基于云平台知识图谱的建筑物设备设施运维管理方法与流程

1.本发明涉及建筑物智能运维技术领域，尤其是涉及基于云平台知识图谱的建筑物内设备运维管理方法、系统及存储介质。


背景技术：

2.配电设备、暖通设备、消防设备、弱电设备等机电设备，在诸多类型的建筑物内广泛使用。如何进行规范性和正确性维护、以及维护中出现的问题怎么解决，关系着建筑物内设备的使用寿命和作业效果。
3.目前，建筑物内设备的检测维护主要由人工完成，且需要根据建筑需求培养不同的技术人员。这种维护方式，人工参与度较高，设备维护效率较低，运维成本也较高。而且，人工维护方式严重依赖于技术员的个人技术水准，也容易出现的无计划、无时效、无记录、无指导、无数据支撑等运维不规范的问题，容易出现维护作用甚微甚至起到反作用的情况。


技术实现要素：

4.本发明基于云平台知识图谱，通过多渠道收集运维数据，并针对各种设备运维过程中问题进行汇总整理，依托大数据为技术员提供运维指导，从而解决现有技术中建筑物内设备的检测维护效率低、运维不规范的技术问题。
5.本发明的第一个方面提供了基于云平台知识图谱的建筑物内设备运维管理方法，包括：
6.获取运维主体及运维主体内设备信息，运维主体为需要进行运维的建筑物；
7.对运维主体内设备进行状态检测，并计算偏离量，得到维护前状态信息；
8.基于知识图谱，构建运维主体内设备的运维模型，并利用运维主体内设备的历史运维数据对运维模型进行学习；
9.将运维前状态信息输入至运维模型中，得到维护方案信息；
10.按照维护方案信息进行维护作业，然后重新对运维主体内设备进行状态检测，得到维护后状态信息；
11.按照维护是否有效，对运维主体内设备的维护前状态信息、维护方案、维护过程、维护后状态信息进行标记，获得维护节点信息，对维护节点信息进行加密，并上传至云平台。
12.优选的，偏离量计算规则：确定每个运维主体内设备的指标的项数，根据运维模型确定每项指标的要素值；要素值表示指标对设备正常作业的影响，所有指标的要素值和为1；根据指标的要素值的比例关系，计算每项指标的偏离量。
13.优选的，构建运维主体内设备的运维模型，首先由第三方机构根据运维主体内设备构建运维模型框架，运维模型框架下放至具有该设备的多个运维主体；运维主体根据各自的历史运维数据对运维模型框架进行本地学习，得到中间态运维模型；第三方机构对多个运维主体回传的中间态运维模型进行融合与泛化，得到成熟的运维模型。
14.优选的，本地学习中，运维主体采用重复增量更新数据的方式对运维模型框架进行学习；每次有放回的随机选择n组历史运维信息作为训练数据集，然后基于训练数据集对运维主体内设备的每个指标分别进行预测，直至当前指标的预测结果准确率达到阈值；学习完成后，运维模型会为每个指标给出一个概率值，并将概率值最高的预测结果作为运维模型的输出结果。
15.优选的，模型泛化中，第三方机构根据运维主体的运维数据复杂度和设备规模度对运维模型泛化；运维数据复杂度，其与运维主体内设备的历史运维信息的运维次数、运维时间周期正相关；设备规模度，其与运维主体内设备的类型、数量信息正相关；最终，第三方机构将不同泛化程度的运维模型分别下方至运维主体。
16.优选的，标记规则，按照维护后建筑物内设备是否能够按照预设要求作业，标记维护后状态信息是否有效；若维护后状态信息证明无效，则标记维护方案信息的有效程度，即维护前状态信息与维护后状态信息之间的差距，完成标记，获得维护节点信息。
17.本发明的第一个方面提供了基于云平台知识图谱的建筑物设备设施运维管理系统，包括设备运维管理云平台端和多个运维主体端；设备运维管理云平台端包括物联接口、知识图谱、云空间三大部分，三者通过网络系统相互连接；知识图谱与云空间结合，其为一个数据库或者一个资料池；设备运维管理云平台端集成有数据存储、模型框架搭建、模型融合功能，其为每个运维主体端提供一个数据节点；运维主体端依靠运维模型在本地完成运维处理，并将维护过程中产生的运维数据通过区块链技术上传至设备运维管理云平台端。
