刹车片使用寿命预测方法及装置与流程

本发明涉及车辆检测技术领域，尤其涉及一种刹车片使用寿命预测方法及装置。

背景技术：

刹车片是车辆安全行驶中的重要一环，其安全与否直接影响车辆的行驶安全。刹车片属于易损件，在出厂时厂家也只能给出一个理论使用寿命，但是每个驾驶人员的驾驶习惯及用车环境都是不同的，从而刹车片的使用寿命也因人而异。在相关技术中，一般是由4s店里工作人员按照车辆的行驶里程判定是否需要更换刹车片，或者由驾驶人员根据刹车的疲软程度来判断是否需要更换。上述过程主要是依赖于人的经验来判定，刹车片的使用寿命预测的不够准确。若刹车片实际还能够被使用，则随意更换会导致零件浪费。若刹车片实际不能继续被使用，则不更换继续使用可能会导致交通事故的发生。因此，现急需一种刹车片使用寿命的预测方法。

技术实现要素：

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的刹车片使用寿命预测方法及装置。

根据本发明实施例的第一方面，提供了一种刹车片使用寿命预测方法，包括：

获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；

根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

根据本发明实施例的第二方面，提供了一种刹车片使用寿命预测装置，包括：

第一获取模块，用于获取刹车片的磨损厚度临界值；

第二获取模块，用于获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；

求解模块，用于根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

根据本发明实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的刹车片使用寿命预测方法。

根据本发明的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的刹车片使用寿命预测方法。

本发明实施例提供的刹车片使用寿命预测方法及装置，通过获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值。根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。由于可自动预测刹车片的使用寿命，从而相对人工预测，预测结果更加准确，也同时降低了刹车片因使用不够充分而导致的更换成本。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明

为了更清楚地说明本发明实施例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。

图1为本发明实施例提供的一种刹车片使用寿命预测方法的流程示意图；

图2为本发明实施例提供的一种加速度区间的划分示意图；

图3为本发明实施例提供的一种刹车片使用警告的显示示意图；

图4为本发明实施例提供的一种刹车片使用寿命预测装置的结构示意图；

图5为本发明实施例提供的一种电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

针对相关技术存在的问题，本发明实施例提供了一种刹车片使用寿命预测方法。该方法可以用于车载终端或移动终端，本发明实施例对此不作具体限定。为了便于对本发明实施例提供的刹车片使用寿命预测方法进行理解，现对本发明实施例涉及到的材料磨损方程进行解释说明，具体如下：

在上述公式中，δv表示材料的磨损体积，α为表征材料特性的磨损常数，而参数β的计算过程目前尚不具有统一方法。在刹车片磨损过程中，厚度δ的变化最明显，其它方位的变化可以忽略不计，则刹车片磨损率公式为：

在上述公式中，刹车片厚度的变化δδ(也即磨损厚度)与刹车片面积s之间的乘积即为刹车片的磨损体积δv。将β/s记为β′，由于s对于每一车辆而言，均为定值，从而β′相当于是对β进行了缩放，而不影响上述方程的计算过程。因此，结合上述方程，刹车片厚度随时间变化的方程可如下所示：

参见图1，该方法包括：101、获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；102、根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

其中，结合上述说明中的刹车片厚度随时间变化的方程，方程中的β即表示预设参数，方程中的t即表示磨损时长参数。由于车辆在刹车过程中，磨损速率可能会受到刹车片对刹车盘的压力、刹车片的工作温度及刹车片与刹车盘之间的接触面积，等不同因素的影响。而在不同加速度区间中，实际测得这些因素的值也都是不同的。而就上面的磨损方程，这些因素的值只能与预设参数的取值相关联。因此，可以先获取不同加速度区间对应的预设参数的取值，再对磨损方程中的磨损时长参数进行求解，即可得到刹车片的可工作总时长，也即刹车片的总使用寿命。

