一种故障检测方法、装置和存储介质
本发明涉及故障检测领域，尤其是一种故障检测方法、装置和存储介质。
背景技术：
随着科学技术的发展，机器设备的应用领域越来越广泛，机器设备的发展速度越来越快，对机器设备的要求要越来越高，例如要求机器设备适应不同的环境、机器设备的功能以及精度要更加的高，与之伴随的是对机器设备的故障检测精度也越来越高。例如通过振动信号对机器设备进行检测时，需要收集振动信号，并对振动信号进行分析，而在机器设备运行的过程中会受到外界环境的各种因素影响，容易导致收集的振动信号实则上是被改变后振动信号，且通常为非线性信号，若利用该振动信号为依据利用现有的方法进行检测，容易得到错误的结果，故障检测的准确率低。
技术实现要素：
有鉴于此，为了解决上述技术问题，本发明的目的是提供一种故障检测方法、装置和存储介质，提高故障检测的准确率。
本发明采用的技术方案是：
一种故障检测方法，包括：
获取第一振动信号；
根据所述第一振动信号以及预设门限，确定本征模态函数分量集合；
根据所述本征模态函数分量集合，确定特征向量；所述特征向量表征所述本征模态函数分量集合的总能量；
根据所述特征向量与分类决策函数，确定故障检测结果。
进一步，所述第一振动信号包括多个极大值点以及多个极小值点，所述根据所述第一振动信号以及预设门限，确定本征模态函数分量集合，包括：
从多个所述极大值点中选取第一预设数量个所述极大值点，并根据选取的所述极大值点计算得到边缘极大值，将所述边缘极大值作为所述第一振动信号最左端的极大值点；所述边缘极大值与选取的所述极大值点之间的幅值之和最小；
从多个所述极小值点中选取第二预设数量个所述极小值点，并根据选取的所述极小值点计算得到边缘极小值，将所述边缘极小值作为所述第一振动信号最右端的极小值点；所述边缘极小值与选取的所述极小值点之间的幅值之和最小；
将所述边缘极大值和所述边缘极小值之间的所有所述极大值点与所述边缘极大值通过预设第一样条线连接，得到上包络线，将所述边缘极大值和所述边缘极小值之间的所有所述极小值点与所述边缘极小值通过预设第二样条线连接，得到下包络线；
根据所述上包络线和所述下包络线计算得到平均值；
根据所述第一振动信号与所述平均值的第一差值以及所述预设门限，确定所述本征模态函数分量集合。
进一步，所述根据所述第一振动信号与所述平均值的第一差值以及所述预设门限，确定所述本征模态函数分量集合，包括：
当所述第一差值小于等于所述预设门限，将所述第一差值作为第一分量；
计算所述第一振动信号与所述第一分量的第二差值作为第一本征模态函数分量，并将所述第一本征模态函数分量作为新的第一振动信号重新计算平均值；
根据新的第一振动信号与重新计算的平均值以及所述预设门限确定第二本征模态函数分量；所述本征模态函数分量集合至少包括第一本征模态函数分量和第二本征模态函数分量。
进一步，所述根据所述第一振动信号与所述平均值的第一差值以及所述预设门限，确定所述本征模态函数分量集合，包括：
当所述第一差值大于所述预设门限，将所述第一差值作为第二振动信号；
计算所述第二振动信号的第二平均值，并计算所述第二振动信号与所述第二平均值的第三差值；
计算所述第一差值与所述第三差值的第四差值，根据所述第四差值与所述第一差值确定分量参数，当所述分量参数小于等于所述预设门限，将所述第三差值作为第二分量，计算所述第二振动信号与所述第二分量的第五差值作为第三本征模态函数分量，当所述分量参数大于所述预设门限，将所述第三差值作为新的第二振动信号，返回计算所述第二振动信号的第二平均值的步骤，直至所述分量参数小于等于所述预设门限，得到第三本征模态函数分量；所述本征模态函数分量集合至少包括第三本征模态函数分量。
进一步，所述本征模态函数分量集合包括多个本征模态函数分量，所述根据所述本征模态函数分量集合，确定特征向量，包括：
对各个所述本征模态函数分量进行积分处理，得到各个所述本征模态函数分量对应的能量；
对各个所述能量进行归一化处理，得到特征向量。
进一步，所述根据所述特征向量与分类决策函数，确定故障检测结果，包括：
将所述特征向量输入至所述分类决策函数，得到输出结果；
计算所述输出结果与第一阈值的差值的绝对值作为第一差距，计算所述输出结果与第二阈值的差值的绝对值作为第二差距；
当所述第一差距大于第二差距，确定所述故障检测结果为正常；
其中，所述分类决策函数的公式为：
其中，f(x)为分类决策函数，x为特征向量，xi为支持向量，n为支持向量xi的数量，
