本發(fā)明涉及對物體相對于某一平面的姿態(tài)進(jìn)行檢測的領(lǐng)域，特別是涉及一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置與方法。

背景技術(shù)：

平面姿態(tài)測量傳感器廣泛應(yīng)用于航空、航天、軍事以及建筑等領(lǐng)域。傳統(tǒng)的平面姿態(tài)測量傳感器在環(huán)境不是很惡劣的場合，測量的精度可以滿足要求。但是在環(huán)境比較惡劣的場合，傳感器在測量精度、穩(wěn)定性以及使用壽命等方面卻大打折扣。

影響平面姿態(tài)測量傳感器測量精度的主要是環(huán)境因素，這些環(huán)境因素包括溫度、濕度和氣壓，這三個方面對電子元器件參數(shù)的影響很大，一旦電子元器件的參數(shù)受到了影響，那么，平面姿態(tài)測量傳感器的測量精度肯定會大大降低。

因此，需要提供在上述環(huán)境因素變化時仍然具有很高的測量精度的平面姿態(tài)測量傳感器。

技術(shù)實現(xiàn)要素：

至少為了解決上述問題，本發(fā)明提出了以下技術(shù)方案。

根據(jù)本發(fā)明的第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置，包括：

數(shù)據(jù)采集模塊，用于預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，

還用于實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)，且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)；

處理器模塊，其與數(shù)據(jù)采集模塊連接，該處理器模塊被配置用于，在執(zhí)行時使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，且被配置用于在執(zhí)行時使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc并輸出，

還被配置用于在執(zhí)行時使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，且還被配置用于在執(zhí)行時使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc并輸出。

根據(jù)本發(fā)明的第二種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置，包括：

數(shù)據(jù)采集模塊，用于預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，

還用于實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)，且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)；

X軸傾角補(bǔ)償模塊，其與數(shù)據(jù)采集模塊連接，用于使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，

還用于使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc并輸出；

Y軸傾角補(bǔ)償模塊，其與數(shù)據(jù)采集模塊連接，用于使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，

還用于使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc并輸出。

根據(jù)本發(fā)明的平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償方法，由上文所述的兩種環(huán)境補(bǔ)償裝置實現(xiàn)，包括以下步驟：

步驟1：數(shù)據(jù)采集模塊預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}；

步驟2：X軸傾角補(bǔ)償模塊使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，Y軸傾角補(bǔ)償模塊使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)；

步驟3：數(shù)據(jù)采集模塊實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)，且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)；

步驟4：X軸傾角補(bǔ)償模塊使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc，以及，Y軸傾角補(bǔ)償模塊使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc。

通過引入溫度、濕度和氣壓的實時檢測，本發(fā)明的上述技術(shù)方案適用于工作環(huán)境非常惡劣的場合，提高了傳感器的測量精度；提高了傳感器的穩(wěn)定性，延長了使用壽命；制造成本低，體積小，安裝方便，便于維護(hù)。

附圖說明

通過閱讀下文具體實施方式的詳細(xì)描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出具體實施方式的目的，而并不認(rèn)為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1是根據(jù)本發(fā)明的第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的示意框圖。

圖2是根據(jù)本發(fā)明的第二種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的示意框圖。

圖3是根據(jù)本發(fā)明的平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償方法的示意流程圖。

圖4是根據(jù)本發(fā)明的第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的一個具體實施例的示意框圖。

圖5是本發(fā)明的環(huán)境補(bǔ)償裝置所使用的傾角傳感器模塊的安裝方式的示意圖。

圖6是本發(fā)明的環(huán)境補(bǔ)償方法的一個示例性實施例的示意圖。

圖7是可以應(yīng)用本發(fā)明的環(huán)境補(bǔ)償裝置的塔式起重機(jī)的示意圖。

圖8是結(jié)合本發(fā)明的環(huán)境補(bǔ)償裝置的監(jiān)測系統(tǒng)的示意圖。

具體實施方式

下面將參照附圖更詳細(xì)地描述本發(fā)明的示例性實施方式。雖然附圖中顯示了本發(fā)明的示例性實施方式，然而應(yīng)當(dāng)理解，可以以各種形式實現(xiàn)本發(fā)明而不應(yīng)被這里闡述的實施方式所限制。相反，提供這些實施方式是為了能夠更透徹地理解本發(fā)明，并且能夠?qū)⒈景l(fā)明的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

