本發(fā)明涉及交流電動(dòng)機(jī)的控制技術(shù)領(lǐng)域，尤其涉及一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑?？刂品椒ā?/p>

背景技術(shù)：
：

永磁同步電機(jī)具有結(jié)構(gòu)簡(jiǎn)單、體積小、功率密度高加工裝配費(fèi)用低，不存在電環(huán)電刷等優(yōu)點(diǎn)，應(yīng)用于很多領(lǐng)域，然而，永磁同步電機(jī)同時(shí)存在多變量、強(qiáng)耦合與非線性的問題，使得永磁同步電機(jī)的控制變得復(fù)雜，特別是系統(tǒng)參數(shù)變化，外部不確定因素的擾動(dòng)使得控制方程復(fù)雜且難以實(shí)現(xiàn)，并且精度不高，實(shí)時(shí)性不強(qiáng)。

隨著近些年對(duì)于永磁同步電機(jī)的廣泛使用，在永磁同步電機(jī)的控制方法算法上有了很多的研究，其中廣泛使用的有矢量控制方法，直接轉(zhuǎn)矩控制方法。終端滑?？刂品椒ㄔ谟来磐诫姍C(jī)控制上的應(yīng)用使得電機(jī)控制有了很大的便捷，其最大的優(yōu)勢(shì)在于終端滑?？刂撇⒉灰蕾嚺c電機(jī)的參數(shù)以及其之間復(fù)雜的耦合關(guān)系，終端滑?？刂聘鶕?jù)電機(jī)運(yùn)行時(shí)的情況適當(dāng)?shù)囊雲(yún)?shù)就可以達(dá)到控制電機(jī)的目的，算法易于實(shí)現(xiàn)，響應(yīng)速度快，計(jì)算量小，精確度高。然而終端滑?？刂埔蕾囉谡`差，即是如果沒有誤差終端滑?？刂茻o法實(shí)現(xiàn)，就使得終端滑?？刂频膽?yīng)用有了局限性。

有學(xué)者利用灰色預(yù)測(cè)的方法對(duì)終端滑模控制進(jìn)行改進(jìn)，在控制過程中進(jìn)行實(shí)時(shí)預(yù)測(cè)判斷電機(jī)運(yùn)行過程中運(yùn)行的趨勢(shì)，并及時(shí)的做出調(diào)整取得了良好的效果。但是問題在于在灰色預(yù)測(cè)過程中給出的調(diào)整值由于預(yù)測(cè)方法本身的局限性出現(xiàn)超調(diào)量過大引起大的抖振，或者引起穩(wěn)定誤差，因而帶有預(yù)測(cè)功能的終端滑?？刂迫匀淮嬖谥枰倪M(jìn)的地方。

技術(shù)實(shí)現(xiàn)要素：
：

針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明提供一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑模控制方法，使用遺傳算法原理對(duì)預(yù)測(cè)算法過程中的兩個(gè)參數(shù)(m和n)進(jìn)行重新選定，使得這兩個(gè)參數(shù)更為合理，得到更為恰當(dāng)?shù)恼`差預(yù)測(cè)值，使永磁同步電機(jī)控制過程精度更高，抖振減小與減少，并且不影響終端滑?？刂票旧砭哂械目焖夙憫?yīng)效果和魯棒性強(qiáng)的優(yōu)點(diǎn)，且具有實(shí)時(shí)性。

一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑模控制方法，包括以下步驟：

步驟1、建立永磁同步電機(jī)數(shù)學(xué)模型，即離散永磁同步電機(jī)系統(tǒng)的轉(zhuǎn)矩和運(yùn)動(dòng)方程，如式(1)和(2)：

其中，是對(duì)轉(zhuǎn)速的求導(dǎo)，T_e為電磁轉(zhuǎn)矩，T_l為負(fù)載轉(zhuǎn)矩，n_p為極對(duì)數(shù)，ψ_a為永磁體與定子交鏈的磁鏈，i_q，k是交軸的電流分量在k周期的采樣值，J為轉(zhuǎn)動(dòng)慣量，ω_k為轉(zhuǎn)子電角速度在k周期的轉(zhuǎn)速采樣值，ω_k-1為轉(zhuǎn)子電角速度在k的前一周期的轉(zhuǎn)速采樣值，B為粘滯摩擦系數(shù)，T為采樣周期。

