车辆时序事件挖掘方法、装置、设备及存储介质与流程

1.本发明属于车辆数据处理技术领域，尤其涉及一种车辆时序事件挖掘方法、装置、设备及存储介质。


背景技术：

2.目前，汽车已成为人们日常生活中不可缺少的交通器具。。随着人们用汽车的数量越来越大，关于汽车的故障问题也越来越严重。至此，汽车修理业开始发展，以确保汽车能够安全运行，为人们的生活带来许多便利。但这个行业仍然存在很多缺陷。
3.汽车故障自诊断系统在针对汽车故障的检测时不能完全检测出来。也就是说汽车故障自诊断系统在汽车的安全运行的是不精准的，可能让汽车故障出现进一步恶化的情况。


技术实现要素：

4.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种车辆时序事件挖掘方法、装置、设备及存储介质。
5.为了解决上述技术问题，本发明的实施例提供如下技术方案：
6.一种车辆时序事件挖掘方法，包括：
7.基于异常事件，确定待挖掘处理的事件集；
8.对所述待挖掘处理的事件集进行处理，获取处理结果；
9.基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集；
10.将所述频繁发生的时间序列集，确定为所述异常事件的时序时序关联事件集。
11.可选的，所述基于异常事件，确定待挖掘处理的事件，包括：
12.确定所述异常事件发生的时间；
13.基于所述异常事件发生的时间，确定目标时间段；
14.将所述目标时间段内发生的事件确定为所述待挖掘处理的事件集。
15.可选的，所述对所述待挖掘处理的事件集进行处理，获取处理结果，包括：
16.对所述待挖掘处理的事件集进行时序时序分层排列，获取时序分层排列的结果。
17.可选的，所述对所述待挖掘处理的事件集进行时序分层排列，获取时序分层排列的结果，包括：
18.基于预设算法确定所述待挖掘处理的事件集中的任意两个待挖掘处理的事件是否为同时发生；
19.若两个所述待挖掘处理的事件是同时发生，则两个所述待挖掘处理的事件的时间序列相同；
20.基于时间序列，获取时序分层排列的结果；其中，所述时序分层排列的结果为时间序列集。
21.所述预设算法包括重合度算法或起始时间差值算法。
22.可选的，所述基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集包括：
23.所述前缀投影算法基于支持度阈值对所述时间序列集进行处理；
24.将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列；
25.基于所述目标时间序列，获取所述频繁发生的时间序列集。
26.可选的，所述前缀投影算法基于预设的支持度阈值对所述时间序列集进行处理，包括：
27.预设第i长度为一的前缀；其中，i为正整数；
28.所述前缀投影基于所述第i长度为一的前缀，获取包含所述第i长度为一的前缀的第j子时间序列集；其中，j为正整数；
29.所述前缀投影对所述第j子时间序列集基于所述支持度阈值进行处理。
30.可选的，所述将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列，包括：
31.将所述第j子时间序列集的支持度大于等于所述支持度阈值的所述时间序列，确定为第j子目标时间序列。
32.可选的，基于所述目标时间序列，获取所述频繁发生的时间序列集，包括：
33.基于所述第j子目标时间序列、第j 1子目标时间序列以及第j 2子目标时间序列，获取所述频繁发生的时间序列集。
34.本发明的实施例还提供一种车辆时序事件挖掘装置，包括：
35.第一确定模块，用于基于异常事件，确定待挖掘处理的事件集；
36.获取模块，用于对所述待挖掘处理的事件集进行处理，获取处理结果；
37.处理模块，用于基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集；
38.第二确定模块，用于将所述频繁发生的时间序列集，确定为所述异常事件的时序关联事件集。
39.本发明的实施例还提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
40.本发明的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
41.本发明的实施例，具有如下技术效果：
