机床评估方法、机床评估系统及介质与流程

1.本发明涉及机械加工领域，更具体地涉及一种机床评估方法、机床评估系统及介质。


背景技术：

2.随着机械加工在民用和商用领域的广泛应用，对机械加工工具，特别是机床，也提出了更高的要求。
3.目前，机床的评估(例如健康评估)是通过定期检查和按计划执行维护来进行的，并且在大多数情况下是人工手动进行的。然而，这种评估方式是不灵活的、现场的且基于经验实现的，这导致对机床、机床内部的关键部件、甚至对加工过程的评估存在较大误差和不确定性。尽管当前存在某些基于状态监视的评估方法，但该方法仅监视机床的总体运行趋势，仅提取机床的单一种类的信号、单一类型的特征、并采用单一的分析方式或基于特征中的单一变量实现分析评估，难以反映出机床的真实状态、性能及变化规律，难以适应各种灵活的机床和加工情况，使得该评估结果的精确度及鲁棒性较差。
4.因此，需要一种在实现机床评估的前提下，能够良好地适应各种灵活的机床加工情况，从多层级上对机床进行综合评估的机床评估方法，且该机床评估方法具有较高的评估精确度及鲁棒性。


技术实现要素：

5.针对以上问题，本发明提供了一种机床评估方法、机床评估系统及介质。利用本发明提供的机床评估方法可以在实现对机床状态(例如机床健康)良好评估的基础上，良好地适应各种灵活的机床加工情况，从多层级上对机床进行综合评估，且所得到的评估结果具有较高的精确度及鲁棒性。
6.根据本发明的一方面，提出了一种机床评估方法，包括：确定机床的至少一个目标部件；对每个目标部件：获取该目标部件的类型信息及属性信息；基于所获取的所述类型信息及属性信息，确定并获取对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据；基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集；基于与该目标部件的类型信息及属性信息匹配的目标预处理规则，对该原始数据集进行预处理，得到目标数据集；基于与该目标部件的类型信息及属性信息匹配的目标特征提取规则，对该目标数据集进行特征提取，得到特征数据集；基于与该目标部件的类型信息及属性信息匹配的多级评估规则以及该目标部件的所述特征数据集，对该目标部件进行多级评估，生成该目标部件的评估结果；基于所述至少一个目标部件的评估结果，生成该机床的评估结果。
7.在一些实施例中，对每个目标部件，基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集包括：对该目标工况数据、目标状态监测数据及目标设计参数数据进行多个维度的同步处理，得到原始数据集；所述多个维度包括空间维度及时间
维度。
8.在一些实施例中，对每个目标部件，基于该目标预处理规则对该原始数据集进行预处理得到目标数据集包括：基于该原始数据集中的目标工况数据，确定对应于该原始数据集的数据划分规则；基于该数据划分规则，对该原始数据集进行数据划分，得到目标数据集。
9.在一些实施例中，对每个目标部件，基于该目标特征提取规则对该目标数据集进行特征提取得到特征数据集包括：提取该目标数据集中目标工况数据的特征，得到该目标数据集的工况特征；提取该目标数据集中目标状态监测数据的特征，得到该目标数据集的状态监测特征；提取该目标数据集中目标设计参数数据的特征，得到该目标数据集的设计参数特征；基于该工况特征、状态监测特征、设计参数特征，得到目标部件的特征数据集。
10.在一些实施例中，基于该工况特征、状态监测特征、设计参数特征，得到目标部件的特征数据集包括：基于该工况特征、状态监测特征、设计参数特征，通过特征融合处理得到融合特征数据，并基于该融合特征数据生成特征数据集。
11.在一些实施例中，对每个目标部件，基于该多级评估规则及该目标部件的特征数据集，对该目标部件进行多级评估，生成目标部件的评估结果包括：基于该目标部件的特征数据集，在工况、监控状态、设计参数方面分别对该目标部件进行多级评估，得到评估数据；并基于该评估数据，生成该目标部件的总体评估数据。
12.在一些实施例中，机床评估方法还包括：基于该机床评估结果，对该机床进行优化。
13.在一些实施例中，该目标部件包括机床的刀具，所述得到该刀具的目标数据集的步骤包括：基于该刀具的加工过程对该原始数据集进行划分，得到分别对应于至少一个加工过程的至少一个子数据集；所述得到该刀具的特征数据集的步骤包括：提取所述至少一个子数据集中数据的数据特征，该数据特征包括余弦相似度趋势、平均特征趋势、峰值特征趋势中的至少一个；所述生成该刀具的评估结果的步骤包括：基于所述至少一个子数据集中数据的数据特征，对该刀具进行评估，得到该刀具在所述至少一个子过程中的过程评估结果，基于该过程评估结果生成刀具评估结果。
14.根据本公开的另一方面，还提出了一种机床评估系统，包括：目标部件获取模块，其被配置为确定机床的目标部件，并获取该目标部件的类型信息及属性信息；目标数据确定模块，其被配置为对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据；数据采集模块，其被配置为对每个目标部件，获取对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据，并基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集；预处理模块，其被配置为对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标预处理规则，并基于该目标预处理规则对该原始数据集进行预处理，得到目标数据集；特征提取模块，其被配置为对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标特征提取规则，并基于该目标特征提取规则对该目标数据集进行特征提取，得到特征数据集；部件分析评估模块，其被配置为基于该目标部件的类型信息及属性信息，确定对应于该目标部件的多级评估规则，并基于该多级评估规则及该目标部件的特征数据集，对该目标部件进行多级评估，生成目标部
