小车路径实时规划方法、装置、计算机设备及存储介质与流程

1.本发明涉及智能小车技术领域，特别是涉及一种小车路径实时规划方法、装置、计算机设备及存储介质。


背景技术：

2.近年来，随着经济的发展，货物的运输量越来越大，在仓库货物搬运过程中，为了节约人力成本、时间成本，通常会采用智能小车进行货物搬运。一般来说智能小车是处在一个复杂的交互环境里的，智能小车需要从当前点赶往目标点a点，装上货物后，前往目标点b点进行卸货。在各段输送线之间，agv起了无可替代的重要作用。agv小车是指装备有电磁或光学等自动导航装置，能够沿规定的导航路径行驶，具有安全保护以及各种移载功能的运输车，是一种工业应用中不需要驾驶员的搬运车，一般可通过电脑来控制其行进路径以及行为。agv小车主要功用集中在自动物流搬转运，通过特殊地标导航自动将物品运输至指定地点。
3.传统的小车路径规划都是根据目标点的位置，根据贪心算法实时计算一整条路径，然而，传统的路径规划方式需要大量的计算，存在消耗大量的时间和计算成本的问题。


技术实现要素：

4.基于此，为了解决上述技术问题，提供一种小车路径实时规划方法、装置、计算机设备及存储介质，可以节约时间和计算成本。
5.一种小车路径实时规划方法，所述方法包括：
6.构建环境模型；
7.将所述环境模型发送至目标小车，所述目标小车以自身为中心，根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货；
8.实时更新所述环境模型，将更新后的环境模型发送至所述目标小车，所述目标小车以自身为中心，根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。
9.在其中一个实施例中，所述构建环境模型，包括：
10.确定当前环境下的各个行为维度，分别将各个所述行为维度与所述目标小车的行为方式一一对应，作为模型输入信息；
11.确定当前环境下的各个观测维度，并将各个所述观测维度作为模型输出信息；
12.构建环境奖励机制，并根据所述模型输入信息、所述模型输出信息、所述环境奖励机制构建所述环境模型。
13.在其中一个实施例中，所述根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货，包括：
14.根据所述环境模型确定上货地点，所述目标小车根据所述环境模型中的所述环境奖励机制实时规划所述上货路线；
15.所述目标小车按照所述环境奖励机制，根据所述上货路线移动，并实时更新所述上货路线；
16.所述目标小车按照所述环境奖励机制，根据更新后的上货路线移动至所述上货地点装货。
17.在其中一个实施例中，所述方法还包括：
18.根据所述环境奖励机制，获取所述目标小车的移动信息；
19.根据所述移动信息，对所述环境模型进行更新迭代。
20.在其中一个实施例中，所述方法还包括：
21.根据所述模型输入信息、所述模型输出信息确定所述环境模型的输入维度、输出维度；
22.获取模型数据以及模型超参数；
23.根据所述输入维度、所述输出维度、所述模型数据、所述模型超参数创建深度增强学习模型。
24.在其中一个实施例中，所述实时规划上货路线并按照所述上货路线移动至所述上货地点装货，包括：
25.所述目标小车根据所述深度增强学习模型实时规划上货路线，并按照所述上货路线移动至所述上货地点装货；
26.所述根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货，包括：
27.所述目标小车根据所述深度增强学习模型、所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。
28.在其中一个实施例中，所述方法还包括：
29.获取当前环境下障碍物信息、上货地点信息、卸货地点信息、目标小车位置信息，作为测试数据；
30.根据所述测试数据搭建模型测试框架；
31.根据所述模型测试框架对所述深度增强学习模型进行测试，得到测试结果；
32.根据所述测试结果对所述深度增强学习模型中的参数进行调整，生成目标深度增强学习模型。
33.一种小车路径实时规划装置，所述装置包括：
34.模型构建模块，用于构建环境模型；
35.上货路线规划模块，用于将所述环境模型发送至目标小车，所述目标小车以自身为中心，根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货；
36.卸货路线规划模块，用于实时更新所述环境模型，将更新后的环境模型发送至所述目标小车，所述目标小车以自身为中心，根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。
37.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
38.构建环境模型；
39.将所述环境模型发送至目标小车，所述目标小车以自身为中心，根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货；
40.实时更新所述环境模型，将更新后的环境模型发送至所述目标小车，所述目标小车以自身为中心，根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。
41.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
42.构建环境模型；
43.将所述环境模型发送至目标小车，所述目标小车以自身为中心，根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货；
