一种管道环焊缝检测方法、系统、电子设备及介质与流程

一种管道环焊缝检测方法、系统、电子设备及介质
1.在技术领域
2.本发明涉及超声检测技术领域，尤其涉及一种管道环焊缝检测方法、系统、电子设备及介质。


背景技术：

3.油气资源的管道运输是我国资源调配体系中的重要一环，相比于传统的运输方式，管道运输具有经济适用和铺设简单的优点。但是随着管线的增多和管龄的增长，在高温、高压的工作环境下，管道的缺陷很容易导致泄露事故的发生，从而造成巨大的经济财产损失和严重地环境污染。长距离油气输送管道是通过将大量管道焊接在一起而建造的，这使得连续管道之间的环焊缝成为整个管道的显著弱点。此外，管道在工作时候，管道环焊缝部位会逐渐产生微观和宏观的缺陷，此时会在管道环焊缝的缺陷部位很容易形成应力集中区，进而使焊缝缺陷发展成裂纹，最后达到管材的极限承受状态，导致管道失效。因此对油气管道环焊缝进行定期检测，提前预警尤为重要。此外，管道环焊缝具有管道内部空间狭小、表面凹凸不平以及内部压力不均匀等特点，导致管道环焊缝内部检测技术成为检测的难点。


技术实现要素：

4.本发明提供一种管道环焊缝检测方法、系统、电子设备及介质，以解决现有技术油气管道环焊缝检测难度高和检测准确率低的问题。
5.本发明提供的管道环焊缝检测方法，包括：
6.根据超声波参数和管道参数建立管道环焊缝的超声回波模型；
7.获取管道环焊缝的超声波信号，将其输入所述超声回波模型，获取样本数据集；
8.根据所述样本数据集建立用于管道环焊缝缺陷诊断的检测模型，所述检测模型包括用于特征提取的第一模型和用于对第一模型输出结果分类的第二模型；
9.采集待测管道环焊缝的超声波信号，将其输入所述超声回波模型，得到待测超声回波信号；
10.将所述待测超声回波信号输入所述检测模型，得到检测结果。
11.可选的，所述获取管道环焊缝的超声波信号，将其输入所述超声回波模型，获取样本数据集，具体包括：
12.获取管道环焊缝的超声波信号，将其输入所述超声回波模型，得到样本信号；
13.选取小波基函数和分解层数分解所述样本信号，并获取各层小波系数；
14.根据阈值选择规则对阈值进行设定；
15.根据所述设定的阈值对所述各层小波系数进行量化处理；
16.对所述量化处理后的各层小波系数进行小波逆变换，形成样本数据集。
17.可选的，所述小波基函数的选取方法包括：
18.确定不同的备选小波基函数；
19.在相同的小波分解层数和相同的阈值选择规则下，分别获取不同备选小波基函数去噪后的信号参数，所述信号参数包括信噪比、峰值信噪比和均方误差；
20.根据所述不同备选小波基函数去噪后的信号参数选取所述小波基函数。
21.可选的，所述第一模型为卷积神经网络，所述第二模型为支持向量机。
22.可选的，所述根据所述样本数据集建立用于管道环焊缝缺陷诊断的检测模型，具体包括：
23.将所述样本数据集输入至所述卷积神经网络，提取所述样本数据集的特征，将提取的特征输入所述支持向量机中，对所述特征进行分类；
24.经过前向传播后确定最终分类的损失，采用反向传播算法进行权重的迭代更新，直到全卷积神经网络模型的损失值趋向于收敛时，停止训练，得到检测模型。
25.本发明还提供了一种管道环焊缝检测系统，包括：
26.超声回波模型建立模块，用于根据超声波参数和管道参数建立管道环焊缝的超声回波模型；
27.样本数据集获取模块，用于获取管道环焊缝的超声波信号，将其输入所述超声回波模型，获取样本数据集；
28.检测模型建立模块，用于根据所述样本数据集建立用于管道环焊缝缺陷诊断的检测模型，所述检测模型包括用于特征提取的第一模型和用于分类的第二模型；
29.待测信号获取模块，用于将采集待测管道环焊缝的超声波信号，将其输入所述超声回波模型，得到待测超声回波信号；
30.检测结果输出模块，用于将所述待测超声回波信号输入所述检测模型，得到检测结果。
31.可选的，样本数据集获取模块包括样本信号采集单元和样本信号处理单元；
32.超声信号采集单元，用于电磁超声换能器扫描管道焊接线的外表面，接收所述管道焊接线的外表面反射的超声波信号，所述管道焊接线的外表面的扫描点均匀分布；
33.超声信号处理单元，用于将所述反射的超声波信号输入所述超声回波模型，获取样本数据集。
34.可选的，所述管道参数包括第一管道子参数和第二管道子参数，所述超声波参数包括第一超声波子参数和第二超声波子参数，所述根据超声波参数和管道参数建立管道环焊缝的超声回波模型，具体包括：