件的评估结果；评估结果生成模块，其被配置为基于每个目标部件的评估结果，生成该机床的评估结果。
15.根据本发明的另一方面，提供了一种计算机可读存储介质，其特征在于，其上存储有计算机可读的指令，当利用计算机执行所述指令时执行如上所述的方法。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例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而言，在没有做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。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本发明的主旨。
17.图1示出了根据本公开一些实施例的机床评估方法100的示例性流程图；
18.图2示出了根据本公开一些实施例的对该原始数据集进行预处理得到目标数据集的过程s105的示例性流程图；
19.图3示出了根据本公开一些实施例的得到机床的特征数据集的过程s106的示例性流程图；
20.图4示出了根据本公开一些实施例的机床健康评估方法200的示例性流程图；
21.图5示出了根据机床健康评估方法200采集得到的扭矩信号的局部示意图；
22.图6示出了根据机床健康评估方法200对预处理后数据进行特征提取所得到的平均特征趋势图；
23.图7示出了根据本公开一些实施例的刀具健康度示意图；
24.图8示出了根据本公开一些实施例的不同使用时期的刀具健康度示意图；
25.图9示出了根据本公开一些实施例的刀具健康度趋势图；
26.图10示出了根据本公开一些实施例的机床评估系统300的示意性框图。
具体实施方式
27.下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本发明的部分实施例，而不是全部的实施例。基于本发明实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本发明保护的范围。
28.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
29.虽然本技术对根据本技术的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
30.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一
步或数步操作。
31.应了解，本技术所述机床旨在表征用于制造机器的机器，亦即工作母机或工具机。该机床例如可以为切削机床、锻压机床、木工机床等。机床的具体类型例如可以根据实际的机械加工方法及实际需要选取。本公开的实施例不受该机床的具体类型及其组成的限制。
32.目前，机床的评估(例如健康评估)是通过定期检查和按计划执行维护来进行的，并且在大多数情况下是人工手动进行的。然而，这种评估方式是不灵活的、现场的且基于经验实现的，这导致对机床、机床内部的关键部件、甚至对加工过程的评估存在较大误差和不确定性。尽管当前存在某些基于状态监视的评估方法，但该方法仅监视机床的总体运行趋势，仅提取机床的单一种类的信号、单一类型的特征、并采用单一的分析方式或基于特征中的单一变量实现分析评估，难以反映出机床的真实状态、性能及变化规律，难以适应各种灵活的机床和加工情况，使得该评估结果的精确度及鲁棒性较差。
33.基于此，本技术中提出了一种机床评估方法、机床评估系统及介质，使得能够在实现机床评估的基础上，良好地适应各种灵活的机床加工情况，从多层级上对机床进行综合评估的机床评估方法，且该机床评估方法具有较高的评估精确度及鲁棒性。
34.图1示出了根据本公开一些实施例的机床评估方法100的示例性流程图。
35.参照图1，首先，在步骤s101中，确定机床的至少一个目标部件。
36.所述目标部件旨在表征在当前机床评估中所关注的机床中的核心部件。该目标部件可以基于实际需要进行选取，例如将机床刀具确定为目标部件，或者也可以将机床的其他组成部分确定为目标部件。本公开的实施例不受该机床部件的确定方式及所确定的具体机床部件的限制。
37.在步骤s102中，对每个目标部件，获取该目标部件的类型信息及属性信息。
38.所述类型信息为旨在表征该目标部件所具有的类别，其例如可以包括电机类别，刀具类别，控制部件类别等。本公开的实施例不受该类型信息的具体组成的限制。
39.所述属性信息为表征该目标部件的属性状态的信息。例如，该属性信息例如包括用户输入的设定或需求信息(例如对刀具而言，可以为用户设定的该刀具的连续工作小时数或者该刀具所需要执行的子过程数目)，或者其也可以为基于实际使用而设定的条件信息，例如对于车床电机设定的急停故障或超温故障属性。本公开的实施例不受该属性信息的具体组成的限制。
40.需要说明的是，步骤s101中的一个目标部件被确定后，即可针对该目标部件执行步骤s102及后续相应步骤。
41.其后，在步骤s103中，对每个目标部件，基于所获取的所述类型信息及属性信息，确定并获取对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据。
42.应了解，此处的数据(目标工况数据、目标状态监测数据及目标设计参数数据)例如可以为模拟量数据，例如直接获取的力矩值；或者也可以为数字量数据，例如电压、电流信号量。本公开的实施例不受该数据的数据类型的限制。
43.所述目标工况数据为用于反映该机床的总体工作状态的数据，且该目标工况数据与该目标部件相关联，可用于反映该目标部件的工作状态。根据所确定的目标部件的不同，其所对应的目标工况数据例如可以包括时间戳、程序名称、工具编号、当前机床坐标、剩余加工坐标、机床主轴转速、机床主轴温度等。本公开的实施例不受该目标工况数据的具体组
成及其类型的限制。
44.所述目标状态监测数据为对该目标部件或该目标部件的特定加工过程进行监测所得到的监测数据，该监测数据能够直接或间接地反映该目标部件工作过程中部分过程或该目标部件的整体状态。根据实际需要及所确定的目标部件，例如，该监视数据可以包括机床主轴电流、机床主轴负载、机床主轴功率、机床主轴振动情况、机床切削力、润滑流量、润滑压力、油污等。本公开的实施例不受该状态监控数据的具体类型及其组成的限制。
