挖掘机油温预警方法、装置、服务器及挖掘机与流程

[0001]
本发明涉及工程机械技术领域，尤其涉及一种挖掘机油温预警方法、装置、服务器及挖掘机。


背景技术：

[0002]
现有的挖掘机故障诊断和维护方案，主要依赖于当前时间点采集到的数据，在故障工况出现了之后才能提供报警，在提前预判故障的能力上，具有相当的局限性。在油温预警方面，挖掘机主要通过安装在自身的油温传感器来感知当前的液压油温度，时效性受限，往往发现油温过高时，系统已经处于较为不利的工况下。同时没有考虑油温与其他设备的耦合关系，不能充分利用各个部件之间的相互影响来判断和诊断故障。
[0003]
可见，现有的油温预警方案，只能对已经出现异常状态的油温进行报警，不能提前进行油温预警。


技术实现要素：

[0004]
本公开实施例提供了一种挖掘机油温预警方法、装置、服务器及挖掘机，至少解决上述部分技术问题。
[0005]
第一方面，本公开实施例提供了一种挖掘机油温预警方法，应用于服务器，所述方法包括：
[0006]
获取挖掘机上的目标传感器采集的挖掘机的油温关联参数，其中，所述目标传感器包括设置于所述挖掘机的发动机转速传感器、发动机冷却水的温度传感器、液压泵的压力传感器和功发动机的功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0007]
将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0008]
在所述油温预警结果为油温趋势异常时，向所述挖掘机关联的监控终端发送油温预警的指示信息。
[0009]
根据本公开的一种具体实施方式，所述获取挖掘机上的目标传感器采集的挖掘机的油温关联参数的步骤之前，所述方法还包括：
[0010]
获取预设数量的样本数据，其中，每组样本数据均包括挖掘机液压泵的流量参数、功率参数、冷却水的温度参数、发动机转速参数及对应的液压油温参数；
[0011]
确定每组样本数据中对应同一时刻的自变量和因变量，其中，自变量包括挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数，因变量包括液压油温参数；
[0012]
将每组所述样本数据的自变量和因变量对应输入多元回归模型进行训练，得到所述油温预警模型。
[0013]
根据本公开的一种具体实施方式，所述将每组所述样本数据的自变量和因变量对
应输入多元回归模型进行训练，得到所述油温预警模型的步骤，包括：
[0014]
将挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数作为自变量，将所述液压油温参数作为因变量输入回归模型；
[0015]
利用对全部参数的变换处理，计算每组参数的组合值和自然底数；
[0016]
利用相关系数，筛选出相关性最大的前六位的参数组合；
[0017]
利用最小二乘法，构建出所述油温预警模型。
[0018]
根据本公开的一种具体实施方式，所述将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果的步骤，包括：
[0019]
将所述油温关联参数输入预先加载的油温预警模型，获得油温预警值；
[0020]
获取所述挖掘机实时采集的油温实际值；
[0021]
判断同一时刻的所述油温预警值与所述油温实际值的差值是否大于或者等于预设差值；
[0022]
若所述油温预警值与所述油温实际值的差值大于或者等于所述预设差值，则确定油温预警结果为油温趋势异常；
[0023]
若所述油温预警值与所述油温实际值的差值小于所述预设差值，且所述油温预警值小于所述预警温度值，则确定所述油温预警结果为油温趋势正常。
[0024]
根据本公开的一种具体实施方式，所述将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果的步骤之前，所述方法还包括：
[0025]
剔除所述油温关联参数中对应异常工况的异常参数，其中，所述异常工况包括初始开机工况、怠速待机工况、停机工况及高温工况中的至少一种。
[0026]
第二方面，本公开实施例提供了一种挖掘机油温预警方法，应用于挖掘机，所述方法包括：
[0027]
获取目标传感器采集的油温关联参数，其中，所述目标传感器包括设置于所述挖掘机的发动机转速传感器、发动机冷却水的温度传感器、液压泵的压力传感器和功发动机的功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0028]
将所述油温关联参数发送至预先加载油温预警模型的服务器，以使所述服务器获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0029]
接收所述服务器在所述油温预警结果为油温趋势异常时返回的油温预警的指示信息。
[0030]
