用于对多个被控设备进行控制方法、设备和介质与流程

1.本公开的实施例总体涉及控制领域，并且更具体地涉及一种用于对多个被控设备进行控制方法、设备和介质。


背景技术：

2.在工业控制系统中，被控系统通常包括多个被控设备，各个被控设备之间往往存在相互耦合的影响，对每一被控设备的控制都会影响整个被控系统的控制输出。如果针对这些被控设备的控制方案不合适，则很容易导致各个被控设备被频繁启停，从而造成输出的状态产生较大的波动，无法维持在稳定的区间内，进而造成能源的浪费。如果可以提前判断出关于这些被控设备输出的状态的变化情况，并在其急剧变化之前，提前做出相应的控制动作，就可以减缓输出状态的波动，进而有助于减少事故发生的可能性，并达到节能的效果。
3.一种这样的被控系统是压缩空气系统，其通常包括空气压缩站（后面简称为“空压站”），并且空压站中可包括多个空气压缩机（后面简称为“空压机”）。当针对这些空压机的控制方案不合适时，很容易导致空压站与生产车间的用气供需差异，从而使得各个空压机频繁启停，造成输出的压力和流量产生较大的波动，无法维持在稳定的区间内，进而造成能源的浪费。目前，对于空压站中的空压机的控制通常包括先根据生产的最低需求、管道压降、安全等因素设置管网压力的上下限，然后根据这些上下限来控制各个空压机的启停，例如当压力达到下限是启动空压机，当压力到达上限时关闭空压机。但是，这种方法无法在由于用气端需求量突变导致压力急剧变化之前，提前做出相应的控制动作，因此无法减缓压力的波动，也无法缩窄压力带。


技术实现要素：

4.针对上述问题，本公开提供了一种用于对多个被控设备进行控制方法、设备和介质，使得能够在状态急剧变化之前，提前判断需要对多个被控设备做出哪些控制动作，由此有助于减少事故发生的可能性，并达到节能的效果。
5.根据本公开的第一方面，提供了一种用于对多个被控设备进行控制的方法，包括：获取以预定采样频率采集到的关于被控系统的多个被控设备的多个状态数据；如果所述多个状态数据随时间的变化关系具有周期性变化规律，以相关联的时间周期为单位，将所述多个状态数据根据时间划分成多个数据分组；对所述多个数据分组进行聚类分析，以将所述多个数据分组划分成多个簇，每一个簇代表所述变化关系中的一种状态变化类型；对于每一个簇，基于作为所述簇的聚类中心的数据分组，为所述簇所代表的状态变化类型确定多个状态突变时间点以及在每一状态突变时间点前后的状态数据差值；以及在当前时间周期，基于为相关联的状态变化类型确定的在每一状态突变时间点前后的状态数据差值，确定在当前时间周期的相应时间点需要对所述多个被控设备中的哪一个或多个被控设备执行开机或关机操作。
6.根据本公开的第二方面，提供了一种计算设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的第一方面的方法。
7.在本公开的第三方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中所述计算机指令用于使计算机执行本公开的第一方面的方法。
8.在一些实施例中，该方法还包括：对所述多个状态数据进行异常处理，以去除所述多个状态数据中存在异常的状态数据；以及对异常处理后剩下的多个状态数据进行平滑处理。
9.在一些实施例中，对所述多个数据分组进行聚类分析，以将所述多个数据分组划分成多个簇包括：确定所述多个簇的数量；对于所述多个数据分组中的每一数据分组，确定所述数据分组与所述多个簇中的每一个簇的当前聚类中心之间的距离以作为所述数据分组与相应簇之间的距离，每一个簇的初始聚类中心是随机确定的；将每一数据分组分配到所述多个簇中与其距离最近的簇；在将所述多个数据分组都分配到相应的簇之后，将每一个簇的当前聚类中心更新为所述簇中所包括的所有数据分组之间的均值；以及对于每一个簇，如果所述簇的当前聚类中心与所述簇的前一聚类中心之间的距离大于或等于所述预定阈值，则回到前面的第二个步骤继续执行，直到所述簇的当前聚类中心与所述簇的前一聚类中心之间的距离均小于预定阈值为止。