45.所述目标设计参数数据为用于表征机床内与该目标部件相关联的设置信息的参数。根据所选取的目标部件的不同，其例如包括机床主轴寿命设定数据、机床轴承寿命设定数据、润滑脂寿命设定数据、机床布置类型设定数据、机床最大速度设定数据、设定刚度、组装数据等。本公开的实施例不受该目标设计参数数据的具体类型及其组成的限制。
46.基于类型信息及属性信息确定该目标部件所对应的目标工况数据、目标状态监测数据及目标设计参数数据的过程例如可以更具体地描述。例如，可以基于类型信息及常规目标数据对照表，获取该类型信息所对应的常规目标数据(例如包括常规工况数据、常规状态监测数据及常规设计参数数据)；其后，还可以基于属性信息及附加目标数据对应表，获取该属性信息所对应的附加目标数据(例如包括附加工况数据、附加状态监测数据及附加设计参数数据)，据此，确定该目标部件所对应的目标工况数据、目标状态监测数据及目标设计参数数据。
47.然而，应了解，上述仅给出了一种确定机床的目标工况数据、目标状态监测数据及目标设计参数数据的示例性方法，还可以基于用户的实际需求确定对应于该目标部件的该目标工况数据、目标状态监测数据及目标设计参数数据，或者也可以根据该机床的实际使用场景来配置对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据。本公开的实施例不受确定该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据的具体方式的限制。
48.例如，获取该目标工况数据、目标状态监测数据、目标设计参数数据的过程例如可以更具体地描述。例如，可以根据预定的采样频率从机床的控制系统或机床的工作系统中直接采样得到该目标部件的目标工况数据，或者也可以从其他来源获取该目标工况数据。本公开的实施例不受该目标工况数据的具体来源及其获取方式的限制。
49.例如，可以根据预定的采样频率从设置在该机床内部或该机床四周的传感器中获取对应于该目标部件的该目标状态监测数据，或者也可以经由其他方式获取。本公开的实施例不受该目标状态监测数据的具体来源及其获取方式的限制。
50.例如，可以根据预定的采样频率从系统中采集目标部件的目标设计参数数据，或者也可以根据实际需要，人工收集相应的目标设计参数数据。本公开的实施例不受该目标设计参数数据的具体来源及其获取方式的限制。
51.其后，在步骤s104中，对每个目标部件，基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集。
52.例如，上述基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集的过程例如可以更具体地描述。例如可以直接采用所获取的目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集，或者也可以基于预设算法或处理规则对该目标工况数据、目标状态监测数据及目标设计参数数据进行处理，并基于处理结果得
到原始数据集。本公开的实施例不受该原始数据集的具体组成方式的限制。
53.得到原始数据集后，在步骤s105中，对每个目标部件，基于与该目标部件的类型信息及属性信息匹配的目标预处理规则，对该原始数据集进行预处理，得到目标数据集。
54.所述预处理过程旨在表征对数据进行加工处理以过滤出当前所需要的有效数据，减小和抑制无效数据，提高数据质量的过程。对该原始数据集进行预处理后得到的当前机床估计所需的数据集即为目标数据集。
55.所述预处理规则旨在表征限定该预处理过程所包括的具体流程步骤的规则要求。
56.所述目标预处理规则为基于该目标部件的类型信息及属性信息所确定的该目标部件的预处理规则。例如，可以基于目标部件的类型信息及属性信息，通过预设算法或规则，直接生成对应于该目标部件的目标预处理规则。或者，也可以利用预设算法，基于该目标部件的原始数据集、类型信息及属性信息综合处理，以确定对于原始数据集中不同数据所对应的预处理规则。还可以基于实际需要，基于该目标部件的类型信息及属性信息，由用户在多个备选预处理规则中自行确定或选定匹配的目标预处理规则。本公开的实施例不受获取该匹配的目标预处理规则的方式及该目标预处理规则的具体内容的限制。
57.基于该目标数据集，在步骤s106中，对每个目标部件，基于与该目标部件的类型信息及属性信息匹配的目标特征提取规则，对该目标数据集进行特征提取，得到特征数据集。
58.所述特征提取旨在表征提取该目标部件的目标数据集中至少一部分数据的特征的过程。所述特征提取规则旨在表征限定该特征提取过程所包括的具体流程步骤的规则要求。
59.所述目标特征提取规则旨在表征基于该目标部件的类型信息及属性信息所确定的该目标部件的特征提取规则。例如，可以基于目标部件的类型信息及属性信息，通过预设算法或规则，直接生成对应于该目标部件的特征提取规则。或者也可以采用其他方式确定该目标特征提取规则。本公开的实施例不受该目标部件的目标提取规则的具体确定方式的限制。
60.基于实际需要，该目标特征提取规则例如可以包括对该目标数据集中的数据采用多种不同的特征提取方法，以得到该数据在时域、频域、形态及融合等多方面的特征。本公开的实施例不受该目标特征提取规则的具体组成的限制。
61.所述特征数据集旨在表征基于对目标数据集中的数据进行特征提取处理后所得到的特征数据而得到的数据集。本公开的实施例不受所得到的特征数据集的具体组成的限制。
62.在得到特征数据集后，在步骤s107中，对每个目标部件，基于与该目标部件的类型信息及属性信息匹配的多级评估规则以及该目标部件的所述特征数据集，对该目标部件进行多级评估，生成该目标部件的评估结果。
63.所述多级评估旨在表征在不同层级上对该目标部件进行评估，例如包括在工况级别、状态监测级别及设计参数级别等多个不同的级别上执行。例如，对于刀具部件，多级评估例如可以包括在部件子过程表现级别、部件总体表现级别上对该目标部件进行评估。