35.根据所述第一管道子参数和所述第一超声波子参数建立管道环焊缝的超声回波幅度模型，所述第一管道子参数包括管道与缺陷之间的密度差，所述第一超声波子参数包括超声波角频率和超声粒子参数；
36.获取管道环焊缝的超声波信号，将其输入所述超声回波幅度模型，得到回波幅度参数；
37.根据所述回波幅度参数、所述第二管道子参数和所述第二超声波子参数建立所述管道环焊缝的超声回波模型，所述第二管道子参数包括管道厚度参数，所述第二超声波子参数包括回波的中心频率、带宽因子和相位信息。
38.本发明还提供一种电子设备，包括：处理器及存储器；
39.所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机
程序，以使所述电子设备执行所述管道环焊缝检测方法。
40.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述管道环焊缝检测方法。
41.本发明的有益效果：本发明中的管道环焊缝检测方法，首先通过建立管道环焊缝的超声回波模型，然后将获取的管道环焊缝超声波信号输入超声回波模型，从而形成样本数据集，再根据此样本数据集建立用于管道环焊缝缺陷诊断的检测模型，从而实现了对待测管道环焊缝的无损检测。通过管道环焊缝超声波信号输入将超声回波模型，从而使得缺陷区域信号与非缺陷区域信号能够更好的区分；在此基础上建立用于管道环焊缝缺陷诊断的检测模型，从而提高了对管道环焊缝缺陷的准确检测。采用小波降噪来消除原始信号中的电子噪声和反向散射噪声，在此基础上建立检测模型，避免噪声所导致的检测结果的不准确，提高了检测的准确性。本发明还通过采用电磁超声换能器扫描管道焊接线的外表面来获取管道环焊缝的超声波信号，从而降低了检测难度。
附图说明
42.为了更清楚地说明本发明实施例中的技术方案，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的前提下，还可以根据这些附图获得其它的附图。
43.图1是本发明实施例中管道环焊缝检测方法的流程示意图；
44.图2是本发明实施例中样本数据集的获取方法的流程示意图；
45.图3是本发明实施例中管道环焊缝检测系统的流程示意图；
46.图4是本发明实施例中管道智能检测系统现场设备图。
具体实施方式
47.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
48.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
49.为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
50.第一实施例
51.图1是本发明在一实施例中提供的管道环焊缝检测方法的流程示意图。
52.如图1所示，管道环焊缝检测方法，包括步骤s110
‑
s150：
53.s110，根据超声波参数和管道参数建立管道环焊缝的超声回波模型；
54.s120，获取管道环焊缝的超声波信号，将其输入超声回波模型，获取样本数据集；
55.s130，根据样本数据集建立用于管道环焊缝缺陷诊断的检测模型；
56.s140，采集待测管道环焊缝的超声波信号，将其输入超声回波模型，得到待测超声回波信号；
57.s150，将待测超声回波信号输入所述检测模型，得到检测结果。
58.在本实施例的步骤s110中，管道参数包括第一管道子参数和第二管道子参数，超声波参数包括第一超声波子参数和第二超声波子参数。根据超声波参数和管道参数建立管道环焊缝的超声回波模型，具体包括：根据第一管道子参数和第一超声波子参数建立管道环焊缝的超声回波幅度模型，第一管道子参数包括管道与缺陷之间的密度差，第一超声波子参数包括超声波角频率和超声粒子参数；获取管道环焊缝的超声波信号，将其输入所述超声回波幅度模型，得到回波幅度参数；根据回波幅度参数、第二管道子参数和第二超声波子参数建立管道环焊缝的超声回波模型，第二管道子参数包括管道厚度参数，第二超声波子参数包括回波的中心频率、带宽因子和相位信息。
59.具体地，管道环焊缝的超声回波幅度模型中回波幅度参数β的数学表达为：
[0060][0061]
其中，p表示通过电缆传播的电功率，δρ为管道与缺陷之间的密度差，i为单位纯虚数，ω为超声波的角频率，u
°
为没有缺陷场变量的粒子极化标准，u为粒子极化标准，v