18.优选的，设备运维管理云平台端包括：
19.信息获取单元，获取运维主体及运维主体内设备信息；
20.模型搭建单元，依据运维主体内设备信息，搭建运维模型框架；
21.模型融合单元，对多个运维主体上传的同一设备的运维模型进行融合；
22.模型泛化单元，根据运维主体内设备的历史运维信息的运维次数、运维时间周期，计算运维数据复杂度；根据运维主体内设备的类型、数量，计算设备规模度；根据运维主体的运维数据复杂度、设备规模度对融合后的运维模型进行泛化。
23.优选的，运维主体端包括：
24.状态检测单元，获取运维主体内设备的状态信息；
25.状态判断单元，根据运维主体内设备的状态信息判断设备是否符合正常工作状态；若符合，则设备不需要维护；若不符合，则计算偏离量，从而得到维护前状态信息；
26.模型学习单元，获取运维主体内设备的运维模型框架，并利用历史运维信息对运维模型框架进行学习，得到中间态运维模型；
27.方案计算单元，将维护前状态信息输入泛化后的运维模型中，输出维护方案信息；
28.数据处理单元，调用状态检测单元获取运维主体内设备的维护后状态信息，按照维护结果对维护前状态信息、维护方案信息、维护过程、维护后状态信息进行标记，得到维护节点信息，并加密上传至设备运维管理云平台端。
29.本发明的第三个方面提供了一种存储介质，其内存储有程序，程序用于实现基于云平台知识图谱的建筑物设备设施运维管理方法。
30.综上，本发明方案基于知识图谱，利用历史运维信息构建并学习设备的运维模型，运维时只需要把检测到的设备状态信息输入运维模型中，即可得到维护方案，显著提升了
后续维护操作的准确性、客观性和规范性。而且，运维模型针对运维主体进行了泛化设计，可保证维护方案最适合当前建筑物。此外，维护过程产生的数据还通过区块链技术回传至云平台，为后续建筑物内设备运维及相关研究的数据基础，也保证了数据的安全性。
附图说明
31.图1为本发明运维管理方法的流程示意图；
32.图2为本发明运维管理方法中获取电梯设备维护前状态信息的流程示意图；
33.图3为本发明运维管理方法中构建运维模型的流程示意图；
34.图4为本发明运维管理系统的结构示意图；
35.图5为本发明运维管理示例性电子设备的结构示意图。
具体实施方式
36.以下结合附图和实施例对本发明的技术方案作进一步说明。
37.本技术方案将需要进行运维的建筑物作为运维主体，基于云计算、vr、bim、物联网等技术，获取建筑物内设备当前的状态信息并将其作为维护前状态信息。基于知识图谱，依托运维主体的历史运维信息，构建建筑物内设备的运维模型。将维护前状态信息输入运维模型中即可得到准确的维护方案，根据该维护方案维护建筑物内设备。重新采集维护后的建筑物内设备的状态信息，并将其作为维护后状态信息。最后，将建筑物内设备的维护前状态信息、维护方案、维护过程和结果状态信息按照维护是否有效和有效程度等进行标记，基于云计算技术上传至设备运维云平台系统，作为后续建筑物内设备运维及相关研究的数据基础。
38.实施例1
39.如图1所示，本实施例提供了基于云平台知识图谱的建筑物设备运维管理方法。
40.s100：获取运维主体及其内设备信息。
41.运维主体即为需要运行维护的区域、位置、工作面等建筑物，其内采用了一种或多种，以及一个或多个的设备进行生产或研究作业。运维主体内设备信息包括设备类型与竖梁、设备参数、设备分布等信息。
42.s200：获取运维主体内设备的维护前状态信息。
43.运维主体内设备可为建筑运行中常用到的配电设备、暖通设备、消防设备、弱电设备等机电设备。运维时，对建筑物内设备进行定期检查后，获取的建筑物内设备全部/部分的作业参数信息，并将其作为维护前状态信息，该信息可反映建筑物内设备是否处于正常工作状态。
44.现有技术中，对于建筑物内设备的检测采用技术人员定期检测的方式进行检测，受制于技术人员的部分主观因素，例如检测位置和检测时间等，会导致检测参数精度不准的情况发生。本技术中，基于云计算、vr、bim、物联网等技术，采用设备、参数采集装置网络互联的方式进行建筑物内设备检测信息的采集。