64.所述多级评估规则旨在表征该多级评估的具体流程步骤的规则要求。所述与该目标部件的类型信息及属性信息匹配的多级评估规则，旨在表征基于该目标部件的类型信息及属性信息所确定的对应于该目标部件的多级评估规则。例如，可以基于目标部件的类型
信息及属性信息，通过预设算法或规则，直接生成对应于该目标部件的目标多级评估规则。或者也可以采用其他方式确定该目标多级评估规则。本公开的实施例不受该目标部件的目标多级评估规则的具体确定方式的限制。
65.该目标部件的评估结果旨在表征对该目标部件进行多级评估后所得到的评估信息。其例如可以为评估数据值，或者也可以为波形图或曲线图，还可以为数据评估的模型。本公开的实施例不受该评估结果的具体组成及其类型的限制。
66.其后，在步骤s108中，基于所述至少一个目标部件的评估结果，生成该机床的评估结果。
67.所述机床评估结果旨在表征对该机床进行评估得到的评估信息。其例如可以为评估数据值，或者也可以为波形图或曲线图，还可以为数据评估的模型。本公开的实施例不受该评估结果的具体组成及其类型的限制。
68.基于所述至少一个目标部件的评估结果生成该机床的评估结果的过程例如可以更具体地描述。例如，生成该机床的评估结果的过程中，例如可以将该目标部件的评估结果与对该机床在多个其他级别上的评估结果进行组合，从而在不同级别层次对该机床进行综合的评估，即对于机床进行多级评估。例如，该机床评估结果例如可以综合该机床在信号评估、特征评估、工艺过程评估、目标部件评估等多个不同的级别上的结果生成。且其中各个评估过程例如可以相互结合，并且可以根据机床的结构和实际需要灵活地选取评估手段。
69.然而，应了解，上述仅给出了一种示例性的机床评估方法。基于实际需要，还可以采用其他评估方法或者将该方法与其他评估方法相结合。本公开的实施例不受所采取的具体评估方式的限制。
70.例如，若对该机床进行健康评估时，用于计算、表征和评估机床的健康状况的评估参数例如可以包括能够反映该机床健康程度的平均值、加权平均值、中值、最大值、最小值、面积甚至复合指数。本公开的实施例不受在该评估过程中所选取的评估参数类型的限制。
71.基于上述，本技术中，通过确定该机床的至少一个目标部件，并基于该目标部件的类型信息及属性信息，确定并获取该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据，并对该多种数据进行预处理及特征提取，得到特征数据集，同时基于该特征数据集，对该目标部件进行多级评估，生成该目标部件的评估结果，并据此生成该机床的评估结果。相较于现有技术中采集单一类型信号，执行单一种类分析评估的技术方案。本技术中一方面采集了与该机床中目标部件相关的多种类型的数据，综合考虑到了机床各目标部件的整体工作状态、局部工艺及部件工作状态及参数设计，使得能够更全面、更准确地反映该目标部件的状态，从而更好地反映该机床的状态；另一方面，通过采用多级评估的方式实现对目标部件及机床的评估，使得能够在获取多种类的基础上，应用多种不同的分析方法，从多角度、多方面实现对机床的性能状态的评估，且使得该评估结果能够良好地反映该机床的实际性能状态和变化规律，从而提供更准确、及时的机床评估结果。有利于后续基于该评估结果进一步进行监控、反馈和优化。
72.在一些实施例中，上述步骤s104中对每个目标部件，基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集的过程例如能够更具体地描述。例如，对该目标工况数据、目标状态监测数据及目标设计参数数据进行多个维度的同步处理，得到原始数据集。
73.例如，所述多个维度包括空间维度及时间维度。具体地，例如当通过周期性采样来获取目标工况数据、目标状态监测数据及目标设计参数数据时，由于所选取的采样频率不同、采样过程的开始时间不同，使得所获取的目标工况数据、目标状态监测数据及目标设计参数数据例如具有不同的时间轴起始点，且其各自的持续时间不同。还可能由于采样过程中的异常而导致部分数据的缺失或显著失准，从而使得所获取的原始数据集中的数据在空间维度上数据内容不完整，在时间维度上数据不连续且时序不统一。此时，例如可以基于标准时钟源对该数据进行时间维度的处理，实现多源数据之间的同步和对齐，同时还可以使用诸如插值算法、转换算法等各种算法，对数据值进行修正和补全(即空间维度的处理)，从而获得用于机床监视和评估的完整原始数据集。
74.基于此，通过在获取目标工况数据、目标状态监测数据及目标设计参数数据的基础上，对该多源数据进行时间、空间等多个维度的同步处理，使得能够实现多源数据的同步和对齐，且有利于整修数据内容缺失的问题，从而进一步提高所获得的原始数据集中数据的质量，有利于后续基于该数据进行处理及评估。同时也提高了该机床评估方法的可靠性和精确度。
75.在一些实施例中，上述对该原始数据集进行预处理得到目标数据集的步骤s105例如能够更具体地描述。图2示出了根据本公开一些实施例的对该原始数据集进行预处理得到目标数据集的过程s105的示例性流程图。
76.参照图2，首先，在步骤s1051中，基于该原始数据集中的目标工况数据，确定对应于该原始数据集的数据划分规则。
77.所述数据划分规则旨在表征对原始数据集中数据进行数据划分及分组的规则。该数据划分规则例如可以基于目标工况数据直接确定，或者也可以通过采用预设算法对该目标工况数据进行处理来确定。本公开不受该数据划分规则的具体确定方式的限制。
78.基于实际需要，该数据划分规则例如可以为基于切削工具的划分，基于过程模式的划分和基于加工过程的划分等。本公开的实施例不受该数据划分规则的具体内容的限制。
79.其后，在步骤s1052中，基于该数据划分规则，对该原始数据集进行数据划分，得到目标数据集。
80.所述数据划分旨在表征对目标数据集中的数据进行分组或分割的操作。具体而言，例如可以将目标数据集中的多个数据划分至同一组，或者也可以首先对数据集中的数据进行截取分割，再对截取后的数据进行分组。本公开的实施例不受该数据划分过程的具体执行方式的限制。
