一种物料出口含水率预测模型建立方法、预测方法及装置

技术领域

本发明涉及产品检测领域，特别涉及一种物料出口含水率预测模型建立方法、预测方法及装置。

背景技术

以食品制造行业为例，物料出口含水率往往是影响最终产品质量的关键因素，而物料出口含水率受多种因素影响，传统的物料出口含水率控制常规的PID控制往往是单回路或串级回路控制，以卷烟制造为例，目前卷烟制品的物料出口含水率控制以PID控制为主，控制精度不高，无法进行较为稳定的控制。

发明内容

有鉴于此，本发明的目的在于提供一种物料出口含水率预测模型建立方法、预测方法及装置，解决了现有技术中物料出口检测精度低的问题。

为解决上述技术问题，本发明提供了一种物料出口含水率预测模型建立方法，包括：

获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量；所述输入变量至少包括物料入口含水率、物料温度和环境参数变量，所述输出变量为物料出口含水率；

剔除多组所述输入变量的噪声部分，得到多组有效输入变量；所述输入变量的噪声部分包括所述物料入口含水率的规律性噪声部分、所述物料温度的高频噪声部分和所述环境参数变量的高频噪声部分；

将多组所述有效输入变量与所述有效输入变量对应的所述输出变量，划分为训练集和测试集；

利用所述训练集构建支持向量回归物料出口含水率预测模型，利用所述测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。

可选的，利用所述测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型，包括：

利用所述测试集对所述支持向量回归物料出口含水率预测模型中的模型参数内核系数和惩罚系数进行参数寻优，得到训练完成的物料出口含水率预测模型。

可选的，所述训练完成的物料出口含水率预测模型为：

其中，f(x)为物料出口含水率，a

可选的，所述环境参数变量包括工况环境温度和工况环境湿度中的至少一种。

可选的，所述输入变量还包括工况加水量。

可选的，所述获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量，包括：

获取物料出口含水率预测模型的多组输入变量和多组输出变量；

根据时序顺序对多组所述输入变量和多组所述输出变量进行对齐，得到多组所述输入变量和多组所述对应的输出变量。

可选的，所述剔除多组所述输入变量的噪声部分，得到多组有效输入变量，包括：

利用包络分析法提取所述物料入口含水率随时间变化曲线的波峰部分，得到有效物料入口含水率；

利用卡尔曼滤波剔除所述物料温度和所述环境参数变量的高频噪声，得到有效物料温度和有效环境参数变量；

将所述有效物料入口含水率、所述有效物料温度和所述有效环境参数变量作为多组所述有效输入变量。

本发明还提供了一种物料出口含水率预测模型建立装置，包括：

获取模块，用于获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量；所述输入变量至少包括物料入口含水率、物料温度和环境参数变量，所述输出变量为物料出口含水率；

噪声部分剔除模块，用于剔除多组所述输入变量的噪声部分，得到多组有效输入变量；所述输入变量的噪声部分包括所述物料入口含水率的规律性噪声部分、所述物料温度的高频噪声部分和所述环境参数变量的高频噪声部分；

划分模块，用于将多组所述有效输入变量与所述有效输入变量对应的所述输出变量，划分为训练集和测试集；

构建模块，用于利用所述训练集构建支持向量回归物料出口含水率预测模型，利用所述测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。

本发明还提供了一种物料出口含水率预测方法，包括：

获取待预测物料的输入变量，并对所述输入变量进行噪声去除处理，得到所述待预测物料的有效输入变量；所述输入变量至少包括物料入口含水率、物料温度和环境参数变量；所述噪声去除处理包括去除所述物料入口含水率的规律性噪声部分、所述物料温度的高频噪声部分和所述环境参数变量的高频噪声部分；

利用训练完成的物料出口含水率预测模型对所述待预测物料的有效输入变量进行处理，得到待预测物料的出口含水率；所述训练完成的物料出口含水率预测模型为利用训练集构建支持向量回归物料出口含水率预测模型，并利用测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到的训练完成的物料出口含水率预测模型；所述训练集和所述测试集为获取的多组输入变量和多组对应的输出变量，经所述噪声去除处理后划分得到的所述训练集和所述测试集；所述输出变量为物料出口含水率。