10.在一些实施例中，对于每一个簇，基于作为所述簇的聚类中心的数据分组，为所述簇所代表的状态变化类型确定多个状态突变时间点包括：将为所述状态变化类型预先构建的数学模型中用于预测所述多个状态突变时间点的多个时间参数分别设为相应的初始时间值，以便基于作为所述簇的聚类中心的数据分组中的每一状态数据，通过最小二乘法确定所述数学模型的多个模型参数；在确定了所述数学模型的多个模型参数之后，基于差分进化算法来确定所述数学模型的所述多个时间参数的最终时间值；对于所确定的多个时间参数中的每一时间参数，如果在该时间参数所对应的时间点的状态数据与在前一时间参数或后一时间参数之一所对应的时间点的状态数据之间的连线的斜率大于预定阈值，则将该时间参数所对应的时间点确定为所述状态变化类型的状态突变时间点。
11.在一些实施例中，为所述簇所代表的状态变化类型确定在每一状态突变时间点前后的状态数据差值包括：对于所述多个状态突变时间点中的每一个状态突变时间点，确定作为所述簇的聚类中心的数据分组中紧接在所述状态突变时间点之前采集到的状态数据与紧接在所述状态突变时间点之后采集到的状态数据之间的差值，作为每一状态突变时间点前后的状态数据差值。
12.在一些实施例中，所述被控系统为压缩空气系统，所述多个被控设备为所述压缩空气系统的空压站中的多个空压机，并且每一状态数据为所述空压站在相应采集时间的总排气流量。
13.在一些实施例中，每一状态变化类型为所述空压站的一种用气类型。
14.在一些实施例中，所述时间周期为1天。
15.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
16.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。
17.图1示出了用于实现根据本发明的实施例的用于对多个被控设备进行控制方法的示例性系统100的示意图。
18.图2示出了根据本公开的实施例的空气压缩系统的示意图。
19.图3示出了根据本公开的实施例的用于对多个被控设备进行控制方法300的流程图。
20.图4示出了根据本公开的实施例的多个状态数据随时间的变化关系的示例性示意图。
21.图5示出了根据本公开的实施例的用于为各个簇所代表的状态变化类型确定多个状态突变时间点的方法500的流程图。
22.图6示出了根据本公开的实施例的电子设备600的框图。
具体实施方式
23.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
24.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
25.如上所述，在工业控制系统中，被控系统通常包括多个被控设备，各个被控设备之间往往存在相互耦合的影响，对每一被控设备的控制都会影响整个被控系统的控制输出。如果针对这些被控设备的控制方案不合适，则很容易导致这些被控设备被频繁启停，从而造成输出的状态产生较大的波动，无法维持在稳定的区间内，进而造成能源的浪费。
26.为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于对多个被控设备进行控制的方法，包括：获取以预定采样频率采集到的关于被控系统的多个被控设备的多个状态数据；如果所述多个状态数据随时间的变化关系具有周期性变化规律，以相关联的时间周期为单位，将所述多个状态数据根据时间划分成多个数据分组；对所述多个数据分组进行聚类分析，以将所述多个数据分组划分成多个簇，每一个簇代表所述变化关系中的一种状态变化类型；对于每一个簇，基于作为所述簇的聚类中心的数据分组，为所述簇所代表的状态变化类型确定多个状态突变时间点以及在每一状态突变时间点前后的状态数据差值；以及在当前时间周期，基于为相关联的状态变化类型确定的在每一状态突变时间点前后的状态数据差值，确定在当前时间周期的相应时间点需要对所述多个被控设备中的哪一个或多个被控设备执行开机或关机操作。以此方式，能够在状态急剧变化之前，提前判断需要对多个被控设备做出哪些控制动作，由此有助
于减少事故发生的可能性，并达到节能的效果。
27.图1示出了用于实现根据本发明的实施例的用于对多个被控设备进行控制方法的示例性系统100的示意图。如图1中所示，系统100包括服务器110以及被控系统120。服务器110与被控系统120通信连接，并且被配置对这些被控设备进行控制。服务器110可以是例如边缘服务器，其例如经由网关（诸如，物联网关，图中未示出）与对被控系统中的各个被控设备1201进行数据交互，以实现对这些被控设备的控制。例如，各个被控设备1201可例如经由工业总线（诸如，rs232总线或rs485总线）与网关连接，以经由该工业总线将数据发送给网关，以供网关转发给服务器110，或者经由该工业总线接收由网关转发的来自服务器110的数据。