44.实时更新所述环境模型，将更新后的环境模型发送至所述目标小车，所述目标小车以自身为中心，根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。
45.上述小车路径实时规划方法、装置、计算机设备及存储介质，通过构建环境模型；将所述环境模型发送至目标小车，所述目标小车以自身为中心，根据所述环境模型确定上货地点，实时规划上货路线并按照所述上货路线移动至所述上货地点装货；实时更新所述环境模型，将更新后的环境模型发送至所述目标小车，所述目标小车以自身为中心，根据所述更新后的环境模型确定卸货地点，实时规划卸货路线并按照所述卸货路线移动至所述卸货地点卸货。通过将环境模型发送至目标小车，由目标小车根据自身位置实时规划路线，无需直接计算整条路径或者规划最佳路径，而是实时根据环境的变化决定下一步路径，节约了时间和计算成本。
附图说明
46.图1为一个实施例中小车路径实时规划方法的应用环境图；
47.图2为一个实施例中小车路径实时规划方法的流程示意图；
48.图3为一个实施例中小车路径实时规划装置的结构框图；
49.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
50.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
51.本技术实施例提供的小车路径实时规划方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境包括计算机设备110。计算机设备110可以构建环境模型；计算机设备110可以将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货；计算机设备110可以实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。其中，计算机设备110可以但不限于是各种个人计算机、笔记本电脑、机器人、平板电脑等设备。
52.在一个实施例中，如图2所示，提供了一种小车路径实时规划方法，包括以下步骤：
53.步骤202，构建环境模型。
54.计算机设备可以构建环境模型，具体的，计算机设备上可以设置有摄像头、传感器等装置，用于采集环境信息。计算机设备可以根据环境信息构建环境模型。其中，环境模型中可以包含有仓库中的所有环境信息，包括货物位置、上货地点、卸货地点、各个移动小车的位置等信息。
55.步骤204，将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货。
56.目标小车可以是各个移动小车中需要进行路径规划的小车。在本实施例中，计算机设备上可以设置有信息发送装置，目标小车上可以设置有信息接收装置。计算机设备构建好环境模型后，可以通过信息发送装置将创建好的环境模型发送至目标小车。具体的，目标小车可以通过信息接收装置接收计算机设备发送的环境模型。
57.目标小车在接收到环境模型后，可以在环境模型中查找自身位置，查找各个上货地点，并确定出需要进行装货的上货地点。目标小车可以结合自身位置、上货地点规划出上货路线，目标小车可以按照上货路线移动位置。具体的，目标小车在按照上货路线进行位置移动时，每移动一步可以根据当前环境信息更新上货路线，从而躲避障碍物，直至到达上货地点装货。
58.在本实施例中，上货地点处可以设置有传送带，传送带上可以放置有货物，环境模型中可以包含有货物和传送带信息，目标小车可以根据传送带上运输货物的速度等信息控制自身按照上货路线的移动速度。
59.步骤206，实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
60.计算机设备可以实时更新环境模型，具体的，目标小车移动一步，由于目标小车的位置发生了变化，环境模型可以更新一次。计算机设备可以及时将更新后的环境模型发送至目标小车。
61.目标小车在接收到更新后的环境模型后，可以在更新后的环境模型中查找到自身位置，并确定需要进行卸货的卸货地点。目标小车可以根据自身位置、卸货地点规划出卸货路线，从而按照卸货路线进行位置移动。
62.具体的，目标小车在按照卸货路线进行位置移动时，每移动一步可以根据当前环境信息更新卸货路线，从而躲避障碍物，直至到达卸货地点卸货。
63.在本实施例中，计算机设备通过构建环境模型；将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货；实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。通过将环境模型发送至目标小车，由目标小车根据自身位置实时规划路线，无需直接计算整条路径或者规划最佳路径，而是实时根据环境的变化决定下一步路径，节约了时间和计算成本。
64.在一个实施例中，提供的一种小车路径实时规划方法还可以包括构建环境模型的
过程，具体过程包括：确定当前环境下的各个行为维度，分别将各个行为维度与目标小车的行为方式一一对应，作为模型输入信息；确定当前环境下的各个观测维度，并将各个观测维度作为模型输出信息；构建环境奖励机制，并根据模型输入信息、模型输出信息、环境奖励机制构建环境模型。
65.计算机设备可以确定所构建的环境接受的各个行为维度，即action维度，其中，action维度可以用于表示各个移动小车在当前环境中上下左右的移动维度。计算机设备可以分别将各个行为维度与目标小车的行为方式一一对应，具体的，计算机设备可以将每个action维度对应的目标小车行为方式一一对应，并将action维度进行编码，作为模型输入信息，模型输入信息可以是环境所能够接受的输入。
66.计算机设备可以确定所构建的环境的输出信息的各个观测维度，即observation维度，其中，observation维度可以是环境模型的输出。