本发明还提供了一种物料出口含水率预测模型建立设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述的物料出口含水率预测模型建立方法，和/或如上述的物料出口含水率预测方法的步骤。

本发明还提供了一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的物料出口含水率预测模型建立方法，和/或如上述的物料出口含水率预测方法的步骤。

可见，本发明提供的物料出口含水率预测模型建立方法，包括获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量，输入变量至少包括物料入口含水率、物料温度和环境参数变量，输出变量为物料出口含水率，剔除多组输入变量的噪声部分，得到多组有效输入变量，输入变量的噪声部分包括物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分，将多组有效输入变量与有效输入变量对应的输出变量，划分为训练集和测试集，利用训练集构建支持向量回归物料出口含水率预测模型，利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。本发明通过利用支持向量回归物料出口含水率预测模型，能够通过多维度输入变量对物料出口含水率进行预测，同时剔除输入变量的噪声部分，以提高计算得到的物料出口含水率的精确度，以对产品工况进行调整，进而提高产品质量。

此外，本发明还提供了一种物料出口含水率预测方法及装置，同样具有上述有益效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种物料出口含水率预测模型建立方法的流程图；

图2为本发明实施例提供的一种输入变量中噪声部分剔除方法的流程图；

图3为本发明实施例提供的一种物料出口含水率预测模型建立装置的结构示意图；

图4为本发明实施例提供的一种物料出口含水率预测方法的流程图；

图5为本发明实施例提供的一种物料出口含水率预测模型建立设备的结构示意图。

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，所描述的实施例仅仅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。

请参考图1，图1为本发明实施例提供的一种物料出口含水率预测模型建立方法的流程图。该方法可以包括：

S101：获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量；输入变量至少包括物料入口含水率、物料温度和环境参数变量，输出变量为物料出口含水率。

本实施例执行主体为模型建立终端。需要进行说明的是，本实施例中获取多组对应的输入变量和输出变量，其中输入变量包括物料入口含水率和其他输入变量，输出变量为物料出口含水率，以利用多组输入变量和对应的输出变量，作为模型建立参考的数据。本实施例并不限定获取的输入变量和对应的输出变量的具体数量，只要是能够通过获取的输入变量和对应的输出变量建立预测模型即可。本实施例不限定获取输入变量和对应的输出变量的具体方式。例如，可以实时进行获取，或者也可以在需要获取时执行一次获取的操作，以同时获取多组输入变量和对应的输出变量。

进一步地，为了保证物料出口含水率检测地精确性，上述环境参数变量，可以包括工况环境温度和工况环境湿度中的至少一种。

需要进行说明的是，本实施例中环境参数变量可以包括工况环境温度和工况环境湿度中的至少一种，当工况中同时存在上述工况环境温度和工况环境湿度时，可以将上述工况环境温度和工况环境湿度同时作为环境参数变量。本实施例实际并不限定环境参数变量的具体参数，可以根据工况中影响物料出口含水率的变量进行适应性调整。

进一步地，为了进一步提高物料出口含水率检测的精准性，上述输入变量还可以包括工况加水量。

进一步地，为了保证获取的多组输入变量与输出变量能够对应，上述获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量，可以包括以下步骤：

步骤S11：获取物料出口含水率预测模型的多组输入变量和多组输出变量。

步骤S12：根据时序顺序对多组输入变量和多组输出变量进行对齐，得到多组输入变量和多组对应的输出变量。

需要进行说明的是，本实施例中通过时序数据将多组输入变量和对应的输出变量建立对应关系，能够保证数据的准确性，进而保证预测模型对物料出口含水率预测的准确性。

S102：剔除多组输入变量的噪声部分，得到多组有效输入变量；输入变量的噪声部分包括物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分。

本实施例通过剔除多组输入变量的噪声部分，能够避免输入变量中掺杂的噪声降低建立的预测模型的准确性。其中，输入变量的噪声部分包括物料入口含水率的规律性噪声部分，以及物料温度和环境参数变量等变量的高频噪声部分。本实施例中由于物料入口含水率中的噪声为规律性噪声，因此能够根据噪声的规律采用噪声剔除方法剔除该规律性噪声，得到有效的物料入口含水率。