針對傳統(tǒng)的傾角傳感器(即，平面姿態(tài)測量傳感器)在惡劣環(huán)境下測量不準(zhǔn)確的不足，本發(fā)明提出了平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置與方法。本發(fā)明的基本構(gòu)思是，用單片機(jī)(即，處理器)處理平面姿態(tài)測量傳感器、溫度傳感器、濕度傳感器、氣壓傳感器收集到的信號，經(jīng)過對各路信號的分析比較處理后通過數(shù)碼管進(jìn)行顯示或者通過通訊總線將相關(guān)信息發(fā)送給上位機(jī)，實現(xiàn)在惡劣環(huán)境條件下精準(zhǔn)測量物體相對于某一平面處于何種姿態(tài)。

下面將結(jié)合附圖分別介紹本發(fā)明所提出的平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置和方法。

圖1是根據(jù)本發(fā)明的第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的示意框圖。

如圖1所示，第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置包括數(shù)據(jù)采集模塊和處理器模塊。

圖1中的數(shù)據(jù)采集模塊，用于采集環(huán)境檢測數(shù)據(jù)。例如，具體包括以下環(huán)境檢測數(shù)據(jù)的采集。

數(shù)據(jù)采集模塊預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}；還用于實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)，且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)。

例如，數(shù)據(jù)采集模塊可以包括傾角傳感器模塊SCA100T-D02、溫度傳感器模塊、濕度傳感器模塊和氣壓傳感器模塊。

傾角傳感器模塊SCA100T-D02是基于3D-MEMS的高精度雙軸傾角傳感器芯片，具有高分辨率，低噪聲，承受高達(dá)20kg的機(jī)械沖擊力，工作溫度為-40℃至+125℃，自帶偏移量校準(zhǔn)誤差，非常適合在惡劣的環(huán)境條件下使用，可以實時采集相對于傾角傳感器模塊的安裝平面的X軸傾角值U_x和Y軸傾角值U_y。另外，溫度傳感器使用的是DS18B20芯片，濕度傳感器使用的是DHT11芯片，氣壓傳感器使用的是BMP180芯片，這三個模塊可以實時采集外界環(huán)境的溫度、濕度和氣壓數(shù)據(jù)U_tr、U_rhr、U_br。

如圖1所示，處理器模塊與數(shù)據(jù)采集模塊連接，該處理器模塊被配置用于，在執(zhí)行時使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，且被配置用于在執(zhí)行時使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc并輸出；還被配置用于在執(zhí)行時使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，且還被配置用于在執(zhí)行時使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc并輸出。

例如，處理器模塊可以采用中央處理器STM32芯片。

圖2是根據(jù)本發(fā)明的第二種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的示意框圖。

如圖2所示，第二種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置包括數(shù)據(jù)采集模塊、X軸傾角補(bǔ)償模塊和Y軸傾角補(bǔ)償模塊。

圖2中的數(shù)據(jù)采集模塊，用于采集環(huán)境檢測數(shù)據(jù)。例如，具體包括以下環(huán)境檢測數(shù)據(jù)的采集。

數(shù)據(jù)采集模塊預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_n,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}；還用于實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)，且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)。

如圖2所示，X軸傾角補(bǔ)償模塊與數(shù)據(jù)采集模塊連接，用于使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)；還用于使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc并輸出。

如圖2所示，Y軸傾角補(bǔ)償模塊也與數(shù)據(jù)采集模塊連接，用于使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)；還用于使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc并輸出。

圖3是根據(jù)本發(fā)明的平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償方法的示意流程圖。該環(huán)境補(bǔ)償方法可以結(jié)合上文所述的兩種環(huán)境補(bǔ)償裝置使用。

如圖3所示，根據(jù)本發(fā)明的平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償方法包括以下步驟：

步驟1：數(shù)據(jù)采集模塊預(yù)先采集包含平面姿態(tài)測量傳感器的X軸傾角值U_x和Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b、平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x和Y軸傾角值U_y的補(bǔ)償量Δθ_y的多組不同數(shù)據(jù)樣本，將這多組不同數(shù)據(jù)樣本構(gòu)造成第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}，且輸出該第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}和第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}。