42.本发明的上述技术方案，1)对异常事件出现的时间进行记录，并基于异常事件出现的时间，确定目标时间段，然后获取目标时间段内出现的事件，基于现有技术的对异常事件的处理，降低了工作人员的工作强度，提高了数据的精准度。
43.2)对获取的待挖掘处理的事件集基于时间进行时序分层排列，可以更精准、更迅速地确定异常件的关联事件。
44.3)基于前缀投影算法对获取的时间序列集进行处理，将支持度阈值满足支持度阈值的时间序列确定为频繁发生的时间序列，将支持度不满足支持度阈值的时间序列进行删
除，减小了计算量，实现了基于异常事件出现前的目标时间段内的时间序列的频繁出现的次数，确定时间序列与异常事件的关联性，也即将在异常事件出现前的目标时间段内的时间序列确定为异常事件的疑似原因。
45.4)可以基于获取的异常事件的关联事件，对异常进行分析，无需对非关联事件进行分析，大大减小了计算量，同时，可以基于对关联事件的异常分析结果进行及时精准地报警，减小用户的损失。
46.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
47.图1是本发明实施例提供的一种车辆时序事件挖掘方法的流程示意图；
48.图2是本发明实施例提供的一种车辆时序事件挖掘装置的结构示意图。
具体实施方式
49.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
50.在汽车的实际使用过程中会有不同的状态，不同的行为，发生不同的事件，在某些异常事件发生之前会有与其相关的事件发生的频率有别于正常情况下发生的频率，可以认为这种类型的事件与异常事件相关。
51.基于上述分析，本发明的实施例，提供一种车辆时序事件挖掘系统，包括：处理器、存储器以及报警器；
52.系统基于网络与多个车辆进行实时通信，以便于实时获取车辆运行数据，并存储至存储器中，用于实现后续数据处理的调用；
53.当车辆运行出现异常，则系统调用存储器中存储的异常事件出现前一段时间发生的事件集；
54.系统将调取的异常事件出现前一段时间发生的事件集，发送至处理器进行处理；
55.处理器基于预设算法模型对接受的事件集基于前缀以及支持度阈值进行处理，输出频繁发生的事件集；
56.处理器将输出的频繁发生的事件集反馈至系统；系统将频繁发生的事件集确定为异常事件的时序关联事件集；
57.系统可以基于时序关联事件集进行异常分析，确定异常的实际原因，并根据实际原因生成控制信号，然后将控制信号发送至报警器，用于控制报警器进行报警。
58.如图1所示，本发明的实施例提供一种车辆时序事件挖掘方法，应用于上述系统，包括：
59.步骤s1：基于异常事件，确定待挖掘处理的事件集；
60.具体的，所述基于异常事件，确定待挖掘处理的事件，包括：
61.确定所述(目标/待探究的)异常事件发生的时间；
62.基于所述异常事件发生的时间，确定目标时间段；
63.将所述目标时间段内发生的事件确定为所述待挖掘处理的事件集。
64.在实际应用场景中，系统实时获取多辆车辆的运行数据，以便于对车辆的异常事件进行实时处理，降低车辆异常对用户的影响。
65.具体的，预设目标时间段的时长，例如，一小时、两小时或30分钟等。
66.目标时间段的时长可以根据实际需要进行调整，本发明的实施例对此不做具体限定；
67.当系统获取异常事件，系统获取异常时间的时间戳，并根据异常事件的时间戳以及预设目标时间段的时长，确定目标时间段的起始时间。
68.系统获取目标时间段内的所有事件。
69.本发明的实施例，对异常事件出现的时间进行记录，并基于异常事件出现的时间，确定目标时间段，然后获取目标时间段内出现的事件，基于现有技术的对异常事件的处理，降低了工作人员的工作强度，提高了数据的精准度。
70.步骤s2：对所述待挖掘处理的事件集进行处理，获取处理结果；
71.具体的，所述对所述待挖掘处理的事件集进行处理，获取处理结果，包括：
72.对所述待挖掘处理的事件集进行时序分层排列，获取时序分层排列的结果。
73.进一步地，所述对所述待挖掘处理的事件集进行时序分层排列，获取时序分层排列的结果，包括：
74.基于预设算法确定所述待挖掘处理的事件集中的任意两个待挖掘处理的事件是否为同时发生；
75.若两个所述待挖掘处理的事件是同时发生，则两个所述待挖掘处理的事件的时间序列相同；
76.基于时间序列，获取时序分层排列的结果；其中，所述时序分层排列的结果为时间序列集。
