一种基于语音识别的有人机与无人机协同交互方法及系统

1.本发明涉及飞行系统协同控制技术领域，尤其涉及一种基于语音识别的有人机与无人机协同交互方法及系统。

背景技术：

2.伴随着传感器技术、无线通信技术以及智能控制技术的不断发展，无人机在各个应用领域得到了广泛的应用。现有技术中通常是采用“无人机地面站远程控制”模式，即由地面站与无人机通信连接以远程控制无人机执行所需任务，但是受到当前智能水平的限制，无人机尚无法完全自主的在复杂环境下执行多样化任务，且地面战与无人机通信时还会存在命令延迟、控制和数据链路中断等缺点。
3.为解决上述问题，可以采用有人机与无人机协同方式，即为由有人机指挥控制无人机以有效缩短无人机数据链，降低有人机飞行员执行任务的风险，同时还可以弥补无人机自主能力不足等缺陷，有效提高了无人机各类复杂环境中的适应性。但是，针对于有人机与无人机协同方式，现有技术中通常是在任务执行过程当中，由有人机上的操作人员处理来自地面控制站的信息、操作本机和处理周围环境信息等，然后通过手动操作控制台以遥控无人机的动作进行任务规划和协同等，不仅操作复杂、实现难度大且交互控制效率低，对于有人机与无人机的安全飞行也会存在一定的隐患。

