汽轮机故障识别方法、装置、电子设备和介质与流程

1.本技术涉及数据处理领域，尤其涉及一种汽轮机故障识别方法、装置、电子设备和介质。


背景技术：

2.在汽轮机组的日常运行过程中，机组中的汽轮机的振动可能会导致汽轮机组的运行出现故障。
3.相关技术中，可以对汽轮机组的日常运行进行监测，采集机组中的汽轮机的振动数据，并通过对振动数据的变化分析，识别汽轮机组是否出现故障，准确程度欠佳。
4.因此，如何通过汽轮机的振动数据准确的识别汽轮机组是否出现故障是非常重要的。


技术实现要素：

5.本技术的目的旨在至少在一定程度上解决上述技术中的技术问题之一。
6.本技术第一方面提供了一种汽轮机故障识别方法，包括：获取待识别的汽轮机组的第一汽轮机型号，并根据所述第一汽轮机型号从候选故障识别模型库中，获取所述汽轮机组的目标故障识别模型；采集所述汽轮机组的监测运行数据，其中，所述监测运行数据包括所述汽轮机组的监测振动数据；基于所述监测振动数据和所述目标故障识别模型，识别所述汽轮机组是否出现故障。
7.本技术第一方面提供的一种汽轮机故障识别方法，还具备如下技术特征，包括：
8.根据本技术一个实施例，所述监测运行数据，还包括：所述汽轮机组在监测时间范围内的监测振动数据、监测环境数据、运行年限和历史利用小时数。
9.根据本技术一个实施例，所述获取待识别的汽轮机组的第一汽轮机型号，并根据所述第一汽轮机型号从候选故障识别模型库中，获取所述汽轮机组的目标故障识别模型，包括：获取所述候选故障识别模型库中各候选故障识别模型的第二汽轮机型号；获取全部的第二汽轮机型号中，与所述第一汽轮机型号匹配的第三汽轮机型号；将所述第三汽轮机型号在所述候选故障识别模型库中对应的候选故障识别模型，确定为所述第一汽轮机型号对应的所述汽轮机组的所述目标故障识别模型。
10.根据本技术一个实施例，所述获取所述候选故障识别模型库中各候选故障识别模型的第二汽轮机型号，包括：获取样本汽轮机组待训练的初始故障识别模型；获取所述样本汽轮机组的样本运行数据，其中，所述样本运行数据包括所述样本汽轮机组的第四汽轮机型号；基于所述样本运行数据对所述初始故障识别模型进行模型训练，得到所述样本汽轮机组训练好的候选故障识别模型；将所述第四汽轮机型号，确定为所述候选故障识别模型的所述第二汽轮机型号。
11.根据本技术一个实施例，所述样本运行数据，还包括：所述样本汽轮机在样本时间范围内的样本振动数据、样本环境数据、样本运行年限和样本利用小时数。
12.根据本技术一个实施例，所述基于所述监测振动数据和所述目标故障识别模型，识别所述汽轮机组是否出现故障，包括：将包括所述监测振动数据的所述监测运行数据输入所述目标故障识别模型，并基于所述目标故障识别模型的输出结果识别所述汽轮机组是否出现故障；响应于识别到所述汽轮机组出现故障，获取所述汽轮机组的故障信息，并基于所述故障信息确定所述汽轮机组的故障处理策略。
13.本技术第二方面提供了一种汽轮机故障识别装置，包括：获取模块，用于获取待识别的汽轮机组的第一汽轮机型号，并根据所述第一汽轮机型号从候选故障识别模型库中，获取所述汽轮机组的目标故障识别模型；采集模块，用于采集所述汽轮机组的监测运行数据，其中，所述监测运行数据包括所述汽轮机组的监测振动数据；识别模块，用于基于所述监测振动数据和所述目标故障识别模型，识别所述汽轮机组是否出现故障。
14.本技术第二方面提供的一种汽轮机故障识别装置，还具备如下技术特征，包括：
15.根据本技术一个实施例，所述监测运行数据，还包括：所述汽轮机组在监测时间范围内的监测振动数据、监测环境数据、运行年限和历史利用小时数。
16.根据本技术一个实施例，所述获取模块，还用于：获取所述候选故障识别模型库中各候选故障识别模型的第二汽轮机型号；获取全部的第二汽轮机型号中，与所述第一汽轮机型号匹配的第三汽轮机型号；将所述第三汽轮机型号在所述候选故障识别模型库中对应的候选故障识别模型，确定为所述第一汽轮机型号对应的所述汽轮机组的所述目标故障识别模型。
17.根据本技术一个实施例，所述获取模块，还用于：获取样本汽轮机组待训练的初始故障识别模型；获取所述样本汽轮机组的样本运行数据，其中，所述样本运行数据包括所述样本汽轮机组的第四汽轮机型号；基于所述样本运行数据对所述初始故障识别模型进行模型训练，得到所述样本汽轮机组训练好的候选故障识别模型；将所述第四汽轮机型号，确定为所述候选故障识别模型的所述第二汽轮机型号。
18.根据本技术一个实施例，所述样本运行数据，还包括：所述样本汽轮机在样本时间范围内的样本振动数据、样本环境数据、样本运行年限和样本利用小时数。