f
为管道环焊缝产生超声回波信号的区域。
[0062]
通过上述回波幅度参数β的数学表达可以发现：如果缺陷出现在接收回波的传播路径中，那么p>0。振幅β随着p的增加而减小，从而证明了从缺陷区域接收到的回波幅度比从非缺陷区域接收到的回波衰减得更严重。并将管道环焊缝超声波信号输入在此基础上建立的超声回波模型，从而形成样本数据集，再根据此样本数据集建立用于管道环焊缝缺陷诊断的检测模型，从而提高了对待测管道环焊缝检测的准确性。
[0063]
具体地，管道环焊缝的超声回波模型可以表示为f(t)＝s(t) σe(t)；
[0064]
其中，f(t)为超声回波信号，s(t)为接收到的衰减后的超声回波信号，σe(t)是由分布为σ2(0,1)的高斯随机变量分布的噪声；
[0065]
s(t)的数学表达为：
[0066][0067]
其中，β为回波幅度参数，e是数学常数，α是带宽因子，t是时间，τ是管道厚度参数，fc是回波的中心频率，表示相位。
[0068]
在本实施例的步骤s120中，获取管道环焊缝的超声波信号，将其输入超声回波模型，获取样本数据集的具体实现方法请参见图2，图2是本发明在一实施例中样本数据集的获取方法的流程示意图。
[0069]
如图2所示，样本数据集的获取方法可以包括以下步骤s210
‑
s250：
[0070]
s210，获取管道环焊缝的超声波信号，将其输入超声回波模型，得到样本信号；
[0071]
s220，选取小波基函数和分解层数分解样本信号，并获取各层小波系数；
[0072]
s230，根据阈值选择规则对阈值进行设定；
[0073]
s240，根据设定的阈值对各层小波系数进行量化处理；
[0074]
s250，对量化处理后的各层小波系数进行小波逆变换，形成样本数据集。
[0075]
在本实施例的步骤s210
‑
s250中，通过采用小波阈值去噪方法将时间序列信号转换成二维标量尺度图，从而消除了管道环焊缝的超声波信号中的电子噪声和反向散射噪声；在此基础上建立检测模型，避免噪声所导致的检测结果的不准确，提高了检测的准确性。
[0076]
具体地，小波基函数的选取方法包括：确定不同的备选小波基函数；在相同的小波分解层数和相同的阈值选择规则下，分别获取不同备选小波基函数去噪后的信号参数，信号参数包括信噪比、峰值信噪比和均方误差；根据不同备选小波基函数去噪后的信号参数选取小波基函数。小波基函数可以选择广泛使用的小波基函数，包括但不限于haar小波、daubechies小波、mexicanhat小波、morlet小波、meyer小波。采用小波基函数对样本信号进行n层小波分解，获得小波系数的第n层近似分量以及第1层至第n层的细节分量，然后对第1层至第n层的细节分量进行阈值量化去噪处理；阈值选择规则采用birg
é‑
massart的惩罚方法，阈值根据不同分解层的小波系数估计噪声层标准差进行调节，最大分解层数可以设置为5。对n级修正系数应用小波逆变换，重构原始信号，得到二维标量尺度图；然后根据二维标量尺度图形成样本数据集。
[0077]
在本实施例的步骤s130中，第一模型为卷积神经网络，第二模型为支持向量机。根据样本数据集建立用于管道环焊缝缺陷诊断的检测模型，具体包括：将样本数据集输入至所述卷积神经网络，提取样本数据集的特征，将提取的特征输入支持向量机中，对特征进行分类；经过前向传播后确定最终分类的损失，采用反向传播算法进行权重的迭代更新，直到全卷积神经网络模型的损失值趋向于收敛时，停止训练，得到检测模型。具体地，卷积神经网络包括卷积层、激活层、池化层和全连接层；卷积层对二维标量尺度图进行卷积运算，得到特征图；激活层对特征图进行非线性处理和归一化处理；池化层对经过归一化处理后的特征图进行池化处理；全连接层将池化处理后的特征图映射到样本信号，得到特征向量。
[0078]
具体地，卷积层计算连接到二维标量尺度图局部区域的神经元的输出，每个神经元计算它们的权重和连接到输入体积的小区域之间的点积。核滤波器将扫描系数图的整个区域并执行卷积运算。选用n个过滤器，计算结果被视为特征图。随着卷积层数的增加，训练过程的收敛时间也会增加。为了解决这个问题，在激活relu层之后引入了batchnorm标准化层。在这一层中，所有的输入值都将通过使用当前小批量中的值的均值和方差来归一化。因此，训练过程的收敛速度将会更快，并且也允许使用更高的学习速率。可以将学习率设置为0.1，以平衡快速收敛和避免过拟合问题。接下来，池化层的作用是对特征图进行降维，从而减少参数数量和计算量。常用池化操作有最大值池化、平均值池化和随机池化。使用maxpooling层沿要素图的空间维度(宽度、高度)执行下采样池化操作。在第m次周期性卷积
