考虑温度和SOC双因素的锂电池等效电路模型建立方法与流程

考虑温度和soc双因素的锂电池等效电路模型建立方法
技术领域
1.本发明属于电池管理技术领域，具体涉及一种考虑温度和soc双因素的锂电池等效电路模型建立方法。


背景技术：

2.合理的实验设计能控制试验误差，保证试验的质量，使试验具有代表性、正确性和重演性。试验设计主要作用之一就是确定试验因素对试验指标的影响。温度和soc是影响电池性能的两个重要因素，很多文献对其进行研究。例如，andre等用一个6.5ah高功率ncm锂离子电池被用作试验对象，设计了从-30℃到50℃的7个温度水平和从0％到100％的18个soc水平的双因素试验，整个试验包含119个测试点。温度水平间隔由高温到低温逐渐减少。soc水平间隔在高soc和低soc区间间隔为5％，在中soc区间间隔为10％。在60％soc不同温度水平，对所提出的2种ecm模型对电化学阻抗谱(electrochemical impedance spectroscopy,eis)的预测性能进行了对比。stefan等采用三种不同的、汽车级的高性能锂离子电池进行评估。设计了从-10℃到40℃的7个温度水平和从0％到100％的12个soc水平的双因素试验，整个试验包含84个测试点。在50％soc两个温度水平，对两种不同rc数量的ecm对eis图谱的预测性能进行了对比。wang等针对20ah商用化软包lifepo4电池，温度范围从273至303k的4个水平、soc范围从0％到100％的13个水平进行试验，整个试验包含52个测试点。在不同温度下，对ecm的模型参数进行soc多项式函数建模。使用交叉验证方法，对soc多项式函数和插值函数的预测性能进行对比分析。
3.以上文献都采用了全面试验，其是指对所选取的试验因素的所有水平组合全部实施试验。全面试验能够获得全面的试验信息，各因素及各级交互作用对试验指标的影响剖析的比较清楚。然而，当因素个数和水平数较多时，全面试验水平组合数太多，通常人力、物力、财力和场地等都难以承受。温度和soc因素的交互作用以及相应的模型也尚缺乏讨论。


技术实现要素：

4.有鉴于此，本发明的目的在于克服现有技术的不足，提供一种考虑温度和soc双因素的锂电池等效电路模型建立方法，以解决现有技术中当因素个数和水平数较多时，全面试验水平组合数太多，通常人力、物力、财力和场地等都难以承受的问题。
5.为实现以上目的，本发明采用如下技术方案：一种考虑温度和soc双因素的锂电池等效电路模型建立方法，包括：
6.选择样本电池，设计正交试验；
7.根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的模型参数；其中，所述等效电路模型的模型参数包括多个；
8.基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式对所述等效电路模型的模型参数进行表示得到正交分段多项式阿伦尼乌斯模
型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数；
9.获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的正交分段多项式阿伦尼乌斯模型，得到最优阿伦尼乌斯参数模型；选择温度和soc值加载到最优阿伦尼乌斯参数模型中获得等效电路模型的最优参数，得到最优等效电路模型。
10.进一步的，所述设计正交试验，包括：
11.选择试验因素，确定试验水平；其中，所述实验因素包括：温度和soc；确定试验水平为确定温度因素和soc因素的水平；
12.根据因素、试验水平以及是否需要考察交互作用选择正交表；
13.将试验因素和交互作用安排到所述正交表中，将所述正交表中各列的不同水平数字换成对应各因素相应水平值，构成正交试验。
14.进一步的，所述根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的参数，包括：
15.根据所述样本电池构建等效电路模型；
16.根据所述等效电路模型获取所述等效电路模型的阻抗；
17.利用复非线性最小二乘方法通过所述等效电路模型的实验阻抗与计算阻抗估计所述等效电路模型的参数。
18.进一步的，所述等效电路模型为二阶rc等效电路模型；所述二阶rc等效电路模型的复阻抗计算公式为：
19.z
ecm
＝z
ro
z
ri
z
rct
zw[0020][0021]
其中，z
ecm
为复阻抗，z
ro
为欧姆阻抗，z
ri
为锂离子在sei膜迁移阻抗，为电荷转移阻抗，zw为锂离子在活性物质颗粒内的固态扩散阻抗，ro为欧姆电阻之和，ri为sei膜迁移电阻之和，r
ct
为电荷转移电阻之和，qi和q
ct
为广义容量；ni和n
ct
为抑制因子，取0～1之间的实数；rw为warburg电阻，τw为扩散时间常数，nw在0～1之间变化。
[0022]