81.应了解，基于实际需要，例如可以仅生成一个目标数据集，或者也可以生成多个目标数据集(例如分别对应于多个不同的工艺过程或目标部件的不同子部件)。本公开的实施例不受所得到的目标数据集的具体个数的限制。
82.例如，若当前机床刀具部件执行“车削”工艺，且该工艺过程包括：进刀-车削-退刀。若当前获取了该刀具部件进行全工艺过程时的目标工况数据(例如时间戳数据及工作过程数据)、机床主轴的扭矩数据(状态监控数据)及机床的主轴寿命数据(目标设计参数数据)。当仅需对车削阶段进行评估时，例如可以根据该目标工况数据中的工作过程数据确定其不同的工作阶段(进刀阶段、车削阶段、退刀阶段)，并依据该工作阶段进行分组，提取对
应于该车削阶段的主轴寿命数据、对应于该车削阶段的目标工况数据、对应于该车削阶段的主轴扭矩数据，并生成目标数据集。
83.基于上述，通过基于该原始数据集中的目标工况数据确定数据划分规则，并对数据集中的数据进行划分。使得基于实际需要和具体评估对象，能够得到与当前具体评估对象(例如目标部件的特定工艺过程、目标部件的特定子部件等)相关联的数据集，从而得到后续评估所需的最小粒度的精简数据集，有利于提升后续处理及评估的速度及效率；同时，基于该数据划分，将所提取的多源数据基于预设的规则有机地结合在一起，得到对应于具体评估对象的多层级、多角度状态数据，有利于后续基于该数据实现对该具体评估对象的精确动态评估，从而实现对该机床的可靠且高精度的评估。
84.在一些实施例中，例如可以基于目标工况数据、目标状态监测数据及目标设计参数数据共同来确定上述原始数据集的数据划分规则，或者也可以基于目标工况数据、目标状态监测数据及目标设计参数数据中的一部分数据来确定原始数据集的数据划分规则。
85.在一些实施例中，上述预处理过程中，在该数据划分过程之前或之后，例如还可以包括：数据去重过程、数据降噪过程、数据编码过程及数据过滤过程。
86.所述数据去重过程旨在删除目标数据集中的重复数据。例如可以基于时间戳、过程编号等数据，检索重复数据并删除。
87.所述数据降噪过程旨在去除数据中的异常值，实现对数据的优化。例如可以使用基于距离的检测、基于统计的检测、基于分布的异常值检测(distribution-based outlier detection)、密度聚类检测(density clustering detection)、箱形图检测(boxplot detection)等方法对原始信号数据进行降噪，以去除数据中的异常值。
88.所述数据编码旨在表征基于预设规则对数据格式进行处理，得到统一编码后的数据的过程。例如可以根据分析、建模和评估确定所需的目标数据格式，基于该目标数据格式对数据进行相应的编码，以便于后续处理。
89.所述数据过滤旨在识别和消除数据中的噪声，提高数据中有效特征信息的对比度。例如，可以使用加权平均滤波器，中值滤波器，高斯滤波器，维纳滤波器和其他方法来实现数据过程。
90.应了解，上述仅给出了一种示例性的预处理过程。根据实际需要，还可以选取其他的预处理方式。
91.在一些实施例中，对每个目标部件，基于该目标特征提取规则对该目标数据集进行特征提取得到特征数据集的过程s106例如可以更具体地描述。图3示出了根据本公开的一些实施例的得到机床的特征数据集的过程s106的示例性流程图。
92.参照图3，首先在步骤s1061中，提取该目标数据集中目标工况数据的特征，得到该目标数据集的工况特征。其后，在步骤s1062中，提取该目标数据集中目标状态监测数据的特征，得到该目标数据集的状态监测特征。其后，进一步地，在步骤s1063中，提取该目标数据集中目标设计参数数据的特征，得到该目标数据集的设计参数特征。
93.应了解，对目标工况数据、目标状态监测数据、目标设计参数数据进行特征提取时，根据目标工况数据、目标状态监测数据、目标设计参数数据下所分别包括的具体数据量的类型及特性，例如可以采用不同的特征提取方法，提取其不同类型的数据特征。本公开的实施例不受特征提取的具体方式的限制。
94.应了解，在步骤s1061、s1062、s1063中例如可以采用相同的特征提取方法，或者也可以采用不同的特征提取方法。本公开的实施例不受步骤s1061、s1062、s1063所采取的特征提取方法的关系的限制。
95.应了解，上述步骤s1061、s1062、s1063例如可以顺序执行，或者其也可以逆序执行或并行执行。本公开的实施例不受上述步骤s1061、s1062、s1063的执行顺序的限制。
96.接下来将示例性地示出对目标工况数据、目标状态监测数据、目标设计参数数据进行特征提取时采用的特征提取方式。例如，基于实际需要，对该目标数据集的数据提取例如可以包括：时域特征提取、频率特征提取、时频域特征提取、波形特征提取。
97.所述时域特征提取是指提取数据(例如所采集的信号)的时域特征。其包括但不限于均值、方差、标准差、最大值、最小值、均方根、峰峰值、偏度、峰度、波形指数、脉冲指数、裕度指数等。
98.所述频率特征提取是指提取数据的频率特征，其包括但不限于均方频率、频率方差、频带能量等。
99.所述时频域特征提取是指提取数据的时频域特征，包括但不限于小波分解或经验模态分解后的信号的频带能量或时域特性。
100.所述波形特征提取是指提取数据的波形特征，例如当该数据为采集的信号时，该波形特征包括但不限于信号波形所围成的面积、最大/最小导数、上升沿、下降沿特征等。
101.最终，在步骤s1064中，基于该工况特征、状态监测特征、设计参数特征，得到目标部件的特征数据集。
102.例如，可以直接采用该工况特征、状态监测特征、设计参数特征组成特征数据集。或者也可以通过对该工况特征、状态监测特征、设计参数特征进行进一步处理(例如特征融合处理)，基于处理结果得到特征数据集。本公开的实施例不受该特征数据集的具体生成方式及其内容的限制。
103.基于上述，本技术中，通过基于实际需要，采用多种的特征提取方式从该目标数据集中提取得到工况特征、状态监测特征、设计参数特征，并基于该工况特征、状态监测特征、设计参数特征，得到机床的特征数据集。使得所得到的特征数据集能够综合地反映出该目标部件在工况、状态监测、设计参数多个方面的特性，相较于仅提取单一特征、仅执行单一特征提取方式的技术方案，本技术中所得到的特征数据集能够更全面的反映目标部件在多级别、多维度、多方面的特性，有利于后续基于该特征数据集实现准确高精度的评估，且有利于提高该机床评估结果的精确度。