19.根据本技术一个实施例，所述识别模块，还用于：将包括所述监测振动数据的所述监测运行数据输入所述目标故障识别模型，并基于所述目标故障识别模型的输出结果识别所述汽轮机组是否出现故障；响应于识别到所述汽轮机组出现故障，获取所述汽轮机组的故障信息，并基于所述故障信息确定所述汽轮机组的故障处理策略。
20.本技术第三方面实施例提供了一种电子设备，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；其中，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技术第一方面提供的汽轮机故障识别方法。
21.本技术第四方面实施例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，所述计算机指令用于使所述计算机执行本技术第一方面提供的汽轮机故障识别方法。
22.本技术第五方面实施例提供了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本技术第一方面提供的汽轮机故障识别方法。
23.本技术提供的汽轮机故障识别方法及装置，获取汽轮机组的第一汽轮机型号，并
根据第一汽轮机型号从候选故障识别模型中获取汽轮机组的目标故障识别模型，采集汽轮机组包括监测振动数据的监测运行数据，并基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。本技术中，基于汽轮机组的型号确定对应的目标故障识别模型，进而基于监测振动数据和目标故障识别模型实现汽轮机组的故障识别，提高了故障识别的准确程度，相较于通过汽轮机振动数据的变化对汽轮机组进行的故障识别，提高了汽轮机故障识别的效率，优化了汽轮机的故障识别方法，进而提高了汽轮机组运行的安全行和稳定性。
24.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
25.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
26.图1为本技术一实施例的汽轮机故障识别方法的流程示意图；
27.图2为本技术另一实施例的汽轮机故障识别方法的流程示意图；
28.图3为本技术另一实施例的汽轮机故障识别方法的流程示意图；
29.图4为本技术一实施例的汽轮机故障识别装置的结构示意图；
30.图5是本技术一实施例的电子设备的框图。
具体实施方式
31.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
32.下面参考附图描述本技术实施例的汽轮机故障识别方法、装置、电子设备和介质。
33.图1为本技术一实施例的汽轮机故障识别方法的流程示意图，如图1所示，该方法包括：
34.s101，获取待识别的汽轮机组的第一汽轮机型号，并根据第一汽轮机型号从候选故障识别模型库中，获取汽轮机组的目标故障识别模型。
35.本技术实施例中，不同型号的汽轮机组出现振动后的相关数据可能存在差异，在该场景下，可以针对每个型号的汽轮机组构建对应的故障识别模型。
36.其中，可以将汽轮机组的型号标识为第一汽轮机型号。
37.可选地，基于汽轮机组的振动数据进行故障识别的模型存在模型库，其中，可以将模型库标识为候选故障识别模型库。
38.其中，可以从候选故障识别模型库中获取与第一汽轮机型号匹配的模型，作为第一汽轮机型号对应的汽轮机组的目标故障识别模型。
39.s102，采集汽轮机组的监测运行数据，其中，监测运行数据包括汽轮机组的监测振动数据。
40.可选地，可以基于相关技术中的运行数据采集设备，对汽轮机组的运行数据进行监测采集，并将采集到的运行数据确定为汽轮机组的监测运行数据。
41.本技术实施例中，可以根据汽轮机组的振动数据对汽轮机组进行故障识别，在该场景下，采集得到的汽轮机组的监测运行数据中包括有汽轮机组在监测时间范围内的振动数据。
42.其中，可以将采集到的汽轮机组在监测时间范围内的监测运行数据包括的振动数据，标识为汽轮机组的监测振动数据。
43.s103，基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。
44.可选地，可以将监测振动数据输入至汽轮机组的目标故障识别模型中，获取目标故障识别模型基于监测振动数据输出的模型输出结果。
45.进一步地，基于模型输出结果，识别汽轮机组是否出现故障。
46.本技术实施例中，模型输出结果可以包括多个识别结果以及多个识别结果各自的置信度，其中，可以将取值最高的置信度所对应的识别结果，确定为汽轮机组的故障识别结果。
