一种充电设备的危害性处理方法、装置、设备及介质与流程

1.本发明涉及故障诊断技术领域，尤其涉及一种充电设备的危害性处理方法、装置、设备及介质。


背景技术：

2.随着电动汽车的普及和充电设备规模化运行，充电站的运行和维护工作越来越受到运营方的重视。充电设备进行运行维护是保障充电体验和收益的重要过程之一，对充电设备在运行过程的故障进行危害性分析并开展运维决策是运维的重要工作，也充电运营方的迫切需求之一。
3.目前，充电设备的运维类型主要以分散运行，计划检修为主，辅助以事后维修，并且按运营工作配额要求开展。由于充电站呈现分布广、零散的特点，维护人员对现场故障难以应对，并且充电设备是集合电气、自动化、软件和机械等多专业，其集成化、自动化程度很高的电气设备，各系统彼此联系紧密，故障类型及其危害性彼此关联，采用传统事后维修和计划检修的类型不仅影响运营效益，还无法有效消除故障危害性因素，保证设备可靠性。
4.开展充电设备故障危害性分析，可以实现充电设备各子系统及部件每一个故障类型的严重程度和其发生的概率综合开展评估，并对两个因素共同产生的影响进行维修决策。目前大部分充电站运营时间较短，故障数据积累不足，同时运维人员经验差异较大，在实际的设备维护中，对设备故障发生的概率、设备故障严重等级等难以实现准确的量化，无法指导工作。因此，对故障发生概率和严重度的故障危害性进行度量，辅助开展运维决策十分必要。


技术实现要素：

5.本发明提供了一种充电设备的危害性处理方法、装置、设备及介质，以实现对故障危险性的准确度量。
6.根据本发明的一方面，提供了一种充电设备的危害性处理方法，所述方法包括：
7.根据充电设备的历史运行记录，确定故障类型的危害性度量因素和危害性度量因素的因素模糊等级；
8.在梯形隶属函数中确定所述因素模糊等级的模糊等级隶属区间；所述梯形隶属函数根据因素模糊等级和危害值的关联关系生成；
9.根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度；
10.根据所述因素模糊等级的隶属模糊度和总模糊度，确定所述故障类型的灰色关联度。
11.根据本发明的另一方面，提供了一种充电设备的危害性处理装置，所述装置包括：
12.模糊等级确定模块，用于根据充电设备的历史运行记录，确定故障类型的危害性度量因素和危害性度量因素的因素模糊等级；
13.隶属区间确定模块，用于在梯形隶属函数中确定所述因素模糊等级的模糊等级隶属区间；所述梯形隶属函数根据因素模糊等级和危害值的关联关系生成；
14.模糊度确定模块，用于根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度；
15.灰色关联度确定模块，用于根据所述因素模糊等级的隶属模糊度和总模糊度，确定所述故障类型的灰色关联度。
16.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
17.至少一个处理器；以及
18.与所述至少一个处理器通信连接的存储器；其中，
19.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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发明任一实施例所述的充电设备的危害性处理方法。
20.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的充电设备的危害性处理方法。
21.本发明实施例通过对故障进行模糊分级和隶属度计算，来得到能表征故障危害性的灰色关联度，由于梯形隶属函数的使用和基于模糊等级的隶属度计算，在实现故障危害性有效量化的同时，提高了量化结果的准确性和有效性。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
23.为了更清楚地说明本发明实施例中的技术方案，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。
24.图1a是根据本发明一实施例提供的一种充电设备的危害性处理方法的流程图；
25.图1b是根据本发明一实施例提供的一种严重度梯形隶属函数的示意图；
26.图1c是根据本发明一实施例提供的一种发生概率梯形隶属函数的示意图；
27.图2是根据本发明又一实施例提供的一种充电设备的危害性处理方法的流程图；
28.图3是根据本发明又一实施例提供的一种充电设备的危害性处理装置的结构示意图；
29.图4是实现本发明实施例的电子设备的结构示意图。