进一步，所述分类决策函数通过以下步骤训练所得：
获取训练集；所述训练集包括训练特征向量以及与训练特征向量中每一元素对应的分类标签；
将所述训练特征向量以及所述分类标签输入预设分类函数进行参数的调整；
当所述预设分类函数的输出结果满足训练条件，根据调整后的参数与所述预设分类函数确定所述分类决策函数；其中调整后的参数包括所述支持向量、所述拉格朗日参数、所述类别标记、超平面权系数向量、权重因子、尺度、衰减参数和核函数参数；所述分类阈值根据所述超平面权系数向量确定，所述支持向量机的核函数根据所述权重因子、所述尺度、所述衰减参数和所述核函数参数确定。
本发明还提供一种故障检测装置，包括：
获取模块，用于获取第一振动信号；
第一确定模块，用于根据所述第一振动信号以及预设门限，确定本征模态函数分量集合；
第二确定模块，用于根据所述本征模态函数分量集合，确定特征向量；所述特征向量表征所述本征模态函数分量集合的总能量；
第三确定模块，用于根据所述特征向量与分类决策函数，确定故障检测结果。
本发明还提供一种故障检测装置，包括处理器以及存储器；
所述存储器存储有程序；
所述处理器执行所述程序以实现所述故障检测方法。
本发明还提供一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行时实现所述故障检测方法。
本发明的有益效果是：获取第一振动信号，根据所述第一振动信号以及预设门限，确定本征模态函数分量集合，然后根据所述本征模态函数分量集合，确定表征所述本征模态函数分量集合的总能量的所述特征向量，通过对所述第一振动信号进行分解并进行平稳化处理，再将处理结果即所述特征向量结合所述分类决策函数，从而确定故障检测结果，能够有效提高故障检测的准确率。
附图说明
图1为本发明方法故障检测方法的步骤流程示意图；
图2为本发明具体实施例确定本征模态函数分量集合的步骤示意图；
图3为本发明具体实施例确定特征向量的步骤示意图；
图4为本发明具体实施例的确定检测结果的步骤示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，本实施例提供一种故障检测方法，包括步骤s100-s400：
s100、获取第一振动信号。
具体地，第一振动信号可以为通过各种类型传感器收集的机器设备的运行数据，也可以为通过传输接口等方式接收的机器设备的运行数据。可选地，机器设备包括但不限于机器人，运行数据包括但不限于转速、转轴位置等转轴的相关数据。需要说明的是，第一振动信号包括多个极大值点以及多个极小值点，第一振动信号可以为从收集的信号中选取的某一段信号，横坐标为时间，纵坐标为幅值。
s200、根据第一振动信号以及预设门限，确定本征模态函数分量集合。
如图2所示，可选地，步骤s200可以包括步骤s211-s215：
s211、从多个极大值点中选取第一预设数量个极大值点，并根据选取的极大值点计算得到边缘极大值，将边缘极大值作为第一振动信号最左端的极大值点。
可选地，第一预设数量可以根据需要进行调整，例如三个，则从多个极大值点中选取三个极大值点，并通过计算确定一个边缘极大值，使得边缘极大值与三个极大值点之间的幅值之和最小，然后将该边缘极大值作为第一振动信号最左端的极大值点。例如，幅值之和为
s212、从多个极小值点中选取第二预设数量个极小值点，并根据选取的极小值点计算得到边缘极小值，将边缘极小值作为第一振动信号最右端的极小值点；边缘极小值与选取的极小值点之间的幅值之和最小。
可选地,第二预设数量可以根据需要进行调整，可以与第一预设数量相同也可以与第一预设数量不相同，本申请实施例中第二预设数量也为三个，则从多个极小值点中选取三个极小值点，并通过计算确定一个边缘极小值，使得边缘极小值与三个极小值点之间的幅值之和最小，然后将该边缘极小值作为第一振动信号最右端的极小值点；其中计算方法可以参照步骤s211的原理。需要说明的是，最右端的极小值点的幅值为该边缘极小值，时间可以用当前第一振动信号的最右端的端点的时间，或者时间也可以利用最右端的极小值点的时间。本发明实施例中，选取的三个极小值点为以第一振动信号的最右端的端点为起点所选取的最接近该起点的三个极小值点。
s213、将边缘极大值和边缘极小值之间的所有极大值点与边缘极大值通过预设第一样条线连接，得到上包络线，将边缘极大值和边缘极小值之间的所有极小值点与边缘极小值通过预设第二样条线连接，得到下包络线。