网关可经由有线连接或无线连接与服务器110进行数据交互，由此网关可经由有线通信或无线通信与服务器110进行通信。在一些实施例中，网关可经由一个或多个基站（诸如，4g或5g基站）（图中未示出）与服务器110进行通信（诸如，4g或5g通信）。服务器110可由一个或多个诸如台式机、膝上型计算机、笔记本电脑、工业控制计算机之类的计算设备实现，其可以包括至少一个处理器1101以及与该至少一个处理器1101耦合的至少一个存储器1102，该存储器1102中存储有可由该至少一个处理器1102执行的指令，该指令在被该至少一个处理器1101执行时执行如下所述的方法300。服务器110的具体结构可例如为下面结合图6所描述的电子设备600。
28.图1所示的被控系统120的一个示例为如图2所示的压缩空气系统，这时多个被控对象为压缩空气系统的空气压缩站中的多个空气压缩机（即，空压机）。应了解，虽然在图2中仅示出空压站中包括四个空压机，但是在实际使用中空压站中可包括更多或更少的空压机，而仍在本公开的保护范围内。
29.图3示出了根据本公开的实施例的用于对多个被控设备进行控制方法300的流程图。方法300可由如图1所示的服务器110执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法300还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
30.在步骤302，获取以预定采样频率采集到的关于被控系统的多个被控设备的多个状态数据。
31.在本公开中，采样频率可以是每分钟或者每几分钟采集一次状态数据，因此每一状态数据是在不同的采样时间采集到的关于被控系统的状态数据。
32.在该被控系统为如图2所示的压缩空气系统的示例中，该多个被控设备可以是空压站中的多个空压机。在该示例中，步骤302中提到的多个状态数据可以是空压站在相应采样时间采集到的空压站的多个总排气流量，即由图2所示的产气端流量计以预定采样频率采集到的瞬时母管流量数据。
33.在步骤304，如果该多个状态数据随时间（例如，随采样时间）的变化关系具有周期性变化规律，以相关联的时间周期为单位，将该多个状态数据根据时间（例如，根据采样时间）划分成多个数据分组。
34.如果这些状态数据在不同的时间呈现出相似的变化规律，则这些状态数据具有周期性。在一些实施例中，与周期性变化规律相关联的时间周期为1天。例如，在如图4所示的示例中，状态数据（例如，瞬时母管流量数据）在6.29到7.4、7.6到7.11以及7.13到7.18这几天均呈现类似的第一状态变化类型，而在7.5、7.12和7.19这几天均呈现类似的第二状态变
化类型，由此可知在该示例中，在每一周的前6天均呈现类似的第一状态变化类型，并且在一周的第7天均呈现类似的第二状态变化类型。这时，可认为这些状态数据随时间的变化关系具有周期性变化规律，并且在该示例中相关联的时间周期为1天。由于相关联的时间周期为1天，因此可以以天为单位，将这些状态数据划分成多个数据分组，即将同一天采集到的状态数据划分在一个数据分组中。虽然在前面的示例中，相关联的时间周期为1天，但是应了解，时间周期并不限于为1天，也可能是其他的时间周期，例如为一个或多个礼拜、一个或多个小时等等。
35.由于以采样频率采集到的状态数据中可能会存在一些异常值，因此在执行步骤304之前，还可对这些状态数据进行异常处理，以去除这些状态数据中存在异常的状态数据。例如，可以以“四分法”来识别所采集到的多个状态数据中存在异常的状态数据。具体地，可分别确定这些状态数据的0.25分位数q1和0.75分位数q3，然后将在q1-1.5*
△
q和q3 1.5*
△
q之外的状态数据认为是存在异常的状态数据进行去除，其中
△
q为四分位距，其等于q3-q1。
36.以采样频率采集到的状态数据可能会存在一些“毛刺”（例如，如图4所示的变化关系中的尖峰所对应的状态数据），这类状态数据对后期聚类会产生较大的影响。因此，在本公开中，还可对异常处理后剩下的多个状态数据进行平滑处理。例如，可通过选取一定的时间窗口（例如3分钟至15分钟的时间窗口），然后对每一时间窗口中的状态数据取均值或中位数来得到经平滑处理的状态数据。当然，如果相应的变化关系不存在毛刺数据，则可省略这样的平滑处理过程。
37.在步骤306，对多个数据分组（即在步骤304中划分得到的多个数据分组）进行聚类分析，以将该多个数据分组划分成多个簇，每一个簇代表步骤304中的变化关系中的一种状态变化类型。
