劉 偉 徐 強(qiáng) 賴澤豐

（珠海格力電器股份有限公司 珠海 519070）

引言

社會(huì)、企業(yè)、消費(fèi)者日益關(guān)注企業(yè)聲譽(yù)，各行業(yè)競爭日益加劇。傳統(tǒng)空調(diào)生產(chǎn)線的質(zhì)量檢測都是靠檢驗(yàn)人員耳聽、手摸、眼看等方式進(jìn)行，這些方式不僅會(huì)受檢驗(yàn)人員主觀因素及經(jīng)驗(yàn)差異性的影響，導(dǎo)致產(chǎn)品質(zhì)量檢測過程難以實(shí)現(xiàn)一致性和可靠性，而且會(huì)因?yàn)槿藷o法識(shí)別的原因?qū)е潞芏喈a(chǎn)品缺陷難以檢測，從而導(dǎo)致次品流入市場，給企業(yè)帶來巨大的損失。

為了解決上述問題，通過前期的技術(shù)探索，發(fā)現(xiàn)借助目前的人工智能技術(shù)手段才能夠徹底解決上述的問題，特提出通過聲紋特征對空調(diào)質(zhì)量進(jìn)行檢測的技術(shù)方案：

規(guī)劃檢測生產(chǎn)線：環(huán)形和臺(tái)站式生產(chǎn)線分內(nèi)機(jī)、外機(jī)共計(jì)4 條產(chǎn)線；

檢測的空調(diào)類型：主要針對家用外機(jī)、家用內(nèi)機(jī)和商用風(fēng)管內(nèi)機(jī)，本次按照1 000種空調(diào)類型進(jìn)行設(shè)計(jì)。故障分為四大類：風(fēng)葉碰響、氣流聲（液流聲）、管道碰撞、其它異響，見表1。

表1 故障分類明細(xì)表

1 總體實(shí)現(xiàn)功能

本文結(jié)合實(shí)際檢測需求進(jìn)行了實(shí)現(xiàn)功能的總體設(shè)計(jì)和規(guī)劃。

1.1 樣本存儲(chǔ)

在模型建立完成之后，通過在各質(zhì)量檢測點(diǎn)設(shè)置的聲音采集設(shè)備采集空調(diào)聲紋，并通過網(wǎng)線傳輸?shù)街鳈C(jī)上，由主機(jī)將聲音格式.wav提取為聲紋特征信息.mat，再通過模型判斷，打上標(biāo)簽之后，根據(jù)資源存儲(chǔ)分類原則，將該信息存放在模型訓(xùn)練集群存儲(chǔ)資源對應(yīng)的位置上。

其中按照內(nèi)機(jī)和外機(jī)、不同產(chǎn)品類型、不同故障類型進(jìn)行存儲(chǔ)；存儲(chǔ)聲音特征數(shù)據(jù)名稱為Product_ID_Fault_name_YY-MM-DD hh:mm:ss。

1.2 樣本可溯源

可溯源修改標(biāo)簽，在后續(xù)檢查中發(fā)現(xiàn)，由于某些標(biāo)簽的原因?qū)е履骋还收险`判逐漸增加，則可追溯分析，修改此類別標(biāo)簽。

1.3 存儲(chǔ)風(fēng)險(xiǎn)保護(hù)

音頻發(fā)送模塊發(fā)送音頻之后，若發(fā)送失敗，則認(rèn)為網(wǎng)絡(luò)傳輸故障，此時(shí)在界面顯示，并進(jìn)行聲音提醒。將采集得到的音頻信息，送入系統(tǒng)中，根據(jù)Flink架構(gòu)，將其分配到相應(yīng)的處理時(shí)間和相應(yīng)的處理模塊中去，模型空調(diào)的合格判斷，并輸出最終的判斷結(jié)果，得出產(chǎn)品是否合格或者故障類型，指出故障發(fā)生的空調(diào)器件,協(xié)助檢查人員對空調(diào)故障迅速定位檢查。

1.4 系統(tǒng)擴(kuò)展

在軟件設(shè)計(jì)初期，采用微服務(wù)架構(gòu)，保留需求和空調(diào)類型、空調(diào)故障類型擴(kuò)展接口，支持需求和空調(diào)類型、空調(diào)故障類型的擴(kuò)充，保證隨著業(yè)務(wù)的擴(kuò)展，系統(tǒng)能夠根據(jù)新的類型數(shù)據(jù)，進(jìn)行訓(xùn)練，得到新的涵蓋新的類型的訓(xùn)練模型，提高系統(tǒng)的擴(kuò)展性能。