具体地，当确定边缘极大值和边缘极小值后，边缘极大值和边缘极小值之间形成一个信号范围，将该信号范围内的所有极大值点(包括边缘极大值)通过预设第一样条线连接，得到上包络线，通过将该信号范围内的所有极小值点(包括边缘极小值)通过预设第二样条线连接，得到下包络线。需要说明的是，预设第一样条线和预设第二样条线的形式可以根据实际需要进行设定，本申请实施例中预设第一样条线和预设第二样条线均为三次样条曲线，通过三次样条插值法可以形成上包络线和下包络线。
s214、根据上包络线和下包络线计算得到平均值。
具体地，将上包络线上的点与下包络线上的点的幅值相加(时间维持一致)，然后再求平均值m1。
s215、根据第一振动信号与平均值的第一差值以及预设门限，确定本征模态函数分量集合。
可选地步骤s215可以通过步骤s221-s223实现：
s221、当第一差值小于等于预设门限，将第一差值作为第一分量。
可选地，预设门限ε可以根据实际需要进行设定，当第一差值小于预设门限，则将第一差值作为第一分量。
s222、计算第一振动信号与第一分量的第二差值作为第一本征模态函数分量，并将第一本征模态函数分量作为新的第一振动信号重新计算平均值。
具体地，计算第一振动信号与第一分量的第二差值作为第一本征模态函数分量，然后将第一本征模态函数分量作为新的第一振动信号重新计算平均值。需要说明的是，重新计算平均值可以通过步骤s211-步骤s214实现，原理相同不再赘述。
s223、根据新的第一振动信号与重新计算的平均值以及预设门限确定第二本征模态函数分量。
具体地，根据新的第一振动信号与重新计算的平均值以及预设门限确定第二本征模态函数分量，可以通过步骤s221-s222实现，原理相同，从而得到第二本征模态函数分量。需要说明的是，本征模态函数分量集合至少包括第一本征模态函数分量和第二本征模态函数分量，本征模态函数分量集合包含的多个本征模态函数分量可以通过上述步骤的原理进行多次循环所确定。
可选地，步骤s200也可以包括步骤s231-s233：
s231、当第一差值大于预设门限，将第一差值作为第二振动信号。
可选地，预设门限ε可以根据实际需要进行设定，当第一差值大于预设门限，则将第一差值作为第二振动信号。
s232、计算第二振动信号的第二平均值，并计算第二振动信号与第二平均值的第三差值。
具体地，第二振动信号的第二平均值指的是利用第二振动信号获取新的上包络线和新的下包络线，然后根据新的上包络线和新的下包络线所确定的平均值，具体原理可以通过参照步骤s211-s214。然后计算第二振动信号与第二平均值的第三差值。
s233、计算第一差值与第三差值的第四差值，根据第四差值与第一差值确定分量参数，当分量参数小于等于预设门限，将第三差值作为第二分量，计算第二振动信号与第二分量的第五差值作为第三本征模态函数分量，当分量参数大于预设门限，将第三差值作为新的第二振动信号，返回计算第二振动信号的第二平均值的步骤，直至分量参数小于等于预设门限，得到第三本征模态函数分量；本征模态函数分量集合至少包括第三本征模态函数分量。
具体地，计算第一差值与第三差值的第四差值，根据第四差值与第一差值确定分量参数，当分量参数小于等于预设门限，将第三差值作为第二分量，计算第二振动信号与第二分量的第五差值作为第三本征模态函数分量。需要说明的是，若分量参数大于预设门限，将第三差值作为新的第二振动信号，返回计算第二振动信号的第二平均值的步骤，直至分量参数小于等于预设门限，得到第三本征模态函数分量；本征模态函数分量集合至少包括第三本征模态函数分量。可选地，第一次确定分量参数时，根据第四差值的平方与第一差值的平方的比值确定分量参数，后续确定分量参数时，在第四差值和第一差值的基础上结合新的平均值与新的第二振动信号所确定的差值确定。
需要说明的是，步骤s221-s223与s231-s235可以交替进行，最终所确定的本征模态函数分量集合可以包括通过步骤s221-s22所确定的本征模态函数分量也可以包括步骤s231-s235所确定的本征模态函数分量。