进一步的，所述利用复非线性最小二乘方法通过所述等效电路模型的实验阻抗与计算阻抗估计所述等效电路模型的模型参数，其计算公式为：
[0023][0024]
其中，k为频率的个数，z
′
exp
(ωk)和z
″
exp
(ωk)分别是ωk处的实验阻抗的实部和虚部，z
′
cal
(ωk)和z
″
cal
(ωk)分别是计算出的ωk处阻抗的实部和虚部；
[0025]
其中，利用复非线性最小二乘方法使得实验阻抗与计算阻抗之差的平方和误差最小时，确定为所述等效电路模型的模型参数。
[0026]
进一步的，所述基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参
数，利用分段函数表示的方式得到正交分段多项式阿伦尼乌斯模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数，包括：
[0027]
基于所述正交试验，以温度影响的阿伦尼乌斯模型为基础，以soc影响的多项式模型为参数，建立考虑温度和soc双因素交互作用的等效电路参数模型；
[0028]
对所述等效电路参数模型以分段函数的形式表示，得到正交分段多项式阿伦尼乌斯模型；
[0029]
选择不同段数和不同的阶数，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数。
[0030]
进一步的，考虑温度和soc双因素交互作用的等效电路参数模型的公式为：
[0031][0032][0033][0034]
其中，r
x
(t，soc)为ecm的模型参数在不同温度和soc下的函数，包括：[ro，ri，ni，qi，r
ct
，n
ct
，q
ct
，rw，τw，nw]；r
x，a
(soc)为阿伦尼乌斯模型比例常数的多项式函数；为阿伦尼乌斯模型活化能的多项式函数；
[0035]
所述利用分段函数表示的方式得到的正交分段多项式阿伦尼乌斯模型的表达式为：
[0036][0037]
选择不同段数和不同的阶数，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数的计算公式为：
[0038][0039]
其中，i为soc的个数，j为温度的个数，r
x，exp
(tj，soci)是soci和tj处的实验阻抗，r
x，cal
(tj，soci)是计算出的soci和tj处的阻抗。
[0040]
进一步的，还包括：
[0041]
根据最优等效电路模型获取复阻抗的预测值。
[0042]
本技术实施例提供一种考虑温度和soc双因素的锂电池等效电路模型建立装置，包括：
[0043]
选择模块，用于选择样本电池，设计正交试验；
[0044]
第一构建模块，用于根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的模型参数；其中，所述等效电路模型的模型参数包括多个；
[0045]
第二构建模块，用于基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式对所述等效电路模型的模型参数进行表示得到正交分段多项式阿伦尼乌斯模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数；
[0046]
获取模块，用于获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的正交分段多项式阿伦尼乌斯模型，得到最优阿伦尼乌斯参数模型；选择温度和soc值加载到最优阿伦尼乌斯参数模型中获得等效电路模型的最优参数，得到最优等效电路模型。
[0047]
本发明采用以上技术方案，能够达到的有益效果包括：
[0048]
本发明设计了双因素正交试验，基于温度影响阿伦尼乌斯方程的形式，结合soc影响多项式模型，建立了oppa。利用oppa修正ecm模型的参数，进而使ecm模型在未知温度和soc条件下对eis阻抗谱表现出较好的预测性能。具体优点有：
[0049]
(1)本发明在合理的试验数量前提下构建电池模型，通过正交试验方案设计，能够有效降低全面试验的数量。
[0050]
(2)本发明建立了oppa温度和soc双因素参数模型，该模型能够在几乎覆盖整个电动汽车运行工况的大温度和宽soc范围内，提供令人满意的ecm参数预测性能。
[0051]
(3)本发明提出了一种适用于未知温度和soc条件下oppa-ecm的建立框架。并进行了大量的实验，大量的实验结果验证了该框架在-20℃～45℃的温度和10％～100％的soc范围下的eis预测性能较高。
附图说明
[0052]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0053]
图1为本发明考虑温度和soc双因素的锂电池等效电路模型建立方法的步骤示意图；
[0054]
图2为本发明提供的基于二阶rc的ecm原理图；
