一种故障分析方法、装置、设备和介质

技术领域

本发明涉及网络技术与安全技术领域，特别涉及一种故障分析方法、装置、设备和介质。

背景技术

随着新型城域网建设和发展，网络特性与承载业务路径的随机性和随变性，对智能运维提出了更高的要求，在新型城域网中，基础网络中广泛的使用iFIT(in-situ FlowInformation Telemetry)高精度随流检测技术，通过直接测量业务报文得到网络的真实业务流量实时丢包率和纳秒级精度的时延等性能参数的检测技术，对真实业务流量开销仅有8字节，具有部署方便、精度高等优点。特别适合语音、视频类对网络服务质量要求高的业务运行状态监控和故障快速定位。

目前，iFIT可基于全局语音、视频类对网络服务质量要求高的业务运行状态监控和故障快速定位，但网络环境的变化，iFIT做出故障快速定位后缺乏一种可靠的算法对不同对象属性，不同业务属性进行量化回归溯源，预判出新型城域网络中可能出现的故障。

发明内容

鉴于上述问题，本发明实施例提供了一种故障分析方法、装置、设备和介质，以便克服上述问题或者至少部分地解决上述问题。

本发明实施例的第一方面，公开了一种故障分析方法，所述方法包括：

获得多个特征指标的数据；

根据每两个特征指标的数据，确定每两个特征指标之间的相关性；

在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标；

所述第一目标特征指标和所述第二特征指标分别为所述多个特征指标中的任一特征指标。

可选地，所述方法还包括：

根据所述多个第二目标特征指标各自在未引发故障的情况下的历史正常数据，确定所述多个第二目标特征指标各自的正常变化率范围；

根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标，包括：

根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率；

将变化率超出自身的正常变化率范围的第二目标特征指标，确定为即将引发第二故障的第二目标特征指标。

可选地，所述方法还包括：

在检测到第一目标特征指标引发第一故障的情况下，根据所述第一目标特征指标的数据，确定所述第一目标特征指标的变化率；

根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率；

将变化率与所述第一目标特征指标的变化率匹配的第二目标特征指标，确定为导致所述第一故障发生的第二目标特征指标；

将变化率与所述第一目标特征指标的变化率不匹配的第二目标特征指标，确定与所述第一故障的发生无关的第二目标特征指标。

可选地，所述获得多个特征指标的数据，包括：

获得所述多个特征指标各自在预设时间段内的多个数据；

所述根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括：

根据每两个特征指标各自在预设时间段内的多个数据，确定在所述预设时间段内每两个特征指标之间的相关性。

可选地，在获得多个特征指标的数据之后，还包括按照以下步骤对每个特征指标的数据进行标准化处理：

计算每个特征指标的数据的均值和标准差；

基于每个特征指标的数据的均值和标准差，得到每个特征指标的标准化数据；

根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括：

根据每两个特征指标的标准化数据，确定每两个特征指标之间的相关性。

可选地，所述多个特征指标分为第一特征指标集合和第二特征指标集合，所述第一特征指标集合中的特征指标为业务性能特征指标，所述第二特征指标集合中的特征指标为网元特征指标。

可选地，根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括：

在故障分析需求为特征指标集合内故障分析的情况下，确定所述第一特征指标集合内每两个特征指标之间的相关性，或，确定所述第二特征指标集合内每两个特征指标之间的相关性；

在故障分析需求为跨特征指标集合故障分析的情况下，确定任意两个特征指标之间的相关性，所述任意两个特征指标来自于所述第一特征集合和/或所述第二特征集合。

本发明实施例的第二方面，公开了一种故障分析装置，所述装置包括：

获取模块，用于获得多个特征指标的数据；

相关模块，用于根据每两个特征指标的数据，确定每两个特征指标之间的相关性；

故障模块，用于在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标；所述第一目标特征指标和所述第二特征指标分别为所述多个特征指标中的任一特征指标。

本发明实施例的第三方面，公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现如本实施例第一方面实施所述的故障分析方法。