技术实现要素：

4.本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、智能化程度以及交互控制效率高、灵活性强且安全可靠的基于语音识别的有人机与无人机协同交互方法及系统。
5.为解决上述技术问题，本发明提出的技术方案为：
6.一种基于语音识别的有人机与无人机协同交互方法，包括：
7.在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据，所述无人机协同任务指令集根据有人机与无人机之间协同任务所需使用到的指令以及参数令构建得到；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机，以控制被控无人机按照任务命令和控制参数进行动作；
8.以及在有人机端，采集被控无人机的反馈信息编码形成的反馈指令，对所述反馈指令进行解析后，得到被控无人机的反馈信息。
9.进一步的，所述无人机协同任务指令集包括用于控制所需任务或动作所需参数的指令参数、用于控制执行所需任务的任务指令以及用于控制执行所需动作的动作指令。
10.进一步的，所述指令参数包括位置参数、姿态参数、速度参数、航向、任务点参数、无人机编号、目标参数、任务参数、载荷状态、编队参数、区域参数、威胁参数以及任务约束
参数中任意多种，其中所述编队参数为用于表征编队状态的参数，所述区域参数为用于表征所处区域类型的参数，所述威胁参数为用于表征对无人机存在威胁的威胁目标状态的参数。
11.进一步的，所述动作指令包括强制执行类、位置控制类、姿态控制类、速度控制类以及程序调用类中任意多种类别，所述强制执行类的动作指令包括开关机指令，所述位置控制类的动作指令包括上升与下降、前进与后退、向左与向右以及向指定方向的指令，所述姿态控制类的动作指令包括左右偏航的指令，所述速度控制类的动作指令包括加速、减速的指令，所述程序调用类的动作指令包括起飞、降落、悬停、返航的指令。
12.进一步的，所述任务指令包括巡航、侦察搜索、载荷模式、跟踪监视目标、报告当前状态、攻击目标、指令确认、威胁告警/意外事件评估、增加约束、安全返航、盘旋等待、威胁规避/协同、任务取消、编队飞行/队形变换、毁伤评估以及目标引导与定位中任意多种的指令。
13.进一步的，所述进行语音识别时，采用卷积神经网络训练识别模型实现，其中所述卷积神经网络的输入为1024维的一维向量，先经过一维到二维的转换后转换为32*32的二维向量，再输入至卷积网络中进行识别。
14.进一步的，还包括采用xtdrone仿真环境生成无人机、障碍物以及目标，在xtdrone仿真环境中对有人/无人机语音指令进行语音识别，根据识别的任务指令以及对应的控制参数控制被控无人机动作，无人机实时反馈当前区域和状态给有人机，其中所述xtdrone仿真环境采用分层模块化架构，集成有动力学模型、传感器模型、控制算法、状态估计算法和3d场景模型。
15.一种基于语音识别的有人机与无人机协同交互系统，包括有人机控制装置，所述有人机控制装置与被控无人机的控制系统连接，所述有人机控制装置包括：
16.指令发送模块，用于在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据，所述无人机协同任务指令集根据有人机与无人机之间协同任务所需使用到的指令参数、动作指令以及任务指令构建得到；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机；
17.反馈接收模块，用于采集被控无人机的反馈信息编码形成的反馈指令，对所述反馈指令进行解析后，得到被控无人机的反馈信息。
18.进一步的，还包括与所述有人机控制装置连接的无人机控制装置，用于在被控无人机端，接收有人机端发送的任务命令和控制参数的编码数据包，进行解析后得到任务指令以及对应的控制参数，控制按照所述任务指令以及对应的控制参数动作，以及将反馈信息进行编码后发送给有人机端。
19.一种计算机系统，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法。
20.与现有技术相比，本发明的优点在于：本发明通过基于语音识别进行有人机与无人机之间的协同交互，预先建立一套面向语音识别的无人机协同任务指令集并进行训练得到语音识别模板，有人机与无人机协同交互中在有人机端采集操作员的语音信号并进行特
征提取，利用语音识别模板进行识别，转换得到文本数据；然后对文本数据进行语义理解以提取任务命令、控制参数，编码后发送给被控无人机以控制被控无人机执行相应的动作，同时有人机会接收被控无人机的反馈信息，可以结合语音识别实现有人机与无人机之间的智能协同交互，无需依赖于操作员的手动操作，大大提高了协同交互的便利性、灵活性以及效率，使得可以方便的应用于各类复杂环境中高效执行多样性任务。
附图说明
21.图1是本实施例基于语音识别的有人机与无人机协同交互方法及系统的实现流程示意图。
22.图2本实施例中语音指令控制无人机系统的具体实现原理示意图。
23.图3是本实施例中基于语音识别构建无人机协同指令集的原理示意图。
24.图4是本实施例中语音识别网络的具体结构示意图。
25.图5是本实施例中xtdrone单机仿真具体结构示意图。
26.图6是本发明具体应用实施例中所适用的场景以及路线设计示意图。
具体实施方式
27.以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
28.如图1所示，本实施例基于语音识别的有人机与无人机协同交互方法包括：