[0055]
图3为本发明提供的不同温度和soc下使用oppa-ecm和全面试验分段多项式阿伦尼乌斯fppa-ecm预测阻抗的对比图；
[0056]
图4为本发明提供的考虑温度和soc双因素的锂电池等效电路模型建立装置的结构示意图。
具体实施方式
[0057]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0058]
下面结合附图介绍本技术实施例中提供的一个具体的考虑温度和soc双因素的锂
电池等效电路模型建立方法。
[0059]
如图1所示，本技术实施例中提供的考虑温度和soc双因素的锂电池等效电路模型建立方法包括：
[0060]
s101，选择样本电池，设计正交试验；
[0061]
具体的，所述设计正交试验，包括：
[0062]
选择试验因素，确定试验水平；其中，所述实验因素包括：温度和soc；确定试验水平为确定温度因素和soc因素的水平；本实施例中温度和soc因素均为5水平。为了进行对比，选择全面试验的温度因素为5水平，soc因素为10水平。
[0063]
根据因素、试验水平以及是否需要考察交互作用选择正交表；其中，正交表的选择原则是在能够安排下试验因素和交互作用的前提下，尽可能选用较小的正交表，以减少试验次数。本实施例考察2因素5水平，通过查找常用的正交表，选择l
25
(56)为适宜正交表。
[0064]
将试验因素和交互作用安排到所述正交表中，将所述正交表中各列的不同水平数字换成对应各因素相应水平值，构成正交试验。
[0065]
其中，表头设计就是将试验因素和交互作用合理地安排到所选正交表的各列中。在表头设计的基础上，将所选正交表中各列的不同水平数字换成对应各因素相应水平值，便形成了试验方案。试验方案设计完成后，就可以按照试验方案实施试验。试验实施后，将试验结果填入相应位置，如表1所示。
[0066][0067][0068]
表1基于l
25
(56)正交表的ecm参数估计的试验方案及结果
[0069]
s102，根据所述样本电池构建等效电路模型(equivalent circuit model，ecm)，
根据所述正交试验的实验条件下测量电化学阻抗谱曲线(electrochemical impedance spectroscopy，eis)，利用复非线性最小二乘方法(complex nonlinear least squares，cnls)估计所述等效电路模型的模型参数；其中，所述等效电路模型的模型参数包括多个；
[0070]
cnls能够在试验数据和预测数据间最小误差平方和意义上对模型参数进行数值优化。
[0071]
一些实施例中，所述根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的参数，包括：
[0072]
根据所述样本电池构建等效电路模型；
[0073]
根据所述等效电路模型获取所述等效电路模型的阻抗；
[0074]
利用复非线性最小二乘方法通过所述等效电路模型的实验阻抗与计算阻抗估计所述等效电路模型的参数。
[0075]
可以理解的是，此处建立的等效电路模型只能够对常温阻抗进行预测。
[0076]
如图2所示，本实施例选择基于2阶rc的ecm；在正交试验设计中的温度和soc条件下进行试验测量电化学阻抗谱(electrochemical impedance spectroscopy，eis)曲线，利用复非线性最小二乘(complex nonlinear least squares，cnls)方法估计ecm的参数，cnls能够在试验数据和预测数据间最小误差平方和意义上对模型参数进行数值优化。具体包括以下步骤：
[0077]
本实施例以二阶rc的ecm为例，基于eis的ecm的复阻抗可由方程表示如下：
[0078]zecm
＝z
ro
z
ri
z
rct
zw[0079][0080]
其中，z
ecm
为复阻抗，z
ro
为欧姆阻抗，z
ri
为锂离子在sei膜迁移阻抗，为电荷转移阻抗，zw为锂离子在活性物质颗粒内的固态扩散阻抗，ro为欧姆电阻之和，ri为sei膜迁移电阻之和，r
ct
为电荷转移电阻之和，qi和q
ct
为广义容量；ni和n
ct
为抑制因子，取0～1之间的实数；rw为warburg电阻，τw为扩散时间常数，nw在0～1之间变化。可以理解的是，ro、ri、r
ct
均为等效电路模型的模型参数。等效电路模型的模型参数可在实验过程中得到多个。
[0081]
然后利用cnls方法估计ecm的参数，cnls将使实验阻抗与计算阻抗之差的平方和误差(sum of squares error，sse)最小，计算公式为：
[0082][0083]
其中，k为频率的个数，z
′
exp
(ωk)和z
″
exp
(ωk)分别是ωk处的实验阻抗的实部和虚部，z
′
cal
(ωk)和z
″
cal
(ωk)分别是计算出的ωk处阻抗的实部和虚部；
[0084]