步驟2、用遺傳算法選擇合適的參數(shù)m^*和n^*，具體包括以下步驟：

步驟2.1、根據(jù)灰色預(yù)測(cè)原理和轉(zhuǎn)速誤差及其積累生成得到參數(shù)m和n的表達(dá)式，如式(3)所示；

其中，參數(shù)矩陣X和Y分別如式(4)和式(5)；

其中，為k時(shí)刻與前一周期的轉(zhuǎn)速誤差，其積累求和形式為表示原始誤差數(shù)列；

步驟2.2、用遺傳算法確定參數(shù)m和n的最優(yōu)值m^*和n^*，具體方法為：

步驟2.2.1、確定目標(biāo)函數(shù)，如式(6)和式(7)；

其中，Mape_m和Mape_n分別為參數(shù)m和n的絕對(duì)誤差，n_k-1和m_k分別是遺傳算法中第k-1周期和第k周期得到的參數(shù)m的篩選值，n_k-1和n_k分別是用遺傳算法得到的第k-1周期和第k周期得到的參數(shù)n的篩選值；

步驟2.2.2、確定遺傳算法中粒子群群體的大??；

步驟2.2.3、選取合適的交叉率和變異率，進(jìn)行交叉和變異的計(jì)算；

步驟2.2.4、判斷目標(biāo)函數(shù)中的絕對(duì)誤差Mape_m和Mape_n是否達(dá)到預(yù)設(shè)誤差范圍，若是，則得到參數(shù)m和n的最優(yōu)值，執(zhí)行步驟2.3若否，則返回步驟2.2.3，重新進(jìn)行交叉和變異的計(jì)算，最終得到最優(yōu)的m^*和n^*；

步驟2.3、進(jìn)行基于遺傳算法優(yōu)化的灰色預(yù)測(cè)求解；

求解灰色預(yù)測(cè)方程式(8)，得到轉(zhuǎn)速誤差下一周期的預(yù)測(cè)值如式(9)所示；

其中，m^*和n^*是經(jīng)過步驟2.2遺傳算法優(yōu)化得到的參數(shù)最優(yōu)值；

最終得到原始誤差數(shù)列下一周期的預(yù)測(cè)值如式(10)所示；

步驟3、基于遺傳算法對(duì)灰色預(yù)測(cè)算法的終端滑?？刂七M(jìn)行改進(jìn)；

步驟3.1、根據(jù)永磁同步電機(jī)模型確定轉(zhuǎn)速誤差與其導(dǎo)數(shù)誤差信號(hào)，如式(11)所示；

其中，e_1，k是在k周期的轉(zhuǎn)速誤差信號(hào)，e_2，k是對(duì)k周期轉(zhuǎn)速誤差信號(hào)的求導(dǎo)計(jì)算，即一階導(dǎo)數(shù)誤差信號(hào)，是給定轉(zhuǎn)速，ω_k是實(shí)際轉(zhuǎn)速采樣，e_1，k-1和e_2，k-1分別為e_1，k和e_2，k在k-1周期的值；

根據(jù)永磁同步電機(jī)數(shù)學(xué)模型式(1)和式(2)，并對(duì)轉(zhuǎn)速誤差求二次導(dǎo)數(shù)，得到轉(zhuǎn)速的一階和二階導(dǎo)數(shù)誤差信號(hào)，如式(12)所示；

其中，是對(duì)轉(zhuǎn)速誤差信號(hào)e_1，k的一階導(dǎo)數(shù)，是對(duì)轉(zhuǎn)速誤差信號(hào)的二階導(dǎo)數(shù)，u_k是終端滑?？刂频贸龅目刂屏勘磉_(dá)式，T_l，k和T_l，k-1分別是在k周期和第k-1周期時(shí)的不確定擾動(dòng)負(fù)載；