本发明实施例提供的方法，通过获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值。根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。由于可自动预测刹车片的使用寿命，从而相对人工预测，预测结果更加准确，也同时降低了刹车片因使用不够充分而导致的更换成本。

基于上述实施例的内容，作为一种可选实施例，在获取不同加速度区间对应的预设参数的取值之前，还包括：按照预设频率采集车辆在刹车过程中的刹车影响数据，刹车影响数据中至少包括车辆的加速度；确定所有加速度中的最大值及最小值，对由最大值及最小值所确定的取值区间进行划分，得到不同的加速度区间。

其中，车辆在刹车时，车辆的加速度通常为负值。相应地，加速度的值越小，则说明刹车过程中刹车越重。通过车辆上的tbox，以刹车开始动作为采集起点，以刹车结束为采集终点，可以按照预设频率采集这个刹车过程中的刹车影响数据，刹车影响数据中包含车辆的加速度。在采集到刹车过程中一系列加速度后，可以从这些加速度中确定最大值与最小值。对由最大值及最小值所确定的取值区间进行划分，可得到不同的加速度区间，具体可参考图2。在图2中(-a，-b)即为划分的其中一个加速度区间。

基于上述实施例的内容，作为一种可选实施例，刹车影响数据还包括以下三项数据中的至少一项，以下三项数据分别为刹车片的基本数据、车辆的运行过程数据以及驾驶员的驾驶行为数据。

其中，刹车片的基本数据可以包括刹车片的厚度变化、刹车片工作环境的温度和湿度，以及刹车片的磨损常数。刹车片的厚度变化用于表征磨损程度。一般而言，温度和湿度越高，刹车片越容易磨损。刹车片的磨损常数α与刹车片的材质和制造工艺有关系，由供应商通过实验中得出。刹车片的初始厚度可在车辆更换刹车片时一次性采集。刹车片的厚度变化使用厚度传感器采集。实际在采集刹车片的基本数据时，可以在刹车开始时按照1s/次的频率采集并上传1s内厚度的变化量，并刹车结束后停止采集。

同样的，在刹车过程中，温度可采用红外温度传感器按照1s/次的频率采集，湿度可采用湿度传感器按照1s/次的频率采集。其中，刹车片的基本数据的具体介绍可以参考如下表1：

表1

车辆的运行过程数据可包括胎压、路面的摩擦系数以及车身的正压力。其中，胎压会影响刹车制动效果。路面的摩擦系数和车身的正压力可用于计算车辆在刹车过程中轮胎受到的摩擦力，该摩擦力一般来说与刹车片摩擦力成正比关系。胎压通过胎压传感器采集，按照1s/次的频率在刹车开始时进行采集，并在刹车结束后停止采集。路面摩擦系数采用摩擦传感器采集，刹车时可按照1s/次的频率采集。正压力可通过压力传感器采集，按照1s/次的频率在刹车开始时进行采集，刹车结束后停止采集。其中，车辆的运行过程数据的具体介绍可以参考如下表2：

表2

其中，可以计算每次采集到的路面摩擦系数所对应的轮胎摩擦力xf，具体可参考如下公式：

在上述公式中，μ表示采集到的路面摩擦系数，n表示采集到的车身正压力，n表示轮胎个数。由此，相当于可以按照预设频率采集轮胎摩擦力xf。

驾驶员的驾驶行为数据可包括车辆的速度、加速度、累计行驶里程、上次更换刹车片后的行驶里程。其中，速度越快意味着停车的减速时间越长，刹车片受到的磨损也会更严重。加速度越小，说明减速过程中刹车越重，磨损也会相应的更严重。车辆的累计行驶里程用于建立当前已磨损量和车辆行驶里程的关系，是计算剩余刹车片厚度能够行驶多少里程的重要判断依据。数据通过车载tbox进行采集，以刹车开始动作为采集起点，每次刹车结束后完成一个周期的数据采集，采集频率1s/次。其中，驾驶员的驾驶行为数据的具体介绍可以参考如下表3：

