二量子通信模块，以建立所述第一量子通信模块与所述第二量子通信模块之间的无线通信连接；

采集模块，用于通过所述车辆内部的预设量子传感器实时采集动力电池包的理论状态参数，并通过所述第一量子通信模块将所述理论状态参数发送至所述第二量子通信模块；

处理模块，用于通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型，并通过所述预设量子传感器采集所述动力电池包的实际状态参数；

充电模块，用于通过所述充电模型根据所述实际状态参数生成对应的最优充电参数，以根据所述最优充电参数向所述动力电池包充电。

进一步的所述处理模块具体用于：

当获取到所述理论状态参数时，对所述理论状态参数进行归一化处理，并将归一化处理后的理论状态参数生成对应的模型数据集；

基于预设规则将所述模型数据集拆分成对应的训练集以及验证集，并将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型。

进一步的所述处理模块还具体用于：

当获取到所述模型数据集时，提取出所述模型数据集中包含的若干数据子集，每一所述数据子集分别包含一种参数；

获取与所述充电桩对应的硬件配置参数，并基于所述硬件配置参数对每一所述数据子集分别添加对应的目标权重；

根据所述目标权重在若干所述数据子集中提取出对应的若干目标数据集，并根据若干所述目标数据集分别生成所述训练集以及所述验证集，所述目标数据集具有唯一性。

进一步的所述处理模块还具体用于：

当获取到所述训练集时，将所述训练集输入至所述编码层中的Transformer编码器中，以将所述训练集编码成对应的训练代码；

将所述训练代码输入至所述解析层中，以通过所述解析层中的解析算法将所述训练代码解析成对应的若干特征值；

将若干所述特征值输入至所述学习层中的学习网络中，并通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型。

进一步的所述处理模块还具体用于：

检测出所述学习网络中包含的若干网络节点，并从每一所述网络节点中分别提取出若干所述初始网络参数；

逐一检测出每一所述初始网络参数分别对应的参数类型，并根据所述参数类型将若干所述特征值分别映射至每一所述学习节点中，以在每一所述学习节点中将所述初始网络参数替换成所述特征值，所述特征值具有唯一性。

进一步的所述充电模块具体用于：

当获取到所述实际状态参数时，通过所述充电模型根据所述实际状态参数确定出所述动力电池包的充电等级，并在预设数据库中确定出与所述充电等级对应的充电系数；

根据所述实际状态参数以及所述充电系数对应计算出所述最优充电参数。

进一步的所述新能源汽车充电系统还包括提示模块，所述提示模块具体用于：

当检测到所述动力电池包充电完成时，在所述车辆内部的仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

本发明实施例第三方面提出了：

一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的新能源汽车充电方法。

本发明实施例第四方面提出了：

一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的新能源汽车充电方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明第一实施例提供的新能源汽车充电方法的流程图；

图2为本发明第六实施例提供的新能源汽车充电系统的结构框图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，所示为本发明第一实施例提供的新能源汽车充电方法，本实施例提供的新能源汽车充电方法能够使构建出的充电模型输出最优充电参数，从而能够大幅提升动力电池包的充电效率，同时提升了用户的使用体验。

具体的，本实施例提供的新能源汽车充电方法具体包括以下步骤：

步骤S10，当检测到充电桩时，启用设置在车辆内部的第一量子通信模块，并通过所述第一量子通信模块激活所述充电桩内部的第二量子通信模块，以建立所述第一量子通信模块与所述第二量子通信模块之间的无线通信连接；

步骤S20，通过所述车辆内部的预设量子传感器实时采集动力电池包的理论状态参数，并通过所述第一量子通信模块将所述理论状态参数发送至所述第二量子通信模块；

步骤S30，通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型，并通过所述预设量子传感器采集所述动力电池包的实际状态参数；

步骤S40，通过所述充电模型根据所述实际状态参数生成对应的最优充电参数，以根据所述最优充电参数向所述动力电池包充电。

具体的，在本实施例中，首先需要说明的是，该新能源汽车充电方法能够适配于不同型号的新能源电动汽车，其中，需要指出的是，为了能够提升车辆与充电桩之间的信号交互效率，同时对应缩短车辆的充电时间，会预先在车辆的内部设置第一量子通信模块，对应的，在充电桩的内部设置第二量子通信模块，且两者之间相互适配。基于此，当车辆内部的整车控制器在其检测范围内实时检测到充电桩的存在时，立即建立上述第一量子通信模块与第二量子通信模块之间的无线通信连接，与此同时，通过当前第一量子通信模块将实时采集到的动力电池包的理论状态参数对应发送至第二量子通信模块的内部。