77.所述预设算法包括重合度算法或起始时间差值算法。
78.具体的，将待挖掘处理的事件集按照待挖掘处理的事件集发生的时间先后顺序进行排序，通过发生时长重合度判定法或待挖掘处理的事件集发生的起始时间差值法来判断待挖掘处理的事件集中同时发生的事件，同时发生的占据同等的顺序位置。
79.例如：a,b,c,d四个事件，排列顺序为b,(a,c),d括号内的a事件和c事件即为同时发生的事件，占据同等的顺序位置，即括号内无序，时序分层排列可以按照需要自行定义层数，例如：两层，也可以三层(括号中还有括号)或者四层等等，本发明的实施例以两层为例。
80.进一步地，两个待挖掘处理的事件发生的时长除以两个事件中发生时间较短的事件的时长获取占比即为重合度，对于重合度超过阈值(比如百分之八十)的即是为两事件同时发生，并且计算新的(虚拟)起始时间(两事件起始时间的均值)和结束时间(两事件结束时间的均值)，获取新的(虚拟)事件时长。通过新的(虚拟)事件来继续对同时发生的事件并进行相同的操作，直到没有符合条件的事件。
81.在实际应用场景中，基于重合度算法，获取时序分层排列的结果；
82.具体的，获取每个待挖掘处理事件的起始时间戳以及停止时间戳，确定每个待挖掘处理事件的时长，预设重合度阈值为80％；
83.将待挖掘处理的事件集中的待挖掘处理的事件的时长进行两两比对，确定每两个
待挖掘处理事件的重合度，将每个重合度与重合度阈值进行比对，当重合度大于重合度阈值时，则将该重合度对应的两个待挖掘处理的事件确定为同时发生的两个事件；
84.然后，获取两个事件的起始时间戳的平均值，作为两个事件的新的起始时间；
85.获取两个事件的截止时间戳的平均值，作为两个事件的新的截止时间。
86.通过上述处理，获取第一子时间序列集；
87.基于重合度算法对第一子时间序列集进行处理，获取第二子时间序列集；
88.直到上一子时间序列集与下一子时间序列集的数据相同，则停止计算过程，并获得时序分层排列结果。
89.进一步地，当两事件发生的起始时间小于一定阈值的时候视为两事件同时发生并且计算新的(虚拟)起始时间(两事件起始时间的均值)并且根据新的(虚拟)起始时间来继续搜索同时发生的事件，直到没有满足条件的事件为止。
90.具体的，获取每个待挖掘处理事件的起始时间戳，确定每个起始时间戳的差值，预设差值阈值为30s(10s、20s等)；
91.将待挖掘处理的事件集中的待挖掘处理事件的起始时间戳进行两两比对，确定每两个起始时间戳的差值，将每个差值与差值阈值进行比对，当差值小于等于重差值阈值时，则将该差值对应的两个待挖掘处理的事件确定为同时发生的两个事件；
92.然后，获取两个事件的起始时间戳的平均值，作为两个事件的新的起始时间。
93.通过上述处理，获取第一子时间序列集；
94.基于重合度算法对第一子时间序列集进行处理，获取第二子时间序列集；
95.直到上一子时间序列集与下一子时间序列集的数据相同，则停止计算过程，并获得时序分层排列结果。
96.本发明的实施例，对获取的待挖掘处理的事件集基于时间进行时序分层排列，可以更精准、更迅速地确定异常件的关联事件。
97.步骤s3：基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集；
98.具体的，所述基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集包括：
99.所述前缀投影算法基于支持度阈值对所述时间序列集进行处理；
100.将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列；
101.基于所述目标时间序列，获取所述频繁发生的时间序列集。
102.其中，支持度阈值可以根据实际需要进行预设，例如：支持度的阈值可以为1、2或3等。
103.在实际应用场景中，预设支持度阈值为2。
104.进一步地，所述前缀投影算法基于预设的支持度阈值对所述时间序列集进行处理，包括：
105.预设第i长度为一的前缀；其中，i为正整数；
106.所述前缀投影基于所述第i长度为一的前缀，获取包含所述第i长度为一的前缀的第j子时间序列集；其中，j为正整数；
107.所述前缀投影对所述第j子时间序列集基于所述支持度阈值进行处理。
108.具体的，如表1所示，前缀为就是时间序列前面的一个子序列，例如：一个时间序列为《a(abc)(ac)d(cf)》,前缀不止一个，第一前缀可以是《a》,第二前缀是《aa》,第三前缀为《(ab)》等。