具体实施方式
30.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，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的实施例，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前提下所获得的所有其他实施例，都应当属于本发明保护的范
围。
31.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
32.图1a为本发明一实施例提供的一种充电设备的危害性处理方法的流程图，本实施例可适用于通过充电设备的运行记录，确定已发生故障类型危害性的情况，该方法可以由充电设备的危害性处理方法装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于具备相应数据处理能力的电子设备中。如图1a所示，该方法包括：
33.s110、根据充电设备的历史运行记录，确定故障类型的危害性度量因素和危害性度量因素的因素模糊等级。
34.其中，故障类型是指充电设备的子系统或部件的在规定的条件下和规定时间内，产生的异常。这些异常包括：不能完成规定的功能；相关性能指标不能保持在规定的范围内；引起对人员、环境、能源和物资等方面的影响超出允许范围；不能实现技术协议或其他文件的规定。危害性度量因素是用于判断故障具体危害性的参考维度，例如故障的严重度、维修成本和发生概率，故障类型的危害性可以从严重度、维修成本和发生概率等不同维度来综合衡量。
35.具体的，基于历史运行记录获取充电设备在运行过程中出现的故障类型和对应的故障数据，并按照其严重度、发生概率等危害性度量因素，确定其在不同维度上的危害参考数据。为了统一各危害性度量因素的参考价值和意义，可为各危害性度量因素设置对应的模糊等级划分标准，将存在不同语义内容的危害性度量因素，转化为模糊化的因素模糊等级。
36.示例性的，若危害性度量因素包括严重度和发生概率，可以为分别预先为两者设定各自的模糊等级划分标准，具体如下。
[0037][0038]
表1：发生概率模糊等级划分标准
[0039]
[0040][0041]
表2：严重度模糊等级划分标准
[0042]
s120、在梯形隶属函数中确定所述因素模糊等级的模糊等级隶属区间；所述梯形隶属函数根据因素模糊等级和危害值的关联关系生成。
[0043]
具体的，不同维度的危害性度量因素之间，例如故障的维修时长和维修金额，难以直接比较时长和金额两种不同单位的危害性大小关系。本发明中，设置统一单位的危害值评分，各个危害性度量因素均统一使用该危害值评分数值来确定其不同模糊等级的危害值。在这一过程中，每一危害性度量因素，都有着自己的梯形隶属函数，该梯形隶属函数反映了该危害性度量因素预先设定的因素模糊等级和危害值之间的关联关系。基于危害性度量因素的梯形隶属函数，可以得知该危害性度量因素各个模糊等级所关联危害值，而模糊等级隶属区间表征了该模糊等级可能关联的危害值。
[0044]
示例性的，若危害性度量因素包括严重度和发生概率，两者均使用统一的0-10大小作为危害值评分，基于上述示例中的模糊等级划分原则和下述危害值评分标准，可得到图1b中严重度的梯形隶属函数，和图1c中发生概率的梯形隶属函数。例如，对于发生概率模糊等级而言，e等级的危害值为在0-1之间，相应隶属梯形区间在0-1之间，a等级的危害值则在9-10之间，相应隶属梯形区间在9-10之间。
[0045][0046][0047]
表3：严重度和发生概率模糊等级危害值评分标准
[0048]
示例性的，若危害性度量因素为严重度和发生概率，基于上述示例中危害值和模糊等级的关联关系，可以得到图1b中严重度的梯形隶属函数，和图1c中发生概率的梯形隶属函数。
[0049]
s130、根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度。
[0050]
其中，模糊隶属度表征了不同隶属关系对应的模糊度。
[0051]
具体的，在模糊隶属区间中定位值域为0的两个横坐标，表征当前模糊等级隶属区间对应可能的最大以及最小危害值评分，以及值域为1的两个横坐标，表征当前模糊等级隶属区间对应的隶属可能性最大的两个危害值评分。同时获取该危害性度量因素所有模糊等级的最大/最小危害值评分，基于上述六危害值评分，计算得到因素模糊等级对应隶属关系的隶属模糊度和总模糊度。
[0052]
可选的，所述根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度，包括：