1.5 系統(tǒng)總體框架圖設(shè)計(jì)

前端層基于目前前后端分離開發(fā)模式，快速構(gòu)建應(yīng)用系統(tǒng)。前端主要依托UI框架、WEB Framework、前端服務(wù)化、組件化以及快速腳手架的方式搭建前端應(yīng)用系統(tǒng)，通過AJAX技術(shù)，請求并接收后臺(tái)微服務(wù)化RESTFUL API的JSON數(shù)據(jù)，渲染前端功能。由于部署在生產(chǎn)車間，只需要支持應(yīng)用終端PC即可。

網(wǎng)關(guān)層（api-gateway）主要對外釋放微服務(wù)架構(gòu)所提供的相關(guān)服務(wù)，主要包括預(yù)測結(jié)果可視化api和業(yè)務(wù)分析api。來響應(yīng)和組合用戶不同場景的應(yīng)用系統(tǒng)。

服務(wù)化平臺(tái)主要是分布式微服務(wù)化架構(gòu)提供技術(shù)支持，實(shí)現(xiàn)認(rèn)證授權(quán)、服務(wù)注冊，保證系統(tǒng)的安全性。

基礎(chǔ)組件層：該層主要為系統(tǒng)平臺(tái)介于數(shù)據(jù)層之上的基礎(chǔ)組件，主要提供平臺(tái)日志記錄、監(jiān)控、數(shù)據(jù)訪問方式、配置中心、任務(wù)調(diào)度中心、消息中心、分布式緩存、全局唯一性標(biāo)識(shí)的底層技術(shù)支撐。為平臺(tái)提供全面容錯(cuò)策略。

存儲(chǔ)層：該層主要實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)方式的搭建，根據(jù)限定的存儲(chǔ)方式，容易驗(yàn)證和追查，并為模型的自適應(yīng)學(xué)習(xí)提供了數(shù)據(jù)的支撐。

DevOps平臺(tái)層：該層是平臺(tái)的開發(fā)和測試平臺(tái)，主要為平臺(tái)迭代構(gòu)建出高可用、擴(kuò)展性強(qiáng)、安全性強(qiáng)的快速開發(fā)測試及部署平臺(tái)，簡化相關(guān)環(huán)節(jié)流程，保障系統(tǒng)健壯持續(xù)發(fā)展。

容器網(wǎng)絡(luò)層：整個(gè)平臺(tái)所構(gòu)建和部署的基礎(chǔ)為DOCKER容器化技術(shù)、網(wǎng)絡(luò)協(xié)議等系統(tǒng)平臺(tái)支撐提供運(yùn)行環(huán)境的保障。該系統(tǒng)平臺(tái)的設(shè)計(jì)，主要遵循標(biāo)準(zhǔn)的安全協(xié)議、運(yùn)維協(xié)議，打造全生態(tài)的高端平臺(tái)，提供高效服務(wù)。

2 整體方案設(shè)計(jì)

2.1 核心軟件架構(gòu)

整體系統(tǒng)架構(gòu)中，其核心處理模塊是產(chǎn)線上產(chǎn)品缺陷檢測功能，對于該檢測功能的內(nèi)容，設(shè)計(jì)出如下的軟件架構(gòu)如圖2所示。

圖1 系統(tǒng)總體方框圖

圖2 軟件系統(tǒng)總體方框圖

上述的軟件架構(gòu)主要包括空調(diào)音頻采集功能、空調(diào)信息處理模塊、音頻轉(zhuǎn)換功能、空調(diào)音頻標(biāo)定功能、空調(diào)缺陷檢測功能、模型自主學(xué)習(xí)功能、結(jié)果展示及交互功能等。

第一步聲音采集：在目前的每一個(gè)質(zhì)檢口放置一臺(tái)音頻采集設(shè)備，將收集到的音頻直接傳送到預(yù)測集群的電腦上，對應(yīng)的電腦按照設(shè)定的區(qū)域進(jìn)行緩存，在判斷出產(chǎn)品質(zhì)量之后，按照情況判斷是否需要及時(shí)清除掉和打上標(biāo)簽自動(dòng)上傳到模型訓(xùn)練集群中對應(yīng)的存儲(chǔ)資源位置上。