本发明实施例的第四方面，公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本实施例第一方面所述的故障分析方法。

本发明实施例包括以下优点：

在本发明实施例中，针对新型城域网故障定位预判无量化评估标准，无法根据指标数据溯源回归的问题，提出了一种故障分析方法。首先针对网络中的特征指标，获得多个特征指标的数据，然后根据每两个特征指标的数据，确定每两个特征指标之间的相关性，最后在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标。进而克服在变化的网络环境中，iFIT做出故障快速定位后能够对不同业务属性进行量化回归溯源，准确预测即将发生的其余故障。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的一些实施例，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是本发明实施例提供的一种故障分析方法步骤流程图；

图2是本发明实施例提供的一种确定引发第一故障的第二特征指标方法步骤流程图；

图3是本发明实施例提供的一种故障分析装置结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，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。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。

本发明实施例提供了一种故障分析方法，如图1所示，图1为本发明实施例提供的一种故障分析方法步骤流程图，包括步骤S101至步骤S103：

步骤S101：获得多个特征指标的数据。

在本实施例中，特征指标是指新型城域网络中iFIT业务监控的特征指标，包括与网络特征相关的特征指标和业务性能特征相关的特征指标。网络特征相关的特征指标包括：CPU利用率、内存利用率、电源状态、电压、电流、承载业务数、网元级告警数、板卡级告警数、协议级告警数、端口级告警数、端口流入流量、端口流出流量、端口流入带宽利用率、端口流出带宽利用率等；业务性能特征相关的特征指标包括：抖动、时延、丢包率、业务流入流量、业务流出流量、业务流出带宽利用率、业务流入带宽利用率等。

在一种可选的实施例中，所述获得多个特征指标的数据，包括：获得所述多个特征指标各自在预设时间段内的多个数据，即在预设时间段内，按照预设的时间间隔获取新型城域网络中各特征指标的数据。例如，对于预设的10分钟的时间段，按照预设的时间间隔(如10秒)在获取新型城域网络中各特征指标的数据，进而得到每个特征指标的60个数据。

步骤S102：根据每两个特征指标的数据，确定每两个特征指标之间的相关性。

在本实施例中，可通过计算两个特征指标之间的相关性系数来得到两个特征指标之间的相关性，若相关系数等于0，则表明两个特征指标不相关；若相关系数在0至1之间，则表明两个特征指标正相关，即其中一个特征指标数据增大，另一个特征指标数据也相应增大；若相关系数在-1至0之间，则表明两个特征指标负相关，即其中一个特征指标数据增大，另一个特征指标数据随之减小。

在一种可选的实施例中，所述根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括：根据每两个特征指标各自在预设时间段内的多个数据，确定在所述预设时间段内每两个特征指标之间的相关性。

在本实施例中，根据每两个特征指标在预设时间段内的多个数据，计算出两个特征指标的相关系数，进而确定两个特征指标的相关性。具体地，通过相关系数计算公式计算得到相关系数Corr(y

其中，y

步骤S103：在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标；所述第一目标特征指标和所述第二特征指标分别为所述多个特征指标中的任一特征指标。

在本实施例中，当第一目标特征指标引发了第一故障，相应地，由于特征指标之间的关联性，可能存在引发第二故障的第二目标特征指标。因此，在检测到第一目标特征指标引发第一故障后，即在iFIT检测出故障，对新型城域网络中不同业务属性进行量化回归溯源，根据与第一目标特征指标呈正相关的多个第二目标特征指标各自的实时检测数据，根据数据的变化情况来预测即将发生的第二故障和第二目标特征指标。

在一种可选的实施例中，确定即将引发第二故障的第二目标特征指标包括步骤A1至步骤A3：

步骤A1：根据所述多个第二目标特征指标各自在未引发故障的情况下的历史正常数据，确定所述多个第二目标特征指标各自的正常变化率范围。

在本实施例中，在发生第一故障后，从内存中获取每个第二目标特征指标的历史正常数据，并对历史正常数据进行分析，进而确定第二目标特征指标的数据的正常变化率范围，其中，变化率是指单位时间的数据的变化量。每个不同的第二目标特征指标的变化率的范围可能不同。

