数据采集方法、装置、设备及介质.pdf

《数据采集方法、装置、设备及介质.pdf》由会员分享，可在线阅读，更多相关《数据采集方法、装置、设备及介质.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310606820.4(22)申请日 2023.05.26(71)申请人 中国银行股份有限公司地址 100818 北京市西城区复兴门内大街1号(72)发明人 雷蕾张宗洋刘慧敏赵晓燕叶靓璇季铖施玮琦夏苗苗王玉婷(74)专利代理机构 北京集佳知识产权代理有限公司 11227专利代理师 马小青(51)Int.Cl.H04W 40/20(2009.01)G06F 18/23213(2023.01)G06N 20/00(2019.01)(54)发明名称一种数据采集方法、装置、设备及介质(57)摘要本申。

2、请公开了一种数据采集方法、装置、设备及介质，涉及大数据领域或金融领域。该方法包括：首先，获取移动节点数据；其次，基于强化学习算法，根据移动节点数据生成目标移动轨迹；最后，根据目标移动轨迹，执行数据采集。由此，设计复杂度较低的轨迹规划算法，通过强化学习算法得到最佳数据采集路径，从而缩短数据采集时间、降低数据采集能耗、提升数据采集效率。权利要求书1页 说明书7页 附图2页CN 116614857 A2023.08.18CN 116614857 A1.一种数据采集方法，其特征在于，所述方法包括：获取移动节点数据；基于强化学习算法，根据所述移动节点数据生成目标移动轨迹；根据所述目标移动轨迹，执行数据采。

3、集。2.根据权利要求1所述的方法，其特征在于，所述获取移动节点数据，包括：基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据；收集任意数量个所述汇聚节点数据，以获取移动节点数据。3.根据权利要求2所述的方法，其特征在于，在所述基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据之前，所述方法还包括：基于K均值聚类算法，对网络模型中的节点进行分簇，以区分所述网络模型中的普通节点和汇聚节点。4.根据权利要求1所述的方法，其特征在于，所述移动节点数据包括运动方向；所述根据所述移动节点数据生成目标移动轨迹，包括：基于所述运动方向，持续对移动节点执行移动操作，所述移动节点的移动轨迹为目。

4、标移动轨迹。5.根据权利要求4所述的方法，其特征在于，所述持续对移动节点执行移动操作，包括：根据奖励机制，持续对所述移动节点执行移动操作，所述奖励机制包括停驻优先奖励机制和非停驻优先奖励机制，所述非停驻优先奖励机制对应的奖励函数与所述移动节点数据采集的数据率呈正相关。6.一种数据采集装置，其特征在于，所述装置包括：获取模块、生成模块和执行模块；所述获取模块，用于获取移动节点数据；所述生成模块，用于基于强化学习算法，根据所述移动节点数据生成目标移动轨迹；所述执行模块，用于根据所述目标移动轨迹，执行数据采集。7.根据权利要求6所述的装置，其特征在于，所述获取模块包括：第一获取子模块和第二获取子模块。

5、；所述第一获取子模块，用于基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据；所述第二获取子模块，用于收集任意数量个所述汇聚节点数据，以获取移动节点数据。8.根据权利要求6所述的装置，其特征在于，所述装置还包括：区分模块；所述区分模块，用于基于K均值聚类算法，对网络模型中的节点进行分簇，以区分所述网络模型中的普通节点和汇聚节点。9.一种数据采集设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，实现如权利要求1至5中任一项所述的方法的各个步骤。10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权。

6、利要求1至5中任一项所述的方法的各个步骤。权利要求书1/1 页2CN 116614857 A2一种数据采集方法、装置、设备及介质技术领域0001本申请涉及大数据领域或金融领域，特别涉及一种数据采集方法、装置、设备及介质。背景技术0002随着智能网点、智慧银行等概念的提出，无线传感器网络被认为是智能环境的核心技术。无线传感器网络能够以智能通信方式，交互建立一个智能网络。无线传感器网络中的传感器节点会产生大量数据，对上述数据进行收集是一个繁杂且能耗严重的任务。0003传统的无线传感器网络通过节点多跳的方式，周期性静态收集数据。然而，由于无线传感器网络中各个汇聚节点单位时间生成数据的速率具有随机性，。