第二步空調(diào)信息處理：此處需要與現(xiàn)有系統(tǒng)相連，獲取當(dāng)前空調(diào)產(chǎn)品類型，隨后與系統(tǒng)中的“空調(diào)信息處理模型”相結(jié)合，分析出當(dāng)前空調(diào)產(chǎn)品的聲音信息與其對應(yīng)的模型ID；

第三步空調(diào)缺陷檢測：在通過“空調(diào)信息處理模塊”、“模型調(diào)度模塊”以及預(yù)處理等一系列操作之后，調(diào)用對應(yīng)的模型對采集到的音頻信息進(jìn)行判斷，判斷結(jié)果傳送到“標(biāo)簽生產(chǎn)模塊”中去，得到空調(diào)質(zhì)量的檢測結(jié)果，將結(jié)果呈現(xiàn)到“可視化模塊”進(jìn)行統(tǒng)計(jì)和展示。

第四步樣本存儲(chǔ)：在空調(diào)質(zhì)量判斷之后，將音頻信息傳送到“存儲(chǔ)分配模塊”，結(jié)合“空調(diào)信息處理模塊”和“標(biāo)簽生產(chǎn)模塊”，根據(jù)既定規(guī)則，將其傳送至“存儲(chǔ)/訓(xùn)練”服務(wù)器集群中去，并將其存儲(chǔ)在對應(yīng)的存儲(chǔ)空間中。

第五步可視化展示：將空調(diào)質(zhì)量檢測判斷結(jié)果進(jìn)行呈現(xiàn)，同時(shí)完成“人機(jī)交互”功能。

第六步模型自適應(yīng)訓(xùn)練：根據(jù)設(shè)定規(guī)則，模型自動(dòng)驅(qū)使進(jìn)行再訓(xùn)練，根據(jù)“進(jìn)程管理模塊”和“資源調(diào)度模塊”，決定“存儲(chǔ)/訓(xùn)練”服務(wù)器集群中在什么位置獲取訓(xùn)練樣本和哪些模型進(jìn)行再訓(xùn)練。

2.2 硬件架構(gòu)及配置

由于數(shù)據(jù)信息小而雜，因此不推薦使用NAS架構(gòu)，而是將數(shù)據(jù)存儲(chǔ)在模型訓(xùn)練服務(wù)器集群內(nèi)部的固態(tài)硬盤里，這樣能夠增加模型的訓(xùn)練速度，減少時(shí)間長度。經(jīng)分析，建議的系統(tǒng)架構(gòu)如圖3所示。

圖3 服務(wù)器系統(tǒng)架構(gòu)圖

2.3 檢測解決方案

1）空調(diào)產(chǎn)品質(zhì)量檢測系統(tǒng)

保持產(chǎn)線的生產(chǎn)工藝工作流程，與目前內(nèi)部系統(tǒng)接口內(nèi)容：當(dāng)前產(chǎn)線信息、當(dāng)前產(chǎn)線生產(chǎn)產(chǎn)品信息、各類型空調(diào)組成器件說明信息。

檢測系統(tǒng)生成產(chǎn)品檢測報(bào)告，并將該分析報(bào)告主動(dòng)上傳到MS系統(tǒng)中去，同時(shí)檢測系統(tǒng)會(huì)將報(bào)告保留一段時(shí)間，時(shí)間長度為L，暫定30 day；系統(tǒng)主頁面/結(jié)果呈現(xiàn)界面如圖4所示。

圖4 系統(tǒng)主頁/結(jié)果展示界面圖

通過系統(tǒng)，可得知當(dāng)前預(yù)測空調(diào)類型，調(diào)取對應(yīng)的模型，對空調(diào)質(zhì)量進(jìn)行檢測。模型預(yù)測之后，通過網(wǎng)絡(luò)將空調(diào)質(zhì)量檢測結(jié)果以JSON的形式上傳到應(yīng)用服務(wù)器，將檢測結(jié)果進(jìn)行展示，其展示效果如圖4所示，主要說明如下：