进一步地，为了保证输入变量中噪声剔除的准确性，上述剔除多组输入变量的噪声部分，得到多组有效输入变量，可以包括以下步骤。具体可以参考图2，图2为本发明实施例提供的一种输入变量中噪声部分剔除方法的流程图。

S201：利用包络分析法提取物料入口含水率随时间变化曲线的波峰部分，得到有效物料入口含水率。

本实施例中通过利用包络分析法提取物料入口含水率随时间变化曲线的波峰部分，可以利用包络分析法中的上包线来提取物料入口含水率随时间变化曲线的波峰部分，作为有效物料入口含水率。

S202：利用卡尔曼滤波剔除物料温度和环境参数变量的高频噪声，得到有效物料温度和有效环境参数变量。

本实施例中通过卡尔曼滤波剔除物料入口含水率以外的输入变量的高频噪声，得到除物料入口含水率以外的输入变量的有效输入变量。

S203：将有效物料入口含水率、有效物料温度和有效环境参数变量作为多组有效输入变量。

S103：将多组有效输入变量与有效输入变量对应的输出变量，划分为训练集和测试集。

本实施例中通过将剔除噪声后的多组有效输入变量，以及对应的输出变量，划分为训练集和测试集，能够保证利用该训练集构建的预测模型的准确性。本实施例并不限定将多组有效输入变量和对应的输出变量划分为训练集和测试集的具体方式。例如，可以将多组有效输入变量和对应的输出变量等分为多组，将其中一组作为测试集，并将剩余的分组作为训练集；或者本实施例也可以采取其他方式将多组有效输入变量和对应的输出变量划分为训练集和测试集。

S104：利用训练集构建支持向量回归物料出口含水率预测模型，利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。

需要进行说明的是，本实施例中利用划分的训练集构建支持向量回归的物料出口含水率预测模型，能够通过多维度输入变量对输出变量进行预测，能够提高预测的准确性。并利用划分的测试集对支持向量回归物料出口含水率预测模型进行参数寻优，确定模型的最优参数，进而得到训练完成的物料出口含水率预测模型。

进一步地，为了保证对支持向量回归物料出口含水率预测模型中的参数进行寻优，进而确保预测模型能够稳定运行，上述利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型，可以包括：

利用测试集对支持向量回归物料出口含水率预测模型中的模型参数内核系数和惩罚系数进行参数寻优，得到训练完成的物料出口含水率预测模型。

需要进行说明的是，本实施例中通过对模型中的模型参数内核系数和惩罚系数进行参数寻优，能够保证模型能够训练完成，并提高训练完成的预测模型的准确性。

进一步地，为了保证支持向量回归物料出口含水率预测模型对物料出口含水率预测地准确性，上述训练完成的物料出口含水率预测模型可以为：

其中，f(x)为物料出口含水率，a

本实施例中通过构建上述支持向量回归物料出口含水率预测模型，能够保证对物料出口含水率预测地准确性。

应用本发明实施例提供的物料出口含水率预测模型建立方法，包括获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量，输入变量至少包括物料入口含水率、物料温度和环境参数变量，输出变量为物料出口含水率，剔除多组输入变量的噪声部分，得到多组有效输入变量，输入变量的噪声部分包括物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分，将多组有效输入变量与有效输入变量对应的输出变量，划分为训练集和测试集，利用训练集构建支持向量回归物料出口含水率预测模型，利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。本发明通过利用支持向量回归物料出口含水率预测模型，能够通过多维度输入变量对物料出口含水率进行预测，同时剔除输入变量的噪声部分，以提高计算得到的物料出口含水率的精确度，以对产品工况进行调整，进而提高产品质量。此外，本发明通过将环境参数变量设置为包括工况环境温度和工况环境湿度中的至少一种，提高了物料出口含水率检测地精确性；通过时序数据将多组输入变量和对应的输出变量建立对应关系，能够保证数据的准确性，进而保证预测模型对物料出口含水率预测的准确性；利用包络分析法提取物料入口含水率随时间变化曲线的波峰部分，并利用卡尔曼滤波剔除物料温度和环境参数变量的高频噪声，得到有效输入变量，保证了输入变量中噪声剔除的准确性；通过对模型中的模型参数内核系数和惩罚系数进行参数寻优，能够保证模型能够训练完成，并提高训练完成的预测模型的准确性。

