车辆的功率分配和跟踪速度的协同方法及装置与流程

1.本发明涉及轨道交通技术领域，尤其涉及一种车辆的功率分配和跟踪速度的协同方法、装置和电子设备。


背景技术：

2.随着城市化的发展，城市人口越来越多，给轨道交通带来了严峻考验，同时，轨道交通的能量供给也面临挑战。
3.现有技术中，以氢氧动力装置作为主动力源，动力电池和超级电容作为辅助动力源的混合动力系统为车辆供给能量，上述车辆的运行依赖车载列车控制设备为车辆提供的跟踪速度曲线，依据车辆运行工况计算得到的跟踪速度曲线，其跟踪速度信息被输入至车载控制器，进而转化为车辆电机的目标转速和目标转矩，并最终作为车辆电机控制器的控制输入。为了使车辆电机按照目标转速和目标转矩进行工作，车辆的混合动力系统需要提供充足且适宜的电能。而混合动力系统控制单元中的功率分配算法则根据氢氧动力装置和动力电池的当前状态，实时调整两种能量源的功率输出情况。
4.但是，上述现有技术中通常将车辆的跟踪速度曲线与功率分配算法单独进行优化。


技术实现要素：

5.针对现有技术存在的问题，本发明提供一种车辆的功率分配和跟踪速度的协同方法及装置。
6.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，包括：
7.获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
8.基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
9.基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
10.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统，包括：
11.基于所述m组车辆跟踪速度序列构建车辆跟踪速度曲线生成系统；
12.基于所述n组车辆功率分配序列构建车辆功率分配系统；
13.基于所述车辆跟踪速度曲线生成系统和所述车辆功率分配系统构建所述协同优化系统。
14.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列，包括：
15.将每组所述车辆跟踪速度序列确定为每条鱼所在的位置，并基于每条鱼所在的位置确定每条鱼的合群行为预期位置和跟随行为预期位置；
16.将所述每条鱼的合群行为预期位置和跟随行为预期位置输入至所述车辆跟踪速度曲线生成系统中，得到所述合群行为预期位置对应的第一跟踪速度曲线和所述跟随行为预期位置对应的第二跟踪速度曲线；
17.基于所述第一跟踪速度曲线确定对应的第一目标车辆需求功率，并基于所述第二跟踪速度曲线确定对应的第二目标车辆需求功率；
18.将所述第一目标车辆需求功率和所述第二目标车辆需求功率输入至所述车辆功率分配系统中，基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第一最小运行成本和所述第二目标车辆需求功率对应的第二最小运行成本；
19.将所述第一最小运行成本对应的第一最大魅力值和所述第二最小运行成本对应的第二最大魅力值传递至所述车辆跟踪速度曲线生成系统中，基于所述人工鱼群算法对所述车辆跟踪速度曲线生成系统进行求解，得到所述目标车辆跟踪速度序列；
20.基于所述目标车辆跟踪速度序列确定所述目标车辆功率分配序列。
21.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于所述第一跟踪速度曲线确定对应的第一目标车辆需求功率，并基于所述第二跟踪速度曲线确定对应的第二目标车辆需求功率，包括：
22.将所述第一跟踪速度曲线和所述第二跟踪速度曲线输入至跟踪速度与功率分配算法耦合模型中，得到所述跟踪速度与功率分配算法耦合模型输出的所述第一跟踪速度曲线对应的第一目标车辆需求功率和所述第二跟踪速度曲线对应的第二目标车辆需求功率。
23.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第一最小运行成本，包括：
24.将每组车辆功率分配序列确定为每只萤火虫所在的位置，并基于第一目标车辆需求功率确定每只萤火虫对应的第一运行成本；
25.基于每只萤火虫对应的第一运行成本确定每只萤火虫对应的第一魅力值；
26.基于每只萤火虫的所述第一魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第一最终位置；
27.确定每只萤火虫的第一最终位置对应的第一魅力值中的最大第一魅力值，并将所述最大第一魅力值对应的第一运行成本确定为第一最小运行成本；
28.所述基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第二最小运行成本，包括：
29.基于第二目标车辆需求功率确定每只萤火虫对应的第二运行成本；
30.基于每只萤火虫对应的第二运行成本确定每只萤火虫对应的第二魅力值；
31.基于每只萤火虫的所述第二魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第二最终位置；
32.确定每只萤火虫的第二最终位置对应的第二魅力值中的最大第二魅力值，并将所述最大第二魅力值对应的第二运行成本确定为第二最小运行成本。
33.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述将所述第一最小运行成本对应的第一魅力值和所述第二最小运行成本对应的第二魅力值传递至所述车辆跟踪速度曲线生成系统中，基于所述人工鱼群算法对所述车辆跟踪速度曲线生成系统进行求解，得到所述目标车辆跟踪速度序列，包括：
