基于物联网的压铸件去毛刺后的检测系统及方法与流程

1.本发明涉及去毛刺设备精度检测技术领域，具体为基于物联网的压铸件去毛刺后的检测系统及方法。


背景技术：

2.压铸件是一种使用装好铸件模具的压力铸造机械压铸机，将加热为液态的铜、锌、铝或铝合金等金属浇入压铸机的入料口，进行铸造出模具限制的形状和尺寸的铜、锌、铝零件或铝合金的零件；但在因为压力冲击和锁模力不够等要素，对压铸件造成毛刺是不可避免的；利用去毛刺设备对压铸件进行毛刺去除是必不可少的一道工序。
3.使用去毛刺设备长期对压铸件进行毛刺去除的过程中，多少会出现一些轻微或者严重的设备故障问题，而若是去毛刺设备出现机械故障，起到的去毛刺效果或者去毛刺精度也会有所下降，带来次数不断增多的返工，降低加工效率。


技术实现要素：

4.本发明的目的在于提供基于物联网的压铸件去毛刺后的检测系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：基于物联网的压铸件去毛刺后的检测方法，检测方法包括：步骤s100：采用工业相机对每一待处理压铸件进行扫描，得到每一待处理压铸件在不同切面上的二维图像；对待处理压铸件进行毛刺识别，将识别出的毛刺在二维图像上进行标记；基于目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到若干切面子图像；步骤s200：分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；步骤s300：基于各切面子图像的综合毛刺分布指数，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估，一个切面对应一个毛刺去除难度指数；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；步骤s400：实时对目标去毛刺设备的毛刺去除情况进行数据分析，对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；步骤s500：基于目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；当目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
6.进一步的，步骤s100包括：步骤s101：分别捕捉目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件各切
面进行移动毛刺去除时，与待处理压铸件各切面之间的最小单位移动接触面积；分别将各切面与去毛刺处理工件之间的最小单位移动接触面积，设为对各切面二维图像进行图像分割的最小分割面积；步骤s102：分别将各切面二维图像基于对应的最小分割面积进行图像分割，得到各切面二维图像对应的若干切面子图像，分别将各切面二维图像对应的若干切面子图像进行汇集并顺序编号，得到对应各切面二维图像的切面子图像集合；待处理压铸件的一个切面对应一个切面二维图像；一个切面二维图像对应一个最小分割面积；一个切面二维图像基于一个最小分割面积，对应得到一个切面子图像集合；上述基于最小单位移动接触面积作为最小分割面积进行图像分割是因为，去毛刺设备在操控去毛刺组件对压铸件进行毛刺去除的时候，由于去毛刺组件是基于与压铸件切面进行相切，从而达到对压铸件切面上的毛刺去除的效果，而因为压铸件形状大小的不同，各切面的面积也是不同的，去毛刺组件与压铸件各切面进行相切运动的时候，一次旋转移动能清理掉的毛刺面积也是不同的，将各切面二维图像基于最小分割单位面积进行图像分割，可为后续对各切面计算毛刺去除难度指数进行技术铺垫。
7.进一步的，步骤s200包括：步骤s201：分别在所有切面子图像中，对各个标记毛刺进行图像提取，得到对应各切面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；尺寸数据包括长度、横截面面积、最大厚度；步骤s202：对各切面子图像计算第一毛刺分布特征值：；其中，表示在第i个切面子图像中毛刺的总个数；表示在第i个切面子图像中第j个毛刺的长度；对各切面子图像计算第二毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的最大厚度；对各切面子图像计算第三毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的横截面面积；表示第i个切面子图像对应的切面子图像面积；步骤s203：计算各切面子图像的综合毛刺分布指数；去毛刺设备上的去毛刺组件在沿着压铸件表面进行毛刺清除的时候，每与压铸件各切面产生一次面积相切，意味着去毛刺组件对压铸件完成一部分区域的毛刺去除；而这一部分区域的面积就是各切面子图像的面积；对各切面子图像计算综合毛刺分布指数，可以实现最终对各切面的毛刺去除难度进行评估。
8.进一步的，步骤s300包括：步骤s301：设置毛刺分布指数阈值，分别在各切面对应的各切面子图像集合内进行综合毛刺分布指数遍历，设综合毛刺分布指数大于毛刺分布指数阈值的切面子图像为目