47.可以理解为，若取值最高的置信度所对应的识别结果指示汽轮机组存在故障，则可以确定汽轮机组当前的运行出现了故障。
48.本技术提出的汽轮机故障识别方法，获取汽轮机组的第一汽轮机型号，并根据第一汽轮机型号从候选故障识别模型中获取汽轮机组的目标故障识别模型，采集汽轮机组包括监测振动数据的监测运行数据，并基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。本技术中，基于汽轮机组的型号确定对应的目标故障识别模型，进而基于监测振动数据和目标故障识别模型实现汽轮机组的故障识别，提高了故障识别的准确程度，相较于通过汽轮机振动数据的变化对汽轮机组进行的故障识别，提高了汽轮机故障识别的效率，优化了汽轮机的故障识别方法，进而提高了汽轮机组运行的安全行和稳定性。
49.上述实施例中，关于目标汽轮机故障识别模型的获取，可结合图2进一步理解，图2为本技术另一实施例的汽轮机故障识别方法的流程示意图，如图2所示，该方法包括：
50.s201，获取候选故障识别模型库中各候选故障识别模型的第二汽轮机型号。
51.本技术实施例中，每个型号的汽轮机组均存在其对应的故障识别模型，其中，可以为每个型号的汽轮机组对应的故障识别模型进行模型训练，并将训练好的故障识别模型基于对应的汽轮机组的型号进行归类，进而得到训练好的候选故障识别模型库。
52.其中，可以将每个型号的汽轮机组对应的待训练的故障识别模型，标识为汽轮机组的初始故障识别模型，将每个型号的汽轮机组对应的训练好的故障识别模型，标识为每个型号的汽轮机组的候选故障识别模型。
53.可选地，可以获取样本汽轮机组待训练的初始故障识别模型，以及获取样本汽轮机组的样本运行数据，其中，样本运行数据包括样本汽轮机组的第四汽轮机型号。
54.需要说明的是，样本汽轮机组的样本运行数据，还包括样本汽轮机在样本时间范围内的样本振动数据、样本环境数据、样本运行年限和样本利用小时数。
55.本技术实施例中，可以基于相关技术中的神经网络，为每个型号的汽轮机组构建待训练的初始故障识别模型，比如bp神经网络(back propagationneural network，bp神经网络)、径向基函数神经网络(radial basis function neural network，rbf神经网络)、广义回归神经网络(general regression neural network，grnn神经网络)和概率神经网络(probabilistic neural networks，pnn神经网络)等，此处不做具体限定。
56.可选地，可以获取样本汽轮机组在预设的样本时间范围内的运行数据，并将获取到的运行数据标识为样本汽轮机组的样本运行数据。
57.其中，可以获取样本汽轮机组在样本时间范围内的样本振动数据、样本汽轮机组所处历史环境的样本环境数据、截止到样本时间范围样本汽轮机组的样本运行年限以及样本汽轮机组在样本时间范围内的样本利用小时数，并将获取到的样本振动数据、样本环境数据、样本运行年限以及样本利用小时数，确定为样本汽轮机组在样本时间范围内的样本运行数据。
58.进一步地，基于样本运行数据对初始故障识别模型进行模型训练，得到样本汽轮机组训练好的候选故障识别模型，并将第四汽轮机型号，确定为候选故障识别模型的第二汽轮机型号。
59.可选地，可以将样本汽轮机组的样本故障信息作为样本运行数据的标签信息，并将样本运行数据输入至对应的初始故障识别模型进行训练，获取初始故障识别模型的模型训练输出，并基于模型训练输出以及样本运行数据的标签信息，获取初始故障识别模型的训练损失，并基于训练损失对初始故障识别模型进行模型参数调整，并返回获取下一样本运行数据对模型参数调整后的初始故障识别模型继续进行模型训练直至训练结束，得到训练好的候选故障识别模型。
60.本技术实施例中，构建初始故障识别模型的过程中存在对应的汽轮机型号，相应地，样本汽轮机组存在对应的汽轮机型号，且二者相同，在该场景下，可以将样本汽轮机组对应的第四汽轮机型号，确定为基于该初始故障识别模型进行模型训练得到的候选故障识别模型对应的第二汽轮机型号。
61.s202，获取全部的第二汽轮机型号中，与第一汽轮机型号匹配的第三汽轮机型号。
62.本技术实施例中，汽轮机组的候选故障识别模型库中，每个候选故障识别模型存在其对应的第二汽轮机型号，在该场景下，可以将待识别的汽轮机组的第一汽轮机型号与候选故障识别模型库中包括的全部的第二汽轮机型号进行匹配，获取全部的第二汽轮机型号中与第一汽轮机型号匹配的汽轮机型号，作为第三汽轮机型号。
63.其中，可以将全部的第二汽轮机型号中与第一汽轮机型号相同的汽轮机型号，作为第三汽轮机型号。