34.将所述第一魅力值确定为每条鱼的合群行为预期位置对应的第一食物浓度值，并将所述第二魅力值确定为每条鱼的跟随行为预期位置对应的第二食物浓度值；
35.基于所述第一食物浓度值和所述第二食物浓度值更新对应鱼所在的位置，直至更新第二预设次后，得到每条鱼的最终位置；
36.确定每条鱼的最终位置对应的食物浓度值中的最大食物浓度值；并将最大食物浓度值的鱼对应的车辆跟踪速度序列确定为目标车辆跟踪速度序列。
37.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于所述目标车辆跟踪速度序列确定所述目标车辆功率分配序列，包括：
38.确定所述目标车辆跟踪速度序列对应的鱼的最大食物浓度值，并基于所述最大食物浓度值确定对应的目标最大魅力值；
39.将所述目标最大魅力值的萤火虫对应的车辆功率分配序列确定为所述目标车辆功率分配序列。
40.本发明提供的一种车辆的功率分配和跟踪速度的协同方法，所述基于所述第一食物浓度值和所述第二食物浓度值更新对应鱼所在的位置，包括：
41.在确定所述第一食物浓度值大于所述第二食物浓度值时，更新对应鱼所在的位置为合群行为预期位置；
42.在确定所述第一食物浓度值小于所述第二食物浓度值时，更新对应鱼所在的位置为跟随行为预期位置。
43.本发明还提供一种车辆的功率分配和跟踪速度的协同装置，包括：
44.获取单元，用于获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
45.构建单元，用于基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
46.求解单元，用于基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
47.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述车辆的功率分配和跟踪速度的协同方法。
48.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述车辆的功率分配和跟踪速度的协同方法。
49.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述车辆的功率分配和跟踪速度的协同方法。
50.本发明提供的车辆的功率分配和跟踪速度的协同方法及装置，利用人工鱼群算法和多群体萤火虫算法，求解基于车辆跟踪速度序列和车辆功率分配序列构建的协同优化系
统，得到目标车辆跟踪速度序列和目标车辆功率分配序列。可知，本发明考虑了车辆跟踪速度序列和车辆功率分配序列的协同关系对车辆能量供给的影响，可以更加合理的分配混合动力系统中各个能量源的功率供给。
附图说明
51.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
52.图1是本发明提供的车辆的功率分配和跟踪速度的协同方法的流程示意图；
53.图2是本发明提供的人工鱼群算法和多群体萤火虫算法的协同优化算法示意图；
54.图3是本发明提供的车辆整体系统模型的结构示意图；
55.图4是本发明提供的功率分配算法的运行流程示意图；
56.图5是本发明提供的车辆的功率分配和跟踪速度的协同装置的结构示意图；
57.图6是本发明提供的电子设备的实体结构示意图。
具体实施方式
58.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.现有技术中通常将车辆的跟踪速度曲线与功率分配算法单独进行优化，没有考虑车辆的跟踪速度曲线与功率分配算法之间的协同关系对车辆能量供给的影响。
60.下面结合图1-图4描述本发明的车辆的功率分配和跟踪速度的协同方法。
61.图1是本发明提供的车辆的功率分配和跟踪速度的协同方法的流程示意图，应用于氢氧动力轨道车辆，如图1所示，该车辆的功率分配和跟踪速度的协同方法包括以下步骤：
62.步骤101、获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率。
63.其中，车辆跟踪速度序列中每个参数为车辆跟踪速度曲线中的两个站点之间列车的最大允许速度，车辆功率分配序列中每个参数为混合动力系统中各个能量源的最大允许输出功率，且各个能量源的最大允许输出功率为各能量源每个时刻对应的最大允许输出功率。
64.示例地，本发明获取了车辆修正后的跟踪速度曲线后，就可得到两个站点之间列车的最大允许速度，在列车混合动力系统中各个能量源确定后，就可获得各个能量源的最大允许输出功率。
65.步骤102、基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统。
66.示例地，协同优化系统是基于车辆跟踪速度与目标车辆需求功率得到的。
67.其中，车辆跟踪速度与目标车辆需求功率的关系如下：
68.车辆跟踪速度经过车辆动力学、车辆、传动系统和电机等中间模型，逐步转化为车辆电机需求功率，而车辆电机需求功率为氢氧动力装置、超级电容和动力电池三种能量源的功率总和，则车辆跟踪速度与目标车辆需求功率如下公式(1)所示：
[0069][0070]