67.计算机设备可以构建环境奖励机制，根据上货地点、目标小车的行动方向、是否撞墙等情况，设置相应的环境奖励机制，用于每步环境迭代时候的输出。计算机设备还可以构建出上货地点的奖励和卸货地点达成后的最终奖励。
68.接着，计算机设备可以根据模型输入信息、模型输出信息、环境奖励机制构建环境模型。
69.在一个实施例中，提供的一种小车路径实时规划方法还可以包括按照上货路线移动的过程，具体过程包括：根据环境模型确定上货地点，目标小车根据环境模型中的环境奖励机制实时规划上货路线；目标小车按照环境奖励机制，根据上货路线移动，并实时更新上货路线；目标小车按照环境奖励机制，根据更新后的上货路线移动至上货地点装货。
70.当前环境下可以存在有各个上货处，目标小车可以根据环境模型中传送带传送货物的速度等因素确定上货地点。目标小车可以根据环境奖励机制实时规划上货路线。其中，目标小车可以根据环境奖励机制按照上货路线移动一步后再实时决策更新上货路线，直到目标小车移动至上货地点装货。
71.在一个实施例中，提供的一种小车路径实时规划方法还可以包括更新环境模型的过程，具体过程包括：根据环境奖励机制，获取目标小车的移动信息；根据移动信息，对环境模型进行更新迭代。
72.在一个实施例中，提供的一种小车路径实时规划方法还可以包括创建深度增强学习模型的过程，具体过程包括：根据模型输入信息、模型输出信息确定环境模型的输入维度、输出维度；获取模型数据以及模型超参数；根据输入维度、输出维度、模型数据、模型超参数创建深度增强学习模型。
73.其中，模型数据可以包括目标小车与环境的交互方式、数据的存储方式、数据的抽样方式等数据；模型超参数可以用于表示模型的学习率等数据。
74.计算机设备可以根据环境模型的输入维度、输出维度，以及模型数据、模型超参数创建深度增强学习模型。
75.在一个实施例中，提供的一种小车路径实时规划方法还可以包括目标小车根据深度增强学习模型规划路线的过程，具体过程包括：目标小车根据深度增强学习模型实时规划上货路线，并按照上货路线移动至上货地点装货；目标小车根据深度增强学习模型、更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
76.在一个实施例中，提供的一种小车路径实时规划方法还可以包括进行模型测试的过程，具体过程包括：获取当前环境下障碍物信息、上货地点信息、卸货地点信息、目标小车位置信息，作为测试数据；根据测试数据搭建模型测试框架；根据模型测试框架对深度增强学习模型进行测试，得到测试结果；根据测试结果对深度增强学习模型中的参数进行调整，生成目标深度增强学习模型。
77.其中，搭建的模型测试框架可以是平面二维实时观测框架，可以用于展示深度增强学习模型的测试效果。在本实施例中，计算机设备可以利用gpu加速算法训练深度增强学习模型。在测试过程中，可以对环境中的障碍物位置进行变动，还可以变动上货地点、卸货地点的位置，测试目标小车实时规划路径。
78.应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
79.在一个实施例中，如图3所示，提供了一种小车路径实时规划装置，包括：模型构建模块310、上货路线规划模块320和卸货路线规划模块330，其中：
80.模型构建模块310，用于构建环境模型；
81.上货路线规划模块320，用于将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货；
82.卸货路线规划模块330，用于实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
83.在一个实施例中，模型构建模块310还用于确定当前环境下的各个行为维度，分别将各个行为维度与目标小车的行为方式一一对应，作为模型输入信息；确定当前环境下的各个观测维度，并将各个观测维度作为模型输出信息；构建环境奖励机制，并根据模型输入信息、模型输出信息、环境奖励机制构建环境模型。
84.在一个实施例中，上货路线规划模块320还用于根据环境模型确定上货地点，目标小车根据环境模型中的环境奖励机制实时规划上货路线；目标小车按照环境奖励机制，根据上货路线移动，并实时更新上货路线；目标小车按照环境奖励机制，根据更新后的上货路线移动至上货地点装货。
85.在一个实施例中，模型构建模块310还用于根据环境奖励机制，获取目标小车的移动信息；根据移动信息，对环境模型进行更新迭代。
86.在一个实施例中，模型构建模块310还用于根据模型输入信息、模型输出信息确定环境模型的输入维度、输出维度；获取模型数据以及模型超参数；根据输入维度、输出维度、模型数据、模型超参数创建深度增强学习模型。
87.在一个实施例中，上货路线规划模块320还用于目标小车根据深度增强学习模型实时规划上货路线，并按照上货路线移动至上货地点装货。
88.在一个实施例中，卸货路线规划模块330还用于目标小车根据深度增强学习模型、更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
89.在一个实施例中，模型构建模块310还用于获取当前环境下障碍物信息、上货地点信息、卸货地点信息、目标小车位置信息，作为测试数据；根据测试数据搭建模型测试框架；根据模型测试框架对深度增强学习模型进行测试，得到测试结果；根据测试结果对深度增强学习模型中的参数进行调整，生成目标深度增强学习模型。
90.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种小车路径实时规划方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