38.例如，对于附图4，通过聚类分析，可将与每一周前6天相关联的数据分组都聚类到相同的第一簇中，因为其都呈现出相似的第一状态变化类型，并且每一周第7天相关联的数据分组都被聚类到相同的第二簇中，因为其都呈现出相似的第二状态变化类型。
39.在本公开中，可通过以下方法来对多个数据分组进行聚类分析，以将该述多个数据分组划分成多个簇（包括确定每一个簇的聚类中心）。
40.首先，确定要将该多个数据分组划分成的多少个簇（即，确定要将多个数据分组划分成的簇的数量）。
41.具体地，可先假设需要将这些数据分组划分成两个簇（即，这时具有两个聚类中心），然后对这些数据分组进行聚类分析以分别确定这两个簇的两个聚类中心，随后计算这些数据分组中的每一个数据分组与其被划分到的那个簇的聚类中心之间距离，并将计算得到的所有距离求和得到距离总和d2。然后，以类似的方法得到将这些数据分组划分成三个簇的情况下的距离总和d3、划分成四个簇的情况下的距离总和d4、一直到距离总和dn，其中n在理论上为在步骤304中划分得到的多个数据分组的数量，但是在实际应用中可以取一个大于阈值的整数即可。
42.在确定了距离总和d2到dn之后，为每一个距离总和计算二阶导数。具体地，可先基于以下公式确定每一个距离总和di的一阶导数，然后再基于以下公式来
根据相应的一阶导数确定相应的二阶导数,其中i为大于等于2并且小于等于n的整数。在得到每一个距离总和di的二阶导数d
i”之后，将所确定的d
2”到d
n”之中值最大的那个二阶导数所对应的聚类中心数减一所得到的数目作为最优的聚类中心数。例如，如果d3的二阶导数d
3”是d
2”到d
n”之中最大的那个二阶导数，则可确定簇的数量为2个。
43.在本公开中，每一数据分组与聚类中心（在本公开中，聚类中心也是一个数据分组）之间的距离可以是例如该数据分组与该聚类中心之间的欧氏距离，其可例如通过以下公式来计算：。在该公式中，xi对应于该数据分组中的第i个状态数据，yi对应于作为该聚类中心的数据分组中的第i个状态数据。
44.在确定了簇的数量之后，对于该多个数据分组（即在步骤304中划分得到的多个数据分组）中的每一数据分组，可确定该数据分组与该多个簇中的每一个簇的当前聚类中心之间的距离以作为该数据分组与该簇之间的距离，每一个簇的初始聚类中心是随机确定的。随机确定的初始聚类中心可以是前述多个数据分组中的任一数据分组，也可以是在前面提到的多个状态数据随时间的变化关系上任取的数据分组。然后，将每一数据分组分配到该多个簇中与其距离最近的那个簇。
45.在将该多个数据分组都分配到相应的簇之后，将每一个簇的当前聚类中心更新为该簇中所包括的所有数据分组之间的均值。应领会，在本公开中，该簇中所包括的所有数据分组之间的均值实际上也是一个数据分组。
46.对于每一个簇，如果该簇的当前聚类中心与该簇的前一聚类中心（即在前一循环中确定的聚类中心）之间的距离大于或等于预定阈值，则回到前面确定该数据分组与该多个簇中的每一个簇的当前聚类中心之间的距离的步骤继续执行，直到该簇的当前聚类中心与该簇的前一聚类中心之间的距离均小于预定阈值为止。
47.在步骤308，对于每一个簇，基于作为该簇的聚类中心的数据分组，为该簇所代表的状态变化类型确定多个状态突变时间点以及在每一状态突变时间点前后的状态数据差值。
48.在本公开中，状态突变时间点指的是例如状态数据从平稳振荡突然变为上升或者下降的时间点。
49.在每一状态突变时间点前后的状态数据差值指的是在作为相应的簇的聚类中心的数据分组中紧接在该状态突变时间点之前采集到的状态数据与紧接在该状态突变时间点之后采集到的状态数据之间的差值。
50.下面将结合图5对用于为各个簇所代表的状态变化类型确定多个状态突变时间点的方法作进一步更详细的描述。
51.在步骤310，在当前时间周期，基于为相关联的状态变化类型确定的在每一状态突变时间点前后的状态数据差值，确定在当前时间周期的相应时间点需要对所述多个被控设备中的哪一个或多个被控设备执行开机或关机操作。
52.在本公开中，相关联的状态变化类型指的是与当前时间周期相关联的状态变化类型。由于在步骤302获取的多个状态数据随时间（例如，随采样时间）的变化关系具有周期性变化规律，因此根据这种变化规律以及各个簇中所包括的数据分组，可以推断出与当前时间周期相关联的状态变化类型为哪一个。