表3

为了便于理解，后续实施例均以刹车影响数据中具体包含每次采集到的温度xt、湿度xh、胎压xtp、轮胎摩擦力xf、车速xv、加速度xa及刹车片的厚度变化δδs为基础，以进行解释说明。基于上述实施例的内容，作为一种可选实施例，本发明实施例不对获取不同加速度区间对应的预设参数的取值的方式作具体限定，包括但不限于：获取每次采集到的刹车影响数据对应的影响因子向量，对于任一加速度区间，确定包含的加速度位于任一加速度区间内的影响因子向量，并作为任一加速度区间对应的目标影响因子向量；对任一加速度区间对应的目标影响因子向量进行聚类，确定中心向量，将中心向量输入至任一加速度区间对应的回归模型，输出任一加速度区间对应的预设参数的取值，任一加速度区间对应的回归模型是基于满足预设条件的影响因子向量所确定的。

具体地，可以将每次采集到的刹车影响数据中的温度xt、湿度xh、胎压xtp、轮胎摩擦力xf、车速xv及加速度xa直接作为影响因子向量。例如，以预设频的率为1s为例，可由第1s采集到的温度xt、湿度xh、胎压xtp、轮胎摩擦力xf、车速xv及加速度xa组成第1s对应的影响因子向量。由于每1s采集到的影响因子向量中包含加速度xa，从而对于任一加速度区间，可以在所有的影响因子向量中，确定包含的加速度xa位于该加速度区间内的影响因子向量，并作为该加速度区间对应的目标影响因子向量。

另外，由于每次采集到的刹车影响数据还包括刹车片的厚度变化δδs，结合上述磨损方程，当t取值为1s时，从而可以计算得到每次采集到的刹车影响数据对应的预设参数的取值，也即每一影响因子向量对应的预设参数的取值。以第i个加速度区间对应的目标影响因子向量为例，目标影响因子向量对应的预设参数的取值其计算过程具体可参考如下公式：

在上述公式中，中的i表示第i个加速度区间，表示目标影响因子向量对应的预设参数的取值，其它参数的解释可参考上述实施例的内容。

以加速度区间为(-1.9，-1.5]为例，则该加速度区间对应的目标影响因子向量及目标影响因子向量对应的预设参数可参考如下表4：

表4

在上述表4中，βi指的是第i个加速度区间对应的预设参数的取值。每一行βi影响因子即可组成目标影响因子向量。若第i个加速度区间对应的目标影响因子向量的数量为m个，则可以找到的中心向量ci。将中心向量ci代入到第i个加速度区间对应的回归模型fi中，可以输出第i个加速度区间对应预设参数的取值βi。

由于在采集到的一系列温度、湿度、胎压和轮胎摩擦力中，其方差都比较小，如温度一般集中在273.15–305k范围内，从而为增强其稳定性，可采用minmax缩放法将温度、湿度、胎压和轮胎摩擦力数据缩放到一个指定的最小和最大值(也即相同的取值范围)内。基于上述说明及上述实施例的内容，作为一种可选实施例，本发明实施例不对获取每次采集到的刹车影响数据对应的影响因子向量的方式作具体限定，包括但不限于：对每一刹车影响数据中的每项数据进行缩放，以使得每项数据均处于相同的取值范围内，并由每一刹车影响数据中缩放后的每项数据组成每一刹车影响数据对应的影响因子向量。

为了便于理解，本发明实施例以取值范围为0至100为例，对刹车影响数据中的每项数据进行缩放的过程可参考如下公式：

以温度为例，由于每一刹车影响数据中均包含温度，从而这一系列温度可以组成向量表示这一系列温度中的最小值，表示这一系列温度中的最大值，表示缩放后的向量。

基于上述实施例的内容，作为一种可选实施例，在将中心向量输入至任一加速度区间对应的回归模型，输出任一加速度区间对应的预设参数的取值之前，还可以建立回归模型。本发明实施例不对建立回归模型的方式作具体限定，包括但不限于：根据每一目标影响影子向量以及每一目标影响影子向量对应的预设参数的取值，确定初始模型中的参数值，以使得初始模型对应的损失函数取值最小，将确定参数值的初始模型作为任一加速度区间对应的回归模型。