每一條產(chǎn)線上的多個(gè)質(zhì)檢位置點(diǎn)的檢測結(jié)果匯總到該產(chǎn)線對應(yīng)的應(yīng)用服務(wù)器上進(jìn)行結(jié)果展示；故障診斷結(jié)果中顯示信息包括產(chǎn)品信息、產(chǎn)品類型、質(zhì)檢位置（產(chǎn)線和質(zhì)檢口）以及產(chǎn)品診斷故障類型；待復(fù)診信息，在一條生產(chǎn)線上多個(gè)質(zhì)檢口出現(xiàn)故障產(chǎn)品時(shí)，此處會(huì)記錄各個(gè)故障產(chǎn)品信息，方便質(zhì)檢人員逐一進(jìn)行質(zhì)量復(fù)檢；

復(fù)檢部件展示區(qū)域，通過產(chǎn)品類型，三維空間可調(diào)整的展示該種產(chǎn)品的輪廓，并使用紅色顯示故障部件；同時(shí)，復(fù)檢時(shí)，可通過反饋，將該空調(diào)產(chǎn)品的故障類型進(jìn)行重新標(biāo)定，否則維持原本的標(biāo)簽。在“擴(kuò)展菜單”里的“復(fù)檢接口”中按照產(chǎn)品類型信息分別進(jìn)行記錄，并按照不同產(chǎn)線分開記錄。

模型管理界面通過主界面中的“模型展示接口”進(jìn)入，主要包括模型index、模型訓(xùn)練空調(diào)類型種類個(gè)數(shù)、模型最近一次部署時(shí)間、模型部署狀態(tài)、模型一定時(shí)間段內(nèi)的準(zhǔn)確性統(tǒng)計(jì)、記錄、再訓(xùn)練開關(guān)。

可將新添加空調(diào)類型放在某一model里，其存儲(chǔ)位置也按照對應(yīng)規(guī)則存儲(chǔ)到其相應(yīng)位置上；通過模型部署時(shí)間及部署狀態(tài)，及時(shí)對模型再次進(jìn)行操作；

準(zhǔn)確性等因素，主動(dòng)發(fā)起模型再次訓(xùn)練；否則模型按照既定規(guī)則（例如：準(zhǔn)確率降低到85 %或相對降低了5 %等）進(jìn)行訓(xùn)練；點(diǎn)擊model，則會(huì)出現(xiàn)模型訓(xùn)練過程的記錄，例如準(zhǔn)確性圖形和loss圖形等。再訓(xùn)練“retrain”分為綠色、黃色、藍(lán)色，藍(lán)色表示部署失敗，綠色為正常工作狀態(tài)，黃色表示模型準(zhǔn)確性預(yù)警狀態(tài)。

復(fù)檢展示界面，按照產(chǎn)線記錄各產(chǎn)線中不合格空調(diào)的信息，包括產(chǎn)品名稱，空調(diào)類型以及故障類型。

業(yè)務(wù)擴(kuò)展界面從主頁面的“業(yè)務(wù)擴(kuò)展接口”點(diǎn)擊進(jìn)入，主要功能包括新空調(diào)類型的添加、空調(diào)類型的刪除、模型的刪除等功能。

說明如下：

新空調(diào)類型的添加需要選擇模型，系統(tǒng)根據(jù)模型將其訓(xùn)練的空調(diào)類型的音頻存儲(chǔ)到固定位置上去。添加新空調(diào)類型時(shí)，可使用文件夾添加的方式進(jìn)行添加。新空調(diào)類型的添加，通過點(diǎn)擊“文件名”按鈕，進(jìn)而根據(jù)目前所保存路徑去添加所要添加的新空調(diào)類型的音頻數(shù)據(jù)；

在樣本收集階段，將樣本按照空調(diào)類型、故障類型分開進(jìn)行存儲(chǔ)，標(biāo)簽標(biāo)定時(shí)對應(yīng)的故障類型；“操作”模塊，可對目前添加的內(nèi)容進(jìn)行刪除操作或者添加上傳操作；“立即訓(xùn)練”模塊，可添加一部分樣本立即對模型進(jìn)行訓(xùn)練操作。