104.在一些实施例中，基于该工况特征、状态监测特征、设计参数特征，得到目标部件的特征数据集包括：基于该工况特征、状态监测特征、设计参数特征，通过特征融合处理得到融合特征数据，并基于该融合特征数据生成特征数据集。
105.所述数据融合处理旨在表征基于预设融合规则，对多个特征进行融合，得到融合特征数据的过程。
106.例如，可以采用特征层深度融合的方式，即例如基于距离算法、相似度算法、加权平均算法、主成分分析算法等，对所提取得到的原始特征(例如工况特征、状态监测特征、设计参数特征)进行降维和融合，并从特征深度方向获得整合了原始特征信息的融合特征。
107.例如，还可以采用工作状态层宽度融合的方式，即对于原始特征中对应于同一总
处理过程的不同子处理过程的特征，可以将该特征进行整合以得到反映总处理过程的融合特征，并且可以与实际业务场景进行进一步集成，以进行后续评估。
108.应了解，上述仅给出了示例性融合方式，根据实际需要，可以采用不同的数据融合方式，例如还可以采取信号层宽度融合的方式。本公开的实施例不受该数据融合的具体方式的限制。
109.基于上述，通过在特征提取后进行特征融合，使得能够更进一步地将所提取的各个特征在不同维度相互关联，从而基于该局部的、零散特征获取整体、全面的特征信息，有利于更好地反映该目标部件各个方面的特性，从而有利于后续在多层级上进行对该目标部件进行评估，且有利于提高该机床评估的精确度。
110.在一些实施例中，对每个目标部件，基于该多级评估规则及该目标部件的特征数据集，对该目标部件进行多级评估，生成目标部件的评估结果包括：首先，基于该目标部件的特征数据集，在工况、监控状态、设计参数方面分别对该目标部件进行多级评估，得到评估数据；其后，基于该评估数据，生成该目标部件的总体评估数据。
111.所述在工况方面对该目标部件进行评估即工况评估，其旨在评估该目标部件当前的工作状态。所述在监控状态方面对该目标部件进行评估即监测状态评估，其旨在评估该目标部件在特定加工过程中的性能或该机床内部核心部件的性能。所述在设计参数方面对该目标部件进行评估即设计参数评估，其旨在对该目标部件的设计性能进行评估。
112.例如，在工况评估、监测状态评估、设计参数评估时，均可以从该目标部件自上而下的多个层级进行评估，并生成多级评估数据。本公开的实施例不受该工况评估、监测状态评估、设计参数评估的具体执行流程的限制。
113.基于上述，通过在工况、监控状态、设计参数方面对该目标部件进行评估，使得在整体工况级别、局部核心子部件/工艺级别、设计参数方面分别得到该目标部件的评估数据，随后基于该评估数据得到总体评估数据，使得能够实现对该目标部件自上而下由整体到局部、由整机到部件、由总过程到子过程的多层级多角度评估，从而能够更全面地反映该机床的特性及状态，实现对机床准确且灵活的评估机制。也有利于后期基于该评估结果进行优化。
114.在一些实施例中，所述机床评估方法还包括：基于该机床评估结果，对该机床进行优化。
115.例如，若该评估为机床健康状态的评估，则基于评估所得到的健康状况数据集，用户例如可以做出相应的决策，并采取措施来定位故障，排除故障，解决问题，安排维护以及优化流程和设计。
116.优选地，一些典型的优化流程包括但不限于预测健康管理、信号校准和优化、加工过程评估和优化、工作状态监视和改善以及设计参数优化。根据实际需要，还可以进行其他优化。本公开的实施例不受所执行的具体优化过程的限制。
117.基于上述，在基于前述方法实现机床的评估后，通过基于该评估结果做出相应的决定并采取措施来定位故障、排除故障、解决问题、安排维护以及优化流程和设计，使得能够有效地实现对机床的优化，从而提高该机床的性能及可靠性。
118.在一些实施例中，该目标部件例如包括机床的刀具，则前述机床评估方法例如可以更具体地描述。
119.其中，得到该刀具的目标数据集的步骤例如包括：基于该刀具的加工过程对该原始数据集进行划分，得到分别对应于至少一个加工过程的至少一个子数据集。
120.其中，得到该刀具的特征数据集的步骤包括：提取所述至少一个子数据集中数据的数据特征，该数据特征包括余弦相似度趋势、平均特征趋势、峰值特征趋势中的至少一个。
121.生成该刀具的评估结果的步骤包括：基于所述至少一个子数据集中数据的数据特征，对该刀具进行评估，得到该刀具在所述至少一个子过程中的过程评估结果，基于该过程评估结果生成刀具评估结果。
122.基于上述，当所述目标部件为刀具部件时，基于该刀具部件的类型信息(刀具)及属性信息(总加工过程)，通过基于加工过程对刀具的原始数据集进行划分，得到对应于加工过程的子数据集，并在后续处理中提取该子数据集的数据特征，基于该刀具在至少一个子过程中的过程评估结果生成刀具评估结果，使得对于特定目标部件刀具，能够基于其类型及属性，灵活地设置评估各过程中的规则方式，良好地实现对该刀具的评估，提高评估结果的精确度，同时具有良好的鲁棒性。
123.接下来将结合具体的应用场景对上述方法进行更具体地说明。图4示出了根据本公开一些实施例的机床健康评估方法200的示例性流程图。
124.该机床健康评估方法200例如主要基于机床(此处为钻床)在执行用于发动机的六孔零件的钻削过程中的表现，以监视、评估和优化其加工过程、关键部件和机床本身。且其中，所确定的目标部件例如包括机床刀具。
125.首先，例如获取该机床刀具的类型信息及属性信息。例如，该机床刀具的类型信息为：刀具，属性信息为：执行六孔零件的钻削工艺。
126.基于所述类型信息及属性信息，例如能够确定并获取对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据。具体地，在该应用场景下，所采集的目标状态监测数据例如包括以100hz的采样频率在机床主轴上采集得到的扭矩信号(该扭矩信号的变化能够反映出该机床的主轴运转情况，并与该机床刀具磨损情况相关联)。图5示出了根据机床健康评估方法200采集得到的扭矩信号的局部示意图。