例如：第一次获得上包络线、下包络线时，其第一次确定的平均值记为m1，x(t)-m1＝h1，x(t)为第一振动信号，h1为第一差值，当h1满足门限条件(小于等于预设门限ε，例如0.3)，则确定为第一个分量。当h1不满足门限条件,把h1作为原始数据(即第一振动信号),第二次计算得到上、下包络线的平均值m1i,再判断新的差值h11＝h1-m11是否满足门限条件,如满足则将新的差值h11作为第一个分量，若不满足,则重循环k次,得到h1(k-1)-m1k＝h1k,其中，h1(0)即为h1，使得h1k满足门限条件，确定第一个分量，h1(k-1)为第k次循环时第k-1次的原始数据与根据该原始数据计算出来的平均值的差值，h1k为h1(k-1)与第k次循环的原始数据计算得到的平均值的差值，m1k为第k次循环时上包络线和下包络线的平均值。其中，上述步骤中记第一个分量为c1(t)，然后利用r1(t)＝x(t)-c1(t)，r1(t)为去除了高频分量的第一个本征模态函数分量，然后将r1(t)为作为原始数据即作为x(t)，进行循环，得到多个符合门限条件的分量进而得到多个本征模态函数分量，且当最终得到的本征模态函数分量为常量为单调量停止循环，确定最终的本征模态函数分量集合。需要说明的是，当通过k次循环时，需要计算门限参数sd与预设门限ε比较，判断是否达到门限条件，具体公式为：
其中，h1(k-1)为第k次循环时第k-1次的原始数据与根据该原始数据计算出来的平均值的差值，h1k为h1(k-1)与第k次循环的原始数据计算得到的平均值的差值，其中第0次的原始数据即第一振动信号。其中，在得到符合门限条件的分量后，计算本征模态函数分量。例如：rn-1(t)-cn(t)＝rn(t)，n≥1，cn(t)为第n个满足门限条件的分量，rn(t)为第n个本征模态函数分量，rn-1(t)为第n-1个本征模态函数分量。
s300、根据本征模态函数分量集合，确定特征向量。
需要说明的是，本征模态函数分量集合包括多个本征模态函数分量，特征向量表征本征模态函数分量集合的总能量。
如图3所示，可选地，步骤s300可以包括步骤s310-s320：
s310、对各个本征模态函数分量进行积分处理，得到各个本征模态函数分量对应的能量。
具体地，对各个本征模态函数分量进行积分处理，具体公式为：
其中，ri(t)为第i个本征模态函数分量，ei为第i个本征模态函数分量对应的能量。
s320、对各个能量进行归一化处理，得到特征向量。
本发明实施例中，能量为元素构造一个初步特征向量t：
t＝[e1,e2,…,en]
而通常能量数值较大,为便于后续分析与处理,对初步特征向量t进行归一化处理，具体地：
t′＝[e1/e,e2/e,…,en/e]
其中e为归一化参数，i的取值范围为n，t′为最终得到的特征向量。
s400、根据特征向量与分类决策函数，确定故障检测结果。
如图4所示，可选地，步骤s400可以包括以下步骤：s410-s430：
s410、将特征向量输入至分类决策函数，得到输出结果。
具体地，分类决策函数的公式为：
其中，f(x)为分类决策函数，x为特征向量，xi为支持向量，n为支持向量xi的数量，
s420、计算输出结果与第一阈值的差值的绝对值作为第一差距，计算输出结果与第二阈值的差值的绝对值作为第二差距。
本发明实施例中，第一阈值、第二阈值可以根据需要进行设置，例如第一阈值为+1、第二阈值为-1，当输出结果为0.7，则第一差距为0.3，第二差距为1.3；当输出结果为-0.7，则第一差距为1.7，第二差距为0.3。
s430、当第一差距大于第二差距，确定故障检测结果为正常。
本发明实施例中，通过比较第一差距与第二差距之间的大小，确定故障检测结果为正常或异常，具体地，当第一差距大于第二差距，确定故障检测结果为正常，否则确定故障检测结果为故障。如上述例子中，当输出结果为0.7，第一差距0.3小于第二差距1.3，则认为故障检测结果为异常；当输出结果为-0.7，第一差距1.7大于第二差距0.3，确定故障检测结果为正常。
可选地，本发明实施例中的分类决策函数通过训练所得，具体地训练过程包括步骤s501-s503：
s501、获取训练集。
具体地，训练集包括训练特征向量以及与训练特征向量中每一元素对应的分类标签。需要说明的是，训练特征向量通过收集大量的振动信号数据，通过类似步骤s200-s300的方式得到，然后通过人工为训练特征向量中每一元素设置对应的分类标签，例如正常或者异常。
s502、将训练特征向量以及分类标签输入预设分类函数进行参数的调整。
具体地，预设分类函数的形式与分类决策函数的形式相同,将训练特征向量以及分类标签输入至预设分类函数，进行训练以及参数的调整。
s503、当预设分类函数的输出结果满足训练条件，根据调整后的参数与预设分类函数确定分类决策函数。