53.例如，在压缩空气系统的示例中，如果为相关联的用气类型确定的在某个状态突变时间点前后的总排气流量的差值小于零，则说明用气需求变小，因此可确定需在当前时间周期的相应时间点，将产气量与该差值匹配的一个或多个空压机关机。相反，如果该差值大于零，则说明用气需求变大，因此可确定需在当前时间周期的相应时间点，将产气量与该差值匹配的一个或多个空压机开机。
54.图5示出了根据本公开的实施例的用于为各个簇所代表的状态变化类型确定多个状态突变时间点的方法500的流程图。方法500可由如图1所示的服务器110执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法500还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
55.在步骤502，将为该状态变化类型预先构建的数学模型中用于预测该多个状态突变时间点的多个时间参数分别设为相应的初始时间值，以便基于作为该簇的聚类中心的数据分组中的每一状态数据，通过最小二乘法确定该数学模型的多个模型参数。
56.在本公开中，该数学模型可用以下公式（1）表示：,其中
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）在以上公式（1）中，f(x)表示该数学模型用于预测该状态变化类型在相应时间周期的时间点x（例如，如果时间周期为1天，则该时间点可例如为一天中的某个以小时或分钟为单位的时间）的状态数据，β1到β
n 1
为该数学模型的多个模型参数，t1到t
n 1
为用于预测该多个状态突变时间点的多个时间参数，i为大于等于1并且小于等于n 1的整数，并且n是任选的整数。
57.具体地，可将以上公式（1）中的t1到t
n 1
设为相应的初始时间值，例如在一个示例中在时间周期可选为1天即24小时的情况下，可例如基于以下等式来设置t1到t
n 1
的初始时间值：ti=24*（i-1）/n，其中i为大于等于1并且小于等于n 1的整数。当然，也可以基于其他方式来设置t1到t
n 1
的初始时间值。
58.在将公式（1）中的t1到t
n 1
设置为相应的初始值之后，就可以计算公式（1）中的各个模型参数β1到β
n 1
了。具体地，可基于作为该簇的聚类中心的数据分组中的每一状态数据，通过最小二乘法对公式（1）进行回归来确定该数学模型的多个模型参数。在该最小二乘法中，可使用到以下公式（2）所表示的损失函数来计算相应的误差平方和，最小的误差平方和所对应的模型参数就是最终需要的模型参数；
ꢀꢀꢀꢀꢀꢀꢀ
（2）在该公式（2）中，ssr表示整体的误差平方和，yi表示在时间点xi的真实状态数据（其为作为该簇的聚类中心的数据分组中在时间点xi处采集到的状态数据），f(xi)表示基于前面设置了时间初始值后的公式（1）计算得到的在时间点xi处的预测状态数据，m表示作为该簇的聚类中心的数据分组中所包括的状态数据的数量。
59.在步骤504，在确定了该数学模型的多个模型参数之后，基于差分进化算法（differential evolution）来确定该数学模型的多个时间参数的最终时间值。
60.差分进化算法是一种常用的基于群体差异的启发式随机搜索算法，通过该算法可以高效地确定属性模型的多个时间参数的最终时间值。
61.在确定了公式（1）所示的数学模型的模型参数和时间参数的具体值之后，就相当于基于相应簇的聚类中心确定了该簇所代表的状态变化类型的数学模型。
62.在步骤506，对于所确定的多个时间参数中的每一时间参数，如果在该时间参数所对应的时间点的状态数据与在前一时间参数或后一时间参数之一所对应的时间点的状态数据之间的连线的斜率大于预定阈值，则将该时间参数所对应的时间点确定为状态变化类型的状态突变时间点。
63.每一时间参数的前一时间参数指的是所确定的多个时间参数中时间值紧接在该时间参数的时间值之前的那个时间参数，每一时间参数的后一时间参数指的是所确定的多个时间参数中时间值紧接在该时间参数的时间值之后的那个时间参数。
64.另外，在本公开中，在每一时间参数所对应的时间点的状态数据可根据通过步骤504和506确定了模型参数和时间参数之后的数学模型来确定。