根據(jù)終端滑模控制原理，設(shè)滿足以下方程：

其中，d_k為系統(tǒng)的外部不確定擾動(dòng)；

步驟3.2、確定終端滑?？刂频幕Ｃ嫒缡?14)所示；

其中，s_2，k是滑模面方程，s_1，k＝e_1，k，Δs_1，k＝s_1，k-s_1，k-1，是對(duì)s_1，k的求導(dǎo)，所以有p、q和α是根據(jù)實(shí)際情況調(diào)節(jié)的參數(shù)；

步驟3.3、確定灰色預(yù)測(cè)終端滑?？刂频目刂屏勘磉_(dá)式，如式(15)所示；

u_k＝u_eq，k+u_s，k+u_ga，k (15)

其中，u_k為終端滑?？刂频目刂屏勘磉_(dá)式；u_eq，k是終端滑模控制的等效方程，如式(16)所示；u_s，k是非線性切換面方程，如式(17)所示；u_ga，k是改進(jìn)后灰色預(yù)測(cè)的調(diào)節(jié)方程，如式(18)所示；

u_s，k＝-b^-1[K₁sgn(s_2，k-1)] (17)

其中，是根據(jù)預(yù)測(cè)值計(jì)算得到的滑模面方程，即由式(10)預(yù)測(cè)得到的結(jié)果，是對(duì)求導(dǎo)；符號(hào)函數(shù)σ₁是很小的正常數(shù)，K₁、K₂是待設(shè)計(jì)值，根據(jù)實(shí)際情況調(diào)節(jié)其值，ε是滑模面運(yùn)行范圍。

由上述技術(shù)方案可知，本發(fā)明的有益效果在于：本發(fā)明提供的一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑?？刂品椒?，使用遺傳算法原理對(duì)預(yù)測(cè)算法過程中的兩個(gè)參數(shù)(m和n)進(jìn)行優(yōu)化，使用更為合理的參數(shù)m^*和n^*，得到更為恰當(dāng)?shù)恼`差預(yù)測(cè)值，更精確地進(jìn)行下一步調(diào)節(jié)的預(yù)測(cè)判斷，使永磁同步電機(jī)控制過程精度更高，從而減少和減小了抖振，保持了終端滑模控制的魯棒性；由于終端滑?？刂凭哂锌刂茀?shù)可以與電機(jī)參數(shù)無關(guān)的特性，其控制調(diào)試過程不影響終端滑?？刂票旧砭哂械目焖夙憫?yīng)效果和魯棒性強(qiáng)的優(yōu)點(diǎn)，且具有實(shí)時(shí)性，可以不斷的進(jìn)行調(diào)試，直至達(dá)到理想的控制效果。

附圖說明：

圖1為本發(fā)明實(shí)施例提供的用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑?？刂品椒鞒虉D；

圖2為本發(fā)明實(shí)施例提供的灰色預(yù)測(cè)終端滑?？刂平Y(jié)構(gòu)圖。

具體實(shí)施方式：

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

如圖1所示，為本實(shí)施例提供的一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑?？刂品椒鞒虉D，包括建立永磁同步電機(jī)數(shù)學(xué)模型、用遺傳算法來重新選定合適的m^*和n^*、選定終端滑模的滑模面、根據(jù)灰色預(yù)測(cè)原理和終端滑模控制原理引入調(diào)整項(xiàng)、得出最終的控制項(xiàng)，圖2是本實(shí)施例的控制方法所確定的控制器結(jié)構(gòu)圖，包括求主偏差、對(duì)主偏差求導(dǎo)、灰色預(yù)測(cè)、遺傳算法處理、設(shè)計(jì)終端滑模控制信號(hào)，首先將輸入的期望速度信號(hào)與速度傳感器測(cè)得的永磁同步電機(jī)速度相減求得誤差量e_1，k，然后計(jì)算e_1，k的一階導(dǎo)數(shù)e_2，k，通過灰色在線預(yù)測(cè)方法對(duì)e_1，k的變化情況做出預(yù)判。然后對(duì)預(yù)測(cè)值進(jìn)行遺傳算法處理，防止由于預(yù)測(cè)值導(dǎo)致的超調(diào)量過大引起系統(tǒng)的抖振，遺傳算法的優(yōu)點(diǎn)在于經(jīng)過了人為的判定，并且具有收斂性和精確性。經(jīng)過灰色預(yù)測(cè)和遺傳算法處理得到的結(jié)果是u_ga，k控制項(xiàng)。同時(shí)經(jīng)過終端滑模處理得到的控制方程u_s，k+u_eq，k，將兩個(gè)相加得到新的控制方程帶入到永磁同步電機(jī)控制系統(tǒng)中。具體方法如下所述。