第三方面，本公开实施例提供了一种挖掘机油温预警装置，应用于服务器，所述装置包括：
[0031]
获取模块，用于获取挖掘机上的目标传感器采集的挖掘机的油温关联参数，其中，所述目标传感器包括设置于所述挖掘机的发动机转速传感器、发动机冷却水的温度传感器、液压泵的压力传感器和功发动机的功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0032]
计算模块，用于将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0033]
指示模块，用于在所述油温预警结果为油温趋势异常时，向所述挖掘机关联的监控终端发送油温预警的指示信息。
[0034]
第四方面，本公开实施例提供了一种服务器，包括存储器以及处理器，所述存储器与所述处理器连接，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行第一方面中任一项所述的挖掘机油温预警方法。
[0035]
第五方面，本公开实施例提供了一种挖掘机，包括挖掘机本体、目标传感器、存储器及处理器，其中，所述目标传感器包括转速传感器、温度传感器、压力传感器和功率传感；
[0036]
所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行第二方面所述的挖掘机油温预警方法。
[0037]
第六方面，本公开实施例提供了一种计算机可读存储介质，存储有第四方面所述的服务器或者第五方面所述的挖掘机中所用的计算机程序。
[0038]
上述本公开实施例提供的挖掘机油温预警方法、装置、服务器及挖掘机，先获取挖掘机上的目标传感器采集的挖掘机的油温关联参数，其中，所述目标传感器包括设置于所述挖掘机的发动机转速传感器、发动机冷却水的温度传感器、液压泵的压力传感器和功发动机的功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数。之后再将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种。最后，在所述油温预警结果为油温趋势异常时，向所述挖掘机关联的监控终端发送油温预警的指示信息。这样，可以利用油温机预警模型根据实时的油温关联参数提前预警挖掘机可能出现的油温过高等异常状态，充分利用了云平台和大数据的优势，将云平台的数据转化为生产力倍增的放大器，利用数据建立起全寿命周期的各种工况的模型，覆盖面广；通过结合大数据算法和机理驱动模型，获得了精度更高的油温预警方法；同时和传统的基于状态的故障诊断相比，在提高了精度的同时还确保了计算效率。
附图说明
[0039]
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0040]
图1为本公开实施例提供的一种应用于服务器的挖掘机油温预警方法的流程示意图；
[0041]
图2为本公开实施例提供的挖掘机油温预警方法所应用的服务器的示意图；
[0042]
图3为本公开实施例提供的一种应用于挖掘机的挖掘机油温预警方法的流程示意图；
[0043]
图4为本公开实施例提供的一种应用于服务器的挖掘机油温预警装置的模块框图；
[0044]
图5为本公开实施例提供的一种应用于挖掘机的挖掘机油温预警装置的模块框图。
具体实施方式
[0045]
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0046]
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047]
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
[0048]
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0049]
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
[0050]
参见图1，为本公开实施例提供的一种挖掘机油温预警方法的流程示意图，所提供的挖掘机油温预警方法应用于服务器。如图1所示，所述方法主要包括以下步骤：
[0051]
s101，获取挖掘机上的目标传感器采集的挖掘机的油温关联参数，其中，所述目标传感器包括设置于所述挖掘机的发动机转速传感器、发动机冷却水的温度传感器、液压泵的压力传感器和功发动机的功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0052]
本公开实施例提供的挖掘机油温预警方法，应用于服务器，服务器与挖掘机数据连接，实现服务器与挖掘机之间的数据交互。具体的，服务器可以为实体服务器，也可以为云平台式远程通信的云服务器。
[0053]