具体地，对于第i个加速度区间，该加速度区间对应的目标影响因子向量可以通过进行表示。而由上述实施例的内容可知，每一目标影响因子向量均对应的预设参数的取值也是可以计算得到的，这些目标影响因子向量均对应的预设参数的取值也可以组成向量根据与可以建立第i个加速度区间的回归模型。

由上述实施例可知，每一目标影响因子向量是由温度xt、湿度xh、胎压xtp、轮胎摩擦力xf、车速xv及加速度xa组成的，也即是6维。当然，实际实施过程中可以不限于6维，可以为n维。若第i个加速度区间对应的目标影响因子向量的数量为m个，则这些目标影响因子向量可以组成n*m的矩阵若对该矩阵进行行列转换，也即行向量变成列向量，则可以得到m*n的矩阵其中，每一列向量均是一种可以影响第i个加速度区间对应的预设参数取值βi的一种影响因子，其一系列的值。相应地，根据与可以建立第i个加速度区间的回归模型。

其中，与可能不是简单的线性关系，从而引入多项式特征，新的影响因子通式可以表达为：

在上述公式中，p表示新特征的第p项，和表示影响因子的通项，g和h表示多项式次数，g与h之间的最大值c是多项式最高次数。假设经过多项式扩充后影响因子βi有q项，再加上常数项一共q+1项，也即并可用表示。

由于有些影响因子可能对回归结果的影响很小，从而本发明实施例选择lasso回归模型，以将一些重复的没必要的影响因子的参数直接缩减为零。相应地，第i个加速度区间的损失函数πi为：

在上述公式中，[θi]表示在第i个加速度区间对应的回归模型的参数向量，表示影响因子项对应的参数。

将和代入至损失函数πi，找到使得πi值最小时对应的[θi]，也即使初始模型对应的损失函数取值最小的参数值，进而可以得到第i个加速度区间对应的回归模型。其中，该过程可以使用市面上开源工具进行计算，比如tensorflow、scikit-learn。

多项式最高次数c和损失函数中的λ是两个需要预先定义的参数，被称作超参数，具体可以采用网格搜索的方式确定其值。为此，可预先建立超参数的网格，如下表5所示：

表5

在训练模型时，可以也将参数对同时带入损失函数，以找到πi最小时对应的参数对，即为最佳超参数对对应模型的参数也为βi的最佳模型的参数。

通过上述过程，在得到第i个加速度区间对应的回归模型后，可将第i个加速度区间对应的中心向量ci代入至回归模型中，也即：

基于上述实施例的内容，作为一种可选实施例，磨损方程如下所示：

在上述公式中，δδcritical为磨损厚度临界值，n为不同加速度区间的总数量，βi为第i个加速度区间对应的预设参数的取值，ζi为第i个加速度区间对应的目标影响因子向量的总数与所有影响因子向量的总数之间的占比，α为表征刹车片材料特性的磨损常数。通过对磨损方程进行求解，即可得到刹车片的可工作总时长tcritical。

基于上述实施例的内容，作为一种可选实施例，在根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长之后，还包括：根据可工作总时长，预测刹车片的可工作剩余时长；或者，根据可工作总时长，预测刹车片的可工作剩余时长，并根据可工作剩余时长，预测刹车片的可行驶剩余路程。

其中，预测刹车片的可工作总时长tremain可参考如下公式：

在上述公式中，ti的累加和表示之前累积的总工作时长。

在得到刹车片的可工作剩余时长后，由于刹车片的工作时间与行驶的路程之间是正比关系，从而刹车片的可行驶剩余路程可参考如下公式计算：

在上述公式中，s0是最近一次更换刹车片时车辆已经行驶的路程，scurr是车辆当前已经行驶的路程。还需要说明的是，在刹车片的使用寿命进行预测后，可以根据其使用寿命提示驾驶员。例如，若刹车片的可工作剩余时长达到第一预设阈值和/或刹车片的可行驶剩余路程达到第二预设阈值，则可按照每行驶100km提示一次的频率，将警告信息推送到仪表盘显示器上，以提醒驾驶员更换刹车片，仪表盘的显示效果可参考图3。