例如，可以采用以下方法來采集樣本集。

做1000組實驗，將傾角傳感器的輸出值U，溫度U_t，濕度U_rh和氣壓U_b作為模型的輸入，實驗數(shù)據(jù)作為模型的樣本集。首先進(jìn)行實驗環(huán)境的搭建，將姿態(tài)測量裝置按照正確的方法安裝在精密電控旋轉(zhuǎn)臺上，并將其放入帶有溫度控制、濕度控制和氣壓控制的實驗箱內(nèi)。精密電控旋轉(zhuǎn)臺的分辨率為0.00001°，該實驗箱調(diào)溫范圍為-60-150℃，濕度調(diào)節(jié)范圍為10％-95％RH，氣壓調(diào)節(jié)范圍20-120kPa。實驗過程中，將實驗箱溫度從-10℃調(diào)節(jié)到+60℃，每隔10℃進(jìn)行一次溫度測量；將濕度從40％RH調(diào)節(jié)到80％RH，每隔10％RH進(jìn)行一次濕度測量；將氣壓從50kPa調(diào)節(jié)到90kPa，每隔10kPa進(jìn)行一次氣壓測量。電控旋轉(zhuǎn)臺帶動傾角傳感器按30°為間隔旋轉(zhuǎn)一周，并記錄每個位置上傳感器在X軸和Y軸上的輸出U_x和U_y，在每次調(diào)節(jié)溫度、濕度和氣壓的時候，實驗箱要穩(wěn)定0.5h，以保證實驗箱內(nèi)各個位置參數(shù)的一致性。通過實驗，一共測出1000組數(shù)據(jù)作為RBF神經(jīng)網(wǎng)絡(luò)的樣本集。

其中，按照圖5中的正確安裝方式安裝好傾角傳感器模塊SCA100T-D2之后，按照上文所述的方法改變被測物體的姿態(tài)。此時，傾角傳感器模塊將X軸和Y軸的傾角值傳遞給AD轉(zhuǎn)換模塊AD7705，AD7705再將兩軸的模擬信號轉(zhuǎn)換成數(shù)字信號傳遞給STM32，溫度傳感器、濕度傳感器和氣壓傳感器將被測物體周圍的環(huán)境參數(shù)傳遞給STM32，同時記錄真實Δθ_y。

步驟2：X軸傾角補(bǔ)償模塊使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}對第一RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)；Y軸傾角補(bǔ)償模塊使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}對第二RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、獲取訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)。

例如，可以采用以下方法來基于上面采集的樣本集來訓(xùn)練第一RBF神經(jīng)網(wǎng)絡(luò)和第二RBF神經(jīng)網(wǎng)絡(luò)。

求高斯徑向基函數(shù)的中心t_i和方差σ_i，隱含層到輸出層的連接權(quán)值w_ij。

對于高斯徑向基函數(shù)的中心t_i采用K-均值聚類的方法求取，在樣本集中隨機(jī)選取I個訓(xùn)練樣本作為聚類中心t_i(0)(i＝1,…,I)進(jìn)行迭代，根據(jù)相似度準(zhǔn)則將數(shù)據(jù)對象分配到最接近的t_i(0)，從而形成一類，然后以該類的平均向量作為新的聚類中心，重新分配數(shù)據(jù)對象，如此反復(fù)，直至每個類中的數(shù)據(jù)與每個聚類中心做差的平方和最小，得到高斯徑向基函數(shù)的中心t_i(n)，n為迭代次數(shù)。

在高斯徑向基函數(shù)的中心t_i求出后，為了避免徑向基函數(shù)太尖或太平，方差可以通過式(1)求解：

其中，d_％ax為I個聚類中心之間距離的最大值，I為所選取的聚類中心的個數(shù)。

第i個隱含層神經(jīng)元至第j個輸出層之間的連接權(quán)值w_ij基于上面所求得的高斯徑向基函數(shù)的中心t_i和方差σ_i用最小二乘法直接計算得到。

在適用于第一RBF神經(jīng)網(wǎng)絡(luò)和適用于第二RBF神經(jīng)網(wǎng)絡(luò)的這些參數(shù)求出(即，最終得到了訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)和第二RBF神經(jīng)網(wǎng)絡(luò))之后，就可以根據(jù)下文中的式(2)和式(3)獲得X軸傾角值或Y軸傾角當(dāng)前的補(bǔ)償量。