下面对本发明实施例提供的物料出口含水率预测模型建立装置进行介绍，下文描述的物料出口含水率预测模型建立装置与上文描述的物料出口含水率预测模型建立方法可相互对应参照。

具体请参考图3，图3为本发明实施例提供的一种物料出口含水率预测模型建立装置的结构示意图，可以包括：

获取模块100，用于获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量；所述输入变量至少包括物料入口含水率、物料温度和环境参数变量，所述输出变量为物料出口含水率；

噪声部分剔除模块200，用于剔除多组所述输入变量的噪声部分，得到多组有效输入变量；所述输入变量的噪声部分包括所述物料入口含水率的规律性噪声部分、所述物料温度的高频噪声部分和所述环境参数变量的高频噪声部分；

划分模块300，用于将多组所述有效输入变量与所述有效输入变量对应的所述输出变量，划分为训练集和测试集；

构建模块400，用于利用所述训练集构建支持向量回归物料出口含水率预测模型，利用所述测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型。

进一步，基于上述任一实施例，所述构建模块400中利用所述测试集对所述支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型的步骤，可以包括：

参数寻优单元，用于利用所述测试集对所述支持向量回归物料出口含水率预测模型中的模型参数内核系数和惩罚系数进行参数寻优，得到训练完成的物料出口含水率预测模型。

进一步，基于上述任一实施例，所述参数寻优单元中训练完成的物料出口含水率预测模型，可以为：

其中，f(x)为物料出口含水率，a

进一步，基于上述任一实施例，所述获取模块100中的环境参数变量，可以包括工况环境温度和工况环境湿度中的至少一种。

进一步，基于上述任一实施例，所述获取模块100，可以包括：

获取单元，用于获取物料出口含水率预测模型的多组输入变量和多组输出变量；

对齐单元，用于根据时序顺序对多组所述输入变量和多组所述输出变量进行对齐，得到多组所述输入变量和多组所述对应的输出变量。

进一步，基于上述任一实施例，所述噪声部分剔除模块200，可以包括：

第一噪声部分剔除单元，用于利用包络分析法提取所述物料入口含水率随时间变化曲线的波峰部分，得到有效物料入口含水率；

第二噪声部分剔除单元，用于利用卡尔曼滤波剔除所述物料温度和所述环境参数变量的高频噪声，得到有效物料温度和有效环境参数变量；

执行单元，用于将所述有效物料入口含水率、所述有效物料温度和有效环境参数变量作为多组所述有效输入变量。

应用本发明实施例提供的物料出口含水率预测模型建立装置，通过利用支持向量回归物料出口含水率预测模型，能够通过多维度输入变量对物料出口含水率进行预测，同时剔除输入变量的噪声部分，以提高计算得到的物料出口含水率的精确度，以对产品工况进行调整，进而提高产品质量。

下面对本发明实施例提供的物料出口含水率预测方法进行介绍，下文描述的物料出口含水率预测方法与上文描述的物料出口含水率预测模型建立方法可相互对应参照。

具体请参考图4，图4为本发明实施例提供的一种物料出口含水率预测方法的流程图，该方法可以包括：

S301：获取待预测物料的输入变量，并对输入变量进行噪声去除处理，得到待预测物料的有效输入变量。

需要进行说明的是，本实施例中输入变量至少包括物料入口含水率、物料温度和环境参数变量，噪声去除处理包括去除物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分。本实施例通过对获取的待预测物料的输入变量进行噪声剔除处理，能够提高物料出口含水率预测的准确性。

