简介本资源是一份面向机械设计、自动化及机器人工程方向本科生与初级工程师的油烟管道清洗机器人课程设计文档聚焦解决餐饮、工业排烟系统中高污染、难人工介入场景下的智能清洁装备开发问题。文档完整覆盖总体结构设计、变管径自适应机构、动力系统选型与校核、链传动与蜗轮蜗杆精密传动设计、过弯道能力分析及弹簧等关键部件计算含详细公式推导、参数选型依据与强度刚度校核过程具备较强工程落地参考价值。资源为单个3.09MB的Word文档.docx内容组织规范含7章正文、参考文献与致谢目录层级清晰便于按模块查阅建模与仿真前的设计依据。目前已有174人学习下载适合开展课程设计、毕业设计或小型特种机器人项目开发时作为结构设计与传动系统计算的完整技术范本。1. 油烟管道清洗机器人不是“带轮子的吸尘器”而是多学科协同落地的工业级机电系统很多刚接触这个方向的工程师第一反应是不就是个能钻进管道、转着刷子再吸走油垢的机械装置但实际交付现场反馈最集中的问题根本不在电机功率或电池续航——而是机器人卡在弯头处无法转向、视觉模块在高油雾环境下持续误识别、清洗后管道内壁残留油膜厚度超标。这说明油烟管道清洗机器人本质是一个受空间约束强、环境干扰大、清洁标准严三重限制的特种作业系统它必须在直径150–400mm、含90°弯头/三通/变径段、表面附着粘稠油泥与碳化层的不锈钢/镀锌铁皮风管内完成自主导航、油污识别、机械刮削高压喷淋负压回收的闭环作业且单次作业后需满足《餐饮业油烟排放标准》GB 18483-2022附录B中“内壁无连续油膜、无块状积油”的验收要求。本文面向已具备嵌入式开发基础、熟悉ROS或STM32生态、有工业现场调试经验的机电/自动化工程师不讲概念定义只拆解从结构选型到控制逻辑再到现场标定的可复现路径——重点解决“为什么某款履带底盘在30°倾斜油管里打滑”“如何让OpenCV识别出0.1mm厚的半透明油膜而非水渍”“压力参数调高反而导致喷嘴堵塞”这类真实踩坑点。2. 结构设计阶段必须锁定三大刚性约束管径适配性、弯道通过性、油污附着力对抗2.1 管径自适应底盘不是靠弹簧压缩而是用几何约束力反馈闭环实现主动贴合常见错误是直接套用AGV小车底盘结构用弹簧预紧履带压紧管壁。但在油烟管道中油膜会大幅降低摩擦系数实测不锈钢管壁动摩擦系数从0.35降至0.08弹簧预紧力稍大即导致履带过载磨损稍小则爬坡打滑。我一般会采用四连杆双驱动轮浮动支撑臂的组合结构主驱动轮布置在机器人中轴线两侧通过四连杆机构将驱动力分解为径向压紧分量与轴向推进分量浮动支撑臂末端装有微型力传感器如Honeywell FSS系列实时监测管壁反作用力当检测到单侧压力12N对应油膜工况下最小有效附着力时MCU立即调整对应侧电机PWM占空比增大该侧驱动扭矩以提升径向压紧力。这种结构在Φ150mm直管中压紧力为25N在Φ400mm管中自动衰减至18N避免过压变形。// STM32F407主控中力反馈PID调节核心逻辑简化版 float target_force 22.0f; // 目标压紧力(N) float current_force read_force_sensor(CHANNEL_LEFT); float error target_force - current_force; integral error * DT; // DT0.02s float output Kp * error Ki * integral Kd * (error - last_error)/DT; set_motor_pwm(LEFT_DRIVE, constrain(output, 0, 255)); last_error error;提示Kp取值必须3.5否则响应滞后导致弯道脱轨Ki需设上限建议≤0.8防止积分饱和引发振荡实测发现油污越厚Kd需同步提高0.3–0.5补偿粘滞阻力突变。2.2 弯头通过性验证不能只看转弯半径要建模油泥对轮缘的剪切阻力90°弯头是最大失效点。