7、以及数据汇集完成的时间也具有随机性等原因，导致周期性多跳数据采集机制的能耗较高，且采集效率较低。发明内容0004有鉴于此，本申请实施例提供了一种数据采集方法、装置、设备及介质，能够降低数据采集的能耗，提高数据采集的效率。0005本申请实施例公开了如下技术方案：0006第一方面，本申请提供了一种数据采集方法，所述方法包括：0007获取移动节点数据；0008基于强化学习算法，根据所述移动节点数据生成目标移动轨迹；0009根据所述目标移动轨迹，执行数据采集。0010可选的，所述获取移动节点数据，包括：0011基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据；0012收集任意数量个所述汇聚。

8、节点数据，以获取移动节点数据。0013可选的，在所述基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据之前，所述方法还包括：0014基于K均值聚类算法，对网络模型中的节点进行分簇，以区分所述网络模型中的普通节点和汇聚节点。0015可选的，所述移动节点数据包括运动方向；0016所述根据所述移动节点数据生成目标移动轨迹，包括：0017基于所述运动方向，持续对移动节点执行移动操作，所述移动节点的移动轨迹为目标移动轨迹。0018可选的，所述持续对移动节点执行移动操作，包括：0019根据奖励机制，持续对所述移动节点执行移动操作，所述奖励机制包括停驻优先奖励机制和非停驻优先奖励机制，所述非停驻优。

9、先奖励机制对应的奖励函数与所述移动节点数据采集的数据率呈正相关。0020第二方面，本申请提供了一种数据采集装置，所述装置包括：获取模块、生成模块说明书1/7 页3CN 116614857 A3和执行模块；0021所述获取模块，用于获取移动节点数据；0022所述生成模块，用于基于强化学习算法，根据所述移动节点数据生成目标移动轨迹；0023所述执行模块，用于根据所述目标移动轨迹，执行数据采集。0024可选的，所述获取模块包括：第一获取子模块和第二获取子模块；0025所述第一获取子模块，用于基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据；0026所述第二获取子模块，用于收集任意数量个所。

10、述汇聚节点数据，以获取移动节点数据。0027可选的，所述装置还包括：区分模块；0028所述区分模块，用于基于K均值聚类算法，对网络模型中的节点进行分簇，以区分所述网络模型中的普通节点和汇聚节点。0029第三方面，本申请提供了一种数据采集设备，包括：存储器和处理器；0030所述存储器，用于存储程序；0031所述处理器，用于执行所述计算机程序时实现上述数据采集方法的步骤。0032第四方面，本申请提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述数据采集方法的步骤。0033相较于现有技术，本申请具有以下有益效果：0034本申请公开了一种数据采集方。

11、法、装置、设备及介质，首先，获取移动节点数据；其次，基于强化学习算法，根据移动节点数据生成目标移动轨迹；最后，根据目标移动轨迹，执行数据采集。由此，设计复杂度较低的轨迹规划算法，通过强化学习算法得到最佳数据采集路径，从而缩短数据采集时间、降低数据采集能耗、提升数据采集效率。附图说明0035为更清楚地说明本实施例或现有技术中的技术方案，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申请的一些实施例，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他的附图。0036图1为本申请实施例提供的一种数据采集方法的流程图；0。

12、037图2为本申请实施例提供的一种数据采集装置的示意图；0038图3为本申请实施例提供的一种计算机可读介质的示意图；0039图4为本申请实施例提供的一种服务器的硬件结构示意图。具体实施方式0040本发明提供的一种数据采集方法、装置、设备及介质可用于物联网领域或金融领域。上述仅为示例，并不对本发明提供的一种数据采集方法、装置、设备及介质的应用领域进行限定。0041下面先对本申请所涉及的技术术语进行介绍。说明书2/7 页4CN 116614857 A40042Q学习(Qlearning)算法是一种与模型无关的强化学习算法，直接优化一个可迭代计算的Q函数，是一种基于学习、推理和信息共享的主动学习决策。