标切面子图像；分别在各切面子图像集合内筛选出目标子图像；分别对各目标切面子图像提取在对应切面子图像集合中的切面编号；步骤s302：记待处理压铸件各切面对应的毛刺去除难度系数值k的初始值为0；在一个切面中，每存在两个目标切面子图像之间的切面编号为连续切面编号时，将该切面对应的毛刺去除难度系数值k加一；先筛选出来的目标子图像，是表示在这些图像代表的区域面积内，毛刺分布指数是较大的，也意味着去毛刺设备在这些区域进行毛刺去除的时候，出现对毛刺清除不干净的可能性也是更高的，而若是在一个切面上，同时有多个毛刺分布指数都属于较大的区域面积，在去除顺序排布上连续分布的，那么也意味着去毛刺设备在对该切面进行毛刺去除时，难度更高，更容易出现毛刺残留，且对去毛刺设备的机器精度要求更高；步骤s303：获取目标去毛刺设备对每一待处理压铸件生成的去毛刺路径，将去毛刺路径基于与待处理压铸件上各切面的对应关系进行路段划分，得到目标去毛刺设备对待处理压铸件各切面进行毛刺去除时的路径路段信息，从各切面对应的路径路段信息中提取设备运行时间t；步骤s304：计算各切面的毛刺去除难度指数：；其中，表示在待处理压铸件中第x个切面的毛刺去除难度指数；表示目标去毛刺设备在待处理压铸件第x个切面上进行毛刺去除花费的设备运行时间；表示待处理压铸件中第x个切面对应的毛刺去除难度系数值；表示在待处理压铸件第x个切面中，第f个切面子图像对应的综合毛刺分布指数；表示在待处理压铸件第x个切面中，切面子图像的总数。
9.进一步的，步骤s400包括：步骤s401：获取待处理压铸件的毛刺检测标准参数；基于毛刺检测标准参数对经目标去毛刺设备进行毛刺处理后的各待处理压铸件，以切面为单位，识别检测出不合格毛刺；步骤s402：计算目标去毛刺设备对各待处理压铸件各切面的毛刺去除不合格率：；其中，h表示在各切面上检测出的所有不合格毛刺所属的切面子图像总个数；m表示在各切面对应的切面子图像集合内的切面子图像总数；步骤s403：记目标去毛刺设备对一待处理压铸件完成各切面的毛刺去除，为一次毛刺去除记录；在每一次的毛刺去除记录中，对各切面在毛刺去除前的毛刺去除难度指数值r、各切面在毛刺去除后的毛刺去除不合格率u值进行提取，汇成各切面的毛刺去除数据对；分别获取在每一次毛刺去除记录中，所有切面对应的毛刺去除数据对，构建对应该次毛刺去除记录的工作精度变化检测模型；其中，b为常数；a为对应该次毛刺去除记录的工作精度变化值。
10.进一步的，步骤s500包括：
步骤s501：分别提取每一次毛刺去除记录的工作精度变化值a，同时提取各次毛刺去除记录的运行结束时间t，汇成代表每一次毛刺去除记录的精度数据对；步骤s502：提取在目标去毛刺设备上所有毛刺去除记录的精度数据对，构建目标去毛刺设备，毛刺去除精度整体变化趋势的预测模型；其中，b’为常数；当，代表目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
11.为更好的实现上述检测方法，还提出了一种基于物联网的压铸件去毛刺后的检测系统，系统包括：待处理压铸件信息获取模块、图像分割处理模块、毛刺分布特征分析模块、切面毛刺去除难度指数评估模块、工作精度变化检测模块、去毛刺设备精度变化趋势预测模块、检修预警提示模块；待处理压铸件信息获取模块，用于对每一待处理压铸件采集不同切面的二维图像；用于对待处理压铸件进行毛刺识别，将识别出的毛刺在各切面的二维图像上进行标记；图像分割处理模块，用于根据目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到对应各切面的若干切面子图像；毛刺分布特征分析模块，用于分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；切面毛刺去除难度指数评估模块，用于接收毛刺分布特征分析模块中的数据，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；工作精度变化检测模块，用于接收切面毛刺去除难度指数评估模块中的数据，实时对目标去毛刺设备的毛刺去除情况进行数据分析，对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；去毛刺设备精度变化趋势预测模块，用于接收工作精度变化检测模块中的数据，基于目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；检修预警提示模块，用于接收去毛刺设备精度变化趋势预测模块中的数据，当目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
12.进一步的，毛刺分布特征分析模块包括第一毛刺分布特征计算单元、第二毛刺分布特征计算单元；毛刺分布特征计算单元，用于分别对若干切面子图像进行毛刺去除前的毛刺分布特征进行分析，对各切面子图像进行各项毛刺分布特征值的计算；第二毛刺分布特征计算单元，用于接收毛刺分布特征计算单元中的数据，基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数。
13.进一步的，切面毛刺去除难度指数评估模块包括毛刺去除难度系数值累计单元、
切面毛刺去除难度指数计算单元；毛刺去除难度系数值累计单元，用于对各待处理压铸件各切面的毛刺去除难度系数值进行累计运算；切面毛刺去除难度指数计算单元，用于接收毛刺去除难度系数值累计单元中的数据，对各待处理压铸件各切面进行毛刺去除难度指数的计算。
14.与现有技术相比，本发明所达到的有益效果是：本发明可实现对目标去毛刺设备每完成一次毛刺去除后的机器精度进行实时检测，且对该设备进行精度检测的过程中，通过对每一压铸件各切面的毛刺去除难度指数进行量化计算，分析去毛刺设备在对不同压铸件进行毛刺去除时的精度变化值，基于精度变化值呈现的数据趋势，决定是否向相关管理人员发送预警提示，提示对去毛刺设备进行设备检修。