91.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
92.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
93.构建环境模型；
94.将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货；
95.实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
96.在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定当前环境下的各个行为维度，分别将各个行为维度与目标小车的行为方式一一对应，作为模型输入信息；确定当前环境下的各个观测维度，并将各个观测维度作为模型输出信息；构建环境奖励机制，并根据模型输入信息、模型输出信息、环境奖励机制构建环境模型。
97.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据环境模型确定上货地点，目标小车根据环境模型中的环境奖励机制实时规划上货路线；目标小车按照环境奖励机制，根据上货路线移动，并实时更新上货路线；目标小车按照环境奖励机制，根据更新后的上货路线移动至上货地点装货。
98.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据环境奖励机制，获取目标小车的移动信息；根据移动信息，对环境模型进行更新迭代。
99.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据模型输入信息、模型输出信息确定环境模型的输入维度、输出维度；获取模型数据以及模型超参数；根据输
入维度、输出维度、模型数据、模型超参数创建深度增强学习模型。
100.在一个实施例中，处理器执行计算机程序时还实现以下步骤：目标小车根据深度增强学习模型实时规划上货路线，并按照上货路线移动至上货地点装货；目标小车根据深度增强学习模型、更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
101.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前环境下障碍物信息、上货地点信息、卸货地点信息、目标小车位置信息，作为测试数据；根据测试数据搭建模型测试框架；根据模型测试框架对深度增强学习模型进行测试，得到测试结果；根据测试结果对深度增强学习模型中的参数进行调整，生成目标深度增强学习模型。
102.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
103.构建环境模型；
104.将环境模型发送至目标小车，目标小车以自身为中心，根据环境模型确定上货地点，实时规划上货路线并按照上货路线移动至上货地点装货；
105.实时更新环境模型，将更新后的环境模型发送至目标小车，目标小车以自身为中心，根据更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
106.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定当前环境下的各个行为维度，分别将各个行为维度与目标小车的行为方式一一对应，作为模型输入信息；确定当前环境下的各个观测维度，并将各个观测维度作为模型输出信息；构建环境奖励机制，并根据模型输入信息、模型输出信息、环境奖励机制构建环境模型。
107.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据环境模型确定上货地点，目标小车根据环境模型中的环境奖励机制实时规划上货路线；目标小车按照环境奖励机制，根据上货路线移动，并实时更新上货路线；目标小车按照环境奖励机制，根据更新后的上货路线移动至上货地点装货。
108.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据环境奖励机制，获取目标小车的移动信息；根据移动信息，对环境模型进行更新迭代。
109.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据模型输入信息、模型输出信息确定环境模型的输入维度、输出维度；获取模型数据以及模型超参数；根据输入维度、输出维度、模型数据、模型超参数创建深度增强学习模型。
110.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：目标小车根据深度增强学习模型实时规划上货路线，并按照上货路线移动至上货地点装货；目标小车根据深度增强学习模型、更新后的环境模型确定卸货地点，实时规划卸货路线并按照卸货路线移动至卸货地点卸货。
111.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前环境下障碍物信息、上货地点信息、卸货地点信息、目标小车位置信息，作为测试数据；根据测试数据搭建模型测试框架；根据模型测试框架对深度增强学习模型进行测试，得到测试结果；根据测试结果对深度增强学习模型中的参数进行调整，生成目标深度增强学习模型。
112.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
113.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
114.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。