进一步地，为了保证各个第二特征指标变化率范围的准确性，获取多个不同时间的历史正常数据，根据多个不同时间的历史正常数据来确定第二目标特征指标各自的正常变化率范围。

步骤A2：根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率。

在本实施例中，当第一故障发生后，监测第二目标特征指标数据，进而确定第二特征指标数据的变化率的变化范围。例如，对于CPU利用率，监测到在5秒内，利用率从20％变化到50％，则CPU利用率的变化率为6％(即每秒变化量为6％)。

步骤A3：将变化率超出自身的正常变化率范围的第二目标特征指标，确定为即将引发第二故障的第二目标特征指标。

在本实施例中，将步骤A2中确定的每个第二目标特征指标的实时的变化率与步骤A1中每个确定的每个第二目标特征指标的正常的变化率范围比较，若第二目标特征指标的实时的变化率超过了正常的变化率范围，则将该第二特征目标特征指标确定为即将引发第二故障。例如，对应CPU利用率，假设其正常变化率的范围为0至5％，当CPU利用率的实际变化率超过5％时，则确定CPU利用率为引发第二故障的第二目标特征指标。在本实施例中，针对iFIT业务监控特征指标，根据各特征指标数据确定每两个特征指标之间的相关性，进而克服在变化的网络环境中，iFIT做出故障快速定位后能够对不同业务属性进行量化回归溯源，准确预测即将发生的其余故障。

在新型城域网络中，一个故障往往是由网络中的多个特征指标共同影响造成的，例如，某个时刻点用户的使用流量偏大，可能是由于其他业务造成冲击、设备温度过高或过低造成。当检测到第一目标特征指标引发第一故障的时，根据特征指标之间的相关性，来确定引发该故障的第二目标特征指标。

在一种可选的实施例中，如图2所示，根据新型城域网中特征指标的相关性，确定引发第一故障的第二特征指标，包括步骤B1至步骤B4：

步骤B1：在检测到第一目标特征指标引发第一故障的情况下，根据所述第一目标特征指标的数据，确定所述第一目标特征指标的变化率。

步骤B2：根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率。

步骤B3：将变化率与所述第一目标特征指标的变化率匹配的第二目标特征指标，确定为导致所述第一故障发生的第二目标特征指标。

步骤B4：将变化率与所述第一目标特征指标的变化率不匹配的第二目标特征指标，确定与所述第一故障的发生无关的第二目标特征指标。

在本实施例中，根据第一目标特征指标的实时数据，确定第一目标特征指标的变化率，即确定第一目标特征指标在单位时间内的变化量。然后确定与第一目标特征指标相关的每个第二目标特征指标的变化率，即确定第二目标特征指标在单位时间内的变化量。由于第一目标特征指标和每个第二目标特征指标之间呈相关性，因此第一目标特征指标和每个第二目标特征指标之间的变化率也呈相关性。

在本实施例中，第二目标特征指标变化率与第一目标特征指标变化率相匹配，是指第二目标特征指标变化率与第一目标特征指标变化率满足两者之间的相关关系。例如，第一目标特征指标A的变化率为n，第二目标特征指标B的变化率为m，第一目标特征指标A与第二目标特征指标B之间呈现正相关的关系(即，A＝kB)，则变化率n与变化率m之间满足正相关关系，在发生第一故障时，当第二目标特征指标B的变化率m的变化情况，满足与第一目标特征指标A变化率n的相关关系(即匹配)，则第二目标特征指标B也是引发该第一故障的第二目标特征指标。

由于特征指标的单位、含义不同，因此，不同的特征指标之间难以直接进行统一的比较和相关性分析，例如，设备的电压和CPU的利用率是无法一起比较。因此，在得到获得多个特征指标的数据后，还需要将特征指标数据转为标准化数据，以便于后续基于特征指标数据进行故障分析。具体地，首先，将获得的特征指标数据转为统一百分比数据，例如，将设备的电压根据其是否正常工作转化为0到100％之间的百分数。然后，将转为统一百分比的特征指标数据进行标准化处理，得到标准化数据。