如图2所示，挖掘机上安装有多个传感器，用于采集各类传感数据，将跟油温预警关联的传感器定义为目标传感器，此处所涉及的目标传感器可以发动机的转速传感器、功率传感器、油缸的温度传感器和压力传感器等。将目标传感器采集的跟油温预警关联的传感数据定义为油温关联参数，所涉及的油温关联参数可以包括转速参数、温度参数、压力参数和功率参数。挖掘机部署有该部分目标传感器和上位机，上位机周期性采集或者实时获取目标传感器采集的油温关联参数，将所采集的油温关联参数发送至服务器。
[0054]
在此部分所涉及的云平台大数据存储模块中，利用转速、温度、压力和功率控制传感器从挖掘机中获取各个核心部件的运行参数：包括发动机的转速、输出功率和油耗，液压泵的压力和输出功率，冷却水的温度，然后利用can总线传输方式，将所有的数据归拢到控制单元，之后利用无线网络实时上传到云平台，存储到大数据的数据库中。
[0055]
s102，将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0056]
服务器内预先加载有油温预警模型，该油温预警模型可以根据输入的特定类型的参数，计算预测挖掘机下一时刻或者一段时间后的未来时刻的油温值，或者预测挖掘机的
油温趋势。服务器在接收到挖掘机的目标传感器采集的油温关联参数之后，即可将所接收的该部分油温关联参数输入预先加载的油温预警模型，通过计算后得到油温预警结果。
[0057]
通常情况下，油温预警结果包括油温趋势正常和油温趋势异常中的一种。油温趋势正常表示当前油温的趋势变化正常，和/或在下一时刻的油温预测值为正常值，反之，油温趋势异常表示当前油温的趋势变化异常，和/或在下一时刻的油温预测值为异常值。
[0058]
s103，在所述油温预警结果为油温趋势异常时，向所述挖掘机关联的监控终端发送油温预警的指示信息。
[0059]
油温预警结果为异常时，通常发生了异常情况，例如传感器采集的数据错误，油温预警模型出错或者时挖掘机的油温即将超过正常范围出现异常高温。在油温预警结果为油温趋势异常时，服务器可以向挖掘机关联的监控终端发送油温预警的指示信息，以指示监控终端播放该油温预警，提醒挖掘机操作手或者相关监管人员注意及时处理。
[0060]
上述本公开实施例提供的方法，可以利用油温机预警模型根据实时的油温关联参数提前预警挖掘机可能出现的油温过高等异常状态，充分利用了云平台和大数据的优势，将云平台的数据转化为生产力倍增的放大器，利用数据建立起全寿命周期的各种工况的模型，覆盖面广；通过结合大数据算法和机理驱动模型，获得了精度更高的故障诊断方法；同时和传统的基于状态的故障诊断相比，在提高了精度的同时还确保了计算效率。
[0061]
在上述实施例的基础上，根据本公开的一种具体实施方式，还增设油温预警模型的训练过程。所述获取挖掘机上的目标传感器采集的挖掘机的油温关联参数的方法之前，所述方法还可以包括：
[0062]
获取预设数量的样本数据，其中，每组样本数据均包括挖掘机液压泵的流量参数、功率参数、冷却水的温度参数、发动机转速参数及对应的液压油温参数；
[0063]
确定每组样本数据中对应同一时刻的自变量和因变量，其中，自变量包括挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数，因变量包括液压油温参数；
[0064]
将每组所述样本数据的自变量和因变量对应输入多元回归模型进行训练，得到所述油温预警模型。
[0065]
本实施方式在进行油温预警模型训练时，获取多组样本数据，每组样本数据可以包括同一时刻的挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数及对应的液压油温参数，将对应同一时刻的挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数作为自变量，将液压油温参数作为因变量，再分别输入多元回归模型进行训练，这样，即可得到具备油温预警功能的油温预警模型。
[0066]
具体的，上述将每组所述样本数据的自变量和因变量对应输入多元回归模型进行训练，得到所述油温预警模型的步骤，可以包括：
[0067]
将挖掘机液压泵的流量参数、功率参数、冷却水温度参数、发动机转速参数作为自变量，将所述液压油温参数作为因变量输入回归模型；
[0068]
利用对全部参数的变换处理，计算每组参数的组合值和自然底数，首先对原始的参数，分别做基于自然对数的转化，生成一组参数的自然对数值，同时对原始参数做自然指数变换，生成一组参数的自然对数值，随后对所有的参数实施两两组合，生成一组新的组合值；
[0069]
利用相关系数，筛选出相关性最大的前六位的参数组合，此处使用皮尔森线性相关系数作为计算原则，分别计算上一步生成的所有参数与油温的相关系数，并对相关系数的大小进行排队，选择出与油温关系最大的六个参数，作为下一步的预测模型的自变量；
[0070]