109.表1
110.前缀后缀(前缀投影)《a》《(abc)(ac)d(cf)》《aa》《(_bc)(ac)d(cf)》《ab》《(_c)(ac)d(cf)》
111.进一步地，所述将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列，包括：
112.将所述第j子时间序列集的支持度大于等于所述支持度阈值的所述时间序列，确定为第j子目标时间序列。
113.进一步地，基于所述目标时间序列，获取所述频繁发生的时间序列集，包括：
114.基于所述第j子目标时间序列、第j 1子目标时间序列以及第j 2子目标时间序列等，获取所述频繁发生的时间序列集。
115.具体的，目标时间序列可以包含多个不同前缀的子目标时间序列。
116.在实际应用场景中，例如：如表2所示，系统获取了4辆车辆的实时运行数据；其中，id为车辆的标识，lhg1、lhg2、lhg3、lhg4分别为4辆不同的车辆的标识。
117.a,b,c,d,e,f,g为待挖掘处理的事件，sequence为每辆车辆发生的待挖掘处理的事件按照时间顺序排列，括号内无序，视为同时发生。
118.表2
119.idsequencelhg1《a(abc)(ac)d(cf)》lhg2《(ad)c(bc)(ae)》lhg3《(ef)(ab)(df)cb》lhg4《eg(af)cbc》
120.本发明的实施例，预设支持度阈值为0.5，有4辆车辆，4乘以0.5等于2，所以频繁项要至少出现两次才满足要求。
121.首先，选取所有长度为一的前缀并且计算支持度，如表3所示，可知只有待挖掘处理的事件g不满足支持度阈值，只出现了1次，所以把g从所有的时间序列中都去掉(只有lhg4车包含事件g，去掉g之后的序列变成《e(af)cbc》)。表3
122.《a》《b》《c》《d》《e》《f》《g》4443331
123.如表4所示，为表3中每个前缀对应的后缀：
124.表4
[0125][0126]
然后，继续挖掘频繁发生的时间序列，具体的，分别从上述几个大于等于支持度阈值的后缀来挖掘，以《d》下面的后缀为例继续挖掘，其他前缀同理：
[0127]
表5
[0128]
《d》《d(cf)》《c(bc)(ae)》《(_f)cb》
[0129]
具体的，选取《d》后面所有长度为一的前缀，并且计算支持度，如表5所示：
[0130]
表5
[0131]
《a》《b》《c》《d》《e》《f》《_f》1230111
[0132]
基于表3，可知只有《b》跟《c》满足支持度阈值，继续挖掘，可得表6：
[0133]
表6
[0134]
《db》《dc》 《_f》《(_c)(ae)》《(bc)(ae)》 《b》
[0135]
基于表6，可知《db》只有一个后缀，都不满足支持度阈值，所以不再继续挖掘，继续挖掘《dc》：
[0136]
具体的，选取《dc》后面所有长度为一的前缀，并且计算支持度，如表7所示：
[0137]
《a》《b》《c》《e》《_f》12111
[0138]
只有《b》满足的支持度阈值，所以得到表8：
[0139]
表8
[0140]
《dcb》《(_c)(ace)》
[0141]
最后，在以d为前缀挖掘出来的频繁发生的时间序列集包括《d》,《db》,《dc》,《dcb》。
[0142]
本发明的实施例，基于前缀投影算法对获取的时间序列集进行处理，将支持度阈
值满足支持度阈值的时间序列确定为频繁发生的时间序列，将支持度不满足支持度阈值的时间序列进行删除，减小了计算量，实现了基于异常事件出现前的目标时间段内的时间序列的频繁出现的次数，确定时间序列与异常事件的关联性，也即将在异常事件出现前的目标时间段内的时间序列确定为异常事件的疑似原因。
[0143]
步骤s4：将所述频繁发生的时间序列集，确定为所述异常事件的时序关联事件集。
[0144]
具体的，系统在获取时序关联事件集以后，可以根据关联事件进行异常分析，获取异常分析结果；系统基于异常分析结果进行报警，并将异常分析结果发送至维修人员进行及时维修。
[0145]
本发明的实施例，可以基于获取的异常事件的关联事件，对异常进行分析，无需对非关联事件进行分析，大大减小了计算量，同时，可以基于对关联事件的异常分析结果进行及时精准地报警，减小用户的损失。
[0146]
如图2所示，本发明的实施例还提供一种车辆时序事件挖掘装置200，包括：