64.s203，将第三汽轮机型号在候选故障识别模型库中对应的候选故障识别模型，确定为第一汽轮机型号对应的汽轮机组的目标故障识别模型。
65.本技术实施例中，第三汽轮机型号所对应的候选故障识别模型，可以实现第一汽轮机型号对应的待识别汽轮机组的故障识别。
66.在该场景下，可以将候选故障识别模型库中，第三汽轮机型号对应的候选故障识别模型，确定为第一汽轮机型号对应的汽轮机组的目标故障识别模型。
67.s204，基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。
68.本技术实施例中，可以基于目标故障识别模型和汽轮机组的监测振动数据，实现汽轮机组的故障识别。
69.可选地，汽轮机组的监测运行数据，还可以包括汽轮机组在监测时间范围内的监测振动数据、监测环境数据、运行年限和历史利用小时数。
70.在该场景下，可以将包括监测振动数据的监测运行数据输入目标故障识别模型，
并基于目标故障识别模型的输出结果识别汽轮机组是否出现故障。
71.可以理解为，将包括有汽轮机组的监测振动数据的监测运行数据输入至目标故障识别模型中，并获取目标故障识别模型的模型输出结果，进而根据目标故障识别模型的输出结果识别汽轮机组是否出现故障。
72.可选地，响应于别到汽轮机组出现故障，获取汽轮机组的故障信息，并基于故障信息确定汽轮机组的故障处理策略。
73.本技术实施例中，当识别到汽轮机组出现故障后，可以获取汽轮机组的相关故障信息，其中，故障信息中可以包括汽轮机组的故障位置和故障类型等相关信息，进而基于获取到的故障信息确定对应的故障处理策略。
74.可选地，目标故障识别模型可以识别到汽轮机组出现的故障所属的故障类型，基于目标故障识别模型的输出结果，即可得到汽轮机组的故障类型信息。
75.本技术提出的汽轮机故障识别方法，基于汽轮机组的型号确定对应的目标故障识别模型，进而基于监测振动数据和目标故障识别模型实现汽轮机组的故障识别，提高了故障识别的准确程度，相较于通过汽轮机振动数据的变化对汽轮机组进行的故障识别，提高了汽轮机故障识别的效率，优化了汽轮机的故障识别方法，进而提高了汽轮机组运行的安全行和稳定性。
76.为更好理解上述实施例，可结合图3进一步理解，图3为本技术另一实施例的汽轮机故障识别方法的流程示意图，如图3所示，该方法包括：
77.获取不同型号的样本汽轮机组各自的样本故障信息和样本运行数据，其中，样本运行数据包括有样本汽轮机组的样本振动数据。
78.如图3所示，可以将获取到的样本汽轮机组的样本运行数据进行划分，得到对应的训练集和测试集，其中，训练集用于对初始故障识别模型进行模型训练，测试集用于对训练好的候选故障识别模型的模型效果进行测试。
79.本技术实施例中，可以将样本故障信息作为样本运行数据的标签，并基于样本运行数据对不同型号的样本汽轮机组各自的初始故障识别模型进行模型训练，直至训练结束得到不同型号的样本汽轮机组对应的训练好的候选故障识别模型。
80.可选地，候选故障识别模型存在对应的测试集，可以基于测试集对训练结束的候选故障识别模型进行测试，获取候选故障识别模型的测试结果。
81.其中，若测试结果指示测试误差满足预设的误差标准，则可以确定，候选故障识别模型可以满足实际应用场景下汽轮机组的故障识别的需求。
82.相应地，若测试结果指示测试误差不满足预设的误差标准，则可以确定，候选故障识别模型无法满足实际应用场景下汽轮机组的故障识别的需求。
83.其中，可以对确定无法满足实际应用场景下的汽轮机组的故障识别的需求的候选故障识别模型重新进行模型训练，直至重新训练结束得到的候选故障识别模型满足预设的误差标准。
84.进一步地，获取待识别的汽轮机组的第一汽轮机型号，并根据第一汽轮机型号从候选故障识别模型库中获取对应的目标故障识别模型。
85.如图3所示，可以将待识别的汽轮机组包括有监测振动数据的监测运行数据输入至目标故障识别模型中，进而基于目标故障识别模型识别汽轮机组是否出现故障。
86.本技术提出的汽轮机故障识别方法，基于汽轮机组的型号确定对应的目标故障识别模型，进而基于监测振动数据和目标故障识别模型实现汽轮机组的故障识别，提高了故障识别的准确程度，相较于通过汽轮机振动数据的变化对汽轮机组进行的故障识别，提高了汽轮机故障识别的效率，优化了汽轮机的故障识别方法，进而提高了汽轮机组运行的安全行和稳定性。
87.与上述几种实施例提出的汽轮机故障识别方法相对应，本技术的一个实施例还提出了一种汽轮机故障识别装置，由于本技术实施例提出的汽轮机故障识别装置与上述几种实施例提出的汽轮机故障识别方法相对应，因此上述汽轮机故障识别方法的实施方式也适用于本技术实施例提出的汽轮机故障识别装置，在下述实施例中不再详细描述。