[0053]
根据所述模糊等级隶属区间，确定所述因素模糊等级的隶属关系中最大等级与最小等级之间所占的面积，作为第一模糊度；根据所述模糊等级隶属区间，确定所述因素模糊等级的隶属关系中最小等级与最大等级之间所占的面积，作为第二模糊度；将所述第一模糊度作为所述因素模糊等级对应隶属关系的隶属模糊度，将所述第一模糊度和第二模糊度的和作为所述因素模糊等级对应隶属关系的总模糊度。
[0054]
具体的，通过下述公式计算得到第一模糊度和第二模糊度，以及基于第一模糊度和第二模糊度得到的危害性度量因素模糊度占比：
[0055][0056]
其中，a
0n
、b
0n
和a
1n
、b
1n
表示第n个因素模糊等级的模糊等级隶属区间，所述隶属区间对应的隶属函数的值域为0或1，0表示不隶属关系，1表示隶属关系。a
0n
至b
0n
为不隶属于某一模糊等级的等级范围，a
1n
至b
1n
为隶属于某一模糊等级的等级范围，c和d为危害性度量因素对应梯形隶属函数中的最低危害值和最高危害值。式中(b
0n-c)和(b
1n-c)表示隶属关系中较大等级与最小等级之间所占的面积，d-a
0n
和(d-a
1n
)表示隶属关系中较小等级与最大等级之间所占的面积，(b
0n-c) (b
1n-c)表征不同隶属关系对应的隶属模糊度，[(b
0n-c) (b
1n-c)] [(d-a
0n
) (d-a
1n
)]表征总的模糊度，用k(n)表示模糊度占比，使危害性度量因素的模糊等级离散数据与具体的评价指标进行映射，便于进行数学运算。
[0057]
示例性的，若危害性度量因素为严重度和发生概率，基于上述示例中的梯形隶属函数和模糊等级隶属区间，可以得到各模糊等级的模糊度占比。
[0058][0059]
表4严重度和发生概率的模糊等级隶属区间及模糊度占比
[0060]
以概率等级b级为例，根据发生概率的隶属函数，可以得知值域为0时，对应的横坐标(危害值评分)a0和b0为7和10；值域为1时，对应的横坐标(危害值评分)a1和b1为8和9；和a-d级所有概率等级的最大评分d和最小评分c分别10和0，计算即在根据某一故障类型的故障数据确定其发生概率为b级分类后，根据b级模糊等级对应的模糊等级隶属区间，计算得到该故障类型对
应发生概率这一危害性度量因素的模糊度占比为0.7917。
[0061]
s140、根据所述因素模糊等级的隶属模糊度和总模糊度，确定所述故障类型的灰色关联度。
[0062]
其中，故障类型的灰色关联度客观反映了故障类型的危害性。故障类型的灰色关联度越低，说明该故障类型的危害度越大。
[0063]
具体的，根据危害性度量因素的模糊等级所对应的隶属模糊度和总模糊度，得到该危害性度量因素的模糊度占比以及灰色关联度系数。如果仅基于一个危害性度量因素来衡量故障类型的危害性，可将该危害性度量因素的关联度系数作为故障类型的灰色关联值，如果基于多个危害性度量因素来衡量故障类型的危害性，则需要综合这些危害性度量因素各自的灰色关联系数，来得到故障类型的灰色关联值。
[0064]
本发明实施例通过对故障进行模糊分级和隶属度计算，来得到能表征故障危害性的灰色关联度，由于梯形隶属函数的使用和基于模糊等级的隶属度计算，在实现故障危害性有效量化的同时，提高了量化结果的准确性和有效性。
[0065]
图2为本发明又一实施例提供的一种充电设备的危害性处理方法的流程图，本实施例在上述实施例的基础上进行了优化改进。如图2所示，该方法包括：
[0066]
s210、根据充电设备的历史运行记录，确定故障类型的危害性度量因素和危害性度量因素的因素模糊等级。
[0067]
s220、在梯形隶属函数中确定所述因素模糊等级的模糊等级隶属区间；所述梯形隶属函数根据因素模糊等级和危害值的关联关系生成。
[0068]
s230、根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度。
[0069]
s241、计算所述隶属模糊度和总模糊度的比值，作为所述危害性度量因素的模糊度占比；
[0070]
s242、根据所述危害性度量因素的模糊度占比，生成所述故障类型的比较序列；
[0071]
s243、计算所述比较序列与标准序列的差序列；
[0072]
s244、在所述差序列中计算所述危害性度量因素的灰色关联系数。
[0073]
s245、将各危害性度量因素的灰色关联系数与对应权重相乘后求和，得到所述故障类型的灰色关联度。
[0074]
具体的，(1)将获取的每一个危害性度量因素对应的模糊度占比k(n)组成比较序列x，并定义标准序列x0[0075][0076]