其中，m为车辆质量，g为重力加速度，v为列车当前时刻的行驶速度，vt为列车在当前时刻的跟踪速度，a为与车重相关的阻力系数，b为与空气动量损失相关的阻力系数、c为与空气动力学相关的阻力系数，zr为坡度，rc为线路曲线半径，r为车轮半径，jm为电机转动惯量，z为齿轮比，ηm为电机效率，ηg为电机效率齿轮箱传动效率。根据公式(1)，可建立车辆跟踪速度vt与功率分配算法输入pd的关系。
[0071]
以公式(1)为基础，就可得到m组车辆跟踪速度序列对应的目标车辆需求功率，然后基于目标车辆需求功率和各个能量源对应的最大允许输出功率得到n组车辆功率分配序列，最后基于m组车辆跟踪速度序列和n组车辆功率分配序列构建协同优化系统。
[0072]
步骤103、基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0073]
示例地，图2是本发明提供的人工鱼群算法和多群体萤火虫算法的协同优化算法示意图，如图2所示，该人工鱼群算法和多群体萤火虫算法的协同优化算法包括系统a和系统b，具体步骤如下：
[0074]
(1)，定义鱼的数量m，最大迭代次数γ1，鱼的感知距离，移动步长step和拥挤因子。随机产生m条鱼，每条鱼包含一组序列[v1,v2,
…
,vn]。
[0075]
(2)，获得第i条鱼的合群行为预期位置。
[0076]
具体根据如下公式(2)，得到第i条鱼的合群行为预期位置x
isw
：
[0077][0078]
其中，v
l
为第i条鱼视野范围内其它鱼对应序列的第l维变量，l＝1，2，3，
…
，nf，nf为在第i条鱼视野范围内的其它鱼的条数；xi为第i条鱼的当前位置；rand为由0到1服从均匀分布的随机数；
[0079]
然后判断位置x
isw
是否拥挤；如果拥挤，则给予高惩罚权重，其中，惩罚权重用于设置食物浓度的值，高惩罚权重对应设置低的食物浓度的值，低惩罚权重对应设置高的食物浓度的值；不拥挤则保留该位置。
[0080]
(3)，获得第i条鱼的跟随行为预期位置。
[0081]
具体地，跟随行为表示第i条鱼跟随其视野内食物浓度最高的第j条鱼。根据如下
公式(3)，得到跟随行为预期位置x
ifo
：
[0082][0083]
其中，xj为第j条鱼的当前位置。
[0084]
然后，判断预期位置x
ifo
处是否拥挤；如果拥挤，则给予高惩罚权重；不拥挤则保留该位置。
[0085]
(4)，开始系统b的优化过程。将第i条鱼的合群行为预期位置和跟随行为预期位置所对应的序列依次输入系统a，将所得结果作为系统b优化的初始条件。
[0086]
(5)，初始化多群体萤火虫算法相关参数。包括虫群数f，每个群体中萤火虫的个数，最大迭代次数，魅力系数，最大吸引力，最小吸引力和移动步长范围。
[0087]
(6)，生成所有虫群中萤火虫的初始位置。
[0088]
其中，第i只萤火虫的位置利用一个序列表示：[p1，p2，p3]，另外，生成f组移动步长和最小吸引力。
[0089]
(7)，将所有萤火虫对应的位置序列输入系统b，之后输入整体系统模型，进行仿真，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0090]
(8)，利用系统b，获得所有萤火虫对应的魅力值。
[0091]
(9)，遍历所有子虫群。
[0092]
(10)，遍历每个子虫群中的所有萤火虫。
[0093]
(11)，更新第i只萤火虫的位置，原则是向魅力值最高的萤火虫移动。首先，随机找到另一只萤火虫j，根据如下公式(4)计算两只萤火虫的距离r
ij
：
[0094][0095]
其中，x
i,k
为第i只萤火虫的位置序列中第k个变量，x
j,k
为第j只萤火虫的位置序列中第k个变量，k＝1，2，3。
[0096]
然后，对比两只萤火虫的魅力值。假设萤火虫j的魅力值大于萤火虫i的魅力值，则萤火虫j对萤火虫i的吸引力β
ji
由如下公式(5)计算：
[0097][0098]
其中，β0为萤火虫j的最大吸引力，γ为魅力系数，e为自然常数。
[0099]
最后，利用如下公式(6)更新萤火虫i的位置：
[0100]
xi(t 1)＝xi(t) β
ji
·
(xi(t)-xj(t)) α(rand-0.5)(6)
[0101]
其中，xi(t 1)为萤火虫i在t 1时刻的位置，α为萤火虫的移动步长。
[0102]
(12)：位置更新后，计算所有萤火虫的魅力值。
[0103]
(13)：进行最优个体迁移过程，将第j个子虫群中魅力值最高的萤火虫飞入第j 1个子虫群，并剔除第j 1个子虫群中魅力值最低萤火虫，并依此类推。
[0104]
(14)：进行最优个体筛选过程，搜索所有子种群中的最优萤火虫，保存至最优虫群。
[0105]
(15)：循环步骤(8)至步骤(14)，获得魅力值最高的萤火虫，并将该最高魅力值传递至系统a，该最高魅力值作为第i条鱼预期位置的食物浓度。
[0106]
(16)：获得第i条鱼的合群行为预期位置的食物浓度y
isw
，以及跟随行为预期位置的食物浓度y
ifo
。比较两者大小，并依据比较结果，更新第i条鱼的位置。
[0107]
(17)：循环执行(2)至(16)，直至更新所有鱼的位置。
[0108]
(18)：循环执行(2)至(17)，直至达到最大迭代次数，获得系统a的最优解。并基于系统a的最优解确定其对应的系统b的最优解，综合系统a与系统b的最优解可得到最终解。
[0109]
本发明将基于人工鱼群算法和多群体萤火虫算法的协同优化算法，应用于氢氧动力车辆的功率分配与跟踪速度的协同优化问题。将系统a考虑为车辆跟踪速度曲线生成系统，系统b考虑为车辆功率分配系统。对于协同优化算法中的外层过程，外层过程即为系统a的优化过程，内层过程为系统b的优化过程，将序列[v1，v2，