127.其后，例如在预处理过程中，基于与该目标部件的类型信息及属性信息匹配的目标预处理规则，对所采集得到的多个原始数据进行预处理操作。该预处理过程例如包括前述的数据划分过程，例如基于加工过程对该原始数据进行划分。具体地，基于六孔零件的钻削过程特征，该六孔零件的总工艺过程由六个钻孔子过程组成，则例如将所得到的数据根据其所隶属的不同钻孔子过程进行划分，从而可以在后续处理中针对不同子过程的不同加工特性而进行不同的处理和评估。
128.且该预处理过程例如还包括如前所述的其他预处理操作，例如数据去重、数据降噪、数据编码及数据过滤等。基于该数据的类型及特性，在该实施例中，在数据降噪中例如可以主要利用基于统计和箱形图的算法，并且在数据滤波中主要利用中值滤波。
129.其后，经由预处理后，在特征提取过程中对预处理后的优选数据进行特征提取。基于该具体应用场景，此处的特征提取例如主要是进行时域特征提取操作，根据信号特性，选择均值、标准差、最大值、均方根值和波形指数作为单个特征提取处理中的待提取特征。
130.图6示出了机床健康评估方法200对预处理后数据进行特征提取所得到的平均特
征趋势图。其中，基于在预处理中得到的六个子过程数据集(分别对应于六个孔的工艺制作过程)，对该六个数据集的数据分别进行特征提取，得到图6中示出的六个子过程平均特征趋势图，其中每个字工艺过程趋势图中的横轴例如可以表征时间，纵轴例如表征具体的特征量数值。该平均特征趋势图例如可以直接用于进行后续评估。
131.进行该特征提取后，则基于所提取的特征进行该目标部件的健康评估。且该部件评估结果例如可以基于该部件在工艺过程级别的评估的结果生成。具体地，例如基于上述图6中所示出的六个子工艺过程所具有的平均特征趋势，计算各个子工艺过程所具有健康度，并将该六个子工艺过程所具有的健康度作为工艺过程评估的结果。其后，例如基于该工艺过程的评估结果绘制如图7所示的雷达图，其中，雷达图的6个边界点用于表征该六个子工艺过程分别具有的工艺过程健康度值(例如1为最佳，0为最低)，该六个边界点的连线所围成的面积例如代表该机床刀具所具有的部件健康度。依次类推，例如可以基于该机床的多个目标部件所具有的健康度生成该机床的总健康度。
132.具体地，生成该机床评估结果的过程例如可以更具体地描述。例如在信号评估(表征直接基于采集的数据进行评估)、特征评估(基于特征提取后的特征数据进行评估)、工艺过程评估(对具体的工艺过程进行评估)、部件评估(对目标部件进行评估)和资产评估(即对目标对象进行评估，例如在该应用场景下为机床健康状态)的不同级别执行。并基于上述各级别的评估结果生成最终的机床评估结果。且各不同级别的评估可以相互关联，例如该部件评估结果可以基于该工况评估结果及工艺过程评估结果综合生成，且例如该资产评估结果可以基于部件评估结果及设计参数评估结果综合生成。上述处于多级别的多种评估例如可以具有图4所示出的执行流程及执行顺序。然而，本公开的实施例不限于此，还可以采用其他的执行顺序。
133.此外，基于该评估结果，还可以实现高效地优化及维护过程。具体地，图8示出了根据本公开实施例刀具处于不同使用时期的刀具健康度示意图。参照图8，例如可以在机床刀具使用早期、使用中期、使用后期的不同阶段绘制该刀具的部件健康度雷达图。其中，刀具的使用早期旨在表征该刀具处于未磨损或轻微磨损状态，刀具的使用中期表征该刀具处于中等磨损的状态，刀具的使用后期表征该刀具处于大面积磨损的状态。通过评估该刀具不同使用情况下的健康度，使得能够准确、直观地表示出该刀具在整个使用阶段中的总体健康度变化情况，从而有利于后续基于该评估结果进行机床的改良及维护，例如及时进行更换刀具的操作，或者当刀具健康度低于预设值时进行报警处理等。
134.例如，基于前述刀具部件的健康度评估，例如还可以绘制该刀具的健康度趋势波形图。图9示出了根据本公开一些实施例的刀具健康度趋势图。其中横轴表征时间t，纵轴表征计算得到的刀具的健康度数值(例如1为最佳，0为最低)，其中波形的下降表征该刀具随着使用出现健康度下降(例如被磨损)的情况，几乎垂直的上升波形表征更换刀具的操作，更换刀具后所测量的刀具的健康值重新回到最佳状态(从图中可看出接近于1)，随后随着使用继续磨损降低。基于该波形图，可以直观地看出刀具健康度随时间的变化，从而有利于后续更好地调整刀具更换节点。
135.基于上述，通过提供一种基于状态监测的机床评估方法，可以实现对原始信号数据的多信号、多工况和多维融合。可以获得更全面、更分层的方法和指标来反映机床状态，并用于评估机床各个层级的实际性能状态和变化规律，从而提供更准确，及时的警告，警
报，反馈和优化策略。从而能够逐步解决由零件、工况和加工工艺过程引起的加工问题，最终降低加工成本，提高质量，提高效率。
136.且利用该方法可以在连续的闭环中监视、评估和改进机床，从而可以增强相关产品的性能、服务能力和解决方案能力，此外，还可以基于大数据或机器学习对所获取的数据进行处理和建模，从而以数字化和智能化的方式实现对机床的评估和优化。
137.根据本公开的另一方面，还提出了一种机床评估系统。图10示出了根据本公开一些实施例的机床评估系统300的示意性框图。
138.参照图10，该机床评估系统300包括目标部件获取模块310、目标数据确定模块320、数据采集模块330、预处理模块340、特征提取模块350、部件分析评估模块360、评估结果生成模块370。
139.且其中，目标部件获取模块310被配置为执行图1的机床评估方法中步骤s101及步骤s102的过程，确定机床的目标部件，并获取该目标部件的类型信息及属性信息。
140.目标数据确定模块320被配置为执行图1的机床评估方法中步骤s103的过程，对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据。
141.数据采集模块330被配置为执行图1的机床评估方法中步骤s104的过程，对每个目标部件，获取对应于该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据，并基于该目标工况数据、目标状态监测数据及目标设计参数数据生成原始数据集。