式中：x1、x2、
…
、xm表示i个故障类型对应的比较序列：{xi(1)，xi(2)，
…
，xi(m)}表示第i个故障类型的k个危害性度量因素模糊语义对应的脆性系数。
[0077]
(2)同时产生标准序列x0，标准序列反应了所有危害性度量因素的理想或期望水平。
[0078]
x0＝[x0(1)，x0(2)，
…
，x0(k)]
[0079]
(3)计算比较序列和标准序列的差序列di。
[0080]di
＝[δxi(1)，δxi(2)，
…
，δxi(k)]
[0081]
式中，δxi(k)＝xi(k)-x0(k)。
[0082]
(4)计算灰色关联系数r[x0(k)，xi(k)]。
[0083][0084]
式中，x0(k)为标准序列中第k个危害性度量因素对应的模糊度占比；xi(k)为比较序列矩阵中第i个故障类型第k个危害性度量因素对应的模糊度占比；δ为分辨系数，仅影响相对风险值，δ∈(0,1)，优选0.5。
[0085]
(5)通过如下公式计算得到灰色关联度r(x0，xi)：
[0086][0087]
式中，βk为各危害性度量因素的权重系数，优选层次分析法确定数值，为简易计算，一般优选均分且满足各评价元素权重之和为1。
[0088]
此外，在计算得到各故障模式的灰色关联值之后，可以根据灰色关联度数值对充电设备故障模式由低至高排序；对于数值相等的故障模式按故障模式的出现先后排序。排序序号低的故障模式表征的危害度较大，存在的潜在风险也较多，在日常运行维护中要加强排查和及时处理报警现象；排序序号高的故障模式潜在风险相对单一，在运维人员不足或难以及时处理时，对设备出现报警提示，可以延缓处理。
[0089]
示例性的，当危害性度量因素为故障类型的严重度和发生概率时，计算各自的灰色关联度系数，并以均为权重为0.5计算灰色关联度，从而得到各个故障类型的排序结果。
[0090]
[0091][0092]
表5：危害性度量因素为故障类型的严重程度和发生概率时灰色关联度系数、数值以及排序结果
[0093]
依据运维原则，辅助运营方进行运维策略并制定运维计划：对于排序1至10的故障，涉及到能否使用充电设备和充电安全等重要功能，对充电设备及人的危害性较强，在运维上需要优先配置相应资源，充电站运营方优先储备一定量备品备件；对于排序11至16的故障，对充电设备及人的危害性相对小，但存在明显隐患，要加强与供应商沟通，及时排查是否为设计问题，并进行整改；对排序1至10的故障可以进一步划分为对人有伤害隐患如排序2和3，对设备有损害如排序4和5，无法使用等3类，指导运维人员制定更具体的维护时间和方法。
[0094]
可选的，可以基于故障类型灰色关联值的排序结果和其应对对策(例如及时处理，纳入备件类等)构建故障危害性对策历史数据库，数据库中每一故障类型关联一个或多个应对对策。在后续的客服及维护资源配置、技术开发资源配置等相关业务中，可以基于该数据库进行大数据分析，来为相关业务的提供参考数据。
[0095]
本发明实施例通过比较序列和标准序列来计算得到灰色关联系数，提高了灰色关联系数计算时的准确性，并当存在多个危害性度量因素，基于各自权重和灰色关联系数来得到故障类型的灰色关联值，实现故障危害性的量化数值对危害性度量因素有所侧重。
[0096]
图3为本发明又一实施例提供的一种充电设备的危害性处理装置的结构示意图。如图3所示，该装置包括：
[0097]
模糊等级确定模块310，用于根据充电设备的历史运行记录，确定故障类型的危害性度量因素和危害性度量因素的因素模糊等级；
[0098]
隶属区间确定模块320，用于在梯形隶属函数中确定所述因素模糊等级的模糊等级隶属区间；所述梯形隶属函数根据因素模糊等级和危害值的关联关系生成；
[0099]
模糊度确定模块330，用于根据所述模糊等级隶属区间，确定所述因素模糊等级对应隶属关系的隶属模糊度和总模糊度；
[0100]
灰色关联度确定模块340，用于根据所述因素模糊等级的隶属模糊度和总模糊度，确定所述故障类型的灰色关联度。
[0101]
本发明实施例所提供的充电设备的危害性处理装置可执行本发明任意实施例所提供的充电设备的危害性处理方法，具备执行方法相应的功能模块和有益效果
[0102]
可选的，所述隶属区间确定模块320，具体用于：
[0103]
根据所述模糊等级隶属区间，确定所述因素模糊等级的隶属关系中最大等级与最小等级之间所占的面积，作为第一模糊度；根据所述模糊等级隶属区间，确定所述因素模糊等级的隶属关系中最小等级与最大等级之间所占的面积，作为第二模糊度；将所述第一模糊度作为所述因素模糊等级对应隶属关系的隶属模糊度，将所述第一模糊度和第二模糊度