步驟1、建立永磁同步電機(jī)數(shù)學(xué)模型，即離散永磁同步電機(jī)系統(tǒng)的轉(zhuǎn)矩和運(yùn)動(dòng)方程，分別如式(1)和式(2)所示；

其中，是對(duì)轉(zhuǎn)速的求導(dǎo)，T_e為電磁轉(zhuǎn)矩，T_l為負(fù)載轉(zhuǎn)矩，n_p為極對(duì)數(shù)，ψ_a為永磁體與定子交鏈的磁鏈，i_q，k是交軸的電流分量在k周期的采樣值，J為轉(zhuǎn)動(dòng)慣量，ω_k為轉(zhuǎn)子電角速度在k周期的轉(zhuǎn)速采樣值，ω_k-1為轉(zhuǎn)子電角速度在k的前一周期的轉(zhuǎn)速采樣值，B為粘滯摩擦系數(shù)，T為采樣周期。

本實(shí)施例中永磁同步電機(jī)的各參數(shù)為：極對(duì)數(shù)n_p＝4，轉(zhuǎn)動(dòng)慣量J＝0.0006329，磁鏈ψ_a＝0.175wb，粘滯摩擦系數(shù)B＝0.0003035。

步驟2、用遺傳算法對(duì)參數(shù)m和n進(jìn)行重新選定，使用光電編碼器測(cè)定電機(jī)相鄰周期轉(zhuǎn)速，在用DSP軟件編程時(shí)，求出轉(zhuǎn)速誤差，然后對(duì)所得誤差進(jìn)行積累求和，然后引入?yún)?shù)X和Y，得到合適的參數(shù)m^*和n^*，具體包括以下步驟：

步驟2.1、根據(jù)灰色預(yù)測(cè)原理和轉(zhuǎn)速誤差及其積累生成，得到參數(shù)m和n的表達(dá)式；

灰色預(yù)測(cè)理論中灰色預(yù)測(cè)微分方程為其中的參數(shù)m和n的表達(dá)式如式(3)所示；

其中，引入的X和Y參數(shù)矩陣分別如式(4)和式(5)；

其中，具體實(shí)施中，k取值的個(gè)數(shù)可以根據(jù)實(shí)際情況確定，為k時(shí)周期與前一周期的轉(zhuǎn)速誤差，其積累求和形式為由原始誤差數(shù)列積累成序列；

步驟2.2、用遺傳算法確定參數(shù)m和n的最優(yōu)值m^*和n^*，具體方法為：

步驟2.2.1、確定參數(shù)m和n的目標(biāo)函數(shù)，如式(6)和式(7)；

其中，Mape_m和Mape_n分別為參數(shù)m和n的絕對(duì)誤差，m_k-1和m_k分別是遺傳算法中第k-1周期和第k周期得到的參數(shù)m的篩選值，n_k-1和n_k-1分別是用遺傳算法得到的第k-1周期和第k周期得到的參數(shù)n的篩選值；

步驟2.2.2、確定遺傳算法中粒子群群體的大??；

群體大小決定著遺傳算法的收斂速度，因此必須考慮群體的大小，群體數(shù)目越多所保留的優(yōu)良的遺傳基因越多，本實(shí)施例中，群體大小取40；

步驟2.2.3、選取合適的交叉率和變異率，進(jìn)行交叉和變異的計(jì)算；

遺傳算法適合做全局的最優(yōu)化問題求解，在原始群體進(jìn)化的過程中，優(yōu)良的染色體被保留下來，不合適的會(huì)被淘汰，被新的染色體復(fù)制代替。新的染色體代替被淘汰染色體的概率被稱為交叉率。而在進(jìn)化的過程中，變異也可能發(fā)生，直接改變第一代染色體基因，可以防止問題陷入局部最優(yōu)。本實(shí)施例中，交叉率取0.9，變異率取0.01，進(jìn)行交叉和變異的計(jì)算；