附图说明
15.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明基于物联网的压铸件去毛刺后的检测方法的流程示意图；图2是本发明基于物联网的压铸件去毛刺后的检测系统的结构示意图。
具体实施方式
16.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。
17.请参阅图1-图2，本发明提供技术方案：基于物联网的压铸件去毛刺后的检测方法，检测方法包括：步骤s100：采用工业相机对每一待处理压铸件进行扫描，得到每一待处理压铸件在不同切面上的二维图像；对待处理压铸件进行毛刺识别，将识别出的毛刺在二维图像上进行标记；基于目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到若干切面子图像；其中，步骤s100包括：步骤s101：分别捕捉目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件各切面进行移动毛刺去除时，与待处理压铸件各切面之间的最小单位移动接触面积；分别将各切面与去毛刺处理工件之间的最小单位移动接触面积，设为对各切面二维图像进行图像分割的最小分割面积；步骤s102：分别将各切面二维图像基于对应的最小分割面积进行图像分割，得到各切面二维图像对应的若干切面子图像，分别将各切面二维图像对应的若干切面子图像进行汇集并顺序编号，得到对应各切面二维图像的切面子图像集合；待处理压铸件的一个切面对应一个切面二维图像；一个切面二维图像对应一个最小分割面积；一个切面二维图像基于一个最小分割面积，对应得到一个切面子图像集合；例如说，待处理压铸件存在四个切面，分别是切面1、切面2、切面3、切面4；
目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件的切面1进行移动毛刺去除时，与切面1之间的最小单位移动接触面积为s1；目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件的切面2进行移动毛刺去除时，与切面2之间的最小单位移动接触面积为s2；目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件的切面3进行移动毛刺去除时，与切面3之间的最小单位移动接触面积为s3；目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件的切面4进行移动毛刺去除时，与切面4之间的最小单位移动接触面积为s4；则，s1为对切面1的二维图像进行图像分割的最小分割面积；s2为对切面2的二维图像进行图像分割的最小分割面积；s3为对切面3的二维图像进行图像分割的最小分割面积；s4为对切面4的二维图像进行图像分割的最小分割面积；步骤s200：分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；其中，步骤s200包括：步骤s201：分别在所有切面子图像中，对各个标记毛刺进行图像提取，得到对应各切面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；尺寸数据包括长度、横截面面积、最大厚度；步骤s202：对各切面子图像计算第一毛刺分布特征值：；其中，表示在第i个切面子图像中毛刺的总个数；表示在第i个切面子图像中第j个毛刺的长度；对各切面子图像计算第二毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的最大厚度；对各切面子图像计算第三毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的横截面面积；表示第i个切面子图像对应的切面子图像面积；步骤s203：计算各切面子图像的综合毛刺分布指数；步骤s300：基于各切面子图像的综合毛刺分布指数，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估，一个切面对应一个毛刺去除难度指数；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；其中，步骤s300包括：步骤s301：设置毛刺分布指数阈值，分别在各切面对应的各切面子图像集合内进行综合毛刺分布指数遍历，设综合毛刺分布指数大于毛刺分布指数阈值的切面子图像为目
标切面子图像；分别在各切面子图像集合内筛选出目标子图像；分别对各目标切面子图像提取在对应切面子图像集合中的切面编号；步骤s302：记待处理压铸件各切面对应的毛刺去除难度系数值k的初始值为0；在一个切面中，每存在两个目标切面子图像之间的切面编号为连续切面编号时，将该切面对应的毛刺去除难度系数值k加一；步骤s303：获取目标去毛刺设备对每一待处理压铸件生成的去毛刺路径，将去毛刺路径基于与待处理压铸件上各切面的对应关系进行路段划分，得到目标去毛刺设备对待处理压铸件各切面进行毛刺去除时的路径路段信息，从各切面对应的路径路段信息中提取设备运行时间t；例如说，目标去毛刺设备对一个待处理压铸件a生成的去毛刺路径为sa；待处理压铸件存在四个切面，分别是切面1、切面2、切面3、切面4；将路径sa分别基于切面进行路段划分，对应得到目标去毛刺设备对待处理压铸件a切面1进行毛刺去除时的路径路段sa1、目标去毛刺设备对待处理压铸件a切面2进行毛刺去除时的路径路段sa2、目标去毛刺设备对待处理压铸件a切面3进行毛刺去除时的路径路段sa3、目标去毛刺设备对待处理压铸件a切面4进行毛刺去除时的路径路段sa4；且sa1 