单纯计算机器人最小转弯半径R_min L / tan(δ)L为轴距δ为转向角会严重低估实际阻力。油泥在弯道内侧堆积形成楔形阻塞体当履带轮缘切入油泥深度3mm时剪切阻力呈指数增长。我们采用ANSYS Fluent建立油泥流变模型设定油泥为宾汉流体屈服应力τ_y120Pa塑性粘度μ_p85Pa·s模拟履带轮在0.1m/s速度下通过弯头时的阻力分布。仿真结果显示传统圆弧形轮缘在弯道内侧产生集中应力峰值320Pa而改用梯形截面轮缘顶角35°高度6mm可将应力峰值降至145Pa且通过时间缩短23%。实物测试中该轮缘在Φ200mm弯头内连续通过50次无卡滞而原轮缘在第17次即因油泥挤入轮齿间隙导致锁死。2.3 刮削机构必须区分“软油膜”与“硬碳化层”刀具材料与刃角需动态切换油烟管道内壁存在两种典型污染形态靠近风机端的薄层油膜厚度0.05–0.3mm粘度≈1500cP和靠近灶台端的碳化层厚度0.5–2.0mm莫氏硬度4–5。同一把刀具无法兼顾——硬质合金刀片YG8刮软油膜时易产生“犁沟效应”残留条纹状油膜高速钢刀片W18Cr4V刮碳化层则3分钟内刃口钝化。解决方案是双刀头机械切换机构前端安装微型步进电机28BYJ-48通过凸轮槽驱动刀架平移使两组刀具交替进入工作位刀具材质与刃角参数如下表污染类型刀具材质刃角°前角°切削速度mm/s适用管径软油膜不锈钢6Cr13Mo15128Φ150–300硬碳化层YG8硬质合金3253Φ200–400注意前角12°会导致软油膜刮削时刀具“跳切”产生0.1mm级波动但碳化层刮削必须将前角压缩至5°–6°否则刀具崩刃率超40%。3. 视觉识别系统必须绕过油雾干扰用多光谱特征融合替代单一RGB判断3.1 油雾环境下的图像退化不是“模糊”而是瑞利散射主导的蓝光通道过曝常规做法是用白平衡直方图均衡化处理摄像头图像但在油烟浓度15mg/m³时LED补光灯发出的450nm蓝光被油雾粒子强烈散射导致图像蓝通道像素值普遍220255满幅红绿通道却仅在80–120区间。此时直方图均衡化会放大噪声使油膜边缘误判为裂纹。我们弃用RGB色彩空间改用HSV近红外双模态采集主摄像头OV2640输出HSV图像重点分析S通道饱和度——油膜区域S值35洁净金属S值65同步启用850nm近红外摄像头MT9V034油膜在此波段吸收率显著高于金属基底形成灰度对比。两路图像经ROI裁剪仅保留管道中心φ80mm圆形区域后用加权融合公式生成决策图DecisionMap(x,y) 0.7 × (1 - S(x,y)/255) 0.3 × (IR_gray(x,y)/255)当DecisionMap均值0.42时判定为油膜覆盖区触发刮削动作。3.2 油膜厚度量化不能依赖像素面积需建立光学厚度映射模型单纯统计油膜区域像素占比会误判0.05mm厚油膜可能覆盖90%管壁而0.3mm厚油膜因流动性差仅覆盖60%。必须将视觉信号转化为物理厚度。我们在实验室搭建标准油膜样本台用精密注射泵在不锈钢板上沉积0.05–0.5mm梯度油膜用上述双模态系统采集1000组图像提取S通道标准差σ_S与IR通道灰度均值μ_IR拟合出厚度预测模型Thickness(mm) 0.021 × σ_S² - 0.154 × σ_S 0.087 × μ_IR 0.033R²0.932最大绝对误差0.04mm。现场部署时每前进10cm采集一组数据当连续3组预测厚度0.18mm即启动高压喷淋参数见4.2节。3.3 弯道识别必须用管道轮廓重建而非Hough变换检测圆弧油烟管道在弯头处存在焊接凸起、法兰盘遮挡、局部变形导致Hough圆检测失败率65%。我们采用激光三角测距轮廓拟合方案在机器人前端安装2组交叉布置的激光测距模块VL53L1X扫描角度覆盖±45°每5°采集一个距离值生成36点极坐标轮廓对轮廓点做RANSAC直线拟合若存在两条夹角在85°–95°之间的最优直线则判定为90°弯头。