45.以电梯为例，具体的采集工作如图2所示。
46.s210：获得电梯的基础产品信息，包括电梯的规格、型号、品牌、产地、生产日期，可反映电梯设备是否为合格产品。基础产品信息可通过采购信息提前录入设备运维云平台系
统，具体运维时直接调用即可。
47.s220：获得电梯的运载信息。运载信息指电梯载人载货的效果评估，包含负重、容量、电梯底板承受压力程度、最佳(加速度)运载量等指标数据，可通过物联网技术连接电梯控制系统进行采集与检测。
48.s230：获得电梯的运速信息。运速信息指制造厂家保证电梯正常运行的速度，可按照运行效率分为低速电梯、快速电梯、高速电梯、超高速电梯。运速信息可通过物联网连接的相关检测设备(如传感器)检测并计算获得。
49.s240：获得电梯的电机设备信息。电机设备信息指采用交流异步电动机还是采用永磁电动机驱动的无齿轮曳引机，决定了设备的使用寿命和能效，可通过物联网连接的相关检测设备检测并计算获得。
50.s250：判断基础产品信息、运载信息、运速信息和电机设备信息是否符合预设要求。若符合预设要求，则说明电梯当前运行正常，不需要维护，从而可直接生成维护前状态信息；若不符合预设要求，则说明电梯需要进行维护或者维修，需要需要进一步计算偏离量，然后才能生成维护前状态信息。
51.以运载信息为例，偏离量并非是理论运载效率和实际运载效率的差值，而是根据电梯的历史运维记录获得的，比较当前理论运载效率和实际运载效率的差值与历史运维记录的差值。若当前差值大于历史差值，则上述的偏离量信息极大。
52.s260：根据要素分配结果计算偏离量，生成电梯的维护前状态信息。具体地，将电梯的基础产品信息、运载信息、运速信息、电机设备信息分别输入云平台的多个知识图谱。知识图谱按照指标对电梯正常工作的影响程度，确定每个指标对应的要素值，且要素值之和为1。最后，对多个知识图谱输出的要素分配结果取平均值，从而获得最终的要素分配结果。然后采用要素分配结果计算偏离量，最终获得电梯的维护前状态信息。
53.上述过程结合云计算、大数据技术和要素分配方法形成的知识图谱，可获得准确的建筑物内设备的检测信息，并在状态异常时计算影响设备正常作业的指标偏离量，进而为后续的维护方案计算提供更为准确的数据基础。
54.s300：基于知识图谱，构建运维主体内设备的运维模型；
55.获得建筑物内设备的多组历史运维信息，历史运维信息以维护节点的方式存储，每个维护节点内均包含维护时间、维护前状态信息、异常类型、维护方案、维护后状态信息等数据。首先由可信的第三方机构设计运维模型框架。多个运维主体分别从该第三方机构下载运维模型框架，并采用各自的历史运维信息对运维模型框架进行学习。学习完成后，各运维主体在本地对中间态运维模型参数加密，然后将加密模型回传至第三方机构。第三方机构根据多组的中间态运维模型参数对模型融合与泛化，获得最终的运维模型。
56.(1)运维主体对运维模型框架学习
57.从当前运维主体的历史运维信息内有放回地随机选择多组运维信息进行学习，通过重复增量更新数据学习运维模型。每次抽取的多组运维信息可按照性能指标(异常类型等)划分为多个分类项，可对输入的维护前状态信息进行分类。
58.以电梯为例，每次抽取20组运维数据作为训练数据集，每个训练数据集可按照基础产品信息、运载信息、运速信息和电机设备信息分为四个分类项。模型学习时，针对每一个分类项(指标)，分为采用多组运维数据对模型训练，直至该分类项的预测结果准确率或
运维数据组数达到阈值。学习后的运维模型(即中间态运维模型)可针对每个分类项得到一个概率值，最后只需将概率值最高的预测结果作为运维模型的输出结果。
59.采用重复增量更新数据学习运维模型，能够根据输入的维护前状态信息获得最为准确的维护方案，且模型的拟合性能较好，不易出现过拟合或欠拟合的情况，提高运维方案的准确性，避免维护方案不生效或效果差的问题。
60.(2)第三方机构的运维模型更新与泛化。