其中，利用复非线性最小二乘方法使得实验阻抗与计算阻抗之差的平方和误差最小时，确定为所述等效电路模型的模型参数。
[0085]
s103，基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式对所述等效电路模型的模型参数进行表示得到正交分段多项式阿伦尼乌斯模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦
尼乌斯模型的模型参数；具体包括：
[0086]
基于所述正交试验，以温度影响的阿伦尼乌斯模型为基础，以soc影响的多项式模型为参数，建立考虑温度和soc双因素交互作用的等效电路参数模型；
[0087]
对所述等效电路参数模型以分段函数的形式表示，得到正交分段多项式阿伦尼乌斯模型；
[0088]
选择不同段数和不同的阶数，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数。
[0089]
本技术中以温度影响的阿伦尼乌斯模型的形式为基础，以soc影响的多项式模型为参数，建立考虑温度和soc双因素交互作用的ecm参数模型。为了更加细化地描述不同温度区间元件的主导作用，进一步将双因素模型用分段函数的形式描述，得到正交分段多项式阿伦尼乌斯模型(orthogonal piecewise polynomial arrhenius，oppa)。选择不同的段数和不同的阶数，利用非线性最小二乘(nonlinear least squares，nls)估计oppa的模型参数。具体包括以下步骤：
[0090]
考虑温度和soc双因素交互作用的等效电路参数模型的公式为：
[0091][0092][0093][0094]
其中，r
x
(t，soc)为ecm的模型参数在不同温度和soc下的函数，包括：[ro，ri，ni，qi，r
ct
，n
ct
，q
ct
，rw，τw，nw]；r
x，a
(soc)为阿伦尼乌斯模型比例常数的多项式函数；为阿伦尼乌斯模型活化能的多项式函数。
[0095]
可以理解的是，r
x
(t，soc)代表等效电路模型的模型参数，温度和soc双因素交互作用的等效电路参数模型是对等效电路模型中的模型参数的表示。本技术首先需要确定温度和soc双因素交互作用的等效电路参数模型中的参数，其参数为r
x
(t，soc)；为确定r
x
(t，soc)，首先需要对上述模型进行分段、分阶处理，需要说明的是，本技术根据所选择温度水平个数和soc水平个数确定分段数和分阶数，本例温度为5水平，soc为5水平，因此分段数可以从1到4，分阶数也可以从1到4，分段和分阶存在16种情况。
[0096]
所述利用分段函数表示的方式得到的正交分段多项式阿伦尼乌斯模型的表达式为：
[0097][0098]
选择不同段数和不同的阶数，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数的计算公式为：
[0099][0100]
其中，i为soc的个数，j为温度的个数，r
x，exp
(tj，soci)是soci和tj处的实验阻抗，r
x，cal
(tj，soci)是计算出的soci和tj处的阻抗。利用实验中获取到的等效电路模型的模型参数，确定阿伦尼乌斯模型的模型参数。
[0101]
s104，获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的正交分段多项式阿伦尼乌斯模型，得到最优阿伦尼乌斯参数模型；选择温度和soc值加载到最优阿伦尼乌斯参数模型中获得等效电路模型的最优参数，得到最优等效电路模型。
[0102]
具体的，最优等效电路模型也就是oppa-ecm。本技术在-20℃、-10℃、5℃、25℃和45℃的5个温度水平和10％、30％、50％、70％和100％的5个soc水平下测得25条eis曲线，利用这25条谱线，ecm参数被逐个地估计出来。为了说明所建立的oppa-ecm能够很好地预测实验阻抗谱，图3分别给出了在不同温度和soc下使用oppa-ecm和全面试验分段多项式阿伦尼乌斯(full-scale piecewise polynomial arrhenius，fppa)fppa-ecm预测阻抗的对比数据，其中(a)为45℃结果，(b)为25℃结果，(c)为-10℃结果，(d)为-20℃结果。在未知soc和温度下，实施例所提出的oppa-ecm与实验阻抗谱显示出良好的一致性，并且oppa-ecm和fppa-ecm预测的性能相近，而oppa-ecm仅使用fppa-ecm一半的试验数量。
[0103]