29.在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据，无人机协同任务指令集根据有人机与无人机之间协同任务所需使用到的指令以及参数构建得到；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机；以及在有人机端，采集被控无人机的反馈信息编码形成的反馈指令，对反馈指令进行解析后，得到被控无人机的反馈信息；
30.则在被控无人机端，接收有人机端发送的任务命令和控制参数的编码数据包，进行解析后得到任务指令以及对应的控制参数，控制按照任务指令以及对应的控制参数动作，以及将反馈信息进行编码后发送给有人机端。
31.利用语音识别实现自动控制的方式具有语音灵活、自然交互的特点，本实施例利用语音识别的特性来实现有人机与无人机之间的智能协同交互。本实施例通过预先建立一套面向语音识别的无人机协同任务指令集并进行训练得到语音识别模板，有人机与无人机协同交互中在有人机端采集操作员的语音信号并进行特征提取，利用语音识别模板进行识别，转换得到文本数据；然后对文本数据进行语义理解以提取任务命令、控制参数，编码后发送给被控无人机以控制被控无人机执行相应的动作，同时有人机会接收被控无人机的反馈信息，可以结合语音识别实现有人机与无人机之间的智能协同交互，无需依赖于操作员的手动操作，大大提高了协同交互的便利性、灵活性以及效率，使得可以方便的应用于各类复杂环境中高效执行多样性任务。
32.在具体应用实施例中，有人机端通过人机交互接口采集操作员的任务命令的语音
信号，命令理解模块对任务命令的语音信号进行识别并转换为用于任务执行的命令和参数，任务指令编码模块将命令和参数编码后通过数据链路发送至无人机平台上的自动控制系统，以控制无人机执行相应任务；无人机平台根据任务环境和有人机的询问，将平台信息和应答信息发送至任务指令编码模块，任务指令编码模块将无人机反馈的信息通过数据链路发送至有人机平台上的任务指令解析模块并进行解析后，将反馈信息发送给有人机操作员。
33.如图2所示，本实施例基于语音指令控制无人机系统时，具体由操作员根据无人机指令集中所给的指令向系统说出语音指令，语音被麦克风采集后进行采样，之后将采样后的数字语音信号发送给a/d转换器，a/d转换器进行量化和编码；完成语音信号的数字化后的数据发送给pc机进行数据的存储，并以文件的新式传递给语音指令识别模块，完成语音指令识别后的结果通过通信接口发送给无人机平台；无人机平台中的控制器接收后发送控制命令给无人机的执行机构，无人机开始执行具体的动作。
34.如图3所示，本实施例通过设计无人机协同指令集可以使得语音指令的识别简单、灵活、自然，并且使得语音识别的精度高，尽量避免容易混淆的词汇；通过语音识别后的结果更易于精准控制无人机。
35.无人机协同任务指令集具体是根据有人机/无人机协同任务(协同侦查监视、协同打击目标、协同编队)构建得到的，所无人机协同任务指令集包括用于控制所需任务或动作所需参数的指令参数、用于控制执行所需任务的任务指令以及用于控制执行所需动作的动作指令。在具体应用实施例中，各协同任务的协同方式具体如下：
36.(1)协同侦察监视：当执行协同侦察监视任务时，有人机作为决策的中心处于后方的安全区域，无人机以编队的方式进入到所需侦察监视区域，执行先行的探测任务。通过有人机控制调整无人机编队的队形，调整无人机的飞行参数从而以总体最优的角度对目标进行侦察监视；对于同一任务区域的多个不同目标，受到不同无人机所携带的任务载荷不同，传感设备探测范围的限制，有人机操作员对无人机编队进行合理灵活的任务分配，使用不同载荷对不同目标进行探测，最大程度上保证侦察监视任务的完成。
37.(2)协同打击目标：由有人战机与一架或多架无人机执行协同打击目标任务，有人机可以处于无人机编队前方，对目标进行打击后迅速撤离任务区域，而后无人机进入任务区域对地面目标的打击效果进行评估，由有人机下达指令撤离区域或进行补充打击。
38.(3)协同编队：无人机作为僚机优先保护作为长机的有人机，当无人机受损后进行评估以确定是否继续执行任务，编队需要重新组网规划任务；若有人机受损，在损伤评估后决定是否继续执行任务，确定要继续执行任务后，需要重新确定长机与地面控制站保持联系，无人机编队控制权交给地面站。
39.本实施例中，指令参数具体包括位置参数、姿态参数、速度参数、航向、任务点参数、无人机编号、目标参数、任务参数、载荷状态、编队参数、区域参数、威胁参数以及任务约束参数等，其中编队参数为用于表征编队状态的参数，区域参数为用于表征所处区域类型的参数，威胁参数为用于表征对无人机存在威胁的威胁目标状态的参数。指令参数如表1所示：
40.表1指令参数
41.[0042][0043]
本实施例中，结合常用的飞行动作，动作指令具体配置包括强制执行类、位置控制类、姿态控制类、速度控制类以及程序调用类等，其中强制执行类的动作指令包括开关机指
令，位置控制类的动作指令包括上升与下降、前进与后退、向左与向右以及向指定方向的指令，姿态控制类的动作指令包括左右偏航的指令，速度控制类的动作指令包括加速、减速的指令，程序调用类的动作指令包括起飞、降落、悬停、返航的指令。动作指令具体如表2所示。
[0044]
表2动作指令
[0045][0046]
上表中，“开机”和“关机”指令具有强制性，以保证飞行的安全，在调用时其优先级最高，会中断其余飞控程序的执行。“起飞”和“降落”为直接调用起飞降落飞控程序的指令，无需其他参数；“加速”和“减速”为调整速度的指令，参数为速度的调整值，单位为m/s；“上升”、“下降”、“前进”、“后退”、“向左”、“向右”、“向北”、“向南”、“向东”、“向西”为控制无人机运动的指令，参数为运动的距离和以多快的速度运动。“左偏航”和“右偏航”为调整无人机姿态的指令，参数包括调整偏航的角度和偏航时的角速度，角速度可提前设定。“悬停”指令会中断无人机正在执行的飞行动作任务，无人机成悬停状态。“返航”指令会使无人机返回起始点，而后悬停在预定高度。