13、。即使存在多个约束和优化目标，也可能有助于实现网络端到端的目标。具体的，Q学习算法中有两个重要术语：“状态(state)”和“行为(action)”。Q即为Q(s，a)，就是在某一个时刻的state状态下，采取action动作能够获得收益的奖励。0043无线传感器网络(Wireless SensorNetworks,WSN)能够以智能通信方式交互建立一个智能网络，从而产生一个能处理用户随机需求的应用程序，基于移动收集器的无线传感器网络结构大多由静态节点组成，这些节点密集地分布在传感器区域内，并有少量动态传感器节点利用移动性来解决无线传感器网络中的数据收集问题。无线传感器网络中的传感器节点会产生。

14、大量数据，对上述数据进行收集是一个繁杂且能耗严重的任务。0044传统的无线传感器网络通过节点多跳的方式，周期性静态收集数据。然而，由于无线传感器网络中各个汇聚节点单位时间生成数据的速率具有随机性，以及数据汇集完成的时间也具有随机性等原因，导致周期性多跳数据采集机制的能耗较高，且采集效率较低。0045有鉴于此，本申请提供了一种数据采集方法、装置、设备及介质，首先，获取移动节点数据；其次，基于强化学习算法，根据移动节点数据生成目标移动轨迹；最后，根据目标移动轨迹，执行数据采集。由此，设计复杂度较低的轨迹规划算法，通过强化学习算法得到最佳数据采集路径，从而缩短数据采集时间、降低数据采集能耗、提升数据。

15、采集效率。0046为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。0047参见图1，该图为本申请实施例提供的一种数据采集方法的流程图。该方法包括：0048S101：获取无线传感器网络中的移动节点数据。0049在大规模的无线传感器网络中，可以通过距离远近将分布在无线传感器网络中的节点划分未一个个簇群。每个簇群中有大量的普通节点，以及一个汇聚节点。。

16、具体的，汇聚节点指的是负责收集该簇内其他节点的数据并作为传感器网与外网(如gprs，inteet等)的连接的节点，可看作网关节点。所有节点都可以感知、收集、融合、发送数据。0050在一些具体的实现方式中，可以利用K均值聚类算法对传感器节点进行分簇，即，可以基于K均值聚类算法首先将所有节点分为K组，然后选择K个对象作为汇聚节点，随后计算每个普通节点与汇聚节点之间的欧式距离，把每个普通节点分配至距离最近的汇聚节点。0051被划分的一个个簇群，由于簇群的规模不大且簇群内节点距离较近，因此汇聚节点采用多跳方式收集簇内普通节点产生的数据。而由于各个汇聚节点之间的距离通常较大，因此不再使用多跳的方式进行数。

17、据采集，而是由移动节点收集各个汇聚节点的数据。具体的，多跳(multihop)指的是在无线多跳网络中，任何无线设备点都可以同时作为无线接入点(AP，Access Point)和路由器，网络中的每个节点都可以发送和接受信号，每个节点都可以与一个或多个对等节点进行直接通信，这种网络称为多跳网络。也可以这样理解，即信息的传输是通过链路上的多个节点转发完成的，每个节点都可以与一个或者多个对等节点进行直接通信，多跳就是多次转发。说明书3/7 页5CN 116614857 A50052在一些具体的实现方式中，上述移动节点数据可以是数据采集的数据率Ri、移动节点位置和运动方向等。需要说明的是，对于具体的移动。