…
，vn]考虑为车辆跟踪速度曲线中的站间最大允许速度，并将序列[p1，p2，p3]考虑为氢氧动力车辆的三种能量源的最大允许输出功率，即可对氢氧动力车辆的功率分配算法与跟踪速度曲线完成协同优化，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0110]
进一步地，如图3所示，在执行完步骤103之后，可将步骤103得到的目标车辆功率分配序列输入至混合动力系统控制器，混合动力系统控制器依据能量源的状态，实时分配氢氧动力装置、超级电容和动力电池的输出功率，进而为车辆电机提供电能，将步骤103得到的目标车辆跟踪速度序列输入至车载列车控制器的速度控制单元，该车载列车控制器根据车辆当前位置，向车辆电机实时输出跟踪速度值。
[0111]
本发明提供的车辆的功率分配和跟踪速度的协同方法，利用人工鱼群算法和多群体萤火虫算法，求解基于车辆跟踪速度序列和车辆功率分配序列构建的协同优化系统，得到目标车辆跟踪速度序列和目标车辆功率分配序列。可知，本发明考虑了车辆跟踪速度序列和车辆功率分配序列的协同关系对车辆能量供给的影响，可以更加合理的分配混合动力系统中各个能量源的功率供给。
[0112]
可选地，步骤102具体可通过以下方式实现：
[0113]
基于所述m组车辆跟踪速度序列构建车辆跟踪速度曲线生成系统；
[0114]
基于所述n组车辆功率分配序列构建车辆功率分配系统；
[0115]
基于所述车辆跟踪速度曲线生成系统和所述车辆功率分配系统构建所述协同优化系统。
[0116]
示例地，基于m组车辆跟踪速度序列构建车辆跟踪速度曲线生成系统的过程如下所示：
[0117]
对于第i个车站与第i 1个车站之间的线路，其对应的跟踪速度曲线可用如下公式(7)表示：
[0118]
{v
t
(x)|x
s,i
≤x≤x
s,i 1
,0≤v
t
(x)≤v
lim
(x)}(7)
[0119]
其中，v
t
(x)为车辆在位置x处的跟踪速度，x
s,i
为第i个车站的位置，x
s,i 1
为第i 1个车站的位置，v
lim
(x)为车辆在x处的限制速度。
[0120]
首先假设两个站点之间车辆的最大行驶速度为v
maxi
，则车辆从x
s,i
开始，以无穷大加速度加速至v
maxi
，之后匀速行驶至x
s,i 1
，最后以无穷大减速度制动，此为车辆理想跟踪速度曲线。然后，对车辆理想跟踪速度曲线考虑线路限速约束。车辆跟踪速度曲线限制速度根据如下公式(8)计算：
[0121][0122]
其中，s
rh
为两钢轨轨头中心线的间距。hr为车辆运行轨道实设超高值，hd为车辆运行轨道允许最大欠超高值。g为重力加速度。r
cu
为车辆运行轨道的曲线半径。依据v
lim
(x)可对理想跟踪速度曲线进行修正。之后，对车辆跟踪速度曲线考虑加速性能约束。车辆加速能力受到电机最大牵引力、电气设备约束和混合动力系统最大输出功率的限制根据如下公式(9)计算：
[0123]ara
＝min(ad，a
equ
，a
pow
)(9)
[0124]
其中，a
ra
为车辆实际最大加速度。ad、a
equ
和a
pow
分别为考虑电机、电气设备和混合动力系统约束的最大加速度。利用ad对公式(7)的速度曲线进行修正。最后，对车辆跟踪速度曲线考虑制动性能的约束。制动能力限制的求解与加速情况类似。获得车辆实际最大制动加速度后，利用倒推法对公式(7)获得的速度曲线进行修正。
[0125]
基于n组车辆功率分配序列构建车辆功率分配系统的过程如下所示：
[0126]
功率分配算法根据车辆当前状态，实时决策各能量源的输出功率。功率分配算法的制定依据母线需求功率和超级电容、动力电池的荷电状态，参考事先制定的决策规则，分配各能量源的输出功率。功率分配算法的运行流程如图4所示。
[0127]
其中，pd为车辆需求功率。pfma，psdm，pbdm分别为氢氧动力装置、超级电容和动力电池的最大允许输出功率。pscm，pbcm分别为氢氧动力装置、超级电容和动力电池的最大允许输入功率。socs和socb分别为超级电容与动力电池的荷电状态。socsh和socbh分别为超级电容与动力电池的荷电状态上限值。pfmi为氢氧电化学反应装置最低允许输出功率。根据图4所示，车辆功率分配算法划分了11中状态。各状态下的氢氧动力装置输出功率pf、超级电容输出功率ps和动力电池输出功率pb的功率平衡等式如下：
[0128]
状态1：pd＝pf。
[0129]
状态2：pd＝pf ps。
[0130]
状态3：pd＝pf ps pb。
[0131]
状态4：pd＝pf-|ps|。
[0132]
状态5：pd＝pf-|pb|。
[0133]
状态6：pd＝pf-|ps|。
[0134]
状态7：pd＝pf-|pb|。
[0135]
状态8：|pd| pf＝|ps| |pb| |pm|。
[0136]
状态9：|pd| pf＝|ps| |pb|。
[0137]
状态10：|pd| pf＝|ps|。
[0138]
状态11：pd＝pf ps pb。
[0139]
然后，以公式(1)为基础，基于m组车辆跟踪速度序列和n组车辆功率分配序列构建协同优化系统。
[0140]
本发明提供的车辆的功率分配和跟踪速度的协同方法，对车辆跟踪速度序列考虑了实际限制因素，可以得到真实的跟踪速度序列，基于车辆功率分配序列和车辆目标需求功率可以得到车辆实时功率分配算法，可知，基于车辆跟踪速度序列和车辆功率分配序列构建的协同优化系统，可以基于车辆真实的跟踪速度序列得到车辆实时功率分配算法，从
而更加合理的分配混合动力系统中各个能量源的功率供给。