‑
再归一化汇集操作之后，最后一个汇集层的输出连接dropout层，克服过拟合问题。随后，接一个全连接层计算分数，将特征图映射到样本空间作出物体类别预测，起到分类器的作用。最后神经网络的输出用于训练一个具有径向基核的svm分类器。svm将输入转换为两类标签:有缺陷或无缺陷，从而实现对输入信号的分类。通过这种方式，可以识别油气管道环焊缝内表面裂纹缺陷的存在。
[0079]
在本实施例的步骤s150中，将待测超声回波信号输入检测模型之前还包括选取小波基函数和分解层数分解待测超声回波信号，并获取各层小波系数；根据阈值选择规则对
阈值进行设定；根据设定的阈值对各层小波系数进行量化处理；对量化处理后的各层小波系数进行小波逆变换，得到待测超声回波信号所对应的二维标量尺度图。然后将待测超声回波信号所对应的二维标量尺度图输入检测模型，得到检测结果，从而实现对待测管道的检测，检测结果包括有缺陷或无缺陷。
[0080]
第二实施例
[0081]
基于与第一实施例中方法相同的发明构思，相应的，本实施例还提供了一种管道环焊缝检测系统。
[0082]
图3为本发明提供的管道环焊缝检测系统的流程示意图。
[0083]
如图3所示，所示系统3包括：31超声回波模型建立模块、32样本数据集获取模块、33检测模型建立模块、34待测信号获取模块以及35检测结果输出模块。
[0084]
其中，超声回波模型建立模块，用于根据超声波参数和管道参数建立管道环焊缝的超声回波模型；
[0085]
样本数据集获取模块，用于获取管道环焊缝的超声波信号，将其输入所述超声回波模型，获取样本数据集；
[0086]
检测模型建立模块，用于根据所述样本数据集建立用于管道环焊缝缺陷诊断的检测模型，所述检测模型包括用于特征提取的第一模型和用于分类的第二模型；
[0087]
待测信号获取模块，用于将采集待测管道环焊缝的超声波信号，将其输入所述超声回波模型，得到待测超声回波信号；
[0088]
检测结果输出模块，用于将所述待测超声回波信号输入所述检测模型，得到检测结果。
[0089]
在一些示例性实施例中，样本数据集获取模块包括样本信号采集单元和样本信号处理单元；
[0090]
超声信号采集单元，用于电磁超声换能器扫描管道焊接线的外表面，接收所述管道焊接线的外表面反射的超声波信号，所述管道焊接线的外表面的扫描点均匀分布；
[0091]
超声信号处理单元，用于将所述反射的超声波信号输入所述超声回波模型，获取样本数据集。
[0092]
在一些示例性实施例中，超声信号采集单元管道测量仪、pc端和移动客户端、数据库服务器。测量仪是嵌入式arm处理器设备。前置放大器与电磁超声换能器(emat)探头直接相连，电磁超声换能器在管道焊接线的外表面扫描，相邻扫描点之间的间距为1毫米，并获得每个点的扫描原始信号。原始信号经过放大器放大、ad转换、信号处理板处理后，通过无线传输模块将采集的数据传输给数据服务器。在信号的传输过程中采用双屏蔽的连接和配置专用电器柜的方式，有效地减少电磁干扰。
[0093]
具体地，超声信号采集单元采用管道智能检测系统。其中管道端的电磁超声换能器是物联网系统中的感知层，作为数据和命令传输的网络是网络层，用户和服务器是应用层。服务器负责保存系统的数据，对数据进行处理分析，并向检测仪表发送指令。pc端和移动端可以实时查看服务器收到的测量结果。在管道智能检测系统中，数据处理层为数据服务器。在pc端或移动端登录服务器网页，向测量仪发送测量指令，设备鉴别指令后，开始检测数据，然后通过传输层将数据传输给服务器，服务器对数据进行处理和储存，pc端和移动端可以从服务器端获取所需数据，实现在线监测。
[0094]
图4为本发明提供的管道智能检测系统现场设备图。
[0095]
如图4所示，在管道智能检测的工业物联网系统中，采用恒电位仪来提供管道的阴极保护电压，在恒电位仪和管道之间安装断流器进行通断电控制，测量仪需要测量通电和断电时管道的保护电压和电流。emat无损检测系统还加入一些其它的辅助功能，用来提升系统的检测精度、速率、及智能化要求。电磁超声换能器采集数据时需要设置探头参数、进行角度设置以及设置材料衰减参数。
[0096]