18、节点数据，本申请不做限定。其中，数据率Ri指的是执行节点移动的数据量的大小除以数据汇集完成时间。0053需要说明的是，上述移动节点具有数据采集功能，且有很大的内存空间进行数据存储。移动节点未知汇聚节点的具体位置信息，只有在多次执行采集操作后才能观察到能耗及有效数据收集情况。0054S102：基于强化学习算法，根据移动节点数据生成最佳移动轨迹。0055移动节点以恒定速度在无线传感器网络中移动，上述移动节点的移动能耗为Ef，采集数据时产生的停驻能耗为Eh。为了最大化数据传输能量和能量消耗(即移动能耗和停驻能耗之和)的比值，也就是为了提高传输的效率、减小能量损耗，可以基于强化学习算法，依次确定移动节。

19、点每个状态的动作执行策略，对移动节点执行移动行为，从而生成目标移动轨迹。可以理解的是，该目标移动轨迹为最佳移动轨迹，为便于理解，后续使用“最佳移动轨迹”展开说明。0056示例性的，应用强化学习算法可以是Q学习算法。具体的，Q学习算法是一种与模型无关的强化学习算法，直接优化一个可迭代计算的Q函数，是一种基于学习、推理和信息共享的主动学习决策。为便于理解，后文将以应用强化学习算法为Q学习算法为例展开说明。0057为了便于迭代推导，可以将移动节点采集数据的总过程分为T个时隙，每个采集数据的周期开始时，汇聚节点都需要先更新其数据率Ri的大小，并更新至移动节点处，以便移动节点对上述移动节点信息进行更新。。

20、0058需要说明的是，在上述移动节点数据中，移动节点位置为强化学习的状态集，移动节点的行为为强化学习的动作集。0059其中，状态集指的是将移动节点的状态位置离散化，在每次移动节点改变位置状态后，对该移动节点所在的最新状态位置进行判定，将最新状态位置划分到所属的状态集，以便于Q表的更新。0060动作集中包括九个动作，即中心、东、南、西、北、东南、东北、西南、西北。在环境中，一个关卡(episode)意味着移动节点完成了一轮数据采集。由于移动节点匀速移动，我们只需要确定方向，即可得知移动节点的数据采集轨迹。0061在每轮采集开始时，移动节点对各个汇聚节点的位置都是未知的，但是可以通过接受各个汇聚节。

21、点的反馈来获取每个行为的好坏。每步执行某个策略后，收到来自汇聚节点的反馈，将被用作更新Q表的即时奖励，奖励再将Q表进行更新，从而确定在每个状态的下一步策略，重复该过程，直至找到最佳的数据采集路径。0062在一些具体的实现方式中，可以根据奖励机制，持续对移动节点执行移动操作，奖励机制分为两种情况：第一种是停驻优先奖励机制，第二种是非停驻优先奖励机制。0063停驻优先奖励机制指的是：若当前位置状态下移动节点到汇集完成时间最小的汇聚节点的飞行时间小于该节点的汇聚时间时，停驻动作奖励为rh，其他动作奖励为0。此时，移动节点不移动，等待下一个周期的更新。0064具体的，停驻优先奖励机制的奖励函数r可以如。

22、下公式(1)所示：0065rrh(1)0066其中，r为奖励函数，rh为停驻动作奖励。说明书4/7 页6CN 116614857 A60067非停驻优先奖励机制的计算方法需要考虑最大化节点数据率Ri，同时最小化汇聚节点完成数据汇集时间。具体的，非停驻优先奖励机制的奖励函数r可以如下公式(2)所示：00680069其中，r为奖励函数，为任意常数，Ri为数据率，rs为完成时间。具体的，可以设置 为0.5。0070将当下移动节点状态的各汇聚节点完成时间进行升序排序T1(t),T2(t),.,Tn(t)，再将此序列进行归一化处理得到S1(t),S2(t),.,Sn(t)，从而与总数据量的数据集保持一致。