[0141]
可选地，所述基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列，包括：
[0142]
将每组所述车辆跟踪速度序列确定为每条鱼所在的位置，并基于每条鱼所在的位置确定每条鱼的合群行为预期位置和跟随行为预期位置；
[0143]
将所述每条鱼的合群行为预期位置和跟随行为预期位置输入至所述车辆跟踪速度曲线生成系统中，得到所述合群行为预期位置对应的第一跟踪速度曲线和所述跟随行为预期位置对应的第二跟踪速度曲线；
[0144]
基于所述第一跟踪速度曲线确定对应的第一目标车辆需求功率，并基于所述第二跟踪速度曲线确定对应的第二目标车辆需求功率；
[0145]
将所述第一目标车辆需求功率和所述第二目标车辆需求功率输入至所述车辆功率分配系统中，基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第一最小运行成本和所述第二目标车辆需求功率对应的第二最小运行成本；
[0146]
将所述第一最小运行成本对应的第一最大魅力值和所述第二最小运行成本对应的第二最大魅力值传递至所述车辆跟踪速度曲线生成系统中，基于所述人工鱼群算法对所述车辆跟踪速度曲线生成系统进行求解，得到所述目标车辆跟踪速度序列；
[0147]
基于所述目标车辆跟踪速度序列确定所述目标车辆功率分配序列。
[0148]
其中，基于上述公式(2)确定每条鱼的合群行为预期位置，基于上述公式(3)确定每条鱼的跟随行为预期位置。
[0149]
然后将每条鱼的合群行为预期位置输入至车辆跟踪速度曲线生成系统，即公式(7)中，得到合群行为预期位置对应的第一跟踪速度曲线，将每条鱼的跟随行为预期位置输入至车辆跟踪速度曲线生成系统，即公式(7)中，得到跟随行为预期位置对应的第二跟踪速度曲线。
[0150]
然后，将第一跟踪速度曲线输入至公式(1)中，确定对应的第一目标车辆需求功率，将第二跟踪速度曲线输入至公式(1)中，确定对应的第二目标车辆需求功率。
[0151]
本发明提供的车辆的功率分配和跟踪速度的协同方法，将人工鱼群算法和多群体萤火虫算法，应用在车辆跟踪速度曲线生成系统和车辆功率分配系统中，可以把跟踪速度曲线、目标车辆需求功率、车辆运行成本和车辆功率分配联系起来，协同求解得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0152]
可选地，所述基于所述第一跟踪速度曲线确定对应的第一目标车辆需求功率，并基于所述第二跟踪速度曲线确定对应的第二目标车辆需求功率，包括：
[0153]
将所述第一跟踪速度曲线和所述第二跟踪速度曲线输入至跟踪速度与功率分配算法耦合模型中，得到所述跟踪速度与功率分配算法耦合模型输出的所述第一跟踪速度曲线对应的第一目标车辆需求功率和所述第二跟踪速度曲线对应的第二目标车辆需求功率。
[0154]
其中，跟踪速度与功率分配算法耦合模型是基于公式(1)构建的。然后将第一跟踪速度曲线输入至公式(1)中，确定对应的第一目标车辆需求功率，将第二跟踪速度曲线输入至公式(1)中，确定对应的第二目标车辆需求功率。
[0155]
本发明提供的车辆的功率分配和跟踪速度的协同方法，通过跟踪速度与功率分配
算法耦合模型，可以将跟踪速度曲线转化为目标车辆需求功率。
[0156]
可选地，所述基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第一最小运行成本，包括：
[0157]
将每组车辆功率分配序列确定为每只萤火虫所在的位置，并基于第一目标车辆需求功率确定每只萤火虫对应的第一运行成本；
[0158]
基于每只萤火虫对应的第一运行成本确定每只萤火虫对应的第一魅力值；
[0159]
基于每只萤火虫的所述第一魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第一最终位置；
[0160]
确定每只萤火虫的第一最终位置对应的第一魅力值中的最大第一魅力值，并将所述最大第一魅力值对应的第一运行成本确定为第一最小运行成本；
[0161]
所述基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第二最小运行成本，包括：
[0162]
基于第二目标车辆需求功率确定每只萤火虫对应的第二运行成本；
[0163]
基于每只萤火虫对应的第二运行成本确定每只萤火虫对应的第二魅力值；
[0164]
基于每只萤火虫的所述第二魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第二最终位置；
[0165]
确定每只萤火虫的第二最终位置对应的第二魅力值中的最大第二魅力值，并将所述最大第二魅力值对应的第二运行成本确定为第二最小运行成本。
[0166]
示例地，根据公式(10)至公式(22)，计算车辆运行总成本cf：
[0167]
cf＝fcf fcc fcr fcm(10)
[0168]
fcf＝mf
·
cfu(11)
[0169]
fcc＝(pdf
·
cd caf
·
cfc)
·
crf(12)
[0170][0171][0172]
其中，fcf为氢燃料成本，fcc为该装置购置成本，fcr为该装置更换成本，fcm为该装置维护成本。mf为燃料消耗量，cfu为氢燃料消耗单价。pdf为该装置对应功率变换器容量，cd为功率变换器容量价格，caf为该装置功率，cfc为该装置单位功率的价格。i为利率。t为系统预计最长使用时间。nrf为需要更换的该装置数量。lf为该装置期望寿命。crf为资本回收系数。k为计算成本的累加变量。