基于上述实施例的内容，本发明实施例提供了一种刹车片使用寿命预测装置，该刹车片使用寿命预测装置用于执行上述方法实施例中提供的刹车片使用寿命预测方法。参见图4，该装置包括：

第一获取模块401，用于获取刹车片的磨损厚度临界值；

第二获取模块402，用于获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；

求解模块403，用于根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

作为一种可选实施例，该装置还包括：

采集模块，用于按照预设频率采集车辆在刹车过程中的刹车影响数据，刹车影响数据中至少包括车辆的加速度；

划分模块，用于确定所有加速度中的最大值及最小值，对由最大值及最小值所确定的取值区间进行划分，得到不同的加速度区间。

作为一种可选实施例，刹车影响数据还包括以下三项数据中的至少一项，以下三项数据分别为刹车片的基本数据、车辆的运行过程数据以及驾驶员的驾驶行为数据。

作为一种可选实施例，第二获取模块402，包括：

获取单元，用于获取每次采集到的刹车影响数据对应的影响因子向量；

确定单元，用于对于任一加速度区间，确定包含的加速度位于任一加速度区间内的影响因子向量，并作为任一加速度区间对应的目标影响因子向量；

输出单元，用于对任一加速度区间对应的目标影响因子向量进行聚类，确定中心向量，将中心向量输入至任一加速度区间对应的回归模型，输出任一加速度区间对应的预设参数的取值，任一加速度区间对应的回归模型是基于满足预设条件的影响因子向量所确定的。

作为一种可选实施例，获取单元，用于对每一刹车影响数据中的每项数据进行缩放，以使得每项数据均处于相同的取值范围内，并由每一刹车影响数据中缩放后的每项数据组成每一刹车影响数据对应的影响因子向量。

作为一种可选实施例，第二获取模块402，还包括：

训练单元，用于根据每一目标影响影子向量以及每一目标影响影子向量对应的预设参数的取值，确定初始模型中的参数值，以使得初始模型对应的损失函数取值最小，将确定参数值的初始模型作为任一加速度区间对应的回归模型。

作为一种可选实施例，求解模块403中的磨损方程如下所示：

在上述公式中，δδcritical为磨损厚度临界值，n为不同加速度区间的总数量，βi为第i个加速度区间对应的预设参数的取值，ζi为第i个加速度区间对应的目标影响因子向量的总数与所有影响因子向量的总数之间的占比，α为表征刹车片材料特性的磨损常数。

作为一种可选实施例，该装置还包括：

第一预测模块，用于根据可工作总时长，预测刹车片的可工作剩余时长；或者，

第二预测模块，用于根据可工作总时长，预测刹车片的可工作剩余时长，并根据可工作剩余时长，预测刹车片的可行驶剩余路程。

本发明实施例提供的装置，通过获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值。根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。由于可自动预测刹车片的使用寿命，从而相对人工预测，预测结果更加准确，也同时降低了刹车片因使用不够充分而导致的更换成本。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communicationsinterface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

此外，上述的存储器530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，电子设备，或者网络设备等)执行本发明各个实施例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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例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实施例提供的方法，例如包括：获取刹车片的磨损厚度临界值，并获取不同加速度区间对应的预设参数的取值；其中，磨损方程中包含预设参数及磨损时长参数，不同加速度区间是根据车辆在刹车过程中加速度值所确定的；根据磨损厚度临界值以及不同加速度区间对应的预设参数的取值，对磨损方程进行求解，得到磨损时长参数的取值，并作为刹车片的可工作总时长。

以上所描述的装置实施例仅仅是示意性的，其中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。

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。

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。