[0047]
任务指令是从任务层面设计的顶层的指令且较为复杂。本实施例中，结合指令参数，任务指令具体配置包括巡航、侦察搜索、载荷模式、跟踪监视目标、报告当前状态、攻击目标、指令确认、威胁告警/意外事件评估、增加约束、安全返航、盘旋等待、威胁规避/协同、任务取消、编队飞行/队形变换、毁伤评估以及目标引导与定位等指令。任务指令具体如表3所示。
[0048]
表3任务指令
[0049]
[0050][0051]
[0052]
本实施例通过按照上述指令参数、动作指令以及任务指令构建无人机协同任务指令集，能够覆盖各类型的任务以及动作类型，当有人机需要控制无人机执行指定任务时，按照该无人机协同任务指令集中对应的指令以及控制参数发出控制命令，经过语音识别、语义理解以及任务指令编码后发送给无人机，即可实现各类型复杂任务的精准控制。
[0053]
考虑到有人/无人机的指令集数量较少，且语音信号中可能存在干扰，本实施例中进行语音识别时，具体采用卷积神经网络训练识别模型实现以进一步提高识别精度，如图4所示，卷积神经网络输入为1024维的一维向量，经过一维到二维的变化，转化为32*32的二维向量，然后送入卷积网络中进行识别。上述卷积神经网络具体可以为gg、lenet、resnet等。传统卷积神经网络的输入为图像或者二维的矩阵，而语音信号为一维的信号，本实施例通过先将输入的一维1024维向量经过一维到二维的转换，转化为32*32的二维向量，然后再送入卷积网络中进行识别。
[0054]
本实施例中语音识别具体采用基于深度学习的语音识别，具体步骤为：
[0055]
(1)对指令集进行适合语音识别的简化处理：如指令参数，位置参数中的(经度，纬度，高度)转换为区域1、区域2，任务指令中的威胁告警/意外事件评估转换为威胁告警、意外事件评估两条指令；
[0056]
(2)语音信号采集：通过语音传感器采集语音，a/d转换器对语音模拟信号进行转换，采集的每段语音以说话的停顿作为起始标志；
[0057]
(3)语音信号预处理：对每段数据进行预处理，预处理包括数据的采样、傅里叶变换，输出为1024维的一维向量；
[0058]
(4)语音识别：通过把一维向量转化为二维向量输入到卷积神经网络中进行训练和测试，最终输出语音识别的结果。
[0059]
本实施例中还包括采用xtdrone仿真环境生成无人机、障碍物以及目标，在xtdrone仿真环境中对有人/无人机语音指令进行语音识别，根据识别的任务指令以及对应的控制参数控制被控无人机动作，无人机实时反馈当前区域和状态给有人机。如图5所示，本实施例xtdrone仿真环境采用分层模块化架构，集成有动力学模型、传感器模型、控制算法、状态估计算法和3d场景等模型。通过xtdrone平台构建仿真无人机的动力学模型，可以降低仿真实现成本，且可靠性以及效率高、便于维护和扩展。xtdrone基于ros、px4与gazebo开发，还可以支持多机多类型的仿真，例如可支持多旋翼无人机、固定翼无人机和复合翼无人机以及无人车、无人船和机械臂、各类传感器等，可以灵活实现各类无人机任务算法的仿真验证，从而便于模拟语言指令对无人机平台的控制。
[0060]
本实施例中，通过机器人操作系统实现在仿真环境中实现语音指令对无人机的控制，具体步骤为：
[0061]
(1)采用xtdrone仿真环境下生成无人机、障碍物、目标；
[0062]
(2)对有人/无人机语音指令进行识别；
[0063]
(3)语音识别后控制无人机运动；
[0064]
(4)无人机实时反馈当前区域和状态为下一步语音识别做准备。
[0065]
如图6所示，在具体应用实施例采用本发明上述方法进行有人机与无人机协同交互，其中根据任务(到达目标点位置)以及障碍物(墙壁、柱子)将路线划分为5段，按照动作过程对应的语音指令分别为向左60度、向右60度、向右0度、向右150度、向上0度，通过无人
机实时反馈当前区域和状态为一步语音识别做准备，表4为动作过程对应的语音指令。通过测试可知，本发明方法可以精准、高效的控制实现有人机与无人机协同交互，且极大的提高了控制的便利性、灵活性以及效率。
[0066]
表4动作过程对应的语音指令
[0067][0068]
本实施例基于语音识别的有人机与无人机协同交互系统，包括有人机控制装置，有人机控制装置与被控无人机的控制系统连接，有人机控制装置包括：
[0069]
指令发送模块，用于在有人机端，采集操作员对被控无人机的控制指令的语音信号并进行语音识别，转换得到文本数据，控制指令在预先构建的无人机协同任务指令集中，无人机协同任务指令集包括指令参数、动作指令以及任务指令；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机；
[0070]
反馈接收模块，用于采集被控无人机的反馈信息编码形成的反馈指令，对反馈指令进行解析后，得到被控无人机的反馈信息。
[0071]
本实施例中，还包括与有人机控制装置连接的无人机控制装置，用于在被控无人机端，接收有人机端发送的任务命令和控制参数的编码数据包，进行解析后得到任务指令以及对应的控制参数，控制按照任务指令以及对应的控制参数动作，以及将反馈信息进行编码后发送给有人机端。
[0072]
本实施例还提供一种计算机系统，包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行计算机程序以执行如上述方法。
[0073]
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