23、，便于奖励的计算。由此，上述完成时间rs的公式可以如下公式(3)所示：00710072其中，rs为完成时间，Si(t)为归一化处理函数，为动作集。0073S103：根据最佳移动轨迹，执行数据采集。0074综上所述，本申请公开了一种数据采集方法，首先，获取移动节点数据；其次，基于强化学习算法，根据移动节点数据生成最佳移动轨迹；最后，根据最佳移动轨迹，执行数据采集。由此，设计复杂度较低的轨迹规划算法，将移动节点采集时间和采集数据量归一化到奖励函数中，通过Q学习得到最佳数据采集路径，从而缩短数据采集时间、降低数据采集能耗、提升数据采集效率。0075参见图2，该图为本申请实施例公开的一种数据采集装置，。

24、该数据采集装置200包括：获取模块201、生成模块202和执行模块203。0076其中，获取模块201用于获取移动节点数据；生成模块202用于基于强化学习算法，根据移动节点数据生成目标移动轨迹；执行模块203用于根据目标移动轨迹，执行数据采集。0077在一些具体的实现方式中，上述获取模块201包括：第一获取子模块和第二获取子模块。第一获取子模块用于基于多跳方式，收集任意数量个普通节点数据，以获取汇聚节点数据；第二获取子模块，用于收集任意数量个汇聚节点数据，以获取移动节点数据。0078具体的，多跳(multihop)指的是在无线多跳网络中，任何无线设备点都可以同时作为无线接入点(AP，Acces。

25、s Point)和路由器，网络中的每个节点都可以发送和接受信号，每个节点都可以与一个或多个对等节点进行直接通信，这种网络称为多跳网络。也可以这样理解，即信息的传输是通过链路上的多个节点转发完成的，每个节点都可以与一个或者多个对等节点进行直接通信，多跳就是多次转发。0079在一些具体的实现方式中，上述数据采集装置200还包括：区分模块。区分模块用于基于K均值聚类算法，对网络模型中的节点进行分簇，以区分网络模型中的普通节点和汇聚节点。0080在一些具体的实现方式中，所述移动节点数据包括运动方向；那么，上述生成模块202具体包括：基于运动方向，持续对移动节点执行移动操作，移动节点的移动轨迹为目标移动。

26、轨迹。0081在一些具体的实现方式中，上述生成模块202可以具体用于：根据奖励机制，持续对移动节点执行移动操作，奖励机制包括停驻优先奖励机制和非停驻优先奖励机制，非停驻优先奖励机制对应的奖励函数与移动节点数据采集的数据率呈正相关。说明书5/7 页7CN 116614857 A70082综上所述，本申请公开了一种数据采集装置，该数据采集装置包括获取模块、生成模块和执行模块。由此，设计复杂度较低的轨迹规划算法，将移动节点采集时间和采集数据量归一化到奖励函数中，通过Q学习得到最佳数据采集路径，从而缩短数据采集时间、降低数据采集能耗、提升数据采集效率。0083本文中以上描述的功能可以至少部分地由一个或。

27、多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。0084参见图3，该图为本申请实施例提供的一种计算机可读介质的示意图。该计算机可读介质300上存储有计算机程序311，该计算机程序311被处理器执行时实现上述图1的数据采集方法的步骤。0085需要说明的是，本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质。

28、或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CDROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。0086需要说明的是，本申请上述的机器可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、。

29、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CDROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以。

30、采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。0087上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。0088参见图4，该图为本申请实施例提供的一种服务器的硬件结构示意图，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一。

31、个以上中央处理器(central processing units，CPU)422(例如，一个或一个以上处理器)和存储器432，一个说明书6/7 页8CN 116614857 A8或一个以上存储应用程序440或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。0089服务器400还可以包括一个或一个以。

32、上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口458，和/或，一个或一个以上操作系统441，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。0090上述实施例中由数据采集方法所执行的步骤可以基于该图4所示的服务器结构。0091还需要说明的，根据本申请的实施例，上述图1中的流程示意图描述的数据采集方法的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行上述图1的流程示意图中所示的方法的程序代码。009。

33、2尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。0093虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。0094以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。说明书7/7 页9CN 116614857 A9图1图2说明书附图1/2 页10CN 116614857 A10图3图4说明书附图2/2 页11CN 116614857 A11。