利用最小二乘法，构建出所述油温预警模型，以平均误差小于1％作为误差控制标准，分别在训练集和测试集上取得同等的效果，并输出模型里各个参数对应的系数。
[0071]
本实施方式主要涉及预测模型模块，利用液压泵的流量、吸收功率、冷却水温度、发动机转速和功率作为自变量，以液压油温为因变量。利用对以上各种参数的变换，求出各个参数的组合值和自然底数，然后利用相关系数，筛选出相关性最大的前六位的参数组合，利用最小二乘法，构建出预测模型，模型误差设定在平均误差小于1％的水平上，且模型在训练集和测试集上应取得同样的效果。模型训练成功后，嵌入到云平台的计算处理功能里，从而能够实时的计算液压油温度的预测值以及预测值和真实值间的差异。
[0072]
根据本公开的一种具体实施方式，所述将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果的步骤，包括：
[0073]
将所述油温关联参数输入预先加载的油温预警模型，获得油温预警值；
[0074]
获取所述挖掘机实时采集的油温实际值；
[0075]
判断同一时刻的所述油温预警值与所述油温实际值的差值是否大于或者等于预设差值；
[0076]
若所述油温预警值与所述油温实际值的差值大于或者等于所述预设差值，则确定油温预警结果为油温趋势异常；
[0077]
若所述油温预警值与所述油温实际值的差值小于所述预设差值，则确定所述油温预警结果为油温趋势正常。
[0078]
本实施方式主要涉及故障判断和报警模块：以实际油温值超过预测油温值的大小作为计算偏差，然后利用统计学方法，计算出该偏差值的标准差作为偏差阈值的上限，当预测值和实际运行值的差异超过了预定的偏差阈值上限，且持续了三分钟后，由云计算平台向终端用户发送故障预警，提醒实施检修和维护。当然，在进行判断时，还可以增设温度预警值，将获取的预测温度值与温度预警值进行比较，在预测温度值大于或者等于温度预警值时即进行预警。此处，温度预警值小于实际异常的温度值。
[0079]
其中检修策略分为三类：集中式定时检修维护：即对于影响较小的故障，可根据预测结果，在下一轮定时检修中解决该问题；分散式停机后检修：即在本次作业完成后检修；立即停机检修：即对于较为严重和恶劣的故障，立刻停机开展检修。
[0080]
根据本公开的一种具体实施方式，所述将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果的步骤之前，所述方法还包括：
[0081]
剔除所述油温关联参数中对应异常工况的异常参数，其中，所述异常工况包括初始开机工况、怠速待机工况、停机工况及高温工况中的至少一种；
[0082]
所述将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果的步骤，包括：
[0083]
将剔除过异常参数的油温关联参数输入所述油温预警模型，获得油温预警结果。
[0084]
本实施方式主要涉及数据读取和预处理模块：通过数据库接口获取云平台的数据，筛选要计算的工况，即只计算挖掘机正常工作时的工况，不考虑初始开机、怠速待机和
停机以及具有明显的水温过高现象时的数据，并清除记录缺失的时间点上的缺失值和明显超过正常油温的异常值。
[0085]
综上所述，本公开实施例主要涉及以下几方面：工业云平台大数据存储和传输技术；挖掘机多设备的建模耦合，包括发动机工况、主泵工况、液压油流量等；非线性预测模型的构建方法和算法开发；基于预测模型实现预测性维护和告警的技术。提前预警油温过高的问题，能够在故障发生前向用户和维保人员发出警示。利用大数据，使用时间序列数据预测油温的变化趋势。引入具有耦合关系的关键部件，包括发动机、散热设备的冷却水温度和主泵运转数据，来辅助预测油温。将预测结果和报警结果保存到数据库，高效回溯模型结果，从而判断预测结果的精准度和可靠性，在后续运行中提升运维效率。
[0086]
参见图3，为本公开实施例提供的一种挖掘机油温预警方法的流程示意图。与上述图1所示的实施例提供的挖掘机油温预警方法的区别在于，本实施例提供的挖掘机油温预警方法应用于挖掘机。如图3所示，所述方法主要包括以下：
[0087]
s301，获取目标传感器采集的油温关联参数，其中，所述目标传感器包括转速传感器、温度传感器、压力传感器和功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0088]
利用转速、温度、压力和功率控制传感器从挖掘机中获取各个核心部件的运行参数：包括发动机的转速、输出功率和油耗，液压泵的压力和输出功率，冷却水的温度，然后利用can总线传输方式，将所有的数据归拢到控制单元，之后利用无线网络实时上传到云平台，存储到大数据的数据库中。
[0089]
s302将所述油温关联参数发送至预先加载油温预警模型的服务器，以使所述服务器获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0090]