65.由于在计算公式（1）中模型参数和时间参数时，用于预测状态突变时间点的时间参数的数量是任选的，因此基于这些时间参数计算出的状态突变时间点可能包含一下状态数据变化较小的时间点，步骤506可对这些时间点进行进一步的筛选，以去除不符合要求的状态突变时间点，即如果在该时间参数所对应的时间点的状态数据与前一时间参数和后一时间参数两者所对应的时间点的状态数据之间的连线的斜率均小于预定阈值，则说明并没有发生流量突变，因此可将该时间参数所对应的时间点去除而不作为相应状态变化类型的状态突变时间点。在去除了不符合要求的各个时间参数所对应的时间点之后，就为相应的状态变化类型确定了最终需要的状态突变时间点。
66.通过采用上述手段，本公开能够提前判断出可能发生状态急剧变化的各个时间点，并在发生状态急剧变化之前，提前判断需要对多个被控设备做出哪些控制动作，从而有助于减缓压力的波动，并缩窄压力带，进而有助于减少事故发生的可能性，并达到节能的效果。
67.图6示出了可以用来实施本公开内容的实施例的示例电子设备600的示意性框图。例如，如图1所示的故障诊断设备110可以由电子设备600来实施。如图所示，电子设备600包括中央处理单元（cpu）601，其可以根据存储在只读存储器（rom）602中的计算机程序指令或者从存储单元608加载到随机存取存储器（ram）603中的计算机程序指令，来执行各种适当的动作和处理。在随机存取存储器603中，还可存储电子设备600操作所需的各种程序和数据。中央处理单元601、只读存储器602以及随机存取存储器603通过总线604彼此相连。输入/输出（i/o）接口605也连接至总线604。
68.电子设备600中的多个部件连接至输入/输出接口605，包括：输入单元606，例如键盘、鼠标、麦克风等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
69.上文所描述的各个过程和处理，例如方法300和500，可由中央处理单元601执行。例如，在一些实施例中，方法300和500可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由只读
存储器602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序被加载到随机存取存储器603并由中央处理单元601执行时，可以执行上文描述的方法300和500的一个或多个动作。
70.本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
71.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、静态随机存取存储器（sram）、便携式压缩盘只读存储器（cd-rom）、数字多功能盘（dvd）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
72.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
73.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（isa）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（fpga）或可编程逻辑阵列（pla），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
74.这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
75.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定
的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
76.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
77.附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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，框图和/或流程图中的每个方框、以及框图和/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。
78.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。