61.s310：根据运维主体内设备的历史运维信息的运维次数、运维时间周期，计算运维数据复杂度。运维主体内设备的运维次数越多，且保持设备正常运行的运维时间周期越长，则该运维主体的运维数据复杂度信息越大。
62.s320：根据运维主体内设备的类型信息、数量信息，计算设备规模度。运维主体内设备的类型越复杂、数量越多，则该设备规模度信息越大。
63.s330：第三方机构根据多个运维主体上传的中间态运维模型的模型参数进行梯度更新，从而获得融合后的运维模型。
64.s340：第三方机构根据复杂度、规模度信息对运维模型进行泛化，最后将不同泛化程度的设备运维模型分别下方至对应的运维主体。
65.该过程通过采用大数据统计的自我学习，集合多个运维主体的历史运维数据，学习获得建筑物内设备的运维图谱，在数据交互的过程中保证各自的数据不被泄露，同时提升图谱的准确度和泛化性。
66.s400：将维护前状态信息输入运维模型，获得维护方案信息。
67.基于建筑物内设备的运维模型，将当前获得的建筑物内设备检测信息(即维护前状态信息)输入该建筑物内设备的运维模型内，即可得到维护方案信息。
68.维护方案包括根据该建筑物内设备检测信息对应的维修建筑物内设备的信息，示例性地，包括维修中央空调的冷凝器及其调节部分参数等。
69.s500：按照维护方案信息进行维护作业，然后重新检测建筑物内设备的状态信息，从而获得维护后状态信息。
70.具体而言，根据该维护方案信息进行对应建筑物内设备的维护作业。维护过后，理想状态下，建筑物内设备应恢复至正常工作的状态。为验证维护方案信息对应的维护行为是否有效，重新对建筑物内设备的状态进行检测。获得维护后状态信息，其包括正常运行/未正常运行、运行参数等信息。
71.s600：按照维护是否有效，对建筑物内设备本次的维护前状态信息、维护方案信息、维护过程和维护后状态信息进行标记，获得维护节点信息，对维护节点信息进行不对称加密，并上传至设备运维云平台系统。
72.运维主体基于区块链技术在各运维主体处构建异地的区块链节点，形成区块链，并构建设备运维云平台系统。设备运维云平台系统用于存储建筑物内设备的维护记录，以供所有运维主体及其内设备的生产厂家根据维护记录进行后续的运维和生产方面的优化等。且基于区块链技术，设备运维云平台系统内的数据无法被篡改或恶意读取，不存在数据的恶意修改。
73.标记规则，按照维护后建筑物内设备是否能够按照预设要求作业，标记维护后状态信息是否有效。若维护后状态信息证明无效，则进一步标记维护方案信息的有效程度，即
维护前状态信息与维护后状态信息之间的差距，完成标记，获得维护节点信息。
74.综上所述，本方法基于物联网技术采集建筑物内设备的状态信息，维护信息更准确，也降低建筑物内设备检测的人工参与度。采用模型学习，结合历史运维信息以及重复增量更新数据方式构建运维模型知识图谱，通过机器模型即可获得最匹配的维护方案，提升建筑物内设备运维的准确度和效率。本方法还在运维完成后，将相关信息通过区块链技术上传至设备运维云平台系统，作为后续运维和相关改进的数据基础，同时起到防篡改、数据保护的作用。
75.实施例2
76.如图1所示，本实施例提供了基于云平台知识图谱的建筑物设备运维管理系统，包括设备运维管理云平台端和多个运维主体端。如图5所示，设备运维管理云平台端包括物联接口、知识图谱、云空间三大部分，三者通过网络系统相互连接。知识图谱与云空间结合，其可以是一个数据库或者一个资料池。设备运维管理云平台端集成有数据存储、模型框架搭建、模型融合等功能，其为每个运维主体端提供一个数据节点。运维主体端依靠运维模型在本地完成运维处理，并将维护过程中产生的运维数据通过区块链技术上传至设备运维云平台端。
77.(1)设备运维管理云平台端
78.信息获取单元，获取运维主体及运维主体内设备信息。
79.模型搭建单元，根据运维主体内设备信息，搭建运维模型框架。
80.模型融合单元，对多个运维主体上传的同一设备的运维模型进行融合。