[0147]
第一确定模块201，用于基于异常事件，确定待挖掘处理的事件集；
[0148]
获取模块202，用于对所述待挖掘处理的事件集进行处理，获取处理结果；
[0149]
处理模块203，用于基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集；
[0150]
第二确定模块204，用于将所述频繁发生的时间序列集，确定为所述异常事件的时序关联事件集。
[0151]
可选的，所述基于异常事件，确定待挖掘处理的事件，包括：
[0152]
确定所述异常事件发生的时间；
[0153]
基于所述异常事件发生的时间，确定目标时间段；
[0154]
将所述目标时间段内发生的事件确定为所述待挖掘处理的事件集。
[0155]
可选的，所述对所述待挖掘处理的事件集进行处理，获取处理结果，包括：
[0156]
对所述待挖掘处理的事件集进行时序分层排列，获取时序分层排列的结果。
[0157]
可选的，所述对所述待挖掘处理的事件集进行时序分层排列，获取时序分层排列的结果，包括：
[0158]
基于预设算法确定所述待挖掘处理的事件集中的任意两个待挖掘处理的事件是否为同时发生；
[0159]
若两个所述待挖掘处理的事件是同时发生，则两个所述待挖掘处理的事件的排列顺序相同；
[0160]
基于时间序列，获取时序分层排列的结果；其中，所述时序分层排列的结果为时间序列集。
[0161]
所述预设算法包括重合度算法或起始时间差值算法。
[0162]
可选的，所述基于前缀投影算法对所述处理结果进行处理，确定频繁发生的时间序列集包括：
[0163]
所述前缀投影算法基于支持度阈值对所述时间序列集进行处理；
[0164]
将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列；
[0165]
基于所述目标时间序列，获取所述频繁发生的时间序列集。
[0166]
可选的，所述前缀投影算法基于预设的支持度阈值对所述时间序列集进行处理，
包括：
[0167]
预设第i长度为一的前缀；其中，i为正整数；
[0168]
所述前缀投影基于所述第i长度为一的前缀，获取包含所述第i长度为一的前缀的第j子时间序列集；其中，j为正整数；
[0169]
所述前缀投影对所述第j子时间序列集基于所述支持度阈值进行处理。
[0170]
可选的，所述将支持度大于等于所述支持度阈值的所述时间序列，确定为目标时间序列，包括：
[0171]
将所述第j子时间序列集的支持度大于等于所述支持度阈值的所述时间序列，确定为第j子目标时间序列。
[0172]
可选的，基于所述目标时间序列，获取所述频繁发生的时间序列集，包括：
[0173]
基于所述第j子目标时间序列、第j 1子目标时间序列以及第j 2子目标时间序列等，获取所述频繁发生的时间序列集。
[0174]
本发明的实施例还提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0175]
本发明的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
[0176]
另外，本发明实施例的装置的其他构成及作用对本领域的技术人员来说是已知的，为减少冗余，此处不做赘述。
[0177]
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0178]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0179]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0180]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0181]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0182]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0183]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0184]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。