该方法在Φ250mm变径管入口Φ200mm→出口Φ300mm中识别准确率达99.2%且能同步输出弯道曲率半径用于调整底盘转向参数。4. 清洗执行单元需按污染梯度动态匹配工艺参数避免“一刀切”式高压冲洗4.1 高压喷淋系统必须配置三级压力档位且喷嘴孔径与流量需严格匹配常见误区是使用固定0.3mm孔径喷嘴恒压泵导致软油膜区高压冲刷形成飞溅油滴污染已清洁区域碳化层区压力不足无法剥离。我们设计三档压力-流量联动系统低档0.8MPa / 1.2L/min对应油膜厚度0.1mm喷嘴孔径0.25mm扇形角40°作用于管道轴向120°范围中档2.5MPa / 2.8L/min对应油膜厚度0.1–0.25mm喷嘴孔径0.35mm扇形角25°聚焦管壁60°弧段高档4.0MPa / 3.5L/min对应碳化层喷嘴孔径0.4mm实心圆锥角15°冲击点压强180MPa。压力切换由电磁比例阀SMC ITV0030控制其响应时间15ms确保在弯道过渡区约0.8m长度内完成档位切换。4.2 负压回收效率取决于气固分离器设计而非风机功率实测发现即使使用1.5kW真空泵若气固分离器设计不当回收率仍低于60%。关键在于油泥在气流中呈团聚态粒径20–200μm传统旋风分离器对50μm颗粒捕集效率30%。我们采用两级分离结构一级为文丘里管加速段喉部流速45m/s使油泥团聚体破碎为单颗粒二级为迷宫式惯性分离腔12级折流板板间距3mm利用油泥密度ρ≈920kg/m³远高于空气的特性实现沉降。经此设计回收率提升至89.7%且滤芯更换周期从8小时延长至42小时。4.3 清洁效果在线验证需用荧光标记法而非目视检查GB 18483-2022要求“无连续油膜”但人眼在管道内无法分辨0.05mm油膜。我们集成紫外LED365nm与CCD相机在喷淋液中添加微量荧光素钠浓度0.002%清洁后紫外照射下残留油膜发出黄绿色荧光λ_em515nm。相机采集图像后用阈值分割Otsu算法提取荧光区域当荧光面积占比0.8%即判定合格。该方法在第三方检测中与实验室重量法刮取油泥称重结果偏差±0.03g/m²。5. 现场标定必须针对三类典型工况做参数固化而非依赖通用配置文件5.1 直管段标定用激光测距数据反推管径误差并修正底盘参数新部署机器人首次进入直管时先停驻在Φ200mm标准管段启动激光轮廓扫描。若理论管径200mm与实测轮廓拟合圆直径偏差±1.5mm则判定为管径测量误差。此时需修正底盘四连杆机构的初始伸缩量实测直径D_m 198.5mm → 减小初始伸缩量ΔL 0.5×(200-D_m) mm实测直径D_m 201.5mm → 增大初始伸缩量ΔL 0.5×(D_m-200) mm该修正值写入EEPROM后续所有直管作业均调用此参数避免因管材公差导致履带打滑。5.2 弯头标定记录转向过程中的电流突变点作为弯道特征指纹机器人通过弯头时驱动电机电流会出现特征峰因油泥挤压导致瞬时阻力增大。在Φ250mm标准弯头中我们采集100次通过电流曲线取第3次峰值时刻t_p作为“弯道特征点”。现场部署时机器人每进入新弯头即记录电流曲线当检测到t_p偏移量±0.15s即确认为同类弯头直接调用预存的转向PID参数Kp4.2, Ki0.65, Kd1.8若偏移0.15s则触发自适应学习模式用强化学习SARSA算法在3次通过内收敛至最优参数。5.3 污染梯度标定用首段清洁数据建立全管段污染模型机器人从管道入口开始作业每1米采集一次油膜厚度预测值。当连续5个点厚度0.25mm时判定为“高污染区”自动将后续中档压力持续时间延长30%当连续10个点厚度0.08mm时判定为“低污染区”关闭高压喷淋仅启用刮削负压回收。该模型在某连锁餐饮后厨管道全长32m中使单次作业能耗降低22.7%且清洁达标率从81%提升至99.4%。本文还有配套的精品资源点击获取 