[0173]
超级电容成本如公式(15)至公式(18)所示：
[0174]
cs＝scc scr scm scch(15)
[0175]
scc＝(pds
·
cd cas
·
csc)
·
crf(16)
[0176][0177]
scch＝es
·
cg(18)
[0178]
其中，cs为超级电容成本，scc为超级电容购置成本，scr超级电容更换成本，scm为超级电容维护成本，scch为超级电容充电成本。pds为超级电容对应功率变换器容量，cas为超级电容功率，csc为超级电容每单位功率的价格。nrs为需要更换的超级电容数量。ls为超
级电容期望寿命。es为超级电容充电能量，cg为电价。
[0179]
动力电池成本如公式(19)至公式(22)所示：
[0180]
cb＝batc batr batm batch(19)
[0181]
batc＝(pdb
·
cd cab
·
cba)
·
crf(20)
[0182][0183]
batch＝eb
·
cg(22)
[0184]
以上公式中，cb为动力电池成本，batc为动力电池购置成本，batr为动力电池更换成本，batm为动力电池维护成本，batch为动力电池充电成本。pdb为动力电池对应功率变换器容量，cab为动力电池功率，cba为动力电池每单位功率的价格。nrb为需要更换的动力电池数量。lb为动力电池期望寿命。eb为动力电池充电能量。
[0185]
其中，运行成本越低对应的魅力值越大，例如，运行成本为100元，将其对应的魅力值可以设置为10，运行成本为200元，将其对应的魅力值可以设置为5。
[0186]
可选地，所述将所述第一最小运行成本对应的第一魅力值和所述第二最小运行成本对应的第二魅力值传递至所述车辆跟踪速度曲线生成系统中，基于所述人工鱼群算法对所述车辆跟踪速度曲线生成系统进行求解，得到所述目标车辆跟踪速度序列，包括：
[0187]
将所述第一魅力值确定为每条鱼的合群行为预期位置对应的第一食物浓度值，并将所述第二魅力值确定为每条鱼的跟随行为预期位置对应的第二食物浓度值；
[0188]
基于所述第一食物浓度值和所述第二食物浓度值更新对应鱼所在的位置，直至更新第二预设次后，得到每条鱼的最终位置；
[0189]
确定每条鱼的最终位置对应的食物浓度值中的最大食物浓度值；并将最大食物浓度值的鱼对应的车辆跟踪速度序列确定为目标车辆跟踪速度序列。
[0190]
示例地，若计算得到某条鱼的合群行为预期位置对应的第一魅力值为10，则将该鱼对应的第一食物浓度值确定为10，若计算得到某条鱼的跟随行为预期位置对应的第二魅力值为5，则将该鱼对应的第二食物浓度值确定为5。
[0191]
可选地，所述基于所述目标车辆跟踪速度序列确定所述目标车辆功率分配序列，包括：
[0192]
确定所述目标车辆跟踪速度序列对应的鱼的最大食物浓度值，并基于所述最大食物浓度值确定对应的目标最大魅力值；
[0193]
将所述目标最大魅力值的萤火虫对应的车辆功率分配序列确定为所述目标车辆功率分配序列。
[0194]
示例地，目标车辆跟踪速度序列对应的是最大食物浓度值对应的鱼，就可基于目标车辆跟踪速度序列确定对应的最大食物浓度值，由于鱼的食物浓度值是萤火虫的魅力值，所以可以基于最大食物浓度值确定对应的目标最大魅力值。
[0195]
然后将目标最大魅力值的萤火虫对应的车辆功率分配序列确定为目标车辆功率分配序列。
[0196]
可选地，所述基于所述第一食物浓度值和所述第二食物浓度值更新对应鱼所在的位置，包括：
[0197]
在确定所述第一食物浓度值大于所述第二食物浓度值时，更新对应鱼所在的位置为合群行为预期位置；
[0198]
在确定所述第一食物浓度值小于所述第二食物浓度值时，更新对应鱼所在的位置为跟随行为预期位置。
[0199]
示例地，在确定第一食物浓度值大于第二食物浓度值时，说明合群行为预期位置处的食物浓度值较大，鱼会向食物浓度值较大的位置移动，所以更新对应鱼所在的位置为合群行为预期位置；在确定第二食物浓度值大于第一食物浓度值时，说明跟随行为预期位置处的食物浓度值较大，鱼会向食物浓度值较大的位置移动，所以更新对应鱼所在的位置为跟随行为预期位置。
[0200]
参考图2所示的人工鱼群算法和多群体萤火虫算法的协同优化算法，下面对车辆的功率分配和跟踪速度的协同方法进行具体描述，车辆的功率分配和跟踪速度的协同方法对应的协同优化系统包括车辆跟踪速度曲线生成系统(外层系统)和车辆功率分配系统(内层系统)：
[0201]
首先设置协同优化系统的参数：鱼群的鱼的条数为m，最大迭代次数γ1为50，设置鱼的感知距离、移动步长和拥挤因子。萤火虫种群数为g，每个虫群包含的个体数为u，最大迭代次数γ2为50，同时设置魅力系数、最大魅力值、最小魅力值和移动步长范围。然后开始协同优化过程，协同优化过程的步骤如下：
[0202]
1)生成初始鱼群。根据约束，随机产生m组车辆跟踪速度序列[vmax1,vmax2,
…
,vmaxn]，每组序列代表一条鱼所在的位置。m条鱼共同构成初始鱼群。根据这m条鱼对应的速度序列，获得m条车辆跟踪速度曲线。
[0203]
2)开始外层优化过程。从第1条鱼开始，根据公式(2)获得第1条鱼的合群行为预期位置，根据公式(3)获得第1条鱼的跟随行为预期位置。将合群行为预期位置和跟随行为预期位置分别输入车辆跟踪速度曲线生成系统，即可获得两条车辆跟踪速度曲线。将这两条车辆跟踪速度曲线作为初始条件，代入跟踪速度与功率分配算法耦合模型中，其中，跟踪速度与功率分配算法耦合模型是基于公式(1)构建的。通过跟踪速度与功率分配算法耦合模型，将车辆跟踪速度曲线转化为目标车辆需求功率，并对合群行为预期位置和跟随行为预期位置同步进行内层优化过程。