樣本/模型刪除；對某一模型刪除操作，則對應(yīng)的樣本類型都刪除掉；對某一空調(diào)類型刪除操作，則對應(yīng)的空調(diào)類型樣本刪除。

針對測試的結(jié)果，本文也設(shè)計(jì)了自動(dòng)進(jìn)行產(chǎn)線的質(zhì)量數(shù)據(jù)分析，相關(guān)的分析功能和結(jié)果展示界面，分上下兩部分，其中上半部分為所選擇的當(dāng)前產(chǎn)品質(zhì)量的對比分析，可以選擇要查看的產(chǎn)線、產(chǎn)品、批次以及要進(jìn)行對比的維度，并輸出文字分析內(nèi)容；下半部分為所有產(chǎn)線、所有產(chǎn)品的結(jié)果呈現(xiàn)?？赏ㄟ^分析結(jié)果導(dǎo)出接口，可導(dǎo)出整個(gè)車間的產(chǎn)品質(zhì)量分析報(bào)告。

2）自主學(xué)習(xí)功能

由于實(shí)際生產(chǎn)線上會(huì)產(chǎn)生大量新的產(chǎn)品音頻，舊的模型無法精準(zhǔn)的包含這些內(nèi)容，當(dāng)然也會(huì)出現(xiàn)新的空調(diào)類型，所以需要模型具備自主學(xué)習(xí)的能力，不斷的幫助系統(tǒng)進(jìn)行“壯大”、“完善”，以維持較高的檢測正確性和有效性。其主要實(shí)現(xiàn)的自主學(xué)習(xí)驅(qū)動(dòng)因素包含：舊模型準(zhǔn)確性下降到一定閾值水平以下，新空調(diào)類型的產(chǎn)生；

自主學(xué)習(xí)系統(tǒng)將采取系統(tǒng)自動(dòng)修復(fù)和人為交互操作兩種方式；系統(tǒng)自動(dòng)修復(fù)，模型的準(zhǔn)確性降低，系統(tǒng)自動(dòng)驅(qū)動(dòng)模型再訓(xùn)練；人為交互操作，新空調(diào)類型在“業(yè)務(wù)交互界面”添加后，會(huì)驅(qū)動(dòng)模型再次訓(xùn)練。

3 主要研究內(nèi)容

本文研究的主要目標(biāo)是學(xué)會(huì)識(shí)別所有可能的缺陷或異常，確定每一種已知缺陷的聲紋特點(diǎn)（不同頻率下的振幅與相）；確定一個(gè)或多個(gè)安裝用于實(shí)時(shí)跟蹤監(jiān)測的錄音探頭的有效位置，達(dá)到高效地探測出每一種可能的缺陷的目標(biāo)；（聲紋與型號(hào)關(guān)聯(lián)分析）針對所有不同型號(hào)的空調(diào)識(shí)別同類缺陷的聲紋差異；確定是否能采用相同的安裝位置達(dá)到高效地探測出每一種可能的缺陷的目標(biāo)。

3.1 研究階段規(guī)劃

本文的研究主要分三個(gè)階段進(jìn)行；第一階段是特征與算法的探索，采集和整理數(shù)據(jù)并進(jìn)行降噪、時(shí)域與頻域分析和多種特征提取（FFT、GMM、MFCC、Spectrogram、 CRP、TDHA等等）和分類嘗試（SVM、KNN、PNN、CNN等等）。

第二階段是組合的探索，比較各種特征以及算法之間的組合（Classifier Fusion），找出行之有效的特征與模型的組合，形成完整的工具體系。

第三階段是生產(chǎn)部署考慮，擴(kuò)大缺陷類別和產(chǎn)品型號(hào)的覆蓋，以及對生產(chǎn)系統(tǒng)的設(shè)計(jì)和部署分析。

3.2 數(shù)據(jù)采集與處理

本文前期采集了實(shí)驗(yàn)室環(huán)境下空調(diào)內(nèi)機(jī)273 分鐘各類異常的錄音，比如“軸承安裝不到位”；從四個(gè)不同位置錄了40 min的音頻；采集了在生產(chǎn)現(xiàn)場測試廠房內(nèi)的空調(diào)外機(jī)330 min各類異常的錄音，比如“管道碰撞”從四個(gè)不同位置錄了60 min的音頻。詳細(xì)如圖5所示。