適用于第一RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練好的上述參數(shù)使得使用第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}中的各個第一數(shù)據(jù)樣本的X軸傾角值U_x、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b作為經(jīng)訓(xùn)練后的第一RBF神經(jīng)網(wǎng)絡(luò)的輸入時的該第一RBF神經(jīng)網(wǎng)絡(luò)的輸出逼近第一數(shù)據(jù)樣本集{U_x,U_t,U_rh,U_b,Δθ_x}中的各個第一數(shù)據(jù)樣本中的平面姿態(tài)測量傳感器的X軸傾角值U_x的補(bǔ)償量Δθ_x)。

適用于第二RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練好的上述參數(shù)使得使用第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}中的各個第二數(shù)據(jù)樣本的Y軸傾角值U_y、溫度傳感器的溫度值U_t、濕度傳感器的濕度值U_rh、氣壓傳感器的氣壓值U_b作為經(jīng)訓(xùn)練后的第二RBF神經(jīng)網(wǎng)絡(luò)的輸入時的該第二RBF神經(jīng)網(wǎng)絡(luò)的輸出逼近第二數(shù)據(jù)樣本集{U_y,U_t,U_rh,U_b,Δθ_y}中的各個第二數(shù)據(jù)樣本中的平面姿態(tài)測量傳感器的Y軸傾角值U_y的補(bǔ)償量Δθ_y)。

需要了解的是，經(jīng)過發(fā)明人的多次實驗，當(dāng)徑向基函數(shù)的分布密度設(shè)置為0.5，訓(xùn)練次數(shù)設(shè)置為25次時，能夠保證算法較快的收斂速度，訓(xùn)練結(jié)果可以將誤差補(bǔ)償精度提高2個數(shù)量級(即，誤差百分比下降2個數(shù)量級)。

式(2)是隱含層神經(jīng)元所使用的高斯徑向基函數(shù)，是輸入層和隱含層之間的轉(zhuǎn)換函數(shù)，

其中，t_i為高斯函數(shù)的中心，σ_i為方差，X_k為任一訓(xùn)練樣本，即X_k＝[x_k1,…x_k％…x_kM]。

隱含層到輸出層的轉(zhuǎn)換函數(shù)使用如式(3)所示的線性函數(shù)，

其中w_ij表示的是隱含層第i個神經(jīng)元與輸出層第j個神經(jīng)元的連接權(quán)值。

上述訓(xùn)練過程實現(xiàn)了對式(4)表示的曲線的最佳逼近。

其中，Δθ_x，Δθ_y分別表示X軸角度的補(bǔ)償量和Y軸角度的補(bǔ)償量，U_x、U_y表示傾角傳感器補(bǔ)償前的X軸和Y軸的輸出量，U_t表示溫度傳感器的輸出量，U_rh表示濕度傳感器的輸出量，U_b表示氣壓傳感器的輸出量，f和g表示輸入量與補(bǔ)償量之間的映射關(guān)系。

這種映射關(guān)系是一種非線性的映射關(guān)系，若要用現(xiàn)有的數(shù)學(xué)工具準(zhǔn)確找到四元函數(shù)的映射關(guān)系難度非常大，并且補(bǔ)償效果也欠佳。找到一種能夠以較高精度逼近這種映射關(guān)系，并且運算速度快的補(bǔ)償算法是研究的重點。

經(jīng)過比較分析發(fā)現(xiàn)，首先，RBF神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成，由輸入層到隱含層主要完成的是非線性變換，從隱含層到輸出層主要完成的是線性變換。其次，RBF神經(jīng)網(wǎng)絡(luò)是一種性能優(yōu)良的前向無反饋網(wǎng)絡(luò)，不僅學(xué)習(xí)速度快，而且能夠克服局部極小問題，已經(jīng)廣泛應(yīng)用于實時控制、數(shù)據(jù)分類等方面。因此，基于徑向基函數(shù)RBF的神經(jīng)網(wǎng)絡(luò)算法來進(jìn)行函數(shù)逼近是最佳選擇。

步驟3：數(shù)據(jù)采集模塊實時采集包含平面姿態(tài)測量傳感器的X軸實時傾角值U_xr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)，以及包含平面姿態(tài)測量傳感器的Y軸實時傾角值U_yr、溫度傳感器的實時溫度值U_tr、濕度傳感器的實時濕度值U_rhr、氣壓傳感器的實時氣壓值U_br的第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)且輸出該第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)和第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)。