[0204]
3)开始内层优化过程。根据约束，随机产生g乘以u组(g乘以u等于n)车辆功率分配序列[pfm，psm，pbm]，每组车辆功率分配序列代表每只萤火虫所在的位置。如此，产生了g个种群，每个种群u只萤火虫共同组成初始多种群。依据萤火虫的位置和图4所述内容，可获得所有萤火虫对应的功率分配算法。将该功率分配算法与相应跟踪速度曲线同时代入完整的车辆模型。完整的车辆模型除公式(1)以外，还包含了跟踪速度曲线生成系统、车辆功率分配系统及能量源模型。之后，基于完整的车辆模型进行路线仿真。从仿真结果中获得氢氧动力装置、动力电池和超级电容的输出功率变化曲线，以及动力电池和超级电容的荷电状态变化曲线，并根据公式(10)到(23)，计算车辆运行总成本cf。
[0205]
4)内层迭代优化。将所有萤火虫对应的运行成本转化为该萤火虫的魅力值，并以此为依据，结合公式(4)到公式(6)，对萤火虫进行位置更新。
[0206]
5)循环执行步骤4)共γ2次后，分别获得合群行为预期位置和跟随行为预期位置对应循环结束之后的魅力值最高的萤火虫的位置，即为车辆功率分配系统的当前最优解。将合群行为预期位置对应的第一最大魅力值和跟随行为预期位置对应的第二最大魅力值传递至外层优化过程，同时将第一最大魅力值和第二最大魅力值分别转化为第1条鱼的合
群行为预期位置及跟随行为预期位置的食物浓度的值。比较合群行为预期位置及跟随行为预期位置的食物浓度，第1条鱼将向更高实物浓度值对应的位置移动。
[0207]
6)鱼群位置更新。对每条鱼循环执行步骤2)至5)，获得所有鱼所处位置的食物浓度值。然后，对鱼群中所有鱼的位置进行更新。
[0208]
7)获得最终解。对每条鱼循环执行γ1次2)至6)，获得所有鱼的最终位置，并根据所有鱼最终位置的食物浓度值确定出最大食物浓度值，将最大食物浓度值对应的鱼作为最优鱼。该最优鱼对应的车辆跟踪速度序列即为氢氧动力轨道车辆的目标车辆跟踪速度序列，并基于目标车辆跟踪速度序列确定目标车辆功率分配序列。
[0209]
8)最优解转化应用。将目标车辆跟踪速度序列转化为车辆跟踪速度曲线，并输入至车载列车控制器。该车载列车控制器可依据车辆当前所处位置，从曲线中实时获得车辆的跟踪速度，进而指导车辆运行。将目标车辆功率分配序列转化为混合动力系统的功率分配算法，并输入至混合动力系统控制器。混合动力系统控制器可依据车辆实时需求功率以及氢氧动力装置、动力电池和超级电容的状态，实时分配三种能量源的输出功率。
[0210]
下面对本发明提供的车辆的功率分配和跟踪速度的协同装置进行描述，下文描述的车辆的功率分配和跟踪速度的协同装置与上文描述的车辆的功率分配和跟踪速度的协同方法可相互对应参照。
[0211]
图5是本发明提供的车辆的功率分配和跟踪速度的协同装置的结构示意图，如图5所示，该车辆的功率分配和跟踪速度的协同装置包括获取单元501、构建单元502和求解单元503；其中：
[0212]
获取单元501，用于获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
[0213]
构建单元502，用于基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
[0214]
求解单元503，用于基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0215]
本发明提供的车辆的功率分配和跟踪速度的协同装置，利用人工鱼群算法和多群体萤火虫算法，求解基于车辆跟踪速度序列和车辆功率分配序列构建的协同优化系统，得到目标车辆跟踪速度序列和目标车辆功率分配序列。可知，本发明考虑了车辆跟踪速度序列和车辆功率分配序列的协同关系对车辆能量供给的影响，可以更加合理的分配混合动力系统中各个能量源的功率供给。
[0216]
基于上述任一实施例，所述构建单元502具体用于：
[0217]
基于所述m组车辆跟踪速度序列构建车辆跟踪速度曲线生成系统；
[0218]
基于所述n组车辆功率分配序列构建车辆功率分配系统；
[0219]
基于所述车辆跟踪速度曲线生成系统和所述车辆功率分配系统构建所述协同优化系统。
[0220]
基于上述任一实施例，所述求解单元503具体用于：
[0221]
将每组所述车辆跟踪速度序列确定为每条鱼所在的位置，并基于每条鱼所在的位置确定每条鱼的合群行为预期位置和跟随行为预期位置；
[0222]
将所述每条鱼的合群行为预期位置和跟随行为预期位置输入至所述车辆跟踪速度曲线生成系统中，得到所述合群行为预期位置对应的第一跟踪速度曲线和所述跟随行为预期位置对应的第二跟踪速度曲线；
[0223]
基于所述第一跟踪速度曲线确定对应的第一目标车辆需求功率，并基于所述第二跟踪速度曲线确定对应的第二目标车辆需求功率；
[0224]
将所述第一目标车辆需求功率和所述第二目标车辆需求功率输入至所述车辆功率分配系统中，基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第一最小运行成本和所述第二目标车辆需求功率对应的第二最小运行成本；
[0225]
将所述第一最小运行成本对应的第一最大魅力值和所述第二最小运行成本对应的第二最大魅力值传递至所述车辆跟踪速度曲线生成系统中，基于所述人工鱼群算法对所述车辆跟踪速度曲线生成系统进行求解，得到所述目标车辆跟踪速度序列；