81.模型泛化单元，根据运维主体内设备的历史运维信息的运维次数、运维时间周期，计算运维数据复杂度；根据运维主体内设备的类型信息、数量信息，计算设备规模度；根据运维主体的复杂度、规模度对融合后的运维模型进行泛化。
82.(2)运维主体端
83.状态检测单元，获取运维主体内设备的状态信息。
84.状态判断单元，根据运维主体内设备的状态信息判断设备是否符合正常工作状态；若符合，则设备不需要维护；若不符合，则计算偏离量，从而得到维护前状态信息。
85.模型学习单元，获取运维主体内设备的运维模型框架，并利用历史运维信息对运维模型框架进行学习，得到运维模型。
86.方案计算单元，将维护前状态信息输入泛化后的运维模型中，输出维护方案信息。
87.数据处理单元，调用状态检测单元获取运维主体内设备的维护后状态信息，按照维护结果对维护前状态信息、维护方案信息、维护过程、维护后状态信息进行标记，得到维护节点信息，并加密上传至设备运维管理云平台端。
88.其中，状态判断单元的偏离量计算规则为：偏离量并非是理论运载效率和实际运载效率的差值，而是根据电梯的历史运维记录获得的，比较当前理论运载效率和实际运载效率的差值与历史运维记录的差值。若当前差值大于历史差值，则上述的偏离量信息极大。偏离量计算，根据运维主体内设备的指标对设备正常工作的影响程度，为每个指标赋予要素值，要素值之和为1。要素值的分配结果可从运维模型知识图谱获得，也可人为直接设定。给定基值后，通过要素值的比例关系即可计算出每项指标的偏离量。
89.其中，模型学习单元的学习规则为：针对每个运维主体内设备划分出若干个分类
项，然后通过有放回地随机选择n组历史运维信息。针对每个分类项，使用历史运维数据学习运维模型，直至运维模型对该分类项的预测结果准确率或历史运维数据组数达到阈值。运维模型在接收到维护前状态信息后，会自动针对每个分类项进行分析，最后将概率值最高的分类项的分析结果输出。
90.其中，数据处理单元的标记方法具体为：按照维护后建筑物内设备是否能够按照预设要求作业，标记维护后状态信息是否有效。若维护后状态信息证明无效，则进一步标记维护方案信息的有效程度，即维护前状态信息与维护后状态信息之间的差距，完成标记，获得维护节点信息。
91.实施例3
92.本实施例提供了一种计算机可读存储介质，所述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如实施例1的方法。
93.以上是本发明的具体实施方式，但本发明的保护范围不应局限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求书所限定的保护范围为准。

技术特征：
1.基于云平台知识图谱的建筑物内设备运维管理方法，其特征在于，包括：获取运维主体及运维主体内设备信息，运维主体为需要进行运维的建筑物；对运维主体内设备进行状态检测，并计算偏离量，得到维护前状态信息；基于知识图谱，构建运维主体内设备的运维模型，并利用运维主体内设备的历史运维数据对运维模型进行学习；将运维前状态信息输入至运维模型中，得到维护方案信息；按照维护方案信息进行维护作业，然后重新对运维主体内设备进行状态检测，得到维护后状态信息；按照维护是否有效，对运维主体内设备的维护前状态信息、维护方案、维护过程、维护后状态信息进行标记，获得维护节点信息，对维护节点信息进行加密，并上传至云平台。2.根据权利要求1所述的建筑物设备设施运维管理方法，其特征在于，偏离量计算规则：确定每个运维主体内设备的指标的项数，根据运维模型确定每项指标的要素值；要素值表示指标对设备正常作业的影响，所有指标的要素值和为1；根据指标的要素值的比例关系，计算每项指标的偏离量。3.根据权利要求1所述的建筑物设备设施运维管理方法，其特征在于，构建运维主体内设备的运维模型，首先由第三方机构根据运维主体内设备构建运维模型框架，运维模型框架下放至具有该设备的多个运维主体；运维主体根据各自的历史运维数据对运维模型框架进行本地学习，得到中间态运维模型；第三方机构对多个运维主体回传的中间态运维模型进行融合与泛化，得到成熟的运维模型。4.