88.图4为本技术一实施例的汽轮机故障识别装置的结构示意图，如图4所示，汽轮机故障识别装置400，包括获取模块41、采集模块42和识别模块43，其中：
89.获取模块41，用于获取待识别的汽轮机组的第一汽轮机型号，并根据第一汽轮机型号从候选故障识别模型库中，获取汽轮机组的目标故障识别模型；
90.采集模块42，用于采集汽轮机组的监测运行数据，其中，监测运行数据包括汽轮机组的监测振动数据；
91.识别模块43，用于基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。
92.本技术实施例中，监测运行数据，还包括：汽轮机组在监测时间范围内的监测振动数据、监测环境数据、运行年限和历史利用小时数。
93.本技术实施例中，获取模块41，还用于：获取候选故障识别模型库中各候选故障识别模型的第二汽轮机型号；获取全部的第二汽轮机型号中，与第一汽轮机型号匹配的第三汽轮机型号；将第三汽轮机型号在候选故障识别模型库中对应的候选故障识别模型，确定为第一汽轮机型号对应的汽轮机组的目标故障识别模型。
94.本技术实施例中，获取模块41，还用于：获取样本汽轮机组待训练的初始故障识别模型；获取样本汽轮机组的样本运行数据，其中，样本运行数据包括样本汽轮机组的第四汽轮机型号；基于样本运行数据对初始故障识别模型进行模型训练，得到样本汽轮机组训练好的候选故障识别模型；将第四汽轮机型号，确定为候选故障识别模型的第二汽轮机型号。
95.本技术实施例中，样本运行数据，还包括：样本汽轮机在样本时间范围内的样本振动数据、样本环境数据、样本运行年限和样本利用小时数。
96.本技术实施例中，识别模块43，还用于：将包括监测振动数据的监测运行数据输入目标故障识别模型，并基于目标故障识别模型的输出结果识别汽轮机组是否出现故障；响应于识别到汽轮机组出现故障，获取汽轮机组的故障信息，并基于故障信息确定汽轮机组的故障处理策略。
97.本技术提出的汽轮机故障识别装置，获取汽轮机组的第一汽轮机型号，并根据第一汽轮机型号从候选故障识别模型中获取汽轮机组的目标故障识别模型，采集汽轮机组包括监测振动数据的监测运行数据，并基于监测振动数据和目标故障识别模型，识别汽轮机组是否出现故障。本技术中，基于汽轮机组的型号确定对应的目标故障识别模型，进而基于监测振动数据和目标故障识别模型实现汽轮机组的故障识别，提高了故障识别的准确程度，相较于通过汽轮机振动数据的变化对汽轮机组进行的故障识别，提高了汽轮机故障识
别的效率，优化了汽轮机的故障识别方法，进而提高了汽轮机组运行的安全行和稳定性。
98.为达到上述实施例，本技术还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
99.图5为本技术一实施例的电子设备的框图，如图5所示，设备500包括存储器51、处理器52及存储在存储51上并可在处理器52上运行的计算机程序，处理器52执行程序指令时，实现执行图1至图3的实施例的汽轮机故障识别方法。
100.为了实现上述实施例，本技术还提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行图1至图3的实施例的汽轮机故障识别方法。
101.为了实现上述实施例，本技术还提供一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行图1至图3的实施例的汽轮机故障识别方法。
102.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
103.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
104.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
105.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
106.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述
实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
107.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
108.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
109.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。