此時，傾角傳感器模塊將X軸和Y軸的傾角值傳遞給AD轉(zhuǎn)換模塊AD7705，AD7705再將兩軸的模擬信號轉(zhuǎn)換成數(shù)字信號傳遞給STM32，溫度傳感器、濕度傳感器和氣壓傳感器將被測物體周圍的環(huán)境參數(shù)傳遞給STM32，此時不知道真實Δθ_y。

步驟4：X軸傾角補(bǔ)償模塊使用訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)中的X軸實時傾角值U_xr的當(dāng)前補(bǔ)償量Δθ_xr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc；以及，Y軸傾角補(bǔ)償模塊使用訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)參數(shù)來獲取針對第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)中的Y軸實時傾角值U_yr的當(dāng)前補(bǔ)償量Δθ_yr并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc。

將第一實時數(shù)據(jù)(U_xr,U_tr,U_rhr,U_br)輸入訓(xùn)練好的第一RBF神經(jīng)網(wǎng)絡(luò)，就可以根據(jù)式(2)和式(3)獲得X軸傾角值當(dāng)前的補(bǔ)償量Δθ_xr，并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腦軸傾角值U_xc。

將第二實時數(shù)據(jù)(U_yr,U_tr,U_rhr,U_br)輸入訓(xùn)練好的第二RBF神經(jīng)網(wǎng)絡(luò)，就可以根據(jù)式(2)和式(3)獲得Y軸傾角當(dāng)前的補(bǔ)償量Δθ_yr，并對其進(jìn)行補(bǔ)償，從而獲得經(jīng)補(bǔ)償?shù)腨軸傾角值U_yc。

為了使本領(lǐng)域的技術(shù)人員更清楚地理解本發(fā)明，下面將給出更具體的實施例。

圖4是根據(jù)本發(fā)明的第一種平面姿態(tài)測量傳感器的環(huán)境補(bǔ)償裝置的一個具體實施例的示意框圖。

如圖4所示，該環(huán)境補(bǔ)償裝置主要由9部分組成，分別是電源模塊、傾角傳感器模塊SCA100T-D02、AD轉(zhuǎn)換模塊AD7705、基準(zhǔn)電壓模塊、中央處理器STM32、溫度傳感器模塊、濕度傳感器模塊、氣壓傳感器模塊和通訊模塊。如上文所述，數(shù)據(jù)采集模塊可以包括溫度傳感器模塊、濕度傳感器模塊、氣壓傳感器模塊。

圖4中的AD轉(zhuǎn)換模塊使用是AD7705芯片，該芯片是可編程的完整16位的高精度AD轉(zhuǎn)換芯片，具有高分辨率，動態(tài)范圍寬，自校準(zhǔn)，抗噪聲能力強(qiáng)以及低功耗等特點，這些優(yōu)良的特性能夠保證該環(huán)境補(bǔ)償裝置的測量精度。另外，溫度傳感器使用的是DS18B20芯片，濕度傳感器使用的是DHT11芯片，氣壓傳感器使用的是BMP180芯片，這三個模塊可以實時的將外界環(huán)境的溫度、濕度和氣壓數(shù)據(jù)傳遞到中央處理器STM32中，在STM32中通過相應(yīng)的補(bǔ)償算法進(jìn)行姿態(tài)測量數(shù)據(jù)的校正；測量和校正后的最終數(shù)據(jù)可以通過通訊接口傳遞到上位機(jī)中。

需要注意的是，在使用該裝置之前，要掌握傾角傳感器模塊SCA100T-D02的正確安裝方法，不正確的安裝會導(dǎo)致測量角度誤差大。傾角傳感器模塊可以水平安裝，也可以垂直安裝，但是在安裝的時候，主要注意兩點，要保證“兩面”和“兩線”的正確安裝?！皟擅妗笔侵竷A角傳感器的安裝面與被測物體的安裝面必須緊密、平整、穩(wěn)定，如果安裝面不平容易造成傳感器測量角度產(chǎn)生誤差，最終可能會產(chǎn)生不可預(yù)料的損失。“兩線”是指傳感器的軸線與被測面的軸線平行，兩軸線不能有夾角產(chǎn)生。