根据权利要求3所述的建筑物设备设施运维管理方法，其特征在于，本地学习中，运维主体采用重复增量更新数据的方式对运维模型框架进行学习；每次有放回的随机选择n组历史运维信息作为训练数据集，然后基于训练数据集对运维主体内设备的每个指标分别进行预测，直至当前指标的预测结果准确率达到阈值；学习完成后，运维模型会为每个指标给出一个概率值，并将概率值最高的预测结果作为运维模型的输出结果。5.根据权利要求3所述的建筑物设备设施运维管理方法，其特征在于，模型泛化中，第三方机构根据运维主体的运维数据复杂度和设备规模度对运维模型泛化；运维数据复杂度，其与运维主体内设备的历史运维信息的运维次数、运维时间周期正相关；设备规模度，其与运维主体内设备的类型、数量信息正相关；最终，第三方机构将不同泛化程度的运维模型分别下方至运维主体。6.根据权利要求1所述的建筑物设备设施运维管理方法，其特征在于，标记规则，按照维护后建筑物内设备是否能够按照预设要求作业，标记维护后状态信息是否有效；若维护后状态信息证明无效，则标记维护方案信息的有效程度，即维护前状态信息与维护后状态信息之间的差距，完成标记，获得维护节点信息。7.基于云平台知识图谱的建筑物设备设施运维管理系统，其特征在于，包括设备运维管理云平台端和多个运维主体端；设备运维管理云平台端包括物联接口、知识图谱、云空间三大部分，三者通过网络系统相互连接；知识图谱与云空间结合，其为一个数据库或者一个资料池；设备运维管理云平台端集成有数据存储、模型框架搭建、模型融合功能，其为每个运维主体端提供一个数据节点；运维主体端依靠运维模型在本地完成运维处理，并将维护过程中产生的运维数据通过区块链技术上传至设备运维管理云平台端。
8.根据权利要求7所述的建筑物设备设施运维管理系统，其特征在于，设备运维管理云平台端包括：信息获取单元，获取运维主体及运维主体内设备信息；模型搭建单元，依据运维主体内设备信息，搭建运维模型框架；模型融合单元，对多个运维主体上传的同一设备的运维模型进行融合；模型泛化单元，根据运维主体内设备的历史运维信息的运维次数、运维时间周期，计算运维数据复杂度；根据运维主体内设备的类型、数量，计算设备规模度；根据运维主体的运维数据复杂度、设备规模度对融合后的运维模型进行泛化。9.根据权利要求7所述的建筑物设备设施运维管理系统，其特征在于，运维主体端包括：状态检测单元，获取运维主体内设备的状态信息；状态判断单元，根据运维主体内设备的状态信息判断设备是否符合正常工作状态；若符合，则设备不需要维护；若不符合，则计算偏离量，从而得到维护前状态信息；模型学习单元，获取运维主体内设备的运维模型框架，并利用历史运维信息对运维模型框架进行学习，得到中间态运维模型；方案计算单元，将维护前状态信息输入泛化后的运维模型中，输出维护方案信息；数据处理单元，调用状态检测单元获取运维主体内设备的维护后状态信息，按照维护结果对维护前状态信息、维护方案信息、维护过程、维护后状态信息进行标记，得到维护节点信息，并加密上传至设备运维管理云平台端。10.一种存储介质，其内存储有程序，其特征在于，程序用于实现权利要求1-6任一项所述方法。

技术总结
本发明公开了基于云平台知识图谱的建筑物内设备运维管理方法和系统，包括：获取运维主体及其内设备信息，运维主体为需要运维的建筑物；对运维主体内设备进行状态检测，计算偏离量，得到维护前状态信息；基于知识图谱，构建运维主体内设备的运维模型，并利用历史运维数据对运维模型学习；将运维前状态信息输入至运维模型中，得到维护方案信息；按照维护方案信息进行维护作业，然后重新对运维主体内设备进行状态检测，得到维护后状态信息；按照维护是否有效，对本次维护数据进行标记，获得维护节点信息，将维护节点信息加密并上传至云平台。本发明采用上述方法，提高了运维工作效率，降低了人工作业强度，有助于建筑物维护的规范性和正确性。和正确性。和正确性。


技术研发人员：吴宁
受保护的技术使用者：德软科技（北京）有限责任公司
技术研发日：2023.05.19
技术公布日：2023/8/13