考虑温度和soc双因素的锂电池等效电路模型建立方法的工作原理为：首先选择样本电池，根据所述样本电池构建ecm模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述ecm模型的模型参数；基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式得到oppa模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计oppa模型的模型参数；获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的oppa模型，得到最优oppa模型；选择温度和soc值加载到最优oppa模型中获得ecm模型的最优参数，得到oppa-ecm模型。
[0104]
一些实施例中，最后，将参数加载到ecm就能够得到eis复阻抗的预测值z
ecm
。
[0105]
如图4所示，本技术实施例提供一种考虑温度和soc双因素的锂电池等效电路模型建立装置，包括：
[0106]
选择模块401，用于选择样本电池，设计正交试验；
[0107]
第一构建模块402，用于根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的模型参数；其中，所述等效电路模型的模型参数包括多个；
[0108]
第二构建模块403，用于基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式对所述等效电路模型的模型参数进行表示得到正交分段多项式阿伦尼乌斯模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数；
[0109]
获取模块404，用于获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的正交分段多项式阿伦尼乌斯模型，得到最优阿伦尼乌
斯参数模型；选择温度和soc值加载到最优阿伦尼乌斯参数模型中获得等效电路模型的最优参数，得到最优等效电路模型。
[0110]
本技术实施例提供的考虑温度和soc双因素的锂电池等效电路模型建立装置的工作原理为，选择模块401选择样本电池，设计正交试验；第一构建模块402根据所述样本电池构建等效电路模型，根据所述正交试验的实验条件下测量电化学阻抗谱曲线，利用复非线性最小二乘方法估计所述等效电路模型的模型参数；第二构建模块403基于所述正交试验，以阿伦尼乌斯模型为基础、多项式模型为参数，利用分段函数表示的方式对所述等效电路模型的模型参数进行表示得到正交分段多项式阿伦尼乌斯模型，选择不同段数和不同阶段，利用非线性最小二乘方法估计正交分段多项式阿伦尼乌斯模型的模型参数；获取模块404获取最优段数和阶数预测效果最好的最优模型参数，将所述最优模型参数加载到对应段数和阶数的正交分段多项式阿伦尼乌斯模型，得到最优阿伦尼乌斯参数模型；选择温度和soc值加载到最优阿伦尼乌斯参数模型中获得等效电路模型的最优参数，得到最优等效电路模型。
[0111]
本技术实施例提供一种计算机设备，包括处理器，以及与处理器连接的存储器；
[0112]
存储器用于存储计算机程序，计算机程序用于执行上述任一实施例提供的考虑温度和soc双因素的锂电池等效电路模型建立方法；
[0113]
处理器用于调用并执行存储器中的计算机程序。
[0114]
综上所述，本发明提供一种考虑温度和soc双因素的锂电池等效电路模型建立方法，本发明设计了双因素正交试验，基于温度影响阿伦尼乌斯方程的形式，结合soc影响多项式模型，建立了oppa。利用oppa修正ecm模型的参数，进而使ecm模型在未知温度和soc条件下对eis阻抗谱表现出较好的预测性能。本发明在合理的试验数量前提下构建电池模型，通过正交试验方案设计，能够有效降低全面试验的数量。本发明建立了oppa温度和soc双因素参数模型，该模型能够在几乎覆盖整个电动汽车运行工况的大温度和宽soc范围内，提供令人满意的ecm参数预测性能。本发明提出了一种适用于未知温度和soc条件下oppa-ecm的建立框架。并进行了大量的实验，大量的实验结果验证了该框架在-20℃～45℃的温度和10％～100％的soc范围下的eis预测性能较高。
[0115]
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
[0116]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0117]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0118]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0119]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0120]
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。因此，本发明的保护范围应以所述权利要求的保护范围为准。