圖5是本發(fā)明的環(huán)境補(bǔ)償裝置所使用的傾角傳感器模塊的安裝方式的示意圖。圖5的上部是“兩面”安裝的示意圖，左側(cè)為錯誤安裝方式，右側(cè)為正確安裝方式。圖5的下部是“兩線”安裝的示意圖，左側(cè)為錯誤安裝方式，右側(cè)為正確安裝方式。

圖4中的中央處理器STM32對各個傳感器所采集的信息(即，數(shù)據(jù))進(jìn)行處理。STM32是姿態(tài)信號(即，傾角傳感器模塊SCA100T-D02所測量的傾角數(shù)據(jù))、溫度信號(即，溫度傳感器模塊所測量的溫度數(shù)據(jù))、濕度信號(即，濕度傳感器模塊所測量的濕度數(shù)據(jù))和氣壓信號(即，氣壓傳感器模塊所測量的氣壓數(shù)據(jù))的處理中心。

圖6是本發(fā)明的環(huán)境補(bǔ)償方法的一個示例性實施例的示意圖。

如圖6所示，本發(fā)明的環(huán)境補(bǔ)償方法的示例性實施例包括以下步驟：

圖4所示的裝置上電后，傾角傳感器模塊SCA100T-D02、AD轉(zhuǎn)換模塊、溫度傳感器模塊、濕度傳感器模塊和氣壓傳感器模塊進(jìn)行初始化。

傾角測量模塊(即，傾角傳感器模塊)將被測物體的姿態(tài)參數(shù)傳遞給AD轉(zhuǎn)換模塊AD7705，當(dāng)AD7705轉(zhuǎn)換結(jié)束后通過SPI總線將數(shù)據(jù)傳遞給環(huán)境補(bǔ)償器(即，STM32)；此時，溫度傳感器模塊、濕度傳感器模塊和氣壓傳感器模塊也在實時的采集周圍的溫度、濕度和氣壓，并將這三個參數(shù)(即，數(shù)據(jù))也傳遞給環(huán)境補(bǔ)償器，環(huán)境補(bǔ)償器采集到這四個參數(shù)后，進(jìn)行運算，最后將得到的結(jié)果通過通訊接口發(fā)送到上位機(jī)或者其他系統(tǒng)中，從而結(jié)束環(huán)境補(bǔ)償過程(對應(yīng)于上文中的步驟3和步驟4)。

圖7是可以應(yīng)用本發(fā)明的環(huán)境補(bǔ)償裝置的塔式起重機(jī)的示意圖。在圖7中給出了傾角傳感器的安裝位置和狀態(tài)監(jiān)測位置(即，上文所述的處理器模塊的位置)，如圖7所示，二者可以是分離的。

隨著建筑業(yè)的發(fā)展，如圖7所示的塔式起重機(jī)(塔吊)得到了普遍的應(yīng)用，但其高空作業(yè)特點導(dǎo)致傾翻事故時有發(fā)生，容易造成人員傷亡和財產(chǎn)損失。發(fā)生傾翻事故的原因有很多，比如塔吊在吊裝過程中斜拉斜拽、吊裝過程中掛住腳手架或重物捆扎不牢、重物突然卸載使塔機(jī)后傾力突然增大等。

目前，塔吊上安裝的安全限位裝置主要有重量限位器、起重力矩限位器、幅度限位器等，雖然塔機(jī)上安裝有安全限位裝置，但檢查不到某些隱患，在特定情況下使得危險因素加劇，最終導(dǎo)致塔身傾角過大引起塔機(jī)傾翻。所以，在塔吊上安裝一個性能優(yōu)異的姿態(tài)測量裝置就可以有效地檢測塔身在使用之前及使用過程中傾角的大小，當(dāng)傾角大于某一臨界狀態(tài)時及時報警可以有效的預(yù)防塔機(jī)傾翻事故的發(fā)生。但是塔吊長年累月的在室外工作，經(jīng)常會有工作環(huán)境十分惡劣的時候，要保證姿態(tài)測量裝置在這種特殊的工作環(huán)境下也能保證測量精度高、通信可靠、抵抗環(huán)境影響。

考慮到根據(jù)本發(fā)明的上述裝置和方法采用RBF神經(jīng)網(wǎng)絡(luò)算法對角度傳感器進(jìn)行環(huán)境補(bǔ)償，使得測量精度可以提高兩個數(shù)量級；在環(huán)境惡劣的情況下，該裝置仍然保證測量的精度；該裝置安裝方法簡單、抗干擾能力強(qiáng)、體積小、維護(hù)方便，能夠大大減輕工作人員的負(fù)擔(dān)。因此，本發(fā)明所研制的帶有環(huán)境補(bǔ)償?shù)淖藨B(tài)測量裝置完全可以滿足塔吊的使用要求，可以大大提高塔吊的安全系數(shù)。