在一些示例性实施例中，超声回波模型建立模块包括：
[0097]
第一管道子参数包括管道与缺陷之间的密度差，第一超声波子参数包括超声波角频率和超声粒子参数，
[0098]
超声回波幅度模型建立单元，用于根据第一管道子参数和第一超声波子参数建立管道环焊缝的超声回波幅度模型，第一管道子参数包括管道与缺陷之间的密度差，第一超声波子参数包括超声波角频率和超声粒子参数；
[0099]
幅度参数获取单元，用于获取管道环焊缝的超声波信号，将其输入超声回波幅度模型，得到回波幅度参数；
[0100]
超声回波模型建立单元，用于根据回波幅度参数、第二管道子参数和第二超声波子参数建立管道环焊缝的超声回波信号模型，第二管道子参数包括管道厚度参数，第二超声波子参数包括回波的中心频率、带宽因子和相位信息。
[0101]
在一些示例性实施例中，样本数据集获取模块包括：
[0102]
样本信号获取单元，用于获取管道环焊缝的超声波信号，将其输入所述超声回波模型，得到样本信号；
[0103]
各层小波系数获取单元，用于选取小波基函数和分解层数分解所述样本信号，并获取各层小波系数；
[0104]
阈值确定单元，用于根据阈值选择规则对阈值进行设定；
[0105]
量化处理单元，用于根据所述设定的阈值对所述各层小波系数进行量化处理；
[0106]
小波逆变换单元用于对所述量化处理后的各层小波系数进行小波逆变换，形成样本数据集。
[0107]
在一些示例性实施例中，各层小波系数获取单元包括：
[0108]
小波基函数获取单元，用于确定不同的备选小波基函数；在相同的小波分解层数和相同的阈值选择规则下，分别获取不同备选小波基函数去噪后的信号参数，所述信号参数包括信噪比、峰值信噪比和均方误差；根据所述不同备选小波基函数去噪后的信号参数选取所述小波基函数。
[0109]
在一些示例性实施例中，检测模型建立模块包括：
[0110]
训练单元，用于将所述样本数据集输入至所述卷积神经网络，提取所述样本数据集的特征，将提取的特征输入所述支持向量机中，对所述特征进行分类；
[0111]
参数更新单元，用于经过前向传播后确定最终分类的损失，采用反向传播算法进行权重的迭代更新，直到全卷积神经网络模型的损失值趋向于收敛时，停止训练，得到检测模型。
[0112]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
[0113]
本实施例还提供一种电子设备，包括：处理器及存储器；
[0114]
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行本实施例中任一项方法。
[0115]
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0116]
本实施例提供的电子设备，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子设备执行如上方法的各个步骤。
[0117]
在本实施例中，存储器可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。
[0118]
上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0119]
在上述实施例中，说明书对“本实施例”、“一实施例”、“另一实施例”、“在一些示例性实施例”或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。
[0120]
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态ram(dram))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
[0121]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0122]
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
[0123]
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0124]
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。