sa2 sa3 sa4=sa；则目标去毛刺设备沿着sa1的运行时间为t1、目标去毛刺设备沿着sa2的运行时间为t2、目标去毛刺设备沿着sa3的运行时间为t3、目标去毛刺设备沿着sa4的运行时间为t4；步骤s304：计算各切面的毛刺去除难度指数：；其中，表示在待处理压铸件中第x个切面的毛刺去除难度指数；表示目标去毛刺设备在待处理压铸件第x个切面上进行毛刺去除花费的设备运行时间；表示待处理压铸件中第x个切面对应的毛刺去除难度系数值；表示在待处理压铸件第x个切面中，第f个切面子图像对应的综合毛刺分布指数；表示在待处理压铸件第x个切面中，切面子图像的总数；步骤s400：实时对目标去毛刺设备的毛刺去除情况进行数据分析，对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；其中，步骤s400包括：步骤s401：获取待处理压铸件的毛刺检测标准参数；基于毛刺检测标准参数对经目标去毛刺设备进行毛刺处理后的各待处理压铸件，以切面为单位，识别检测出不合格毛刺；步骤s402：计算目标去毛刺设备对各待处理压铸件各切面的毛刺去除不合格率：；其中，h表示在各切面上检测出的所有不合格毛刺所属的切面子图像总个数；m表示在各切面对应的切面子图像集合内的切面子图像总数；步骤s403：记目标去毛刺设备对一待处理压铸件完成各切面的毛刺去除，为一次毛刺去除记录；在每一次的毛刺去除记录中，对各切面在毛刺去除前的毛刺去除难度指数值r、各切面在毛刺去除后的毛刺去除不合格率u值进行提取，汇成各切面的毛刺去除数据
对；分别获取在每一次毛刺去除记录中，所有切面对应的毛刺去除数据对，构建对应该次毛刺去除记录的工作精度变化检测模型；其中，b为常数；a为对应该次毛刺去除记录的工作精度变化值；步骤s500：基于目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；当目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修；其中，步骤s500包括：步骤s501：分别提取每一次毛刺去除记录的工作精度变化值a，同时提取各次毛刺去除记录的运行结束时间t，汇成代表每一次毛刺去除记录的精度数据对；步骤s502：提取在目标去毛刺设备上所有毛刺去除记录的精度数据对，构建目标去毛刺设备，毛刺去除精度整体变化趋势的预测模型；其中，b’为常数；当，代表目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
18.为更好的实现上述检测方法，还提出了一种基于物联网的压铸件去毛刺后的检测系统，系统包括：待处理压铸件信息获取模块、图像分割处理模块、毛刺分布特征分析模块、切面毛刺去除难度指数评估模块、工作精度变化检测模块、去毛刺设备精度变化趋势预测模块、检修预警提示模块；待处理压铸件信息获取模块，用于对每一待处理压铸件采集不同切面的二维图像；用于对待处理压铸件进行毛刺识别，将识别出的毛刺在各切面的二维图像上进行标记；图像分割处理模块，用于根据目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到对应各切面的若干切面子图像；毛刺分布特征分析模块，用于分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；切面毛刺去除难度指数评估模块，用于接收毛刺分布特征分析模块中的数据，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；工作精度变化检测模块，用于接收切面毛刺去除难度指数评估模块中的数据，实时对目标去毛刺设备的毛刺去除情况进行数据分析，对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；去毛刺设备精度变化趋势预测模块，用于接收工作精度变化检测模块中的数据，基于目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；检修预警提示模块，用于接收去毛刺设备精度变化趋势预测模块中的数据，当目
标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
19.其中，毛刺分布特征分析模块包括第一毛刺分布特征计算单元、第二毛刺分布特征计算单元；毛刺分布特征计算单元，用于分别对若干切面子图像进行毛刺去除前的毛刺分布特征进行分析，对各切面子图像进行各项毛刺分布特征值的计算；第二毛刺分布特征计算单元，用于接收毛刺分布特征计算单元中的数据，基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数。
20.其中，切面毛刺去除难度指数评估模块包括毛刺去除难度系数值累计单元、切面毛刺去除难度指数计算单元；毛刺去除难度系数值累计单元，用于对各待处理压铸件各切面的毛刺去除难度系数值进行累计运算；切面毛刺去除难度指数计算单元，用于接收毛刺去除难度系数值累计单元中的数据，对各待处理压铸件各切面进行毛刺去除难度指数的计算。
21.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。
22.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。