需要注意的是，如上文結(jié)合圖5所描述的，要按照正確安裝方式來安裝姿態(tài)測量模塊(即，傾角傳感器模塊)。姿態(tài)測量裝置的安裝位置見圖7并且要將其安裝在塔吊的主肢上。另外，為了減少數(shù)據(jù)傳輸距離所帶來的影響，安裝位置要盡量靠近檢測站；在現(xiàn)場安裝的時候，要注意‘兩線’和‘兩面’的正確位置。

圖8是結(jié)合本發(fā)明的環(huán)境補(bǔ)償裝置的監(jiān)測系統(tǒng)的示意圖。圖8示出了環(huán)境補(bǔ)償裝置可以將補(bǔ)償后的測量數(shù)據(jù)發(fā)送給監(jiān)測系統(tǒng)(即，監(jiān)測站)，當(dāng)測量的角度不在允許的范圍內(nèi)時，監(jiān)測系統(tǒng)發(fā)出警告提醒工作人員采取相應(yīng)的措施來消除隱患。

可選擇地，環(huán)境補(bǔ)償裝置可以也采用高性能、低成本、低功耗的單片機(jī)來進(jìn)行數(shù)據(jù)的采集處理。本發(fā)明中的溫度傳感器、濕度傳感器和氣壓傳感器都可以采用單總線的數(shù)據(jù)傳輸方式，從而能夠快速地將所測得的數(shù)據(jù)傳輸給單片機(jī)；另外，對于角度測量部分采用外置的高精度、高速AD轉(zhuǎn)換芯片，該芯片將傾角傳感器傳輸出來的模擬量實時轉(zhuǎn)換成單片機(jī)可以處理的數(shù)字量，當(dāng)角度信號、溫度信號、濕度信號和氣壓信號采集過來后，單片機(jī)內(nèi)部通過RBF神經(jīng)網(wǎng)絡(luò)算法自學(xué)習(xí)進(jìn)行相應(yīng)的補(bǔ)償，再將補(bǔ)償后的數(shù)據(jù)通過通信總線傳輸?shù)奖O(jiān)測站中。當(dāng)測量的角度不在允許的范圍內(nèi)時，監(jiān)測系統(tǒng)發(fā)出警告提醒工作人員采取相應(yīng)的措施來消除隱患。

通過上述步驟，可以有效檢測塔吊相對于地面的角度。更為特別的是，即使在溫度、濕度和氣壓變化很大的情況下，該裝置也能夠保證測量的精度，從而能夠防止塔吊發(fā)生傾倒事故。實際應(yīng)用表明，該裝置不僅能夠快速、高效地完成塔吊傾斜角度的測量，而且還具有測量操作簡單、設(shè)備維護(hù)成本低等優(yōu)點。

根據(jù)本發(fā)明的上述技術(shù)方案，具有以下有益效果：

首先，通過引入溫度檢測、濕度檢測和氣壓檢測，實時地把這三個參數(shù)通過總線傳輸?shù)教幚砥髦小Ｌ幚砥鞲鶕?jù)這些參數(shù)的變化，對姿態(tài)測量傳感器的輸出的傾角值做出相應(yīng)的補(bǔ)償，輸出更精確的傾角值。

其次，本發(fā)明的傾角測量模塊采用3D-MEMS傳感器，能夠在信號傳輸前放大信號以提高信號水平，減少干擾和傳輸?shù)脑肼?；因為其?nèi)部集成了補(bǔ)償電路，可降低由溫度或者由應(yīng)變等因素引起的誤差，具有一定的自校準(zhǔn)和自診斷能力。

第三，該裝置可以補(bǔ)償溫度、濕度和氣壓對測量結(jié)果帶來的影響，即使在環(huán)境惡劣，但又要求有較高測量精度的場合也可以放心使用。

第四，該裝置集成度很高，結(jié)構(gòu)緊湊，測量過程簡單、快捷，可以在很大程度上降低操作的難度，減輕了工作人員的負(fù)擔(dān)。

以上所述，僅為本發(fā)明示例性的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。