[0226]
基于所述目标车辆跟踪速度序列确定所述目标车辆功率分配序列。
[0227]
基于上述任一实施例，所述求解单元503具体用于：
[0228]
将所述第一跟踪速度曲线和所述第二跟踪速度曲线输入至跟踪速度与功率分配算法耦合模型中，得到所述跟踪速度与功率分配算法耦合模型输出的所述第一跟踪速度曲线对应的第一目标车辆需求功率和所述第二跟踪速度曲线对应的第二目标车辆需求功率。
[0229]
基于上述任一实施例，所述求解单元503具体用于：
[0230]
将每组车辆功率分配序列确定为每只萤火虫所在的位置，并基于第一目标车辆需求功率确定每只萤火虫对应的第一运行成本；
[0231]
基于每只萤火虫对应的第一运行成本确定每只萤火虫对应的第一魅力值；
[0232]
基于每只萤火虫的所述第一魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第一最终位置；
[0233]
确定每只萤火虫的第一最终位置对应的第一魅力值中的最大第一魅力值，并将所述最大第一魅力值对应的第一运行成本确定为第一最小运行成本；
[0234]
所述基于所述多群体萤火虫算法对所述车辆功率分配系统进行求解，得到所述第一目标车辆需求功率对应的第二最小运行成本，包括：
[0235]
基于第二目标车辆需求功率确定每只萤火虫对应的第二运行成本；
[0236]
基于每只萤火虫对应的第二运行成本确定每只萤火虫对应的第二魅力值；
[0237]
基于每只萤火虫的所述第二魅力值对每只萤火虫所在的位置进行更新，循环更新第一预设次后，得到每只萤火虫的第二最终位置；
[0238]
确定每只萤火虫的第二最终位置对应的第二魅力值中的最大第二魅力值，并将所述最大第二魅力值对应的第二运行成本确定为第二最小运行成本。
[0239]
基于上述任一实施例，所述求解单元503具体用于：
[0240]
将所述第一魅力值确定为每条鱼的合群行为预期位置对应的第一食物浓度值，并将所述第二魅力值确定为每条鱼的跟随行为预期位置对应的第二食物浓度值；
[0241]
基于所述第一食物浓度值和所述第二食物浓度值更新对应鱼所在的位置，直至更新第二预设次后，得到每条鱼的最终位置；
[0242]
确定每条鱼的最终位置对应的食物浓度值中的最大食物浓度值；并将最大食物浓
度值的鱼对应的车辆跟踪速度序列确定为目标车辆跟踪速度序列。
[0243]
基于上述任一实施例，所述求解单元503具体用于：
[0244]
确定所述目标车辆跟踪速度序列对应的鱼的最大食物浓度值，并基于所述最大食物浓度值确定对应的目标最大魅力值；
[0245]
将所述目标最大魅力值的萤火虫对应的车辆功率分配序列确定为所述目标车辆功率分配序列。
[0246]
基于上述任一实施例，所述求解单元503具体用于：
[0247]
在确定所述第一食物浓度值大于所述第二食物浓度值时，更新对应鱼所在的位置为合群行为预期位置；
[0248]
在确定所述第一食物浓度值小于所述第二食物浓度值时，更新对应鱼所在的位置为跟随行为预期位置。
[0249]
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行车辆的功率分配和跟踪速度的协同方法，该方法包括：获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
[0250]
基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
[0251]
基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0252]
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0253]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的以执行车辆的功率分配和跟踪速度的协同方法，该方法包括：获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
[0254]
基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
[0255]
基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0256]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程
序，该计算机程序被处理器执行时实现以执行上述各方法提供的车辆的功率分配和跟踪速度的协同方法，该方法包括：获取m组车辆跟踪速度序列和n组车辆功率分配序列；所述车辆跟踪速度序列中包括每两个站点之间对应的最大允许速度，所述车辆功率分配序列包括至少两种能量源对应的最大允许输出功率；
[0257]
基于所述m组车辆跟踪速度序列和所述n组车辆功率分配序列构建协同优化系统；
[0258]
基于人工鱼群算法和多群体萤火虫算法求解所述协同优化系统的最优解，得到目标车辆跟踪速度序列和目标车辆功率分配序列。
[0259]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0260]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0261]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。