步驟2.2.4、判斷目標(biāo)函數(shù)中的絕對(duì)誤差Mape_m和Mape_n是否達(dá)到預(yù)設(shè)誤差范圍，若是，則得到參數(shù)m和n的最優(yōu)值，執(zhí)行步驟2.3，若否，則返回步驟2.2.3，重新進(jìn)行交叉和變異的計(jì)算，最終得到最優(yōu)的m^*和n^*；

步驟2.3、進(jìn)行基于遺傳算法優(yōu)化的灰色預(yù)測(cè)求解；

求解灰色預(yù)測(cè)方程式(8)，得到轉(zhuǎn)速誤差下一周期的預(yù)測(cè)值如式(9)所示；

其中，m^*和n^*是經(jīng)過步驟2遺傳算法優(yōu)化得到的參數(shù)最優(yōu)值，最終得到原始誤差數(shù)列下一周期的預(yù)測(cè)值如式(10)所示。

步驟3、根據(jù)永磁同步電機(jī)模型確定終端滑模控制量表達(dá)式，基于遺傳算法對(duì)灰色預(yù)測(cè)算法的終端滑模控制進(jìn)行改進(jìn)，具體方法為：

步驟3.1、確定轉(zhuǎn)速誤差與其導(dǎo)數(shù)誤差信號(hào)；

設(shè)定轉(zhuǎn)速誤差與其一階導(dǎo)數(shù)誤差信號(hào)為

其中，是給定轉(zhuǎn)速，ω_k是實(shí)際轉(zhuǎn)速采樣，e_1，k表示在k周期的轉(zhuǎn)速誤差信號(hào)，e_2，k是對(duì)k周期轉(zhuǎn)速誤差信號(hào)的求導(dǎo)計(jì)算，即一階導(dǎo)數(shù)誤差信號(hào)，e_1，k-1和e_2，k-1分別為e_1，k和e_2，k在k-1周期的值；

由于是對(duì)轉(zhuǎn)速誤差信號(hào)e_1，k的求導(dǎo)計(jì)算，是對(duì)轉(zhuǎn)速誤差信號(hào)求二次導(dǎo)數(shù)，將式(1)和(2)帶入式(11)得到式(12)；

其中，u_k是終端滑模控制得出的控制量表達(dá)式，T_l，k和T_l，k-1分別是在k周期和第k-1周期時(shí)的不確定擾動(dòng)負(fù)載；

根據(jù)終端滑?？刂圃恚O(shè)滿足以下方程：

其中，d_k為系統(tǒng)的外部不確定擾動(dòng)；

在本實(shí)例中，將電機(jī)參數(shù)帶入，可以得到a＝-0.48，b＝-166；

步驟3.2、確定終端滑?？刂频幕Ｃ嫒缡?14)所示；

其中，s_2，k是滑模面方程，s_1，k＝e_1，k，Δs_1，k＝s_1，k-s_1，k-1，是對(duì)s_l，k的求導(dǎo)，所以有p、q和α是根據(jù)實(shí)際情況調(diào)節(jié)的參數(shù)，是根據(jù)終端滑模控制原理設(shè)計(jì)的參數(shù)，可以不斷調(diào)節(jié)以得到最終的確定值，沒有實(shí)際的物理意義，只是參數(shù)符號(hào)，終端滑?？刂频膬?yōu)點(diǎn)就在于不依賴于系統(tǒng)參數(shù)而可以設(shè)計(jì)一些參數(shù)進(jìn)行調(diào)節(jié)；

步驟3.3、確定灰色預(yù)測(cè)終端滑模控制的控制量表達(dá)式，如式(15)所示；

u_k＝u_eq，k+u_s，k+u_ga，k (15)