技术特征：

1.一种基于语音识别的有人机与无人机协同交互方法，其特征在于，包括：在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据，所述无人机协同任务指令集根据有人机与无人机之间协同任务所需使用到的指令以及参数构建得到；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机，以控制被控无人机按照任务命令和控制参数进行动作；以及在有人机端，采集被控无人机的反馈信息编码形成的反馈指令，对所述反馈指令进行解析后，得到被控无人机的反馈信息。2.根据权利要求1所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，所述无人机协同任务指令集包括用于控制所需任务或动作所需参数的指令参数、用于控制执行所需任务的任务指令以及用于控制执行所需动作的动作指令。3.根据权利要求2所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，所述指令参数包括位置参数、姿态参数、速度参数、航向、任务点参数、无人机编号、目标参数、任务参数、载荷状态、编队参数、区域参数、威胁参数以及任务约束参数中任意多种，其中所述编队参数为用于表征编队状态的参数，所述区域参数为用于表征所处区域类型的参数，所述威胁参数为用于表征对无人机存在威胁的威胁目标状态的参数。4.根据权利要求2所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，所述动作指令包括强制执行类、位置控制类、姿态控制类、速度控制类以及程序调用类中任意多种类别，所述强制执行类的动作指令包括开关机指令，所述位置控制类的动作指令包括上升与下降、前进与后退、向左与向右以及向指定方向的指令，所述姿态控制类的动作指令包括左右偏航的指令，所述速度控制类的动作指令包括加速、减速的指令，所述程序调用类的动作指令包括起飞、降落、悬停、返航的指令。5.根据权利要求2所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，所述任务指令包括巡航、侦察搜索、载荷模式、跟踪监视目标、报告当前状态、攻击目标、指令确认、威胁告警/意外事件评估、增加约束、安全返航、盘旋等待、威胁规避/协同、任务取消、编队飞行/队形变换、毁伤评估以及目标引导与定位中任意多种的指令。6.根据权利要求1～5中任意一项所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，所述进行语音识别时，采用卷积神经网络训练识别模型实现，其中所述卷积神经网络的输入为1024维的一维向量，先经过一维到二维的转换后转换为32*32的二维向量，再输入至卷积网络中进行识别。7.根据权利要求1～5中任意一项所述的基于语音识别的有人机与无人机协同交互方法，其特征在于，还包括采用xtdrone仿真环境生成无人机、障碍物以及目标，在xtdrone仿真环境中对有人/无人机语音指令进行语音识别，根据识别的任务指令以及对应的控制参数控制被控无人机动作，无人机实时反馈当前区域和状态给有人机，其中所述xtdrone仿真环境采用分层模块化架构，集成有动力学模型、传感器模型、控制算法、状态估计算法和3d场景模型。8.一种基于语音识别的有人机与无人机协同交互系统，其特征在于，包括有人机控制装置，所述有人机控制装置与被控无人机的控制系统连接，所述有人机控制装置包括：
指令发送模块，用于在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据，所述无人机协同任务指令集根据有人机与无人机之间协同任务所需使用到的指令以参数构建得到；对转换得到的文本数据进行语义理解，转换为用于控制被控无人机任务执行的任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机；反馈接收模块，用于采集被控无人机的反馈信息编码形成的反馈指令，对所述反馈指令进行解析后，得到被控无人机的反馈信息。9.根据权利要求8所述的基于语音识别的有人机与无人机协同交互系统，其特征在于，还包括与所述有人机控制装置连接的无人机控制装置，用于在被控无人机端，接收有人机端发送的任务命令和控制参数的编码数据包，进行解析后得到任务指令以及对应的控制参数，控制按照所述任务指令以及对应的控制参数动作，以及将反馈信息进行编码后发送给有人机端。10.一种计算机系统，包括处理器以及存储器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于执行所述计算机程序以执行如权利要求1～8中任意一项所述方法。

技术总结

本发明公开一种基于语音识别的有人机与无人机协同交互方法及系统，该方法包括：在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据；对转换得到的文本数据进行语义理解，转换为任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机，以控制被控无人机按照任务命令和控制参数进行动作；以及在有人机端，采集被控无人机的反馈信息编码形成的反馈指令，对反馈指令进行解析后，得到被控无人机的反馈信息。本发明具有实现方法简单、智能化程度以及交互控制效率高、灵活性强且安全可靠等优点。灵活性强且安全可靠等优点。灵活性强且安全可靠等优点。