挖掘机部署有该部分目标传感器和上位机，上位机周期性采集或者实时获取目标传感器采集的油温关联参数，将所采集的油温关联参数发送至服务器。
[0091]
通常情况下，油温预警结果包括油温趋势正常和油温趋势异常中的一种。
[0092]
s303，接收所述服务器在所述油温预警结果为油温趋势异常时返回的油温预警的指示信息。
[0093]
油温预警结果为异常时，通常发生了异常情况，例如传感器采集的数据错误，油温预警模型出错或者时挖掘机的油温即将超过正常范围出现异常高温。在油温预警结果为油温趋势异常时，服务器可以向挖掘机关联的监控终端发送油温预警的指示信息，以指示监控终端播放该油温预警，提醒挖掘机操作手或者相关监管人员注意及时处理。
[0094]
上述本公开实施例提供的方法，可以利用油温机预警模型根据实时的油温关联参数提前预警挖掘机可能出现的油温过高等异常状态，充分利用了云平台和大数据的优势，将云平台的数据转化为生产力倍增的放大器，利用数据建立起全寿命周期的各种工况的模型，覆盖面广；通过结合大数据算法和机理驱动模型，获得了精度更高的故障诊断方法；同时和传统的基于状态的故障诊断相比，在提高了精度的同时还确保了计算效率。
[0095]
与上述图标1所示的方法实施例相对应，参见图4，本公开实施例还提供了一种挖掘机油温预警装置，所述挖掘机油温预警装置应用于服务器。如图4所示，所述挖掘机油温预警装置400包括：
[0096]
获取模块401，用于获取挖掘机上的目标传感器采集的挖掘机的油温关联参数，其
中，所述目标传感器包括转速传感器、温度传感器、压力传感器和功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0097]
计算模块402，用于将所述油温关联参数输入预先加载的油温预警模型，获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0098]
指示模块403，用于在所述油温预警结果为油温趋势异常时，向所述挖掘机关联的监控终端发送油温预警的指示信息。
[0099]
此外，与上述图3所示的方法实施例相对应，参见图5，本公开实施例还提供了一种挖掘机油温预警装置。如图5所示，所述挖掘机油温预警装置500包括：
[0100]
获取模块501，用于获取目标传感器采集的油温关联参数，其中，所述目标传感器包括转速传感器、温度传感器、压力传感器和功率传感器，所述油温关联参数包括转速参数、温度参数、压力参数和功率参数；
[0101]
发送模块502，用于将所述油温关联参数发送至预先加载油温预警模型的服务器，以使所述服务器获得油温预警结果，其中，所述油温预警结果为油温趋势正常和油温趋势异常中的一种；
[0102]
接收模块503，用于接收所述服务器在所述油温预警结果为油温趋势异常时返回的油温预警的指示信息。
[0103]
此外，本公开实施例提供了一种服务器，包括存储器以及处理器，所述存储器与所述处理器连接，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行前述实施例提供的应用于服务器的挖掘机油温预警方法。
[0104]
另外，本公开实施例还提供了一种挖掘机，包括挖掘机本体、目标传感器、存储器及处理器，其中，所述目标传感器包括转速传感器、温度传感器、压力传感器和功率传感；
[0105]
所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行前述实施例提供的应用于挖掘机的挖掘机油温预警方法。
[0106]
以及，本公开实施例提供了一种计算机可读存储介质，存储有第四方面所述的服务器或者第五方面所述的挖掘机中所用的计算机程序。
[0107]
综上所述，本公开实施例利用大数据，使用时间序列数据预测油温的变化趋势。引入具有耦合关系的关键部件，包括发动机、散热设备的冷却水温度和主泵运转数据，来辅助预测油温。将预测结果和报警结果保存到数据库，高效回溯模型结果，从而判断预测结果的精准度和可靠性，在后续运行中提升运维效率。本公开实施例提供的挖掘机油温预警装置、服务器、挖掘机等执行主体的具体实施过程，可以参见前述实施例，在此不再一一赘述。
[0108]
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用
的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0109]
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
[0110]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0111]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。