的和作为所述因素模糊等级对应隶属关系的总模糊度。
[0104]
可选的，所述灰色关联度确定模块340具体用于：
[0105][0106]
其中，a
0n
、b
0n
和a
1n
、b
1n
表示第n个因素模糊等级的模糊等级隶属区间，所述隶属区间对应的隶属函数的值域为0或1，0表示不隶属关系，1表示隶属关系，c和d为危害性度量因素对应梯形隶属函数中的最低危害值和最高危害值，k(n)为第n个因素模糊等级的模糊度占比。
[0107]
可选的，所述灰色关联度确定模块340具体用于：
[0108]
计算所述隶属模糊度和总模糊度的比值，作为所述危害性度量因素的模糊度占比；根据所述危害性度量因素的模糊度占比，生成所述故障类型的比较序列；计算所述比较序列与标准序列的差序列；在所述差序列中计算所述危害性度量因素的灰色关联系数；将各危害性度量因素的灰色关联系数与对应权重相乘后求和，得到所述故障类型的灰色关联度。
[0109]
可选的，所述根据充电设备的历史运行记录具体用于：
[0110]
根据充电设备的历史运行记录，确定所述充电设备的已发生故障类型和故障类型的故障数据；通过故障类型的故障数据，确定故障类型的危害性度量因素和危害性度量因素模糊等级。
[0111]
进一步说明的充电设备的危害性处理装置也可执行本发明任意实施例所提供的充电设备的危害性处理方法，具备执行方法相应的功能模块和有益效果。
[0112]
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0113]
如图4所示，电子设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器(rom)42、随机访问存储器(ram)43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器(rom)42中的计算机程序或者从存储单元48加载到随机访问存储器(ram)43中的计算机程序，来执行各种适当的动作和处理。在ram 43中，还可存储电子设备40操作所需的各种程序和数据。处理器41、rom 42以及ram 43通过总线44彼此相连。输入/输出(i/o)接口45也连接至总线44。
[0114]
电子设备40中的多个部件连接至i/o接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40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。
[0115]
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适
当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如充电设备的危害性处理方法。
[0116]
在一些实施例中，充电设备的危害性处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由rom 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到ram 43并由处理器41执行时，可以执行上文描述的充电设备的危害性处理方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行充电设备的危害性处理方法。
[0117]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0118]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0119]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0120]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0121]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0122]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0123]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0124]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。