S302：利用训练完成的物料出口含水率预测模型对待预测物料的有效输入变量进行处理，得到待预测物料的出口含水率。

需要进行说明的是，本实施例中训练完成的物料出口含水率预测模型为利用训练集构建支持向量回归物料出口含水率预测模型，并利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到的训练完成的物料出口含水率预测模型，训练集和测试集为获取的多组输入变量和多组对应的输出变量，经噪声去除处理后划分得到的训练集和测试集，输出变量为物料出口含水率。

应用本发明实施例提供的物料出口含水率预测方法，通过利用支持向量回归物料出口含水率预测模型，能够通过多维度输入变量对物料出口含水率进行预测，同时剔除输入变量的噪声部分，以提高计算得到的物料出口含水率的精确度，以对产品工况进行调整，进而提高产品质量。

下面对本发明实施例提供的物料出口含水率预测模型建立设备进行介绍，下文描述的物料出口含水率预测模型建立设备与上文描述的物料出口含水率预测模型建立方法可相互对应参照。

请参考图5，图5为本发明实施例提供的一种物料出口含水率预测模型建立设备的结构示意图，可以包括：

存储器10，用于存储计算机程序；

处理器20，用于执行计算机程序，以实现上述的物料出口含水率预测模型建立方法，和/或物料出口含水率预测方法的步骤。

存储器10、处理器20、通信接口31均通过通信总线32完成相互间的通信。

在本发明实施例中，存储器10中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本申请实施例中，存储器10中可以存储有用于实现以下功能的程序：

获取物料出口含水率预测模型的多组输入变量和多组对应的输出变量；输入变量至少包括物料入口含水率、物料温度和环境参数变量，输出变量为物料出口含水率；

剔除多组输入变量的噪声部分，得到多组有效输入变量；输入变量的噪声部分包括物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分；

将多组有效输入变量与有效输入变量对应的输出变量，划分为训练集和测试集；

利用训练集构建支持向量回归物料出口含水率预测模型，利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到训练完成的物料出口含水率预测模型；

和/或获取待预测物料的输入变量，并对输入变量进行噪声去除处理，得到待预测物料的有效输入变量；输入变量至少包括物料入口含水率、物料温度和环境参数变量；噪声去除处理包括去除物料入口含水率的规律性噪声部分、物料温度的高频噪声部分和环境参数变量的高频噪声部分；

利用训练完成的物料出口含水率预测模型对待预测物料的有效输入变量进行处理，得到待预测物料的出口含水率；训练完成的物料出口含水率预测模型为利用训练集构建支持向量回归物料出口含水率预测模型，并利用测试集对支持向量回归物料出口含水率预测模型进行参数寻优，得到的训练完成的物料出口含水率预测模型；训练集和测试集为获取的多组输入变量和多组对应的输出变量，经噪声去除处理后划分得到的训练集和测试集；输出变量为物料出口含水率。

在一种可能的实现方式中，存储器10可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，以及至少一个功能所需的应用程序等；存储数据区可存储使用过程中所创建的数据。

此外，存储器10可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括NVRAM。存储器存储有操作系统和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可以包括各种系统程序，用于实现各种基础任务以及处理基于硬件的任务。

处理器20可以为中央处理器(Central Processing Unit，CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件，处理器20可以是微处理器或者也可以是任何常规的处理器等。处理器20可以调用存储器10中存储的程序。

通信接口31可以为通信模块的接口，用于与其他设备或者系统连接。

当然，需要说明的是，图5所示的结构并不构成对本申请实施例中物料出口含水率预测模型建立设备的限定，在实际应用中物料出口含水率预测模型建立设备可以包括比图5所示的更多或更少的部件，或者组合某些部件。

下面对本发明实施例提供的存储介质进行介绍，下文描述的存储介质与上文描述的物料出口含水率预测模型建立方法可相互对应参照。

本发明还提供一种存储介质，该存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的物料出口含水率预测模型建立方法，和/或物料出口含水率预测方法的步骤。

该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员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的方式来执行，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，但是这种实现不应该认为超出本发明的范围。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，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”或者其他任何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。

以上对本发明所提供的一种物料出口含水率预测模型建立方法、装置及预测方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。