圖5 采集數(shù)據(jù)頻域展示圖

本文將采用直接數(shù)據(jù)驅(qū)動(dòng)而不是物理模型的方法，利用機(jī)器學(xué)習(xí)直接從采集的數(shù)據(jù)中學(xué)會(huì)缺陷分類。嘗試采用多種不同的算法和模型（包括不同的組合），目的是尋找和建立起確實(shí)可行的高效的缺陷識(shí)別工具。運(yùn)用了多種手段和算法可以將聲頻數(shù)據(jù)轉(zhuǎn)換為特征矩陣或張量。同樣實(shí)用多種算法（包括深度學(xué)習(xí)）對特征進(jìn)行學(xué)習(xí)、識(shí)別和分類。

3.3 音頻特征選取與訓(xùn)練

音頻常見特征如圖6中所示，其中第一列的STFT功率能量和恒Q功能能量分別為兩種不同變換得到的能量表現(xiàn)形式；由于梅爾譜與MFCC的計(jì)算大致相同，但MFCC進(jìn)一步進(jìn)行了離散余弦變換（DCT），其特征更加明顯，并且梅爾譜維度過度影響運(yùn)算速度，因此梅爾譜不再作為選取特征。

圖6 音頻常見特性表

本文模型驗(yàn)證共選取了兩種不同的特征組合進(jìn)行驗(yàn)證，二分類模型和五分類模型；左側(cè)上下兩張圖及右側(cè)上下兩張圖分別代表電磁環(huán)頂中隔離板場景和正常場景下，并且采用了兩套精度不同的采集設(shè)備進(jìn)行驗(yàn)證，設(shè)備1和設(shè)備2在位置3和位置1上采集音頻的梅爾圖如圖7所示；明顯看出設(shè)備1能夠在較低頻帶采集到信息；

圖7 典型故障梅爾圖

同時(shí)采用設(shè)備1和設(shè)備2在電磁環(huán)頂中隔離板場景下進(jìn)行了RMS、質(zhì)心頻率的數(shù)據(jù)分析如圖8所示。

圖8 典型故障的RMS質(zhì)心頻率分析圖

本文驗(yàn)證共選了四類常見的噪聲故障作為典型數(shù)據(jù)進(jìn)行模型的訓(xùn)練，分別是管碰壁、電磁閥電磁噪聲、風(fēng)葉毛刺、軸承噪音這四類，針對這四類故障數(shù)據(jù)進(jìn)行數(shù)據(jù)的特征文件信息存儲(chǔ)如圖9所示，并進(jìn)行二分類模型訓(xùn)練，訓(xùn)練結(jié)果如圖10所示，準(zhǔn)確率均高于97 %；誤判率低于1.8 %。

圖9 典型故障的二分類特征數(shù)據(jù)文件信息圖

圖10 典型故障的二分類模型結(jié)果

圖11 典型故障的五分類特征數(shù)據(jù)文件信息圖

如圖11表示五分類模型訓(xùn)練集采用第一天采集的音頻數(shù)據(jù)，評(píng)估集使用第二天采集音頻； 訓(xùn)練結(jié)果顯示，上述第一種方案準(zhǔn)確性均高于77 %，第二種方案準(zhǔn)確性均高于89 %；說明在第一天數(shù)據(jù)基礎(chǔ)上添加新數(shù)據(jù)準(zhǔn)確性高出12 %左右；從將第一天采集到的音頻作為訓(xùn)練集，得到模型，使用第二天采集音頻作為評(píng)估集，得到準(zhǔn)確率如圖12所示均高于77 %，說明模型均有延展性，使用第二天的數(shù)據(jù)可以辨識(shí)第一天的數(shù)據(jù)。

圖12 典型故障的五分類模型訓(xùn)練結(jié)果圖

4 結(jié)束語

本文主要針對空調(diào)過程質(zhì)量控制的在線噪音檢測，選取了生產(chǎn)過程中常見的裝配異常所導(dǎo)致產(chǎn)品故障噪音種類4類進(jìn)行了研究，通過模型的訓(xùn)練和改進(jìn)，二分類模型其某位置下的某一工況的辨識(shí)度準(zhǔn)確率均很高，均高于94 %；在相同設(shè)備，固定位置下，五分類模型的準(zhǔn)確率均高于96 %；另外，對于生產(chǎn)現(xiàn)場一些氣動(dòng)設(shè)備的噪聲帶寬比較寬，對于判斷結(jié)果會(huì)產(chǎn)生較大的干擾，這一問題需要我們繼續(xù)進(jìn)行深入的研究。