进一步的，本实施例还会上述第二量子通信模块的内部设置有预设神经网络，优选的，该预设神经网络设置为CNN网络，与此同时，将上述理论状态参数输入至当前CNN网络的内部，以进行对应的训练，并对应训练出需要的充电模型。在此基础之上，还需要进一步采集当前车辆内部的动力电池包的实际状态参数，最后能够进一步通过上述充电模型根据当前实际状态参数生成对应的最优充电参数，以基于该最优充电参数对当前动力电池包进行充电。

第二实施例

具体的，在本实施例中，需要说明的是，上述通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型的步骤包括：

当获取到所述理论状态参数时，对所述理论状态参数进行归一化处理，并将归一化处理后的理论状态参数生成对应的模型数据集；

基于预设规则将所述模型数据集拆分成对应的训练集以及验证集，并将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型。

具体的，在本实施例中，需要说明的是，在通过上述步骤获取到需要的理论状态参数之后，为了便于后续的训练，此时需要通过归一化算法将当前理论状态参数转换具有同一格式的参数，优选的，可以为xml格式，基于此，能够进一步将归一化处理后的理论状态参数整合成对应的模型数据集。

进一步的，按照7:3的比例将当前模型数据集拆分成对应的训练集以及验证集，进一步的，将当前训练集以及验证集分别依次输入至上述CNN网络中的编码层、解析层以及学习层中，以对应构建出上述充电模型。

具体的，在本实施例中，还需要说明的是，上述基于预设规则将所述模型数据集拆分成对应的训练集以及验证集的步骤包括：

当获取到所述模型数据集时，提取出所述模型数据集中包含的若干数据子集，每一所述数据子集分别包含一种参数；

获取与所述充电桩对应的硬件配置参数，并基于所述硬件配置参数对每一所述数据子集分别添加对应的目标权重；

根据所述目标权重在若干所述数据子集中提取出对应的若干目标数据集，并根据若干所述目标数据集分别生成所述训练集以及所述验证集，所述目标数据集具有唯一性。

具体的，在本实施例中，还需要说明的是，在通过上述步骤获取到需要的模型数据集之后，此时可以进一步提取出当前模型数据集中包含的若干数据子集，其中，每一个子集对应一种参数，例如A子集对应电流参数以及B子集对应电压参数等。进一步的，由于充电桩的硬件配置不同，其能够产生的充电效率也不一样，基于此，还需要根据当前充电桩的硬件配置参数对上述每个数据子集添加对应的目标权重，例如A子集的权重为20％，以及B子集的权重可以为50％，从而能够提取出若干需要的目标数据集，并进一步在当前目标数据集中按照7:3的比例划分出训练集以及验证集，以对应构建出上述充电模型。

第三实施例

另外，在本实施例中，需要说明的是，上述将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型的步骤包括：

当获取到所述训练集时，将所述训练集输入至所述编码层中的Transformer编码器中，以将所述训练集编码成对应的训练代码；

将所述训练代码输入至所述解析层中，以通过所述解析层中的解析算法将所述训练代码解析成对应的若干特征值；

将若干所述特征值输入至所述学习层中的学习网络中，并通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型。

另外，在本实施例中，需要说明的是，在通过上述步骤获取到需要的训练集之后，此时立即将当前训练集输入至上述编码层的Transformer编码器中，以对应编码成上述解析层能够识别的训练代码。具体的，该训练代码是一种计算机代码。

进一步的，还需要进一步将当前训练代码输入至上述解析层中，以通过该解析层中预先设置好的解析算法将当前训练代码解析成对应的若干特征值，优选的，该解析算法可以设置为现有的DTW算法。更进一步的，将当前若干特征值进一步输入至上述学习层中的学习网络中，与此同时，通过当前若干特征值对当前学习网络中的初始网络参数进行自适应调整，以生成上述充电模型。

另外，在本实施例中，还需要说明的是，上述通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型的步骤包括：

检测出所述学习网络中包含的若干网络节点，并从每一所述网络节点中分别提取出若干所述初始网络参数；

逐一检测出每一所述初始网络参数分别对应的参数类型，并根据所述参数类型将若干所述特征值分别映射至每一所述学习节点中，以在每一所述学习节点中将所述初始网络参数替换成所述特征值，所述特征值具有唯一性。

另外，在本实施例中，还需要说明的是，为了能够有效的对上述学习网络进行调整，会进一步检测出当前学习网路中包含的若干网络节点，与此同时，能够从每个网络节点中分别提取出需要的初始网络参数，进一步的，还需要进一步检测出当前初始网络参数分别对应的参数类型，具体的，该参数类型可以包括特征参数、基础参数以及深化参数等。基于此，就能够根据每个参数类型将上述若干特征值对应映射至每个学习节点中，在此基础之上，能够最终将各个学习节点中的初始网络参数对应替换成上述各个特征值，以最终构建出上述充电模型。