具体地，调整后的参数包括支持向量、拉格朗日参数、类别标记、超平面权系数向量、权重因子、尺度、衰减参数和核函数参数。本发明实施例中，分类阈值b*具体公式为：
ω为超平面权系数向量，x(1)为故障样本中任意一个支持向量，x(-1)为正常样本中任意一个支持向量。其中，超平面权系数向量ω训练过程中具有限制条件，具体地：
其中，c为惩罚参数，b为偏移量，yi为类别标记(取+1或-1)，xi为支持向量，ξi为松弛变量，m为松弛变量ξi的数量。
本发明实施例中，支持向量机的核函数kmix(x,xi)具体公式为：
其中，δ为权重因子，取值范围：0<δ<1，v为尺度，x为训练特征向量，xi为支持向量，z为衰减参数，g为核函数参数，上述支持向量机的核函数中的各项参数可以通过训练进行调整而最终确定。可以理解的是，从上述公式可以知道，支持向量机的核函数根据权重因子、尺度、衰减参数和核函数参数确定。
综上，通过本发明的故障检测方法能够对第一振动信号进行分解并进行平稳化处理，再将处理结果即特征向量结合分类决策函数，从而确定故障检测结果，能够有效提高故障检测的准确率。本发明利用化型支持向量机进行故障检测分类，能够很好地解决小样本问题，检测诊断精度高于神经网络，对结构的依赖性低于神经网络，训练速度更快且稳定性更高。另外，故障检测方法可以更加及时地检测到使用时的故障，减少误判，及时发现问题，避免耽误救援被困人员和及时挽回财产损失。该检测方法可以高效，准确地采集振动信号并滤除噪声，避免了自身的端点效应，采用小样本训练就可以利用优化型支持向量机来快速准确地诊断机器设备的故障，例如滚动轴承的故障。
本发明还提供一种故障检测装置，包括：
获取模块，用于获取第一振动信号；
第一确定模块，用于根据第一振动信号以及预设门限，确定本征模态函数分量集合；
第二确定模块，用于根据本征模态函数分量集合，确定特征向量；特征向量表征本征模态函数分量集合的总能量；
第三确定模块，用于根据特征向量与分类决策函数，确定故障检测结果。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种装置，该设备包括处理器以及存储器；
存储器用于存储程序；
处理器用于执行程序实现本发明实施例的故障检测方法。本发明实施例的装置可以实现故障检测的功能。该装置可以为包括手机、平板电脑、个人数字助理(personaldigitalassistant，简称pda)、销售终端(pointofsales，简称pos)、车载电脑等任意智能终端。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有程序，该程序被处理器执行完成如前述发明实施例的故障检测方法。
本发明实施例还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行前述发明实施例的故障检测方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本申请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。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。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单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以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，本申请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全部或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，包括多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)执行本申请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(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
以上，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！