可选地，对每个特征指标的数据进行标准化处理，包括：

计算每个特征指标的数据的均值和标准差；

基于每个特征指标的数据的均值和标准差，得到每个特征指标的标准化数据；

根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括：根据每两个特征指标的标准化数据，确定每两个特征指标之间的相关性。

具体地，每个特征指标的数据的均值μ

其中，y

每个特征指标的每个特征指标的标准化数据表示为：

其中，

在本实施例中，将所有的特征指标因子数据转化为标准化数据，基于标准化的数据计算每个特征指标之间的相关性，以达到量化评估标准的目的，将海量的数据简单化，更便于进行第二故障预测或分析引发故障的第二目标特征指标。此外，通过将特征指标数据转化为标准化的数据，进而能够实现对新型城域网网络故障智能预判进行量化演算，为智能故障定位提供量化指标数据。

在一种可选的实施例中，所述多个特征指标分为第一特征指标集合和第二特征指标集合，所述第一特征指标集合中的特征指标为业务性能特征指标，所述第二特征指标集合中的特征指标为网元特征指标。

具体地，将新型城域网中特征指标按照业务性能和网络特征划分，分为业务性能特征指标和网元特征指标，进而得到第一特征指标集合和第二特征指标集合。

在本实施例中，为了提高故障分析的效率，根据用户的故障分析需求来进行不同的处理，由于故障分析需求的不同，根据每两个特征指标的数据，确定每两个特征指标之间的相关性，包括以下两种情况：

(1)在故障分析需求为特征指标集合内故障分析的情况下，确定所述第一特征指标集合内每两个特征指标之间的相关性，或，确定所述第二特征指标集合内每两个特征指标之间的相关性。

在本实施例中，故障分析需求为特征指标集合内故障分析，是指只在网络端进行故障分析，或者只在业务端进行故障分析。根据用户故障分析需求来进行不同的处理。

具体地，若进行业务端的故障分析，即在第一特征指标集合进行故障分析，故障分析过程包括：确定第一特征集合内各个第一特征指标之间的相关性，在检测到第一目标特征指标引发第一故障的情况下，检测各个与该第一目标特征指标呈正相关的第一特征指标的数据的变化率，根据各个第一特征指标的数据的变化率，确定即将引发故障的目标特征指标。

若进行网络端的故障分析，即在第二特征指标集合进行故障分析，故障分析过程包括：确定各个第二特征指标之间的相关性，在检测到第二目标特征指标引发第二故障的情况下，检测各个与所述第二目标特征指标呈正相关的第二特征指标的数据的变化率，根据各个第二特征指标的数据的变化率，确定即将引发第故障的目标特征指标。

(2)在故障分析需求为跨特征指标集合故障分析的情况下，确定任意两个特征指标之间的相关性，所述任意两个特征指标来自于所述第一特征集合和/或所述第二特征集合。

在本实施例中，故障分析需求为跨特征指标集合故障分析，是指在网络系统内，即网络端和业务端一起进行故障。具体地，跨特征指标集合故障分析包括：确定任意两个特征指标之间的相关性，在检测到第一目标特征指标引发第一故障的情况下，检测各个与所述第一目标特征指标呈正相关的第二特征指标的数据的变化率，根据各个第二特征指标的数据的变化率，从各个第二特征指标中确定即将引发第二故障的第二目标特征指标。其中，第一目标特征指标可以为第一特征指标集合或第二特征指标集合中任一特征指标，第二特征指标可以为第一特征指标集合或第二特征指标集合中任一特征指标。

在实际应用中，将本实施例中的故障分析方法集成为新型城域网管故障智能诊断预判模块，全方面支撑后续新型城域网客户业务订制场景，最终实现新型城域网网络从指令执行、运维及客户感知、数据采集多元化分析、策略及规则决策和专家知识库更新的高度网络智能化运维。