第四实施例

其中，在本实施例中，需要指出的是，所述通过所述充电模型根据所述实际状态参数生成对应的最优充电参数的步骤包括：

当获取到所述实际状态参数时，通过所述充电模型根据所述实际状态参数确定出所述动力电池包的充电等级，并在预设数据库中确定出与所述充电等级对应的充电系数；

根据所述实际状态参数以及所述充电系数对应计算出所述最优充电参数。

其中，在本实施例中，需要指出的是，为了能够准确的输出最优充电参数，本实施例在获取到上述实际状态参数时，还会实时通过上述充电模型确定出当前动力电池包的充电等级，与此同时，就能够在预设数据库中确定出与当前充电等级对应的充电系数，其中，每个充电系数均是唯一的。基于此，将当前实际状态参数中包含的电流参数、电压参数以及温度参数等与上述充电系数进行对应的相乘处理，就能够简单、快速的计算出上述最优充电参数。

第五实施例

其中，在本实施例中，需要指出的是，所述方法还包括：

当检测到所述动力电池包充电完成时，在所述车辆内部的仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

其中，在本实施例中，需要指出的是，当上述整车控制器实时检测到当前动力电池包充电完成时，此时需要及时的提醒车主。

具体的，当前整车控制器会在当前车辆的仪表盘中发出对应的提示信息，更具体的，该提示信息可以是文字提示以及图标提示。

请参阅图2，本发明第六实施例提供了：

一种新能源汽车充电系统，其中，所述系统包括：

检测模块，用于当检测到充电桩时，启用设置在车辆内部的第一量子通信模块，并通过所述第一量子通信模块激活所述充电桩内部的第二量子通信模块，以建立所述第一量子通信模块与所述第二量子通信模块之间的无线通信连接；

采集模块，用于通过所述车辆内部的预设量子传感器实时采集动力电池包的理论状态参数，并通过所述第一量子通信模块将所述理论状态参数发送至所述第二量子通信模块；

处理模块，用于通过所述理论状态参数以及预设神经网络在所述充电桩中构建出对应的充电模型，并通过所述预设量子传感器采集所述动力电池包的实际状态参数；

充电模块，用于通过所述充电模型根据所述实际状态参数生成对应的最优充电参数，以根据所述最优充电参数向所述动力电池包充电。

其中，上述新能源汽车充电系统中，所述处理模块具体用于：

当获取到所述理论状态参数时，对所述理论状态参数进行归一化处理，并将归一化处理后的理论状态参数生成对应的模型数据集；

基于预设规则将所述模型数据集拆分成对应的训练集以及验证集，并将所述训练集和所述验证集分别依次输入至所述预设神经网络的编码层、解析层以及学习层中，以对应构建出所述充电模型。

其中，上述新能源汽车充电系统中，所述处理模块还具体用于：

当获取到所述模型数据集时，提取出所述模型数据集中包含的若干数据子集，每一所述数据子集分别包含一种参数；

获取与所述充电桩对应的硬件配置参数，并基于所述硬件配置参数对每一所述数据子集分别添加对应的目标权重；

根据所述目标权重在若干所述数据子集中提取出对应的若干目标数据集，并根据若干所述目标数据集分别生成所述训练集以及所述验证集，所述目标数据集具有唯一性。

其中，上述新能源汽车充电系统中，所述处理模块还具体用于：

当获取到所述训练集时，将所述训练集输入至所述编码层中的Transformer编码器中，以将所述训练集编码成对应的训练代码；

将所述训练代码输入至所述解析层中，以通过所述解析层中的解析算法将所述训练代码解析成对应的若干特征值；

将若干所述特征值输入至所述学习层中的学习网络中，并通过若干所述特征值对所述学习网络中的初始网络参数进行调整，以对应生成所述充电模型。

其中，上述新能源汽车充电系统中，所述处理模块还具体用于：

检测出所述学习网络中包含的若干网络节点，并从每一所述网络节点中分别提取出若干所述初始网络参数；

逐一检测出每一所述初始网络参数分别对应的参数类型，并根据所述参数类型将若干所述特征值分别映射至每一所述学习节点中，以在每一所述学习节点中将所述初始网络参数替换成所述特征值，所述特征值具有唯一性。

其中，上述新能源汽车充电系统中，所述充电模块具体用于：

当获取到所述实际状态参数时，通过所述充电模型根据所述实际状态参数确定出所述动力电池包的充电等级，并在预设数据库中确定出与所述充电等级对应的充电系数；

根据所述实际状态参数以及所述充电系数对应计算出所述最优充电参数。

其中，上述新能源汽车充电系统中，所述新能源汽车充电系统还包括提示模块，所述提示模块具体用于：

当检测到所述动力电池包充电完成时，在所述车辆内部的仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

本发明第七实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上述实施例提供的新能源汽车充电方法。

本发明第八实施例提供了一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述实施例提供的新能源汽车充电方法。

综上所述，本发明上述实施例提供的新能源汽车充电方法及系统能够使构建出的充电模型输出最优充电参数，从而能够大幅提升动力电池包的充电效率，同时提升了用户的使用体验。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。