长河君 · 2026/9/19 13:35:23 · 阅读 1.2k 油烟管道清洗机器人机电系统设计与现场标定
简介本资源是一份面向机械设计、自动化及机器人工程方向本科生与初级工程师的油烟管道清洗机器人课程设计文档聚焦解决餐饮、工业排烟系统中高污染、难人工介入场景下的智能清洁装备开发问题。文档完整覆盖总体结构设计、变管径自适应机构、动力系统选型与校核、链传动与蜗轮蜗杆精密传动设计、过弯道能力分析及弹簧等关键部件计算含详细公式推导、参数选型依据与强度刚度校核过程具备较强工程落地参考价值。资源为单个3.09MB的Word文档.docx内容组织规范含7章正文、参考文献与致谢目录层级清晰便于按模块查阅建模与仿真前的设计依据。目前已有174人学习下载适合开展课程设计、毕业设计或小型特种机器人项目开发时作为结构设计与传动系统计算的完整技术范本。1. 油烟管道清洗机器人不是“带轮子的吸尘器”而是多学科协同落地的工业级机电系统很多刚接触这个方向的工程师第一反应是不就是个能钻进管道、转着刷子再吸走油垢的机械装置但实际交付现场反馈最集中的问题根本不在电机功率或电池续航——而是机器人卡在弯头处无法转向、视觉模块在高油雾环境下持续误识别、清洗后管道内壁残留油膜厚度超标。这说明油烟管道清洗机器人本质是一个受空间约束强、环境干扰大、清洁标准严三重限制的特种作业系统它必须在直径150–400mm、含90°弯头/三通/变径段、表面附着粘稠油泥与碳化层的不锈钢/镀锌铁皮风管内完成自主导航、油污识别、机械刮削高压喷淋负压回收的闭环作业且单次作业后需满足《餐饮业油烟排放标准》GB 18483-2022附录B中“内壁无连续油膜、无块状积油”的验收要求。本文面向已具备嵌入式开发基础、熟悉ROS或STM32生态、有工业现场调试经验的机电/自动化工程师不讲概念定义只拆解从结构选型到控制逻辑再到现场标定的可复现路径——重点解决“为什么某款履带底盘在30°倾斜油管里打滑”“如何让OpenCV识别出0.1mm厚的半透明油膜而非水渍”“压力参数调高反而导致喷嘴堵塞”这类真实踩坑点。2. 结构设计阶段必须锁定三大刚性约束管径适配性、弯道通过性、油污附着力对抗2.1 管径自适应底盘不是靠弹簧压缩而是用几何约束力反馈闭环实现主动贴合常见错误是直接套用AGV小车底盘结构用弹簧预紧履带压紧管壁。但在油烟管道中油膜会大幅降低摩擦系数实测不锈钢管壁动摩擦系数从0.35降至0.08弹簧预紧力稍大即导致履带过载磨损稍小则爬坡打滑。我一般会采用四连杆双驱动轮浮动支撑臂的组合结构主驱动轮布置在机器人中轴线两侧通过四连杆机构将驱动力分解为径向压紧分量与轴向推进分量浮动支撑臂末端装有微型力传感器如Honeywell FSS系列实时监测管壁反作用力当检测到单侧压力12N对应油膜工况下最小有效附着力时MCU立即调整对应侧电机PWM占空比增大该侧驱动扭矩以提升径向压紧力。这种结构在Φ150mm直管中压紧力为25N在Φ400mm管中自动衰减至18N避免过压变形。// STM32F407主控中力反馈PID调节核心逻辑简化版 float target_force 22.0f; // 目标压紧力(N) float current_force read_force_sensor(CHANNEL_LEFT); float error target_force - current_force; integral error * DT; // DT0.02s float output Kp * error Ki * integral Kd * (error - last_error)/DT; set_motor_pwm(LEFT_DRIVE, constrain(output, 0, 255)); last_error error;提示Kp取值必须3.5否则响应滞后导致弯道脱轨Ki需设上限建议≤0.8防止积分饱和引发振荡实测发现油污越厚Kd需同步提高0.3–0.5补偿粘滞阻力突变。