其中，u_k為終端滑?？刂频目刂屏勘磉_(dá)式；u_ep，k是終端滑模控制的等效方程，如式(16)所示；u_s，k是非線性切換面方程，如式(17)所示；u_ga，k是改進(jìn)后灰色預(yù)測(cè)的調(diào)節(jié)方程，如式(18)所示；

u_s，k＝-b^-1[K₁sgn(s_2，k-1)] (17)

其中，是根據(jù)預(yù)測(cè)值計(jì)算得到的滑模面方程，而就是通過式(10)預(yù)測(cè)得到的結(jié)果，是對(duì)求導(dǎo)；符號(hào)函數(shù)σ₁是很小的正常數(shù)，K₁、K₂是待設(shè)計(jì)值，根據(jù)實(shí)際情況可以調(diào)節(jié)其取值，ε是滑模面運(yùn)行范圍。

本實(shí)施例中，用到的參數(shù)為α＝2，σ₁＝0.0001，ε＝0.5，K₁＝2，K₁＝10。

在試驗(yàn)調(diào)試的過程中，由于終端滑?？刂凭哂械奶匦?，即控制參數(shù)可以與電機(jī)參數(shù)無關(guān)，不斷的進(jìn)行調(diào)試，直至達(dá)到理想的控制效果。

經(jīng)過遺傳算法處理的誤差預(yù)測(cè)值和原始的誤差值進(jìn)行預(yù)測(cè)下一步的調(diào)節(jié)判斷。終端滑模出現(xiàn)抖振的原因是運(yùn)動(dòng)狀態(tài)到達(dá)滑模面附近后來回穿過滑模面，所以當(dāng)估計(jì)狀態(tài)點(diǎn)在邊界外，且向著遠(yuǎn)離邊界的方向運(yùn)動(dòng)時(shí)，灰色預(yù)測(cè)終端滑模控制會(huì)預(yù)測(cè)得出正的一步調(diào)節(jié)，促使?fàn)顟B(tài)點(diǎn)向滑模面s＝0運(yùn)動(dòng)；當(dāng)估計(jì)狀態(tài)點(diǎn)在邊界外部，且向著邊界面運(yùn)動(dòng)時(shí)，灰色預(yù)測(cè)終端滑?？刂茣?huì)預(yù)測(cè)得出負(fù)的一步調(diào)節(jié)，促使?fàn)顟B(tài)點(diǎn)向著滑模面s＝0運(yùn)動(dòng)，從而減小了抖振。

根據(jù)上述改進(jìn)的灰色預(yù)測(cè)終端滑?？刂婆c實(shí)際運(yùn)行過程滑模面作用產(chǎn)生的調(diào)整項(xiàng)u_ga，k，再結(jié)合終端滑模控制原理，對(duì)本實(shí)施例中提供的一種用于永磁同步電機(jī)的灰色預(yù)測(cè)終端滑模控制方法做出可行性分析如下：

調(diào)整項(xiàng)為：

若s_2，k＞0且預(yù)測(cè)值則需要給出負(fù)的調(diào)節(jié)，則由于所以

若s_2，k＞0且預(yù)測(cè)值則需要給出負(fù)的調(diào)節(jié)，則由于所以

上述兩種情況都屬于“當(dāng)估計(jì)狀態(tài)點(diǎn)在邊界外部，且向著邊界面運(yùn)動(dòng)時(shí)”的情況，需要負(fù)的調(diào)節(jié)，使?fàn)顟B(tài)點(diǎn)想滑模面運(yùn)動(dòng)。

若s_2，k＜0且預(yù)測(cè)值則需要給出正的調(diào)節(jié)，則由于所以

若s_2，k＜0且預(yù)測(cè)值則需要給出正的調(diào)節(jié)，則由于所

上述這兩種情況都屬于“當(dāng)估計(jì)狀態(tài)點(diǎn)在邊界外，且向著遠(yuǎn)離邊界的方向運(yùn)動(dòng)時(shí)”的情況，需要給出正的調(diào)節(jié)，使?fàn)顟B(tài)點(diǎn)向滑模面運(yùn)動(dòng)。

由以上分析可以看出，本實(shí)施例提供的控制方法給出的調(diào)整項(xiàng)完全符合系統(tǒng)控制要求。

最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明權(quán)利要求所限定的范圍。