在本实施例中，针对新型城域网故障定位预判无量化评估标准，无法根据指标数据溯源回归的问题，提出了一种故障分析方法。首先针对网络中的特征指标，获得多个特征指标的数据，然后根据每两个特征指标的数据，确定每两个特征指标之间的相关性，最后在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标。进而克服在变化的网络环境中，iFIT做出故障快速定位后能够对不同业务属性进行量化回归溯源，准确预测即将发生的其余故障。

此外，本实施例将各指标特征数据转化为标准化的数据，基于各指标特征之间的相关性进行故障分析，实现将海量的数据简单化，不需要通过运维经验去判断故障或者提前发现故障。并且本实施例提供的方法基于现有的网络监控能力，监控丢包、时延等基础网络特征指标，以及网络设备无需升级改造就可以故障分析。

本发明实施例还提供了一种故障分析装置，如图3所示，图3为本发明实施例提供的一种故障分析装置结构示意图，所述装置包括：

获取模块31，用于获得多个特征指标的数据；

相关模块32，用于根据每两个特征指标的数据，确定每两个特征指标之间的相关性；

故障模块33，用于在检测到第一目标特征指标引发第一故障的情况下，根据与所述第一目标特征指标呈正相关的多个第二目标特征指标各自的数据，从所述多个第二目标特征指标中确定即将引发第二故障的第二目标特征指标；所述第一目标特征指标和所述第二特征指标分别为所述多个特征指标中的任一特征指标。

在一种可选的实施例中，所述装置还包括：

第一故障子模块，用于根据所述多个第二目标特征指标各自在未引发故障的情况下的历史正常数据，确定所述多个第二目标特征指标各自的正常变化率范围；

第二故障子模块，用于根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率；

第三故障子模块，用于将变化率超出自身的正常变化率范围的第二目标特征指标，确定为即将引发第二故障的第二目标特征指标。

在一种可选的实施例中，所述装置还包括：

第一变化确定模块，用于在检测到第一目标特征指标引发第一故障的情况下，根据所述第一目标特征指标的数据，确定所述第一目标特征指标的变化率；

第二变化确定模块，用于根据所述多个第二目标特征指标各自的数据，确定所述多个第二目标特征指标各自的变化率；

第一变化匹配模块，用于将变化率与所述第一目标特征指标的变化率匹配的第二目标特征指标，确定为导致所述第一故障发生的第二目标特征指标；

第二变化匹配模块，用于将变化率与所述第一目标特征指标的变化率不匹配的第二目标特征指标，确定与所述第一故障的发生无关的第二目标特征指标。

在一种可选的实施例中，所述装置模块，包括：

第一获取子模块，用于获得所述多个特征指标各自在预设时间段内的多个数据；

第一相关子模块，用于根据每两个特征指标各自在预设时间段内的多个数据，确定在所述预设时间段内每两个特征指标之间的相关性。

在一种可选的实施例中，所述装置模块，包括：

均值标准差计算模块，用于计算每个特征指标的数据的均值和标准差；

标准值计算模块，用于基于每个特征指标的数据的均值和标准差，得到每个特征指标的标准化数据；

第二相关子模块，用于根据每两个特征指标的标准化数据，确定每两个特征指标之间的相关性。

在一种可选的实施例中，所述相关模块，包括：

第三相关子模块，用于在故障分析需求为特征指标集合内故障分析的情况下，确定所述第一特征指标集合内每两个特征指标之间的相关性，或，确定所述第二特征指标集合内每两个特征指标之间的相关性；

第四相关子模块，用于在故障分析需求为跨特征指标集合故障分析的情况下，确定任意两个特征指标之间的相关性，所述任意两个特征指标来自于所述第一特征集合和/或所述第二特征集合。

本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现本发明实施例所述的故障分析方法。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本发明实施例所述的故障分析方法。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例是参照根据本发明实施例的方法和装置的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种故障分析方法、装置、设备和介质进行了详细介绍，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。