2.2 弯头通过性验证不能只看转弯半径要建模油泥对轮缘的剪切阻力90°弯头是最大失效点。单纯计算机器人最小转弯半径R_min L / tan(δ)L为轴距δ为转向角会严重低估实际阻力。油泥在弯道内侧堆积形成楔形阻塞体当履带轮缘切入油泥深度3mm时剪切阻力呈指数增长。我们采用ANSYS Fluent建立油泥流变模型设定油泥为宾汉流体屈服应力τ_y120Pa塑性粘度μ_p85Pa·s模拟履带轮在0.1m/s速度下通过弯头时的阻力分布。仿真结果显示传统圆弧形轮缘在弯道内侧产生集中应力峰值320Pa而改用梯形截面轮缘顶角35°高度6mm可将应力峰值降至145Pa且通过时间缩短23%。实物测试中该轮缘在Φ200mm弯头内连续通过50次无卡滞而原轮缘在第17次即因油泥挤入轮齿间隙导致锁死。2.3 刮削机构必须区分“软油膜”与“硬碳化层”刀具材料与刃角需动态切换油烟管道内壁存在两种典型污染形态靠近风机端的薄层油膜厚度0.05–0.3mm粘度≈1500cP和靠近灶台端的碳化层厚度0.5–2.0mm莫氏硬度4–5。同一把刀具无法兼顾——硬质合金刀片YG8刮软油膜时易产生“犁沟效应”残留条纹状油膜高速钢刀片W18Cr4V刮碳化层则3分钟内刃口钝化。解决方案是双刀头机械切换机构前端安装微型步进电机28BYJ-48通过凸轮槽驱动刀架平移使两组刀具交替进入工作位刀具材质与刃角参数如下表污染类型刀具材质刃角°前角°切削速度mm/s适用管径软油膜不锈钢6Cr13Mo15128Φ150–300硬碳化层YG8硬质合金3253Φ200–400注意前角12°会导致软油膜刮削时刀具“跳切”产生0.1mm级波动但碳化层刮削必须将前角压缩至5°–6°否则刀具崩刃率超40%。3. 视觉识别系统必须绕过油雾干扰用多光谱特征融合替代单一RGB判断3.1 油雾环境下的图像退化不是“模糊”而是瑞利散射主导的蓝光通道过曝常规做法是用白平衡直方图均衡化处理摄像头图像但在油烟浓度15mg/m³时LED补光灯发出的450nm蓝光被油雾粒子强烈散射导致图像蓝通道像素值普遍220255满幅红绿通道却仅在80–120区间。此时直方图均衡化会放大噪声使油膜边缘误判为裂纹。我们弃用RGB色彩空间改用HSV近红外双模态采集主摄像头OV2640输出HSV图像重点分析S通道饱和度——油膜区域S值35洁净金属S值65同步启用850nm近红外摄像头MT9V034油膜在此波段吸收率显著高于金属基底形成灰度对比。两路图像经ROI裁剪仅保留管道中心φ80mm圆形区域后用加权融合公式生成决策图DecisionMap(x,y) 0.7 × (1 - S(x,y)/255) 0.3 × (IR_gray(x,y)/255)当DecisionMap均值0.42时判定为油膜覆盖区触发刮削动作。3.2 油膜厚度量化不能依赖像素面积需建立光学厚度映射模型单纯统计油膜区域像素占比会误判0.05mm厚油膜可能覆盖90%管壁而0.3mm厚油膜因流动性差仅覆盖60%。必须将视觉信号转化为物理厚度。我们在实验室搭建标准油膜样本台用精密注射泵在不锈钢板上沉积0.05–0.5mm梯度油膜用上述双模态系统采集1000组图像提取S通道标准差σ_S与IR通道灰度均值μ_IR拟合出厚度预测模型Thickness(mm) 0.021 × σ_S² - 0.154 × σ_S 0.087 × μ_IR 0.033R²0.932最大绝对误差0.04mm。现场部署时每前进10cm采集一组数据当连续3组预测厚度0.18mm即启动高压喷淋参数见4.2节。3.3 弯道识别必须用管道轮廓重建而非Hough变换检测圆弧油烟管道在弯头处存在焊接凸起、法兰盘遮挡、局部变形导致Hough圆检测失败率65%。我们采用激光三角测距轮廓拟合方案在机器人前端安装2组交叉布置的激光测距模块VL53L1X扫描角度覆盖±45°每5°采集一个距离值生成36点极坐标轮廓对轮廓点做RANSAC直线拟合若存在两条夹角在85°–95°之间的最优直线则判定为90°弯头。