142.预处理模块340被配置为执行图1的机床评估方法中步骤s105的过程，对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标预处理规则，并基于该目标预处理规则对该原始数据集进行预处理，得到目标数据集。
143.特征提取模块350被配置为执行图1的机床评估方法中步骤s106的过程，对每个目标部件，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的目标特征提取规则，并基于该目标特征提取规则对该目标数据集进行特征提取，得到特征数据集。
144.部件分析评估模块360被配置为执行图1的机床评估方法中步骤s107的过程，基于该目标部件的类型信息及属性信息，确定对应于该目标部件的多级评估规则，并基于该多级评估规则及该目标部件的特征数据集，对该目标部件进行多级评估，生成目标部件的评估结果。
145.评估结果生成模块370被配置为执行图1的机床评估方法中步骤s108的过程，基于每个目标部件的评估结果，生成该机床的评估结果。
146.基于上述，本技术中，通过确定该机床的至少一个目标部件，并基于该目标部件的类型信息及属性信息，确定并获取该目标部件的目标工况数据、目标状态监测数据及目标设计参数数据，并对该多种数据进行预处理及特征提取，得到特征数据集，同时基于该特征数据集，对该目标部件进行多级评估，生成该目标部件的评估结果，并据此生成该机床的评估结果。相较于现有技术中采集单一类型信号，执行单一种类分析评估的技术方案。本技术中一方面采集了与该机床中目标部件相关的多种类型的数据，综合考虑到了机床各目标部件的整体工作状态、局部工艺及部件工作状态及参数设计，使得能够更全面、更准确地反映该目标部件的状态，从而更好地反映该机床的状态；另一方面，通过采用多级评估的方式实现对目标部件及机床的评估，使得能够在获取多种类的基础上，应用多种不同的分析方法，
从多角度、多方面实现对机床的性能状态的评估，且使得该评估结果能够良好地反映该机床的实际性能状态和变化规律，从而提供更准确、及时的机床评估结果。有利于后续基于该评估结果进一步进行监控、反馈和优化。。
147.在一些实施例中，预处理模块340还包括数据划分规则确定模块341及目标数据集生成模块342。
148.其中，该数据划分规则确定模块341被配置为执行图2中步骤s1051的过程，基于该原始数据集中的目标工况数据，确定对应于该原始数据集的数据划分规则。
149.所述数据划分规则旨在表征对原始数据集中数据进行数据划分及分组的规则。本公开不受该数据划分规则的具体确定方式的限制。
150.基于实际需要，该数据划分规则例如可以为基于切削工具的划分，基于过程模式的划分和基于加工过程的划分等。本公开的实施例不受该数据划分规则的具体内容的限制。
151.且该目标数据集生成模块342被配置为执行图2中步骤s1052的过程，基于该数据划分规则，对该原始数据集进行数据划分，得到目标数据集。
152.所述数据划分旨在表征对目标数据集中的数据进行分组或分割的操作。具体而言，例如可以将目标数据集中的多个数据划分至同一组，或者也可以首先对数据集中的数据进行截取分割，再对截取后的数据进行分组。本公开的实施例不受该数据划分过程的具体执行方式的限制。
153.应了解，基于实际需要，例如可以仅生成一个目标数据集，或者也可以生成多个目标数据集(例如分别对应于多个不同的工艺过程或机床部件)。本公开的实施例不受所得到的目标数据集的具体个数的限制。
154.基于上述，通过基于该原始数据集中的目标工况数据确定数据划分规则，并对数据集中的数据进行划分。使得基于实际需要和具体评估对象，能够得到与当前具体评估对象(例如目标部件的特定工艺过程、目标部件的特定子部件等)相关联的数据集，从而得到后续评估所需的最小粒度的精简数据集，有利于提升后续处理及评估的速度及效率；同时，基于该数据划分，将所提取的多源数据基于预设的规则有机地结合在一起，得到对应于具体评估对象的多层级、多角度状态数据，有利于后续基于该数据实现对该具体评估对象的精确动态评估，从而实现对该机床的可靠且高精度的评估。
155.在一些实施例中，该机床评估系统能够与其他系统相通信，从其他系统中接收数据和/或向其他系统发送数据及评估结果。该机床评估系统还能够执行上文描述的机床评估方法，实现上文描述的相应功能。
156.根据本发明的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法，且具有如前所述的功能。
157.技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
158.所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网
络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从机床评估设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供机床评估所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
159.本技术使用了特定词语来描述本技术的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
160.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“部件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
161.除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
162.上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。