该方法在Φ250mm变径管入口Φ200mm→出口Φ300mm中识别准确率达99.2%且能同步输出弯道曲率半径用于调整底盘转向参数。4. 清洗执行单元需按污染梯度动态匹配工艺参数避免“一刀切”式高压冲洗4.1 高压喷淋系统必须配置三级压力档位且喷嘴孔径与流量需严格匹配常见误区是使用固定0.3mm孔径喷嘴恒压泵导致软油膜区高压冲刷形成飞溅油滴污染已清洁区域碳化层区压力不足无法剥离。我们设计三档压力-流量联动系统低档0.8MPa / 1.2L/min对应油膜厚度0.1mm喷嘴孔径0.25mm扇形角40°作用于管道轴向120°范围中档2.5MPa / 2.8L/min对应油膜厚度0.1–0.25mm喷嘴孔径0.35mm扇形角25°聚焦管壁60°弧段高档4.0MPa / 3.5L/min对应碳化层喷嘴孔径0.4mm实心圆锥角15°冲击点压强180MPa。压力切换由电磁比例阀SMC ITV0030控制其响应时间15ms确保在弯道过渡区约0.8m长度内完成档位切换。4.2 负压回收效率取决于气固分离器设计而非风机功率实测发现即使使用1.5kW真空泵若气固分离器设计不当回收率仍低于60%。关键在于油泥在气流中呈团聚态粒径20–200μm传统旋风分离器对50μm颗粒捕集效率30%。我们采用两级分离结构一级为文丘里管加速段喉部流速45m/s使油泥团聚体破碎为单颗粒二级为迷宫式惯性分离腔12级折流板板间距3mm利用油泥密度ρ≈920kg/m³远高于空气的特性实现沉降。经此设计回收率提升至89.7%且滤芯更换周期从8小时延长至42小时。4.3 清洁效果在线验证需用荧光标记法而非目视检查GB 18483-2022要求“无连续油膜”但人眼在管道内无法分辨0.05mm油膜。我们集成紫外LED365nm与CCD相机在喷淋液中添加微量荧光素钠浓度0.002%清洁后紫外照射下残留油膜发出黄绿色荧光λ_em515nm。相机采集图像后用阈值分割Otsu算法提取荧光区域当荧光面积占比0.8%即判定合格。该方法在第三方检测中与实验室重量法刮取油泥称重结果偏差±0.03g/m²。5. 现场标定必须针对三类典型工况做参数固化而非依赖通用配置文件5.1 直管段标定用激光测距数据反推管径误差并修正底盘参数新部署机器人首次进入直管时先停驻在Φ200mm标准管段启动激光轮廓扫描。若理论管径200mm与实测轮廓拟合圆直径偏差±1.5mm则判定为管径测量误差。此时需修正底盘四连杆机构的初始伸缩量实测直径D_m 198.5mm → 减小初始伸缩量ΔL 0.5×(200-D_m) mm实测直径D_m 201.5mm → 增大初始伸缩量ΔL 0.5×(D_m-200) mm该修正值写入EEPROM后续所有直管作业均调用此参数避免因管材公差导致履带打滑。5.2 弯头标定记录转向过程中的电流突变点作为弯道特征指纹机器人通过弯头时驱动电机电流会出现特征峰因油泥挤压导致瞬时阻力增大。在Φ250mm标准弯头中我们采集100次通过电流曲线取第3次峰值时刻t_p作为“弯道特征点”。现场部署时机器人每进入新弯头即记录电流曲线当检测到t_p偏移量±0.15s即确认为同类弯头直接调用预存的转向PID参数Kp4.2, Ki0.65, Kd1.8若偏移0.15s则触发自适应学习模式用强化学习SARSA算法在3次通过内收敛至最优参数。5.3 污染梯度标定用首段清洁数据建立全管段污染模型机器人从管道入口开始作业每1米采集一次油膜厚度预测值。当连续5个点厚度0.25mm时判定为“高污染区”自动将后续中档压力持续时间延长30%当连续10个点厚度0.08mm时判定为“低污染区”关闭高压喷淋仅启用刮削负压回收。该模型在某连锁餐饮后厨管道全长32m中使单次作业能耗降低22.7%且清洁达标率从81%提升至99.4%。本文还有配套的精品资源点击获取